维克托·迈尔-舍恩伯格，现为英国牛津大学互联网研究所教授，是大数据领域公认的权威，也是最早洞见大数据时代发展趋势的数据科学家之一。维克托·迈尔-舍恩伯格的力作——《与大数据同行：学习和教育的未来》去年出版以来，受到国内教育界的广泛关注，并荣获2015年度“影响教师的100本书”之TOP10图书。
书中，作者指出小数据时代的教育主要面临两个障碍：一是优质教育资源分配受到时空的限制；二是获取和分析教育过程中的数据成本巨大。因此小数据教育通常呈现为三类特征：一是教育以大规模批量进行；二是难以评价学生的学习过程，而只能评价学习结果；三是教学方案主要依靠教师的个人经验制定。
大数据改善学习的三大核心要素则是：反馈、个性化和概率预测。在此基础上，将带来学习的三大改变：能够随时收集学习中的双向反馈数据；可以真正满足每个学生的个体需求，而不是为了一组类似的学生定制的个性化学习；可以通过概率预测优化学习内容和学习方式。
在这一过程中，学校和教师的功能将发生彻底改变，学校将转变成为学生交流和沟通的社会化场所。教师则不再需要照本宣科地讲课，而是作为学生和学习系统的重要连接者，倾听学生的教育和学习需求，组织学生进行各种深入的讨论和交流。
近日，迈尔-舍恩伯格在北京访问，中国教育新闻网“围绕大数据时代的学习和教育”专访了迈尔-舍恩伯格教授。
大数据将带来学习的三大核心变化：反馈、个性化和概率预测
在小数据时代，学习的方式和目的往往是为了通过考试。而在大数据时代，人们可以实现通过学习中所犯的错误来理解这些错误，并最终改进这些错误。
中国教育新闻网：大数据时代对于学习者到底意味着什么?
迈尔-舍恩伯格：可汗学院的案例大家可能比较熟悉，我想举另外一个案例来说明大数据时代的学习是什么样。在美国，有一个著名的外语学习网站——多邻国（Duolingo），每天都会有数以百万计的人们通过它来学习外语。网站的设计者从平台所收集的大量学习者所犯的错误信息中，发现许多有价值的信息。比如，他们发现大多数西班牙语使用者在学习英语的初级阶段，会对代词“it”很困惑，原因是“it”很难翻译成西班牙语。于是，多邻国针对这类学习者调整了学习安排，先教他们其他代词，等到数周后再开始教“it”。
多邻国通过大数据发现，语言教学手段有效与否，取决于学习者的母语以及他们将要学习的语言。另外，多邻国还发现了所谓“数据尾气”（data exhaust）现象，即由人们与网站之间的互动中衍生的副产品：如熟练掌握一门语言的某一方面需要多长时间、最合适的习题量是多少、落下几天课程进度的后果是什么，等等。
中国教育新闻网：这些数据在传统教学中确实很难收集。
迈尔-舍恩伯格：可汗学院和多邻国的教育实践，为我们展示了大数据时代的教育前景，也反映了大数据改善学习的三大核心要素：反馈、个性化和概率预测。过去，人们针对语言学习方法的实证研究数量很少，比如很多理论主张先教形容词，再教副词，但是几乎没有实证数据支撑该主张。多邻国的出现，使这样的研究成为可能，也使人们可以通过数据分析，进一步了解学习者是如何学习的。
多邻国的教学模式和商业模式也非常有意思，它要求人们在同一时间翻译一些较短的词组，也可以评价或修订他人的翻译。而它所提供的翻译样本，其实是从翻译公司那里获得的真实句子，因此公司能够从中获取报酬。一旦有足够的学习者能够翻译或验证特定的词组，系统就会接受他们的译文，并收集所有零散的句子，将其整合到完整的文档之中。因此，学习者可以免费获得外语学习指导，同时创造出具有经济价值的回报。这种赢利模式在过去是难以想象的。
中国教育新闻网：大数据时代的学习反馈，与传统学校中的学习反馈有何本质不同？
迈尔-舍恩伯格：我们利用传统教育方式所获得的反馈其实存在很大缺陷。比如，我们难以对学习过程进行反馈；在对学习结果进行反馈时，我们也只是把关注点放在学生身上，我们对学生的考卷和各种表现进行打分，并要求他们对这一结果负责。然而，作为教育者，我们却很少评价自己，也很少对我们所采用的教科书、教学方式和内容以及测验手段是否对学习有益进行评价。导致这种现状的原因之一是数据很难收集，收集到的数据又很难获得有效处理。因此，这是一种单向度的反馈。
在大数据时代，我们则可以实现对学习效果的双回路反馈。我们能够收集过去无法获得的数据，通过对这些数据的分析，我们可以提高学习的效果和学业表现，并将数据分享给教师和决策者以改善教学。
在小数据时代，我们学习的方式和目的往往是为了通过考试，而在大数据时代，我们可以实现通过这些错误来理解这些错误，并最终改进这些错误。多邻国的实践就是最好印证。
学习者将获得真正定制的个性化学习
当学生能以最适合自己的步调和方式进行学习时，即使那些看起来最没有能力的“差生”，也可能在最终表现上超过优等生。
中国教育新闻网：看来，大数据时代能真正实现学习者的个性化学习。
迈尔-舍恩伯格：实现因材施教是人类教育的理想。大数据时代，学习者将可以获得一种定制的适合自身的学习安排。比如，在纽约地区有一个“个人的学校”数学项目，每个学生都拥有个人的“播放列表”，通过相关算法分析个人需求，学生可以获得为其定制的每日习题集。
再比如，有一个名为“半岛大桥”（Peninsula Bridge）的暑期班项目，曾使用可汗学院的数学课程教授来自贫困社区的中学生。有一个女孩一直学得很慢，成绩也一直垫底。但是过了一段时间，她竟然像开了窍一般地飞速进步，到课程结束时成绩已排名第二了。学习记录显示，她曾长时间在某个学习环节徘徊，而一旦掌握了这个核心概念后，她就开始突飞猛进了。可见，当学生能以最适合自己的步调和方式进行学习时，即使那些看起来最没有能力的“差生”，也可能在最终表现上超过优等生。
中国教育新闻网：您提到的“概率预测”会对学习带来何种影响和变化？
迈尔-舍恩伯格：人们通常不太愿意接受概率。其实，我们一直都生活在概率的世界里，只是没有认识到它。通过大数据分析，我们可以进行更准确的预测，并进行更有效的干预。比如，我们可以不再简单地要求学生暑假时补习数学，而是建议他进行2周的二次方程集中课程学习。
另外一个需要转变的观念是：探寻“是什么”而非“为什么”。过去我们更强调探寻事物的因果关系，而现在我们通过大数据看到的往往是相关关系。对相关关系意识的确立，是具有挑战性的。因为深层的研究显示，通常我们对因果关系的快速直觉往往是完全错误的。
大数据能为我们展示事物背后无数的相关关系，通过这些相关关系，我们可以更准确地认识事物的本质。当然，我们也要理性对待概率预测，尤其是涉及教育决策和学生，因为这将对人们的未来造成极大影响。
大数据推动教育决策更准确高效
在大数据出现之前，大多数教育政策都是在缺乏实验数据的情况下制定的。
中国教育新闻网：有了大数据的帮助，教育决策是否会更准确高效？
迈尔-舍恩伯格：几乎可以肯定，在大数据出现之前，大多数教育政策都是在缺乏实验数据的情况下制定的。我们的教育决策往往是非常主观、甚至是“拍脑袋”产生的，有一些最基本的原理可能都未曾验证过。比如，今天大多数学校的日程和时间安排，还遵循着农耕时代的习惯，人们甚至没有思考过学生是否真的在这个时间段进行学习最有效。
再比如，人们通过数据研究发现，一个能预示大学生继续学业的重要指标，不是年龄、性别或分数，而是他们的选课数量，即那些开始时选择较少同期课程的学生更有可能坚持下去。而美国财政拨款的资助条件是要求受资助人修读全日制课程，显然这些条款是有严重缺陷的。
尽管教育决策的意义重大，但是其制定的过程却往往基于相对较少的数据。而且，这类数据的收集和分析，也并不是由客观的局外人，而是由典型的内部人士操作的。从组织上看，这是不合理的。商业公司早就知道，有关反馈和质量保障的信息，应该由与结果毫无利益关系的专业人士进行收集。
中国教育新闻网：是否可以认为MOOCs的重要价值之一是能够收集海量的学习数据？对于这些数据的分析和使用，是否需要巨大的投入？
迈尔-舍恩伯格：确实是这样。MOOCs的一个重要构成要素，就是它能产生大数据。大数据能够告诉我们什么是最有效率的，并且揭示那些过去无从发现的事实和真相。
从长远来看，新技术的最初使用永远都是昂贵的，但是大数据的吸引人之处在于，当数据收集起来后，其分析并不是很昂贵。人们可以依托云计算，或者是外部团队来进行数据处理，而不需要学校再通过采购设备等投入来做这件事。
决定教育未来的是利用大数据适应学习的组织
学校和教师不会被取代，但是其职能将会发生改变。学校将转变成学生进行社会化交往的场所，而教师则是重要的组织者。
中国教育新闻网：未来学生都可以通过在线学习的方式进行学习了，更大范围的优质资源共享也可以实现了，我们还需要学校和教师吗？
迈尔-舍恩伯格：学校和教师是不会被取代的，但其职能将会发生改变。学校将转变成学生进行社会化交往的场所，而教师则是重要的组织者。比如，当学生学习数学中的方程和不等式概念时，他们可以通过在线学习方式，便捷地获得优质的教学资源，按照自己的节奏学习并完成相关内容。此后，就需要教师开始组织学生进行交流和讨论，彼此分享学习体会和感悟，加深对学习内容的理解和应用。
此时，学校的关注点不再是知识的传授，而是通过提供这种社会化职能的场所，帮助学生互相交流和沟通。教师和学生的关系，也更像是学习过程中的合作者。学校将面临的挑战，则是要挑选那些具备作为一个教练所应拥有的个人技能和素养的教师，而不仅仅是照本宣科者。
中国教育新闻网：您能描绘出未来的学生怎样度过每一天吗？
迈尔-舍恩伯格：现在做这种描绘，可能有些困难。但我可以讲讲我儿子现在是如何学习的。我儿子今年6岁，今年秋天就要上学了。但是我现在已经开始在家教儿子了。常规情况下，我会在晚上会先给他看20分钟的视频，比如关于皮肤的作用、火山的形成、冰激凌的制作等。这些视频都非常有意思，我的儿子总是津津有味地观看。然后，我们会进行15-20分钟的交流。这种交流很有意思，也很有挑战性，我需要做很多准备。让我特别欣喜和惊讶的，并不是我的儿子记住了多少内容，而是他所展现出来的思考角度和深度。
所以，未来的教师所做的工作，将不再讲授，而是通过对话、沟通和互动，帮助学习者加深对相关内容的理解和思考。在大数据时代，这种双向的沟通和交流将可以更成规模。同时，也要求教师要有更开放的心态，去拥抱和使用这些新技术。
想象力永远比知识本身重要
由人类的智慧、独创性、创造力造就的理念，这是大数据无法分析预测的。要知道，想象力永远要比知识重要。
中国教育新闻网：您提到，大数据不仅会改变学习的方式，也会改变学习的内容。
迈尔-舍恩伯格：长久以来，学生所学习的内容经常是成人的意志，而不是完全基于客观和理性的内容。而真正的启迪，是需要理性而非主观的。大数据时代的学习，可以通过数据来提供一种洞见，基于科学和事实来做决定，让教育真正帮助学生客观、理性地认识世界，学会基于事实做决定。
大数据时代还需要人们学会转变思维方式，要学会看待整个世界以及世界中的所有事物时，要从物质事物转向交互作用，并把它看作一个收集和分析数据的平台，这就是“大数据思维倾向”。
当然，我们也要继续重视那些数据不能解释的事物：由人类的智慧、独创性、创造力造就的理念，这是大数据无法分析预测的。要知道，想象力永远要比知识重要。
中国教育新闻网：教育行业相对较保守，对新技术可能会有一种天然的抵触。这是否意味着，大数据时代的教育变革，可能不是在传统的学校中发生，而是在社会机构甚至是商业组织中最先脱颖而出?
迈尔-舍恩伯格：其实大数据的最初应用主要在产业领域，是针对那些刚刚起步的项目进行分析。对于成熟的行业和产业，大数据在初期往往是用不到的。因此，大数据在教育中的应用也会是这种情况，其应用可能会先在一些创新公司中出现，或者是从一所完全革新的新学校中开始全面应用。当然，决定教育之未来的，一定是那些能更好地利用大数据来适应学习的组织。
一旦数据开始流动，即使顶尖学校也将受到冲击
大数据会让我们明白，最好的学校并非是那些所谓的世界名校，而应该是那些能够给孩子带来最大变化的学校。
中国教育新闻网：您曾以亚马逊击败巴诺书店为例，指出“导致巴诺书店落后的主要原因，不是便利性和海量库存，而是数据。一旦数据开始流动，即使一些顶尖学校也将受到冲击”。您确定会是这样吗？您会为自己的孩子选择什么样的学校？
迈尔-舍恩伯格：这种情况的出现，将是未来所有变化中最有趣的事情。因为所有人都会认为，大数据的应用对那些顶尖级学校最有帮助。但是，让我们看看事实如何。那些世界名校真正为学生做了些什么呢？他们挑走了最好的学生，教起来当然既容易又简单。不过，如果只教最好的学生，我们又何必对这样的名校趋之若鹜呢？
要让我来为自己的孩子选学校，我将更看重学校会给孩子带来何等提升。我会选择能给孩子带来最大变化的学校，从入学到毕业，孩子能经历最大的变化与提升，这才是最好的学习过程。哈佛大学的学生从入学到毕业一直都最优秀，学校不需要替他们操太多心，也未必给他们带来多少提升。
有了大数据，我们会开始明白，那些世界名校并不是世界最好的学校，最好的学校目前还不为人知，因为我们还不知道哪所学校可以给孩子带来最大的提升。不过随着大数据的应用，我们终究会发现这些学校。
所以20年后，人们为孩子选择学校时，肯定与现在的选择大不相同。（新闻来源：中国教育新闻网）
