5

穷学生的大数据

华盛顿—国家需要高技能人才产生推动长期经济增长的创新。发达国家和发展中国家莫不如此。但这只有通过教育和培训投资才能实现。如果我们想终结贫困、减少失业、阻止经济不平等性升高,我们就需要找到更新、更好、更便宜并且是大规模庞的教学方式。

这一目标或许连富国都难以实现;但聪明地收集、分析和利用教育数据可以带来大不同。此外,幸运的是,在我们生活的时代,信息科技给了我们合适的工具拓展了获得高质量、可负担教育的途径。大数据——企业用来分析和预测消费者行为的大量复杂数据集——可以为教师和公司提供前所未有的关于学生学习方式的信息,帮助学校以日渐成熟的方式实现个性化教学。

Chicago Pollution

Climate Change in the Trumpocene Age

Bo Lidegaard argues that the US president-elect’s ability to derail global progress toward a green economy is more limited than many believe.

世界银行集团及其私人贷款部门国际金融公司(IFC)正在试图将这一潜能用于支持国民教育体系。最新推出的改善教育的系统方法(Systems Approach for Better Education Results ,SABER)计划收集和共享各国教育政策和机构的可比数据。

在私人部门,收集师生互动和学生-学习系统互动信息的能力能带来深远影响。比如,在肯尼亚,布里奇国际研究院(Bridge International Academies,BIA)正在大规模使用适应性学习。BIA是一家由三家美国企业建立的IFC客户机构,运营着259家幼儿园和小学,平均月度学费为6美元。这是面向学生和教育者的大规模学习实验。

BIA测试教授标准技能和概念的不同方法。它在大量班级同时部署两个版本的课程。课程由教师根据标准化书面教案讲授,并通过平板电脑追踪教师每个版本的授课时间。考试结果保存在教师的平板电脑中,每21天会录入250,000多项分数。从这些数据中,BIA评估团队分析出哪个版本的课程最有效,并在BIA网络中的其他学校推广这个版本的课程。

我们知道,一系列问题可能造成学生表现下降——夏季无空调教室的高温、家庭问题、教师质量欠佳,等等。但��你大规模收集结果时,变量就会扁平化,重要的区别会浮现出来。这就是大数据的重大意义。

另一个例子是SABIS。SABIS在美国、欧洲、亚洲、中东和北非提供K-12教育。SABIS挖掘大数据以确保高标准,增进63,000多名学生的学习成绩。对学生年度学习成绩的持续追踪产生了1,400多万个数据点,这些数据点被用来确定教学方案、实现学习目标以及确保公司分布在15个国家的学校网络的一致性。

Knewton公司是另一家居于数据革命前列的公司。该公司是一家适应性学习平台,用预测分析实现数字资源的个性化。有了量身定做的内容和说明,即便不具备私立学校资源的学校也可以提供个体学习。结果,教师可以将时间用在效果最好的方式上——与学生一起解题——而不是无差别地授课。

Fake news or real views Learn More

这些好处并不是没有风险的。我们才刚刚开始领会大数据可以在保护学生隐私的基础上提供多么大的学习潜力。在一些情形中,数据收集技术已经超越了我们确定数据应该如何收集、储存和共享的能力。无论数据保护的力度多大,我们都需要明确的许可制度规范数据的使用。在许多发展中国家,根本没有关于数据隐私方面的监管措施。

数据和教育之间的接口是新教育产品的关键,这些新教育产品可以改善学习效果,带来巨大的好处,特别是对穷国来说。要实现这些好处——并且以负责任的方式实现——我们必须确保数据收集恰到好处并且支持学习。私人部门、政府和世界银行集团等机构需要制定关于如何收集、共享和使用学生表现方面的关键数据的规则。这是家长和学生应得的。