第150位演讲者：董飞
Datatist COO
前LinkedIn、Coursera资深工程师
教育正在如何进化？
在美国乔治亚理工大学
同学们喜欢在网上向老师提问
到了毕业季
老师们都变得很忙
同学的问题无法得到解答
但是今年
该大学引入了一位新的老师
他的回复效率非常高
可以说是秒回
甚至有同学在晚上12点去提问
他也可以为你解答
大家都觉得他特别敬业
把他评为优秀老师
这时IBM宣布
这是他们跟校方一起开发的
Watson机器人助教
这就是机器人去辅助教学
提升教育质量的一个案例
我想
随着技术的日新月异
我们也推动着教育产生一些新的可能
它可以推翻传统封闭的课堂模式
就像阿拉丁神灯一样
我们可以去实现以前想都不敢想的愿望


比如
你可以随时随地进入一所世界一流的高校
去选修你想学的课程
你可以去量身定制个性化的学习
自由分配你的学习进度
你可以去通过各种感官做体验式的学习
去进行人机交互
最后实现终身教育
这里要提到一个名为MOOC的
大规模开放式在线课堂
它正推动着教育闭环的优化
或许很多朋友对它有一定了解
但也存在一些质疑
我们来看这张图
MOOC是一个用户漏斗模型
它的平台上已经累积了
几百万学习用户
但是它的转化率却非常低
或者说学习的课程完成率很低
但这就能证明它没有前途吗？
我想
答案是否定的
MOOC的目的不是要取代大学
而是希望从一个传统的教学模式
转化为一个全新的
以学生为主体的教学模式
什么是全新的
以学生为主的教育模式？
每个学生都有自己的
兴趣、爱好、职业目标
MOOC根据这些去打造一个
独有的学习模型
而学校老师需要做的
就是根据这个学习模型
去推出一系列个性化的教学课程
怎样通过数据的手段
去思考以及改进我们的教学方法和内容
首先
先抛一个问题
两个同样在数学考试中得了90分的考生
他们的能力是完全一样的吗？
一些传统的教育模型认为
分数一样
能力也一样
其实我们可以通过大数据
去细致地的分析、比较他们的不同
同学A可能擅长于逻辑思维
而同学B的逻辑思维能力欠缺
但他的记忆力超强
同样可以取得好的成绩
那么
我们就可以针对同学B做一些训练
数据怎么去改进我们的教育跟学习？
第一
数据可以去追踪学习者的误区
在以前的课堂中
老师经常问“做错的同学请举手”
如果这道题只有两位做错的同学
老师就过了 去看下一题
老师认为
一个课堂上只有两个人出错
说明这个问题可能并不那么显著
但事实上
如果我们把它放大到一个单独的课程当中
这个比例就显著了
这时
老师应该停下来思考
为什么他会在这个问题上出错？
是不是可以把自己的教育方式做的更好一点
把答案讲的更清楚一点？
第二
数据可以做自动化教改和认证
我们把数据分成两种
一种是结构化数据
还有一种是非结构化数据
结构化数据就是我们的客观题
它有一些固定的选项及客观的答案
而非结构化数据就是主观题
像作文、问答题之类
没有一些固定答案
怎么把老师从海量的作文批改中解放出来？
我们使用了学生互评的方式
随着数据量的提升和多方校对
我们发现
学生互评的分数跟老师的评分
基本维持在一条直线上
这就意味着误差率较低
怎样防止网络作弊的呢？
首先
让每个学习者打开摄像头
做一个人脸识别匹配
保证是真人在参与
另外
通过比较每一个学生敲键盘时的细微差别
将这个特征提取出来
作成电子签名
第三
数据可以做热门课程的推荐
这里列了
A（机器学习）
B（设计思维）
C（社会心理学）
D（金融市场）
四门课你觉得哪门课最热门？
可能大家觉得热门的应该是金融
但是我告诉大家
答案是C
就是说
经过我们教育平台的数据统计分析
最热门的、或者说学生注册数最多的
是人文课程
如何解决职业技能缺口？
随着人工智能、手势识别、物联网等
新技术的开发
这些技术肯定会去
改变和定义未来人类的分工
麦肯锡有个研究报告称
未来社会需要许多高技能的人才
怎么去学习这些高技能？
怎么从之前的学习领域走向工作范畴？
LinkedIn是一个职场社交网站
我之前也在那边做一些数据研发的工作
它通过挖掘海量的数据
提取出相关职位需要的技能信息
做出一些热门的技能列表
比如最热门的技能
排第一的是云计算和分布式计算
什么是学习路径？
我的理解是
根据你的学习测评
为你量身打造一个知识能力体系
这背后有一个强大的检索引擎
帮助你去做个性化的推荐
除了学习路径的推荐
它还可以给我们推荐工作
LinkedIn的目标是想连接全球的职业人士
现在已经采集了上亿的用户画像
还包括每天产生的上百亿新闻、知识
它再通过预测、聚类、相关性挖掘等
去为每个用户推荐他
最感兴趣的人、公司和新闻等信息
最后就打造称一个“经济图谱”
LinkedIn会为每个个体创造出
可在全球范围内流动的经济机会
实现经济的全球化
除了推荐工作
还会推荐学校跟专业
LinkedIn现在采集了
上百万名学生的学习数据
然后通过那些数据去做一些精准的匹配
告诉你适合哪些大学跟专业
比如你输入Duke University（杜克大学）
你可以看到很多杜克大学的毕业生
有些在IBM或者谷歌工作
页面的右侧会显示出一些知名校友
以及你可能联系到的校友
总之
我们可以通过这些智能算法
去完成学习路径、工作路径的推荐
教育的下一步到底是什么？
《美国队长2》中提过的“洞察计划”
所谓洞察计划
就是根据一个人以往累积的大量数据
去预测这个人会不会犯罪
这也可以被延伸到教育领域的
有一家叫Knewton的大数据公司
已经在这么做了
Knewton公司采集了
上千万学习者的课程数据
你可以在里面清晰的看到
每个学生的成绩及出勤率
同时
你还可以看到这个学校
有哪些学生可能会辍学
或者看到对某个学生的成绩
做的预示性分析
讲到这里
大家可能也会思考一个问题
大数据会不会阻碍教育？
我也给大家列了几个思考方向
第一
数据的泄露
你的隐私得不到保障
第二
永久性的档案
被保存的记录可能会伴随你的一生
我们可以想象一下
有一个学生从小被标记成“捣蛋鬼”
那么他到了中学会不会还是那样呢？
第三
信息的闭环
比如说我也经常收到一些
像拍摄数据分析、Java网络编程等等
学习课程推荐
但问题是我早就掌握了这些课程
或者已经了解了70%-80%
第四
这是最难回答的
我们到底是该选择
系统规划推荐的最优路径
还是遵循自己内心的兴趣？
我们可以想象一下
假如你从小生长在一个
由机器帮你设计好一切的完美世界里
机器告诉你应该学什么
应该去哪个学校
应该找什么样的工作
你是会觉得衣食无忧有保障
还是会觉得失去了自我
没有任何独立的精神及趣味
系统推荐的最优路径
到底是教育的进化
还是人性的悲哀？
到了这里
我们回顾一下项目课程
它并没有像我们期待中那样去取代大学
但是我们不得不承认
它提供了一些教育的多元化的可能性
LinkedIn还没有实现

全球经济图谱的梦想
但它也在解决
如何填补未来技能空缺的问题
也许我们过度期待了教育
但我们也不能低估正在向我们走近的
通过数据来驱动的教育
如果非要让我去预测未来
我也很难去做一个精准的描述
这里想借鉴比尔盖茨
描述未来技术规划的一段话
他说
“We always overestimate the change
that will occur in the next two years
and underestimate the change that
will occur in the next ten
Don’t let yourself be lulled into inaction”
我们总是高估未来两年的变化
而却会低估未来十年的技术改变
但是我们不能因此而无所作为
也许我们对未来的规划跟预测是错误的
但是我想
盖茨先生的这句话说的很好
我们要有所行动
因为预测未来最好的方式
就是去创造它

陈华伟 | 拿什么拯救你，我的时间？
陆铭 | 上海的经济正在“香港化” 
叶敏 | 把自然装进建筑，让空间流动起来
刘康平 | 为什么我们每个人都应该学习计算思维？
关雅荻 | 8天跑完500多公里，他却说人生不是一场马拉松
李磊 | 在苦难和平凡里寻找幸福
郑频频 | 我们对雾霾谈虎色变，何以对烟霾视而不见？
周红 | 被阉割的评弹，失去了生命力
王孟秋 | 全人类进入虚拟世界是不可逆的未来 
点击标题 查看往期回顾
继续阅读
阅读原文