亚利桑那大学教授:高等教育中传统教学与技术
分类:教育资讯 热度:

  假如你问,会有很多人告诉你,我们正处于高等教育的新时代,机器学习和大数据分析正在推动时代的快速变革。从自适应学习技术的涌入,学生支持服务自动化,到预测分析模型的使用,没有受到这些创新技术影响的大学生活空间越来越少了。这些技术可能会为高等教育提供很多帮助。

  在机器学习和大数据分析时代,高等教育正通过自适应学习技术提供个性化教育的机会。随着机器变得越来越智能,能够响应学生的自适应学习算法也变得越来越智能。当然,这不是要让机器驱动的学习大规模替代教师的教学。那对目前的世界来说还为时尚早。

  但是自适应学习方法在不断增长的营利性教育技术行业的推动下,会让高等教育的发展出现暂时停顿的状况。其实这一技术提倡的是超级个人主义,即每个人都可以通过越来越少的社交互动方式来获得技能和证书。

  大数据的未来仍存在许多不确定性,不过许多公司和大学都很看好它。要真正理解机器可能给我们的答案,还需要教职员工和学生做好传统的定性工作。机器学习和大数据分析也可以推动大学为没找到兴趣点的学生提供解决方案,但这些解决方案,如果仅建立在数字模式上,而不是建立在增长思维的模式上,就可能把学生引入某些专项领域中,使他们对校园社区产生隔绝感,而不是归属感。

  这里需要注意的是,机器学习算法只能做这么多。系统不会告诉我们的是:伪算法会和算法一样产生预测结果。从业者必须善于解释结果。如果不这样,大学将会把他们的策略偏向机器学习驱动的结果,而这些结果可能对学生的成功毫无影响。

  换句话说,尽管大数据分析提供了一个真正的机会,可以产生更多的预测模型和干预措施,但如果大学不再为此投资(或者始终没投资),没有利用人才解释这些结果并采取行动,他们很可能会很难发现自己的长期价值。

  在学生定向支持领域,高等教育看到了机器学习和大数据分析带来的机遇。新技术的出现,使学生能够规划自己的进步以及下一步的学业,与雇主建立联系,甚至培养技能,从而提高教育水平。如果这些技术能够帮助各机构扩大支持规模,让更多学生利用在线和混合教育丰富学习经历,特别是在目前由于技术限制而做不到的地方有所扩展,那未来还是很有希望的。学生们将不再在同一时间、同一地点进行学习,如果进行有效的管理,技术干预还可以帮助减少一些社会资源的损失。

  也许,最重要的是,机器学习和大数据分析不仅为高等教育提供了一个机会,让学生们从死记硬背中解脱出来,还利用学习分析更有针对性地吸引学生。当然,任何这样的系统所面临的挑战都是,你要建立什么样的联系?建立这些联系的目的是什么,与谁联系?一个反应灵敏的系统可以很容易地引导学生获得资源,这对学校管理学生更复杂的学习有很大帮助。

  我相信在未来,机器学习和大数据分析方面仍有许多潜力可挖掘。但是,为了实现这一目标,高等教育可能不得不承担一定程度的隐私侵犯风险--学生必须自愿提供越来越多的数据来完善模型,或者学校也可以为了保护学生的隐私而牺牲一定的数据分析。随着隐私保护问题的讨论日渐增多,大学如何创建既保护隐私又支持学生数据分析的系统将是一个挑战。

  另一方面,我希望大学能暂时停下前进的脚步,并思考同样重要的人力资本问题和社会互动问题,这些对于高等教育来说仍至关重要。我希望大学能利用真正的机会, 如开放教育资源,或基于通用设计原则设计的以学生协作为中心的虚拟学习工具, 创造出更好的学习前景。

上一篇:第24届上海国际服装文化节国际时尚论坛举行—— 下一篇:探访比利时鲁汶大学图书馆
猜你喜欢
热门排行
精彩图文