大数据席卷高校,算法知道哪所学校更适合你

【数据猿导读】 爱德华·斯诺登的“棱镜门”事件给人们带来了太多的问号,究竟这些数据背后蕴藏着什么“魔力”,让美国政府如此紧张。在今天,大数据已经被应用到生活的额很多方面,在美国甚至出现了教育数据服务公司,意味着在未来,你不用再为报哪所学校头疼了,算法知道你最适合什么学校

大数据席卷高校,算法知道哪所学校更适合你

爱德华·斯诺登像掠过的飓风,他携“棱镜门”叛逃的故事拥有好莱坞大片中的一切精彩元素。但故事背后,一扇大数据的帷幕正在拉开,世界终于开始问:大数据这趟水,到底有多深?

斯诺登手中掌握的国家机密,正是中央情报局从邮件、电话和社交网络收集的海量个人数据,这些数据来自微软、雅虎、谷歌等世界顶尖科技公司的服务器。究竟这些数据背后蕴藏着什么“魔力”,令美国政府甘冒得罪公众的风险,多年来暗中推行监视个人隐私的“棱镜”项目?

从大数据的角度审视此次斯诺登事件,不难看出大数据不只是一个时髦的概念,而是渗入每个人生活的最有力的证据:科技发展使人类行为产生的数据量越来越大,这些产生的数据被采集、记录和分析的机会也越来越多,数据正在成为一个人线上线下的身份象征。

大数据带着“棱镜门”掀起的大浪不可阻挡地冲向各个行业,也为诸多产业有机会利用这股浪潮来让本行业产生革命性的变革创造了机会,高等教育领域自然不会例外。在高等教育最为发达的美国,从招收学生到课堂教学再到毕业生就业,大数据正在发挥着日益重要的作用。

以算法匹配教育资源

ConnectEdu是美国一家教育数据服务公司,其创始人声称公司的愿景是“未来不需要有大学申请的程序,因为算法能够告诉学生哪一所是他最适合的学校”。这听起来异想天开,让我们看看ConnectEdu朝这个梦想做了怎样的尝试:该公司开发的数据系统中可以录入和学生个人资料有关的250个数据类别,包括高中成绩、SAT考试成绩、家庭经济状况、职业愿景和地理位置,等等。一方面算法系统会根据学生的个人情况推荐合适的大学,帮助其进行申请决策(美国已经有超过250万高中生注册使用了这一服务)。另一方面,不仅学生关心,高校也希望能借助这样的服务来改进录取结果——ConnectEdu促进了学生和高校双向选择的优化。由于隐私条例限制,ConnectEdu不可以将学生的姓名透露给高校,但可以向招生部门展示其个人特征,例如告诉学校这是一名“家庭年收入5万美元左右、居住在迈阿密、数学相关科目考试成绩全A的非洲裔男生”。若学校感兴趣,可以通过ConnectEdu联系学生,当学生也对这所学校感兴趣时,双方就可以直接接触。

当学生顺利进入大学,下一个需要面对的重要选择自然是:应该选什么专业很多大学新鲜人并不清楚自己的兴趣所在;也有很多新生以为自己喜欢某个学科,但真正选择了以后才发现自己当初对专业的想象是美好的幻觉。位于田纳西州的奥斯汀皮伊州立大学在这个问题上为学生提供了基于大数据的贴心服务。与ConnectEdu的产品类似,该校开发了一个能录入学生个人资料的数据系统,除了过往成绩等基本信息外,这个系统的亮点是可以匹配数据库中其他学生的表现。例如一名新生希望选择生物专业,但和这名新生背景和成绩相似的人在工程专业上表现更好,系统就会给出相应建议。

打造个性化学习体验

除了为学生推荐最合适的教育资源,大数据在高等教育的另一个用途是提升课堂教学体验。试试想象下述的情景:你在课堂上通过触屏设备回答老师提出的问题,老师可以实时看到全班同学的答题情况,根据学生掌握的程度来控制教学进度,并且根据答题情况将学生匹配成讨论小组,让同学们找到合适的伙伴进行讨论,深化对所学知识的理解……

这样的场景已经在哈佛大学成为了现实,而实时的数据分析系统在此过程中扮演了关键的角色。在这套由哈佛大学教授埃里克·马祖尔开发的分析系统中,学生会在使用前首先被要求填写一份问卷,记录自己的学习习惯、对该课程的想法以及对自己能力的信心。根据这些信息,再加上学生在回答某一道具体问题时的表现,系统会自动匹配课堂讨论小组,让水平相近、观点碰撞的学生分在一组,将讨论过程产生的思维火花最大化。

为什么这样的软件能显著提升学习体验呢?埃里克·马祖尔教授曾经痛苦地发现,很多学生在课堂上只是生硬地记住知识点,而没有真正地消化。他希望通过开发一套数据分析工具去解决这个问题。这套分析工具背后的教育理念是,当观点相异的学生在一起讨论问题时,他们都必须说服另一方,而在这个互相说服的过程中,双方都必须把对问题的理解全部表述出来,并认真聆听对方的观点,随之改变自己的立场,或者用更深入的分析来为自己辩护——因此一个合适的讨论小组将能大大提高学习效率。

在这样的新式工具背后,教育工作者们古老而美好的愿望——因材施教——第一次有了实现的可能。这也是类似的大数据工具为高校教学提供的最大价值:将学生的学习习惯和学习进度记录下来,包括答题准确率、答题时长、引用的资料、选择跳过的题目等,老师看到这些数据反馈后,就能够根据每个学生不同的情况进行指导。

为雇主挖掘职场人才

找到一份心仪工作是很多大学生四年奋斗的目标。除了择校和教学,大数据工具能否在就业这个由大学入社会的关键环节上,为毕业生提供关键的助力?

显然,与学业相比,招聘过程中有更多难以被量化的因素,例如求职者与企业文化匹配度这样的软性考量。然而,大数据所能揭示出来的信息量比人们想象得更加丰富。在一些强调人际交往的职业领域中,大数据也不是全无用武之地——网络教育机构Coursera日前开始为雇主提供服务。雇主可以购买学生在其网络平台上产生的学习数据作为招聘参考,其中,学生在网络课程论坛上发言和帮助其他同学的情况就是雇主极感兴趣的团队合作相关数据。在一些更加强调“硬本领”的行业(例如软件工程)里,借助大数据来找到最优秀的人才,更是成为了一个炙手可热的创业方向。创业公司Gild开发了一套计算工具,综合考量了和求职者有关的300个变量,这些变量既有来自求职者的网络行为,如在商务社交网站Linkedin上列举的技能;也有来自求职者的学业背景,如其所在学校和专业的全国排名;还有一些表面上和职业毫不相关的变量,如他(她)在业余时间喜欢去的地方——Gild希望通过尽可能多的变量,通过算法得出对求职者的综合评分,从而让招聘过程尽可能消除人为偏好的影响。

Gild的首席数据科学家维维恩·敏博士认为,人们普遍认为美国是个“唯才是用”的地方,其实不然。很多充满才华的毕业生没有得到和他们能力相匹配的工作。例如在程序员这样的行业里,很多只有社区学院学历的人才在编程上拥有过人天赋,但这些人才却很难被雇主发现。

大数据时代》的作者舍恩伯格写道,大数据时代最大的特点,是放弃对因果性的追求,转而关注事物之间的相互关系。上面介绍的种种大数据工具,为未来的高等教育呈现了丰富的可能性:每一个教育领域的决策,小至课堂小组匹配,大至毕业生就业,大数据工具都可以为我们揭示各种因素之间的关联性,为决策提供了量化而科学的依据。


来源:麦可思研究

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

我要评论