28.院校思维
纽顿的首席执行官何塞·费雷拉曾说：“从今年秋季起，学生的课程材料将在纽顿技术的支持下，适应和满足每个学生独特的需求。此外，纽顿可以分析由学生生成的大量数据，找出具有价值的数据，从而确保学生有效、高效地学习。”
可是一张试卷，能带来多少数据？分数的背后有多少有价值的信息？励志大师卡耐基说过的一句话：“不得不承认，对于学生，人们了解得太少。”这句话也是美国教育类年会中出镜率最高的议题。
那么，“大数据”时代，如何推动和创新院校教育模式？
首先，我们来说一下二者的区别。传统数据的整理方式能凸显学生整体的专业水平或整体素质、身体的发育状况、社会性情绪及适应性的发展，还有对学校的满意程度等。而大数据就不一样了，它具备的分析能力更广、更细腻。它可以去关注每一个学生的微观表现，比如，在考试时，他在一道题上逗留了多久；在不同学科课堂上，他开小差的次数是多少；在食堂吃饭，他喜欢吃什么，不喜欢吃什么；每个学生的出生日期，包括喜欢的颜色等。
这些数据对其他个体没有意义，但所有学生的数据整合起来对大数据分析就有价值了。并且，这些数据只是在一定的观测技术与设备的辅助下，在不影响学生的日常学习与生活的情况下进行观察和收集的。
举个例子：在美国，数据驱动教育工具已经在很大范围内使用了。有16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素，比如旷课、纪律或课堂表现等预测模式，教育者就可以确认哪些学生退学的可能性较高。通过利用大数据来观察并分析对学生在课堂中点滴的表现，大数据帮助我们可以了解学生对知识的掌握程度以及感兴趣程度，进而让学校反思自己的教学模式是不是满足了学生的需求。有了大数据以后，教育工作者们就可以针对不同的学生进行不同的教育模式，从而真正做到因材施教和以人为本。
大数据对学生的评判标准更科学
当学生回答问题的时候，一些变量就需要一起分析了。试想一下：学生回答不上来的问题就是好问题吗？学生对答如流就是老师教得好吗？除此之外，时间也是一个非常重要的因素。比如，学生在考试的第一部分耗费了太多的时间，那这是不是就意味着接下来的速度会快一点？这些都给研究者提供了大量的数据。运用这些数据，研究者就能揭示学生的学习模式。研究者运用已有的数据，就可以知道什么因素构成了好的学习环境，是什么能够引起学生的学习兴趣？当能够理解这些重要的问题后，教育工作者就能给学生创造一个个性化的学习模式。
大数据要求教育工作者必须超越传统，不要单一的只追求正确的答案，而是要了解学生朝着正确答案努力的过程。比如，在一次考试中，全班学生在每道题上花费了多少时间？用时最长的是哪道题？用时最短的是哪道题？在某一道题上，学生平均用时又是多少？哪些题是曾经学过的，有哪些同学答对或答错了？哪些问题的线索让学生获益匪浅？通过监测这些信息，形成数据档案，能够帮助教育工作者理解学生为了掌握学习内容而进行学习的全过程，并有助于向他们提供个性化的学习模式。
为了能够提高学生的学习成绩，我们需要知道以下这些信息，比如，每一个学生在回答问题的时候，花费了多少时间？为了回答这个问题，学生在课下或课上做了哪些准备工作？当遇到某个问题时，有哪些学生说不会，然后直接把问题跳过了？在回答某个问题时，学生运用了哪些学习点？在课堂上，问题与问题之间存在哪些关系？对学生来说，老师的哪些建议才是有效的……
用学生学习的行为档案能够提高学生的学习效果，利用“学生是如何学习的”这样重要的信息，考试的出题者们就能为学生量身定制出适合学生的个性化问题，设计出能够促进记忆力的线索。通过大数据的分析和研究，教育工作者可以发现，从教育的效果上来看，当被问到一系列难度逐渐增加且互相关联的问题时，学生的表现要好于围绕一个共同的知识点而随机挑选出的问题。
为此，有人经过一番研究后，将传统的院校决策模式总结为四种：第一种是通过“合意”的过程来平衡大学内多方群体利益的“学院型”模式；第二种是通过“扩散”程序表达不同权力集团、利益群体诉求的“政治型”模式；第三种是决策程序无章可循、随意性大的“有组织无政府型”模式；第四种是依靠决策者所具有的理性认知能力制定决策的“官僚主义”模式。这四种模式的共同弱点在于缺少有力的决策支持依据，管理者实际上是以“有限理性”为基础，努力做出“足够好”的决策。
在大数据背景下的院校决策，可以为教育决策者提供和完善认知经验所缺乏的信息、知识和智慧。针对这样的情况，有学者将其称为以数据系统为支撑的“知会理性”决策模式。
通过这一模式，院校决策的完成过程是这样的。首先，收集相关的数据。在了解到一些信息需求以后，就可以收集相关的数据信息。与此同时，还有大量外部与学校相关的数据信息联系在一起，形成了大数据库。其次，建立数据模型，从而进行数据分析。在进行数据分析的过程中，最重要的就是怎样建立有效的数据模型，然后将分析数据的过程以及分析结果整合在一起。再次，是展示信息。当信息分析完成以后，大数据信息报告就会向决策者汇报信息、解释结果，甚至在公开的平台上共享资源。这样的做法，就是进一步检验数据的来源与可靠性。最后，就是决策。在大数据信息分析得出的结论之后，决策者就会做出科学的决策，让其他人少走弯路，以及更好地促进教育事业的发展。
29.教学思维
大数据时代的出现，不仅在教育界掀起一场轩然大波，改变了教育者们以往的思维方式和工作方式，还为信息化教学变革创造了有利条件。下面，我们就来了解一下大数据变革教育的第一波浪潮。
翻转课堂是未来教育的课堂模式
翻转课堂这个概念起源于美国，它有两个经典范本：一个范本来源于科罗拉多州林地公园，是由两位高中教师经过教学探索发现的；另外一个范本是美国人萨尔曼·汗的实验结果。这两个经典范本的相同点，是采取让学生在上课前先学习教学视频，在课堂上完成作业或做实验的方式，而老师则在学生遇到学习困难时给予帮助，对他们进行一对一的个性化指导。这种做法取得的成效非常显著，学生的成绩得到了有效提高，信心也足了，学生、家长和老师对此种课堂模式都很肯定。尤其是萨尔曼·汗的翻转课堂实验，证明并提出了人性化教育的重要原理，改变以往的传统课堂的教学结构，突显提升学习绩效的价值。对此，比尔·盖茨称为“预见了教育的未来”。
此外，萨尔曼·汗还有了一个意外发现，就是为什么会出现“学困生”。原来，在传统教学模式的环境中，学生在上课的时候听课，下课以后写家庭作业，隔段时间就会考试，无论考了70分、80分，还是90分、95分，课程都会很快进入下一个主题。即便是得到95分的学生，也有5分的疑问和难题没有解决。就这样，在重复循环的模式下，不会的难题越来越多，从而导致学习成绩下降。这种“只要学生快速向前，而不管他们面临的难题”的传统教学模式，不仅不会提高教学质量，甚至会适得其反。
翻转课堂的出现，缔造了一种人性化的学习方式。学生在家观看教学视频，就能够根据个人的需求和学习进度有规律地学习。也就是说，学生可以按照自己的节奏、步骤、速度或方式，随意暂停、重复、倒退，抑或是快进。如果忘记了之前的学习内容，没有关系，不需要有任何负担，只需要再次观看视频，获得重温的效果。对此，萨尔曼·汗还发现，那些在某个或某些概念上多用一点点时间的孩子，一旦理解了概念，进步就会很快。后来，翻转课堂凸显大数据促进信息化教学变革的方式被萨尔曼·汗成功移植到教育领域。可以说，他开发软件帮助老师发现需要帮助的学生，就是大数据预测的成功。
