大数据时代背景下的未来教育

吴恩达是斯坦福大学计算机科学家，他通过AI人工智能系统收集所有关于学生举动的信息，从中提取最有效的内容并将其纳入系统设计，从而使他的课程能够自动实现：教学的改善，学生理解力和成绩的提高，基于个人需求的定制教育。

比如，他追踪学生与视频讲座的互动行为：当学生观看视频时，点击了暂停或快进键，又或是在视频结束前选择了放弃——这种数字互动意味着学生提早溜出了课堂。他能发现学生多次回看同一门课程，或者后退至上一个视频浏览课程内容的行为。此外，他也会在视频课程中穿插突击测验，其目的并不是要督促学生集中注意力学习，这种重视课堂纪律的古老教学形式不是他关注的内容，他想知道的是，学生是否正在领会教学材料，以及是否卡在了某个问题上。每一个学生个体，都是他的观察对象。

通过追踪学生在计算机或平板电脑上完成作业和测验的情况，吴恩达教授能够确定学生需要额外帮助的具体内容。他可以分析整个班级的数据，观察这一群体的学习情况，并以此为依据对课程进行调整。他甚至可以把这些信息与不同年级的不同班级作对比，从中判断最有效的课程元素。

成千上万的学生参与了他的课程学习——数量大到足以支撑他的研究成果，而大多数教育研究的开展仅仅基于小范围的观察对象。然而，班级规模本身并不是重点，数据才是其中的关键。吴恩达教授已经发掘了数据的非凡效果。比方说，在追踪学生观看视频课程顺序的过程中，他发现了一个令人困惑的现象——大部分学生的学习是循序渐进的，然而在课程进行了数周之后（第7课前后），他们会跳回到第3课——其中的原因是什么？他做了进一步的研究，发现第7课要求学生用线性代数书写一条公式，而第3课是一堂关于数学知识的复习课，显然许多学生对自己的数学能力信心不足。由此，吴恩达教授知道了该如何改进他的课程，即在那些容易让学生感到气馁的地方提供更多的数学知识回顾。而具体在哪里加入复习的知识点，正是数据提示给他的。

这就是未来教育的初始模样，更精准全面的分析信息，更个性化自主的学习方案。