빅데이터는 교실 수업에 어떤 영향을 미치나요?

빅데이터(BIG DATA)라는 용어는 2008년 빅터 메이어-숀버그(Victor Meyer-Schonberg)와 케네스 쿠키어(Kenneth Cukier)가 집필한 책 '빅데이터 시대'에서 처음 사용됐다. '빅데이터'란 무작위 분석(표본조사) 등의 지름길을 사용하지 않고 모든 데이터(대략 전체 표본)를 분석하고 가공하는 방식을 말한다.

1． 우리 주변에 빅데이터란 무엇일까?

'빅데이터'는 우리 삶 곳곳에 파고들었습니다. 예를 들어 휴대폰에서 타오바오를 열면 표시되는 인터페이스가 다릅니다. 그것이 우리에게 보내는 제품은 다르며, 이러한 제품은 종종 우리의 요구와 심리를 실제로 포착합니다. 이유는 무엇입니까?

사실 이는 빅데이터 분석을 통해 도출된 결론이다.

타오바오는 상품을 탐색하고 구매한 모든 사람에 대한 전체 데이터 분석을 수행하는 플랫폼으로, 우리의 많은 정보를 쉽게 얻을 수 있습니다.

예를 들어 성별, 나이, 가족 구성원, 선호도, 결혼 여부, 자녀 유무, 자녀의 성별, 심지어 캐주얼 한 옷을 좋아하는지 산뜻한 옷을 좋아하는지까지 , 또는 전문 의류 등 귀하의 각 작업을 통해 이 데이터를 수집한 후 분석 및 처리되어 귀하가 주문할 수 있는 제품을 추가로 예측한 다음 이를 귀하에게 푸시하여 검색하는 데 소요되는 시간을 줄이고 더 많은 비용을 지출할 수 있습니다.

예를 들어 일부 출산용품을 구매하면 관련 유아용품이 곧 푸시될 수도 있습니다.

그리고 우리의 소비자 평가와 피드백을 통해 그들은 다양한 판매자의 다이아몬드 별 등급, 자격이 없는 일부 판매자의 제거 등 지속적으로 자신을 개선할 수 있습니다. 이러한 행동은 Taobao 자체에 대한 조정입니다. .

이러한 상호 이익이 되는 이중 루프 운영 모드는 판매자와 구매자 간의 온화한 상호 작용 방식으로 간주될 수 있으며 이러한 종류의 상호 작용은 기존 매장에서는 달성하기 어렵습니다.

2. 교실 수업의 대화형 방법은 무엇입니까?

교실 수업 상호 작용이란 교실에서 교사와 학생 간의 정보 교환 방법을 말합니다.

전통적인 교실에서 교사와 학생 간의 상호 작용 방식은 비교적 간단합니다. 수업에서는 교사가 말하고 학생은 듣는 일방적 전달 과정입니다.

어떤 사람들은 교사가 지식의 전달자이고 교실에서 교사와 학생 사이의 의사소통이 거의 없다고 말합니다.

또 다른 개념은 교사가 학생에게 질문을 하고 학생이 대답하는 방식으로, 교사와 학생의 상호작용입니다.

분명히 이러한 이해는 피상적이며 교사와 학생 간의 상호 작용을 단순한 형식으로 만들 것입니다. 교사-학생 상호작용의 기본 목적은 학생들의 고차원적 사고를 지도하고 함양하는 것입니다.

그러므로 진정한 교사-학생 상호 작용은 사고의 충돌이자 지혜의 불꽃의 원천으로 정의되어야 합니다.

최근 언급되는 칸아카데미의 교수학습 방법은 빅데이터 분석을 기반으로 교실 수업 상호작용의 문제를 해결한다는 점에서 주목받고 있다.

빅데이터가 교실 수업 상호작용을 실현할 수 있는 이유는 피드백, 개인화, 확률 예측이라는 세 가지 주요 특성을 갖고 있기 때문입니다.

우리의 전통적인 교실 수업은 일종의 단일 루프 학습, 즉 교사가 주고 학생이 받는 방식입니다. 우리는 학생들을 평가한 후 평가합니다.

학생들의 결과를 통해 우리의 교수 내용이나 방법이 적절한지 여부를 반성할 조건이 없거나 없을 것입니다.

우리는 가르치는 내용과 행동을 바꾸기 위해 학생들로부터 진정으로 유용한 피드백을 얻을 수 없습니다.

따라서 전통적인 교실 수업은 교사와 학생 간의 온건한 상호 작용을 전혀 달성하지 못하는 단일 루프 방식입니다.

또한 우리의 교육 콘텐츠는 평균적인 수준의 학생들을 염두에 두고 구성되어 있으며, 이 수준의 학생들은 현실에 실제로 존재하지 않을 수도 있습니다.

즉, 우리의 가르침은 '좋은' 학생들을 돌보지 않고, '가난한' 학생들을 무시한다는 것입니다. 평균을 내어 생성된 가상의 그룹입니다.

그러므로 우리의 교육에는 학생들을 위한 맞춤형 설계가 전혀 없습니다. 이는 교육의 대중화를 위해 반드시 이루어져야 할 선택입니다.

전통적인 교육은 피드백이 없거나 피드백이 적고(시간이 없거나 실제로 처리할 수 없으며 기술이 부족함), 개인화도 없고 확률 예측도 없는 일종의 교육입니다.

빅데이터 기반의 새로운 교실 수업 상호작용 방법은 이러한 상황을 바꿀 수 있습니다.

1． 참고 사례

Victor Meier-Schoenberg와 Kenneth Cukier가 집필한 책 "Walking with Big Data - The Future of Learning and Education"에서 칸아카데미를 예로 들 수 있습니다.

2004년 칸은 하버드 비즈니스 스쿨을 막 졸업한 펀드 분석가였으며 사촌에게 수학을 가르치고 있었습니다.

서로 다른 도시에 살았기 때문에 그는 인터넷으로 그녀를 가르치며 교육계를 영원히 바꿔 놓았습니다.

그는 수학 문제를 일으키고 아이들이 제출한 답이 올바른지 보여주는 교육 보조 프로그램을 여러 개 작성했습니다.

동시에 데이터도 수집되며, 각 학생이 정답과 오답을 낸 연습 문제의 횟수, 매일 숙제에 소비한 시간 등을 추적할 수 있습니다.

훗날 이를 바탕으로 탄생한 칸아카데미는 학생들의 행동에 대한 데이터를 수집하고 유용한 정보를 얻어 교수 콘텐츠의 디자인을 바꾸고, 학생 개개인에게 맞춤형으로 제공한다는 점에서 전 세계적으로 유명하다. 맞춤형 학습 계획.

칸아카데미 운영의 핵심은 데이터라고 할 수 있다. 빅데이터의 지원과 인터넷 기술의 급속한 발전으로 인해 수천 마일 떨어져 있는 교사와 학생 간의 효과적인 수업 상호작용이 가능해졌다.

이는 대면 상호작용에 대한 우리의 전통적인 이해를 변화시킵니다.

또한 스탠포드 대학의 Andrew Ng와 그의 머신러닝 강좌에 대한 예가 있습니다.

우 교수는 강좌를 온라인에 올려 학생들의 동영상 상호작용을 추적했습니다.

어디에서 일시 정지 버튼을 눌렀는지, 어디에서 반복 버튼을 눌렀는지, 어디에서 포기하고 강의를 계속 듣게 되었는지 그의 목적은 학생들에게 학습을 촉구하는 것이 아니라 반성을 하게 하는 것이다. 학생들이 어떤 문제에 붙어 있고 어떤 문제에 붙어 있는지. 교육 내용을 이해하기 어렵기 때문에 코스가 조정됩니다.

예를 들어, 그는 원래 학생들이 정상적인 순서로 온라인으로 공부했지만 7과를 공부할 때 많은 학생들이 다시 3과의 수학 복습 수업을 복습한다는 사실을 발견했습니다.

그래서 그는 Lesson 7의 특정 문제를 풀 때 Lesson 3에서 복습한 수학 공식을 사용해야 한다는 것을 알게 되었는데, 많은 학생들이 그것을 기억하지 못해 Lesson에 대해 혼란스러워했습니다. 7. 수업 중 강의 영상이 변경되었으며, 학생들이 수학 공식을 복습할 수 있도록 팝업창이 자동으로 팝업됩니다.

또 한번은 학생들이 75~80과를 공부할 때 정상적인 학습 순서가 흐트러져 학생들이 이 수업을 다양한 순서로 반복해서 시청한다는 사실을 발견했다.

반복적인 분석을 통해 학생들의 행동이 개념을 반복적으로 이해하는 것임을 확인하고, 이 부분의 교육 내용을 더욱 자세하고 학생들의 개념 이해에 도움이 되도록 만들었습니다.

평가

이는 빅데이터 분석을 통해 교수 피드백을 실현하는 교실 교수 상호 작용 혁명의 전형적인 예입니다.

매일 학생들의 숙제를 판단하고 시험 점수만 보는 우리의 전통적인 교육은 귀중한 정보의 내용과 방법을 바꾸는 것은커녕 이러한 역동적인 데이터를 얻을 수 없다는 것을 느낍니다.

그래서 우리의 가르침은 몇 년, 심지어 수십 년 동안 동일한 내용과 행동을 반복할 수도 있습니다. 왜냐하면 우리는 학생들이 어떻게 학습하는지 정확히 알지 못하기 때문입니다.

2. 참고 사례

또 다른 예는 Khan Academy의 수학 커리큘럼을 사용하여 샌프란시스코 베이 지역의 가난한 지역 사회의 중학교 학생들을 가르치는 Peninsula University의 여름 학교 프로그램에 관한 것입니다.

강좌가 시작될 때 7학년 소녀는 여름 내내 가장 학습 속도가 느린 학생이었지만, 강의가 끝난 후 그녀의 점수는 2위였습니다. 수업 중.

칸은 이것이 궁금해서 그녀의 전체 학습 기록을 검색하고 그녀의 각 운동과 문제를 해결하는 시간을 확인했으며 시스템이 생성한 차트에는 그녀의 학습이 묘사되어 매우 그는 오랫동안 반에서 꼴찌를 맴돌다가 어느 순간 갑자기 급등하여 거의 모든 학생을 능가했습니다.

학생들이 자신에게 가장 적합한 속도와 순서로 공부할 때, 능력이 없어 보이는 '가난한 학생'이라도 우수한 학생이 될 수 있다는 것을 충분히 증명한다.

평가

이는 빅데이터 분석을 통해 개인화된 수업을 실현하는 교실 수업의 대화형 전환의 전형적인 예입니다.

이 소녀가 작은 데이터를 기반으로 우리의 전통적인 교습 수업에 배치되고 여러 테스트에서 그녀의 점수가 만족스럽지 않으면 우리는 그녀를 "불량 학생"으로 분류할 수 있으므로 다양한 과외 및 추가 온갖 과외는 그녀의 자신감을 완전히 파괴했고, 그녀의 결과에 대한 그림자는 그녀의 삶에도 영향을 미칠 것입니다.

칸아카데미의 강좌는 그녀의 모든 학습 과정을 모니터링하기 위해 데이터를 사용했습니다. 그녀에게 적합한 운동은 그녀의 특성에 따라 단계별로 설계되었으며 그녀에게 최대한의 영감을 주었습니다. .

그녀는 이런 종류의 개인화 맞춤화를 전적으로 기반으로 다른 사람의 학습 진행 상황과 성취에 신경 쓰지 않고 자신의 속도로 공부합니다. 곰곰히 생각해보면 우리 교육으로 인해 그런 인재들이 얼마나 많이 죽었는지 궁금합니다.

우리는 빅데이터가 우리에게 가져오는 교실 교육 상호 작용의 변화를 실제로 인식해야 합니다. 많은 경우 이러한 변화는 기술적인 변화가 아니라 개념적인 것이기도 합니다.

피드백과 개인화를 바탕으로 빅데이터의 더 큰 장점이 확률 예측에 반영됩니다.

예를 들어, 우리는 개별 학생이 학업 성취도를 향상하기 위해 수행해야 하는 행동을 예측할 수 있습니다. 예를 들어, 가장 효과적인 교육 자료, 교육 스타일, 피드백 메커니즘 등을 선택합니다.

실제로 스몰 데이터 시대에 우리 아이가 수학 학습을 강화해야 한다는 것, 교양 과목을 공부해야 한다는 등 우리가 학생 부모들에게 했던 제안들 중 일부는 ., 실제로는 확실한 사실은 아니고 확률론적 개입일 뿐입니다.

선생님의 소위 경험 때문인지 이 학생은 교양과목을 선택하고 향후 시험에 합격할 가능성이 더 높습니다. 빅데이터와 과거의 가장 큰 차이점은 사물을 측정하고 수량화하여 더 정확하게 이야기한다는 점입니다. 예측 정확도가 더 높습니다.

예를 들어 대학 과목 선택의 경우 과거 학습 기초와 학습 행동을 기반으로 어떤 과목을 선택하면 합격률이 더 높을지, 향후 진로 계획은 어떻게 될지 예측할 수 있습니다. 좀 더 순조롭게 가세요 등등. 기다리세요.

이런 빅데이터를 통한 확률예측은 교실 수업 상호작용 방식의 변화와 직접적으로 관련이 있는 것 같지는 않습니다.

그러나 면밀히 분석해 보면 이 예측은 실제로 교사와 학생 간의 상호 작용의 연속임을 발견하기 어렵지 않습니다. 학생에 대한 우리의 영향력은 교실에만 국한되지 않고 수준까지 확장됩니다. 미래의 선택으로 인터랙티브 커뮤니케이션이 새로운 차원에 도달했습니다.

1. 데이터 피드백 정보를 사용하여 교실 수업 전략 조정

대학 입시 준비를 예로 들어 보겠습니다.

위 그림은 고등학교에 재학하는 모든 학생의 점수율을 추적한 것입니다. 대학 입시 수학의 각 지식 점수에서 4년 동안 일부 지식 점수가 여전히 높은 수준을 유지하고 있음을 알 수 있습니다.

이는 학교의 일관된 훈련 전략과 일상 교육 방법이 올바르고 유지되어야 함을 보여줍니다. 빅 데이터 피드백의 결과는 일정한 영향을 미치기 때문에 교사나 학생 모두 너무 불안해할 필요가 없습니다. 미래교육효과 예측기능.

2. 학생들의 개인화된 발전에 주목하세요

빅데이터는 대규모 데이터의 전체 샘플을 분석하여 일반적인 규칙을 얻을 뿐만 아니라, 더 중요한 것은 각 학생의 성격 변화를 반영할 수 있다는 것입니다. . 교사가 각 학생에 따라 수업 방식을 조정하는 것이 편리합니다.

위 사진은 빅데이터 분석 시스템으로 치른 시험에서 특정 학생의 상황으로, 수학과 물리가 학생의 주과목이고, 영어가 학생의 주과목임을 알 수 있다. 가장 취약한 과목이라면, 개선 전략을 세울 때 영어 선생님의 제안을 더 많이 들어야 합니다.

빅데이터는 교사의 교실 수업 행동이 전통적인 교실처럼 소위 '보통' 학생을 겨냥하지 않고 모든 학생을 돌볼 수 있도록 도울 수 있습니다.

예를 들어, 정보 기술을 사용하여 학생들의 교실 시험과 교실 연습을 모니터링하고, 언제든지 학생의 프로세스를 호출하여 의견을 제시하고, 각 학생의 과정에서 발생하는 문제를 계산하여 교사가 수업 과정을 판단할 수 있습니다. 경험을 바탕으로 한 것이 아니라 언제든지 실제 상황에 따라 조정할 수 있습니다.

요컨대 교실 수업 상호 작용의 변화는 단순히 기술적인 수준의 변화가 아니라 미디어 기술과 네트워크 플랫폼의 구축이 매우 성숙해졌습니다. 우리에게 필요한 변화는 조직의 변화와 이념적 변화입니다. .

현재 인기 있는 마이크로 강좌와 MOOC는 실제로 빅데이터가 교육 상호 작용 분야에 침투할 때 빙산의 일각입니다. 중요한 것은 이러한 형식에 숨겨진 데이터입니다. 교사에게 피드백되는 학생 행동과 교육 정보는 학생들이 생각하고 변화하도록 하여 양방향 루프를 형성하고 진정한 "상호작용"을 달성할 수 있습니다.

빅데이터 하의 교사가 '데이터 문맹'이 되기 위해서는 데이터를 읽어 학생들의 진행 상황을 추적하고, 확률적 예측을 통해 학생들에게 가장 효과적인 학습이 무엇인지 설명해야 합니다.

이런 시스템에는 데이터 처리 전문가, 데이터를 해석하고 분석하는 분석가, 데이터를 활용해 개선하는 교사가 있다는 뜻이겠죠. 가르치는.

이 선순환 시스템에서만 교실 수업 상호 작용이 실제로 실현되고 개인화 된 수업이 제공되며 각 어린이에게 맞는 교육이 가능합니다.

빅데이터로 인해 우리 교육과 교수법이 실질적인 변화를 겪을 수 있기를 바랍니다.