信息时代变革学习体会.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
信息时代变革学习体会

:从大数据时代的特点入手,揭示大数据变革信息化教学的趋势,以及信息化教学变革将要带来的资源观、教学观和教师发展观的变化,对于深化基础教育课程改革、建设新型教师队伍具有重要意义。文章通过分析大数据变革信息化教学的典型案例,认为翻转课堂、MOOC和微课程是大数据变革教育的第一波浪潮,翻转课堂和微课程具有信息化教学前移的显著特征,是云计算和大数据时代的信息化教学在基础教育领域的创新,使传统的以教师上课资源为核心的资源建设向以学生学习资源开发为核心的资源建设转型,使传统的以教师讲授为核心的教学方式向以学生自主学习、师生共同深度拓展为核心的教学方式转型,使传统的以演完“教案”预设为特征的“演员型”教师向以课前指导学生自主学习、课堂一对一个性化指导与教师组织下的师生共同深度拓展为特征的“导演型”教师转型,从而引发资源观、教学观和教师发展观的新变革。 关键词:大数据;变革;信息化教学;资源观;教学观;教师发展观 中图分类号:G434?????文献标识码:A ? 维克多·迈尔-舍恩伯格和肯尼恩·库克耶合著的《大数据时代》把我们带入到又一个激情燃烧的信息化时代,翻转课堂、MOOC风暴和微课程的兴起则让我们实实在在地体验到大数据对教育的重大影响。如果说大数据把全球卷入了一个以数据、数据分析与预测为特征的时代,那么,翻转课堂、MOOC、微课程则是大数据时代在教育领域引发变革的前奏,它使信息化教学面临新的环境,其资源观、教学观、教师发展观等都将发生新变化。 一、大数据时代的特点 大数据时代最显著的特点,表现为数字数据急剧增长,思维方式和工作方式发生重大变革。大数据时代的新特点,为信息化教学变革提供了条件。 ㈠??数字数据急剧增长 谷歌公司每天要处理超过24PB数据,相当于104万8千多个GB,其数据处理量是美国国家图书馆所有纸质出版物所含数据量的上千倍。Facebook公司每天更新照片超过1000万张,每天人们在网站上点击“喜欢”(Like)按钮或者写评论大约有30亿次。YouTube公司每月接待多达8亿的访客,平均每一秒钟就会有一段长度在一小时以上的视频上传。Twitter上的信息量几乎每年翻一番,截至2012年,每天都会发布超过4亿条微博[1]。 南加利福尼亚大学安嫩伯格通信学院的马丁?希尔伯特的研究表明,2007年,人类大约存储了超过300 EB数据,相当于3000亿个GB,所有数据中只有7%存储在报纸、书籍、图片等媒介上,其余全部是数字数据。预计2013年全世界存储的数字数据将达到约1.2 ZB,相当于12288亿个GB,而非数字数据将不到2%。这些数字数据全部记载在书中的话,可以覆盖整个美国52次;存储在只读光盘上堆成5堆的话,每一堆都可以延伸到月球[2]。这种极速发展表明,大数据时代不以人们意志为转移地到来了。 ㈡思维方式和工作方式重大变革 1.全数据模式:样本=总体[3] 在信息处理能力受限的时代,人们只能随机抽样采集数据开展研究。其目的在于,用最少的数据得到最多的信息。但是,这种“最多的信息”有着很大的局限性,它只能从采样数据中得出事先设计好的问题的结果,而不能适用于一切情况,尤其是不能适用于想了解更深层次的细分领域的情况。假如抽样对象为一个网络,那就根本找不到一个“最优抽样”的标准,更不可能奢望抽样得到的小网络能够反映总体的所有结构特性[4]。 到了大数据时代,获得海量数据已经非常容易。因此,小数据时代的随机抽样已经失去了原有的意义。谷歌公司之所以能比国家疾病控制和预防中心更早地准确预测H1N1流感趋势,不是依靠随机抽样分析,而是分析了整个美国几十亿条互联网检索记录,分析整个数据库,因而能够提高微观层面分析的准确性[5],推测出某个地区的流感状况,从而采取相应的防范措施。这样的分析不是小样本抽样所能胜任的。 这种“样本=总体”的全数据模式,被称之为“让数据发声”[6]。 2.相关关系分析预测未来 在大数据背景下,找到关联物,就能通过关联物之间的相关关系预测未来。相关关系的核心是量化两个数据之间的数理关系[7]。 2009年美国甲型H1N1流感爆发的几周前,谷歌公司的工程师们在《自然》杂志上发表预测冬季流感传播的论文,阐述谷歌通过观察人们在网上的搜索记录完成流感及其传播的预测。谷歌建立的系统并不依赖于流感的语义理解,而是关注特定检索词条的使用频率与流感在时间和空间上的传播之间的关系。为了测试这些检索词条,谷歌公司总共处理了4.5亿个不同的数学模型。他们把得出的预测与2007年、2008年美国疾控中心记录的实际流感病例进行对比后发现了45条检索词条的组合,将它们用于一个特定的数学模型后,发现他们的预测与官方数据的相关性高达97%。他们能够判断出流感是从哪里传播出来的,而且判断速度远比美国疾控中心快得多[8]。所以,2009年甲型H1N1

文档评论(0)

xcs88858 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8130065136000003

1亿VIP精品文档

相关文档