现代义务教育为教育普及做出了很大的贡献，让绝大多数人拥有了受教育的权利。但它也使个体从属于整体，不利于学生个性化的发展。

而现在，我们或许已经具备按照个人喜好和需求来为学生量身定制学习方案的技术。我们可以将知识个性化，使之更好地适应特定学生的学习背景、喜好及能力。

大数据是未来教育不可或缺的一部分，它在提高学习方面有三大核心特征：反馈、个性化和概率预测。

反馈

从幼儿园到大学的学校教育阶段，我们经常会得到反馈。从家庭作业、课堂参与、论文和考试……我们都会获得成绩反馈。在一个人的求学过程中，无数这样的数据点积累在一起，展示着我们的学习过程。我们已经开始依赖这种反馈，将它作为在学校表现的指标。但是，这个反馈系统是有很大缺陷的。因为，我们并不总是收集正确的信息，或者我们收集的数据并不充足……

在小数据时代，反馈是关于学习的结果，而不是学习的过程。因为收集数据太过昂贵和困难，所以我们最容易评价的部分就是学生的成绩。但是在其他领域，这是非常奇怪的。没有任何制造商或零售商仅仅评价他们的客户。当他们得到反馈时，主要是关于自己——自己的产品和服务，着眼于如何改进它们。因此，在学习方面，反馈主要应该聚焦学生对课程理解得如何，教师在教学上准备得如何，基于反馈为每个学生提供个性化的教学。

大数据正在改变这一切。我们正处在数据化学习的过程，我们可以组合这些数据，反馈给学生以提高他们的理解能力和成绩，同时，与教师和教育管理者分享数据以改进教育体系。

反馈在阅读中同样极为重要。某一段文字写得特别精彩，学生是否重读过这段文字?学生会在特定段落的边缘做笔记吗?学生会在看完整本书前放弃吗?如果是，在哪儿放弃?

所有这些都透露着丰富而关键的信息，但我们以前很难知道——直到电子书的发明。当课本在平板电脑或电脑上时，这些各种各样的数据就可以被收集、处理，也可以为学生、教师及出版商提供反馈。一些教育类的公司开始收集他们的产品被如何使用的数据，从而来改进他们的产品，同时针对学生的特定需求制作额外的东西。这不仅能提高学生的成绩，公司还能基于此来与对手竞争。例如，一家出版商希望了解的是“衰减曲线”，于是他们追踪学生读过什么，还能回忆起哪些知识。这样一来，系统就会精确地知道应该什么时候复习，复习些什么。于是，公司在合适的时间给学生推送相关的知识让他们复习，学生就会更容易记住这些知识，并在考试中答对。类似这样的发展改变了教育图书市场。

这种创新的潜力是巨大的。正如吴恩达教授可以挖掘数万名学生的数据，以了解如何改善他的课程。在过去，信息传递只有一种方式——从出版商到学生。现在，它成为一个双行道。而且，这些信息不仅可以存储，还可以进行实时分析，以自动呈现那些在特定时刻满足学生特定需求的知识。这是一种被称为自适应学习的技术，它将引领一个高度个性化教学的新时代。

个性化

现代义务教育为教育普及做出了很大的贡献，让绝大多数人拥有了受教育的权利。但它也使个体从属于整体，不利于学生个性化的发展。学生被一视同仁，给予同样的材料，并要求解决同样的问题。这不是个性化学习。正规教育基本上像流水线一样运行。尽管教师尽了最大的努力，但教学仍然是同样对待所有学生的一个过程。传统教育面向的是学校和教师，而不是学生的利益，这种方式俨然已经伤害了学习两端的学生。

而现在，我们或许已经具备按照个人喜好和需求，来为学生量身定制学习方案的技术。我们可以将知识个性化，使之更好地适应特定学生的学习背景、喜好及能力。通过打破“一刀切”的同质化，来不断优化人们的学习方式。

2013年，比尔和梅琳达·盖茨基金会的一份报告显示，有40家公司提供自适应学习软件，其中之一是卡耐基学习。卡耐基的系统主要涉及高中数学和认知辅导，系统决定要问什么问题主要基于学生如何回答前面的问题。这样一来，就可以找出问题所在并深入其中，而不是像传统方法那样。在美国俄克拉荷马州的一场测验中，400名高中新生在系统的帮助下，获得相同水平的数学能力比学生以传统方式学习数学少用了12%的时间。

最容易实行这种方式的场所并非学校，因为教师有时不愿意采取新方法，他们和工会担心数据可能用于排名或使学校管理者聘用更少的教师。然而，辅导班是推行这种方式的理想场所。一些学生在学习中已经处于落后的状态，传统的做法显然已经失败，所以这种方式比较受欢迎。“运用这种方式学习的学生表现优于传统课堂的学生”，比尔·盖茨在2013年的一次会议上说，“此外，每个学生的学习成本降低了28%”。

个性化学习最令人印象深刻的特点是，它是动态的。随着收集、分析并转换更多的数据作为反馈，学习材料亦不断变化以适应学生的需求。教师不再根据主观判断来挑选教科书或材料，大数据分析将引导他们选择最有效的材料，然后可以进一步细化并为每个学生量身定制。

随着大数据时代的到来，我们可以收集这么多信息，我们可以“让数据说话”。大数据将带来更加针对性、个性化的教育，可以尽早将人的天赋和创造力释放出来。

概率预测

什么样的材料效果最好?什么样的教学风格更合适?什么样的反馈机制最有效?我们可以基于大数据预测每个学生需要学什么，以提高其学习成绩。不过，这些都只是概率的预测。但是，关于人的教育决策，将对其未来的人生产生重大影响。

比如，我们可能会发现，选取某种教材，有95%的可能性将提高一个学生的测试成绩。然而，这也意味着，在20例中就有1例选取的结果是错误的，学生成绩也不会提高。因此，一个显而易见的事实是，教材的选取只是概率，而且具有不确定性。

如果大数据分析告诉我们，换一本特定的教材来教一个学生普通话，他有70%的可能性提高学习，但这足以让我们给他换书吗?我们是否愿意接受自己承担30%错误的风险?如果考试成绩受到影响，我们还会这样去做吗?在一个概率化的事件中，我们将不得不权衡这种收益和风险，并在不确定性面前做出决定。

那么，我们该如何使用大数据来预测，以得到更准确和详细的结果，其重要性就不言而喻了。