话说装备（十）.docVIP

话说装备（十） 　　教育界存在一个普遍的现象：当社会上一个新技术或新事物出现时，人们会立刻将它们拿到教育教学之中应用，或者作为教学内容与研究对象，或者作为教学工具与研究手段。作为教学内容与研究对象是无可厚非的，甚至应该是积极提倡的；而作为教学工具与研究手段则必须慎重，应该给予充分的分析论证后才行。因为教育与其他领域不同，形成教育装备的那些工具与手段的作用对象是宇宙间最为复杂的人的头脑，是人的“心”，不能总是试验错了、失败了之后再重新来过。目前在教育领域，正像对待其他新技术或新事物一样，当“大数据时代”概念出现时，关心教育的人们将又会面临这种抉择。 　　1 大数据时代与大数据特征 　　被称为大数据时代预言家的维克托·迈尔-舍恩伯格（英，Viktor Mayer-Sch?nberger）在他的《大数据时代》（Big Data： A Revolution That Will Transform How We Live， Work， and Think）一书中对大数据及其特点做了详细的描述。作者从大数据变革公共卫生开始，论述到大数据变革了商业行为，变革了管理模式，变革了社会服务，变革了人们的思维方式，并认为大数据开启了重大的时代转型，成为预测未来的重要依据与工具。 　　作为预测的重要工具，大数据具有三个非常典型的特征[1]。 　　1）“全数据模式，样本=总体”。在非大数据时代（以下称为“小数据”时代），人们利用数据研究问题的方式是从对象的各个变量中进行数据抽样，建立样本空间，然后对样本数据进行统计分析从而得出估算结论。而大数据时代不必这样，全部变量的全部取值已经放到了面前，人们不用再去抽样得到样本数据，直接使用总体数据就是了。 　　2）“不是精确性，而是混杂性”。大数据时代的数据混杂性代替了“小数据”时代追求数据的精确性，这是由于此时有了“样本=总体”，不必再去遵循以前抽样定理的规定而产生的必然结果。在“小数据”时代，为了使得样本数据能够携带不失真的原变量的全部信息，进行抽样时必须保证抽样的点数（或时机）以及变量样本数据尽量精确。大数据时代对待数据则采取一种“宽容”的态度：第一，允许变量取值的不精确性；第二，允许变量区分的混杂性。 　　3）“不是因果关系，而是相关关系”。在大数据时代，正是由于允许变量区分的混杂性，才使得人们不必关心事物变量因果关系，只需关心变量的相关关系；而在这一点上毋宁说，由于不能精确地控制变量，此时人们已经无法再得到变量之间的因果关系，而只能够得到变量的相关关系。 　　2 教育教学研究与大数据分析无涉 　　根据《大数据时代》一书中对大数据的描述，显然可以看出，教育的大数据时代尚未真正到来。退一步说，即使教育的大数据时代真的到来了，也必须对此做出理性和冷静的科学分析才是。教育学属于社会科学，对教育教学的研究人们常采用科学研究的方法，对此，人们认为大数据是十分有意义的，它使客观量化评价成为可能，让凭借主观评价而生的专家评价方式开始消亡，而使得数据科学家开始崛起。但是笔者要说，这可能是对大数据时代一种错误的理解，一种不现实的预期。其实，教育教学研究与大数据分析无涉，这是因为对教育教学的研究恰恰需要探索和发现那些影响它们的变量，或者说更加需要得到变量之间的因果关系，而不仅仅只是提供变量之间的相关性，但是大数据是无法提供的。 　　大数据分析在经济上是成功的，《大数据时代》一书中举出了大量的实例，用于说明大数据分析的作用和意义，其中最为典型的是一个购买低价机票的例子和一个股市波动分析的例子。通过大数据分析，人们能够预测到在什么时刻购买机票可以得到最优惠的价格，能够预测到在什么时刻进出股市可以得到最高的回报。在做这些分析时，人们并不关心影响机票价格的因素是什么，只要能够买到低价机票就达到了目的；人们也不去关心影响股市波动的原因是什么，而只要能够得到高额回报就行了。或者说，在经济学方面，大数据分析只需要提供变量之间是否存在高度相关性，并据此来进行预测，而不需要知道它们之间谁是因、谁是果。 　　但是，教育是绝对不行的，它的研究不能够仅仅停留在这个预测的水平上。对教育教学的研究必须能够找到那些影响教育教学效果的因素或变量，精确地知道它们，并能够掌握、控制它们，从而优化教育教学。从这一点上说，教育教学是与大数据分析无涉的，或者说大数据帮不上忙。 　　3 相关性分析与因果性分析 　　科学在于量化，并且科学结论是可以重复的，这乃是科学研究的特点。对于自然科学的研究，人们在北京大学实验室里做出的实验结果，在上海复旦大学的实验室里同样可以重复实现，保障这一点的就是研究者对研究对象变量的控制。教育学的实验研究正是仿照自然科学实验室中的研究方法与过程，来研究教育教学这个社会问题，人们称其为社会科学。它同样需要寻找变量，通