关于未来，我无法给出一个准确预测，我想借鉴
bill gates
对于技术发展预言的一句话。
“
人们往往高估了未来
2
年而低估了
10
年内的变化。不要让你自己无所作为。
”
就算我们对未来的预估往往都是错的，但是盖茨最后说的很对，我们就是要有所行动，因为预测未来最好的方式，就是是去创造它。
周末在上海梅赛德斯奔驰中心做了一场关于“迭代认知”主题的造就讲座，其中我分享的主题是“教育如何进化”，结合Coursera和LinkedIn的经历跟大家一起讨论数据在教育中的应用和未来的趋势。
下面是演讲正文
哈佛商学院开发出了
HBX
互动课程，这种虚拟教室，它不只是人和机器的互动，而且是人与人之间的互动，在全世界各地同时开始的。突破了空间距离的限制，并且课程完成率达到
85%
，
这是新一代的互动式在线教育模式。
Watson机器人
在美国乔治亚理工大学，上课后有很多学生问问题，特别是毕业季老师们往往忙不过来，学生的问题得不到回答。但今年引入新老师，学生感觉非常好，问出来的问题秒回，半夜
12
点钟问的问题也有回答。大家觉得这个叫
Watson
的导师太敬业了，大家想把他评为优秀老师，这时候
IBM
宣布，这是他们和校方开发的
Watson
机器人助教，五个月大家居然都没发现。
这就是一个通过机器人去辅助教学提升效率的案例。
刚才
HBX
，
IBM
的机器
人背后是在线视频，统计、在线分析、搜索等技术。随着技术日新月
异，为教育带来了更多的可能性，这种教育方式也在迭代，打破了原来传统的封闭式的校园，正如阿拉丁神灯，实现你在教育上各种以前想都不敢想的愿望
它可以让你足不出户，随时随地选择世界上任何一所高校，进修你想学习的课
程。
它可以量身设计个性化学习，自定义课程进度。
它可以调动多个感官去学习，体验式模拟练习、人机互动。
最后让终身学习成为可能。
MOOC
真的有效么？
MOOC
同时也受到质疑，
首先作为一种创新模式，需要时间的验证。
比如说
MOOC
确实
可以有几百万学习人次，但是统计结果证明完成
率非常低，完成率在
5%
以下。难道转化率低是说明
MOOC
没有出路么？答案是否定的，我认为
MOOC
并不是让大学消失，而是让传统的教育模式进化为一种全新的真正让学生为主体的教育模式。
什么是以学生的为主体的教育模式呢？
每一个学生按照自己的兴趣、特长、职业规划等，打造独立的学习模型，而大学以及老师所要做的，就是围绕不同的学习模型推出不同的课程，并进行个性化的推荐和教学。
我们来看个例子比如两个同样在数学考试中取得
90
分的考生，他们的能力完全一样吗？根据传统的教学模式，我们会认为，成绩相同的学生，能力大体相仿。但如果借用大数据的分析手段，学生的差异性就会清晰展现。可能
A
同学错了一道大题，
B
同学错了
5
个选择题，或者学生
A
有更出色的逻辑思维，而学生
B
逻辑推理能力相对薄弱，却有出色的记忆力。这样可以给它们做针对性练习。
数据追踪学习者的误区
假如一个班里
50
名同学有两人答错，老师不会觉得这是个值得关心的问题。但
MOOC
可以有十万人参与学习，按照这个比例就是四千人答错，那就是一个相当显著的问题。老师就会去观察思考，为什么这四千人会在同一问题上犯错，如何提供一个更好的讲解让大家掌握。上面选项里面第一次正确率
43%
，基本上是随机选取的，通过
AB
测试进行优化迭代，提高了正确率。这就是统计和在线分析在教学实践的应用。
自动化批改和认证
这是为了更科学去检验学习效果。一般来说，我们将数据分为结构化和非结构化数据，结构化就是有固定选项和客观答案的，非结构化是类似作文、问答题这类开放式的没有固定答案的，目前已经实现了对选择题的自动化批改，那么主观题呢，如何让老师从海量的阅卷工作中解脱出来？这里我们是采用学生互评的方式，通过多方校对，我们发现随着互评数据提升，跟老师的评分是在一条直线上，
也就是意味着误差是非常小的。
那也有人会担心，在线考试会让作弊率更高，如何根据数据认证我们的课程，防止网络答卷作弊。我们会要求学习者打开摄像头做头像匹配，还有一个创新思路叫电子签名，因为我们观察每个人在打字时候有一些细微区别，把各自特征记录下来成为电子签名，然后我们让每个学习者在提交考试答卷之前，先去敲一段代码做匹配，成功的话可以验证身份。
推荐热门课程
大家猜一猜，你认为在
Coursera
上最热门的课程是哪个？
A
机器学习，这是创始人斯坦福大学教授
Andrew Ng
的一门课，
B
设计思维
讲如何利用设计来做产品和流程创新，
C
社会心理学，卫斯理大学，
D
金融市场，耶鲁大学，答案
C
，这门课第一次开课时，有近
26
万人注册了课程，创下
Coursera
单次选课最高记录，也许你认为是热门的金融或者机器学习，但数据统计显示最热门的是人文课程，第二类才是计算机。
