【文章內容簡介】 專業(yè)可以深入下去的，它的專業(yè)性太強，所以我才會想到，所謂教育技術與其研究教育的數字化，不如研究教育的數據化來得實在，來的有意義。長期以來，我們并不了解教育對一個人的影響具體會如何表現，我們有的只是一個輪廓，我們也并不確定一個教師的行為對學生具體產生了哪些影響。所以，人們對教育一直有一個深深的質疑，它是不是科學的？大數據概念至少提出了關注“是什么”比“為什么”要有實際意義得多。而我們的教育恰好需要把注意力從“為什么”轉移到“是什么”上面來，只有如此，才能把教育從為什么發(fā)展成“可能成為什么”上來，這會是一次思想上的革命。而對于現在地位岌岌可危的教育技術來說，把研究的重點從數字化轉移到數據化上面，這才是它的出路。如何將數據融入教學，教育者首先通過標準化全科教學處方，實現了教師授課模板和教學內容的標準化，保證每個教學過程和內容是可控的，然后結合每天的教學內容，處理好面對的數據，處理好數據，自然也就處理好了課堂的反饋，最終形成了既注重教學體驗又以教學結果為導向的教學體系。與此同時，不僅要注重課上的學生資源，在課后還要對這些資源進行跟蹤處理。這與過去的教育教學顯然是不同的，面對大數據時代的到來，教學有所改變是必然的。所以，無論環(huán)境怎么變換，數據如何復雜，我們都不能不去改變自己的教學去迎合將來的這個大數據時代。第四篇：大數據時代讀后感大數據時代讀后感發(fā)布:勵志 | 分類:讀后感 | 發(fā)表評論大數據時代讀后感（一）去年的“云計算”炒得熱火朝天的，今年的“大數據”又突襲而來。仿佛一夜間，各廠商都紛紛改旗換幟，推起“大數據”來了。于是乎，各企業(yè)的CIO也將熱度紛紛轉向關注“大數據”來了。有一張來自《程序員》微博的漫畫很形象。我覺得這張圖，很真實地反映了現實中小企業(yè)云計算，大數據的現狀。不過話又還得說回來，《大數據時代》是本好書。當然，很多IT知名人士也大力推薦，寫了好多讀后感來表述對這本書的喜歡沒看此書之前，對所謂大數據的概念基本上是一頭霧水，雖則有了解關注過現在也比較火熱的BI，覺得也差不多，可能就是更多的數據，更細致的數據分析與數據挖掘?？催^此書后，感覺到之前的想法，只能算是中了一小半吧巨量的數據，而另一前：著眼于數據關聯性，而非數據精確性，或許才是大數據與現時BI最大的不同，不僅僅是方法，更多的時思想方法。不過坦白講，到底是數據的關聯性重佳，還是數據的精確性更好，還真的需要時間來檢驗一下，至少從現在的數據分析方法來論，更多的傾向于數據的精確性。看完此書，我心中的一些問題：？查了查百度百科，是這樣定義的：大數據（bigdata），或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業(yè)經營決策更積極目的的資訊。大數據的4V特點：Volume、Velocity、Variety、Veracity這個好像是IBM的定義吧。以個人的觀點來看：數據海量，存儲海量都是大數據的基本原型吧。？誠然，大數據的前提是海量的數據，只有擁有巨量的數據資源，方能從中查找出數據的關聯性，才可以讓通過專業(yè)化的處理，讓其為企業(yè)產生價值。針對電信運營，互聯網應用這樣海量用戶的數據的大企業(yè)，也是在應用大數據的道路上擁有得天獨厚的條件，但是針對中小企業(yè)呢？銷售訂單數據？若非百年老店，估計數據也是少得可憐，5，能用的可能只有消費者數據了吧。貌似大多數廠商，用來舉例的也就是消費都購買行為分析為最多。同樣，在公共事業(yè)類的政府機構，大數據的作用也許也能很好的發(fā)揮。反而感覺在大多數中小型企業(yè)應用大數據，似乎有點大題小作。書中說：大數據是企業(yè)競爭力。誠然，數據是一個企業(yè)的核心無形資源（利用得好的話），但是否所有的數據，或都換則方式說：所有的企業(yè)都以大數據為競爭力，是否真的合適么？是否在中小企業(yè)中，會顯示得小題大做呢？當一波又一波的IT技術熱潮源源不斷地向我們鋪面而來的時候，你甚至都沒有做好準備，你都要開始迎接它所給你帶來的影響了。經過物聯網，云計算的推波助瀾下，大數據開始登場了。但它到底給我們帶來了什么呢？1）預測未來書中以Google成功預測了未來可能發(fā)生流感的案例來開篇，表明通過大數據的應用，可以為我們的生活起一個保駕護航的指向標。實質很簡單，技術改變世界。2）變革商業(yè)大數據所帶來的商機，同時會衍生出一系列與大數據相關的商業(yè)機遇與商業(yè)模式，數據的潛在價值會源源不斷地發(fā)揮作用可以容易想到的是未來有專門的數據收集，數據分析，數據生成的一條數據產業(yè)鏈產生。影響最大的，當然是IT公司3）變革思維書中所說：因為有海量的數據作基礎，未來，我們可能更關注數據的相關，而非精細度。對這條，本人還是持保留意見的。大數據時代讀后感（二）如今說起新媒體和互聯網，必提大數據，似乎不這樣說就OUT了。而且人云亦云的居多，不少談論者甚至還沒有認真讀過這方面的經典著作——舍恩佰格的《大數據時代》。維克托邁爾——舍恩伯格何許人也？他現任牛津大學網絡學院互聯網研究所治理與監(jiān)管專業(yè)教授，曾任哈佛大學肯尼迪學院信息監(jiān)管科研項目負責人。他的咨詢客戶包括微軟、惠普和IBM等全球頂級企業(yè)，他是歐盟互聯網官方政策背后真正的制定者和參與者，他還先后擔任多國政府高層的智囊。這位被譽為：大數據時代的預言家“的牛津教授真牛！那么，這位大師說的都是金科玉律嗎？并不一定，讀大師的作品一定要做些功課才好讀懂，如果能做足功課又具備相應的理論功底，就能與之進行一場思想上的對話。舍恩伯格分三部分來討論大數據，即思維變革、商業(yè)變革和管理變革。在第一部分”大數據時代的思維變革“中，舍恩伯格旗幟鮮明的亮出他的三個觀點：一、更多：不是隨機樣本，而是全體數據；二、更雜：不是精確性，而是混雜性；三、更好：不是因果關系，而是相關關系。對于第一個觀點，我不敢茍同。一方面是對全體數據進行處理，在技術和設備上有相當高的難度。另一方面是不是都有此必要，對于簡單事實進行判斷的數據分析難道也要采集全體數據嗎？我曾與香港城市大學的祝建華教授討論過。祝教授是傳播學研究方法和數據分析的專家，他認為一定可以找到一種數理統(tǒng)計方法來進行分析，并不一定需要全部數據。聯系到舍恩伯格第二個觀點中所說的相關關系，我理解他說的全體數據不是指數量而是指范圍，即大數據的隨機樣本不限于目標數據，還包括目標以外的所有數據。我認為大數據分析不能排除隨機抽樣，只是抽樣的方法和范圍要加以拓展。我同意舍恩伯格的第二觀點，我認為這是對他第一個觀點很好的補充，這也是對精準傳播和精準營銷的一種反思。”大數據的簡單算法比小數據的復雜算法更有效。“更具有宏觀視野和東方哲學思維。對于舍恩伯格的第三個觀點，我也不能完全贊同?！辈皇且蚬P系，而是相關關系?！安恍枰馈睘槭裁础?，只需要知道”是什么“。傳播即數據，數據即關系。在小數據時代人們只關心因果關系，對相關關系認識不足，大數據時代相關關系舉足輕重，如何強調都不為過，但不應該完全排斥它。大數據從何而來？為何而用？如果我們完全忽略因果關系，不知道大數據產生的前因后果，也就消解了大數據的人文價值。如今不少學者為了闡述和傳播其觀點往往語出驚人，對舊有觀念進行徹底的否定。世間萬物的復雜性多樣化并非非此即彼那么簡單，舍恩伯格也是這種二元對立的幼稚思維嗎？其實不然，()讀者在閱讀時一定要看清楚他是在什么語境下說的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如說舍恩伯格在提出”不是因果關系，而是相關關系?！斑@一論斷時，他在書中還說道：”在大多數情況下，一旦我們完成了對大數據的相關關系分析，而又不再滿足于僅僅知道‘是什么’時，我們就會繼續(xù)向更深層次研究的因果關系，找出背后的‘為什么’?！癧i]由此可見，他說的全體數據和相關關系都在特定語境下的，是在數據挖掘中的選項。大數據研究的一大驅動力就是商用，舍恩伯格在第二部分里討論了大數據時代的商業(yè)變革。舍恩伯格認為數據化就是一切皆可”量化“，大數據的定量分析有力地回答”是什么“這一問題，但仍然無法完全回答”為什么“。因此，我認為并不能排除定性分析和質化研究。數據創(chuàng)新可以創(chuàng)造價值，這是毫無疑問的。舍恩伯格在討論大數據的角色定位時仍把它置于數據應用的商業(yè)系統(tǒng)中，而沒有把它置于整個社會系統(tǒng)里，但他在第二部分大數據時代的管理變革中討論了這個問題。在風險社會中信息安全問題日趨凸顯，數據獨裁與隱私保護成為一對矛盾。如何擺脫大數據的困境？舍恩伯格在最后一節(jié)”掌控“中試圖回答，但基本上屬于老生常談。我想，或許凱文凱利的《失控》可以幫助我們解答這個問題？至少可以提供更多的思考維度。正如舍恩伯格在結語中所道：”大數據并不是一個充斥著算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。“謝謝舍恩伯格！讓大數據討論從自然科學回到人文社科。由此推斷，《大數據時代》不是最終答案，也不是標準答案，只是參考答案。此外，在閱讀此書之前還必須具備一些數據科學的基本知識和基本概念，比如說什么叫數據？什么叫大數據？數據分析與數據挖掘的區(qū)別，數字化與數據化有什么不同？讀前做些功課讀起來就比較好懂了。大數據時代讀后感（三）我們不再熱衷于尋找因果關系，而應該尋找事物之間的相關關系。這個命題是我讀這本書最大的感觸。個人認為也是這本書最核心的思想。從頭說起吧，首先，書提出一個顛覆我以前認知的命題”并非原子而是信息才是一切的本源“，將世界看做信息，看做可以理解的數據的海洋，為我們提供了一個