大数据时代专业知识学习策略探究

《大数据时代专业知识学习策略探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、大数据时代专业知识学习策略探究摘要：本文分析了大数据时代专业知识的学习所面临的危机及专业知识的呈现特点和价值变迁，并提出了一系列转变专业知识的学习策略，要求学习者要加强自主学习，坚持碎片化学习，注重量化学习，进而不断改善专业知识学习效果。关键词：大数据；专业知识；学习策略中图分类号:G434文献标识码：A论文编号:1674-2117(2017)10-0082-02•大数据时代专业知识的学习特点近几年，随着教育信息化和"互联网+教育”的发展，专业知识的呈现形式、获取渠道及其内涵都发生了重大的变化，主要表现在以下几个方面：%1专业知识表征方式多元化。大数据的不断发展，使专

2、业知识的表征方式不仅局限于文字，视频、图片、音频、邮件、网页也成为专业知识的呈现方式，并且以碎片化的方式存在。这不仅改变了人们的认知方式、阅读方式、学习方式、思维方式，而且促使人们对巨量的网络信息进行拆解与重构，还原知识本来的面貌。%1专业知识获取更加便捷。信息化时代，人们可以通过手机、便携设备随时随地获取信息资源，它们既存在于档案、报纸、广播等传统信息载体中，也存在于互联网和各种信息数据之中。人们通过专业的搜索引擎，可以快速检索到海量的数据信息；通过专业统计分析软件，能较便捷地挖掘大数据背后存在的规律和特点。%1专业知识内涵更加丰富。大数据时代，也是知识爆炸的时代，

3、专业知识的内涵不断丰富，研究视角更加多样，更新速度加快，新的知识理念、认知方式、专业思想不断替换传统的理念、思想和模式，人们也更加全面、辩证地看待知识的存在、发展与变化。•大数据时代专业知识学习的问题及分析大数据时代，人们对知识的获取更加便捷，但对专业知识的学习也面临危机。一方面，专业知识以碎片化形式存在,割裂了知识的系统性和整体性；另一方面，知识更新速度快,知识内涵更加丰富，制约了人们对专业知识的深度学习。大数据时代学习者专业知识匮乏，主要表现在对专业领域的主要人物、代表著作、核心思想、学术刊物、学术规范等知识缺少系统的认识。另外，学习者虽然在专业知识的获取方面投入

4、较多精力，但缺乏甄别能力，在运用专业知识方面明显不足。而这些现象的产生原因，既有学习者的主观原因，也有学习客体和学习环境等客观原因，笔者将其归纳为如下三点。1.专业知识的呈现特点和价值变迁专业知识的呈现特点和呈现形式影响了人们对专业知识的学习。首先，传统的专业知识呈现方式单一，学习方式枯燥乏味，而大数据时代，人们学习专业知识的方式逐渐转向为依靠信息技术的数据挖掘、定量分析。其次，大数据时代，知识以碎片化形式存在，在互联网和各种媒体中快速传播，打破了传统的知识权威，人们对知识的认知价值发生了转变。2.学习者学习思维和学习方式的转变大数据时代，专业知识的获取渠道更加便捷，

5、人们在学习专业知识时更倾向于在需要时通过大数据搜索，而不是预先计划展开学习。另外，由于知识的不断更新，人们对新知识、新理念、新事物有了更多的期许，但却忽视了对传统的专业知识的深度学习和掌握。3.传统教学理念和教学模式的转型过去，专业知识主要靠教学传递，而随着教育信息化和"互联网+教育”的发展，课堂教学形式得到了创新，传统的以课堂为中心的教学模式发生了改变，教学内容也从主要教授知识技能，转向促进学生全面发展。然而，专业知识的学习要靠学习者的自主学习，但学生自主学习能力有限，学习效果很难保障，这就导致了学生专业知识的薄弱。•大数据时代专业知识的学习策略1.加强自主学习自主

6、❷W习是终身学习理念下重要的学习能力。在自主学习过程中，学习者要指导和控制自己的学习行为，自主制订学习目标、选择学习活动、监控学习过程、评估学习结果。大数据时代下，专业知识的自主学习要求学习者首先要保持开放的、主动的、积极的学习态度，然后通过互联网、移动客户端随时随地自主学习，自主获取专业知识，进而提升专业技能。2•坚持碎片化学习碎片化学习是大数据时代的重要学习方式。人们虽然每天在微博、微信、公众号、微课、微电影中接触信息，但未必发生了学习。碎片化学习专业知识应注重深度学习，学习者要从零碎、细小的知识单元中重新建构知识体系。学习者应在已有的认知图式基础上，坚持学习，将

7、知识碎片建构成知识点，不断形成新的知识体系。3•注重量化学习大数据时代，专业知识的量化学习需要具备以下技能：%1数据采集能力。根据自己的学习需要和兴趣，通过机器学习方法、人工智能方法，从海量数据中采集到自己想要的信息。%1数据挖掘能力。用科学的方法，对海量数据进行深度分析，能够发现新规律和新知识，挖掘数据背后的核心知识、本质和规律。%1数据管理能力。大数据的观点是多元的，能够对不同观点、知识体系、思想理念的大数据进行管理、加工和处理并进行决策是一种重要的能力。当前，较为常用的大数据处理软件有Citespace、Endnote、NoteExpress、