24. 24
圖表 說明 象限 學教移轉 y 軸 x 軸 Size Color Select Year
DBC-1
P>, E< | P<, E> | P>, E>,前者題目太簡
單,中者題目太難,後者學習最多,再觀
察小組,學員的闖關
1,2,3,4
看 P>比例(1,2 象
限),再觀察 RE
P(+,-) R(+,-) E(+,-) Name Team
年份
-區間
DBC-2
看 P 泡泡大小,泡泡大為前提,E> | E <,
前者表學習最多,後者學習沒效果,再觀
察小組,學員的闖關
1,2
不同 Level,P>比例
(泡泡大小),再觀察
E
Level(+) E(+,-) P(+,-) Name Team
年份
-區間
DBC-3
看 P 泡泡大小,泡泡大為前提,R> | R <,
前者表對資源&支援需求多(投入學習動
機強),後者則少,再觀察小組,學員的
闖關
1,2
不同 Level,P>比例
(泡泡大小),再觀察
R
Level(+) R(+,-) P(+,-) Name Team
年份
-區間
DBC-4
看 P 泡泡大小,泡泡大為前提,S> | S
<,前者表參與社群多(評分、支援投入
多),後者則少,再觀察小組,學員的闖
關
1,2
不同 Level,P>比例
(泡泡大小),再觀察
S
Level(+) S(+,-) P(+,-) Name Team
年份
-區間
DBC-5
看各 Level 闖關歷程,再看 P 泡泡大小,
再觀察小組,學員的闖關
1
不同 Level,P>比例
(泡泡大小)
Level(+)
Process
-闖關歷程
P(+,-) Name Team
年份
-區間
DBC-6
看各 Level 闖關歷程,再看 E 泡泡大小,
表對學習吸收或學習遷移少(對績效無
益),再觀察小組,學員的闖關
1
不同 Level,E>比例
(泡泡大小)
Level(+)
Process
-闖關歷程
E(+,-) Name Team
年份
-區間
DBC-7
看各 Level 闖關歷程,再看 R 泡泡大小,
表對資源&支援需求大小,再觀察小組,
學員的闖關
1
不同 Level,R>比例
(泡泡大小)
Level(+)
Process
-闖關歷程
R(+,-) Name Team
年份
-區間
25. 25
圖表 說明 象限 學教移轉 y 軸 x 軸 Size Color Select Year
DBC-8
看各 Level 闖關歷程,再看 S 泡泡大小,表
參與社群多少(評分、支援投入多),再觀
察小組,學員的闖關
1
不同 Level,S>比例(泡泡
大小)
Level(+)
Process
-闖關歷
程
S(+,-) Name Team
年份
-區間
DBC-9
看各 Level 闖關歷程,再看 P 泡泡大小,再
觀察學員的闖關題目
1
不同 Level,P>比例(泡泡
大小)
Level(+)
Process
-闖關歷
程
P(+,-) Activity Name
年份
-區間
DBC-10
看各 Level 闖關歷程,再看 E 泡泡大小,再
觀察學員的闖關題目
1
不同 Level,E>比例(泡泡
大小)
Level(+)
Process
-闖關歷
程
E(+,-) Activity Name
年份
-區間
DBC-11
看各 Level 闖關歷程,再看 R 泡泡大小,再
觀察學員的闖關題目
1
不同 Level,R>比例(泡泡
大小)
Level(+)
Process
-闖關歷
程
R(+,-) Activity Name
年份
-區間
DBC-12
看各 Level 闖關歷程,再看 S 泡泡大小,再
觀察學員的闖關題目
1
不同 Level,S>比例(泡泡
大小)
Level(+)
Process
-闖關歷
程
S(+,-) Activity Name
年份
-區間
表,ALBITER DBC Chart:Dynamic Bubble Chart for Complex Learning (4C/ID-model),思翱倍力動態泡泡圖使用指引說明
27. 27
大數據運用省思–9 個問題與解答
•抽樣推論 vs 全部蒐集與接納
Q1.大數據分析與統計學
量化研究的差異
•如人類學家研究態度與精神般,探索海量資料
(質化:內在,量化:外在)
Q2.大數據研究屬於量化
研究嗎?
•大數據應用如同物聯網,沒有一家公司可以獨大,這
樣的環境與生態,給予中小企業或新創公司,許多創
新發展的機會,只要用心發掘問題,就有創新的機會
Q3.中小企業如何發展大
數據的應用?
•Type A. Big data 問題跟 Small data 是一樣的;
Type B. Big data 問題等同一大群 Small data 的
問題;Type C. Big data 問題需要靠特製系統解決
Q4.TB級資料應用與分析
才能稱為大數據分析嗎?
•Know-Know,Know-unknown,unknown-
unknown
Q5.大數據分析價值到底是
什麼?
•領先指標 vs 非領先指標(落後)
Q6.大數據分析決策與商業
應用ERP, CRM最大不同?
•程式設計師,資料科學家,視覺圖表設計師,大數據
專案經理
Q7.大數據研究與創新的團
隊,要有哪些角色?
•提供探索的View,數據外還傳達情境,使用者 vs 專業
觀點的平衡,忽動忽靜
Q8.視覺化圖表與一般圖表
的差異是什麼?
•不預設立場,直接對話,融入情境中,靜靜觀察與省
思,資料科學素養與敏銳度
Q9.人類學家的俗民誌,對
於大數據專案的啟發?
34. 34
以度驅動-下一回學習(17)
能夠引導學生依學教成效,發掘學用的時機與場域,邁向晉級的智慧化學習
美國教育部教育科技辦公室:2013 教育科技白皮書的五項要點
美國教育部教育科技辦公室─2013 教育科技白皮書 (Expanding Evidence Approaches
for Learning in a Digital World─U.S. Department of Education Office of Educational
Technology.)
美國教育部教育科技辦公室所提出的學習科技白皮書中,特別指出教育的創新,需要足
夠的研究基礎,也就是要改善學習與教學,需要回歸學習者及教學者的需求,也就是教育創
新應包含研究、設計、科技、服務等。吾所提出融合學習者、教學者,以及學習科技創新的
觀點,關鍵在於可以增加教師與學習者間的對話頻率與深度,這樣的對話方式如同師徒制般,
師徒之間,同儕之間,以及學習者的自我對話,實行的方式非常適合採用問題導向式、專題
導向式的學習為基礎,讓老師的寶貴經驗可以傳承,對於學習者的問題解決能力養成,幫助
是非常大的,也能滿足白皮書中提到深化學習、適性化、即時回饋學習者的需求等,另外配