在教育领域，特别是在学校教育中，数据[1]成为教学改进最为显著的指标。
例如：每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。
"大数据"曾经是一个全球炙手可热的名词，在2017年～2019年之间达到顶峰。
同样的还有：机器学习，加密货币，大数据，元宇宙，cahtGPT等。
那时，大家都认为，数据在未来将指数式增长，世界将被海量数据淹没。
如何处理这些数据，就成为了关键问题。
它决定了一个企业甚至一个国家在信息时代的竞争力。
于是，有教育专家想当然的提出，大数据是一个学校在数字时代的竞争力。
同时，国内有600多所高校[2]开设了"大数据专业"或"大数据学院"，其中包括北京大学、复旦大学这样的名校。
然而，人们预言和期望中的大数据时代，看上去似乎没有来临。
笔者一直对此持怀疑态度，实际上也是实事。
直到看到一篇文章，谷歌的大数据工程师乔丹·蒂加尼[3] （Jordan Tigani），最近直言不讳地说："大数据已死"。
也佐证了这个怀疑，笔者不成熟的观点如下，期待批判。
大概有5个方面的依据：
1、绝大多数教育类学校或机构的数字化数据到不了大数据级别。
教育类学校的数据量往往不到 1TB，很多甚至不到 100GB。一个网校加上学生提交作业的数据等，甚至加上校园监控每天产生的数据也是有限的，
甚至有数字校园公司把天气数据、每个学生佩戴手环等产生数据和日志等算到一起，每天产生的数据可能也只有几个 GB，这跟大数据相差甚远。
2、"数据会指数式增长"这个假设并不成立
没有新业务的情况下，数据是线性增长的， 即每天的新增数据与以前的数据结构相同。
以前的数据一旦写入数据库，通常就不再发生变化，甚至被覆盖掉，
对于一个教育类学校或者机构来说，"数据会指数式增长"这个假设并不成立。
3、人们大多数情况下只对最近的数据感兴趣
最频繁的查询是针对3-5年内产生的少数相关数据，更久以前的历史数据只会偶尔被查询。
教育内容和考试等每年都在变化，5年前存储的数据可能只是存储着，
那些数据更像静态数据，而不完全是动态数据（没被检索使用的）。
4、大数据分析服务昂贵
大型数据集的查询非常昂贵。谷歌的 BigQuery 的 PB 级别查询报价[4]是 5,000 美元，即使是大公司也不会经常使用。
例如，校园安全中的移动跟踪计算，采用华为的边缘计算技术，
代价是昂贵的，并且无法全部纳入计算，同时却没有得到客观的效益。
5、大多数学校的服务器仅仅实现互联网服务，很少用于计算
无论是学校办公OA，还是自动评测等依然依托的web服务，或者实现移动化。
几乎不涉及计算等服务，更何谈AI等。
引用链接
[1] 数据: https://bigdata.qfnu.edu.cn/info/1087/1643.htm[2] 高校: https://m.mp.oeeee.com/a/BAAFRD000020200728349302.html[3] 蒂加尼: https://motherduck.com/blog/big-data-is-dead/[4] 报价: https://www.ruanyifeng.com/blog/2023/03/weekly-issue-244.html
机器人教育 | VEX EDR | 信息技术 | 学Python | Python 13例 | 教育技术 | 直播教学 | 计算机速成课 | 生涯规划 | 读书摘记 | 闲侃红楼 | 教育科技文摘 | 关于我
