美文网首页大数据我们受过的那些教育
我们把数据分析、计算思维融入了体育课中,还培养了学生跨学科学习的

我们把数据分析、计算思维融入了体育课中,还培养了学生跨学科学习的

作者: 智能观 | 来源:发表于2018-08-09 18:46 被阅读3次

我们一起来看一场棒球比赛的例子。

现在是第九局比赛的最后一场,已经有两人出局,现在全场都很紧张。你方有一个跑垒手在一垒,你需要决定派谁去接垒。目前有一个平均击球率很高的球员,一个可靠的球员和一个承诺可以为你赢得比赛的球员——你选谁?

2002年秋天,奥克兰运动家队(A’s)打破了55年的记录,连续20场比赛获胜。尽管他们在赛季之初失去了三名优秀的球员,但他们还是在缺少明星球员的情况下,达成了目标。

你或许会问,这怎么可能?但确实如此。他们应用丰富的数据分析,使用一种叫作“赛伯计量学”( Sabermetrics)的方法。

当我们想为中学生设计一场吸引人的比赛时,问一下自己:如何从2002年A’s的比赛中,学到一些宝贵的经验?

简而言之,我们想知道如何将数据分析、计算思维和比赛结合起来,使体育课的内容更个性化、更严谨、更加包容具备各种体育能力的学生。

数据进入健身房


我自认为是个书呆子,对中学踢球的记忆只有被选中参加比赛,担心被人踢到脸上。

作为计算思维课程设计专家,我与体育老师埃里克·墨菲(Eric Murphy)合作,在华盛顿州肯特市Excel公立特许学校(Excel Public Charter School)帮助中学生参与体育锻炼。

我们的服务对象是一群优秀的、多样化的学生,他们的运动能力和社会地位各不相同,我们希望他们每个人都将自己看成一个运动员,一个富有成效的团队成员。

赛斯(Seth)就是很好的例子。他是八年级学生,学习成绩出众,但由于身材矮小,在体育课上常常被忽视。事实上,在第一学期,赛斯只有体育课的成绩没达到A,他不认为自己会是一个成功的运动员。赛斯需要一种方式来展示他对体育课的理解,以及消除同伴对他的偏见,从不同角度理解他对团队的价值。

赛伯计量学就是我们的答案,就像A’s队所做的一样。我们根据电影《点球成金》(Moneyball),给团队取名为MoneyKickball。

在MoneyKickball比赛时,数据负责人实时捕捉比赛数据。数据是用我自己编写的一个简单的web表单记录的,如下图所示。对于每一场比赛,数据负责人都会记录击球者和投球手、比赛结果、球被击出的方向、任何得分和细节。

用HTML和JavaScript编码的数据捕获Web表单

然后,对不同比赛的数据进行汇总,以创建个人运动员档案,学生们在每场比赛后都会热切地查看这些资料。

与其他核心学术课程一样,我们关注个人成长和目标设定,而不是让学生单纯地记录数据。如果他们每周都在改进,那就是个人的胜利,并为团队的成功做出了贡献。

尽你所能


然而,收集游戏数据不仅仅为了跟踪目标。我们的学生在所有课程中,练习的一项核心的计算思维技能是模式识别,我们称其为分析数据趋势,提供解决方案。

在每堂课开始时,一组新的数据负责人负责使用完全匿名的玩家数据,指导新的团队。仅与朋友一起合作或数“一、二,加油”的日子已经一去不复返了;拥有如此丰富的数据,我们利用一切可能的机会。

事实上,赛斯是第一批被选中的学生之一——在之前的比赛中,他的表现一直很好,而且不断进步,他一直是一个备受瞩目的球员,如果不对数据进行匿名化,他很可能会被忽视。

匿名数据帮助学生选择平衡的团队

挑选球员并不是一件容易的事情——要平衡的统计数据很多,每个学生都至少担任过一次数据负责人,以确保掌握所需的技能。

一个左脚踢球和一个右脚踢球的人组合会是有益的吗?一个高OBP的球员比一个高SLG(打击率)的球员更有价值吗?那么一个可靠的空中球和地滚球的组合呢?没有明显的正确答案,团队不断动态变化,允许学生形成自己的想法。

对方的数据也会在比赛中使用。在确定了对垒的球队之后,这些数据负责人会使用进攻数据来设置阵容、选择投手。当对方球队的一名新主罚球员来到本垒时,数据负责人可以根据对方主罚球员的数据,来相应的布置内野手或外野手。

每一个决定都是由数据驱动的,而不是依靠猜测或不可靠的记忆。通过这种方式,所有的学生都可以帮助团队,无论他们的运动能力如何。作为数据负责人,赛斯尤其擅长把握更换投手的时机,以及利用数据来优化外野手的位置。

数据负责人正在记录信息,以做出决策

埃里克·墨菲告诉我:“理想情况下,体育课应该包括擅长运动的学生和不擅长运动的学生。”然而,事实上,体育课却成了学校里种族隔离最严重的课堂之一,它只凸显了那些天生具有运动天赋的学生,却没有给不擅长运动的学生提供机会。

MoneyKickball团队打破了体育界以前固有的论调,让体育课培养策略能力,从而让不擅长运动的学生获得了认可。事实上,在第三个季度开始MoneyKickball之后,赛斯的体育成绩是99分。

这些学习成果已经超出了体育课的范围。学生们的数据分析能力和计算思维,也被应用到其他课程中。他们在科学课上学习地震知识,在数学课上解释统计数据,或者在社会研究中测算人口增长,同时分析数据的趋势。当学生学习特定的艺术家时,模式识别出现在艺术课上,他们发现一些类型的歌曲与经典歌曲有相似之处。通过在课程中运用这些技能,学生们正在跨学科学习,并增强了各个学科的学习能力。

再回到开头的第九局的最后一场比赛中。赌注很高,时间不等人,大家都在期待着你们的胜利。你的指尖在这些丰富的数据上滑过:OBPs、SLGs、RAs、惯用手和最常见的踢腿方向……即使压力很大,你也会非常地平静。就像2002年A’s的比利·比恩(Billy Beane)一样,因为你知道,这些数据是不会让你或你的球队失望的。

原文链接:

https://www.edsurge.com/news/2018-07-25-how-data-science-adds-computational-thinking-and-fun-to-gym-class

来源:EdSurge

作者:Eli Sheldon

智能观 编译

—完—

亲爱的朋友:

昨天,一个老师讲到,未来是一个智能互链时代,而数据,就是这个时代的生产资料;智能是生产力,区块链是生产关系。

因此,是否会合理使用生产资料,决定了我们能否在自己的领域有所突破。

希望本文对你有所启思。

祝安!                                   

PS:为了方便与读者探讨,特意注册了一个专用号。如果你也是我们的铁杆读者,想探讨交流,可以加微信:znglmym。

智能观  灵米

2018-8-9 于北京中关村

想知道AI加教育领域有哪些最新研究成果?

想要AI领域更多的干货?

想了解更多专家的“智能观”?

请前往:www.智能观.com。

想交流沟通,请加负责人微信:znglmym

声明

编译文章旨在帮助读者了解行业新思想、新观点及新动态,为原作者观点,不代表智能观观点。

相关文章

网友评论

    本文标题:我们把数据分析、计算思维融入了体育课中,还培养了学生跨学科学习的

    本文链接:https://www.haomeiwen.com/subject/rxpqbftx.html