[數位書介]《大數據：教育篇》：數位學習軌跡翻轉教育，實現一人學校時代|數位時代 BusinessNext

一人學校與大數據

美國紐約在2009年就有幾間學校開辦「一人學校」（School of one），將一套數學課程透過電腦演算方式，每天派送不同的「播放清單」給每一位學生，其實就是根據每一位學生不同的學習程度與需求，給予不同的題目來練習。線上課程Coursera創辦人吳恩達（Andrew Ng）也透過巨量資料分析的方式，讓原本有幾千名學生同時都答錯的題目，經過電腦演算分析，再主動給予相關主題的論壇貼文後，提高了六成學生下次面對同樣題目時的答對率。

大數據或稱巨量資料，到底怎麼幫助學生達到更佳的學習效果？大數據專家麥爾荀伯格（Viktor Mayer-Schönberger）和庫基耶（Kenneth Cukier）就在《大數據：教育篇》這本書裡提到，巨量資料其實是幫助適性學習，打造個人化的學習方式，這才是符合提昇學習效果的三大核心：回餽、個人化、可能性預測。

作者認為，大數據將為學習帶來的三大改變是：「第一、能蒐集到過去無法蒐集或成本過高的資料；第二、我們能夠將學習個人化，針對自己而不是群體的需求來做調整；第三、我們能夠用可能性的預測，調整出最好的學習內容，學習時機與學習方式。」

大數據帶來個人化的基礎

教育本來就是很個人化的事情，但是在傳統教育裡的大量規格化，其實並不符合每個人學習的歷程。但是以往在教室裡，因為是群體上課，很難針對單一個人「客製」課程，隨著「大規模開放式線上課程」（MOOC）、可汗學院、Duolingo語文學習等，這類新教學網站平台的出現，不但能針對個人量身打造專屬的教材和教學步調，更可以收集個人在平台上的數位學習軌跡，針對這些學習軌跡就可以進行學習分析，找出最佳的教學方法。

麥爾荀伯格和庫基耶在這本書裡，用五大章節來說明大數據如何翻轉現代教育，其中線上課程就是鬆綁教育資源最佳的例子。例如：可汗學院（Khan Academy）的學習方式就是一種推翻教室的概念，它讓學生在家觀看教學影片、到教室不是為了上課而是做解題作業。這種顛覆教學現場的學習模式，與過去慣用只有一種途徑的教學方式非常不同。

科技與教室更聰明的整合

但是，從此教室就消失了嗎？教室並不會消失。作者認為，線上課程並無法取代教室裡的教學活動，「用聰明的方式運用科技，並不會取代教師，只是重新配置教師的人力。」線上課程是來輔助教室的正規教學活動，而不是取代。

那麼如何輔助呢？以可汗學院為例，過去在教學現場無法針對個人學習進行詳細的記錄與保存，但可汗學院的線上系統可以記錄學生的學習狀況、犯錯情形、重覆看了哪些教材、停留時間多久、甚至是按照順序上課？亦或是跳著上課？這些數位學習軌跡將累積成為巨量資料，經過演算分析再回饋到教材，真正打造出屬於個人化的學習經驗。可汗學院所用的方式恰巧點出了在大數據時代下的教育變革，大家對於教育的思維應要改變，「把學校、課堂、教科書和課程，都視為平臺，用來蒐集、分析資料、再將資料導回，並改善教學。」

當然，作者也在書中點出線上學習記錄個人學習歷程的數位軌跡與隱私權的問題，形成另一種新型態的數位種姓制度？這些「數位印記」到底是幫助？還是隱憂？作者也在文中提到立法與管控運用的措施。

無論是教學現場、亦或是線上學習，作者透過大數據如何改善學習效果為應用領域，並點出在各種不同領域上，數位資料的保存、演算、分析的重要性，重點不在於資料，而是透過分析資料，能更深入了解周遭的世界與人類的行為，才有辦法提供更符合期待與需求的服務。

(作者Jasmine,曾擔任科技媒體記者，現為Readmoo特約作者。)
《大數據：教育篇》

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。