课堂大数据分析范文

前言：我们精心挑选了数篇优质课堂大数据分析文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

关键词：起点调查；高中信息科技；课堂教学研究

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2015）20-0036-04

在教育领域中，大数据具有很强的应用价值，基于学生全息数据的分析催生了一个新兴的研究领域――学习分析，就是一个明显的佐证。学习分析（Learning analytics）是运用先进的分析方法和工具预测学习结果、诊断学习中发生的问题、优化学习效果的一类教学技术的集合。[1]学习分析着眼于对学生学习过程中的数据进行收集、分析，对学习过程进行评估[2]，发现学习过程中隐藏的问题，提出问题解决对策。学习分析的兴起受益于信息技术的发展，尤其是云计算平台的大规模应用助推教学资源的网络化和基于网络化、碎片化学习方式的普及。

学习分析带给一线中小学教师的不仅仅是信息技术支持下利用数据对学生的学习情况进行分析的教育应用，也应该是一种基于学生学习数据开展教育教学实践与研究的教育理念。在这一理念的启迪下，笔者开展了基于以下调查数据分析的高中信息科技课堂教学实践研究。

2014学习水平起点问卷调查简介

为了了解上海市高中生信息科技学习水平的情况，上海市教研室于2014年9月组织了上海市中学生信息科技学习水平起点问卷调查。起点问卷调查共26题，分三个模块，即学生基本情况、学生学习兴趣倾向、学生现有的知识与技能。

学生基本情况模块主要包括学生初中学习信息科技的年数、获得信息科技知识与技能的途径、解决家中计算机故障的方式、上网设备、上网地点和上网时间、网上信息搜索的方式和维护信息安全的方法。

学生学习兴趣倾向模块主要包括拥有博客或微博的情况、使用微信或飞信或易信的情况、上网所做的事情、对当今社会信息技术发展热点的关注度。

学生现有的知识与技能主要包括对计算机（智能手机）硬件及性能指标的了解程度、是否会安装和卸载软件（计算机、平板或智能手机）、系统软件的辨识、常见的网络知识的了解程度、曾经使用过的程序设计语言和图像处理软件、算法与程序设计的掌握程度、平面设计与创作的掌握程度。

三个模块的试题不仅涉及了学生现有的知识储备情况，也反映了学生在日常生活与学习中利用信息技术解决各种问题的现状，为高中信息科技教师了解学生信息科技的学习水平起点、开展教育教学工作和研究工作提供了原始而真实的数据。

闵教院附属中学2014学习水平起点问卷调查数据分析

闵教院附属中学是一所美术特色学校，学生的录取成绩是上海市高中录取分数线，因此，学生在学习上的表现或多或少存在一些问题，学习能力也有些欠缺。闵教院附属中学参加2014学习水平起点问卷调查的学生一共111人，占高一年级学生总数的97.37%，基本能够反映我校全体学生的信息科技学习水平起点情况。

从调查问卷的数据来看，学生基本情况较好，在初中阶段上过（1年、2年和3年）信息科技课的学生占93.69%，没学过信息科技的占6.31%。在上网方面，有98.2%的学生经常上网或偶尔上网，智能手机是学生上网的主要设备，有93.69%的学生在家中上网，说明接入互联网的学生家庭占比较高。学生获取信息科技知识的主要途径是信息科技课和阅读网上教程，说明学生获取信息的途径较为单一。

在学生学习兴趣倾向模块上，有71.17%的学生有“自己的博客或微博”，但是经常使用的学生只有55.86%，说明学生在学习过程中的上网时间与自由度不够。在“你一般上网做什么？”的选项中，居于前三位的分别是聊天、听音乐、看视频。而查找学习资料、搜索信息、看网络书籍三个选项占比分别是66.67%、45.05%和39.63%，说明学生主动利用网络资源进行学习的比例不高，这也是学生家长、学校教师一直限制学生上网的原因所在。在当今社会信息科技的发展热点上，学生能够有所关注，但是对热点的专业性与深度了解不够，这一点可以从有83.78%的学生了解3G/4G，但是对IPv6、Web2.0的了解比例分别只有8.11%和50.45%看出。

在学生现有知识与技能模块上，学生对计算机（智能手机）硬件及性能指标的了解程度非常不理想，只有21.62%的学生认识一些部件，知道部件性能的指标。这表明在今后的教学工作中，计算机的硬件知识虽然简单，但仍需要重点介绍。此外，该问卷调查还暴露出学生“基础不扎实、知识面窄”的特点，如“以下属于系统软件的是”一题，有45.05%的学生竟然选择了“Office软件”，31.53%的学生选择了“Flash软件”，38.74%的学生选择了“IE浏览器”。Linux和Unix两个选项的选择比例分别是11.71%和6.31%。

综合三个模块的情况来看，我校学生的信息学科知识、信息素养和信息意识与区里的整体情况相比，存在较大的差距。课堂教学需要付出更多的努力才能够弥补上述差距，才能让学生经过一年的高中信息科技课程学习获得良好的信息素养，在学业水平考试中取得较好的成绩。

基于2014学习水平起点问卷调查数据分析的高中信息科技课堂教学实践研究

1.明确高中信息科技课程教学目标，找准学生现状与课程目标之间的距离

上海市普通中小学信息科技课程是以计算机和网络为基本载体，以学信息技术、用信息技术、懂信息技术、与信息技术一起学为基本学习过程，融知识性、技能性和工具性于一体的重要的基础课程。课程总体目标是以信息素养的形成为主线，以全面提高所有学生的信息素养，使其具备信息科技的基础知识和技能为总体目标。高中阶段的课程教学目标是拓展信息科技知识的深度和广度，善于选择和使用合适的信息技术工具，提高自主学习和解决复杂问题的能力，形成正确使用信息和信息技术的评价标准的信息道德。[3]

上海市高中信息科技课程的目标，不仅对学生所应掌握的信息科技课程知识的广度和深度，运用信息技术解决各种问题的信息素养提出了较高的要求，还对基于信息素养所形成的道德价值判断以及对社会所肩负的责任提出了较高的要求。2014学习水平起点问卷调查的数据显示闵教院附中学生整体现状与课程目标的要求，在基础知识的了解广度和掌握程度、以基础知识为基石的信息素养，运用信息技术解决问题的能力等方面存在较大的差距。

2.抓住主体，分层教学

学生的整体基础不是很理想，但是也有少部分学生的信息技术知识与基础不错。为了解决课堂上大部分学生“吃不了”，少部分学生“吃不饱”的问题，笔者在教学设计时对课程内容进行了重新的梳理和分层，将课程内容划分为基础掌握内容和提高选修内容。基础掌握内容是面向全体学生的，是学业水平考试中明确规定的内容，而提高选修内容是供学有余力且有兴趣的学生进行自主学习使用，教师在课堂上预留5分钟左右的时间为这部分学生的自学提供帮助。通过这样的设计，以达到抓住主体，实施分层教学，整体提高，保证课堂教育教学质量的目标（如案例一）。

案例说明：之所以这样划分，是因为“二进制数与十进制数的相互转换；二进制数与八进制数的相互转换；二进制数与十六进制数的相互转换”是课标和考纲中明确规定重点考查的内容，近三年的学业水平考试出题情况也体现了这一要求。“十进制数与八进制数的相互转换；十进制数与十六进制数的相互转换；十进制数与R（任意）进制数的相互转换”在课标和考纲中作为拓展内容，近三年的学业水平考试并没有作为重点考查内容出现在试题中。

3.夯实基础，突破重难点

上海市属于经济比较发达的地区，闵教院附属中学的学生对一些发展前沿的信息技术多少都有所接触，虽然涉猎广，但层次较浅，专业知识面较窄，而上海市高中信息科技课程不仅要求学生拥有较广的知识面，还需要对课程知识有较深程度的掌握和将所学知识应用于生活解决问题的迁移应用能力。

因此，笔者在课程教学实践中，对课程的基础知识和重难点知识根据学生的情况重新进行了梳理，制定了基础知识、重难点知识表，并在教育教学中做到夯实基础，突破重难点，拓宽知识面的同时，深入挖掘知识点的深度（如案例二）。

案例说明：信息技术工具知识点梳理调整表只是高中信息科技必修模块中的一个单元的调整表。将“软件的分类”从“基础/知道”调整为“重点/理解”，是综合本次调查数据结果和以前的教育教学经验而进行的，因为闵教院附属中学的学生经常会将常用的系统软件和应用软件的分类混淆。将“常用软件的卸载与安装”从“重点/理解”调整为“基础/知道”是基于98.2%的学生会安装也会卸载软件的调查数据而做的决定。

4.调整课堂结构，让学生自由“想”，充分“做”

上海市高中信息科技课程由统一模块和选修模块两个部分组成，闵教院附属中学选择的选修模块是设计与创作。该选修模块由设计与创作理论知识、Photoshop平面作品设计和Flas创意设计三部分组成。

2014学习水平起点调查问卷数据显示，有94.59%的学生使用过Photoshop、FireWorks、金山画王、光影魔术手、美图秀秀或其他的图形图像处理软件。这说明学生在图像图形处理上已经奠定了一定的基础，在课堂教学中不需要从零开始，教学的重点应是作品整体设计能力与创意的提升，而非软件工具的使用。

针对这一教学起点，笔者在Photoshop平面作品设计的教学上，将传统的教师作品展示、教学演示，学生按照要求进行作品创作、保存、提交和师生评价，调整为教师作品展示、作品创作说明，学生自由创作作品、保存、提交和师生评价（见下页的课堂结构调整示意图）。虽然课堂结构的改变不大，但是给予学生更多自由设想、充分创作的时间。学生进行设想与创作的时间由在传统的课堂结构上只有10分钟左右增加到20～25分钟。在新的课堂结构中，教师需要尽量花最少的时间把需要讲授的新内容与学生一起探讨清楚，留出更多的时间和空间让学生去创作与实践[4]，以提高学生在实践中应用信息技术创造性地解决问题的能力。

5.关注课堂细节，引导树立信息伦理意识，规范提升信息道德水平

在信息化社会，社会公民不仅应具备良好的信息素养，还应具备良好的信息道德水平。针对我校学生信息意识薄弱、学生对信息道德和信息伦理认识不全面的情况，笔者在课堂教育教学中做了以下探索。

（1）面对、引导和处理课堂细节上的信息伦理问题。

在学习设计与创作模块的内容时，经常会用到从网上下载的图片，或者学生军训的照片。网上下载的图片会涉及版权问题，而学生的军训照片会涉及学生的肖像权问题。这时，教师需要从正面引导学生注意在作品中标注作品素材的来源，以保护原作者、原网站的版权。使用学生的军训照片，原则上应该取得学生本人的同意，取得肖像权的许可。通过长时间的积累和有意识的培养，学生在版权保护、肖像权的使用等信息伦理问题的认识上，有了很大的提升。

（2）设置信息伦理讨论问题，让学生对网络道德有全面认识。

在学习第四单元《信息技术与社会》的“负责任地使用信息技术”的内容时，结合第三单元《计算机网络》，就新闻报道上的网站账号泄密、银行卡遭盗刷、棱镜门事件等热点话题在课堂上让学生进行讨论，让学生认识到这些事件不仅违反法律法规，还有违网络道德和信息伦理要求，让学生“树立在信息化社会中的基本道德规范，应用信息技术过程中个人自律能力”[5]，避免学生在今后的网络生活中因为对法律法规和网络道德不了解而走上网络违法犯罪的道路。

高中信息科技课堂教学改进实践反思

1.课堂教学工作应依据学生学习数据开展

课堂教育教学是基于师生互动开展的知识学习活动，学习活动效果的好坏不仅取决于教师能否在课堂上为学生提供多样化的学习支持，教学策略设计的优劣，教学科研能力的高低等，也受到学生已有知识储备、学习能力、学习习惯等因素的影响。因此，教师在开展教育教学的过程中，应该能够自觉做到全面了解学生的知识储备、学习能力、学习习惯等学习数据，在教育教学中依据这些学习数据开展课堂教育教学，而不能够游离于学生的基本现状主观地开展无效的教学。

2.分层教学目标的制定与落实在大数据的支持下可以更精细化

基于条件的限制和对学生数据收集的局限性，对学生的分层还没能做到兼顾每一位学生的每一个方面，只是一定程度上的整体分层，基于这一定程度上的整体分层教学目标的制定还存在不足。因此，若有大数据分析系统的支持，教师便能够方便地了解到学生全面的学习数据，学科课程教育教学目标的制定与落实可以更加精细化，可以做到以数据为指导来开展教育教学工作和研究工作，实现课堂教学有意义的及时调整。

参考文献：

[1]李青，王涛.学习分析技术研究与应用现状述评[J].中国电化教育，2012（8）：129.

[2]蔡婷.大数据背景下学习分析技术对教学模式的变革[J].课程教育研究，2014（33）：201.

[3][5]上海市中小学信息科技课程标准（试行稿）[EB/OL].http：///link？url=niUXK9E8XXZNdS60JmFY8jVOcPlThpZBo1SyaW6EoFh7ppAbRmJbz4CiW2bTzfxyexoYA3HGHJNBpmWLvO3qq5g5_1KZ_ZlPCO8-Nd76lUC.

第2篇

关键词：大数据分析；高中数学；教学策略

一、引言

在大数据的影响之下，我们的传统的教育教学方式正在发生着剧烈的改变，大数据分析在教学中的应用也越来越明显，特别是在高中数学中的应用，未来的大数据分析必然会对教学产生巨大的作用，因此，研究大数据分析是一件至关重要的事。

二、大数据分析的概念

对于数据的本身来说，是用来记录信息的，但是随着计算机和互联网技术的发展，我们在生产和生活中的各个领域都有了突飞猛进的进步，这相应地带来的是各种数据的处理方式更加的复杂，数据的数量以及涉及的规模也在不断地扩大。大数据的特点可以和经济学的观点一样，从微观和宏观两个方面来理解，但是目前大多数对大数据有研究的专家来说他们都是从宏观的角度来分析大数据的定义的。大数据处理的数据数量很多，即使新数据也能很快地进行处理，这些数据的类型也是多种多样涉及很多的领域，而且处理的数据具有真实性。大数据分析的重点在于分析，就是利用大数据技术对收集到的数据进行全方位的分析，大数据分析的优势明显，哪怕你的数据量非常大，但是分析也能快速地完成，并且还能保证数据的真实性。大数据分析的目的是通过对历史数据的分析和解决，进行科学的总结，发现其规律性和模式，同时结合稳定的动态流数据预测事物发展的未来趋势。

三、高中数学课堂教学策略的大数据分析

（一）更新高中数学教学思想，以此构建数据分析的概念。很多的老师因为受传统的教学观念的影响，思维方式和教学方法都已经模式化了，并没有树立数据分析的教学观念，俗话说，物质决定意识，意识是物质的反映。如果老师的教学观念还没有及时更新的话，那么，教学行为在这些思想的影响下还是不会出现根本性的变化，为了解决这一难题，在国家新的课程改革中明确提出了“数据分析”这一概念，这一概念的提出标着在大数据的时代背景下我们的国家也越来越重视数据分析在教学中的实际运用，各位老师应该牢牢把握住数据分析的观念，在实际教学中，帮助学生构建数据分析的知识框架。（二）勇于探索，在数学教学中尝试分层教学。现在的高中数学教学的过程中，采用的还是以班级为单位的固定的教学方法，这种教学方法已经是一种既定的模式，对知识接受不同程度的学生他们上课的内容是相同的，这样接受能力强的学生的潜能得不到发挥，接受新知识能力弱的学生跟不上老师讲解的内容，打击了他们学习的积极性和主动性。早在几千年之前，我们的大教育家孔子在教学的过程中就提出了因材施教的教育理念，要求老师在课堂教学中准确地把握每一个学生的性格特点，来进行知识的传授，不错过任何学生的潜力，同时进行不同类型的教育。在高中数学课堂教学中，教师可以分层次地教学生。一班上有不少学生，学生与学生之间存在个人和个人之间的差异，不同学生的不同类型的教学可以有效地促进教学课堂。个人差异和个体差异明显的小学生，也可以尝试不同的教学方法，尝试新的教学模式，面对个人差异，分不同层次的分析教学给他们，这有助于促进学生更好地学习数学，也充分挖掘学生在数学上的潜力。（三）学习分类和重视数学知识的积累。高中数学是一个强大的抽象性和逻辑性的学科，需要有更大的知识量，这就要求学生学会分类，分类各种数学知识，这有助于学生加深对数学知识的理解，也可以帮助学生理清数学知识的静脉，学生进入下一阶段的数学学习会学得更好。另外，还要强调数学知识的积累。

作者:冯雄德 单位:武威第七中学

参考文献：

［1］宋显微．高中数学课堂教学研究［J］．亚太教育，2016（14）．

［2］贾慧梅．基于云平台的初中数学课堂教学研究［J］．中国教育技术装备，2015（23）．

第3篇

【摘 要】 在高等教育领域已经储备有海量教学过程数据的背景下，强调了教学过程数据的价值，提出了大数据思维下基于教学活动

>> 通信行业大数据分析及应用研究 大数据时代电子税务数据分析与应用研究 大数据时代下数据分析理念研究 信息时代背景下数理统计在大数据分析中的应用研究 大数据分析 炼钢―连铸生产过程数据分析及在仿真中的应用研究 大数据分析方法及应用初探① 大数据分析与应用问题研究 教育大数据分析研究与典型应用 极课大数据及教学应用研究 基于大数据分析评测电网调度能力的方法研究及应用 电信企业大数据分析的应用及发展策略研究 基于大数据分析的低压台区降损系统研究及应用 油田生产中大数据分析技术的研究及应用 基于大数据分析下的数学课堂教学研究 基于大数据的学业、教学过程评价系统的应用与研究 探究大数据下的智能数据分析技术 大数据时代下数据分析理念框架探讨 大数据时代下数据分析的主要变化 大数据时代下数据分析理念探究 常见问题解答 当前所在位置：l Chen， E.， Heritage， M.， & Lee， J. 2005. Identifying and Monitoring Students’Learning Needs With Technology[J]. Journal of Education for Students Placed at Risk， 10（3），309-332.

Duhon， R. 2014. Mapping Learning into the Experience API. Retrieved May 13， 2016， from https：///Publications/Magazines/TD/TD-Archive/2014/01/Mapping-Learning-Into-the-Xapi

Global Pulse. 2012. Big Data for Development： Challenges & Opportunities. Retrieved May 13， 2016， from http：///upload/2012-07/12071822344575.pdf

Glossary of Education Reform. 2013. Learning Experience. Retrieved May 13， 2016， from http：///learning-experience/

第4篇

关键词：大数据；数据分析；数理统计

基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）

基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）

G643；O21-4

谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。

怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。

这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。

（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。

（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。

（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。

（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。

数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。

参考文献

[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.

第5篇

大数据的蓬勃发展为统计学专业人才培养模式的创新提供了有效途径，引领了统计学专业人才培养模式的改革方向，融入了统计学专业人才培养模式的各个环节。本文系统明确了统计学专业人才培养模式的改革方向，探讨如何利用大数据完善人才培养模式的各个环节。

关键词：

大数据;人才培养模式;教学模式

2015年9月5日，我国政府公开《国务院关于印发促进大数据发展行动纲要的通知》，大数据逐步走上我国经济社会发展的大舞台，在社会各个领域中发挥着巨大的促进作用。高等教育作为我国培养高素质人才的主要阵地，避免不了受到大数据的冲击和影响。有效利用大数据是化解冲击并促进高等教育改革的明智之举。高等教育改革的关键是改革人才培养模式，将大数据融入人才培养模式改革的各个环节会达到事半功倍的效果。

一、大数据引领统计学专业人才培养模式的改革方向

1.大数据引领培养目标的改革方向。随着大数据的迅猛发展，大数据分析公司不断涌现，传统的调查公司、数据分析公司纷纷转型，社会急需大量的大数据分析人才。统计学专业按以往培养目标培养的数据分析人才已经不能满足社会需要，因此必须对人才培养目标进行改革，培养目标应从培养专门的统计人才转换为培养精通统计学知识、计算机技术（大数据分析技术），了解相关行业背景的复合型统计人才，保障统计学专业能够为社会经济发展输送高质量的大数据分析人才。2.大数据引领课程设置的改革方向。课程设置是实现培养目标的关键环节，为实现培养大数据分析人才的目标，课程设置应该与培养目标相配套。课程设置的核心课程中应该引入大数据技术相关的计算机软件、语言及算法课程，选修课程中应该增设一些辅助大数据分析的数据挖掘类相关课程及不同行业的相关专业背景课程。3.大数据引领实践教学的改革方向。实践教学环节设计的基本原则是能够有效检验理论教学环节的学习效果，同时锻炼学生的分析问题，解决问题的能力。因此，相应于培养目标和课程设置的改革，实践教学环节的改革应注重学生大数据分析能力的检验和锻炼，积极为学生创造丰富的大数据分析实践机会。例如，在调查分析课程中引导学生改变传统的调查方法，尽量通过数据挖掘揭示某一类现象背后的发展规律，积极开展与大数据分析公司或者相关行业的企业的合作，为学生进行大数据分析实践提供数据及技术支持。4.大数据引领教学方法和手段的改革方向。MOOC、翻转课堂和大量的在线资源的出现为统计学专业教学方法和手段的改革提供了丰富的资源基础，有效构建充分利用各种资源的混合教学模式将成为统计学专业人才培养模式改革的一个重要组成部分。5.大数据引领评价方法的改革方向。传统的评价方法主要注重期末时的总结性评价，忽略过程评价，因此应广泛和合理利用教学各个环节留下的痕迹，即形式各样的数据，创新教育教学评价方法，以此达到对学生、教师及教学效果的科学评价。

二、大数据融入统计学专业人才培养模式的构建

1.大数据融入人才培养目标的制定。人才培养目标的制定一方面要适应经济社会发展的需要，另一方面要从生源质量，办学条件出发，不能盲目追求高目标，因此适当对本校统计学专业历届生源质量和办学软硬件条件等相关数据进行挖掘和分析，有利于制定切实可行的人才培养目标。当然这需要人才培养目标制定者有一定的数据挖掘和分析的能力，需要学校各个相关部门的配合，实际操作起来存在一定困难。2.大数据融入教学方法和手段的选择。教学方法和手段的选择一方面依靠丰富的资源，打破传统的大客厅式的封闭教学模式，另一方面要注重以学生为本和因材施教，这就需要对每个学生的基本素质有客观的把握，仅靠教师的力量很难做到这一点，因此应适当引入相关技术和设备帮助收集课堂教学，课后作业等教学各个环节的实时数据，利用大数据技术全方位综合考量每一位学生的基本素质，为教学方法和手段的选择提供客观的依据，真正意义上做到因材施教。对于一些利用计算机或其他电子设备完成的环节，收集数据的同时，应适当建立针对不同学生的教学策略，以此实现个性化教育。3.大数据融入实践教学环节的设置。统计学专业的实践环节设置应充分考虑利用学习分析和数据挖掘技术分析学生的学习心理，学习行为及学习能力，充分了解学生的前期学习情况，分析教师课堂教学水平和教学能力，充分挖掘教师的特长，以此为基础打造实践教学环节师生的完美匹配，不再拘泥于一个班级或一个专业的学生同时进行相同的实践项目，可以有效提高实践教学的水平和学生的实践能力。4.大数据融入教学评价体系的完善。传统的教学评价体系不能够客观评价人才培养的各个环节的效果，通常是对结果的评价。因此，学校需要利用大数据技术全面分析和挖掘每一个环节的相关数据，包括学生的学习过程，教师的教学过程等，有效利用数据说话，避免对学习效果及教学效果的片面评价，完善统计学专业的教学评价体系。大数据为统计学专业人才培养模式的构建带来了机遇的同时也提出了挑战，我们不能盲目跟风，应认真结合统计学专业学科特点及各方面的条件，合理利用大数据，构建切实可行的人才培养模式。

参考文献：

[1]陈树良.统计学专业创新型人才培养模式的研究[J].辽宁工业大学学报（社会科学版），2012

第6篇

关键词：智慧课堂；大数据；动态学习数据分析；课堂教学结构

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2015）22-0021-04

智慧教育、智慧课堂是当前教育信息化研究的一个新的热点问题，是信息技术与教育教学深度融合的产物。智慧教育的核心在于用最新的信息技术变革和改进课堂教学，打造智能、高效的课堂。当今社会进入大数据时代，大数据的出现将会对社会各个领域产生深刻影响。在教育领域也不例外，美国许多高校和基础教育领域十分重视大数据的应用，2012年美国国家教育部了《通过教育数据挖掘和学习分析促进教与学》的报告，我国也有不少学校和教育软件企业进行教育大数据和学习分析技术的探索。因此，利用大数据技术分析和改进学习行为，变革传统课堂教学，构建基于动态学习数据分析的智慧课堂模式，具有重要的现实意义。

一、智慧课堂的提出及发展

人们对智慧课堂的理解总体上有两类，一类是从教育视角提出的，另一类是从信息化视角提出的，本文所使用的概念是后一类。在英语中，关于“智慧”的表达有三种，即Smart、Intelligent或Wisdom。2008年，IBM最早提出“智慧地球（Smart Planet）”，随后出现了智慧城市、智慧教育、智慧课堂等概念。IBM使用及广泛推广的“智慧地球”是“Smart Planet”。因此，现在人们所说的“智慧课堂”是智能化课堂（Smart Class），主要是从信息化的视角理解的，即使用先进的信息技术实现教育手段和课堂的智能化，进而实现教育教学的智慧化。

基于信息化的视角来分析，随着信息技术迅速发展及其在学校教育教学中的广泛应用，从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。目前对智慧课堂概念的定义也有多种类型。比如：有的学者定义“智慧课堂”是物联网和教育云端等新技术于一体的智能课堂；[1]有的认为“智慧课堂”重点在课堂中的应用，是通过云计算、网络技术、应答系统等技术手段来支持个性化学习的有效展开；[2]有的学者提出建立基于电子书包的“智慧课堂”系统，具有课前多媒体电子教材预习、课中互动教学、课后微课程作业辅导等功能，为实现“颠倒的课堂”和学生随时随地碎片化学习提供了全面支撑[3]等等。

实际上，智慧课堂的概念是随着信息技术在教学中的不断应用与融合而逐步发展的。当今社会进入教育大数据时代，基于大数据技术分析和改进学习行为、变革传统课堂已成为一种必然趋势。这里我们结合自己的研究，提出基于动态学习数据分析的智慧课堂概念。

二、智慧课堂的概念

所谓“智慧课堂”，是以建构主义学习理论为依据，利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂。其目的是基于动态学习数据分析和“云+端”的运用，实现教学决策数据化、评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。智慧课堂的提出与发展既是信息技术在教学领域应用的产物，同时也是课堂教学不断变革的结果。

对上述智慧课堂定义的理解，应重点把握以下几个方面的内涵：

1.智慧课堂的构建依赖于大数据学习分析技术

数据改变教育是智慧课堂的核心理念。对于具体的课堂教学来说，数据是反映教学效果的最为显著的指标，比如：学生识字的准确率、作业的正确率、多方面发展的表现率――积极参与课堂教学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长等。在课堂教学中生成了海量的数据，对这些数据进行加工、挖掘和分析离不开大数据技术和方法。基于大数据的学习分析，智慧课堂从依赖于存在教师头脑中的教学经验转向依赖于对海量教学数据的分析，一切靠数据说话，依靠直观的数据对学生的学习行为进行判断和制定教学决策，实现了基于数据的课堂教学。

2.智慧课堂基于全过程动态学习评价和智能推送

传统课堂上每位教师常常要面对几十个学生，很难及时把握和照顾到每个学生的个体差异。智慧课堂基于全过程动态学习评价和智能推送，有效地改变了这一状况：通过课前富媒体预习材料和作业，进行预习测评和反馈，深化学情分析，优化教学设计，便于精准教学；通过课中推送随堂测验，进行实时检测数据分析和即时反馈，改进教学策略，调整教学进程；通过课后作业数据分析，实施针对性辅导，为学习者即时推送合适的个性化学习资料，实现个性化的学习支持。

3.智慧课堂采取“云+端”的教与学服务方式

智慧课堂的实施基于云计算技术、采取“云+端”的服务方式，部署和应用智慧课堂的信息化平台――智慧教室，其主体由微云服务器、端应用工具、云平台等组成。智慧课堂信息化平台提供学习资源管理与服务、教育信息管理、多元化评价等功能，通过教室内多种终端设备的无缝连接和智能化运用，打破了传统意义教室的黑板、讲台和时空概念，具备动态学习数据的采集和即时分析功能，实现了教与学的立体沟通与交流，使传统课堂发生了结构性变革。

4.课堂是翻转课堂进入2.0时代的最新成果

翻转课堂的基本要义是基于教学视频的应用将传统教学流程颠倒过来，从“先教后学”转变为“先学后教”。大数据时代强调数据分析和应用，基于大数据等信息技术的全面支持，从一般性观看视频转变为课前预习、测评分析及反馈，从“先学后教”转变为“以学定教”，从对课堂的控制转向基于数据的动态学习分析、即时反馈及据此实现的教学机智，已经从早期的“流程颠倒”的翻转课堂1.0转变为“结构性变革”的翻转课堂2.0，从而实现了大数据时代的“智慧课堂”。（传统课堂、翻转课堂与智慧课堂的关系见表1）

三、智慧课堂的信息化平台架构

智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段。为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化平台。智慧课堂信息化平台应用功能的基本架构如图1所示：

在图1中，智慧课堂信息化平台的应用功能由从下至上的四个层次构成，主要包括：

（1）资源管理与服务层：主要是进行学习资源的管理和提供服务，包括课程标准、全科电子教材、各类题库系统、教学动态数据和教育管理信息。

（2）多元评价支持层：提供对学习和教学质量的形成性评价、总结性评价和诊断性评价服务，包括测试系统、GPA综合评价系统、教学质量评价系统和动态评价分析系统。

（3）端应用服务层：提供智能终端的学习、管理和应用功能，包括微课制作与应用、学习资源推送、端应用工具、第三方APP应用等。

（4）用户实现层：提供教师的“教”与学生的“学”的应用程序和方法，最终实现对课前、课中、课后的教学信息支持。

四、智慧课堂的教学结构模型

智慧课堂是基于动态学习数据分析实现的智能、高效的课堂，是利用现代信息技术对传统课堂不断改进的结果。大数据及学习分析等技术的应用，使得课堂教学结构发生了重要的变化，我们从与传统课堂教学结构的对比来分析智慧课堂的教学结构模型。

1.传统课堂的教学结构

传统课堂教学采用的是“5+4流程”结构，即包括教师“教”的5个环节和学生“学”的4个环节以及相互之间的联系方式，共同组成课前、课中、课后的完整课堂教学过程，构成了教学持续改进的过程循环。传统课堂的教学结构理论模型如图2所示：

课前环节

（1）教师备课：教师依据上一次课学生作业和教学经验进行备课。

（2）学生预习：学生对上一次课堂上布置的预习内容进行预习，但预习结果的反馈要到上课时间。

课中环节

（1）授课实施：教师依据备课方案进行讲授，学生跟随老师的思路进行听课。其间，老师根据学生的学习情况进行提问，部分学生代表回答问题，实现了部分互动。

（2）布置作业：教师布置课后的作业和预习任务。

课后环节

（1）完成作业：学生在课后完成作业，第二天或下一次上课时递交给老师。

（2）批改作业：老师在收到作业后完成作业批改，批改的情况往往难以及时反馈到下一节的备课中。

（3）评价反馈：老师将作业批改结果反馈给学生，通常需要两三天之后。

2.智慧课堂的教学结构

智慧课堂教学采用的是“8+8流程”结构，即包括教师“教”的8个环节和学生“学”的8个环节以及它们的互动关系，共同组成课前、课中、课后的完整课堂教学过程，构成了教学持续改进的过程循环。智慧课堂的教学结构理论模型如图3所示：

课前环节：

（1）学情分析：教师通过智慧教学平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，确定本节课的教学目标；

（2）资源：根据教学目标和学情，教师向学生推送富媒体预习内容（微课、课件、图片、文本等），同时推送预习检测的内容；

（3）学生预习：学生预习教师推送的富媒体内容，并完成和提交预习题目，记录在预习过程中的问题；

（4）课前讨论：针对预习中的问题，学生在论坛或平台上进行相关讨论，提出疑问或见解；

（5）教学设计：教师根据学情分析结果，教学目标、教学内容，学生预习检测统计分析和讨论的情况，修改教学设计方案。

课中环节

（1）课题导入：教师采取多种方法导入新课内容，主要通过预习反馈（对学生提交的预习检测统计分析）、测评练习和创设情景等方式导入新课程，提示或精讲预习中存在的问题；

（2）展现与分享：学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点，并重点听取在预习中理解不透的知识，积极参与课堂教学；

（3）新任务下达：教师下达新的学习探究任务和成果要求，并下达任务完成后的随堂测验题目，推送到每个学生终端上；

（4）合作探究：学生开展协作学习，主要包括分组合作探究、游戏教学等方式，教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示；

（5）实时测评和反馈：学生课上完成课程导入和新任务后，进行诊断服务，完成随堂测验练习并及时提交，得到实时反馈；

（6）精讲与点评：基于数据分析，教师根据测评反馈结果对知识点难点进行精讲，对薄弱环节补充讲解，重点进行问题辨析，通过多样化的互动交流解决学生在新任务中遇到的问题；

（7）巩固提升：学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固，拓展提升。

课后环节

（1）个性化推送：教师依据学生课堂学习情况，针对每个学生个性化的课后作业，推送学习资源；

（2）完成作业：学生完成课后作业并及时提交给老师，得到客观题即时反馈；

（3）批改作业：教师批改主观题，并录制讲解微课，推送给学生；

（4）总结反思：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与老师、同学在线讨论交流，进行反思。

五、智慧课堂的主要应用价值

基于动态学习数据分析的智慧课堂，对传统教学产生了革命性的影响，在教学实践中具有重要的特色和应用价值，主要体现在以下几个方面：

1.有利于构建建构主义理想学习环境

建构主义学习理论是现代教育技术领域的核心理论，为智慧课堂的构建奠定了坚实的理论基础。建构主义认为，知识是学习者在一定情境下借助他人（包括教师和学习伙伴）的帮助，通过意义建构的方式获得。理想的学习环境包括情境、协作、会话和意义建构四大要素。智慧课堂依据建构主义理论设计课堂教学模式，能够非常好地满足建构主义学习理论对学习环境所提出的较高要求。智慧课堂按照知识建构螺旋上升的特点，围绕课前、课中、课后的教学闭环，利用多种新媒体、新技术和智能设备，基于动态学习数据分析和“云+端”的运用，能够创造和展示各种趋于现实的学习情境，增进师生间、生生间的立体化沟通交流，有利于开展协作、探究学习，实现学习者知识意义的建构。

2.促进课堂形态的重大变革

智慧课堂教学中现代信息技术手段的深度应用，使课堂形态发生了重大变革。新技术、新媒体和智能终端为学习者提供了丰富的认知工具与支撑环境，为师生建立了更为开放的教室和课堂活动。例如，云端智慧教室无传统的讲台与黑板，课桌以分组讨论方式摆放，在教学过程中采取多元的交互协作方式，教师面向学生教学并直接融入小组讨论；教师可以通过手中的任意移动终端设备（手机、PAD）实现书写并向教室内大屏幕投射，教师常用的PPT不仅仅可以一帧一帧展示用，而且可以进行任意的手写、标注、推演等，传统的课堂已经变成了数字化的“体验馆”、“实验场”。

3.创新课堂教学结构和模式

大数据背景下的智慧课堂教学，在教学观念、教学内容、教学方式和教学流程上都发生了重大变化，课堂教学模式得到了“颠覆”。从以教师为中心强调知识传授的传统教学转变为以学生为中心强调能力培养；从传统多媒体教学的“望屏解读”向师生共同使用技术转变，师生、生生之间的沟通交流更加立体化，无障碍地进行即时交流互动；学习资源实现富媒体化、智能化、碎片化，按需推送、实时同步。课堂结构发生了变革，教学进程从“先教后学”到“先学后教”、“以学定教”，学习与智能测评在前，教师依据课前测评分析，有的放矢，分层教学，通过微课吧、分组讨论、精讲点评、分层练习等方式组织更加个性化的课堂教学，课后教师能够给每个学生个性化的作业，真正实现了个性化教学和因材施教。

4.构建全过程学习评价体系

基于动态学习数据分析的智慧课堂，其核心是对学生的学习全过程进行动态、实时的诊断评价和反馈。利用大数据学习分析技术提供测评练习，教师能够快速地对学生的学习全过程做出诊断评价。例如，通过智能评测系统实现数字化作业或预习预设的问题评测，收集、判断学生已掌握的知识和技术，自动数据分析与反馈，为教师的备课提供了及时、准确、立体的信息，据此实现有的放矢的备课，选择适应的教学策略。通过随堂练习及评测系统，进行实时测评、统计，快速分析与反馈学生的课堂学习效果，及时调整课堂教学进度与内容，体现了教师的教学机智，展示了教学艺术。基于数据的分析成为引导学生学习的依据，通过课后作业数据分析和反思评价，对学生进行个性化的辅导和实现教学的持续改进。

5.实现智慧课堂的常态化应用

智慧课堂取得实际成效的前提是常态化应用，常态化应用的前提是具有先进、方便、实用的工具手段。通过开发应用智慧课堂信息化平台，提供“微课”制作与推送功能、动态学习评价与数据分析功能、灵活方便的智能终端应用功能等，实现常态化教与学的应用。例如，“微课制作与应用平台”相对于传统的教学视频制作和应用工具来说，更加简单、方便、实用，使得智慧课堂的实现，不再只是表演阶段，因为技术足够的简单与方便，教师能快速融入到日常教学之中；随堂录制的微课，因为其足够的“小”、足够的方便，让微课的制作与应用实现了常态化。师生“端应用工具”是具有即时通讯功能的教学工具，支持包括苹果、安卓、windows在内的多应用平台，可以实现师生在课堂教学中的立体沟通，同时师生间可以实现课前、课后的随时随地问答、讨论与教学交流，保证了基于“端”的教与学应用常态化。

参考文献：

[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.

第7篇

关键词：管理统计学；教学模式；大数据；案例教学

中图分类号：G4 文献标识码：A doi：10.19311/ki.1672-3198.2016.33.147

1 引言

管理统计学是一门应用统计学方法和理论研究经济管理问题的应用性学科，它通过收集、分析、表述、解释数据来探索经济管理问题的规律，并辅助企业进行管理决策和提高管理效率。传统的统计学关注小规模数据下的数据描述、推断和科学分析用。与之相应，管理统计学的课堂教学主要关注统计学原理的讲述、小数据的推断分析和经济管理问题的简单应用。

然而，自2008年Nature杂志发表“Big data：science in the peta byte era”以恚大数据的发展方兴未艾，备受学术界，企业界等关注。大数据的理念和技术不仅在互联网、金融、机器人、人工智能等领域取得突破性进展，也将对企业的生产、经营和决策等活动带来深刻的影响，通过对企业大数据的深度挖掘，有助于实现企业的商业价值，规避企业的决策风险，提高企业的竞争力。

大数据时代的到来，对管理统计学来说既是机遇又是挑战，机遇在于：大数据的分析主要建立在统计学的基础上对数据进行处理、分析，从而使得大数据可视化；而挑战在于：当下管理统计学的教学方法和教学手段难以匹配大数据时代对数据分析从业者的要求，这就要求对管理统计学的课堂教学模式进行进一步的发展与创新，以期适应大数据背景下的新要求。

如何结合大数据时代的新要求设计合适的课堂教学模式，如何结合丰富的大数据应用案例开展课堂教学活动，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是大数据背景下传统的管理统计学课堂教学模式所面临的问题和挑战，这也促使管理统计学教学工作者不得不去探究、优化甚至改革现有的管理统计学课堂教育模式。

2 传统管理统计学教学模式的概述

笔者所在的教学团队来自于武汉科技大学管理学院，承担全院《管理统计学》课程教学任务，在教学方法、实践教学等有较为丰富的教学经验。然而，在多年的教学过程实践和与学生的教学互动当中发现：现有的管理统计学教学模式尽管相对较为成熟，在培养学生的数据分析意识方面起到的重要作用，但是仍存在以下不足，而这些不足恰恰难以适应大数据背景下对管理统计学教学带来的挑战。

2.1 注重理论讲授，忽视应用教学

受技术发展和数据规模等因素的制约，传统的管理统计学教学大都采用理论驱动的教学模式，教师依托教材，注重统计学基本原理和方法的传授，学生掌握基本原理，对统计学的实际应用等关注较少。

尽管管理统计学课堂教学会涉及到一定的应用案例，但是这些案例大都简单，陈旧，数据来源单一，难以接触实际原始数据，统计建模思路也相对固定，这些教学案例既不能反映管理统计学的最新发展和应用思想，也无法将其带入企业经营的情景，对企业决策过程缺乏了解，这些因素都使得学生对该课程的学习兴趣不高，不利于培养学生应用统计学解决实际问题的能力，进而影响课堂教学效果。

2.2 注重数学推导，忽视工具应用

管理统计学要求学生掌握一定的数学基础，教材也都有较多的数学公式和理论推导，忽视了培养学生应用SPSSvSASvR等统计软件工具解决统计问题的操作能力。

根据经管类专业的培养定位，对于经管类专业的学生而言，相比于统计的数学公式，真正实用的如何借用SPSSvSASvR等统计软件工具来解决企业经营决策面临的实际问题，尤其是在大数据背景下，需要处理海量、复杂、多源、异质的高维数据。这些是单凭数学推导和简单的手动计算无法完成的。

近年来，大数据、互联网等技术的快速发展催生了一类新型且前景广阔的职业方向-数据分析师。综合数据分析师的职业要求，可以发现，这些职位大都要求从业者了解基本的统计学原理和方法，熟练掌握SPSSvSASvR等统计软件工具，并应用这些工具解决企业经营管理面临的实际问题。

2.3 注重知识考核，忽视项目训练

受限于教学管理制度和考核手段等因素，目前管理统计学课堂教学考核方式大都以闭卷为主，主要考察学生对统计学基本知识点的掌握情况，以及学生应用统计学知识解决简单案例的综合能力。

然而，在大数据时代背景下，除了要求掌握统计学基本原理，更应培养学生应用统计学知识解决实际问题的综合能力，而这种综合能力往往涉及数据获取、数据预处理、数据探索、统计建模、模型检验、模型评价、模型解释、模型部署和模型修正等数据分析的全过程，这种综合能力的掌握是无法通过现有的知识考核来达到的，这些必然要求学生通过参与实际项目或模拟情景来实现。

3 大数据背景下管理统计学教学模式探讨

如何结合大数据时代的新要求设计合适的课堂教学模式，如何结合丰富的大数据应用案例开展课堂教学活动，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是大数据背景下传统的管理统计学课堂教学模式所面临的问题和挑战。而现有的管理统计学课堂教学模式难以匹配大数据时代对其提出的要求，这就要求对管理统计学的课堂教学模式进行进一步的发展与创新，以期适应大数据背景下的新要求。

第8篇

针对英语泛在学习模式存在的传统课堂教学和线上教学缺乏有效衔接、缺乏生态性系统设计、缺乏具有“参与感”和“现场感”的语言学习环境等问题，构建了基于大数据分析的英语泛在学习生态系统，有利于充分发挥大数据等信息技术对英语教育的改造提升作用，为大数据时代英语教学变革提供新的思路和方向，对促进新型信息技术与英语教学过程、内容、方法和教学评价体系的深度融合具有借鉴意义。

关键词

泛在学习；学习生态；有效学习；英语学习；大数据

近年来，移动互联网、大数据等信息技术发展日新月异，已经成为推动教育变革的重要力量。移动通信终端的普及为学生营造了泛在英语学习环境，大数据技术开启了个性化智能教育时代，翻转课堂、MOOC、微课等新型教学模式层出不穷，虽然它们不能取代传统教学模式，但英语教师必须与时俱进，重视信息技术对传统英语课堂的改造和提升，以全新的视角思考英语教学的变革方向。

一、研究理论概述

1.泛在学习理论

泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。

2.学习生态理论

学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。

3.有效学习理论

有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。

二、当前英语泛在学习模式存在的主要问题

1.传统课堂教学和线上教学环节缺乏有效衔接

首先，传统课堂教学和线上教学在教学节奏、知识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。

2.泛在学习缺乏生态性系统设计，学生英语泛

在学习的用户黏性不高当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。

3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境

建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。

三、基于大数据分析的英语泛在学习生态系统

移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型。

1.大数据采集子系统

首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。

2.大数据存储子系统

大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同时通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。

3.大数据分析子系统

认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。

4.大数据应用子系统

大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。

作者：张慧丹 单位：中国音乐学院社科部

参考文献

[1]张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.

[2]曹贞.以有效学习为目标的大学课堂教学[J].教育与职业，2007（26）.

第9篇

针对英语泛在学习模式存在的传统课堂教学和线上教学缺乏有效衔接、缺乏生态性系统设计、缺乏具有“参与感”和“现场感”的语言学习环境等问题，构建了基于大数据分析的英语泛在学习生态系统，有利于充分发挥大数据等信息技术对英语教育的改造提升作用，为大数据时代英语教学变革提供新的思路和方向，对促进新型信息技术与英语教学过程、内容、方法和教学评价体系的深度融合具有借鉴意义。

关键词

泛在学习；学习生态；有效学习；英语学习；大数据

近年来，移动互联网、大数据等信息技术发展日新月异，已经成为推动教育变革的重要力量。移动通信终端的普及为学生营造了泛在英语学习环境，大数据技术开启了个性化智能教育时代，翻转课堂、MOOC、微课等新型教学模式层出不穷，虽然它们不能取代传统教学模式，但英语教师必须与时俱进，重视信息技术对传统英语课堂的改造和提升，以全新的视角思考英语教学的变革方向。

一、研究理论概述

1.泛在学习理论

泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。

2.学习生态理论

学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。

3.有效学习理论

有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。

二、当前英语泛在学习模式存在的主要问题

1.传统课堂教学和线上教学环节缺乏有效衔接

首先，传统课堂教学和线上教学在教学节奏、知识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。

2.泛在学习缺乏生态性系统设计，学生英语泛在学习的用户黏性不高

当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。

3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境

建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。

三、基于大数据分析的英语泛在学习生态系统

移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型。

1.大数据采集子系统

首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。

2.大数据存储子系统

大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同时通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。

3.大数据分析子系统

认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。

4.大数据应用子系统

大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。

作者：张慧丹 单位：中国音乐学院社科部

参考文献

[1]张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.

[2]曹贞.以有效学习为目标的大学课堂教学[J].教育与职业，2007（26）.

第10篇

关键词 大数据 金融统计 人才培养

中图分类号：G642 文献标识码：A DOI：10.16400/ki.kjdks.2015.11.027

Financial Statistics Talents Training Mode

under the Background of Big Data

MENG Xuejing[1][2]， ZHAO Xinquan[3]

（[1] Postdoctoral Research Station， Zhongnan University of Economics and Law， Wuhan， Hubei 430073;

[2] College of Statistics， Hubei University of Economics， Wuhan， Hubei 430205;

[3] School of Statistics and Mathematics， Zhongnan University of Economics and Law， Wuhan， Hubei 430073）

Abstract The arrival of the era of big data， financial data volume surge to financial statistics brought unprecedented opportunities and challenges. The complexity of the financial big data talent to promote a stronger financial statistical data collation， analysis and higher overall quality. Universities assume the responsibilities of professional financial statistics cultivate talent， to be able to adapt to the era of big data cultivate talent needs. This paper studies the statistics of professional training model large data finance background， make a few innovative training model， and finally gives a summary and outlook.

Key words big data; financial statistics; talent training

0 引言

金融大数据时代已经来临。金融大数据具有数量大、速率快、多样化、不稳定等特点，为金融统计专业提供了更加宽广的舞台，促使统计方法变革，提高统计数据质量，拓宽了统计数据信息的搜集渠道。

目前，数据收集、整理和分析已经成为金融机构从业者的基本要求，根据数据分析结果制定政策和法规、指导行动，在金融领域和其它生活领域发挥着重要作用。大数据时代的到来，给金融统计带来前所未有的机遇和挑战。一些发达国家在金融领域中对于大数据的应用走在世界前列。两家对冲基金，位于英国伦敦的对冲基金Derwent Capital和加利福尼亚的MarketPsych用微博数据预测股市投资时机，是利用大数据进行投资并取得良好成效的成功范例。Xoom与许多拥有大数据的公司合作，开发跨境汇款异常交易报警系统，可以发现是否有犯罪集团进行诈骗。信用卡发行商VISA和MasterCard通过自己的服务网获取交易信息和顾客的消费信息，用来预测商业发展和客户的消费趋势。美国第一资本银行和美国银行通过发行信用卡，得知客户的消费模式，成功为客户提供定制化服务，等等。

地方高校是培养金融统计专业人才的重要场所，面对大数据时代的挑战，金融统计专业的一个重要职责是培养可以进行金融大数据整理和分析、能够适应时代需求的人才，这就促使高校必须创新大数据环境下金融统计专业人才培养的模式。

1 构建金融统计专业人才培养模式的研究意义

人才培养模式是影响教育质量的重要因素之一，适应时代要求的人才培养模式是教学改革的核心内容。关于金融统计专业人才培养模式的研究，对于促进时展、提高教学质量的意义是深远的。

（1）培养出适应大数据时展需要的应用型人才。《2013年大数据市场应用与趋势调研报告》中指出，28%的全球企业和25%的中国企业已经开始进行大数据实践。在金融行业，深入了解和分析海量数据，是金融机构在竞争中保持优势的主要武器。时代的迫切需求促使高校金融统计专业必须培养出可以与社会接轨、能够有效处理金融大数据的人才。

（2）促进师生教学观念的转变。哈佛大学和麻省理工学院建设的在线教育平台及其课程，向全世界免费开放，知识传播的形式将不断优化、效率会不断提高，这给传统的学校教育带来了机遇和挑战。在大数据背景下，知识的获取渠道呈现多样化，在人才培养过程中，要有效利用知识平台充实课堂，促进师生教与学共同进步，努力培养具有创新意识和创新能力的应用型人才。

2 构建金融统计专业人才培养模式的主要内容

高校金融统计专业人才培养要能够跟上社会需求，根据不同学生需求特点和金融行业特色要求制定质量标准。在满足社会对金融高素质人才需求的多样化、层次化和专业化的人才培养模式上进一步改革和探索。

（1）改革教学模式。传统的统计教学模式是以老师讲授为主，注重概念和方法的诠释，学生参与较少。老师在课堂上选讲的例题也比较常规，关于软件的使用主要通过Excel简单的演示。在大数据时代，数据的复杂性和非结构性是常规例题所不能代表的，简单的Excel演示已不能发挥作用，在这样的背景下，统计教学模式必须改革，教师在课堂上要教会学生如何从纷繁复杂的数据库里挖掘出有用信息，并利用统计方法对数据进行建模和分析，在课堂教学中要实现与软件完全结合，R软件会成为主流，它是处理大数据的有效工具。要求学生在课下通过自主学习，灵活使用R软件进行数据处理和分析。除R软件外，学生还要学会使用新型开发的软件来辅助解决大数据问题，比如Hadoop、NoSQL等。

（2）改革课程体系。传统的课程设置模式已经不能满足大数据时代的要求，学生的实践能力、数据分析能力、综合素质要求更高。从这些角度出发，课程设置要强调知识的针对性，注重学生的动手能力。比如开设“数据挖掘技术”、“流数据分析技术”、“搜索引擎系统应用”等课程，通过机器学习、统计分析方法，使学生可以进行实际的数据挖掘操作，可以进行网络分析数据。通过开设讲座类课程，比如“前沿技术讲座”，讲授专业前沿的方法技术，同时借助实际案例向学生介绍如何使用软件进行数据挖掘、整理和分析。在课程体系外增加第二课堂，通过统计建模大赛、市场调查大赛、社会实践等活动，与金融机构合作，鼓励学生自发寻找问题，解决问题，提高学生的团队合作能力和人际沟通能力，促进就业。

（3）建设教学团队。高校教师大多具有硕士和博士学位，自主学习能力较强，高校应该提供教师更多发展的机会和平台。鼓励教师参与专业相关的教学和学术会议，主动寻求专业前沿知识，努力建设高水平创新型教学团队。鼓励教师考取相关的职业资格证书，比如注册会计师、数据分析师，金融分析师等。同时到企业兼职，这样既能讲授专业理论知识，又能与实践结合，培养出实用性人才。时展迅速，教师能力必须跟上时代的步伐。通过聘请校外知名专家和企业的数据分析师到学校开设专题讲座，与学生直接接触，分享他们的工作经验，鼓励学生去企业实习从事相关数据分析工作，并及时反馈到人才培养计划中。

（4）探讨应用型人才培养途径。应用型人才指的是能够符合用人单位需求，具有较强的动手能力和较高的综合素质的人才。高校的人才培养制度要以培养应用型人才为目标，通过教学模式、课程设置、教学内容、教学方法等手段构建应用型人才的培养模式。金融统计专业的学生，毕业后要能够与金融机构的需求接轨，在本科学习阶段通过理论课程的学习加实践课程的锻炼，具备综合分析数据的能力，培养竞争意识，提高实践和创新能力。

3 构建金融统计专业人才培养模式的创新点

在大数据背景下，金融统计专业的人才培养模式应该具备“系统知识与应用能力并重”的特色，在培养途径、培养方案及学生管理方面可以有如下创新：

（1）培养途径的创新：采用“1.5+2.5”模式，前一年半通识教育加专业基础课程，让学生具备扎实的金融理论基础和统计基本素养;后两年半专业教育加个性化培养，重点培养学生在大数据背景下挖掘数据、整理数据和分析数据的能力。

（2）个性化的人才培养方案：对于优秀的本科生采用本科生导师制，进行“一对一”的个性化培养，与导师合作课题，让学生参与到课题调研，提高学生的动手能力。

（3）学生管理方面的创新：鼓励学生自由发展，积极学习其它专业学院课程，到金融机构实习锻炼，增强团队意识，提高学生的综合能力。

4 结语与展望

随着信息技术和移动互联网的发展、金融业务和服务的多样化、金融市场的整体规模扩大，金融行业的数据收集能力逐步提高。金融业拥有所有交易数据等结构化数据和客服音频、网上银行记录、网上商城记录等非结构化数据。金融大数据时代已经来临。麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。金融领域统计精英人才目前比较稀缺，通过应用型人才培养模式的研究，培养出高质量的学生，可以及时为社会所用，提高学校的就业率。为解决大数据特征新衍生出的问题，需要在系统架构、数据仓库、数据挖掘分析等方面有所突破，对人才素质的要求更高。高校是培养金融大数据分析人才的储备库，培养出的金融统计人才不仅对金融业务有较深的理解，还要具备很强的数据建模、数据挖掘和数据分析的能力。这就促使高校金融统计专业人才培养模式的改革与探究，培养综合性的大数据分析人才是高校金融统计专业努力的方向。

本文系国家社科基金课题“大数据背景下金融统计方法研究”（项目编号：14CTJ008）的阶段性研究成果之一

参考文献

[1] 史修松.大数据环境下地方高校应用人才培养初探[J].理论观察，2013.11：134-135.

[2] 陶皖，杨磊.大数据时代对高校人才培养模式的影响――以信息系统专业为例[J].电脑知识与技术，2013.9（28）：6340-6342.

[3] 李斌，吴瑾瑾，韩作生.地方财经院校应用型创新人才培养模式初探[J].中国高等教育，2011.19：：52-53.

第11篇

【关键词】教学互动 数据挖掘 在线教育

【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2015）18-0006-02

随着信息技术的进步和社会的发展，硬软件信息系统在各行业和领域快速增长。这些ICT系统采集、处理、积累的数据量越来越大，数据增速也越来越快，以至用所谓爆炸性增长等词汇已无法形容数据的增长速度。在大数据时代，让科学研究及教育领域能够凭借信息技术的发展从宏观群体走向微观个体，让跟踪每一个教授与被教授者的数据成为了可能，从而让全方位研究“教学互动双方的行为”成为了可能。特别对于我们教育工作者来说，我们将比任何时代都更接近认识真正的学生。

2011年知名咨询公司麦肯锡全球研究院了一份题为《Big data： The next frontier for innovation， competition and productivity》的报告。报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于大数据的运用预示着新一波生产率增长和消费者盈余浪潮的到来。第二年美国政府通过网站了《Big Data is a Big Deal》，表示将投资2亿美元启动“大数据研究和发展计划”， 在这一倡议同时，6个美国联邦部门和机构承诺，这些资金将用于大大改善从海量数据信息获得、组织和收集知识所必需的工具和技能，并透露多项正在进行中的联邦政府计划，以应对大数据时代以及大数据革命带来的机遇和挑战。

那么我们如何通过大数据分析来实现认识真正的学生，了解学习行为数据背后的原因，从而真正读懂我们的学生？期末考试的一张英语试卷，它带给我们的数据是什么？是简简单单的一个90分？如果我们了解正确的技术与方法，充分利用IT系统的计算能力，我们可以得到许多隐藏在试卷背后的数据：可以是每一大题的分数分布，每一小题的得分，客观题选择了什么选项，每一题的平均用时，检查了哪些题目，修改了哪些答案，亦或者不同专业分数的差异分布……等等，这些远远比简简单单的分数所透露的信息要有价值得多。其实除了考试，课堂面授、远程辅导、课外活动的各个环节都渗透了这些大数据。

在《国家中长期教育改革和发展规划纲要（2010-2020年）》别强调：强化信息技术应用。教师应该提高信息技术水平，更新教学观念，改进教学方法，提高教学效果；应该鼓励学生利用信息手段主动学习、自主学习；应该增强运用信息技术分析解决问题的能力。

（一）什么是大数据和数据分析？

纵观人类历史，每一次划时代的变革都是以新工具的出现和应用为标志的。蒸汽机把人们从农业时代带入了工业时代，计算机和互联网把人们从工业时代带入了信息时代，而如今大数据时代已经到来，它源自信息时代，又是信息时代全方位的深化应用与延伸。大数据时代的生产原材料是数据，生产工具则是大数据技术，是对信息时代所产生的海量数据的挖掘和分析，从而快速地获取有价值信息的技术和应用。

业界（IBM 最早定义）将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据分析有着本质的不同。

几位行业领军任务的观点也更鲜明的揭示了大数据思维的本质。“今天的数据不是大，真正有意思的是数据变得在线了，这个恰恰是互联网的特点。” “非互联网时期的产品，功能一定是它的价值，今天互联网的产品，数据一定是它的价值。” “你千万不要想着拿数据去改进一个业务，这不是大数据。你一定是去做了一件以前做不了的事情。”所以说，探求数据价值取决于把握数据的人，关键是人的数据思维；与其说是大数据创造了价值，不如说是大数据思维触发了新的价值增长。

数据分析，又称为知识发现（Knowledge Discovery），是通过分析每个数据，从大量数据中寻找其规律的技术。知识发现过程通常由数据准备、规律寻找和规律表示3个阶段组成。数据准备是从数据中心存储的数据中选取所需数据并整合成用于数据分析的数据集；规律寻找是用某种方法将数据集所含规律找出来；规律表示则是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。如果能够对这些数据进行分析，探寻其数据模式及特征，进而发现某个群体或组织的兴趣和行为规律，专业人员就可以预测到未来可能发生的变化趋势。这样的数据分析过程，将对工作有很多帮助。

维克托・迈尔-舍恩伯格在《大数据时代》一书中举了百般例证，都是为了说明一个道理：在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值。书中，作者提及最多的是Google如何利用人们的搜索记录挖掘数据二次利用价值，比如预测某地流感爆发的趋势；Amazon如何利用用户的购买和浏览历史数据进行有针对性的书籍购买推荐，以此有效提升销售量；Forecast如何利用过去十年所有的航线机票价格打折数据，来预测用户购买机票的时机是否合适等。

（二）英语教学中的大数据策略

新东方无疑是传统精英面授教学的最强者，通过网罗优秀教师、强化记忆方法、研究考试要点等创造了英语教学的中国合伙人神话，这里无意讨论新东方的成功之处，仅就互联网时代在线英语教育市场对它的冲击探讨未来高校英语教学者利用大数据策略的必然。

2013年的在线教育市场风起云涌，无论是新创业公司还是老牌互联网公司都盯上了在线教育市场，这说明在线教育将迎来市场的爆发阶段。

由于信息时代的来临，在线教育无处不在，对高校英语教学也产生了深远的影响。 首先，传统的教学模式受到了严峻的挑战。信息时代的今天，学生们对于手机和电脑的操作已经非常熟练，任何感兴趣的内容通过网络，视频，微信“扫一扫”等功能都能快速的查询到。学生已经非常习惯于这种信息获取渠道的即时性与便捷性，教师的角色定位经历了几次变化，由教学的主体变成了现在的主导者。而在大数据时代，教师的作用更是会发生翻天覆地的变化。教师将很有可能成为课堂的组织者，以及学习方法的授予者。

中国高校英语写作教学协会同创新联盟通过在线形式在一个月的时间里搜集到近30万篇英语作文，在较短的时间里获得数量如此庞大的英语作文电子数据，这在过去没有相应技术支持的情况下是难以想象的。《中国学生英语写作能力调查蓝皮书》对海量数据进行分析，获取有助于英语作文评判的数据标准，同时对提高学生英语写作能力提供有针对性的建议。

另一个典型的例子是批改网，上线半年累计批改英语作文近3000万篇。我们非常想了解批改网的评分标准，对此充满兴趣，据了解批改网总共有192个判断维度，包括平时我们所熟悉的拼写、语法、词汇、搭配错误等，这192个维度正是批改网的大数据技术核心。一组实验数据：把老师批改过的作文让批改网再重新批改，其中人工评分和机器评分的基本一致率达到92.03%。现在，积累的数据足以对每一个用户的英语能力做出评价，而这个评价又会在用户下一层次的学习中起到分类作用，方便用户定制个性化的英语学习课程。

在高校英语教学实践中可以利用大数据分析工具开展以下方法：

第一，对学生的发展进行多元评估，实现教学过程评估，发现学生的常态，改造课堂的流程。如果有一个课堂交互APP，通过对学生在课堂中点滴微观行为的捕捉，帮助我们了解学生对知识的掌握程度以及感兴趣程度，进而反思我们的教学是否满足了学生的需求。

第二，大数据实现了学生课外在线学习的积累，可以通过后台数据库统计一个学校、一个区域的整体情况，获得有价值的数据报告。

第三，分析和发掘作业和考试背后的有效数据，通过数据的归类与分析，能够帮助我们了解每一个学生的需求，实现个性化教育。

总之，大数据分析是顺应潮流，大势所趋，它将改变英语教学的未来。

参考文献：

[1]James Manyika. Big Data： The Next Frontier for Innovation， Competition and Productivity. McKinsey Global Institute， 2011.

第12篇

关键词：农经专业；数据分析；教学改革

2019年12月，农业农村部、中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知，部署了用数字化引领驱动农业农村现代化，加快农业农村生产经营、管理服务的数字化改造的发展战略，将全面提升农业农村生产智能化、经营网络化、管理高效化、服务便捷化水平作为农业农村发展的目标[1]。农业农村的数字化建设离不开专业人才的培养。农林经济管理专业毕业生的就业方向主要有农业经营单位、面向农业农村的政府管理部门、事业单位、科研院所等。随着农业农村数字化发展战略的推进，给传统的农经人才培养带来了一系列的挑战[2]。在数字经济和智慧农业的时展背景下，数据分析能力是农经专业学生重要的核心竞争力。如何提升农经专业学生数据分析能力，是农经专业人才培养中面临的重要课题[3]。

1农业农村数字化发展战略给农经人才培养带来的挑战

1.1对农经人才的数据思维的更高要求

在大数据时代，无论是农业生产经营活动，还是农村的行政管理中都有大量的数据资源。农业企业、农业合作经营组织、农产品产销数据、农产品溯源数据为农业经营者提供了生产、物流、销售环节大量的数据资源。经营者需要认识到数据是一种新的生产要素，要调动数据作为生产要素的属性，让数据分析为管理决策服务[4]。在数字中国的建设进程中，各级政府部门工作人员通过各级各部门的行政管理智能，收集了大量省、市、区、县级的区域经济社会发展数据。社区网格化管理下收集了微观层面的农业经营单位数据、农村常住人口数据、医保数据、扶贫数据、农村小额信贷数据。这些数据资源是政府提高行政效率、提高政务服务质量的宝贵资源。

1.2对农经人才的数据分析能力的更高要求

在大数据时代，每天都有海量数据生成，如何能更好地利用这些数据，让数据能发挥其为管理决策服务的功能，与数据使用者的数据分析能力是密切相关的。例如，农业经营单位在农业生产环节的农业投入数据、农产品销售数据、电商平台的客户反馈评论、农产品库存的动态数据，如何整合分析这些数据，要求农业经营者系统掌握数据分析、数据挖掘、文本分析等多元化的数据分析方法。政府管理部门掌握的农业人口的迁移数据、农村常住人口网格管理数据、农村居民医保数据、扶贫数据等，数据类型丰富，数据量庞杂，如何实现数据库的整合，要求政府部门工作人员掌握数据库管理、大数据分析技术。

2农经专业数据分析课程群建设中存在的问题

2.1课程之间连贯性不足

以笔者所在的高校为例，为农经专业本科生开设的数据分析类课程，见表1。数据分析课程群包括了通识教育、专业教育和实践教育。从目前的课程设置来看，涵盖了数据库、统计学、经济计量学、多元统计、大数据分析等领域，内容丰富。数据库应用由计算机学院开设，是一门通识教育课程，在授课时教师往往将其视为一门计算机类的入门课程，在教学中没有针对农经专业学生的特质，将数据库的教学与其在农经领域的应用结合起来。学生在学习中往往会觉得该课程与专业联系不够紧密，教学内容枯燥，缺乏学习兴趣。

2.2学生学习的软件种类繁多，但不够深入

在统计学和多元统计课程中，学生将学习EXCEL、SPSS或者R语言的应用，在经济计量学课程中学生将学习Eviews或STATA的应用，在数据挖掘与大数据分析课程中学生将学习Python语言的应用。在每一门课程中学习的软件都不同，对于软件的学习缺乏连贯性和延续性，虽然学生接触的软件种类多，但是由于学时所限，每一种软件都只是入门级的介绍，无法进入到深度学习。

2.3与专业课学习联系不够紧密，缺乏应用机会

学生缺乏在专业课学习中运用数据分析类课程所学知识的机会。数据分析类课程主要介绍数据分析方法和软件的应用，但大部分都安排在第5学期和第6学期。学生在学习了数据分析方法后，缺少在专业学习领域里运用这些方法的机会。例如学生若要完成产业经济学、农业技术经济学、农产品国际贸易学的专题研究、课程论文，需要用到统计学、经济计量学、大数据分析的方法，但在第2-4学期开设大量专业课的学期，数据分析类课程还没有开设。若能将数据分析类课程尽量靠前安排，学生可以在后续的专业学习、课题研究中运用所学的方法，一方面夯实数据分析技能，另一方面也可以增加学生对专业课的学习兴趣。

2.4排课不够科学

在大三阶段，学生可以选修多元统计、数据挖掘与大数据分析、Python语言三门选修课。但到了大三，学生专业课的学习任务重，选修课种类考虑繁多，学生选课可能出于兴趣、学分安排或者准备考研保研考虑，并不是每一位同学都会选修上述课程。尤其是计算机能力不太强、对数学类课程感到困难的同学，会倾向于选择难度小的课程。

3基于项目驱动式教学理念的数据分析课程群改革

3.1开展项目驱动式教学的意义

项目驱动教学法是基于行动导向的探究式教学方法，是将真实的或模拟的项目转化为教学项目，结合课程内容将项目分解为若干工作任务，创设工作情境，引导学生完成任务，进而实现项目教学目标的教学活动[4-5]。项目驱动式教学法最显著的特点是“以项目为主线、教师为主导、学生为主体”，改变了以往“教师讲，学生听”被动的教学模式，完善了学生主动参与、自主协作、探索创新的新型教学模式。与传统教学方法相比，教学实施过程中，学生的目标更清晰明确，可避免传统课堂教学的被动性，进而提高学生学习知识的兴趣和主动性[6]。在数据分析课程群中引入项目驱动教学，一方面能让学生运用所学的数据分析方法分析现实问题，创设数据分析情境，加深对所学方法的理解和运用，激发学习兴趣，培养自主学习能力；另一方面也可以有针对性地创设围绕“三农”问题的数据分析项目，让学生从数据分析中加深对“三农”问题的感性认识，培养对农经专业学习的兴趣，提升对农经专业的认同度。具体来讲，可以从以下方面开展对数据分析课程群的改革[7]。

3.2统筹规划教学内容，加强课程间的连贯和递进

农经专业数据分析课程群目前主要包括必修课数据库应用、统计学和经济计量学，选修课多元统计、数据挖掘与大数据分析，以及实践课R语言与统计应用、Python语言。统计学教学的重点在于对基础性的统计方法的运用，经济计量学教学的重点在于让学生掌握经济计量分析的范式，如何利用经济计量模型开展实证分析。多元统计强调对复杂多维数据信息的提炼。数据挖掘与大数据分析教学的重点在于大数据时代数据挖掘方法的应用。此外，针对于目前学生所学的软件门类过多，软件操作不够熟练，建议在统计学、多元统计、数据挖掘大数据分析中统一采用R语言进行教学，让学生通过几门课程的学习，能够熟练掌握一种统计分析软件。

3.3基于项目驱动对教学内容进行整合及优化，调动学生主动参与

例如统计学课程介绍了基础性的统计分析方法，在后续课程经济计量学、多元统计、数据挖掘与大数据分析中引导学生运用基础性统计分析方法，对数据进行初步的统计分析和整理，为经济计量分析、多元统计、数据挖掘做好数据处理上的准备，让学生体会到关联课程中所学知识的联结。鼓励学生积极参与“三下乡”活动，开展田野调查实践，围绕“三农”开展调研，运用统计和计量方法对调研数据进行分析，鼓励学生参与到教学中来，培养学生的学习兴趣，学以致用。

3.4建设“项目驱动”实践教学模块

结合农经专业课程体系，建设数据分析课程群“项目驱动”实践教学模块。在农经专业的课程体系中开设的农业经济学、农产品贸易、农村社会学等专业性课程对大量的“三农”问题进行了探讨，这类课程中涉及的城乡差异问题、收入和消费问题、农产品价格波动、农产品贸易等现实问题的研究，都离不开基于现实数据的定量分析。因此，在农经专业的数据分析课程群中可以结合教学内容引导学生对专业课学习中热点问题的研究，围绕课程教学大纲，建设“项目驱动”实践教学模块，理论联系实际，让学生在研究项目中运用所学的数据分析方法，加深对专业知识的理解。

4农经专业数据分析课程群优化方案

在大数据时代，数据分析能力是学生的核心竞争力之一。数据分析类课程在建设中要强调理论与实践的结合，不能只是将教学停留在课堂上，引入体现专业特色的实践教学环节。可以从以下几方面开展数据分析课程群的优化：第一，数据分析基础类必修课安排在大一学年。在第1学期，可以安排R入门、Python入门、数据可视化课程，让学生尽早接触当前主流的数据分析软件，激发学生对R或Python的学习兴趣，让学生自我拓展学习空间。R入门、Python入门、或者数据可视化课程都属于数据分析的基础课程，无需其他先修课程。在这一时期，让学生开始接触数据分析软件，学习数据可视化的分析工具，有利于培养学生的数据思维、数据意识和软件实操能力。第二，将与农经专业课有关的专业必修课统计学、经济计量学安排在第3-4学期学习。统计学课程需要学生先行修读高等数学和概率论课程，经济计量学需要学生先行修读微观经济学、宏观经济学，因此可安排在第3-4学期。让学生在掌握了一定经济管理专业知识后，可以更好地体会统计学、经济计量学方法论学科的应用价值。第三，将数据分析进阶类选修课多元统计、大数据分析、数据挖掘、机器学习等课程安排在第5-6学期。为高年学生提供丰富的数据分析类选修课，让学生结合自己的兴趣、未来的发展规划学习更加多元化的数据分析技术。鼓励学生能在专业论文习作、学科竞赛中有更多的机会运用自己所学的数据分析方法，增加学生的收获感和成就感，挖掘学生的学习潜力。第四，改革课程考核评价体系，采用项目式管理和评估的思路，由学生自主开展一个数据分析项目，从收集数据、提出问题、分析数据到提炼研究结论，开展小组团队成员互评。教师跟踪学生的项目开展过程，从学生的学习态度、投入程度、数据分析质量等综合评价学生的学习效果。

5结束语

将项目驱动教学引入到农经专业数据分析课程群的建设，让学生参与到教学中去，突破传统教学中“教师教学生学”的局面，让学生通过参与项目，运用数据分析方法解决项目中的实际问题，激发学生的学习兴趣和潜能，让学生体会到所学知识的应用价值，让学生不再对数据分析类课程望而生畏。本文的研究对于农经专业学生数据分析能力的培养有重要的意义，强调理论与实践的结合，提高学生数据分析的高阶能力，也能为同类课程开展项目驱动教学提供借鉴。

参考文献：

[1]农业农村部中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].

[2]李虹贤.农业经济管理专业人才培养模式创新研究与实践[J].智慧农业导刊，2022，2（7）：110-112.

[3]冯开文，陶冶.农业经济管理专业实践教学改革———以中国农业大学经济管理学院为例[J].教育现代化，2017，4（23）：54-56+63.

[4]杜洪燕，陈俊红.乡村振兴背景下中国数字农业高质量发展路径研究[J].南方农业，2021，15（21）：213-214.

[5]金娥.基于项目式学习的《现代教育技术应用》课程学习框架的设计与实践研究[D].武汉：华中师范大学，2021.

[6]胡静，王昌凤.基于应用型本科人才培养目标的项目式教学模式构建[J].教书育人（高教论坛），2022（9）：59-64.

第13篇

关键词：大数据；数字校园；校园建设；大数据应用；大数据分析技术

中图分类号：TP399 文献标识码：A 文章编号：1009-3044（2017）07-0116-02

1引言

随着互联网技术的进步和云计算等先进计算方法的产生，海量的数据以成倍增长的速度不断生成，开启了大数据的时代。而大数据时代的到来，也为数字化校园的建设带来了一场技术和思想的变革。

2大数据的发展背景

大数据，指的是蕴含巨大价值的海量、高增长率、多样化和复杂关联的信息数据集，其在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据的特征，决定了大数据在数字校园建设中的应用价值，决定了其会对教育信息化的发展产生巨大影响。因此，如何高效的处理这些海量数据，并展现其中蕴含的巨大价值，则成为了关键。

由于在大数据背景下，数据的来源丰富多样、数据的类型也不具备一致性、数据的规模更是非常庞大，而传统的数据存储和分析技术是采用关系型数据库，一般只能处理数据格式一致，规模也较小的数据。因此，需要特有的大数据分析技术，如大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、云计算平台、可扩展的存储系统等，才能分析得出大量额外的有价值信息和数据关系。

3数字校园应用大数据分析技术的优势

数字校园是基于计算机和网络技术建立起来的对教学、科研、管理、技术服务、生活服务等校园信息的收集、处理、整合、存储、传输和应用，再以校园网为基础，实现包括教育教学环境，电子资源，科研活动等方面的，具有整体性的校园信息化管理。

3.1解决海量数据的无用堆积

随着各种信息通讯技术、数据库管理技术以及网络应用的高速发展，基于数字化校园的应用系统、信息系统也越来越多，如教务管理系统、科研管理系统、电子图书馆、OA办公系统等，这也直接导致各应用系统数据库存储的数据量也急剧增大。这些信息系统每天都在产生大量的结构化的、半结构化的以及非结构化的数据，日积月累，大量堆积，但是一方面由于对数据价值的忽视，另一方面基于数据挖掘与数据分析整理的难度，这些宝贵的资源都被弃之不用，导致大量的数据成为数据存储方面的包袱，不但没有产生价值，反而因不能随意丢弃而占用了大量存储空间。

3.2提升管理水平和业务发展水平

由于传统信息系统数据库的查询检索机制和统计分析方法，已经不能适应数据规模剧增情况下的海量数据库。只有通过大数据分析技术，才能对高校的信息资产进行有效的数据挖掘和数据分析操作，从而为学校管理层进行决策提供有力的数据支撑，为教学、科研等方面工作的改进提供合理的统计数据。同时，大数据分析技术还可以通过对信息系统数据的集成，增加师生校园生活的获得感，如对学科建设的支持、校园交通规划和改善、嗜房焖俚耐络舆情分析等，从而从根本上改变校园的管理方式及应用水平，充分挖掘宝贵的信息资源，进一步提高业务的发展水平和统计分析水平，辅助教育管理和教育决策，实现从拥有数据到预判需求。

3.3促进信息技术与教学科研的深度融合

大数据分析技术还可以促进教学质量的提升，从而进一步促进信息技术与教育教学的深度融合。比如，通过采集在线学习系统中学生课后习题的完成情况，了解学生知识掌握的情况；采集学生对课外学习资源的访问情况，了解学生的兴趣方向；采集学生课堂的互动信息，了解学生喜爱的课堂教学方式等等，从而改变传统单一化的教学方式，为学生制定个性化的学习指导计划，帮助学生完善知识结构，甚至为学生提供个性化的就业指导。而通过大数据分析技术，在自然科学领域实现的对信息和数据更全面的掌握，则对于无论微观科学还是宏观科学都会带来更加进一步的提升。

4大数据分析技术应用的难关

4.1大数据的清洗

由于在产生和获取数据的过程中，即使是多个数据源，也必然会有大量相同的数据，而这些就会成为数据的冗余。同时，数据的采集过程也伴随着很多无关数据和错误数据的进入，因此数据的清洗就是对大数据进行降噪去冗的处理，从而提高数据的质量，提高大数据的价值密度。但是在清洗的过程中，也会丢失一些有用细节信息。因此如何把握数据清洗的平衡，既保证数据的质量，去冗降噪，又不会因为过度清洗而流失数据的价值，成为大数据分析技术应用的第一道难关。

4.2大数据的集成

大数据必须进行有效的集成，才能成为数据挖掘的基础信息资源，才能发挥其巨大的价值。而当前大数据复杂异构的特性对大数据的整合形成了挑战，结构化数据、半结构化数据以及非结构化数据的大量并存和融合、不同来源不同特征的多种数据混杂，以及不同数据库系统中文件系统差异形成的数据格式的巨大差异，无不造成大数据有效集成的困境。

4.3大数据处理模型的建立

数据的挖掘和分析需要建立数据分析处理模型，但是数据的海量多样、应用场景的各不相同以及各个应用管理系统复杂的业务处理流程，使这些系统的功能模块各有差异，处理框架也是不尽相同，导致很难整合这些碎片化的业务数据。因此，大数据处理模型需要专业的大数据技术人员以及业务领域的专业人员投入大量的时间和精力去研究和梳理业务流程，经过反复的测试和修改才能建立。

5大数据背景下数字化校园的建设思路

5.1基础环境建设

数字校园的建设首先要重视数据采集的基础建设，确保有良好的基础传输网络可以使用，为教学、科研、管理提供无所不在的基础环境。需要充分利用先进的科学技术，按照基本的建设标准，保证大数据能够存储，并能够高速地传输。数据传输更是基础网络建设的重点，尤其是现代化教育对视频等多媒体课程的需求量加大，需要建立良好的基础传输环境。

5.2打破信息孤岛。建立完善的数据采集系统

大数据的集成、分析和管理等技术都是基于尽可能多的、完善的数据资源的基础上才能进行的，而数字校园早期建设的信息系统已经在各自的数据库中存储了大量的历史数据，但是由于早期信息系统的建立大多各自为政，导致这些数据都是处于信息孤岛之中，无法为大数据技术所用。因此，大稻荼尘跋碌氖字校园，首先就需要打通这些信息孤岛，让所有的数据产生联系，然后再从物理环境和应用环境两个方面，建立一个具备数据采集、存储能力的、较为完善的数据采集系统。物理环境方面主要指数字校园建设中的硬件设施及传感器，比如通过语音教室、数字图书馆、视频监控、一卡通刷卡设备等采集的数据；应用环境方面则是指通过各业务应用系统采集运行过程中产生的大量数据，包括数字校园的统一门户平台及其他云平台软件、虚拟化软件等。

5.3统一数据格式。建立良好的数据标准体系

良好的数据标准体系的建设，能极大地提升并决定数字校园建设的质量与水平。由于数据规模的增长相当迅速，当出现存储设备容量的增长速度跟不上数据规模增长速度的情况时，就会对大数据的集成造成困扰，对大数据的存储同样制造了沉重的压力，而大数据不进行有效的集成和整合就不能发挥其蕴含的巨大价值。在此背景下，统一数据格式、制定数据标准、保障数据来源的唯一性，通过统一的数据交换平台，减少冗余的数据，降低数据源的差异性，进而建立良好的数据标准体系，成为大数据有效集成的必然要求。

第14篇

这正是全球各地诸多企业的问题所在。尽管公司经理深知大数据所能带来的效益,但他们难以找到拥有合适技能的人才。

利用大数据的潮流毫无放缓迹象。管理咨询公司埃森哲去年调查了600家美国和英国公司,结果发现有三分之二的公司在之前18个月任命了负责数据管理和分析工作的高管。即使是尚未设立此类高管职位的公司,也有71%准备在不久的将来作出任命。

招聘顾问也表示,对数据分析专家的需求正在飙升。专注信息技术领域、在伦敦和阿姆斯特丹设有办事处的Cititec表示:“今年前六周,我们收到的大数据招聘请求与之前六个月一样多。我们估计,该数字今年将比去年高出100%,甚至更多。”

的确,大数据正快速成为IT招聘机构的重要专长。“我们现在拥有一位大数据专家,而一年前还没有,”Cititec补充道,“这是一块竞争激烈的市场,有很多公司竞相争夺资深人才。”

埃森哲北美金融服务数据分析部门执行董事布莱恩?麦卡锡(Brian McCarthy)认为,全球及各行各业的需求意味着,数据分析技能严重供不应求,尤其是在美国和英国。

他说:“背景适合从事数据科学家工作——计算机科学、统计学、机器学习——的毕业生正在走出校园,但他们的数量还不够。”

麦卡锡补充道,尽管许多公司转而聘请合同工——埃森哲调查表明,有近60%的公司求助于外部分析师和咨询顾问——但它们仍无法找到需要的人才。

Cititec称,这种紧缺十分严重,以至于英国承接IT外包工作的资深数据架构师或业务分析师可日赚500英镑至650英镑。在该领域资质最为优秀的一端,博士级别的数据科学家能够拿到9.5万英镑的高额年薪。

“甚至连海外外包也无法解决这个问题,”麦卡锡指出,“因为印度、中国和巴西等新兴经济体没有足够的资深人才。”

人才紧缺似乎还将持续数年。

埃森哲在今年的《数据分析在行动:通向高投资回报率之路的突破与壁垒》报告中预测,到2018年,光是在美国和英国,需要具备高深科学、技术、工程和数学知识的职位的增长速度将是其他职业的五倍,是金融服务等信息密集型行业职位的四倍。

报告称,新兴经济体培养出STEM人才的数量高于发达经济体,但仍无法满足全球的潜在需求。

确实,埃森哲卓越绩效研究院在去年的一次调查中研究了美国、中国、印度、英国、日本、巴西和新加坡对数据分析经验的需求。调查发现,到2015年,所有这些国家(除中国外)都将面临胜任分析科学家工作的博士毕业生数量净短缺的问题。

“美国、英国、日本、新加坡和巴西几乎将肯定遭遇高端人才的严重短缺,”埃森哲表示,“尽管印度的数据分析服务行业蓬勃成长,但它也将难以培养出足量的博士生来填补所有新的数据分析科学家岗位。”

例如,美国新增数据分析专家职位的数量将占全球新增总量的44%,但该国只能供应23%的人才,导致近3.2万人的缺口。

只有中国似乎出现了少量的过剩,但埃森哲警告称:“如果对数据分析的需求加速升高,那么中国也将可能出现短缺。”

不过,有志学习数据分析技能的IT职业人士面临着充足的培训机会。IBM和甲骨文等大型IT厂商,以及独立的IT专业培训机构,均提供在线和课堂式课程。

大数据创业公司也提供培训。例如,基于Hadoop框架设计的软件和服务提供商Cloudera有自己的“Cloudera大学”,而竞争对手MapR也拥有“MapR学院”。

Cititec称:“优秀的数据分析师应当拥有从事数据分析的必要技能,可以通过学习或在职培训获得这些技能。IT专业人士开始意识到大数据领域与日俱增的重要性,他们在问:我如何获得这些技能?”

但埃森哲的麦卡锡认为,面向新的数据分析领域对IT专家进行再培训,并不像给现有员工上课那样简单。

第15篇

【关键词】 统计学 教学实践 财经专业

随着大数据时代对于数据分析人才的需求越来越多，如何从海量数据中有效挖掘有用信息并进行数据分析已逐渐引起国内外政府机构及学者的极大关注，国际上关于大数据科学研究的呼声也越来越高。统计学作为一门数据分析学科，主要通过收集整理研究对象的数据，进行建立统计模型、量化分析、总结和预测，探讨研究对象的数量规律及其特征。随着大数据时代的来临，统计学的重要性越来越得到社会的认可和重视，具有统计学基础的人才需求量也越来越大。

由于统计学涉及的理论内容、公式和抽象概念比较多，通常需要一定的数学基础和较强的逻辑推理能力，因此学生普遍认为《统计学》是一门比较难以掌握和学习的课程。结合自己对财经类专业学生讲授《统计学》课程的实际教学实践，在分析目前教学中存在问题的基础上，就如何提高统计学课程的教学效果，探索适合金融工程、工商管理、会计学等财经类专业的教学内容、教学手段和教学方法以及考核办法，如何解决统计学教学存在的问题为社会培养高质量的专业数据分析人才谈一下自己的想法和思考。

一、《统计学》教学中存在的问题

1、教学方法单一

目前，统计学教学仍然是以教师课堂讲授为中心的教学思想、学生被动地接受知识传输的传统填鸭式教学方式。以多媒体教学为主的背景下，虽然多数教师坚持黑板板书与多媒体课件相结合，但是有些教师将多媒体教学完全取代黑板板书，使得课堂教学内容容量过大，讲授速度过快，缺乏师生之间的互动和交流。统计学内容在重点部分常常涉及较多公式和概率统计定理，使用多媒体课件授课使得讲课速度过快，造成学生无法跟上教师思路不能理解具体内容，仅仅会记忆理解，熟练地套用计算公式，无法引起学生的学习兴趣。

2、教学内容只注重应用表面，缺乏理论深度

财经院校《统计学》课程的教学内容仍然是以数据的收集、整理、描述和分析入手，简单介绍统计调查、统计整理、统计指标、时间数列、指数、相关回归、统计推断等内容。对于教学中涉及到的基本数学定理、数学公式推理以及前后知识在数学上的联系缺乏讲解，使学生不能理解到所学知识的本质，仅仅会依葫芦画瓢地应用，导致学生在处理实际问题时方法单一、创新不足。有些财经专业的学生培养方案更是将统计学与概率统计同一学期开设，使得统计学课程的内容缺乏概率统计中的大数定律、中心极限定理等假设检验的基本知识，造成学生无法理解所学内容。

3、教师队伍知识结构不合理

讲授统计学的教师队伍近几年虽然有了很大的变化，但还有一部分统计教师的知识结构不够理想，数学和计算机知识水平与客观要求还存在一定的差距，仍需要继续改进和提高。财经类院校讲授统计学课程的教师主要以经济统计、数量经济学等财经类出身教师为主，缺乏数学专业科班教师，使得课程内容的设计仅注重应用，缺乏相应的数学理论作为支撑，使得学生对所学知识一知半解。

4、统计软件与统计案例缺乏有效结合

随着大数据时代的到来，学会用统计软件处理实际问题的方法和分析能力已成为每个学生必经的阶段，计算机软件在统计学教学中的重要性越来越显著。现实中，虽然统计学的课堂教学中也注重统计方法的应用，但是由于统计学知识繁杂、课时安排普遍过少、开课班级过多等原因，导致统计学教学过程中对于学生的动手能力的训练过少。尤其是财经类非统计专业学生的培养方案中《统计学》课程设计基本以54学时为主，使得课程教学内容仅可完成理论教学，缺乏用SPSS、SAS、R软件等统计软件进行实际问题处理的实践教学。

5、统计分析方法与学生专业知识缺乏有机结合

统计分析方法与学生的专业脱节，教师从概念、公式、定理等方面讲授完统计理论与统计方法后，往往无法从学生的专业角度出发与实际的经济、金融、管理等内容相结合设计统计案例，或者完全缺乏与实际问题相关的统计案例，很难取得较好的教学效果。例如给金融工程专业的学生讲测定离中趋势的指标标准差时，可以结合股票投资的例子说明标准差度量风险的应用，以引起学生的学习兴趣。

二、《统计学》教学改进措施

1、提高教师素质

大数据对统计学的挑战要求统计学教师必须加强专业学习，及时学习和接受新的知识，提高自身专业素质。作为一名统计学教师，课堂教学不仅要给学生传输知识，还要与网络资源相结合，充分发挥多媒体在统计教学中的作用，形象生动地展示统计过程和分析应用，通过实际的统计数据案例分析与学生互动，及时设置统计理论与实际数据分析相关启发性问题，调动学生的学习兴趣和主动学习积极性。同时，各财经院校要针对各自的具体情况采取有效措施，不定期或定期举办统计学授课经验交流会或送青年教师参加国内一流大学举办的课程培训或进修，为教师提高授课技巧创造有利条件，并注意吸收高学历、高学位的统计专业人才充实到统计教师队伍以提高统计学教师的整体素质。

2、改革教学方法和手段，增强学生学习的主动性和积极性

改变传统教学方式，充分利用网络资源充实多媒体教学课堂内容，调动学生主动学习的积极性和主观能动性，提高学生综合运用统计学方法解决实际问题的能力。在教学过程中采取“讲授式教学”、“启发式教学”、“互动式课堂讨论”、“理论与案例结合”等形式多变的授课方法，以达到学生主动融入课堂、主动思考的更好教学效果。虽然各种教学方法都有不同的特点，但是授课过程中要根据学生的专业特点适当调整教学内容，并根据教学内容的性质和特点选择合适的教学方法或多种教学方法进行优化组合，使学生能够较容易地融入课堂，以快速掌握课堂知识取得较好的教学效果。

虽然多媒体教学具有内容丰富、所含内容信息量大的特点，可以图文并举形象生动地展示课堂内容，已经成为主流教学手段，但是仅用多媒体教学，忽视黑板板书教学，会使得课堂内容含量过大而导致学生的思维跟不上教学进度，特别是统计学课程内容涉及较多数学公式推导和定理证明，不用板书进行严密的推导，不利于学生理解和掌握。因此，在教学过程中应将传统板书教学和多媒体教学相结合，充分利用这两种不同教学方法的优势，达到更好教学效果的目的。

3、积极引进数学专业教师，优化教师知识结构

财经类院校要积极引进数学专业出身教师担任统计学教师，讲授内容上对所涉及的数学理论进行适当的推理证明、补充最新统计方法并适当深入讲解理论在实际应用时的重要性，将理论与实际应用相结合，培养财经院校非统计专业学生的逻辑思维和理论与实践结合的能力，让学生在未来工作中遇到处理实际问题时能够具有较强的理论基础应用于实践，并为实现数据处理方法创新、理论创新和知识创新打下较好的基础。

4、将理论教学与实践相结合，加强软件应用实践教学

财经类院校开设统计学课程的目的是为学生更好地学习专业理论知识提供数量分析的理论与方法，为学生运用统计学的理论与方法分析、研究其专业实际问题提供方法论基础。而统计学正是以经济、金融、社会等实际现象的数量方面为研究对象，通过统计软件直观处理和分析实际问题的方法，因而教学过程中要与学生所学专业相结合，选择SPSS、SAS或R软件进行案例教学，培养学生熟练应用统计软件进行数据分析的能力，为学生将来独立处理大数据问题打下坚实的实践基础。

5、改革传统考核方式

《统计学》是一门侧重实际应用的方法论课程，传统的考核方法主要以闭卷笔试为主，考核内容主要是统计基本理论和方法，通过期末闭卷考试并不能客观准确地评价学生对这门课的掌握程度和实际应用能力，当学生遇到具体的实践问题时往往不知如何处理。因此，有必要对统计学课程考核方式进行改革。可以将学生的期末总成绩从传统的闭卷考试方式改成由平时成绩20%、软件实践30%和笔试成绩50%三部分构成。笔试考核内容突出实用性和工具性，可设置开放试题，重在考核理解而不是死记硬背定理或公式，考查学生综合利用统计知识和方法分析和解决实际问题的能力，使学生不仅学到统计学知识，又能灵活地运用于实际问题。

三、结语

随着大数据时代的到来，社会对具有扎实统计基础的数据分析人才需求越来越多，《统计学》作为数据分析方面重要的基础工具课程，对于财经类学生的专业课学习和毕业论文设计及将来从事金融、管理、经济等行业数据分析相关专业工作十分重要。因此，要提高统计学课程的教学效果和教学质量，任课教师不仅要努力钻研统计基础知识，探索新的统计授课方法，提高自己的综合素质，同时也要勇于探索适合不同专业特色的教学内容，编写符合新时代特征的新的教学案例和多元化的教学手段，在教学活动中不断实践探索，切实加强理论教学与实践教学相结合，改革已有考核方式，提高教学效果和质量。

（基金项目：吉林省教育厅“十二五”社会科学研究基金项目（2015348）。）

【参考文献】

[1] 游传新：高校统计学教学存在的问题与改革思路[J].长江大学学报（社会科学版），2008（5）.

[2] 冯蕊、王国辉：高职财经类非统计专业统计学教学中的问题与思考[J].科技和产业，2010（6）.