课堂大数据分析模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇课堂大数据分析，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

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.

篇2

实验教学是培养经管类专业学生实践能力的重要手段。经济管理类专业学生不仅要熟练地掌握理论知识，更要具备较强的实践能力，特别是大数据时代的到来，强调以数据为基础进行研究，并快速做出决策[1]，不仅对掌握大数据思维和技术的人才需求量扩大，而且对经管类专业人才培养提出了新的要求[2]，因此在大数据背景下应充分认识实验教学对经管类专业学生实践技能的重要性，科学全面地构建面向数据分析和管理的实验教学体系，以适应大数据背景下经管类专业人才的培养需求。

大数据扩宽了信息的来源，提高了信息获得的速度，分析对象从传统的结构化数据过渡到非结构化数据，因此对经管人才需要更全面地掌握大数据思维方式和分析流程。对工商管理、企业管理专业而言，需要其更注重利用多种类型的企业运作的数据，通过对其进行整理分析，帮助企业进行业务流程改革，提升企业运营效率，提高经济效益[3]。对于电子商务、市场营销专业而言，应学会利用大数据技术探索新商业模型，分析营销网络，评估投资风险及创新服务模式[4]。而对于和大数据技术紧密相关的信息管理专业来说，需要更全面地从数据采集、分析到数据挖掘多个方面转变传统的数据分析思维，以适应大数据环境下知识管理与智能决策的需要[5]。

1.实验目的不合理，实验设计不当。

目前，对于经管理类专业的大数据实验教学体系还处于基本概念阶段，与科研前沿脱节，实验目标大多只要学生掌握数据采集、统计分析等基本概念和方法，就学会对给定的数据进行分析。但是在大数据环境下，数据分析和挖掘需要针对结构化数据、非结构化数据等用创新性的思维方式解释分析结果，并用于智能辅助决策及知识发现。因此，大数据实验课程应与时俱进地适应大数据的要求，开展多样化、启发式的实验项目，不仅让学生掌握如何收集信息和整理信息，还要解释隐藏在数据背后的潜在规律。

2.实验教学方法和手段陈旧。

传统实验课是学生按照老师的要求和给定的数据，学习各种数据分析方法。实验内容设计单一，没有针对不同知识结构的学生开展有针对性的实验训练项目，学生学习积极性不高。因此，在大数据实验教学中，要以培养学生创新实践能力为主要目标，在教师的帮助下，通过团队协作、自主设计完成。同时，分层次制定针对不同知识结构背景的实验项目，便于学生根据自身的特长和能力自主选择实验项目。

由此可以看出，传统的实验教学已不能满足大数据背景下的经管类专业人才对数据分析和处理的新需求，在实验教学方式、实验教学内容等多方进行创新和改革，才能培养出顺应时代背景的优秀经管类人才。

在大数据背景下，经管类人才应该具备：发现问题的能力，收集整理数据和信息的能力及理解分析数据的能力。对此，我们从教学方式、课程体系、技能与经验三方面入手，开展实验教学改革，以适应大数据时代对于经管人才培养的要求。

3.创新实验教学方式。

大数据时代，书本和课堂不是获取信息的唯一选择，网络资源、各种移动端应用程序等方式都扩展了学生获取信息的方式，在这种情况下，实验教学不仅需要让学生掌握如何搜集、整理数据的技术，还要培养学生观察、分析问题的能力，从而真正调动学生的学习积极性。例如可以提供多种获取大样本数据的渠道，学生组队进行数据分析和挖掘，设计算法，进行相关分析直到最后撰写出分析报告，整个流程全部由学生独立完成。

4.完善大数据实验课程体系的构建。

对于经管类专业的学生而言，实验目的主要是让他们掌握数据分析的主要流程、主要算法的基本原理，具备大数据应用的初步能力。另外，考虑到不同专业的学生知识结构不同，我们构建多层次的经管类大数据实验课程、基础实验，以验证和演示实验为主，强调掌握数据分析工具和分析算法，理解数据分析基本流程。专业实验，以简单设计性实验为主，强调利用现有的数据分析工具，较完整地体验从数据采集、数据整理、数据分析到数据挖掘的全过程，并编写简单的数据分析代码。综合性实验，采用自助式、合作式模式，让学生自己动手收集数据，团队合作分析问题，在实验教师的指导下，综合运用各种数据分析工具，自主设计算法，进行相关分析，直到最后分析报告，初步具备大数据的应用能力。

5.培养专业技能和增加实践活动。

积极开展大数据应用相关的实践活动，提供多种形式让学生参与大数据的实践环节，在提高专业水平的同时，提高实践操作能力。合理利用现有慕课、微课等在在线课程作为实体课堂的有益补充，引导学生深入学数据技术。另外，积极联系软件企业提供各种实习途径和岗位，让学生真正参与与大数据的各种项目开发，强化课堂的理论知识，丰富实践经验，提高专业级技能，有效地提高学生的数据分析能力和数据挖掘能力。

大数据作为近年来的热点研究问题，已经广泛应用于经管类学科当中。经管类专业学生只有更好地掌握并懂得如何利用大数据，才能在大数据时代拥有更多的优势。因此，本文从教学方式、课程体系、技能与经验进行创新，提出切实可行的改革措施，以更好地培养经管类学生的数据分析的专业能力，适应大数据环境下知识管理与智能决策的需要。

参考文献：

[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.

[2]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（9）：35-37.

[3]李永，刘玉红.大数据时代大学生学习模式转变研究[J].长春工业大学学报（高教研究版），2014，35（4）：38-41，100.

篇3

1国内外研究开发现状和发展趋势

1．1现状与趋势

在当今大数据、云计算、物联网和移动互联网等新思路、新技术快速发展的又一历史时期，高等教育面临着前所未有的发展机遇，在经历了网络化、数字化、信息化管理阶段之后，“智慧校园”将是在“互联网＋教育”趋势下最重要的发展思路。随着计算机技术的不断发展，各种系统结构化和非结构化数据以前所未有的惊人速度迅猛增长，“大数据”时代已经到来。大数据是指数据结构比较复杂、数据规模大的数据集合。其数据量已经远远超出了一般数据管理工具可以承受的处理时间以及数据处理及存储管理能力。在当今大数据环境下，高校管理系统的数据结构及数据量发生了巨大的变化。在数据存储、数据管理、数据分析及数据挖掘等方面面临着巨大的机遇和挑战。为了有效地利用大数据为高校决策分析提供更好的服务，必须基于大数据建立相应的数据分析系统。

1．2国内外研究与开发综述

随着大数据的发展和教育信息化的不断深入，基于大数据开展的高校校园数据分析与应用逐步受到重视。对大数据的定义始终没有形成统一的意见。维基百科对大数据（Bigdata）的定义是：所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。麦肯锡全球研究院将大数据定义为：无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合。加特纳（Gartner）于2012年修改了对大数据的定义：大数据是大量、高速、多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。而在高校学生数据的分析应用方面，国内外高校均有开展相关的研究。纽约州波基普西市玛丽斯特学院（MaristCollege）与商业数据分析公司Pentaho合作发起开源学术分析计划，旨在一门新课程开始的两周内预测哪些学生可能会无法顺利完成课程，它基于商业分析平台开发了一个分析模型，通过收集分析学生的学习习惯，包括线上阅读材料、论坛发言、完成作业时长等数据信息，来预测学生的学业情况，及时干预帮助问题学生，从而提升毕业率。上海财经大学基于校园信息化数据基础，开发了校务决策支持系统，面向人才培养、内部管理、科学研究和师生服务等方面开展决策分析；华东师范大学利用校园信息化基础数据，开展了校车人数与载客分布分析，提升了校车使用率；利用一卡通数据开展了贫困生的特征确定、潜在贫困生分析、后续跟踪验证，有效提升了帮困扶贫的工作效率。

2需求分析

结合西安欧亚学院信息化建设基础与海量的数据积累，建立“智慧校园”数据分析系统，通过此平台的建设和应用，运用数据挖掘和知识发现，从而在大数据中获取数据之间内在的相互联系，以及其中可能存在的某种规律，从而有效提升校园管理的决策效率，提升教学科研与管理服务的综合水平。通过调查走访各部门，了解教师、学生与行政管理人员的相关需求。主要包括四个方面：一是教学数据分析需求。包括各分院、招生办、教务处等部门对于招生、学生学习行为、教学质量、学科建设与学生就业等方面的分析。二是生活服务数据分析需求。包括图书馆、后勤等部门对于学生的消费行为即图书借阅、网络行为、资源利用等项目的分析。三是财务、人事、宣传等部门对于全校的资产、师资力量、宣传效果等项目的分析。四是研究发展部门对于全校科研项目与成果完成情况的分析（见图1）。

3系统方案设计

3．1框架设计

结合需求情况，开展系统的总体框架设计，初步将系统分为三大板块，包括数据监测、决策支持和查询定制（见图2）。

3．2系统方案

系统总体架构包括四个层次，分别是数据引擎、数据挖掘、数据库解决方案和交互平台。数据引擎部分将集成校园WIFI、固网、一卡通、教务系统等各类信息系统的数据，形成数据源，数据挖掘将通过分布式计算架构和数据分析平台对潜在数据进行分析与建模，通过数据库建立本系统的分析数据库，最终通过PC、手机等客户端向用户进行呈现（见图3）。

3．3典型应用研究内容

3．3．1教学质量评估教学质量评估属于高校定期必须完成的任务，教学评估的主要目的是更好地发掘出教学过程中存在的一些问题，从而及时地对教学方法进行调整，最终实现教学质量的提升。将大数据运用到高校教学评估系统之中，不但能够在很大程度上提高高校教学管理的科学性，同时还可以提高信息化教学的实用性。把基于大数据挖掘的算法运用在教学评估工作之中，找出教学效果、信息技术在教学中的应用、师生之间的沟通互动等因素之间的联系，从而给高校的教学部门带来非常科学的决策信息，同时让教师可以更加有效地开展教学工作，提高教学质量。

3．3．2教师教学能力分析以往的教学缺乏大量数据支撑，教学的质量高低主要靠教师自我度的把握。现在，可以通过在线课堂等技术，搜集大量课堂情况信息，比如学生对知识点的理解程度、教师课堂测试的成绩、学生课堂纪律等。通过这些数据的分析，了解教师熟悉教案的程度、课堂氛围等，改善教学水平。也可以通过深度分析学生在教学过程中教师的课堂表现，从而发现课程的闪光点以及不足，从而让教师能够进一步地对课程教学进行改善，提升教学质量。

3．3．3个性化课程分析个性化学习是高校教学改革的目标，过去的班级制教学中无法很好达到这一点，通过把大数据挖掘技术和学习内容结合起来，指导学习者规划学习发展方向，制订学习规划，实现个性化学习功能。通过评估个人情况，根据分析结果推荐可能取得优秀成绩的课程方案。首先获取学生以往的学习表现，然后从已毕业学生的成绩库中找到与之成绩相似的学生信息，分析前期成绩和待选课程结果之间的相关性，结合专业要求和学生能力进行分析，预测学生选择的课程中可能取得的成绩，最后综合权衡预测学生成绩和各门课程的重要性，为学生推荐一份专业课程清单。

3．3．4学习行为分析通过一卡通门禁信息、网络信息、课程信息、在线教育系统等相关数据，可以把学生到课堂时间、上课表现、作业完成情况、自习情况等学习信息记录下来，进行变量分析。当一些与学习行为有关的因素（如旷课、纪律问题、课堂表现）发生变化时，对学生提示并进行分析。通过这种系统分析，可以很好地规划学生的学习时间，提高学习效率。

4技术创新点

4．1大数据环境下提升数据挖掘范围

相比于传统常规环境下的数据获取渠道，大数据环境下，校园数据的获取更为广泛和准确。常规环境下的数据主要以经费收支、课程建设、问卷、访谈、课堂观察等来源，而在大数据环境下，通过对事件数据、舆情数据、一卡通、日志搜索等数据的抓取与分析，更能够准确地反映实际校情。

4．2可视化技术展现数据分析结果

利用大数据分析的数据挖掘与可视化分析，能够直观地呈现大数据特点，同时能够非常容易被使用者所接受，就如同看图说话一样简单明了。智慧校园中，结合学生学习、生活消费的各类数据，通过系统分析与图表展现，让用户只管了解数据分析的结果。

4．3数据质量管理提供重要支持

篇4

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

篇5

中图分类号：G434；TP393 文献标识码：A 文章编号：2095-1302（2017）03-0-02

0 引 言

教育部在2015年年度工作要点中明确提出要“继续加大优质数字教育资源开发和应用力度，探索在线开放课程应用带动机制，加强‘慕课’（MOOC）建设、使用和管理。”国家随之确定了“慕课”建设框架，其中涵盖了高职高专等职业教育的内容。国务院参事汤敏老师2015倡导的“慕课最大的空间和机会实际上是在职业教育”，鼓励高职优质慕课资源和平台的建设。此举对于完善终身教育体系，提高国民的职业技术和能力，乃至学习型社会的建设都有重要意义。

目前国内MOOC的研究主要包括MOOC平台建设研究、MOOC教学模式研究、“翻转课堂”实现方式研究等。清华大学、北京大学、北京航空航天大学、复旦大学等很多高水平大学都设置了MOOC，并进行了深入研究。同时，在国家积极倡导“互联网+教育”的时代背景下，更具特色的高职高专院校如何结合自身学科建设特点与优势，发挥“重技能，强能力”的培养特点，提供更优质的开放性远程教育服务是各高职高专院校面临的一项挑战，从大量MOOC课程建设的尝试中探索自己的MOOC之路。

MOOC不是单纯的教师讲课，而是通过网络技术，将课堂教学、学习体验、师生互动等不同教学环节通过编排完整呈现，从而在线产生大量数据。这些大数据中蕴含了大量的对教育教学具有普遍意义的规律和价值，通过对这些慕课大数据进行挖掘与分析，教师可以有效掌握教学规律、预测教育活动、进行教育管理和决策等。

1 高职高专院校慕课物联网建设

目前，大多数高职高专院校都有自己的图书馆，而MOOC学习需要学生进行登录、学习、进行互动等。将MOOC的平台建设与学校已有的图书馆平台相结合，充分利用已有资源，进行统一资源平台登录，可有效降低学校建设MOOC平台的成本，提高资源使用率。MOOC与图书馆统一物联建设平台如图1所示。

统一MOOC教育平台与图书馆系统，学生通过图书馆统一登录账户登录，通过MOOC教室进行MOOC课程在线学习。慕课教育平台包括在线教学、课辅教学、社交媒体（包括微信、QQ等）、知识分析与综合等，最终形成知识的积累信息。

MOOC教学平台与大数据分析平台直接相连，将学生学习记录以及图书借阅记录等提交大数据分析平台进行分析。此外，大数据分析平台还包括数据存储、数据清洗和数据预处理、大数据分析与可视化等功能。

学生可以通过客户端、浏览器及移动端等设备，形成一个综合的物联网技术平台。

2 慕课大数据分析

通过MOOC平台可以获得学校学生对于MOOC课程学习的有效记录，包括学生的学号、姓名、登录时间、下线时间、学习课程名称，学习课程知识点记录、在线互动内容、在线互动次数、做作业次数、做作业时长、做作业成绩、学生考试课程名称，课程期中考试成绩、期末考试成绩、课程综合成绩、课程成绩排名等内容。由于学生使用的是与图书馆平台进行综合统一登录的平台，还可以获取学生的图书借阅情况，如借阅图书名称、借阅日期、还书日期等。

针对获取的学生学习MOOC的综合大数据，需要采用大数据分析平台进行处理。图2所示为基于分布式集群处理的大数据处理平台架构图。平台采用大数据生态圈的Python，数据库采用MongDB，存储动态常用分析所用的数据；数据预处理与存储模块包括用于大数据分布式存储的分布式文件系统（Hadoop Distributed File System， HDFS）和Tachyon分布式内存管理系统，可对获取的数据进行清洗并提供存储服务；在计算处理方面，采用UC Berkeley提出的基于内存计算的Spark。Spark所有作业都在内存中完成，通过分布式弹性数据集（Resilient Distributed Dataset，RDD），Spark能够对作业流程进行扫描并根据作业的先后次序进行优化，加快在内存中的运算速度。利用Spark中的MLlib和Graphx提供机器学习、优化和图计算等方面的功能，并辅以Mahout和Hadoop MapReduce框架进行其他算法的补充；可视化模块以JavaScript为手段，采用D3和Processing将整个过程中产生的相关结果进行可视化展示。

数据挖掘子系统与数据分析子系统是整个框架的核心，整个大数据处理平台以Spark分布式集群为主体，由1台主节点，8台子节点组成，其中主节点与子节点机器均为4核Intel Xeon E7-8837，2.67 GHz，16 G内存，HDFS存储容量为2.5 T。

此外，学生还可以在线下根据自身需求选择不同的教学资源、方式、媒介，亦可自行决定课程学习时间，加之网络论坛的辅助和课上网络平台的使用，使得教学更富成效。

3 计算机媒体类课程慕课的应用推广

针对计算机类课程，通过图1所示的MOOC与图书馆统一资源平台，借助大数据分析平台，对于获取的学生的数据结构、操作系统、程序设计基础等课程的学习数据进行综合处理，得到准确的学生学习喜好模式，及对教师MOOC课程水平进行准确分级。

4 结 语

基于这些计算机类课程大数据分析的结论，梳理出计算机媒体处理类课程MOOC教学的特点，结合MOOC的独特优势与媒体处理类课程需要大量视频、图像、PPT、音频等综合展示的特色，将其他类课程MOOC建设模式和大数据分析的结论，灵活迁移到媒体类课程教学中，帮助教师探寻学生的学习规律，调整教学，提高教学效率，提出具体的教学方法改进措施，使得课程的讲授更加灵活、开放、动态，更加具有针对性，方便教师更好地满足学生个性化学习的需求，真正做到因材施教，取得事半功倍的成效，在减少教师负担的同时，也让学生能够学的更直观，更深入，更扎实。

参考文献

[1]陈向东，王研.大数据时代高职高专MOOCs（慕课）教学模式研究[J].巢湖学院学报，2014，16（6）：155-161.

[2].大数据时代高职院校网络信息化教学模式探究[J].电子世界，2015，18（16）：86-87.

[3]左菊仙，邓坚.大数据时代下的高职院校数字化教学模式探讨[J].科技传播，2015（10）：135-136.

[4]谭勇，刘德周.大数据时代下新型信息化教学模式发展趋势初探[J].西南林业大学学报，2014，34（12）：1-4.

[5]薛玉利.基于MOOC的翻D课堂模式在数字电子技术教学中应用的可行性分析[J].物联网技术，2016，6（9）：94-95.

篇6

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2016）06-0031-03

近二十年来教育领域发生了许多重要的变化，包括教学内容的多元化、教学方法的现代化，这些变化得益于计算机、互联网等信息技术的长足发展。目前，信息技术的另一个制高点――大数据应用领域已经取得了突破性的进展，一个大规模生产、分享和应用海量数据的时代正在开启。

如何有效利用这些数据，使其服务于教育领域，优化教学过程，是教育工作者们亟待解决的问题。本文阐述了数据分析在英语翻转课堂教学中的应用，将标准化学习为主的教学方式转变为以学生为主体的个性化教学。

一、数据分析的概念

本文应用的数据分析技术包括数据挖掘和数据呈现两个方面。

数据挖掘，是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程。

数据呈现，是指经过数据挖掘以后形成的复杂信息，通过技术手段，以直观、清晰的方式呈现给用户，近年来数据可视化是数据呈现的一大热点。

数据可视化技术通过计算机图形图像和数据技术，将数据中隐藏的信息，以交互方式形象生动地展示给用户，辅助用户分析数据，发现数据中隐藏的特征、关系和模式，进而发现其中蕴含的规律。

在本文中，数据分析的对象主要包括：在翻转课堂教学过程中，教师的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库，以及学生在学习过程中产生的状态数据库。

二、英语翻转课堂的特点

“翻转课堂”源于美国的“Flipped Classroom”，是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授，课后学生通过练习消化；而翻转课堂则以学生为主体翻转过来，其模式是课前学生自主学习，课堂上教师引导学生内化知识。

翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识，而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法，引导学生学习的兴趣，让学生通过实践获得更牢固的知识和自主的学习能力。

英语教学与翻转课堂的完美融合，主要表现为以下几个方面：

1.课前自主学习环节

互联网为翻转课堂的课前教学提供了大量的优质教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标，然后通过对互联网教学资源进行筛选形成课程学习资源库，之后在教学平台上，同时鼓励学生自主查阅资料。

学生学习资源后，通过教师的系统化知识自测题，了解自己对知识的掌握程度，检测自主学习的情况，教师也能获得学生整体的课前学习状态情况。

2.课上内化环节

教师对学生群体具有的共性问题进行讲解，课上侧重学生的语言实践，利用团队协作、分组对抗等生动灵活的教学方式，促进学生在课上活学活用，对知识内化。

3.课后拓展环节

教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，巩固学习效果。

三、基于数据分析技术的英语翻转课堂教学

1.可用工具：Excel、Infogr 与大数据魔镜

Excel作为常用的分析工具，可以实现基本的数据分析工作，包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作，特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。

Infogr就是信息（information）和图像（graphic）的有机融合。在其官方网站infogr.am，教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图，其不仅使用门槛低，而且能够使教师和学生在短时间内获得有效的学习状态信息。

在本文中，主要使用Excel和infogr来制作和呈现学生个体学习特征库，并给予个性化指导与建议。学生在阅读自己的图像档案时，会用一种欣赏的态度观看，通过仔细咀嚼启动脑中图像分析的成份，对自己的优点和缺点理解更深刻。

大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点，主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据，将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中，使用大数据魔镜来分析教师资源的内容和组成成分，以及以时间轴为基准的学生学习行为数据库。

篇7

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

篇8

“十二五”期间，我国信息产业迅速扩大、信息技术快速发展、互联网经济日益繁荣，并积累了丰富的数据资源，比如面向公众的政府网站达8．4万个、智慧城市试点近300个、网民数量超过7亿、移动电话用户突破13亿等［1］；技术创新取得了明显突破，应用势头良好，电信、金融、交通等行业利用已积累的数据资源，积极探索行业大数据的应用和行业服务优化；为“十三五”时期我国大数据产业快速发展奠定了坚实基础。目前，大数据在电子商务、金融、物流、电信、医疗、教育、智慧城市等领域的应用蓬勃兴起［2－4］，产业发展如火如荼，以Hadoop、Spark等开源技术为代表的技术发展日新月异［5］。由于大数据技术属于近几年的新兴技术，目前部分高校缺乏高层次的大数据技术专业人才培养的课程体系和师资队伍；同时，大数据不仅是停留在课堂教学层面上的技术知识，更是需要在实践中学习的一项技能，因此为师生提供一个大数据实践教学平台势在必行。

1大数据分析实验室建设的必要性分析

1．1大数据社会产业需求分析

“十三五”时期是我国全面建成小康社会的决胜阶段，是新旧动能转换的关键时期，也是全球新一代信息产业处于加速变革期，以及国内市场需求处于持续增长期。我国大数据产业面临重要的发展机遇，抓住这一机遇，推动大数据产业发展，对提升政府治理能力、优化民生公共服务、促进经济转型和创新发展有重大意义［1］。随着新一代信息技术的迅猛发展，互联网与社会各领域、各行业交融、交汇日益深化，一个以大规模产生、分享和应用数据为特征的大数据时代已经到来。2014年是进入大数据应用市场的快速增长期，同比增长80％以上，2015年后进入平稳增长阶段，预计2018年全球大数据市场规模将达到超过2500亿元，2015—2018年的增长率为21．8％，我国大数据市场规模将超过500亿元，增长率为47．0％，是全球增长率的2．2倍［6］。

1．2学生大数据就业需求分析

目前，大数据在各个行业都得到了充分的重视，也急需大数据方面的人才。大数据人才是一个非常宽泛的概念，根据具体从事岗位不同，技能要求也会不同。从大数据岗位和技能需求的角度来划分，大数据人才分为3类［7］：第一类是数据分析师，要求熟悉大数据的概念和原理，具有一定的数理和统计学知识，能够熟练操作和使用数据软件和工具，是从事大数据的初级人员；第二类是数据工程师，能够开发和搭建数据平台和应用，并且熟悉数据挖掘的流程和原理，为大数据技术应用在各个领域提供解决方案，要求具有软件开发和数据分析的能力；第三类是数据科学家，要求熟悉各种大数据技术的原理和相对的优劣势，合理利用各种技术来设计大数据平台的架构，根据数据挖掘的使用需求和商业理解来设计和开发算法，是对数学、统计学、机器学习等多方面知识的综合掌控的复合型人才，也是大数据分析的高级人才。大数据人才在“领英”（linkedin）和“玻璃门”（glassdoor）等人力资源和招聘网站上，长期处于供不应求的状态。麦肯锡咨询研究指出，到2018年仅在美国，大数据人才短缺就达到50％～60％。今日美国和彭博社等媒体一致认为，大数据人才短缺的问题短期内只会加剧而不会缓解［7］。如何从纷繁复杂的海量数据中提取有用的信息，变数据为财富，挖掘数据中的金矿，提升企业竞争力以及提高企业风险管理水平，是当前企业和院校教育工作的重要课题。

1．3学生理论学习与实践相结合

院校开设大数据相关课程，涉及到的课程内容有数据分析、数据挖掘、编程语言、机器学习等，这些课程均需要学生具备很强的实践动手能力，如果只是停留在理论知识上，学生也只能纸上谈兵。因此，学校在开设大数据课程时，只有为学生提供配套的实践课程，才能真正达到学以致用的目的［8－9］。建设大数据分析实验室，从学生学习角度来讲，迫切性和必要性主要在于以下几点：第一，加强学生对知识的吸收与应用，萌发学生的创新精神，激发学生的学习动力，在实践中，通过有趣并结合实际的案例，提高学生的兴趣和分析问题的能力；第二，有利于提高学生解决问题的实践能力，通过实验室模拟环境，使学生能够将理论知识用于解决实际问题；第三，增强学生的社会适应性与竞争力，通过实际案例及应用场境，使学生毕业后能够很快融入行业环境，掌握和具备相应的技能。

2大数据分析实验室建设目标与建设内容

大数据分析实验室的建设，应最终为该专业人才培养方案中相应的课程服务，而人才培养方案的制订，应该从社会需求和学生实际需要着手［10］，考虑学生学习基础，不能盲目追求高大上。我校为应用型本科院校，注重培养学生的实践动手能力，因此培养方案中课程的制定，也更注重实践部分。对于大数据技术方面，我们侧重于大数据的分析和挖掘，以及大数据技术和应用。课程方面，先从大数据分析和挖掘、大数据技术及应用等相关内容入手，使学生具备数据分析、数据挖掘的基本能力和大数据技术的基本原理，以及应用系统开发的能力。因而大数据实验室的建设，也将从数据分析挖掘算法、Hadoop生态系统及开发2方面进行建设。大数据分析实验室集硬件服务器、云计算技术、大数据技术于一身，便于计算机相关专业开设大数据教学课程。实验室的建设内容将包含以下3方面内容：（1）实验室硬件平台建设：为保证实验环境的整体搭建，需在现有实验室基础设备基础上，配备必要的服务器环境、网络环境，为搭建大数据分析实验教学平台，提供硬件支撑环境。（2）实验教学平台建设：充分利用现有硬件资源，通过Vmware等虚拟化技术构建云中心的资源池，将云存储资源、服务器资源和网络资源整合，在云平台上搭建统一的大数据分析与挖掘和大数据技术及应用的实验课程所需的实验平台。（3）课程资源建设：根据培养方案，开设大数据分析与挖掘、大数据技术及应用2门专业必修课程。为确保理论与实践的紧密结合，培养学生知识应用能力，积累工程项目经验，需要增设以上理论课程的配套实验课。

3大数据分析实验室实施方案

3．1大数据分析实验室建设思路

大数据实验室的建设是一个系统工程，主要服务于学生学习、教师教学；为了充分发挥大数据实验室的功效和作用，可以增加一项增值服务，即在满足学习和教学的基础上，进一步为教师和学生提供科研服务，使得教师可在该平台上进行科学研究和实验，进而反哺教学（见图1）。

3．2大数据分析实验室建设

实验室建设分3步走：（1）为满足教学的迫切需求，首先建设大数据分析教学平台，以及必要的软硬件支撑，如课程资源，可以是真实数据，也可以是模拟数据。在该平台之上建设数据挖掘分析平台和大数据开发教学平台，满足课堂教与学的需求。（2）沙盘模拟系统建设。为了积累更多的行业数据，更好地体现大数据的特性，需要建设沙盘模拟系统，更好地服务于大数据分析和大数据挖掘相关功能的实现和操作。（3）服务科研的高级应用。通过校企合作［11］，引入企业实际工程项目，随着系统的完善和数据的积累，教师和学生可以在该平台上进行其他行业的科学研究和算法优化等工作，一方面服务企业，另一方面也可不断服务创新。

篇9

中图分类号：G64 文献标识码：A 文章编号：1673-9132（2016）34-0040-03

DOI：10.16657/ki.issn1673-9132.2016.34.020

一、引言

随着大数据时代的到来，数据分析在各行业的重要性日益凸显出来。大数据时代要求人才具有极强的“数据视野”、“数据意识”和“数据能力”，即对所处行业数据的形式种类详尽把握，对数据的作用深刻理解，对数据分析方法和分析软件熟练运用。其中“数据能力”是前两者的基础，是实现大数据所有思想和理念的根本保证，是现代经济管理人才的重要基本素养和技能。

我国的财经类院校肩负着为社会培养经济管理类高级专业人才的重任，在大数据时代，社会对于经济管理类高级人才在数据分析方面的要求极大增加，现代经济管理理论的发展趋势也体现出越来越重视数据分析的特点。这要求人才既有深厚的经济管理理论功底，又能够熟练使用数据分析工具对业务数据进行分析，并得到结论。特别是在研究生教育层面，对数据分析能力培养更加重要。

然而，目前在研究生数据分析能力的培养方面各财经类院校均存在着较多的不足。首先是覆盖面小，除各院校的统计学院（或类似学科的学院和专业）外，强调这方面能力的培养的学院和专业较少，导致研究生对数据的运用和分析能力不足；其次是形式单一，主要以课堂教学为主，完全忽视了数据分析的实践性，教学效果不好；再次是教学所用软件平台薄弱，多数使用SPSS，极少数专业学习SAS，对于在学术界和业界非常流行R语言、python等平台则少有涉及。因此，合理设计数据分析类型课程，提高经济管理类研究生在数据分析方面的理论水平与实践能力，是广大财经类高校不得不面对的迫切问题。本文讲就财经类高校数据分析类课程的特点、建设思路和建设方案，结合笔者在教学实践中的一些心得谈一谈自己的看法。

二、财经类高校数据分析课程的特征

数据分析的目的就是从数据中提取有价值的信息，进而形成知识。因此在绝大多数专业领域均有大量的数据分析需求，对人才的数据分析能力均有较高的需求。从财经类高校的专业分布看，可以把对数据分析能力的需求分成三个不同的类型。

第一类是以统计学院、信息学院（或类似学科的学院和专业）。这两类专业的教学主要突出理论性、基础性和方法性，立足于对学生的“数据视野”、“数据意识”和“数据能力”进行全面训练，使学生能够在毕业后在任意领域迅速承担起高级数据分析的任务。

第二类是经济学门类的相关学科。这类学科对于数据分析教学的要求偏重应用，即学生的“数据视野”、“数据意识”，但由于部分专业（如数量经济学）对数据分析能力要求较高，因此对于“数据能力”的培养也需要兼顾。

第三类是管理学门类的相关学科。当前的管理学实践离不开数据，对数据分析教学主要是应用层面的。要求学生具有良好的学生的“数据视野”和“数据意识”，而对于学生的“数据能力”的培养则并没有太高要求。

三、财经类高校数据分析课程建设的思路

基于上述分析，研究生数据分析课程建设应当采取分层设课的原则，基于不同的教学需求，设置不同的课程群。

对于上述第一类专业，需要在专业核心课程群的基础上，重点建设大数据相关课程。如分布式计算、非结构化数据分析、R语言、python语言等。在教学中，案例化教学和上机实操应当成为教学的主要形式，尤其软件类课程应当在机房进行，保证学生有足够时间熟悉操作并能随时与教师互动。

对于上述第二类专业，需要以一门基础课程为先导（如统计学导论），在配合若干专业课与软件课的组合，如计量经济学、时间序列分析、纵向数据分析与Eviews、SAS和R语言的配合。在教学时，理论与实操并重，在实操方面突出学生的软件使用能力训练，SPSS类型的软件不应当成为此类专业的主要数据分析平台（学生应当在学习专业课程时自主学习使用）。

对于上述第三类专业，可以考虑以一门数据分析课程为基础，配合合适的软件平台，同时在其他专业课程教学中突出各个课程的数据分析教学内容和实践环节，既可以基本达到教学目的。这类课程教学的重点在于对数据分析方法模型的理解，切忌死记硬背，同时辅以一定的案例和上机实操。在软件平台使用上，以SPSS这类拥有完善的GUI环境，所见即所得的平台为主，也可以使用R语言强大的图形能力作为演示工具，在演示的同时潜移默化地使学生了解R系统，进而为其进一步学习建立基层。

四、财经类高校数据分析课程建设方案――以R语言课程为例

在上述三类专业的数据分析课程建设中，R语言均扮演了重要角色。因此本部分将以R语言课程为例介绍建设方案。

（一）R语言的优势

R语言作为功能全面地数据分析平台，在国际学术界和业界得到了广泛的认同，是应用最普遍的数据分析软件之一。与其他统计分析平台（如SAS、SPSS、S-PLUS等）相比，R语言具有若干明显的优势：

第一，完全免费，完全开源。与SAS多达几十万元的价格相比，R语言是一个完全免费的平台，且功能同样强大。

第二，安装简便，更新迅速，功能完善。R语言的安装对于硬件的需求很低，且拥有Windows、Mac、Linux等多个平台的版本。并且R通过其大量的程序包实现了功能的扩展，用户总是能通过下载功能包获得最新的分析模块。

第三，R语言是被国际学术界广泛认可，绝大多数国际知名高校都将R作为基本的教学和科研工具。

第四，R语言既是编程语言，又是高度功能化的数据分析平台，同时具有编程语言的灵活性和功能化数据分析软件的易用性。

（二）开展研究生R语言教学的必要性

首先，作为一种编程语言，R语言的教学可以训练学生抽象思维、逻辑思维能力，同时作为一种数据分析平台，R语言可以训练学生数据分析模型的应用能力和实际操作能力，这一功能是其他非语言类软件系统无法实现的。

其次，在研究生教学中开设R语言课程，可以极大提升学生在求职就业、考博和出国深造方面的竞争力。由于R语言在国内外学术界和业界有着巨大的影响，因此熟练掌握R语言无疑会使我们的研究生更加具备竞争力。

（三）研究生R语言教学的现状及改革的迫切性

从当前的教学现状来看，R语言仅仅是少数专业才有的课程。但是基于本人这几年的教学和指导研究生的经验来看，当前我国财经类高校研究生的动手能力较弱。其根本原因之一是缺少数据分析能力的训练。若要在不过分增加研究生课程量的前提下迅速提高研究生这方面能力，R语言这种将抽象思维、逻辑思维、数据分析模型和数据分析实操紧密集合的平台是最好的选择。

（四）R语言教学的内容划分

R语言集合了计算机语言与数据分析系统的特点，既能像SPSS那样通过简单操作即得到结果，又能够项C语言那样进行新功能的开发，尤其是其强大的图形能力，更为数据分析人员提供了强大的数据可视化平台。为了能够为学生全面地讲授上述内容，需要对课时进行合理分配，辅以合理的教学模式和考核模式。下面本文将以48学时的研究生课程为例，介绍R语言课程的基本内容和结构。

1.教学内容和学时分配

第一部分，R语言简介（2学时），介绍R语言的历史、基本操作环境、相关网站、系统本身和软件包的安装方法以及参考书籍等。

第二部分，R语言的数据结构（12学时），介绍向量、因子、索引、数组和矩阵、数据框、列表等概念和相关算法。这部分是后面教学的基础，同时也是R语言区别于其他编程语言的重要方面，在教学时要突出对因子、索引（以及利用索引实现筛选等功能）、数据框等数据结构与数据分析的关系的介绍。

第三部分，R语言的编程结构（12学时），介绍成组、选择和循环三种结构。在这部分教学中，重点在不能按照传统程序设计语言的模式进行教学，要突出数据分析的特征，可以考虑使用R语言自己编制景点统计方法的代码，如最小二乘法、距离判别、快速聚类等。

第四部分，R语言的绘图功能（12学时），介绍高级绘图语句、低级绘图语句、交互绘图语句以及ggplot2软件包等。绘图是R语言的优势，允许使用者自由的定义图形，尤其是ggplot2软件包的出现，更是将R的绘图功能推上了新的高度。这部分不但是上述第一类、第二类专业研究生所需要掌握的内容，也是第三类专业研究生应当了解的内容。

第五部分，R语言的基本统计功能（10学时），经过前述四个部分的教学，学生已经对R语言具有了较为深入的了解，并应该具有独立编制代码的能力。在此基础上，可以进行本部分的教学，即对于使用R语言实现诸如回归分析、多元统计分析、时间序列分析的方法进行介绍。由于这一部分功能均有对应的软件包和函数，因此在软件操作方面非常简单，如果跳过前面几个步骤直接进行这部分的教学会使学生对R语言一知半解，缺少对R语言核心知识的理解。

2.教学及考核方式

由于R语言是一个操作性非常强的语言平台，传统的课堂教学+上机的教学模式会使得理论与实践脱节。因此建议该课程全程在机房进行，这种教学方法的优势有三个方面：

第一，教师讲解更到位。编程类课程重要的是思考过程而不是结果，因此传统的课堂上听讲，上机课练习的模式会使得思考过程与结果脱节。而在机房上课则可以使学生跟随教师的讲解随时练习和实验，使得教学效果更好。

第二，师生互动更容易。学习编程的过程就是不断试错的过程，学生需要不断地从发现错误――解决错误的过程中提高能力，而在这个过程中教师与学生的互动非常重要。

第三，课堂练习更直接。课堂练习在学习编程过程中具有非常高的重要性，传统授课模式下，无法做到当天的学习内容当天联系，是知识技能的掌握不牢，效率低下。

在考核方面，建议采取开卷上机考核的方式。由于R语言的教学具有极大的实践性，因此“会用”才是最终的目的。同时，由于R语言极强的可扩充性，因此单纯地考查学生对于R语言中一些功能代码的记忆没有任何意义，采取开卷的方式，重点考查学生解决数据分析问题的能力的上级考试才能够实现对学生R语言学习水平的测度目的。

五、结论

当今社会已进入大数据时代，任何财经类专业人才的培养脱离了数据分析类教学内容都是不能适应社会需求的。而数据分析课程的理论与实践并重的特点，要求在教学过程中既重视数据分析理论模型的讲解，又重视数据分析平台的训练。只有这样，才能使得财经类人才的培养跟上市场对于人才需求内容的转变，培养出符合市场需要的人才。

篇10

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.