期刊在线咨询服务,期刊咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
时间:2022-08-02 20:45:54
导言:作为写作爱好者,不可错过为您精心挑选的10篇计算机大数据论文,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。
(1)学生的计算机应用能力差异大
高等院校的学生来自全国各地,而不同地区的中小学计算机教育水平参差不齐。单一的课堂教学已无法保证所有的学生学得会、学得好,这给教学带来了问题。
(2)教学和实验的学时严重不足
目前,各个高校都在减少课时,教师只能在课堂上和实验中加大讲授的知识量,加快教学进度。当一个教师面对几十个学生时,基础较差的学生往往得不到教师足够的指导和练习时间,这给辅导答疑带来了问题。
(3)学习的结果与过程未被记录下来
学生可以利用丰富的网络资源巩固课堂内容,扩大知识面,加深对知识的理解。在传统教学中,教师往往忽视了学生的课后学习,没有记录学习结果与过程,这给教育过程的改进带来了问题。
(4)目前的网络教学系统很少区分学习个体
网络教学系统能够提供大量的多媒体教学资源,帮助教师进行课后辅导答疑,却很少区分学习个体,导致缺乏个体相关的数据,从而难以提供个性化的指导,这给网络教学系统的智能化带来了问题。这些问题归根结底是数据的问题,是数据没有被有效地规划和整合的问题。我们把与学习过程相关的大量数据收集起来,对这些数据进行分析,挖掘出有价值的信息,最后传递给学习者,这是一种解决计算机基础教育所面临问题的可行方法。
2面向计算机基础教育的大数据
在当前知识大爆炸的时代,人们获取知识的途径不仅仅局限于课堂,更多的是网络资源。当代的大学生接受新生事物更快,更愿意在特定的学习情境下去主动构建知识。因此,大学计算机基础教育需要改革现有的教育模式,将大数据技术融入到大学计算机基础教育中,建立与时俱进的大数据驱动的教育模式可以有效解决上述问题。在大数据时代涌现出大量的网络教学系统,随着这些网络教学系统的推广和普遍应用,使用者数量急剧增加,产生了大量的数据。数据之间可能存在某种联系,对这些联系进行分析和挖掘可能会找到有价值的信息。将有价值的信息展现出来,能够帮助我们做出正确的决策。在人类社会的发展已经由动力驱动转变为数据驱动的背景下,教育正在发生着一场新的变革,大学计算机基础教育也面临着类似的机遇和挑战。通过网络教学系统,可以更加方便地获取和利用大学计算机基础教育相关的各种数据
。大学计算机基础教育涉及的数据主要有以下几种:
(1)课件。课件是文字、声音、图像、动画等素材的集合,帮助教师更加生动地讲解课程内容,主要使用PPT和Flash两种文件。
(2)视频。视频是将教师在课堂上的授课内容录制下来,为学生提供课后学习的方式。学生可以在教学系统中下载或在线学习视频内容。
(3)题目。题目主要用于测试学习效果,包括判断题、填空题、选择题、问答题、程序设计题等各种题型。
(4)问题。学生在学习过程中遇到的问题,通过教学系统提交给教师。这些问题反映了学习的难点,是教师在课堂上需要详细讲解的教学内容。
(5)代码。代码是学生做程序设计类题目时所编写的程序代码。学生编写代码的质量可以由教师评判,也可以由系统自动评判。
(6)行为。行为用来记录学生的学习活动,如课件下载行为、视频点播行为、作业浏览行为、编程行为等。这些行为能够反映出学生的学习情况。
(7)缺陷。缺陷是学生提交的作业中包含的各种错误,反映了学习过程中存在的问题。对教学系统而言,这些数据是进行个性化推荐学习的参考依据;对教师而言,这些数据能够提示教学过程中需要特别关注的地方。
(8)过程。过程是指在教学过程中收集到的一些宏观数据,如课件学习过程、视频学习过程、测试过程等。这些过程能够反映出学生学习的个体差异。
3大数据驱动的新模式
在大数据时代,我们可以利用大数据技术在大量与学习相关的数据中挖掘出有价值的信息。这些信息能够帮助学生更加科学有效地学习,较好地解决当前计算机基础教育面临的问题。因此,我们将大数据技术融入到大学计算机基础教育中,提出一种大数据驱动的计算机基础教育新模式。它是在有效规划和整合计算机基础教育大数据的前提下,为学生提供各种自主学习资源和服务的新模式。学生和教师在使用各种网络教学系统时,输入的数据和学习行为都被系统记录下来。利用大数据技术对记录下来的数据进行分析,挖掘出与学生学习特征相关的数据。这些数据为学生的后续学习提供个性化的推荐,规划个性化的学习路线;向教师反馈学生的学习行为和效果,为后续教学提供个性化的推荐,帮助教师改进教学方法。以在线课程系统、在线编程系统和在线答疑系统为代表的各种网络教学系统目前得到了广泛的应用,这些系统本质上都是大数据驱动。实践证明,这些系统的应用将为学生学习和教师教学提供实质性的帮助。
1)在线课程系统是课堂教学的延伸
大型开放式网络课程MOOC是国际上流行的教学平台。自2013年5月以来,北京大学、清华大学、复旦大学、上海交通大学等国内一流高校纷纷宣布加入MOOC,向全球提供免费的在线课程。MOOC采用云计算架构,提供大量的视频学习资源和人机交互功能。学生提交作业后,系统能自动评判作业的质量,以评估学习效果。MOOC的出现给计算机基础教育带来巨大影响。MOOC解决了学生计算机应用能力差异大的问题,学生不管基础如何,都能找到与之相应的学习内容;MOOC弥补了课堂教学学时不足的问题,学生能在课后随时随地找到学习资源;MOOC能够记录学习的结果与过程以及作业中的错误等,这些对于改进教学方式和调整教学重点等都有意义。
2)在线编程系统是实验环节的补充
随着SaaS技术(软件即服务)的不断成熟,出现了许多功能强大的在线编程系统。这给大学计算机基础教育中的程序设计类课程的实验教学
带来了巨大的帮助。使用在线编程系统进行实验的好处有以下几点:
(1)教师不用在实验室的每台计算机中安装软件,学生通过浏览器就可以编写程序;
(2)学生编写的代码都存储在云端,能上网的地方就能练习编程,并且随时可以修改代码,解决了实验教学学时不足的问题;
(3)在线编程系统主要记录代码和代码编写的过程,能够收集实验过程中与学习相关的数据。国外在线编程系统CodeCademy提供了一种学习编程的新方式。它的用户群是零基础的学习者,所以CodeCademy创设趣味性的学习环境,手把手帮助学习者了解编程的过程。它的在线编辑器能让学习者不用寻找、下载和安装编程环境就可以在网络上编程。在线编程系统不仅为实验教学提供了方便的实验环境,还能收集大量的程序代码和学生的编程行为,有助于分析学生的学习特点与习惯,区分学习个体,为制订个性化学习路线提供有价值的数据。
3)在线答疑系统是课后辅导的平台
学生在学习过程中常常会遇到很多问题,这些问题如果能及时得到解答,就能促进学生更深入地学习;反之,就会影响学生的学习效果和积极性。目前,互联网上已经出现了许多人工解答和自动解答的系统。有代表性的是上海交通大学的远程教育设计中心设计开发的AnswerWeb自动答疑系统,它是一个动态的问题及答案的数据库。学生输入关键词后可以在系统已有的问题和答案数据库中查找相关的材料。如果没有找到答案,则会自动转发给教师请求帮助解答。随后,新的提问和答案将被增加到系统库中。系统会记录所有的问题和答案以及学生提问过程中的行为。在线答疑系统应用到大学计算机基础教育中,解决了教师无法在课后对每位学生进行辅导答疑的问题。同时,利用大数据技术,答疑系统将学生提问和获得解答的行为记录下来,自动的分析这些数据,挖掘学习个体特征,为学生的后续学习提供个性化的推荐。
通过对大数据的汇集、智能分析和挖掘技术,发现数据中的潜在价值信息,帮助人们做出正确决策,这就是大数据产业的利益。国外大数据的起步比较早,比较成功的大数据应用案例有:商业龙头沃尔玛公司通过对消费者的购物数据进行分析,了解顾客的行为喜好,对超市的商品结构进行搭配重置以增加销售额;亚马逊公司通过大数据构建自己的推荐系统,每年可以靠此多收益20%;奥巴马通过大数据分析系统进行数据挖掘,用科学的手段获取选票、募集资金,赢得了总统竞选的胜利。相比于国外,国内的大数据研究和应用还处于起步和发展中的阶段,比较成功的案例有:淘宝数据魔方平台,通过大数据,为买家量身打造完善的购物体验产品;新浪微博大数据产品,通过大量的社交数据,创造不同的社会经济价值等。
1.2云计算的发展
云计算可以像电力资源一样提供弹性的按需服务,事实上它是集合了一系列的服务提供给用户。云计算的核心可分为三个层次,分别为基础设施层、平台层、应用层,如图2所示。云计算将基础设施、软件运行环境、应用程序抽象成服务,具有可靠性高、可用性强、规模可伸缩等特点,满足了不同企业的发展需求,各个云服务提供商根据各自服务对象的差别分别开发了各具特色的云服务。(1)基础设施即服务层基础设施即服务(InfrastructureasaService,IaaS)层通过部署硬件基础设施对外提供服务,用户可以根据各自的需求购买虚拟或实体的计算、存储、网络等资源。用户可以在购买的空间内部署和运行软件,包括操作系统和应用程序。消费者不能管理或控制任何云计算基础设施,但能控制操作系统的选择、存储空间、部署的应用,也有可能获得有限制的网络组件(如防火墙、负载均衡器等)的控制。云服务提供商为了使硬件资源得到更有效的利用,引入了Xen、KVM、VMware等虚拟化技术,使得云服务商可以提供更个性化的IaaS服务。亚马逊弹性云计算(AmazonElasticComputeCloud,AmazonEC2)是亚马逊Web服务产品之一,AmazonEC2利用其全球性的数据中心网络,为客户提供虚拟主机服务,让使用者可以租用云服务运行所需应用的系统。(2)平台即服务层平台即服务(PlatformasaService,PaaS)层是指云计算应用程序开发和部署的平台,包括应用设计、应用开发、应用测试和应用托管,都作为一种服务提供给客户。开发者只需要上传代码和数据就可以使用云服务,而无需关注底层的具体实现方式和管理模式。鉴于PaaS平台的重要意义,国内外厂商根据各自的战略提出了相应的PaaS平台,国外的如GoogleAppEngine(GAE),通过GAE,即使在重载和数据量极大的情况下,也可以轻松构建能安全运行的应用程序。国内也有新浪的SAE(SinaAppEngine)、阿里的ACE(AliyunCloudEnginee)等。(3)软件即服务层软件即服务(SoftasaService,SaaS)层是为云计算终端用户提供基于互联网软件应用服务的平台。随着Web服务、HTML5、AJAX、Mashup等技术的成熟与标准化,SaaS应用近年来发展迅速,典型的SaaS应用包括GoogleApps、SalesforceCRM等。国外云计算平台比较成功的应用案例有:亚马逊电子商务网站根据用户的购买行为和搜索技术搭建Hadoop集群,构建推荐系统;Twitter社交网站搭建Hadoop分布式系统用于用户关联的建立。国内云计算平台的成功案例有:阿里巴巴目前整个集群达到1700个节点,数据容量达到24.3PB,并且以每天255TB的速率不断攀升;2013年,华为推出国内首个运营云平台,目前为止与该平台签订协议的ISV有3000多家。
1.3云计算相关技术
(1)分布式文件系统分布式文件系统(GoogleFileSystem,GFS)[3]是Google公司针对云计算过程处理海量数据而专门设计的。一个GFS集群由一个主节点和多个从节点组成,用户可以通过客户端访问文件系统,进行正常的文件处理工作。在云计算中,海量数据文件被分割成多个固定大小的数据块,这些数据块被自动分配到不同的从节点存储,并会在多个节点进行备份存储,以免数据丢失。主服务器管理文件系统记录文件的各种属性,包括文件名、访问控制权限、文件存储块映射、块物理信息等数据。正是通过这个表,文件系统可以准确地找到文件存储的位置,避免数据丢失,保证数据安全。图3是GFS的体系结构示意,每一个节点都是普通的Linux服务器,GFS的工作就是协调成百上千的服务器为各种应用提供服务。(2)分布式并行数据库BigTableBigTable[4]是一个为管理大规模结构化数据而设计的分布式存储系统,可以扩展到PB级数据和上千台服务器。很多Google的项目使用BigTable存储数据,这些应用对BigTable提出了不同的挑战,比如对数据规模的要求、对时延的要求。BigTable能满足这些多变的要求,为这些产品成功地提供了灵活、高性能的存储解决方案。BigTable采用的键是三维的,分别是行键(RowKey)、列键(ColumnKey)和时间戳(Timestamp)。行键和列键都是字节串,时间戳是64位整型;值是一个字节串,可以用(row:string,column:string,time:int64)string来表示一条键值对记录。(3)分布式计算框架MapReduceMapReduce[5]是Google公司提出的大数据技术计算框架,被广泛应用于数据挖掘、海量数据处理以及机器学习等领域,由于其并行化处理数据的强大能力,越来越多的厂商根据MapReduce思想开发了各自的云计算平台,其中以Apache公司的Hadoop最为典型。MapReduce由Map和Reduce两个阶段组成。用户只需要编写简单的map()和reduce()函数就可以完成复杂分布式程序设计,而不用了解计算框架的底层实现。MapReduce的数据分析流程如图4所示。分布在不同服务器节点上的海量数据首先通过split()函数被拆分成Key/Value键值对,map()函数以该键值对为输入,将该键值对进行函数处理,产生一系列的中间结果并存入磁盘。MapReduce的中间过程shuffle()将所有具有相同Key值的键值对传递给Reduce环节,Reduce会收集中间结果,并将相同的Value值合并,完成所有工作后将结果输出给用户。MapReduce是一个并行的计算框架,主要体现在不同的服务器节点同时启动相同的工作,并且在每个独立的服务器节点上又可以启动多个map()、reduce()并行计算。
2基于云计算的大数据处理
目前大数据处理的基本流程如图5所示,整个流程经过数据源的采集,用不同的方式进行处理和加工,形成标准的格式,存储下来;然后用合适的数据计算处理方式将数据推送到数据分析和挖掘平台,通过有效的数据分析和挖掘手段,找出大数据中有价值的信息;最后通过可视化技术将信息展现给人们。
2.1数据采集存储
大数据具有不同结构的数据(包括结构、半结构、非结构),针对不同类型的数据,在进行云计算的分布采集时,需要选择不同的数据采集方式收集数据,这也是大数据处理中最基础的一步。采集到的数据并不是都适合推送到后面的平台,需要对其进一步处理,例如来源不同的数据,需要对其进行加载合并;数据存在噪声或者干扰点的,需要对其进行“清洗”和“去噪”等操作,从而保障数据的有效性;数据的格式或者量纲不统一的,需要对其进行标准化等转换处理;最后处理生成的数据,通过特定的数据库,如NoSQL数据(Google的BigTable,Amazon的Dynamo)进行存储,方便进行下一步的数据读取。由于传统的数据仓库无法适应大数据的存储要求,目前基于云计算的数据仓库都是采用列式存储。列式存储的数据具有相同的数据类型,可以大大提高数据的压缩率,例如华为的云存储服务MOS(MassiveObjectService)的数据持久性高达99.9%,同时提供高效率的端到端保障。
2.2数据计算模式
这一环节需要根据处理的数据类型和既定目标,选择合适的计算模型处理数据。由于数据量的庞大,会消耗大量的计算资源,因此,传统的计算技术很难使用大数据的环境条件,取而代之的是分而治之的分布式计算模式,具有代表性的几种计算模式的特点见表1。采用批处理方式计算的Hadoop平台,例如,Facebook拥有全球最大规模的Hadoop集群,集群机器目前超过3000台,CPU核心更是超过30000个,可以存储的数据量能够达到惊人的40PB;采用流处理方式计算的Storm平台分布式计算的时延比Hadoop更小;实时处理方式计算的Spark是一种基于内存的计算模式,例如,Yahoo运用Spark技术在广告营销中实时寻找目标用户,目前在Yahoo部署的Spark集群有112台节点和9.2TB内存;交互处理方式计算的Dremel在处理PB级别的数据时耗时可以缩短至秒级,并且无需大量的并发。
2.3数据分析挖掘
数据分析挖掘环节是从海量数据中发现隐藏规律和有价值信息的过程,这个环节是大数据处理流程最为有价值和核心的部分,传统的数据分析方法有机器学习、商业智能等。传统的数据挖掘十大算法[6](其中有K-Means、Na觙veBayes、SVM、EM、Apriori等)在云计算环境下都得到了大幅度的并行优化,在大数据的背景下,计算速度得到了很大程度的提升。现在新兴的深度学习是原始机器学习的一个新领域,动机是在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,这种新的数据分析挖掘技术已经在计算机视觉、语音识别、自然语言处理等领域有了成功的应用。
2.4数据解释展现
将挖掘出来的复杂信息进行数据解释和展现是整个大数据处理流程的最后一个环节,数据分析的结果需要向客户进行恰当的展现。与传统的数据输出和文本展示等方式不同,现在绝大部分的企业都通过引进“数据可视化”技术来展示大数据分析的结果信息,这种方式以图像、动画等方式,形象地向客户展现数据处理分析的结果,也容易被客户理解和接受,更为先进的是,现在逐步形成的“交互式可视化技术”,大大地方便了数据与人之间的“亲密交流”。目前面向大数据主流应用的可视化技术见表2。
3大数据和云计算的未来挑战
大数据需要超大存储容量的计算能力,云计算作为一种新的计算模式,为大数据的应用研究提供了技术支持,大数据和云计算的完美结合,相得益彰,发挥了各自的最大优势,为社会创造了巨大的价值。虽然国内大数据和云计算的研究还是处于初步阶段,但随着研究的不断进行,所面临的问题也越来越多。在大数据向前不断迈进的阶段里,如何让我们对大数据的研究朝着有利于全人类的方向发展成为了重中之重。
3.1重要战略资源
在这个信息社会里,大数据将会成为众多企业甚至是国家层面的重要战略资源。国家层面要将大数据上升为国家战略。奥巴马在2012年3月将“大数据战略”上升为最高国策,像陆权、海权、空权一样,将数据的占有和控制作为重要的国家核心能力。大数据资源也会成为各种机构和企业的重要资产以及提升企业社会竞争力的有力武器。在大数据市场里,客户的各种数据信息都会为企业创造价值,也会在促进消费水平、提高广告效应等方面扮演重要的角色。
3.2数据隐私安全
大数据如果运用得当,可以有效地帮助相关领域做出帮助和决策,但若这些数据被泄露和窃取,随之而来的将是个人信息及财产的安全问题得不到保障。2011年索尼公司遭到黑客攻击,造成一亿份客户资料泄露,经济亏损约1.71亿美元。为了解决大数据的数据隐私安全问题,Roy等在2010年提出了一种隐私保护系统,将信息流控制和差分隐私保护技术融入到云计算平台中,防止MapReduce计算过程中的数据泄露问题。在数据更新飞速的情况下,如何维护数据的隐私安全成为大数据时代研究的重点方向。
3.3智慧城市
人口的增长给城市交通、医疗、建筑等各方面带来了不小的压力,智慧城市就是依靠大数据和云计算技术,实现城市高效的管理、便捷的民生服务、可持续的产业发展。在刚刚结束的“两会”的政府工作报告中,总理也特意强调了智慧城市发展的重要性,目前国家智慧城市试点已遍布全国各地,多达409个。智慧安防、智慧交通、智慧医疗等都是智慧城市应用领域。智慧城市的建设也趋使大数据人才的培养。据预测,到2015年,大数据将会出现约100万的人才缺口,全球将新增440万个与大数据相关的工作岗位来填补这个空缺。
二、大数据与云计算对会计信息化的推进
(一)大数据拓展了会计信息化的资源利用范围。
随着数字化、软件和处理能力的发展,对可利用的数据的范围进行了进一步的扩大,企业必须敏感地认识到不同类型的信息通过深加工后能给企业带来怎样的财富,更要掌握哪些信息可以通过信息化技术和软件的进步来实现。大数据时代,会计信息化不再只针对会计作业上产生的数据进行分析,而且云计算是世界各大搜索引擎及浏览器数据收集、处理的核心计算方式,因此可以通过云计算将零散的数据整合在一起,提炼其有价值的信息,再将这些信息与传统的会计信息融合,挖掘被忽视的重要信息,提高会计管理决策能力和企业管理水平,这样就能从行业中脱颖而出。
(二)促进了会计信息化成本降低。
传统的会计信息化需要企业自身投入大量的基础设施建设,同时还要考虑硬件与软件的升级和维护,这方面是阻碍会计信息化发展的重要原因,特别是对中小企业的发展。而大数据与云计算融合后,用户可以根据自己的利用资源的多少和时间的长短付费,不再需要前期大量的工作和资金投入。这样,企业也能将重点放在自身的发展上,增强竞争优势。
(三)提高了会计信息化的效率。
传统的会计信息化受到时间和地域等条件的限制,这样信息交流不及时,可能错过稍纵即逝的机会,尤其是竞争激烈的大环境下,信息获取的及时性更加重要的。在大数据时代的背景下,提供云计算的会计信息化系统只需通过互联网就能随时随地的实现与客户的沟通,及时地掌握所需的信息。同时,云计算强大的计算能力,可以更快地形成所需的各项指标,管理者能更快的了解企业的经营状况并识别潜在的风险。
三、大数据和云计算对会计信息化的挑战
(一)会计信息化共享平台发展滞后。
目前,企业信息化逐步在向社会信息化发展,各企业在加工处理自己的会计信息时会形成这个行业整体的信息流。通过会计信息化共享平台,各企业可以随时知道自己的企业在整个行业或地区的地区和影响力,了解自己的强势和弱势,不断强化自己的优势并弥补自己的不足,实现动态地对公司的持续改善管理。这一平台需要在云计算的基础上发挥作用,而云计算供应商要求能够满足不同用户、不同地域和不同业务规则的需求,所以对其适应性、扩展性以及灵活性要求比较高。我国在这方面起步比较晚,国内的云计算平台建设滞后,使云会计这种新型会计信息化发展面临很大的阻碍。
(一)云储存服务
在大数据时代的背景下,云储存服务是当今社会有效储存海量数据信息、进行数据信息价值分析与利用的技术。与传统的数据储存技术相比,云储存服务在大大提升自身储存容量,并且能够分类储存不同领域数据的同时,还可以抛弃固定化的储存设备,通过快捷、方便的储存来发挥出该技术协同性、综合性的功能。云储存技术帮助系统利用对数据资源的有效整合来实现提升信息存储效率的目的,同时数据储存较高的安全性也能够为人们日常的工作、生活提供良好的保障。
(二)信息安全技术
由于互联网是大数据处理的基础,其中互联网平台开放度比较高、不同领域数据信息联系紧密,一旦外来病毒、木马攻击互联网平台,部分数据就会受到病毒的感染,并且对其他存在一定关联的数据信息造成不利的连带影响。因此,在大数据时代中需要有互联网信息安全技术来发挥出防护病毒、木马的作用。并且我国还要积极学习发达国家的信息安全技术,通过不断的研究与经验积累来弥补差距,从而也为大数据背景下海量数据信息准确性、安全性的提升作出贡献。
(三)虚拟化技术
虚拟化技术作为资源管理技术的一个分类,能够对各类数据资源进行优化配置,不仅可以为各类不同的场景提供需求,降低了生产管理、资源管理的生产成本,还有效提升了数据资源的利用率。扩展性、可行性、综合性较高的虚拟化技术成为了许多企业与研究机构重点关注的对象,使其在大大降低人力、财力、物力的同时,有利于社会经济效益的可持续发展。因此,在大数据时代背景下,企业要分析自身的发展情况与发展需求,从而顺应时代潮流,做好对虚拟化技术的创新研究,通过较高的科技水平来发挥出虚拟化技术的特点。>>>>推荐阅读:研究高职计算机专业网络教育平台现状
二、大数据下计算机软件技术的具体应用
(一)商业通信领域的应用
由目前情况可知,计算机软件技术在商业通信行业的快速发展中起着十分重要的作用,许多通信工作人员能够通过各类计算机软件技术,来有效分析与记忆所有消费者的不同消费习惯与需求,从而实现用户满意度的提升以及通信企业的良好发展发展。例如,IBMSPSS作为一款测预分析软件,它能够实时掌握用户的信息,通过精准的分析来对用户提供个性化的需求;而功能更加丰富的XO分析软件以通信用户的消费行为基础进行合理的评估报告,不断发掘用户潜在的消费心理,同时它还可以借助网络分析加速器,来检测自身系统存在的问题,并且快速、开心的制定出解决方案。
(二)商业领域的应用
计算机软件技术在商业领域的应用,不仅可以帮助工作人员优化工作结构,做好企业各部门作职责的分配,同时电子商务企业能够借助计算机软件技术来实现数据信息的汇总、处理,从而通过线上或者是线下多种方式促进消费者的消费行为,有利于企业核心竞争力的提高。而在用户信息的管理方面,工作人员可以通过Gognos技术在设备上建立起即时功能平台,用于用户信息的查询。例如,景区里的管理人员能够利用电脑、手机等实时共享设备实现对进出游客的实时控制。
(三)企业信息解决方案方面的应用
在大数据背景下,计算机软件技术还可以用于解决企业在发展过程中容易出现的信息安全问题,管理人员能够通过对数据资料的深入挖掘来掌握准确、有效的市场信息以及风险评估。首先是数据取样环节,企业人员需要在所销售的产品之中随机抽取代表性强的产品,其次是信息收集整合环节,借助计算机软件技术的计算分析来提高结果的可靠性,从而实现帮助企业有效在行业竞争的过程中规避市场风险的目的。
三、结论
结合本文,随着大数据时代的不断发展,计算机软件技术渐渐的与社会上的各行各业有了紧密的联系,在企业行业竞争力的提升中起到了至关重要的作用,并且为各个企业的生产发展提供十分重要的技术保障。因此,计算机软件技术领域应当适应时展要求,以提供优质、安全的数据管理应用为目标,从而在海量数据信息的收集、分析、存储环节中发挥出高效防护、管理的作用,同时还要对计算机信息系统采取有效的措施,充分保障数据信息的安全性。
【计算机硕士论文参考文献】
[1]郝雅萍.基于大数据下计算机软件技术的应用[J/OL].电子技术与软件工程,2019(06):166[2019-04-22].
[2]卢凌.大数据时代下计算机软件技术的应用探索[J].现代工业经济和信息化,2019,9(01):85-86.
【摘要】现阶段,统计学方法在我国企业管理中有广泛应用。本文尝试对统计学方法的诞生以及发展情况进行了简要的分析,同时还对统计学方法在现今大数据时代的应用情况进行了探索。
【关键词】统计学方法发展大数据应用
对于统计学方法来说,诞生的最初只是为了进行单纯的计数以及描述,随着统计学方法的不断发展,其所涉及到的内容更加多样化。在统计学家以及各个领域专家的不懈努力之下,统计学方法正在不断的进步以及完善,在实际应用的过程中也发挥出了较为理想的效果。在现阶段大数据的时代背景之下,对统计学进行深入探究是非常重要的,会对今后多个行业的快速发展起到促进作用。
一、统计学基本发展探析
对世界统计学的发展情况进行分析,会发现,其与科学界的发展趋势较为类似,随着统计学的不断完善,也开始与其他科学进行融合发展。对统计学进行总结,可以发现,其主要具备两个基本结合趋势,即与实质性学科结合的趋势以及与计算机学结合的趋势。对于统计学来说,其与经济学结合发展我国有广泛的应用,并且产生了经济统计这一专业;而统计学与教育的结合产生了教育统计。对于这些分支学科来说,其具有双重属性。一方面是统计学的分支;另一方面是实质性学科的分支。随着计算机信息技术的不断发展,其运算能力不断提升,这也使得大规模的统计调查工作在实际展开的过程中取得了理想效果,不仅保证了数据计算的准确性,同时也保证了计算的高效性。因此,在进行统计学技术研究发展的过程中,与计算机技术的深入结合应用是重要发展途径。通过对计算机软件的有效应用可以使统计计算过程中一些疑难的部分得到有效解决,同时也使得统计计算的展开更加方便。从现阶段我国经济类统计专业的教育情况来看,一方面在对统计方法进行创新教育,另一方面在对学生利用商品化统计软件包装能力进行提升。由此我们可以看出,在今后统计学的发展过程中,势必不能离开计算机技术的支持。在今后统计学相关专业的教育过程中,应该对学生的计算机程序设计以及利用能力进行培养提升,使得在展开统计工作的时候可以通过统计模型的编程来实现。
二、统计学方法在大数据中的应用趋势
(一)统计学方法及相关领域的动态分析
目前,国内外对统计学都有较为广泛的应用,主要应用在教育行业、生产制造行业以及企业管理当中,取得了较为理想的应用效果。根据CNKI数据库中统计方法、机器学习分布情况可以看出,在机器学习领域的论文数量从2013年以后一直呈现出持续增长的势头,并且在2016年超过了统计方法领域的论文数量。由此可以说明,我国在机器学习领域的发展速度正现出稳定提升的趋势,反映了我国在大数据领域研究方面越来越深入,所应用的研究方法也开始呈现出多样化的特点。从总体上来看国内在统计学方法研究过程中已经取得了阶段性的成果,并且其所面临的拐点与国家上的统计学发展拐点基本保持一致,大概都是在2013年开始对大数据以及将其学习等方面有了深入的探究,并且开始逐渐取得突破性的成果。而机器学习方法的论文数量都是在2016年开始超过统计方法的论文数量。但是与此同时,我们也看出其差异性也很明显,国内在统计方面研究的论文以及在机器学习方法方面研究的论文与国际相比较尚且存在较为明显的差距,并且这种差距呈现出了持续性的特点,这也使得我国在这两个领域方面还有很大的发展空间。
(二)统计学方法及相关领域研究方向分析
经过对CNKI数据库中的统计方法以及大数据领域期刊论文分布情况进行分析之后,可以看出,统计方法领域中出现频次最高的是“统计分析”以及“数理统计”、“人工智能”;在大数据领域出现频次较高的是“云计算”、“图书馆”以及“物联网”等关键词。通过上述关键词来看,其所涉及到的内容都是反映当前我国统计以及大数据技术所研究的重点以及热点,同时我们也可以看出,现阶段我国在统计与大数据领域方向的研究存在着一定的重合。在进行的数据研究的时候,需要应用到统计学方法,同时统计学方法在利用的时候往往也需要与大数据进行结合。
(三)统计学方法的发展展望
有数据的地方势必就会涉及到统计学。从17世纪开始,国势学派以及算数学派的争论到今天大数据计算、计算机技术的相互作用,使得统计学的内容正在不断完善,并且其应用领域也在不断扩大,随着大数据时代的来临,使得传统的统计学发展方向发生了一定转变,开始从小样本的统计推断分析走向大数据量的挖掘分析,从而使其所掌控的数据量不断提升。在未来统计学方法发展的过程中,应该注意将统计学与新的数据思维相结合,从而产生一种新型的、应用范围更广的大数据算法。从现阶段我国大数据方法创新发展的情况来看,其与国际研究在深度以及广度上还存在不小的差距,这也恰恰说明了我国在大数据统计学方面还有很大的进步空间。现阶段,国内的大数据研究更多的是停留在信息化产业上,与其他行业的融合发展趋势尚且不明显,这也使得信息服务以及数据产业的创新发展受到了一定影响。在今后统计学发展的过程中,其研究热点势必会从数据分析以及数据发掘向算法方向转移,这样也使得大数据技术与统计学方法二者之间的联系更加紧密。
结束语
综上所述,我国统计学方法在今后发展过程中应该充分考虑到实际需求,积极适应时代变化,现阶段大数据时代已经全面到來,并且大数据技术在我国有广泛应用,在实际应用的过程中取得了较为理想的效果。将大数据与统计方法进行结合可以使统计学方法的作用得到更好的体现,也使得统计学方法不断的进步以及拓展,在大时代背景之下,其功能性得到了更加充分的展现。
统计学毕业论文范文模板(二):线上线下混合式教学在生物统计学教学中的实践与研究论文
[摘要]为提升生物统计学课程的教学水平,针对传统生物统计学教学中的局限,分析和实践基于线上网络教学+线下面授教学的混合式教学模式在生物统计学教学中的应用策略和方法。实践表明,通过线上+线下的互动与教学,能激发学生学习的兴趣与动力,丰富生物统计学的教学形式与内容,促进生物统计学教学质量的提升。
[关键词]线上线下;混合式教学;生物统计学;实践
[作者简介]严明(1981—),女,重庆人,博士,讲师,研究方向:生物技术。
[中图分类号]G642[文献标识码]A[文章编号]1674-9324(2020)25-0273-02[收稿日期]2020-03-18
生物统计学是生物医学类专业的必修课程,学生通过学习本课程掌握实验设计的原理和方法,并学会对实验数据进行统计分析和处理。然而,生物统计学涉及到大量基础理论,单纯通过教师讲解,学生理解度较低,学习效果不佳。如何在有限的课时内,改革传统的以讲授为主的教学方式,有效提高教学效果是生物统计学教学亟待解决的难题。
近年来,随着互联网信息技术的发展,一种基于线上网络教学+线下面授教学的混合式教学模式应运而生。该模式可避免传统教学模式中以教师为主导,学生学习主动性差的缺点,又可克服学生完全在线学习缺乏监管、学习效果不佳的困难。本文尝试将混合式教学方法运用到生物统计学教学中,以期在有限的教学时间内最大限度实现教学目标,提升课程教学效果。
一、线上线下混合式教学的概念及内涵
线上线下混合式教学是一种新兴的教学模式,授课教师利用网络教学平台向学生提供教学视频和课件等教学资源,并设置作业、调查等互动模块,学生利用课外时间自主完成学习任务,并通过平台与教师交流。在线下课堂,教师根据学生在线学习的情况,对疑难问题进行有针对性的讲授,帮助学生理解、掌握教学难点。
线上线下混合教学模式打破了教学的时空限制,学生可以灵活安排学习时间,通过学习在线资料提出问题,并带着问题进行课堂学习,有效提升学习效率。线上线下混合教学还可帮助教师动态掌握学生学习情况,生成客观的过程性评价材料,并丰富课程的教学形式,拓宽教学路径,因此正逐渐成为高等教育领域的一大趋势。
二、生物统计学课程教学面临的困境
1.教学时长受限。目前,本校生物统计学面向生物医学工程和医学信息工程专业开设,每学期共32个课时。由于教学内容抽象,而且学生要通过大量实践才能掌握统计学原理在生物研究中的应用,因此,教学难度高,课堂教学时间很难满足教学需求。
2.教与学不同步。传统教学模式下,教师与学生之间的沟通以课堂为主,教师按照教学安排按部就班地进行教学,对学生需求重視不足;学生缺乏主动反馈的意识,教师很难掌握学生的真实学习状况,教与学处于不同步状态。
上述困境对如何拓展教学时间,完成课程教学并指导学生学以致用提出了新的挑战。
三、线上线下混合式教学在生物统计学教学中的实践探究
1.构建线上教学平台,实现课前线上自主学习。授课教师首先以超星泛雅平台和学习通APP为依托构建线上教学平台。教师在平台上将课程每章的重难点列示出来,搭建课程框架体系,并上传包括课件和教师根据课程知识体系录制的教学视频等资料。教学视频时长控制在15分钟以内,并保证精炼、易懂,让学生不会因视频过长而放弃观看,提高学习时效。同时,在教学平台提供视频配套的课件资料,方便学生下载并配套观看。教师还在平台设置了视频弹幕问答和闯关式章节测试,学生通过答题和测试后才能进入后续章节的学习。
在教学实践中发现,线上教学平台还可以为理论教学提供良好的拓展实践平台。教师可以在线上平台提供实验设计及实验数据分析的实例供学生练习,实现对课时压缩的有效弥补。学生普遍反映网络教学平台十分有利于自主学习,尤其是遇到知识难点时,学生可以通过反复线上观看教学视频来帮助理解,能达到较好的学习效果。
此外,线上教学平台可以通过视频回放次数、测试完成程度等数据统计帮助教师了解学生之间的差异性,既方便教师掌握学生学习状态,分析存在的问题,也为线下课堂教学提供依据,在后续教学中因材施教,满足不同层次学生的个性化学习需求提供依据。
2.线下检测自主学习效果,实施针对性教学。采用线上线下混合模式教学,课堂教学的任务发生转移。教师要集中精力对知识点进行梳理和归纳,并针对重难点以及学生在线上学习过程中的困难进行答疑解惑和查漏补缺。在教学实践中,为完成上述任务,在每个章节的线上学习完成后均安排答疑和小组讨论,让每位学生通过多种方式修正和完善遗漏或理解错误的知识点。全部授课结束后,授课教师向学生发放了关于教学效果的调查问卷,结果显示,78.2%(18/23)的学生认为采用混合式教学方法可以把重要知识点学透,在课堂上有更充裕的时间进行消化吸收,更有利于教学内容的掌握。
在线下教学中,教师还对教学场景进行了编排和优化。教师提供具体的实验案例,并以某一具体实验案例(如抗癌药物筛选)为背景贯穿整个课程教学始终,模拟真实实验场景,让学生从实验参与者的角度设计实验流程、整理实验数据、统计分析和解读呈现的全部流程。帮助学生实践生物学研究提出假说—实验验证—得出结论的基本流程,理解生物统计学对生物学研究的重要指导作用,培养学生知识迁移、应用和分析并解决科学问题的能力。
3.课后回顾学习并提升。在课堂教学完成后,师生的教学活动都还没有结束。教师要对线上线下教学过程中容易出现的问题进行整理总结,并将解决方案到网络平台,供学生回顾性学习。学生要对课堂上遇到的问题,搜集学习资料进一步思考和巩固。教师还要对学生课后学习情况进行挖掘,并根据学生的不同情况进行个性化的学习支持。对于有困难的学生,教师要单独辅导和监管,帮助学生完成课程学习;对于学有余力的学生,可以鼓励学生走进实验室,跟随教师的科研工作,完成真正的动手实践,实现素质提升。最终通过师生配合,完成对课程教学效果的提升。
21世纪以来,世界都已经进入大数据发展时代,人工智能的应用与居民生活息息相关。人工智能就是模仿人类的行为方式和思维模式进行工作处理,它比计算机技术更加具有实用价值。所以,为了迅速提高我国大数据时代人工智能在计算机网络技术中的应用,论文基于此展开详细分析探讨,深入研究人工智能在计算机网络技术中的应用价值。以下主要针对于人工智能计算机的基本内容展开简单分析与探讨:
一、人工智能计算机的概况
利用计算机技术来模仿人类的行为方式和思维模式就叫做人工智能。人工智能,技术的涵盖内容广泛,且创新性高、挑战力度大,它的发展与各学科知识包括信息与计算科学、语言学、数学、心理学等都有关联。人工智能的发展目标是通过计算机技术让本该由人工操作的危险或复杂的工作由人工智能机器代替,从而额实现节约劳动力、减少事故危害发生的情况,进而提高工作效率和工作质量。人工智能的发展形式多样。第一,人工智能可以帮助完善某些较为复杂的问题或是当前还无法解决的问题,若是发生由计算机运算都还无法获得正确模型的情况,此时就可利用人工智能来对该项问题进行有效解决,针对模糊的问题和内容,利用人工智能模式来不断提高网络使用质量。第二,人工智能可以将简单的东西或知识复杂化,得到人们想要的高级程序和数据,从而节约实现,提高工作效率。
二、大数据时代人工智能在计算机网络技术中的应用
(一)数据挖掘技术在计算机网络技术中的应用数据挖掘技术在近几年来越来越受到人们的重视,因为数据挖掘技术是大数据时展的关键技术。利用人工智能技术可研究外界不安全因素的入侵频率,并在网络安全运行的前提下结合网络存贮状态,将研究结果记录保存。之后的工作中,若计算机处于运行情况时发生安全问题,系统会立即给予警告提示,并及时拦截入侵对象。数据挖掘技术其实从根本上来看,就是由人工智能技术和大数据技术的综合发展而来,模仿人类处理数据信息的特征和方式,让计算机实现对数据的批量处理。此外,数据挖掘技术还可与各种传感器融合工作,从而实现技术功效的最大潜力,不断增强计算机系统的功效和实用价值。
(二)入侵检测技术在计算机网络技术中的应用现展迅速,网络科技已成为人们日常生活中至关重要的组成成分,给人们的生活工作带来极大便利,但是其中也潜存很多不稳定因素。所以,网络安全技术的发展是保证网络使用正常工作的重要前提。当前,已经有很多网络机制被运用到保护网络安全的工作中,但是在对网络安全管理时发现仍旧有很多不稳定因素的存在,尤其是现在网络技术的发展迅速,很多手机支付等网络支付方式中会存在支付密码泄露的情况。基于此,在网络计算机安全使用过程中起到良好作用的是入侵检测技术。该技术被使用时,可以对网络中潜存的安全隐患信息及时侦查处理,对其数据信息进行检测,最后将检测结果的分析报告反馈给用户,实现有效检测。入侵检测技术的不断发展和完善,让计算机网络的安全运行得到极大保障,在对计算机网络进行安全检测的条件下,防止网络受到外界环境的干扰。人工智能技术中还可结合人工神经系统高和专家系统网络,实现对实时变化信息的即时监控,切实保障计算机网络技术的安全发展。
计算机网络技术的发展与完善,Internet技术应用领域广泛,并且现在人们生活、学习与工作已经离不开计算机网络。现在人们的需要不断变化,计算机远程网络通信技术需要不断更新以适合现代人们的需要,同时保障计算机远程网络通信。在大数据时代,提高计算机远程网络通信的质量,满足用户的需求是迫切需要解决的问题,在大数据时代,如何提高计算机远程网络通信质量,更新计算机远程网络通信技术,保障用户的需求,给计算机远程网络通信技术的专家和学者提供了机遇和挑战,以适合现代社会发展需要。
1大数据时代计算机远程网络通信技术的优势
计算机远程网络通信技术在应用过程中根据用户的需求不断更新,在大数据技术的应用到计算机远程网络通信技术有一定的优势。首先抗干扰性强,计算机远程通信技术在大数据技术的应用下,保障数据传输的有效性,提高了数据传输的抗干扰性,保障了数据传输的准确性。其次有利于与计算机结合,计算机是计算机远程网络通信的主要工具,在大数据技术的应用下,让计算机与计算机远程通信网络能更好的兼容,能更加有效保障通信的质量与效果。最后具有多样性特点,在大数据技术的应用下,根据用户的不同需要,计算机网络通信技术可以给用户提供多种选择方案,为用户提供多样化服务,满足用户的需要,符合现代社会发展,计算机远程网络通信技术改革为用户需求服务。
2大数据时代计算机远程网络通信技术存在的问题
2.1计算机远程网络通信技术故障
大数据时代计算机远程网络通信在运行的过程中,出现计算机远程网络通信技术问题是一种常见问题。计算机远程网络通信技术故障主要表现其一是物理层出现问题,物理层出现问题一般是接口问题,一旦出现问题影响数据的发送与接收,同时也容易被黑客等进行攻击。其二是网络层出现问题,网络层问题一般是路由器出现问题或网络IP地址出现问题,在网络运行的过程中容易出现网络拥塞现象,对网络通信产生一定的影响。当网络层出现问题还有可能受到病毒的攻击,这会给网络通信起到阻碍作用,在网络通信要注重网络病毒的防治,减少网络病毒对网络通信的攻击。
2.2计算机远程网络通信的速度问题
现在人们的生活、学习与工作离不开计算机网络,计算机远程网络通信的速度是大家关心的问题,数据在网络上传输视频、图片等都有传输失败的现象,这都是计算机远程网络通信出现问题,多数都是由于网络拥塞现象造成的,在计算机远程网络通信带宽增加的过程中,但每年网络用户大量增加,这给网络通信的速度带来一定问题,阻碍了人们的正常网络通信。
3大数据时代计算机远程网络通信技术的革新
3.1对计算机远程网络通信技术进行维护
计算机网络远程通信需要网络设备,网络设备需要进行维护保障计算机网络正常通信。在维护的过程中,主要是根据每个企业的情况对其进行定期的检测和维护,为了更好地对计算机进行维护可以让相关人员每天对机器进行检查,对通信的情况进行评价,每周可以做一次汇报总结,对于出现问题的机器要及时进行检修,这样能够保证整个系统的运行。要保障计算机远程网络通信质量,需要对网络通信设备定期进行检测与维护,同时每台设备最后建立档案,同时每台设备都需要有专人负责,建立一种维修维护责任制。
3.2革新计算机远程网络通信的速度
信息管理与信息系统专业虽然属于管理学,但其主干学科包括计算机科学与技术、经济学、管理学等三个,该专业的综合性、实践性很强,但是目前各高校该专业的实践教学体系不完备,还未自成一家、各具特色,以致毕业生实践能力不突出,特色彰显不够,就业竞争力不强,培养应用型人才是当务之急,核心是要培养学生的应用能力、创新能力和工程素养。要达到本目标,就要大力加强和完善实践教学环节,建立多层次、一体化的实践教学体系。
曲靖师范学院信息管理与信息系统专业从2008年开办至今,已经培养5届学生,一直以来,我们不断加强和完善该专业的实践教学环节,形成了四位一体的实践教学体系,取得了良好的效果。
2实践教学体系的“硬件位”
实践教学体系的“硬件位”强调实验室建设。实验室是开展教研的硬件基础,没有这个基础,一切教研工作就是空中楼阁。我们一直重视信息管理与信息系统专业的实验室建设。采购实验设备的指导思想是实验设备要先进、实用,充分满足学生的学习和教师的教学科研的需要。
该专业已经建成硬件实验室有2个:计算机组成原理实验室、计算机组装与维护实验室,通信与网络实验室有2个:计算机通信实验室、计算机网络实验室,信息管理类的实验室有3个:数字库应用实验室、信息管理与软件实验室、信息技术创新实验室。同时为适应当今云计算、大数据的大趋势,我们投资200多万建立了云计算平台。
这些实验室的更新及新建,能充分满足学生的学习和教师的教学及科研的需要。
3实践教学体系的 “抓手位”
专业技能训练提升学生实践能力的抓手,在学生的整个大学四年期间,为了在不同学期提升学生的综合实践能力,我们开展了贯穿大学4年的专业技能训练。
专业技能训练是实践教学体系的抓手,专业技能训练的目的是根据训练大纲,我们应以项目为驱动来创新该专业的实践教学体系[1],提升学生应具备的专业素养和能力,形成几大子抓手,再作专项的打造。
我院的专业技能训练主要包括两个级别,一是课程设计训练,本训练以课程为依托,制定课程级别的训练大纲和测试方案;二是综合设计训练,训练学生综合能力,要求学生能灵活应用所学课程,完成一个综合性、设计性项目。
3.1 课程设计训练
“课程设计”一个多义词词条。它可以指“为掌握某一课程内容所进行的设计”[2]。课程设计是课程实验的高级环节,课程实验是提升学生立体实践能力的根本,课程实验分为验证性实验、综合性实验和课程设计实验,我们在传统验证性实验的基础上开展课程设计实验,提升学生的课程综合实践能力。
信息管理与信息系统专业的核心课程有6门,分别是:Java程序设计、管理信息系统、数据库原理、计算机网络及实验、管理学、经济学。我们针对这些课程,在编写实验大纲时,就要求编写课程对应的课程设计,设计方案要经过教研室的审核和信息工程学院教授委员的讨论及审定。以审定通过的课程设计为依托,为后续综合实践能力的提升打下坚实的基础。
以《Java程序设计》课程设计为例,课程设计的目的:利用Java语言的语法特性,结合数据结构算法、网络知识、文件处理和数据库等知识完成综合题目的设计和代码实现,并培养锻炼分析程序、撰写报告等能力。
3.2 综合设计训练
综合设计训练的目的是锻炼学生综合所学知识,设计和开发一个小项目的能力。这些项目有“ERP企业应用”、“Oracle运维管理”、“大数据管理”、“Java Web开发”等,这些小项目的训练要基于几门课的知识和技能,如“Java Web开发”就需要学生综合数据库、数据结构、软件工程、计算机程序设计等知识与技能。
综合设计训练要与毕业设计区别开来,此训练的主要目的是让学生体验和掌握项目开发流程,同时锻炼综合应用所学课程来完成一个具体的小项目。
3.3 信息管理与信息系统专业技能训练安排
为鼓励学生多渠道获得技能分,我们规定,学生在校期间,通过全国计算机技术与软件专业技术资格(水平)考试的中级资格、全国计算机等级考试的四级证书、思科(微软、ORACLE、华为、H3C或锐捷)的工程师级别认证、中级会计师,可获得3个学分;通过全国计算机技术与软件专业技术资格(水平)考试的高级资格、思科(微软、ORACLE、华为、H3C或锐捷)的高级工程师级别认证,可获得4个学分。
4实践教学体系的“信息系统开发能力位”
本专业的学生要求具体一定和信息系统开发能力,该能力通过毕业论文(设计)来炼成。毕业论文(设计)是教学过程的最后阶段采用的一种总结性的实践教学环节。通过毕业设计,学生可以综合应用所学的各种理论知识和技能,进行全面、系统、严格的技术及基本能力的练习。[3]毕业论文(设计)是实践教学体系的技能整合,我院对毕业论文(设计)作重大改革,着力打造学生综合实践能力
参加毕业论文(设计)的学生分两部分,一部分在公司实习,同时要在公司完成毕业设计工作,余下的学生在校内完成毕业论文工作,为提高毕业论文(设计)的质量,经向教务处请示,允许我院结合专业实践性强的实际,改革本专业毕业论文(设计)工作。改革思路包括三点,一是我院学生的毕业论文(设计)以毕业设计为主,弱化对学生文本的要求,强化对实践动作能力的提升和检查,二是做好规范管理工作,制定相关文件,如:“信息工程学院毕业论文(设计)工作规定”、 “信息工程学院毕业设计开发文档的撰写与打印规范” 、“信息工程学院毕业设计开发文档”等。
5实践教学体系的“校企合作位”
为提升学生的实习水平,满足用人单位的需求。我们自2013年开始,与四川华迪信息技术有限公司开展毕业实习合作,该公司是一家集软件外包、信息服务、学生专业技能培训为一体的软件公司,在全国小有名气。学生参加校企合作实习有两种类型,一是为期三个月的专业实习,二是为期四个月的就业培训。三个月的专业实习分为软件开发方向和网络方向,软件开发实训重点是提升学生的软件开发实践能力和水平,网络方向的实训重点是提升学生的网络设计、实施、部署能力。
2014年8月18日,中央全面深化改革领导小组第四次会议审议通过了《关于推动传统媒体和新兴媒体融合发展的指导意见》,对新形势下如何推动媒体融合发展提出了明确要求,强调要“推动媒体融合发展,强化互联网思维,将技术建设和内容建设摆在同等重要的位置,积极运用大数据、云计算等新技术,发展移动客户端、手机网站等新应用新业态,不断提高技术研发水平,以新技术引领媒体融合发展、驱动媒体转型升级。” 从西方到东方,从硅谷到北京,大数据的概念正被不断地传播与推广,大数据无疑已成为新技术与和产业聚焦的热点。因此,顺应时代形式、力求创新发展无疑是科技期刊的必行之路,以大数据等新兴技术为契机,加快推进科技期刊数字化建设乃是大势所趋。
1 大数据与数字化出版
1.1 大数据
1.1.1 大数据的发展历程
“大数据”一词首次被提出是在2011年有关机构的研究报告――《大数据:创新、竞争和生产力的下一个新领驭》之中。这份报告研究了数据和文档的状态,同时分析了处理这些数据能够释放出的潜在价值。此后,IBM、甲骨文、EMC、SAP等全球IT巨头纷纷把长期部署的海量数据设备、数据分析、商务智能等硬件、软件与服务以“大数据”这一概念推向战略前沿。大数据发展历程如表1所示。
1.1.2 大数据的涵义
大数据(Big Data)又称为巨量资料或海量资料,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理并整理成为对企业经营决策具有较高参考价值的咨询。大数据具有4V特点,分别是海量化(Volume)、多样化(Variety)、快速化(Velocity)、和价值化(Value)。这些特点预示着大数据将改变目前“IT”架构,将信息界变革的重点由“T(技术)”转向“I(信息)”,以形态多样且富有价值的数据为主体,借助一定的技术,分析得出大量额外的有价值信息和数据关系,帮助指导人们优化自身的决策和行为方式。
1.2 数字化出版
2010年新闻出版总署下发《关于加快我国数字出版产业发展的若干意见》,将数字化出版定义为:“利用数字技术进行内容编辑加工,并用网络传播数字内容产品的一种新型出版方式”。数字出版是一种全新的技术和文化形式,策划、组稿、审稿、编辑加工、出版、发行等各个环节都应在网上完成,是融语义信息、听觉信息、视觉信息、行为信息、符号信息于一体,突破时空、学科、语言的限制,将期刊带入一个超立体空间和多维的环境。数字出版包括了三层递进的含义,基本上反映了学术期刊数字化出版从低到高的演进过程,见图1。
2 大数据时代科技期刊面临的机遇与挑战
2.1 大数据时代科技期刊面临的机遇
2.1.1 有助于期刊出版模式多元
当前,虽然科技期刊数字出版已开发打造,但所提供的资源形态一般仅为文字或者图片,相对较为单一,同时也尚未建立资源之间的关联性。大数据环境下,科技期刊编辑可以通过对海量数据的搜寻与分析,聚合优质资源,并利用数字出版技术、信息技术、知识挖掘技术、大数据分析技术等,了解学术前沿情况,发现研究机构及相关作者的研究现状,进行更深层次的选题策划和组稿,并“协助”各类编辑软件对日常稿件进行筛选、选择审稿专家、、规范基本格式、校对等,快速完成资源的优化,为用户提供多维的资源服务。科技期刊将改变以往以书、文献等为单位的粗放型生产模式,转而强调科研全过程的发表,为作者提供深入的知识服务,实现科技期刊跨学科、跨行业、多角度应用以及多媒体展现。
2.1.2 有助于期刊品牌价值提升
基于大数据的信息分析能够成为科技期刊质量管理、规划和决策等提供对维度的支持,有助于科技期刊品牌价值的提升。要善于利用大数据的预测功能,科技期刊编辑根据对用户行为大数据的全面挖掘和分析,了解用户的关注点和知识需求,预测未来科技的发展趋势,展示学术前沿、热电等,为编辑筛选、评判稿件提供学术依据和技术职称,从而进行针对性约稿,开发学术前沿与热点的专栏等,解决科技期刊内容创新度不高的问题。同时大数据应用过程中,科技期刊编辑可以了解作者近期的研究方向,推测遇到的问题,实现数字期刊的精准推送,一方面提高期刊论文的引用率,一方面培养作者群,扩大期刊的流通范围,均有助于科技期刊品牌价值的提升。
科技论文出版周期长、流通环节不畅、时效性差等问题不仅广被诟病,更直接影响到科技成果的认定、传播和利用价值,以及科技期刊的学术影响力,利用大数据技术对科技期刊编辑工作流程的优化,可以显著提高工作效率,缩短论文的出版周期。大数据时代,作者、编辑、专家等的信息传输和决策行为均纳入了数字化管理轨道,并与中外公共文献数据库实现了链接与共享,这使期刊编辑中的数据互通共享、数据计算分析及数字化作业成为可能,将对优化科技期刊编辑的工作流程提供帮助。科技期刊编辑智能型办公系统将以多维度数据为基础,充分利用计算机网络和人工智能计算工具,以达到减少重复劳动和简单劳动,提升编辑质量与效率,缩短审稿周期,从而最终提高科技期刊的学术影响力。
2.2 大数据时代科技期刊面临的挑战
2.2.1 保密工作更加复杂
当前,科技期刊发展进入数字出版时期,期刊编辑出版的数字化程度日益提高,投稿、审稿均已实现网络化,开放存取平台(如万方、维普及中国知网期刊数据库)日益完善,覆盖的期刊种类日益增多,国际检索系统收纳的中国科技期刊类别也越来越多,同时,媒体融合态势明显,网络平台种类增加,普及到数据库、期刊网站、手机平台等,特别是数字优先出版模式的出现,更是加快了科技期刊的出版速度。在学术指标评价方面,论文作者的学术指标往往以文章公开发表数量、原创性以及是否被EI、SCI等检索为职称评定的关键指标,科技期刊则以期刊被引频次、影响因子、平均引文率、反应速率、期刊他引率、期刊被引半衰期等为指标,这些都是以科技期刊能够网络出版、具有强大的传播能力为前提的。这就直接导致期刊发稿时效加强,科学研究原创性成果上网周期缩短。如果存在科研机构作者保密意识不强,科研成果定密标准认知不一,科技期刊出版单位保密审查不严,即使单篇发表作品看似没有泄密,但在大数据分析技术下,泄密可能性将大幅增加。
2.2.2 期刊数字化建设水平较低
近年来我国科技期刊数字化出版虽然得到了飞速发展,但与国外同行业相比,我国科技期刊数字化出版产业仅处于初级发展阶段,相对落后的数字化建设水平阻碍了大数据在科技期刊业的应用。目前信息的主要传播方式为网络传播,加快推进科技期刊数字化建设将有效促进国内外用户的学术交流与合作,并通过积极向国外同行、国际重要检索机构进行推送,扩大期刊的国际影响力。然而目前,国内很多科技期刊编辑尚对数字技术认识不足,局限于现有的出版模式。同时,科技期刊编辑的数字技术水平也普遍较低,缺乏推进科技期刊数字化建设的自觉意识与主观愿望。
在大数据时代,科技期刊论文的发稿时效和稿件审稿编辑周期都将大大加快,对期刊编辑和身高专家提出了更高要求,有了更高的挑战。因此各个科技期刊编辑部不仅需要建立一支能适应新环境的具有高素质的编辑队伍,还需要一批乐于奉献的高水平审稿专家队伍,在新的大数据环境下,需要作者、编辑和审稿专家协同努力,以适应新的编辑环境。
3 大数据时代科技期刊生存与发展的对策
3.1 以发表优质稿件为宗旨,坚持推进期刊数字化建设
中国传统的科技期刊还处于数字化转型的关键时期,要想在内容、管理等方面实现数据化运作,首先必须彻底推进期刊数字化。科技期刊编辑应主动顺应这一潮流,并在自己的职责范围内推进期刊的数字化改革进程。期刊编辑出版工作者应该站在战略高度,认识到期刊的数字化转型是生产力发展的必然结果,是时展的必然趋势。科技期刊编辑要不断加强建设科技期刊数字化的自觉意识,主动寻找适应数字化出版需求的运营管理模式,从而为建设具有中国特色的数字化出版业做出贡献。但主动迎接大数据给予的发展契机的同时,科技期刊的定位应该是做优秀的内容提供商,因此,科技期刊编辑应认清并巩固自身的核心价值所在,坚持优质稿件的办刊理念。已经起步的数字型编辑普遍存在重技术、轻内容质量的问题。对于大数据的分析使用始终无法代替文化产业属于人的精神创造活动,编辑只有对文字内容资源,包括稿件的收集、编辑加工、知识体系的分类等进行整合和管理,坚守角色定位,专注内容质量和价值提升,大数据才能在科技期刊业得到科学利用和持久发展。
3.2 以保密管理为抓手,坚持贯彻期刊保密审查制度
一是,新闻出版行政管理部门要高度重视。依据《新闻从业人员职务行为信息管理办法》的原则和要求,加强期刊保密审查和监督工作,促使科技期刊出版单位落实保密制度和保密责任。二是,期刊出版单位要高度重视。要在日常管理中健全保密管理、严把保密审查、加强保密教育,通过物理隔离和定期检查等做好稿件各环节的管理,加强对编辑人员的保密警示教育,针对保密审查中发现问题的稿件,要禁止编辑或其他人员通过任何渠道获得或传播稿件。三是,期刊编辑人员要高度重视。编辑要从思想上树立会保密、善保密的坚实防线,应在日常业务中学习保密法律法规知识,牢固掌握保密的相关规定和业务技能,以强烈的责任意识和保密意识认真贯彻执行保密审查制度。
3.3 以传统编辑为基础,坚持提升编辑人员信息素养
首先,科技期刊编辑要搞好选题策划,除了通过参加会议与专家交流获得选题外,还要善于挖掘和借助行业创新库,实现信息的获取、存取、交换、传递和应用,运用技术手段挖掘优质作者、寻找创新点及热点等。其次,科技期刊编辑要搞好稿件审读。编辑虽然不能对工作中涉及的专业领域做深入研究,但应对相关学科、领域的热点问题以及今后的发展趋势具有较强的认知能力,科技期刊的编辑可以借助各类信息平台为专家提供辅助审读依据。如编辑可以根据期刊自身要求,将是否具有创新点作为投稿必要条件,并借助平台提取稿件的创新点。第三,科技期刊编辑要借助大数据平台搞好期刊营销。编辑要运用一定的计算机基础知识(包括数据库、网络、多媒体等计算机应用新技术)将出版物中的文字视为信息符号,将文章进行碎片化处理,得到文章的标题、摘要、创新点、关键词、主要内容、潜在用户等信息。期刊编辑按照不同终端用户需求对碎片进行打包和再加工,通过计算机技术完全能够针对不同用户的不同需求,完成对这些信息符号的不同处理,最后推送给各类终端用户群。
工程上的计算是以函数,尤其是数值函数为基础的。所谓数值函数就是说在函数的定义域中每一点x就可得位移的f{x}值,此值成为f在x处的值。例如,如何表示空气的cp{T,P}函数?我们可以利用计算机,输入程序,就会得到很精确的结果。除了上述问题,还有很多化学工程的数据处理的过程模拟,如:非线性方程求解、线性方程组的迭代求解、常微分方程数值解、偏微分方程数值解等等,都是先建立一个数学模型,然后带入计算机,最终得出一系列结果的。
1.2Office软件在化学工程中的应用
随着计算机的普及,越来越多的人把原本纸上的工作转移到计算机中去了。化学工程学科需要处理大批文档工作。譬如,化工论文的书写、化工文献的编辑、化工产品的说明,这些文档中常常会有大量的图表、公式、特殊符号,会话费人们大量的精力和时间,进而影响新信息的及时传播。有了Office中的Word软件,处理上述问题就方便多了。Word软件能够比较轻松地输入各种文档,还可以对文档进行多种编辑处理。编辑化工论文时经常用到的功能如:
(1)改变字体大小。
(2)随意设定版面。
(3)利绘图工具绘制实验流程图,并修改。
(4)利用公式编辑器编辑数学公式及化学反应式。
(5)可插入表格及页码。
(6)复制和删除方便。Excel工具的强大的分析数据功能可以将数据进行统计,然后将其规律性地展示出来。在处理化工数据时,我们可以利用Excel工具进行求平均值、自编公式计算等。
1.3Origin在化学工程数据处理中的应用
Origin是具有较强功能的实验数据处理软件。可利用Origin进行图形生成,我们可以在软件中输入实验后得到的数据,通过软件得到实验数据曲线图。为利用Origin工具绘制的实验数据图。通过图形或曲线,可以清晰明了地把大数据展示给他人,并从中发现数据之间的规律,以便更好地进行实验。