課堂大數據分析精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的課堂大數據分析主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：課堂大數據分析范文

關鍵詞： 實驗教學改革 經管類 大數據

實驗教學是培養經管類專業學生實踐能力的重要手段。經濟管理類專業學生不僅要熟練地掌握理論知識，更要具備較強的實踐能力，特別是大數據時代的到來，強調以數據為基礎進行研究，并快速做出決策[1]，不僅對掌握大數據思維和技術的人才需求量擴大，而且對經管類專業人才培養提出了新的要求[2]，因此在大數據背景下應充分認識實驗教學對經管類專業學生實踐技能的重要性，科學全面地構建面向數據分析和管理的實驗教學體系，以適應大數據背景下經管類專業人才的培養需求。

大數據擴寬了信息的來源，提高了信息獲得的速度，分析對象從傳統的結構化數據過渡到非結構化數據，因此對經管人才需要更全面地掌握大數據思維方式和分析流程。對工商管理、企業管理專業而言，需要其更注重利用多種類型的企業運作的數據，通過對其進行整理分析，幫助企業進行業務流程改革，提升企業運營效率，提高經濟效益[3]。對于電子商務、市場營銷專業而言，應學會利用大數據技術探索新商業模型，分析營銷網絡，評估投資風險及創新服務模式[4]。而對于和大數據技術緊密相關的信息管理專業來說，需要更全面地從數據采集、分析到數據挖掘多個方面轉變傳統的數據分析思維，以適應大數據環境下知識管理與智能決策的需要[5]。

1.實驗目的不合理，實驗設計不當。

目前，對于經管理類專業的大數據實驗教學體系還處于基本概念階段，與科研前沿脫節，實驗目標大多只要學生掌握數據采集、統計分析等基本概念和方法，就學會對給定的數據進行分析。但是在大數據環境下，數據分析和挖掘需要針對結構化數據、非結構化數據等用創新性的思維方式解釋分析結果，并用于智能輔助決策及知識發現。因此，大數據實驗課程應與時俱進地適應大數據的要求，開展多樣化、啟發式的實驗項目，不僅讓學生掌握如何收集信息和整理信息，還要解釋隱藏在數據背后的潛在規律。

2.實驗教學方法和手段陳舊。

傳統實驗課是學生按照老師的要求和給定的數據，學習各種數據分析方法。實驗內容設計單一，沒有針對不同知識結構的學生開展有針對性的實驗訓練項目，學生學習積極性不高。因此，在大數據實驗教學中，要以培養學生創新實踐能力為主要目標，在教師的幫助下，通過團隊協作、自主設計完成。同時，分層次制定針對不同知識結構背景的實驗項目，便于學生根據自身的特長和能力自主選擇實驗項目。

由此可以看出，傳統的實驗教學已不能滿足大數據背景下的經管類專業人才對數據分析和處理的新需求，在實驗教學方式、實驗教學內容等多方進行創新和改革，才能培養出順應時代背景的優秀經管類人才。

在大數據背景下，經管類人才應該具備：發現問題的能力，收集整理數據和信息的能力及理解分析數據的能力。對此，我們從教學方式、課程體系、技能與經驗三方面入手，開展實驗教學改革，以適應大數據時代對于經管人才培養的要求。

3.創新實驗教學方式。

大數據時代，書本和課堂不是獲取信息的唯一選擇，網絡資源、各種移動端應用程序等方式都擴展了學生獲取信息的方式，在這種情況下，實驗教學不僅需要讓學生掌握如何搜集、整理數據的技術，還要培養學生觀察、分析問題的能力，從而真正調動學生的學習積極性。例如可以提供多種獲取大樣本數據的渠道，學生組隊進行數據分析和挖掘，設計算法，進行相關分析直到最后撰寫出分析報告，整個流程全部由學生獨立完成。

4.完善大數據實驗課程體系的構建。

對于經管類專業的學生而言，實驗目的主要是讓他們掌握數據分析的主要流程、主要算法的基本原理，具備大數據應用的初步能力。另外，考慮到不同專業的學生知識結構不同，我們構建多層次的經管類大數據實驗課程、基礎實驗，以驗證和演示實驗為主，強調掌握數據分析工具和分析算法，理解數據分析基本流程。專業實驗，以簡單設計性實驗為主，強調利用現有的數據分析工具，較完整地體驗從數據采集、數據整理、數據分析到數據挖掘的全過程，并編寫簡單的數據分析代碼。綜合性實驗，采用自助式、合作式模式，讓學生自己動手收集數據，團隊合作分析問題，在實驗教師的指導下，綜合運用各種數據分析工具，自主設計算法，進行相關分析，直到最后分析報告，初步具備大數據的應用能力。

5.培養專業技能和增加實踐活動。

積極開展大數據應用相關的實踐活動，提供多種形式讓學生參與大數據的實踐環節，在提高專業水平的同時，提高實踐操作能力。合理利用現有慕課、微課等在在線課程作為實體課堂的有益補充，引導學生深入學數據技術。另外，積極聯系軟件企業提供各種實習途徑和崗位，讓學生真正參與與大數據的各種項目開發，強化課堂的理論知識，豐富實踐經驗，提高專業級技能，有效地提高學生的數據分析能力和數據挖掘能力。

大數據作為近年來的熱點研究問題，已經廣泛應用于經管類學科當中。經管類專業學生只有更好地掌握并懂得如何利用大數據，才能在大數據時代擁有更多的優勢。因此，本文從教學方式、課程體系、技能與經驗進行創新，提出切實可行的改革措施，以更好地培養經管類學生的數據分析的專業能力，適應大數據環境下知識管理與智能決策的需要。

參考文獻：

[1]祝智庭，沈德梅.基于大數據的教育技術研究新范式[J].電化教育研究，2013（10）：5-13.

[2]朱懷慶.大數據時代對本科經管類統計學教學的影響及對策[J].高等教育研究，2014（9）：35-37.

[3]李永，劉玉紅.大數據時代大學生學習模式轉變研究[J].長春工業大學學報（高教研究版），2014，35（4）：38-41，100.

[4]邵舉平，沈敏燕，樊星.大數據時代背景下地方高校研究生教育教學模式改革研究[J].《魯東大學學報》，2015，32（4）：82-85.

第2篇：課堂大數據分析范文

關鍵詞：MOOC；物聯建設平臺架構；大數據；計算機媒體類課程

中圖分類號：G434；TP393 文獻標識碼：A 文章編號：2095-1302（2017）03-0-02

0 引 言

教育部在2015年年度工作要點中明確提出要“繼續加大優質數字教育資源開發和應用力度，探索在線開放課程應用帶動機制，加強‘慕課’（MOOC）建設、使用和管理。”國家隨之確定了“慕課”建設框架，其中涵蓋了高職高專等職業教育的內容。國務院參事湯敏老師2015倡導的“慕課最大的空間和機會實際上是在職業教育”，鼓勵高職優質慕課資源和平臺的建設。此舉對于完善終身教育體系，提高國民的職業技術和能力，乃至學習型社會的建設都有重要意義。

目前國內MOOC的研究主要包括MOOC平臺建設研究、MOOC教學模式研究、“翻轉課堂”實現方式研究等。清華大學、北京大學、北京航空航天大學、復旦大學等很多高水平大學都設置了MOOC，并進行了深入研究。同時，在國家積極倡導“互聯網+教育”的時代背景下，更具特色的高職高專院校如何結合自身學科建設特點與優勢，發揮“重技能，強能力”的培養特點，提供更優質的開放性遠程教育服務是各高職高專院校面臨的一項挑戰，從大量MOOC課程建設的嘗試中探索自己的MOOC之路。

MOOC不是單純的教師講課，而是通過網絡技術，將課堂教學、學習體驗、師生互動等不同教學環節通過編排完整呈現，從而在線產生大量數據。這些大數據中蘊含了大量的對教育教學具有普遍意義的規律和價值，通過對這些慕課大數據進行挖掘與分析，教師可以有效掌握教學規律、預測教育活動、進行教育管理和決策等。

1 高職高專院校慕課物聯網建設

目前，大多數高職高專院校都有自己的圖書館，而MOOC學習需要學生進行登錄、學習、進行互動等。將MOOC的平臺建設與學校已有的圖書館平臺相結合，充分利用已有資源，進行統一資源平臺登錄，可有效降低學校建設MOOC平臺的成本，提高資源使用率。MOOC與圖書館統一物聯建設平臺如圖1所示。

統一MOOC教育平臺與圖書館系統，學生通過圖書館統一登錄賬戶登錄，通過MOOC教室進行MOOC課程在線學習。慕課教育平臺包括在線教學、課輔教學、社交媒體（包括微信、QQ等）、知識分析與綜合等，最終形成知識的積累信息。

MOOC教學平臺與大數據分析平臺直接相連，將學生學習記錄以及圖書借閱記錄等提交大數據分析平臺進行分析。此外，大數據分析平臺還包括數據存儲、數據清洗和數據預處理、大數據分析與可視化等功能。

學生可以通過客戶端、瀏覽器及移動端等設備，形成一個綜合的物聯網技術平臺。

2 慕課大數據分析

通過MOOC平臺可以獲得學校學生對于MOOC課程學習的有效記錄，包括學生的學號、姓名、登錄時間、下線時間、學習課程名稱，學習課程知識點記錄、在線互動內容、在線互動次數、做作業次數、做作業時長、做作業成績、學生考試課程名稱，課程期中考試成績、期末考試成績、課程綜合成績、課程成績排名等內容。由于學生使用的是與圖書館平臺進行綜合統一登錄的平臺，還可以獲取學生的圖書借閱情況，如借閱圖書名稱、借閱日期、還書日期等。

針對獲取的學生學習MOOC的綜合大數據，需要采用大數據分析平臺進行處理。圖2所示為基于分布式集群處理的大數據處理平臺架構圖。平臺采用大數據生態圈的Python，數據庫采用MongDB，存儲動態常用分析所用的數據；數據預處理與存儲模塊包括用于大數據分布式存儲的分布式文件系統（Hadoop Distributed File System， HDFS）和Tachyon分布式內存管理系統，可對獲取的數據進行清洗并提供存儲服務；在計算處理方面，采用UC Berkeley提出的基于內存計算的Spark。Spark所有作業都在內存中完成，通過分布式彈性數據集（Resilient Distributed Dataset，RDD），Spark能夠對作業流程進行掃描并根據作業的先后次序進行優化，加快在內存中的運算速度。利用Spark中的MLlib和Graphx提供機器學習、優化和圖計算等方面的功能，并輔以Mahout和Hadoop MapReduce框架進行其他算法的補充；可視化模塊以JavaScript為手段，采用D3和Processing將整個過程中產生的相關結果進行可視化展示。

數據挖掘子系統與數據分析子系統是整個框架的核心，整個大數據處理平臺以Spark分布式集群為主體，由1臺主節點，8臺子節點組成，其中主節點與子節點機器均為4核Intel Xeon E7-8837，2.67 GHz，16 G內存，HDFS存儲容量為2.5 T。

此外，學生還可以在線下根據自身需求選擇不同的教學資源、方式、媒介，亦可自行決定課程學習時間，加之網絡論壇的輔助和課上網絡平臺的使用，使得教學更富成效。

3 計算機媒體類課程慕課的應用推廣

針對計算機類課程，通過圖1所示的MOOC與圖書館統一資源平臺，借助大數據分析平臺，對于獲取的學生的數據結構、操作系統、程序設計基礎等課程的學習數據進行綜合處理，得到準確的學生學習喜好模式，及對教師MOOC課程水平進行準確分級。

4 結 語

基于這些計算機類課程大數據分析的結論，梳理出計算機媒體處理類課程MOOC教學的特點，結合MOOC的獨特優勢與媒體處理類課程需要大量視頻、圖像、PPT、音頻等綜合展示的特色，將其他類課程MOOC建設模式和大數據分析的結論，靈活遷移到媒體類課程教學中，幫助教師探尋學生的學習規律，調整教學，提高教學效率，提出具體的教學方法改進措施，使得課程的講授更加靈活、開放、動態，更加具有針對性，方便教師更好地滿足學生個性化學習的需求，真正做到因材施教，取得事半功倍的成效，在減少教師負擔的同時，也讓學生能夠學的更直觀，更深入，更扎實。

參考文獻

[1]陳向東，王研.大數據時代高職高專MOOCs（慕課）教學模式研究[J].巢湖學院學報，2014，16（6）：155-161.

[2].大數據時代高職院校網絡信息化教學模式探究[J].電子世界，2015，18（16）：86-87.

[3]左菊仙，鄧堅.大數據時代下的高職院校數字化教學模式探討[J].科技傳播，2015（10）：135-136.

[4]譚勇，劉德周.大數據時代下新型信息化教學模式發展趨勢初探[J].西南林業大學學報，2014，34（12）：1-4.

[5]薛玉利.基于MOOC的翻D課堂模式在數字電子技術教學中應用的可行性分析[J].物聯網技術，2016，6（9）：94-95.

[6]何穎，陳綏陽，林智慧.MOOC創新特質視角下的人才培養新思路[J].物聯網技術，2016，6（9）：98-99.

第3篇：課堂大數據分析范文

關鍵詞：實驗室建設；計算機專業；大數據分析

“十二五”期間，我國信息產業迅速擴大、信息技術快速發展、互聯網經濟日益繁榮，并積累了豐富的數據資源，比如面向公眾的政府網站達8．4萬個、智慧城市試點近300個、網民數量超過7億、移動電話用戶突破13億等［1］；技術創新取得了明顯突破，應用勢頭良好，電信、金融、交通等行業利用已積累的數據資源，積極探索行業大數據的應用和行業服務優化；為“十三五”時期我國大數據產業快速發展奠定了堅實基礎。目前，大數據在電子商務、金融、物流、電信、醫療、教育、智慧城市等領域的應用蓬勃興起［2－4］，產業發展如火如荼，以Hadoop、Spark等開源技術為代表的技術發展日新月異［5］。由于大數據技術屬于近幾年的新興技術，目前部分高校缺乏高層次的大數據技術專業人才培養的課程體系和師資隊伍；同時，大數據不僅是停留在課堂教學層面上的技術知識，更是需要在實踐中學習的一項技能，因此為師生提供一個大數據實踐教學平臺勢在必行。

1大數據分析實驗室建設的必要性分析

1．1大數據社會產業需求分析

“十三五”時期是我國全面建成小康社會的決勝階段，是新舊動能轉換的關鍵時期，也是全球新一代信息產業處于加速變革期，以及國內市場需求處于持續增長期。我國大數據產業面臨重要的發展機遇，抓住這一機遇，推動大數據產業發展，對提升政府治理能力、優化民生公共服務、促進經濟轉型和創新發展有重大意義［1］。隨著新一代信息技術的迅猛發展，互聯網與社會各領域、各行業交融、交匯日益深化，一個以大規模產生、分享和應用數據為特征的大數據時代已經到來。2014年是進入大數據應用市場的快速增長期，同比增長80％以上，2015年后進入平穩增長階段，預計2018年全球大數據市場規模將達到超過2500億元，2015—2018年的增長率為21．8％，我國大數據市場規模將超過500億元，增長率為47．0％，是全球增長率的2．2倍［6］。

1．2學生大數據就業需求分析

目前，大數據在各個行業都得到了充分的重視，也急需大數據方面的人才。大數據人才是一個非常寬泛的概念，根據具體從事崗位不同，技能要求也會不同。從大數據崗位和技能需求的角度來劃分，大數據人才分為3類［7］：第一類是數據分析師，要求熟悉大數據的概念和原理，具有一定的數理和統計學知識，能夠熟練操作和使用數據軟件和工具，是從事大數據的初級人員；第二類是數據工程師，能夠開發和搭建數據平臺和應用，并且熟悉數據挖掘的流程和原理，為大數據技術應用在各個領域提供解決方案，要求具有軟件開發和數據分析的能力；第三類是數據科學家，要求熟悉各種大數據技術的原理和相對的優劣勢，合理利用各種技術來設計大數據平臺的架構，根據數據挖掘的使用需求和商業理解來設計和開發算法，是對數學、統計學、機器學習等多方面知識的綜合掌控的復合型人才，也是大數據分析的高級人才。大數據人才在“領英”（linkedin）和“玻璃門”（glassdoor）等人力資源和招聘網站上，長期處于供不應求的狀態。麥肯錫咨詢研究指出，到2018年僅在美國，大數據人才短缺就達到50％～60％。今日美國和彭博社等媒體一致認為，大數據人才短缺的問題短期內只會加劇而不會緩解［7］。如何從紛繁復雜的海量數據中提取有用的信息，變數據為財富，挖掘數據中的金礦，提升企業競爭力以及提高企業風險管理水平，是當前企業和院校教育工作的重要課題。

1．3學生理論學習與實踐相結合

院校開設大數據相關課程，涉及到的課程內容有數據分析、數據挖掘、編程語言、機器學習等，這些課程均需要學生具備很強的實踐動手能力，如果只是停留在理論知識上，學生也只能紙上談兵。因此，學校在開設大數據課程時，只有為學生提供配套的實踐課程，才能真正達到學以致用的目的［8－9］。建設大數據分析實驗室，從學生學習角度來講，迫切性和必要性主要在于以下幾點：第一，加強學生對知識的吸收與應用，萌發學生的創新精神，激發學生的學習動力，在實踐中，通過有趣并結合實際的案例，提高學生的興趣和分析問題的能力；第二，有利于提高學生解決問題的實踐能力，通過實驗室模擬環境，使學生能夠將理論知識用于解決實際問題；第三，增強學生的社會適應性與競爭力，通過實際案例及應用場境，使學生畢業后能夠很快融入行業環境，掌握和具備相應的技能。

2大數據分析實驗室建設目標與建設內容

大數據分析實驗室的建設，應最終為該專業人才培養方案中相應的課程服務，而人才培養方案的制訂，應該從社會需求和學生實際需要著手［10］，考慮學生學習基礎，不能盲目追求高大上。我校為應用型本科院校，注重培養學生的實踐動手能力，因此培養方案中課程的制定，也更注重實踐部分。對于大數據技術方面，我們側重于大數據的分析和挖掘，以及大數據技術和應用。課程方面，先從大數據分析和挖掘、大數據技術及應用等相關內容入手，使學生具備數據分析、數據挖掘的基本能力和大數據技術的基本原理，以及應用系統開發的能力。因而大數據實驗室的建設，也將從數據分析挖掘算法、Hadoop生態系統及開發2方面進行建設。大數據分析實驗室集硬件服務器、云計算技術、大數據技術于一身，便于計算機相關專業開設大數據教學課程。實驗室的建設內容將包含以下3方面內容：（1）實驗室硬件平臺建設：為保證實驗環境的整體搭建，需在現有實驗室基礎設備基礎上，配備必要的服務器環境、網絡環境，為搭建大數據分析實驗教學平臺，提供硬件支撐環境。（2）實驗教學平臺建設：充分利用現有硬件資源，通過Vmware等虛擬化技術構建云中心的資源池，將云存儲資源、服務器資源和網絡資源整合，在云平臺上搭建統一的大數據分析與挖掘和大數據技術及應用的實驗課程所需的實驗平臺。（3）課程資源建設：根據培養方案，開設大數據分析與挖掘、大數據技術及應用2門專業必修課程。為確保理論與實踐的緊密結合，培養學生知識應用能力，積累工程項目經驗，需要增設以上理論課程的配套實驗課。

3大數據分析實驗室實施方案

3．1大數據分析實驗室建設思路

大數據實驗室的建設是一個系統工程，主要服務于學生學習、教師教學；為了充分發揮大數據實驗室的功效和作用，可以增加一項增值服務，即在滿足學習和教學的基礎上，進一步為教師和學生提供科研服務，使得教師可在該平臺上進行科學研究和實驗，進而反哺教學（見圖1）。

3．2大數據分析實驗室建設

實驗室建設分3步走：（1）為滿足教學的迫切需求，首先建設大數據分析教學平臺，以及必要的軟硬件支撐，如課程資源，可以是真實數據，也可以是模擬數據。在該平臺之上建設數據挖掘分析平臺和大數據開發教學平臺，滿足課堂教與學的需求。（2）沙盤模擬系統建設。為了積累更多的行業數據，更好地體現大數據的特性，需要建設沙盤模擬系統，更好地服務于大數據分析和大數據挖掘相關功能的實現和操作。（3）服務科研的高級應用。通過校企合作［11］，引入企業實際工程項目，隨著系統的完善和數據的積累，教師和學生可以在該平臺上進行其他行業的科學研究和算法優化等工作，一方面服務企業，另一方面也可不斷服務創新。

4結語

第4篇：課堂大數據分析范文

［關鍵詞］大數據;應用型人才;SPOC建設

1大數據的含義

各行各業都存在著大數據，從表面來看，它就是實時性較強、種類較多、數據量大的一個集合，但其真實含義不僅僅如此，大數據的深層含義是在眾多錯綜雜亂的數據中，利用科學方法及時提取出有效的數據，并進行整理和分析，為政府、企業等決策者提供潛在價值的數據。因此大數據時代給《統計學》帶來了更多發展機遇。這就要求《統計學》課程無論從內容上，還是教學方式、教學資源上必須進行改革和完善。

2大數據為人才培養的研究帶來新的發展機遇

《統計學》是一門應用性較強的學科，它是經管類專業的專業基礎課，旨在于培養學生能進行數據收集、數據整理與數據分析的專業技能;從數量的角度去認識經濟變量及經濟變量間的關系，掌握其發展規律，指導實踐的方法論科學。大數據現代信息化擴大了統計學的應用范圍，為統計學的發展帶來新的機遇。

2.1有效提升數據收集的時效性、準確性、全面性

大數據時代出現前，只有當要分析某經濟現象時，才會主動調查收集此方面的數據，且數據的收集只限于人工，查找一下有關的統計年鑒、權威性較強的經濟報告等，遇到一些具體數據沒有的，只能在文章中進行說明，用一些相關的數據去代替，所以說傳統的數據收集來源存在不穩定性，且數據的可靠性較一般，這些特點對數據分析結果存在著一定程度的誤差。但大數據時代的到來，給數據收集帶來了發展的機遇，數據收集的時效性、準確性、全面性得到了大幅度的提升。數據的收集不再僅局限于人工，因為大數據的數據收集是建立在網民在互聯網留存的信息，且數據收集更有針對性、數據質量也更為精確、數據的時效性更高以及數據更加全面。相對于傳統的數據收集，它更加省時、省力和省物。

2.2數據分析結果更加準確

傳統的統計分析在分析總體的規律性時，由于數據收集的有限性，只能對樣本數據進行分析，使用推斷性統計分析方法推斷總體的規律，其結果并不能全面、總體概括數據的整體情況。大數據的出現，為數據分析提供了良好的數據基礎，利用現有的多種統計軟件同時進行多方面的統計分析，對分析對象的了解更全面、更準確，為統計員提供更準確的決策依據。

3人才培養存在的問題

3.1與思想教育長期相互隔離

作為一名高校教師經常會在課堂上問學生們“你喜歡現在自己的專業嗎?”“你對自己的未來有什么規劃?”等問題，但很多同學不喜歡自己的專業，甚至有的學生都不知道自己專業將來畢業后可以做什么，對自已的規劃就更談不上了。這些問題都顯示了高校大學生的思想教育存在著問題，無法樹立正確的人生觀、價值觀和世界觀。而高校的思政教育通常開設了專門的課程，如《基本原理概論》《中國近現代史綱要》《思想和中國特色社會主義理論體系概論》《形勢與政策1－4》，分別設于大學生的前四學期，作為公共基礎課，總學時比例也很高，但由于大學生在學習過程中，對課程的不重視，導致這些課程沒有對大學生的思想教育起到作用。高校的專業課教育雖然經過長期的改革及教師們的努力研究，專業課之間進行了有效的融合講解，但專業課教育長期與思想教育相脫離，這種現象不利于學生的整體發展，也沒有體現出公共基礎課與專業課的相輔相成作用，導致人才培養方案設計的失效。所以大學生的專業課與思想教育融合是勢在必行的。《統計學》課程是高校經管類專業的專業基礎課，講解如何收集數據、整理數據、分析數據、解釋數據，并從數據得出規律性結論的一門學科，提高學生數據分析和解決實際問題的能力，是學生在日后工作中提供經營管理的咨詢、決策、實施管理的工具。《統計學》課程一定要在授課過程中融入“課程思政”元素，發揮《統計學》課程的思政教育功能。

3.2SPOC建設不完善

2020年受肺炎疫情的影響，各大高校紛紛改為以“網上授課”為主。在疫情期間，教師為了監督學生學習，提高學習效果，不斷地更新和探索新的教學方法，向學生推送網絡資源，利用學習通、騰訊課堂等方式進行網絡授課。線上和線下結合的教學模式已成為一種教育的發展趨勢。但疫情期間，《統計學》課程線上教學出現了很多問題，導致學生的學習積極性不強。《統計學》課程的網絡資源很多，但由于各大高校的學情不同，很難從現有的線上資源找到一個適合不同層次學生的網絡資源，尤其對于民辦高校學生來說，其知識基礎薄弱、學習興趣不濃、學習積極性較差，很難固定找到一個網絡資源完全與民辦高校的《統計學》教學大綱培養應用型人才相符。除了向學生推送網絡資源提前預習外，課堂前、課堂中、課堂后提高學生學習的參與率、考核學生在授課后其基本理論知識的掌握程度等也是非常重要。那如何能做到這些有效的監督呢?這就需要高校針對自己的學情進行課程SPOC建設，再以其他網絡資源為輔，可以有效提高學生的主動學習性。而現有的高校《統計學》課程SPOC建設還不完善，甚至有很多高校的《統計學》課程SPOC建設幾乎為零。

4大數據背景下人才培養的建設

4.1與思政教育相結合的建設

(1)理論授課的要點與思政教育的融合。第一，統計學的基本理論包括統計學定義、統計學研究對象、特點、統計學的起源和發展、統計學學科的性質等內容，它與思政教育的融入點為:認識統計學的作用、統計學的發展歷史，以史為鑒可知興替。在原始社會中只是有計數活動;到了奴隸社會為了課稅和征兵，開始對人口進行普查、土地和財產進行統計;到了封建社會，秦漢、唐宋、明清分別對地方田畝和戶口統計、土地調查和計算、人品登記和保甲制度;到封建社會后期和資本主義社會前期，隨著社會生產力發展及分工細化，直到目前已進入大數據時代。第二，統計數據的收集，數據的來源有兩種:直接來源和間接來源。對于間接來源數據，融入“誠實守信，尊重他人勞動成果，為企業一些機密數據保密原則，遵守統計人員的職業道德等”思政教育;對于直接來源數據，要“實事求是，對真實數據產生敬畏，做一個有思想不盲從的統計從業人員等”思政教育。第三，統計學的分析主要有描述性統計和推斷性統計。其中推斷性統計分析的參數估計引入“以點概面、從局部到總體”、假設檢驗引入“事物的對立面”等思政教育。(2)課程思政融入于案例和實踐教學中。檢驗學生對《統計學》課程內容掌握的程度及是否能進行應用去解決經濟問題，最有效的方法就是實訓教學。在實訓教學中，教師以生活熟悉的案例為載體講解統計學各種分析方法在軟件的操作，將學生進行分組，利用學生的好奇心和興趣，讓學生自選一個身邊感興趣的現象作為研究。引導學生們用科學的方法進行問卷調查收集數據，對回收的數據進行細致的審核和整理，此時融入“堅持客觀、嚴謹科學的態度等”思政教育。在整理好的數據進行數據分析時，融入“尊重數據分析的最終結果等”思政教育。在實訓過程中，讓每組學生對所收集的數據中某一問卷中的某一數據進行撰改后數據分析結果與未撰改數據分析結果相比，有何差別，引導學生們去認識數據真實性的重要性，讓學生養成嚴謹、敬業、尊重事實的科學態度，培養他們成為真正熱愛并有職業操守的統計職業人才。

4.2線上SPOC建設

《統計學》課程的SPOC建設針對校內線上資源建設，它的完善會極大提高學生自主學習的能力。作為一名民辦高校《統計學》教師，筆者認為針對我校的學情，此課程的SPOC建設包括線上微課、線上討論、線上答疑的建設。線上微課視頻是指通過“碎片化”教學，將教學過程中的重點、難點和疑點結合實例講解，以教學視頻方式呈現出來，具有針對性強、目標明確和時間短等特點。利用學習通等軟件提前上傳給學生，向學生布置任務，利用軟件的一些功能，監督學生觀看的時間，并設置在學生觀看后，需學生總結出學習視頻內容的心得，即理解內容、不理解內容，也可以提出問題及意見。這不僅可以監督學生學習，提高他們自主學習的時間，也可以為教師后續的課程改革提出方向及依據。線上討論主要是設置在每一章理論課結束后，在線上設計一些案例，并提出任務，讓學生在課后對所提出的案例任務進行線上討論，運用所學的理論知識去解決實際的經濟問題，不僅提高學生理論與實踐相結合能力，還可以提高學生的獨立思考、解決實際問題的能力。教師根據學生在線上討論的參與率及討論效果給予學生平時成績，也體現了各大高校對課程考核成績的一項改革，側重于平時學習的考核。而線上答疑，是利用現代信息技術，在網上進行的一種答疑方式，教師可隨時隨地在線上看到學生的疑問，針對學生的疑問及時進行解答。這種線上答疑方式為學生對重點知識的反復學習和深刻理解提供了及時、較好支持，為其鞏固知識和加強理解給予很大的幫助，提高學生學習積極性，提升其學習興趣。

參考文獻:

［1］胡瑞香.淺談課程思政理念下《統計學基礎》課程教學改革的探索［J］．國際教育，2020(10)．

［2］方萬里.統計學與思政課程同向同行的思考［J］．太原城市職業技術學院學報，2020(11)．

［3］楊瀟偉.大數據對高職統計學教學的影響［J］．產學研經濟，2020(11)．

［4］唐謙.大數據背景下統計學教學改革探討［J］．課程教學，2020(10)．

［5］馬斐斐，尚增振.大數據背景下經管類專業統計學課程教學改革研究［J］．科技經濟導刊，2020，28(33)．

第5篇：課堂大數據分析范文

關鍵詞：大數據；大學計算機基礎；數據分析處理；教學改革

信息化時代，幾乎每個社會人都生活在大數據時代所帶來的便捷之中。接觸最多的就是互聯網，及互聯網興起的眾多服務，例如云計算、社交網絡的使用。這意味著我們無時無刻不在接觸大量的數據[1]。我們接觸的數據種類越來越多，規模越來越大，作為未來社會的主人翁，大學生有必要掌握一定的數據分析和處理能力，以適應時代的發展。大學計算機文化基礎這門課程作為大學生的一門必修的公修課在一定程度上影響著大學生的計算機知識水平。時代的發展對社會人提出了更高的要求，作為大學生必修的計算機文化基礎課程的改革也迫在眉睫。

一、大學計算機基礎課程的教學現狀

目前，除了計算機專業的學生外，中國大多數高校也都將大學生計算機基礎開設為公修課程，以此向非專業的大學生普及計算機基礎知識，使他們掌握一定的計算機基本技能。但是，現在普遍采用的教學思路是教師上課時按照自己的備課教案完成自己的教學計劃，實驗課上再要求學生進行上機訓練[2]。顯然這樣死板的教學現狀極大地降低了學生的學習興趣和對學習的主觀能動性。

二、大數據時代下大學計算機基礎課程教學內容的改革

隨著大數據技術的發展和成熟，大數據技術及其應用必然會成為國內各大高校新開設的重要課程[4]。對于非專業的學生，他們大多學習的是大學計算機基礎這本教材，而該教材主要講的是電腦的基本操作和MSOffice的初級應用，并未涉及關于大數據的知識，所以對教材中的內容可以進行適當的修改，增加關于大數據的章節，使學生更好地了解大數據時代的需求，掌握一定的數據分析和處理能力，不斷培養和提高自己的計算思維和能力。

1.增加大數據基礎及其歷史發展章節。

此章節是對大數據的概念以及其定義、結構、特點、意義、用途的基本描述，同時也會詳細敘述大數據發展的歷史脈絡，使大學生能夠更清楚的了解大數據，進而激發他們學習的興趣和熱情。

2.增加大數據分析技術及其基本操作的章節。

因為在大數據時代下，要求大學生具有極強的數據分析能力，所以要開設相關的章節，向學生教授如何處理和分析數據，使他們能夠適應大數據時代的發展潮流。例如可以向他們介紹HadoopMapReduce、NoSQL數據庫、內存分析、集成設備等與數據分析有關的關鍵技術，不斷擴充他們的知識。

3.增加大數據處理技術及其基本操作的章節。

在大數據時代下，我們要學會處理這些數量龐大、無形的數據資源，將它們應用于實際生活和社會發展規劃的制定上，例如中央電視臺新聞聯播中的數字看兩會一樣，通過對大數據的處理來形象地觀看今年中國的新發展。所以，增加關于大數據處理和分析技術的章節，并通過利用當今社會上通俗易懂的數據分析和處理軟件來讓學生自己動手實踐，使他們掌握并能夠對大量的數據進行分析和處理。本文將SPSS作為數據分析和處理的教學軟件，來讓學生更好地學習對數據的分析和處理能力。SPSS（StatisticalPackagefortheSocialScience）———社會科學統計軟件包，是世界著名的統計分析軟件之一。它使用Windows的窗口方式展示各種管理和分析數據方法的功能，使用對話框展示出各種功能選擇項，只要掌握一定的Windows操作技能，粗通統計分析原理，就可以使用該軟件為特定的科研工作服務。SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等。SPSSforWindows的分析結果清晰直觀、易學易用，而且可以直接讀取EXCEL及DBF數據文件，現已推廣到多種操作系統的計算機上，它和SAS、BMDP并稱為國際上最有影響的三大統計軟件。與國際上幾種統計分析軟件對比，它的優越性更加突出[3]。SPSSforWindows操作簡單，被應用的程度和領域廣泛，因此比較適合作為數據分析和處理知識的教學軟件使用。現在很多國外的知名大學都已經開設了相關的課程，例如大數據分析統計基礎、大數據分布式計算、大數據挖掘與實際應用等。同時中國國內的一些高校也正在嘗試開設一些關于大數據的課程，以此來幫助學生理解大數據，培養大數據的分析與處理技術的能力[5]。

三、大數據時代下高校計算機教學模式的改革

國內大多數高校基本采用的是大學計算機基礎這本教材，盡管該書的內容以及課程結構比較系統全面，但是由于受到學生層次的不同以及教學計劃的限制，致使學生不能真正掌握到知識的精髓。同時，教學模式也是理論與實踐脫節，這就導致上機操作課失去了本來的作用，成為學生玩游戲、聊天的課堂。另一方面大學生來自全國各地，他們對計算機基礎知識和技術的掌握程度有很大不同。這些現實問題促使我們對高校計算機基礎教育的教學模式進行相應的改革和調整，以適應大數據時代下社會的需求。

1.分層教學法。

現在的大學生在掌握計算機基礎知識和基本技能方面存在著參差不齊的現象，所以在計算機基礎教育的教學過程中可以實行分層教學法。采用分層教學法就是對不同程度的學生進行不同層次的教學，其中主要包括講解分層法、練習分層法、作業分層法和輔導分層法。例如練習和作業分層法就是在對不同程度的學生布置課時練習和課后作業時，按難易程度的不同分配給不同層次的學生。采取這種分層教學法，能夠使學生更好地掌握所學的知識，找到適合自身的學習方法，從而能夠更好的提高自己的計算機實際操作能力。

2.案例教學法。

案例是最生動形象的表現，通過呈現案例的方式可以加深我們對相關事物的理解。所以教師在教授知識的過程中適當采取案例教學法，通過實例詳細地給學生進行講解，在講到重難點時可以加以強調。演示完之后提問學生并讓個別學生進行再次演示，考察學生課堂掌握情況。這種方式可以使學生更快地接受相關知識，并且記憶猶新[10]。

3.大數據教學法。

大數據時代下占據主導地位的是無窮的信息，對于這些資源，教師可以在教學模式的改革中充分利用。大數據時代下各大高校都擁有大量關于學生的信息，同時教師也可以對日常教學過程中掌握的學生信息進行詳細分析，從而能夠更好地了解關于學生的家庭情況、學習的努力程度、計算機實際操作的水平、聰明程度以及認知能力的高低等諸多情況。大數據教學法的特點就在于通過這種方式幫助教師更加充分地了解到學生的學習和發展情況，為他們制定適合自身的學習計劃，彰顯個性化，突出學生在學習過程中的主體性。在大數據時代下，提高他們的學習興趣，激勵他們不斷進步，掌握對數據的分析和處理的能力。廣泛意義上講方式就是一種行為模式，對于學生來說學習模式的選擇非常重要，依靠大數據時代下大量的信息對于學生來說就是一種學習的方法和技巧。如果學習方式選擇正確的話，可以達到事半功倍的效果。如果教師在計算機基礎教學中增加關于大數據處理和操作的章節，那么其復雜度和實踐性會進一步加強。除了通過操作通俗易懂軟件讓學生實踐以外，還可以與相關企業進行合作，為學生提供海量的數據資源和模擬環境，使學生與大數據時代下的社會發展接軌，也可以使學生體驗“實習”的感覺。這種教學方法不僅可以增強學生的實際動手能力，而且可以讓學生驗證自己在學校學習的理論知識，進而使他們對這門課程的學習更加地深入[8]。當人們在瀏覽網頁、網絡購物，或者與別人在社交軟件上聊天時[7]，相關的記錄都會被采集，用作數據分析和處理的資源。所以這也要求新時代的大學生擁有極強的數據意識，同時也要具備過硬的數據分析和處理能力以及計算機專業素養。為了使當代大學生更好適應大數據時代的發展，我們以大學計算機基礎這門輻射面最廣，使學生受益最大，同時在學生中廣泛學習的基礎公共課為例[9]，詳細地論述了在大數據時代下大學計算機教育如何進行相應教學內容和教學模式的改革，并且希望我們的研究能夠使大學計算機教育與時代接軌，為社會培養出更多的計算機方面的人才。

參考文獻：

[1]李雯雯，韓仙玉，劉文潔.大數據時代計算機專業教育的探索[J].現代計算機，2014，（10）：54-57.

[2]茍燕，趙希武.大數據時代下基于云平臺的“大學計算機基礎課程”建設[J].內蒙古師范大學學報（自然科學版），2015，（01）：93-95.

[3]甘麗新，涂偉.大數據時代學生信息素養培養的探索[J].科技廣場，2014，（02）：140-144.

[4]張青，孫雪梅.大數據時代背景下的個性化教學[J].遼寧教育，2015，（01）：15-16.

[5]明小波，孫艷玲，劉楊，蘇謙.大數據時代信息類學科專業建設的思考[J].信息系統學報，2014，（13）：112-119.

[6]陶燁，金瑩.大數據時代社科類專業計算機基礎課程改革探究[J].專業與課程建設，2014，（06）：31-34.

[7]隆巖.大數據時代下的高校計算機教學改革[J].學術論壇，2014，（25）：215.

[8]方昕.大數據時代下計算機專業教學的探索[J].研究與設計，2014，（11）：32-34.

[9]李廉.以計算思維為導向深化大學計算機課程改革[J].中國大學教學，2013，（04）：7-11.

第6篇：課堂大數據分析范文

關鍵詞：大數據；大數據技術；教學改革；教學模式

中圖分類號：G424 文獻標識碼：A 文章編號：1009-3044（2015）09-0156-03

Abstract： The big data technologyof information society has made a great influence on the development of people's life and the society， College education combined with the big data technology to reform is the development trend in the future. This paper analyzes the applicationexploration of big data in the domestic and foreign teaching in Colleges and universities， and the influence of big data technology to teaching mode in Colleges and universities.Puts forward the scheme and measures of big data technologies in college Seniorteaching reform exploration.

Key words： Big Data； Big Data Technology；Teaching Reformation；Teaching Model

大數據誕生于人們對數據搜集能力、傳輸能力、存儲能力和處理分析能力的發展和跨越基礎上，已在各行業掀起了變革的巨浪，發展潛力巨大[1]。著名管理咨詢公司麥肯錫認為大數據是大小超出了常規數據庫軟件工具獲取、存儲、管理和分析能力的海量復雜數據集。亞馬孫認為大數據是任何超過了一臺計算機處理能力的數據量。從宏觀角度來講，大數據是融合物理世界、信息空間和人類社會三元世界的紐帶。谷歌借助云計算搜索引擎推動了大數據的應用和發展。在教育領域，在教與學的過程中，也蘊藏著有價值的海量大數據，怎么有效挖掘、分析和利用這些海量數據來促進教學，是當今教育界研究的熱點內容。

未來十年將是一個“大數據”引領的智慧科技時代。隨著QQ、微信等社交網絡的逐漸成熟普及，移動帶寬迅速提升，云計算、物聯網應用更加豐富，更多的傳感設備、移動終端接入網絡，由此產生的數據急劇增長，速度比歷史上的任何時期都要多都要快。IDC在《數字宇宙膨脹：到2020年全球信息增長預測》指出，數字信息每年按幾何級數遞增，到2020年，數據量將超出人們想象，達到40ZB。據麥肯錫數據顯示，2009年美國教育部某信息系統數據庫存儲的數據達到近270PB，入選2009全美十大數據生產貢獻排名，教育已成為大數據重要源泉之一[2]。

教育意味著未來，抓好了教育，就預示著掌握了未來，所以教育始終是民生之本，是國家和政府高度重視的領域，教育改革始終是一個不斷探索的課題。在大數據時代快速推進之際，探索新形勢下的教育體制、模式和方法，對促進我國教育發展具有長遠意義。

1 國內外對大數據在高校教學中的初步探索

大數據技術必將改變我們的生活，也必將推動教育模式產生巨大的變革。2011年秋天，斯坦福大學一門人工智能網上課程受到熱烈歡迎，190多個國家約16萬學生參加學習，2萬多人通過了考試，獲得認證。課程講授者Thrun教授，創辦了在線教育平臺Udacity。斯坦福大學的Ng教授，把自己的課程放到了互聯網上，全球有十幾萬人注冊，在網上聽他的實時講授，同時還和斯坦福大學在校生做同樣的作業、接受同樣的考核。Ng教授2012年4月成立了Coursera，和普林斯頓、斯坦福、密歇根大學和賓夕法尼亞大學等大學結盟，提供社會科學、物理、工程學等課程。2012年11月福布斯發表文章《一個人，一臺電腦，1千萬學生，可汗學院如何重塑了教育》。因為“大數據”的技術背景，哈佛和麻省理工也把課程免費上網，收集最多的學生學習行為數據，研究開發更好的在線教育平臺，強化學校品牌效應。

硬件的高速革新和軟件的高度智能，國內也掀起了新一輪教育信息化的浪潮。清華大學、北京大學、上海交通大學和復旦大學等，也都開始提供免費網絡課程。國內多個省市先后實施了建設教育信息化公共服務平臺，推進數字校園實驗工作，建立 “數字化學習”試點學校，開發“微課程”，試點“微學位”，開展“翻轉課堂”活動、推進1對1“E課堂”教學實踐等一系列教育改革新舉措。

1.3 研究趨勢

現代信息世界已經發酵出第三次工業革命，具體到教育和高等教育領域，云、物聯網和基于云和物聯發展所帶來的大數據趨勢，是變革的技術因素，向大數據時代、知識時代跨越。目前僅就知識而言，教育資源所經歷的平臺開放時代、內容開放時代、校園開放時代是前所未有的。教育發展的未來模式將是：視頻成為主要載體，教育資源極其豐富；翻轉課堂；按需學習；終生學習；不以年齡劃線；距離不再是問題，在學校之外在異地發生等等。

千百年來，知識載體的變化，決定了知識本身的價值。簡牘時代，知識被教師壟斷，師生的等級觀念由此誕生；印刷時代，知識變得廉價，教師的作用變成講授服務；信息時代，知識更容易獲取，教師成為學生的朋友和教學過程信息服務的組織者、主持人和教練。數據挖掘和數據分析軟件可以階段測驗學生表現，幫助教育者研究能夠預測其效果的學習模式。面向服務、面向創新和面向過程成為教育的重點，云和大數據為基礎的教育資源共享、教育模式語言與教育空間設計、學生個性和天性培養成為教育發展趨勢。信息時代大量的知識創造和服務業的興起，行業技能專能和社區教育，將不斷壯大發展。高等院校的教學模式、教學定位等都將有很大的變化，推動高校不斷創新，成為新知識的生產中心，而不是舊知識的傳播中心，催生良好的管理和其他增值服務。

2 大數據對高校教學模式和教學實施的影響

2.1 大數據的4V特性在教育變革中的體現

大數據的4V特性是，Volume（海量的數據規模）、Velocity（快速的數據流轉和動態的數據體系）、Variety（多樣的數據類型）、Value（巨大的數據價值）。現代教育過程將產生大量的教育數據，海量的知識數據，隨著信息技術和通信技術的飛速發展，各種計算機和終端設備實現了前所未有的互聯互通，教育內容實現了跨越時空的自由流通。大數據的實時分析與處理，Hadoop（MapReduce技術的基于Java的開源實現）等非關系型數據管理和分析技術和HadoopDB（MapReduce技術和RDBMS的集成），能加速數據查詢和分析，具有較好的擴展性和容錯性，智慧軟件實時誘導跟進評價學生的在線學習。關系型數據庫處理結構化數據，而現在非結構化數據（用戶評論、應用、位置信息、圖片、音樂、視頻等）占很大比重（約為85%），產生智慧的大數據往往是這些非結構化數據[3]。視頻教學和師生間的網絡互動交流將成為未來教育的重要方式，對學生學習過程的記錄數據，將對學生的教育規劃進行智能化的指導和評價。通過對數據的分析和利用，預測未來發展趨勢，開發有吸引力的應用，將產生巨大的價值，為未來教育帶來創新模式。

2.2 大數據支撐的未來教育將成為一門實證科學（教育的數據化）

與醫療技術比較，原來的醫療靠望聞問切和經驗為病人診治，現代醫學更多的依靠各種檢驗化驗和先進的醫療設備器械，通過報告單、可視化的影像、X光片等精確數據，為疾病的判斷和診治提供科學的依據和證據。盡管病人會抱怨，住院后讓做各種檢查，該做不該做的都做，但也無可否認，在大量診查數據的支撐下，現代醫療技術確實提高了很多，治愈率越來越高，人的壽命不斷延長。

類似的，教育也將不再是單純靠理念經驗的積累和傳承，道德良心自律的學科，而將變成一門實實在在的實證科學[4]。把學生從入校后的所有相關教育信息行為表現，都記錄下來，根據這些數據，分析學生的學習過程和個性特質，將為學生的個性化學習和個人成功提供有力的科學依據。

大數據使得查探學生表現和學習途徑信息成為可能，學生通過在線學習平臺進行學習，其學習行為數據將被記錄，系統后臺根據不斷積累的行為數據對學生進行評估，分析學生的思考習慣和思維模式，創建心理測量圖，根據學生的學習進展調整之后的學習內容和重點。實時記錄學生的量化學習過程（上課、讀書、記筆記、作業、討論、考試、考評等）和實驗的過程結果等，這些數據將作為課程最后考評的重要參考依據。通過聚焦于數據分析，教師可以用更有效的方式研究學生學習狀況和學習效果[5]。

2.3 未來教育在技術上的演進

2.3.1 教育技術的演進

教育經歷了PC時代的數字化教育（傳統的板書變成了PPT投影）、互聯網時代的社會化教育（知識的獲取更加便利和普及，知識傳播更加迅捷）、移動互聯網時代的范在化教育（教育不再受時間和空間的限制），現在進入了大數據時代的個性化教育（視頻將作為知識傳播的主要載體）。傳統網絡教育、遠程教育、網上學堂只是把教育教學轉換為視頻，通過網絡傳播，使學生異地學習，只是學習內容的網絡化跨地域化。

大數據教育依托網絡技術和大數據分析，將有更多的教育手段、要求、方式和內涵等，更注重學生的因材施教、個性化培養、突出個體差異化發展和成功。哈佛、MIT、斯坦福、耶魯、普林斯頓、伯克利、賓夕法尼亞大學等紛紛把自己的課程免費上網。新一代的在線學習平臺和過去的重要區別，在于增加了行為評價和學習誘導的成分，向全世界開放，讓最多的學習者在上面學習、使用，同時可以收集最多的數據，使用、研究、分析學習者的行為模式。

未來大部分的老師，是課堂的組織者、學習的引導者、學生學習行為的分析者，而不是知識的講授者。網絡、視頻和智能軟件，為每一個學習者搭建起一個學習情境，對學習者的學習過程和行為提供持續性的誘導、評價和支持，幫助其培養科學有效的學習方法和習慣等。數據在網上自動整合和跳轉，向學生推送學校信息和建議。學生可以和其他學習者交流互動，尋求有效幫助。普適計算的浪潮，網絡終端將無處不在，學生可以在任何可以聯網的地方學習，而到學校去，則主要是做作業、答疑、討論、考評等。

2.3.2 大數據教育技術

1）大數據處理模式大數據的主要處理模式有兩種：直接處理的流數據處理（Stream Processing）模式和先存儲后處理的批處理（Batch Processing）模式。數據流的研究與技術應用已經有十幾年的歷史了，目前開發和得到廣泛應用的代表性開源系統有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批處理模式的典型代表是Google的MapReduce模型。

2）教育大數據分析技術教育分析技術來源于大數據在商業領域的應用，如淘寶網根據用戶的瀏覽軌跡推斷用戶對產品類別的偏好。教育分析技術以學生群體為主體，借助于網絡在線平臺和移動終端軟件，跟蹤采集挖掘分析學生學習的整個過程，以提高學生學習質量和學習效率，并對學生未來需求趨勢進行分析和預測， 拓展發展空間，提高競爭力[7]。深度學習和知識計算是教育大數據分析的基礎，可視化是數據分析的關鍵技術和數據分析結果呈現的關鍵技術。

深度學習深度學習的起源可以追溯到神經網絡和后向傳播（BP）算法，2006年多倫多大學的Hinton等人提出無監督的逐層貪婪的預訓練（greedy layer-wise pre-train）方法，掀起了深度學習的浪潮。近幾年，深度學習在自然語言理解、語音識別、人臉識別、圖像搜索等應用領域取得了一系列重大進展[8]。而在教育領域，深度學習研究集中在學生線上視頻學習時間分析、學生參加網絡活動的行為分析等方面。

知識計算對大數據進行高端分析，需要從大數據中抽取有價值的知識，構建成支持查詢、分析和計算的知識庫。目前，世界各國建立的知識庫達50多種，知識應用系統達100多種。知識計算的基礎是構建知識庫，包括知識庫的構建、多源知識的融合、知識庫的更新等。教育領域，基于機器學習、信息檢索和數據挖掘的智慧軟件構建了一個高度個性化的智能網絡平臺，實時反饋學習過程信息，可以幫助對學生做出評價、對教育做出決策。

可視化技術可視化技術在大數據領域的應用主要表現在數據分析工具的可視化和數據分析結果的可視化[9]。對大規模、高維度、多來源、動態演化的大數據信息，開發可視化分析工具，使普通人員也可以輕松上手操作實現自動分析。對大數據分析結果應用有效的可視化技術（交互式展示、超大圖動態化展示），有助于用戶理解和輔助做出實時反饋和決策。教育領域，教師可以使用數據可視化工具來研究學生的學習模式，修正課程以引導學生進行有效學習和滿足學生個性化學習需求。

2.3.3 大數據處理平臺和工具

在原有的關系型數據庫RDBMS，很難處理大數據時代產生的大量非結構化數據的背景下，基于Google三大核心技術GFS、MapReduce、BigTable的Hadoop和NoSQL數據庫技術應運而生，為海量大數據的處理提供了強大的技術支撐。國內的教育大數據平臺，也已經起步并開始應用，如超星公司的超星爾雅和泛雅，已經和國內多所高校合作，用于這些高校的教學，其SPOCs和混合學習的模式，正在漸漸被接受和付諸實施。

2.3.4 未來教育將是一項以支持和服務為核心的系統工程

源于網絡和大數據提供的爆炸式的知識，未來教育不再是標準化、歸一化、規范化的教育，而是按需學習、終生學習，充分發掘學生自身原有的積極性和天分，實現自組織學習[10]。

大數據時代使人們接收知識更加方便了，但是就和印刷術的發明和普及，使人們接觸知識的機會增多了，但教師的數量并沒有下降，反而升高了一樣。大數據時代，對于爆炸的信息，需要很好的甄別、引導和指導，去除無用的垃圾信息，所以對于學校和教師的需求不降反升。此時的教育，主要是根據學生的興趣和個性特質，建立“以學生為中心”的智慧教學模式，規劃指導跟進學生的培養，與學生有更多的互動和交流，以支持和服務為核心貫穿學生培養的整個過程。

3 大數據在高校教學改革中的應用實施

3.1 我院現狀

大數據改變了高校教與學的模式，但這個過程是循序漸進的。我們學院首先在大四學生中進行試點。

大四學生第七學期的學習有這樣一些特點，學生基本分為三個陣營：（1）外出培訓工作；（2）考研考證照考公務員考選調生；（3）在校內繼續學習。基于以上情況，大四第七學期的課堂到課率普遍不高，對大四學生的課程考核也相對寬松，這就造成大四第七學期的課程形同虛設，根本沒有達到本專業的人才培養目的和預期，而大四第七學期的課程又基本都是比較重要的專業課、實踐課，是專業人才培養方案中比較重要的部分，并對學生未來就業影響頗深。

3.2 改革措施

基于以上情況，我們實施了以下改革措施。

1）個性化差異化教學：大四第七學期的課程全部作為選修課，設置的門數和種類更加多樣化，學生根據自己的興趣和職業發展規劃，自由選擇其中的4-5門課，選修夠最低學分要求，對最高學分不進行限制，鼓勵多選。

2）化解學生學習時間和地域限制的矛盾：學習方式改革，利用大數據技術，借助網絡，將課程教學視頻根據教學安排，上傳網絡，使學生可以在任何地點自由安排學習時間，這對于在外培訓工作的學生，十分方便。對于校內考研和學習的學生，也可以自由安排學習時間，提高學習效率。

3）重視學生學習的過程性評價：學生必須要完成規定的課程學習學時，每次課安排有課前測試，課后測試及作業。課前測試，課后測試，學生能夠實時查看到測試成績，課后作業要求學生在規定的時間內提交，課程教師要在規定的時間內批改完畢，并將成績到網上，供學生查看，對不合格的作業，要告知學生重做。學生的課程成績由學習的所有各階段的所有成績匯總而成，所以學生必須重視和認真對待每次的學習、測試和作業。

4）師生互動交流：教師和學生間的互動交流方式多樣，可以通過線上論壇討論答疑，也可以利用移動終端的便捷，建立課程QQ群或微信群，進行交流。教師將作業、要求、提醒等信息及時網絡和交流群中，引導督促幫助學生完成課程學習。

5）對學生學習的過程性大數據進行分析：學習的過程性數據分析技術，改變了傳統教學的經驗式模式，為學生提供高質量個性化的學習體驗，輔助教師根據數據分析結果，改進教學方式完善教學過程。將學生從選課、學習、考試結課等所有階段過程中，產生的數據進行匯總分析。根據學生的選課情況數據分析，綜合考慮調整專業課程設置，同時對學生選修課程行為進行適當宣傳引導。對學生學習的過程性數據進行分析，掌握學生學習情況，挖掘學生學習習慣和特點，以實時調整課程難易度，根據學生特點突出個性化差異化人才培養。

6）教師角色的轉變：在新的學習方式中，教師的角色也將發生改變，由原來單一的知識講授傳授者，變為學生學習的知識傳授者和學習引導者、督促者、幫助者、考評者。教師將課程內容錄制上傳后，將不再為每個班一遍遍的重復講授，大量的時間將花費在教學的組織實施、答疑解惑和對學生學習的引導督促激勵監管考核上。學生將有更多的時間得到一對一的輔導和幫助。

4 結論

大數據時代已經到來，未來十年，大數據在高校中有著廣闊的應用前景，將成為下一個創新、競爭和效率提高的前沿，我們應抓住機遇，適時改革，使信息時代下的高校教育與時俱進，培養出更多的適應信息社會發展的高素質人才。

參考文獻：

[1] 羅軍鋒，徐菲. 大數據時代的高校信息化框架[J]. 中國教育信息化，2014（3）：11-13，22.

[2] 朱建平，李秋雅. 大數據對大學教學的影響[J].中國大學教學，2014（9）：41-44.

[3] 程學旗，靳小龍，王元卓，等. 大數據系統和分析技術綜述[J]. 軟件學報，2014，25（9）：1889-1908.

[4] 張羽，李越. 基于MOOCs大數據的學習分析和教育測量介紹[J]. 清華大學教育研究，2013，34（4）：22-26.

[5] [英]Viktor Mayer-Sch?nberger， Kenneth Cukier. Big Data：A Revolution That Will Transform How We Live， Work， and Think[M]. 盛楊燕，周濤，譯. 杭州：浙江人民出版社，2013：148.

[6] 張引，陳敏，廖小飛. 大數據應用的現狀與展望[J]. 計算機研究與發展，2013，50（增刊）：216-232.

[7] 馮翔，余明華，馬曉玲，等. 基于大數據技術的學習分析系統架構[J]. 華東師范大學學報，2014（2）：20-29.

[8] 陳律. 大數據背景下學習分析技術對教學模式的變革[J]. 中國教育信息化，2013（24）：15-17.

第7篇：課堂大數據分析范文

【關鍵詞】數據分析觀念；價值要義；培養策略

【中圖分類號】G623.5 【文獻標志碼】A 【文章編號】1005-6009（2017）33-0035-03

【作者簡介】1.周丹菊，江蘇省淮安市天津路小學（江蘇淮安，223005）總務副主任，高級教師，淮安市數學學科帶頭人；2.王乃濤，江蘇省淮安經濟技術開發區教師發展中心（江蘇淮安，223005）教研員，高級教師，江蘇省數學特級教師。

在大數據時代，海量信息從數據中產生，具備數據分析觀念和能力是信息社會對人的基本要求，是數學素養的重要方面。新課標把“統計觀念”修訂為“數據分析觀念”，點明了統計的核心是數據分析。對數據的搜集、整理、分析并體會事件發生的可能性、隨機性，培養學生數據分析觀念，幫助學生進行合理判斷和科學決策。

一、以信息為載體，讓數據“發聲”――培養數據分析觀念的初意識

1.數據場景現實化，激發數據整理的興趣。

兒童更容易對現實的東西感興趣，尤其是數據分析觀念很薄弱的低年級兒童，教學需要根據兒童認知規律和心理特征，創設現實化場景，調動其整理數據的欲望；通過簡單的分類整理等活動，讓學生初步了解數據，理解數據中蘊含的有價值的信息，培養根據問題收集、獲取、分析數據的意識。

案例1 蘇教版二下《分類統計》

（圖1）

問題1：圖1中有哪些人，分別在做什么？你還想知道什么？

生1：我想知道學生比老師多多少人？

生2：我想知道參加哪種活動的人最多，哪種活動的人最少？

以上是兒童第一次接觸統計教學內容，面對游戲情境圖，大多數兒童只知看圖說話，并沒有意識到主題圖中隱藏的數學信息。因此，筆者讓兒童談談“你還想知道什么”，以此來激發他們收集數據的興趣，并使他們意識到，必須根據問題情境對數據進行分類和整理。這是培養學生數據分析初意識的方法之一。

2.數據表達個性化，彰顯數據分析的意趣。

在現實場景中，教師無法預設學生整理數據時會運用哪種符號或方法。首次進行數據整理的兒童往往會創造出令人意想不到的符號，教師應尊重其思維特點，保護其創造性。

問題2：要想知道學生比老師多多少人，你準備怎樣分類？有什么好方法能做到不重復，不遺漏？ 小組合作：用自己的方法表示分類的結果。

部分呈現：

分析：根據整理出的數據，能解決你提出的問題嗎？你還能從這些分類結果里知道什么？

放手讓兒童收集、整理數據，鼓勵他們用自己的方式記錄并呈現數據，兒童從場景信息到符號數據的整理過程中感受到數據分析的樂趣。

二、以問題為導向，讓過程“發生”――激發數據分析觀念的潛意識

1.問題指向富有統計意義，經歷真實過程。

培養兒童數據分析觀念不能一蹴而就，須讓兒童從親身經歷中獲取、感悟，讓他們不斷經歷數據分析的全過程：調查收集整理分析。根據數據分析的結果，兒童作出預測和決策，感悟分析過程中滲透的分類、歸納、類比等數學思想方法，數據分析觀念從而得以發展。

案例2 蘇教版四上《可能性練習》

問題：按照足球比賽的國際慣例，雙方采用拋硬幣的方法決定誰先發球。瓶蓋也有正反兩面，為什么不采用拋瓶蓋的方法呢？

活動：合作拋硬幣、瓶蓋各10次并記錄結果。

交流：瓶蓋開口面朝上與朝下的次數相差比較大，硬幣兩個面朝上的次數接近。

分析：瓶蓋兩面輕重不一樣，落地后兩面朝上的可能性不相等。硬幣兩面輕重是一樣的，落地后兩面朝上的可能性相等。所以，拋硬幣的方法對雙方來說是公平的。

兒童在有價值的任務的驅動下經歷主題式活動，親身經歷了數據統計的全過程，統計方法得到掌握，數據分析觀念得以發展。

2.大數據問題分析多樣化，滲透多元思想。

大數據收集、分析過程可以多元化。根據問題所需，選擇適切的分析方法是培養數據分析觀念的關鍵。

案例3 蘇教版六下《統計與可能性復習》

問題：利用網絡調查統計全校各班男生、女生喜愛文藝、科技、漫畫、故事等四類圖書的數據。

交流1：展示某一年級學生喜愛文藝類圖書人數情況可用什么統計圖？展示某一年級男生、女生喜愛漫畫類圖書人數情況可用什么統計圖？

交流2：展示全校各年級學生閱讀故事類圖書的喜好變化情況用什么統計圖？展示全校學生喜愛閱讀各類圖書的分布情況用什么統計圖？

基于全校的調查樣本，教師引導兒童對收集的數據進行整理分析，在討論中讓兒童明晰統計圖表的選擇是基于能否解決所要分析的問題，在討論中，兒童將感受到數據分析的魅力。

三、以課程為資源，讓數據意識常態化――拓寬數據分析觀念的廣意識

1.開發有價值的材料。

并非只有統計教學可以培養學生數據分析觀念。圖形的認識、質數、圓周率等知識的學習，也能培養學生數據分析觀念。

案例4 蘇教版一上《認識圖形》

（1）小組活動：每人選一種積木看一看、摸一摸，把自己的感受和發現在小組內交流。

（2）分一分：把相同形狀的物體放在一起，說說為什么這么分。

引導兒童把隨意擺放的各種圖形進行分類，兒童既認識了圖形又經歷了數據整理的過程。適時創造、開發有價值的研究材料可以把培養學生的數據分析觀念貫穿于課程教學的始終。

2.依托教材體驗隨機。

稻蕕乃婊性是數據分析觀念的要素之一。在課程內容教學中，緊扣教學內容，通過個別現象了解整體規律，由特殊認識一般，可以培養學生的創新精神。

案例5 蘇教版五下《圓的周長》

問題：圓的周長和直徑到底有什么關系呢？

活動：以小組為單位，測量手中的4個圓（每組領到的圓相同），記錄測量出的周長、直徑的長度，利用計算器算出圓的周長與直徑之間的關系，填入表格。

反饋：選取多組數據進行分析，討論周長除以直徑的商有什么特點？為什么有的組測量同一個圓，數據會不一樣？

“圓的周長與直徑到底有什么關系”問題旨在激發兒童通過數據分析獲得結論的意識。讓兒童思考為什么不同的小組測量同一個圓，得出的結果不同，兒童很快意識到測量數據是有誤差的，而產生誤差的原因是多樣的，這正是事件發生隨機性的原因之一。兒童在對多個圓的周長除以其直徑的商的數據分析過程中，發現周長都大約是直徑長的3倍，這是事件隨機性的另一個重要方面。

四、以實踐為決策依據，讓數據分析生活化――實現從數據分析到解決問題

1.拓展數據分析路徑，提升問題解決能力。

一方面教材提供了大量培養兒童數據分析觀念的素材，另一方面解決生活中的實際問題有助于兒童真正養成數據分析觀念。因此，兒童數據分析觀念的培養需從課堂延伸到課外。

案例6 “快樂的聯歡”活動準備

談話：同學們，“六一”兒童節馬上就要到了，班委會打算買些水果分給大家吃，他們該如何購買？

交流：調查大家最愛吃的水果再作決定。

分組收集，匯總全班數據：18人愛吃西瓜，3人愛吃蘋果，6人愛吃梨，25人愛吃桃子。

得出：根據大家愛吃的水果種類和數量買水果，但是西瓜體積大，不必買這么多，買2個就可以了。

當數據分析真正走進學生的現實生活，學生親身經歷了解決實際問題的過程，才能真正體會數據分析對決策的作用。學生能結合實際考慮個別樣本的特點，思考問題更加全面，數據分析觀念得以發展，解決問題能力得以提升。

2.延伸數據分析場域，養成自覺自主意識。

互聯網時代的學習方式是多元的，“數字化教學”已經走進課堂，海量互聯網信息提供了豐富的數據分析素材。

案例7 “一起作業”網絡學習

（1）學生登錄校園英語學習網站，完成單詞跟讀、拼寫、排序、模仿、連詞成句等學習項目。

（2）通過每天的統計數據，了解自己的作業情況，對照本班實際完成情況分析在班級中的排名，也可進行班與班之間的對比。

數據分析素養的養成是為了使學生能更好地適應未來的學習、工作和生活。本例中，學生可以從統計表中了解自身的學習時間、效率、效果等，對自己的學習狀態進行定量或定性的評價。教師也可以分析個人、班級、年級間的差異，為評價學生提供依據。延展性學習，提升了分析數據和解決問題的能力，有助于在“大課堂”中發展學生數據分析觀念。

【參考文獻】

[1]教育部基礎教育課程教材專家工作委員會.義務教育數學課程標準（2011年版）解讀[M].北京：北京師范大學出版社，2012.

第8篇：課堂大數據分析范文

一、引言：智慧教育的培養理念

隨著物聯網、云計算、三網融合等技術興起和快速發展，為教育信息化和教育現代化注入新的推動力，教育進入智慧教育階段。智慧教育是在新一代信息技術支持下，尊重每位學習者個性化與多元化的發展需要，創建智能化的教育環境，以最有效的方式促進學習者知識建構與智慧發展的一種教育形態。“智慧教育”最早是受“智慧地球”的概念啟發而延伸過來的，IBM公司倡導的“智慧地球”是應用物聯網、移動通訊、智能分析等新一代信息技術，促進世界更全面地互聯互通，改變政府、企業和人類的生產、協作與管理方式，讓所有事物、流程、運行方式都實現更深入的智能化，最終讓人類能夠更透徹地感應和度量世界的本質和變化。而智慧教育的本意也是應用新一代信息技術，變革今天依然停留在工業時代的“教學工廠”式學校教育，提升教育系統的效率和智能化程度，為信息社會培養適應時展的人才。

隨著教育信息化的發展，不同國家、不同研究團體也賦予智慧教育不同的內涵。韓國認為智慧教育是智能化、可定制的個性化教與學。韓國政府提出發展智慧教育的推進戰略，這個戰略包含教育云框架與平臺開發、加強教師能力建設、推進在線課堂與評估和采用數字化課本四個部分，目標是培養在21世紀社會中能夠引領國際社會，具有創造力和個性的全球化人力資源。澳洲也推出智慧教育計劃，認為新的智慧教育系統可以轉變澳洲教育系統、吸引更多的學生，能授權給教師和管理者培養有高價值和全球技能的勞動力。我國學者祝智庭教授在綜合國外對智慧教育研究之后，提出信息時代智慧教育是一種最直接的、幫助人們建立完整智慧體系的教育方式，其教育宗旨在于首先引導發現學習者的智慧，并通過協助發展、指導應用學習者的智慧，進而培養創造出學習者的智慧見解。

網絡的普及加劇了數據的爆炸式增長，大數據時代已席卷而來。未來將是從數據中“鉆取石油、開采黃金”的時代，企業對掌握信息管理與數據分析技術的信息管理類專業人才需求激增。本文提出如何以學生能力培養為核心，應用“智慧教育”創新完善信管專業的理論和實踐教學模式手段，實現“以教為中心”向“以學為中心”的轉變、“以有限靜止知識為中心”向“以無限動態資源為中心”的轉變。

二、基于智慧教育的信息管理與信息系統專業教學模式改革

信息管理與信息系統專業具有四個特點：一是信管專業具有很強的實踐性；二是信息管理與數據分析技術變化迅速；三是企業基于數據分析的管理模式快速演變；四是信息管理與數據分析依賴于智能感知、網絡傳輸等相關設備。因此，信息管理與信息系統專業的教學手段和模式必須不斷創新，以盡快適應大數據分析技術的快速發展和企業對信管人才的需求。

（一）智慧教育的環境要求

智慧教育通過新技術與周圍教育環境進行智能化互動構建智慧學習環境，進而運用智慧教學方法促進學習者進行智慧學習，學習者從而獲得多種智慧以滿足自身和社會的需求。智慧教育環境（如圖1所示）包含六個維度：學習者、促學者、資源、設備、工具和學習活動。學習活動作為中心環節代表著學習活動的發生。學習者在活動中處于主體地位，是學習有效性發生的最終體現者。促學者作為學習活動的促進者，在不同學習環境中有不同的稱呼，如學校教育環境下教師是學習活動的指導者，起引導性作用。資源包括學習資源和教學資源，資源作為知識的承載體，它的形式和使用方式將會影?學習活動的效果。設備和工具是數字化環境下對學習活動的關注，是學習活動順利開展的利器。

智慧教育更加強調信息技術在促進教學方式和教學過程中的變革。通過明確智慧教育的教學環境，可以建構更加符合信息管理與信息系統專業技術特征和專業教學需求的文化共享（倫理、責任、價值認同、利益觀）學習共同體，為信管專業學生提供更豐富的學習內容、學習工具和實踐機會等。

（二）基于智慧教育的信息管理與信息系統專業教學與實踐環境構建

基于智慧教育的信管專業課堂與實踐教學學習環境框架，包括底層學習資源數據庫、彈性分析云和用戶使用終端三個部分組成（如圖2所示）。智慧教育底層學習資源數據庫分為原始用戶數據庫和聚合信息數據庫，原始數據庫保留了所有未經處理信息數據；彈性分析云的作用是綜合用戶需求，基于智能推送選擇學習、教學和生活方式，促進學習的社會協作、深度參與知識建構；用戶使用終端是基于移動、物聯、無縫接入等技術，為學習者提供豐富的、優質的數字化學習資源和多種學習工具，使學習者擁有隨時、隨地、隨需的學習機會。

第一，信管專業智慧教育資源數據庫（包括原始和聚合信息數據庫）。原始數據庫來源于電子教學資源數據文檔，教學資源可細分為理論性教學資源和實踐性教學資源。理論性教學資源包括多媒體課件、課程視頻資料、各種輔導資料、課程相關的案例庫和試題庫等；信管專業實踐教學資源豐富，除了科研訓練項目、開放性實驗項目之外，還有學科競賽、學術活動、企業實訓等教學資源。聚合信息數據庫根據原始數據庫存儲的數據，進行內容聚合，將高利用率信息提取出來形成“學習元”和“教學元”，再通過智能推送將這些信息推送到彈性分析云中進行分析，以便能更好地滿足學生的學習要求。

第二，信管專業智慧教育彈性分析云（包括期望分析和智慧內容分析）。彈性分析云根據社會期望、教師期望和學生期望在數據層傳遞來的原始“學習元”和“教學元”上添加相關的個性化、共享化和智能化標識，形成具有可重用的、支持學習（教學）過程的共享信息，以實現自我發展的、智能性數字化學習（教學）資源。彈性分析云利用學習分析技術進行智慧內容分析，通過記錄學習歷史數據，基于大數據分析技術優化學習過程，設計多種智慧型學習活動，提高智慧生成與應用的含量，并提供具有說服力的教學管理服務。

第三，信管專業智慧教育用戶使用終端。用戶使用終端設計是基于大數據分析技術優化學習過程、干預教學的服務管理。通過聚集、分類以及關聯規則等操作，分析記錄在學習管理系統中的學習者行為數據，生成實時的數據報告，并利用行為數據中反映出的規律來生成預測模型，評估學生知識建構能力，進而針對學習者的個體差異（如能力、偏好、需求）提供學習診斷、建議和服務，形成基于角色的個性化定制學習元和教學元，通過智能推送服務和終端設備實現資源的互聯和人的互動協作，為學生個性化學習提供更加有效的支持。

三、基于智慧教育的信息管理與信息系統專業建設

在大數據時代企業緊缺大量具有“大數據”思維方式、掌握數據分析技術的信息管理人才。如何利用智慧教育的技術與方法提升教師教學能力和學生自我學習能力培養，提高專業教學質量和實踐教學水平，完善信息管理與信息系統專業建設，培養企業滿意的信息管理專業人才，是我國高等學校信息管理與信息系統專業不可懈怠的追求目標。

（一）基于Moodle平臺構建信管專業主動式智慧學習服務平臺

Moodle平臺（Modular Object-Oriented Dynamic Learning Environment，即模?K化面向對象的動態學習環境）是澳大利亞教師Martin Dougiamas基于構建主義教育理論而開發的課程管理系統。Moodle平臺中教育者和學習者都是平等的主體，在教學活動中教育者和學習者相互協作并根據自己已有的經驗共同構建知識。Moodle平臺具有完善的web日志功能，學生自登錄Moodle平臺訪問課程的那一刻起，其學習行為就被平臺記錄下來，其瀏覽時長、訪問各模塊情況、互動情況等均被記錄下來，這些記錄都可以在課程的“報表”功能中找到。同時，教師使用社會網絡分析工具NodeXL對學生在討論區的交互關系進行分析，可以得到節點度量基本數據圖和交互網絡圖，從這些圖中可以了解每個學生對專業課程自主討論、參與情況，并且能夠掌握每個學生的回復與被回復情況，利用這些內容來評價學生學習情況。目前信管專業可以選擇與數據分析技術密切相關的一些課程開展試點，這些課程有“管理信息系統”“數據庫原理與技術”“商務智能與數據挖掘”（如圖3所示）。

信管專業通過Moodle平臺動態記錄與跟蹤學生在不同場景學習的相關信息，利用社會網絡分析工具、數據挖掘技術對海量數據進行抽取、轉換、分析和模型化處理，進而了解學生學習的行為動機和學習實效等，從衡量學生“在座位上的學習時間”轉移到衡量學生的“學習效率”，充分利用信息技術來改善提高學生的學習效果。

（二）基于整合技術的學科教學知識（TPACK）提升專業教師教學水平

2010年我國政府頒布《國家中長期教育改革和發展規劃綱要（2010-2020年）》中明確指出，要深化教師教育改革，創新培養模式，造就專業化教師隊伍。2012年教育部頒布《教育信息化十年發展規劃（2011-2020年）》中明確指出要推進信息技術與教學融合，促進教師專業化發展。因此，如何提高教師信息化教學能力水平成為信管專業建設的焦點問題。

整合技術學科教學法知識（TPCK，Technological Pedagogical Content Knowledge）是在舒爾曼PCK概念基礎上整合技術而形成的面向21世紀信息技術時代的教師知識框架。TPCK代表著教師能夠根據具體的教學情景的需要，綜合考慮學科知識、教學方法和技術支持，設計恰當的教學方案解決教學問題的方案知識。TPCK的核心是技術知識（TK， Technology Knowledge）、學科內容知識（CK，Content Knowledge）和教學法知識（PK，Pedagogy Knowledge）三者的動態平衡。TPACK（整合技術的學科教學知識） 將技術“整合”到具體學科內容教學的教學法知識當中去，對于有效使用技術進行教學，提高教師教育質量的核心關鍵要素，促進教師專業化發展至關重要（如圖4所示）。

從TPCK的發展機制來看，教師學習技術需要具體情景的支持和教師親身參與設計技術解決教學問題的過程。TPCK對教師應用技術的有效教學具有支配作用，它包含了具體教學情景中技術與學科知識、教學方法的真實的復雜關系，包括教師對技術的深刻理解，對自己原有教學觀念、教學方法的重新審視與反思，敏銳地在技術、學科知識與教學方法的相互關系中尋求新的可能，如根據具體教學情景的需要設計新技術或利用新技術開創新的教學空間。

教師利用TPACK思維框架從教學―內容―技術三者重疊交互教學法，根據信息管理專業特定的教學/學習情境（如師生的信息素養、基于問題情境的教學內容、學生的認知風格與偏好、現有的數據分析實驗教學設備環境等）的特點和約束條件，保持技術、學科知識和教學法三者的動態平衡，智慧靈活地選擇應用恰當的教學法、學科內容以及支持技術，促進學生的智慧學習和智慧行為的涌現。

（三）基于學習分析技術（Learning Analytics）構建師生互動教學平臺

智慧學習環境中的信息技術可以為教師團隊提供各種支持，包括教學資源的獲取、教師間的協調、師生的互動等。為促進教師的教學與學生的有效學習，通過整合論壇空間、微博、QQ群等多種方式，為師生提供一個互聯網、移動網無縫互通師生教學平臺，教師可以設置課程視頻資料、課程設計任務庫、各種輔導資料，課程測試空間歷年試題等相關教學資源庫，實現連接課堂教學、社區學習、資源環境的“聯結”教學模型，通過網絡虛擬環境和在線社區來連接教學、教師與學習者，實現學生的個性化學習、增強學生的學習動機。

隨著數據日益智能化，信管專業利用無線網絡環境和學習分析技術重構傳統教育模式中的基本過程與結構，教師通過數據挖掘、推斷和建模等方法來分析學習者數據、用戶信息、課程信息等重要數據，并對師生互訪社群圖和中心性進行分析發現潛在問題，從而在討論區與學生開展互動交流進行個性化教育。教師借助互聯網師生教學平臺定期設置大數據相關問題的專題討論，或對某個信息管理典型案例進行在線分析，通過對當前學習難點的在線集思廣益和在線方案討論，對學生實現個性化的教育指導。

（四）建設面向數據管理時代的實用自制教學實驗的開放式實驗室

隨著大數據時代的到來，企業管理進入了“從數據到信息，再從信息到知識”的發展階段，眾多企業都面臨著大量的數據，但缺乏實用技術支持定量分析的困境。無論是在數據準備和數據清洗期間，或者在數據探索期間，數據分析基本理論復雜性對常見的統計分析軟件如Excel、E-views、SPSS等分析方法的應用提出了挑?穡?數據驅動領域的實踐者對于如何學習、應用一系列實用的計算分析工具和解決方案存在著迫切的需求。

為迎合社會數據化、信息化和網絡化發展的時代要求，加速培養與信息化社會相融合的復合型人才，信管專業改革實驗教學手段，利用Python、D3、Mlpy、Openrefine和MongoDB等數據分析工具設計有推廣價值的實驗軟件、實驗設備及教學方案，進行數據分析和模型構建方面的知識講解和實驗教學，加深學生對數據分析基本原理的理解與掌握。根據數據分析實驗教學的需要，自制實驗軟件具備完整的數據分析處理、方案設計、圖表再現等功能， 滿足數據分析、統計決策等方面的教學和實驗需要， 培養學生應用數據分析理論和計算機技術的能力，解決數據時代的管理問題并進行相關決策。通過建設面向數據管理時代的實用自制教學實驗的開放式實驗室，使學生能夠針對來自不同管理領域復雜的數據分析需求提出建設性的解決方案，提高學生在數據分析領域的創新和實踐能力，培養特色鮮明的信管專業人才。

（五）針對大數據行業建立開放式企業實訓基地

大數據分析技術快速發展和現代企業管理決策模式的轉變，決定信息管理與信息系統專業教學必須與企業緊密結合。積極與阿里巴巴、杭州網易信息技術有限公司、臺灣鼎捷軟件公司等多家企業進行校企合作，建立“大數據管理與應用”的企業實習實訓基地。針對各類型企業不同用人需求，將企業實踐融入到教學過程中，讓學生從實際運作層面上理解信息管理與信息系統專業中抽象的定義、理論、模型，從整體上對專業內容進行認知與把握，實現課堂教學與企業現實業務結合，實現數據、環境和需求的互動。

為充分利用企業在信息化管理實踐方面的知識積累優勢，還鼓勵學生參加企業實際項目開發，這樣學生能最直接面對企業需求，充分培養和鍛煉學生的技術能力（工具、流程、專業知識）、管理能力（現代化管理理論、項目管理）和系統能力（系統開發、企業規劃），通過企業工程師鑒定的方式驗收項目成果，評價學生的實踐能力和對相關課程的實際理解情況，使學生在實踐中快速提高技術應用能力。

第9篇：課堂大數據分析范文

［關鍵詞］大數據;經濟統計專業;人才培養模式

結合國際數據企業的研究結果發現，近幾年來全球范圍內數據量呈爆發式增長態勢，而上述海量數據經加工、分類、整理及分析方可滿足不同行業的使用需求。我國十三五規劃中明確提出“實施國家大數據戰略，推進數據資源開放共享”，說明我國大數據建設進入全新的發展階段。經濟統計專業作為高等院校課程專業的主要組成部分，肩負著培養統計分析技能人才的教學職責，而如何于大數據技術蓬勃發展背景下，滿足就業需求培養專業人才，得到越來越多從業人員的關注及重視［1］。同時，大數據時代特點對經濟統計專業人才提出全新的要求及標準，而提高人才培養質量早已成為高等院校經濟統計類專業教學期間所面臨的重要問題。鑒于此，文章針對“大數據背景下經濟統計專業人才培養模式創新”進行分析研究具有重要的價值意義。

1大數據背景下經濟統計專業人才的要求分析

1.1掌握統計知識

以往統計學數據類型相對單一，包括品質型數據及數值型數據，其本質為結構化數據，往往可使用常規統計指標或統計圖表進行集中展現，而大數據時代下，數據類型不僅僅囊括結構化數據，更涵蓋非結構化數據及半結構化數據，即所有可存儲及記錄的信號，具有多樣化等鮮明特點，以至于傳統的統計指標及統計圖表難以完整展現其基本內容［2］。同時，以往數據來源相對局限，即一手數據能識別數據提供者的身份信息，但是大數據時代下其數據來源普遍為互聯網信息系統，大大增加信息提供者身份的識別難度，以至于樣本數據的地位不再重要。由此可見，大數據時代來臨所產生的統計學知識發生翻天覆地的變化。

1.2深奧知識結構

即便大數據時代下海量數據信息拓展經濟統計專業的分析空間，但是深受現代社會行業眾多的影響，持續涌現出全新的行業、全新的技術以及全新的分析方法，決定經濟統計專業人才勢必是復合型人才，尤其是需要具備應用素質、實踐素質及理論素質的支持［3］。同時，經濟統計專業復合型人才素質培養無法脫離掌握扎實理論知識及統計分析方法的支持，即根據數據信息予以全面分析建立相應模型且說明其評價最終結果，例如MATLAB、SPSS及SAS等軟件。除學習經濟統計專業知識外，學習管理類、經濟類及其他學科領域知識能大幅度提升人才培養的總體質量。

1.3現代分析方式

從傳統統計學角度來看，大數據時代來臨完全轉變統計分析思維方式。通常情況下，傳統統計描述分析可劃分為定性、定量、定性三個過程。例如，以定性為例，根據實踐經驗判斷及評估分析方向;以定量為例，匯總、處理、分析及量化數據統計特征，往往被視為統計分析的關鍵性環節，而大數據時代下統計分析過程被簡化為定量及定性兩步。其中，定量指的是直接由數據中找出需要且有價值的數據信息，分析其特征及數量關系;定性指立足于分析結果做出相應的判斷及決策。

2大數據背景下經濟統計專業人才培養的現存問題分析

2.1課程體系問題

當下我國大部分高校經濟統計專業的教學內容設置過于陳舊且更新速度緩慢，尤其是教學內容更新速度難以緊跟大數據時代的發展節奏，以至于課程內容設置難以滿足社會對統計專業人才的需求［4］。同時，現實生活中所牽涉的經濟問題類型相對多樣且情況較為復雜，換言之高校經濟統計專業的課程設置兼顧統計實際應用特性，而現有的經濟統計專業課程將教學重心向理論分析及研究轉移，導致理論分析始終過于淺顯，難以幫助學生學習扎實深刻的經濟理論及統計方法，極大程度上影響課堂教學效果。此外，極個別高校專業課程設置范圍過于狹窄，僅僅局限于經濟統計方面問題，尚未融入跨學科培養理念。

2.2教學認知問題

大多數高等院校經濟統計專業人才培養方法過于單一，往往沿用以課堂講授為主、以小組討論為輔的傳統教學形式，完全忽略實踐教學的關鍵性及重要性。從實踐教學課程設置角度來看，普通經濟統計專業的實踐教學環節可劃分為畢業設計、校內實訓及實踐課程設計，一旦實踐教學方式過于老舊則可能造成學生創新能力異常缺失的問題，例如使用計算機進行演示供學生觀看。即便部分高等院校開設相應的實驗課程，但是部分學生僅僅以完成作業為核心目標，完全照搬照套課本中實驗流程進行操作，脫離操作教程后難以全面分析實際問題，影響總體教學效果。此外，極個別院校對教學實訓的重視程度遠遠不足。

2.3師資力量問題

由于國家教育部門大力推行改革政策，促使各大高等院校逐步擴大其招生規模，極大程度上增加了日常教學的工作難度及工作量。為了提高教學工作效率，高校相繼引進新晉入職的教師進入教學隊伍，而上述新晉入職教師普遍為剛畢業走上社會的研究生，缺乏實踐教學經驗及教學方式探索遠遠不足，完全傾向于延續傳統的教學方法及教學內容［5］。同時，部分專業教師自身社會經驗及實踐能力遠遠不足，難以向學生傳授正確的理論知識及引導其實踐操作，不同程度上影響人才培養效果。此外，大數據時代來臨后，對于經濟統計專業學生的數據分析能力培養迫在眉睫，而數據分析能力培養無法脫離師資力量的支持。

2.4考核機制問題

考核機制占據著高校專業人才培養極其重要的地位及作用，例如激勵、淘汰、分流及甄選等，方可保證專業人才培養的質量及效率。然而，從目前我國高校經濟統計專業人才培養水平來看，其考核機制實施難度相對較大，深受教學方式過于局限的影響，以至于考核方法停留于閉卷考試的階段，側重于考查學生理論知識的掌握程度，而學生可依據自身記憶完成考試，極大程度上提高其專業考核的通過率。同時，因專業教學重視程度有待提升及經費劃撥不足，大大降低經濟統計專業的考核門檻，難以立足于整體化角度充分發揮考核機制的作用。

3大數據背景下經濟統計專業人才培養模式的創新措施分析

3.1健全課程體系

一般說來，健全課程體系是高校經濟統計專業人才培養的關鍵性措施。因此實際培養的過程中，相關高校秉持實事求是的工作原則，貫徹落實與時俱進的工作理念，設置科學合理的經濟統計專業課程體系，突出課程體系的專業性及創新性，以達到增強學生實踐操作能力及數據分析能力的目標，進一步提升其總體綜合素質［6］。例如有選擇性開設時間序列、應用統計學、計量經濟學、概率論及數理統計等基礎性課程，幫助學生打造夯實的理論基礎，再以此為基礎增設實踐調研、數據分析工具及數據挖掘等實踐應用型課程，利用計算機實驗操作培養學生利用、分析、整理及收集數據的能力。

3.2革新教學模式

以教師講授為主體的常規固有教學模式沿用至今，普遍存在缺乏創新意識的問題，尤其是高校經濟統計專業中軟件應用部分，普遍以參照課本習題演示Excel表格為主以Spss為輔，說明其教學模式過于滯后。同時，步入大數據時代以來，數據呈現出復雜、高速及龐大的特點，而簡單的Excel表格早已無法滿足數據分析的要求。由此可見，高校經濟統計專業人才培養模式改革是不可阻擋的主流發展趨勢。除立足于前沿統計需求外，相關高校及時引進功能強大且趨近主流的統計教學軟件，例如SQL、SPSS、R及SAS等，不僅能大幅度提升課堂教學效率，而且還能滿足軟件操作與理論知識密切結合的要求。

3.3建設教學團隊

在實際培養的過程中，相關高校秉持以人為本的工作原則，始終圍繞經濟統計專業的改革方向，將師資隊伍建設及學科建設相結合，靈活運用多項人才引進措施，例如聘任、引進及培養等，持續優化人才團隊的年齡結構及學歷結構，進一步提升團隊的綜合素質水平。同時，以實際教學進度及教學情況為參照依據，將教學師資隊伍劃分綜合型、主導應用技術研究型及理論研究型3大梯度，例如以理論研究型為例，著重強調精通數據分析及統計理論等方面知識，涉及計算機科學、數學、統計學及經濟學等方面知識，以達到由理論向實踐過渡培養綜合型人才的目標。

3.4優化考核機制

為了全面真實反映學生理論知識及軟件技能的掌握情況，高校盡量以多元化考核機制替代原有考試驅動型的單一考核方式。同時，由于經濟統計專業的本質為應用型學科，客觀上要求相關高校盡量于考核階段以考試、社會實踐參與表現、軟件工具實際操作、研究話題階段性數據分析報告及日常作業等多維度多形式考量為參考依據，結合考量項目的重要性及所占比例，利用加權得分手段得出最終考核成績，并且注重學術規范性，明確要求學生的論文寫作格式。一旦發現學術不端行為則予以嚴格懲處，直接與最終考核成績掛鉤，以達到培養復合型人才的目標。

4結語

通過文章探究，認識到當下我國大多數普通高等院校經濟統計專業的課程設置不夠健全完善且人才培養體系不夠成熟，特別是教學團隊人才力量較為薄弱，以至于經濟統計學專業學生缺乏就業競爭優勢。因此，相關高校秉持具體問題具體分析的工作原則，全面分析經濟統計專業人才培養的現存問題，提出相應的改革措施，立足于大數據背景，為人才培養模式創新提供強有力的支持，進一步推動經濟統計專業演變發展，以達到培育符合大數據時代創新復合型人才的目標。

參考文獻:

［1］尹勤，黃寶鳳.大數據時代應用統計人才能力需求與教改探索［J］．大學教育，2019(6):157－159.

［2］范新英.大數據背景下統計學專業人才培養之探討［J］．內蒙古統計，2019(2):48－52.

［3］鄭葵，黃小敏，袁野梅.大數據背景下經濟統計學專業培養數據分析人才的探索與實踐［J］．科教文匯(上旬刊)，2019(4):114－117.

［4］徐婧婧.大數據時代下關于經濟統計應用問題的思考［J］．中國商論，2019(2):33－34.

［5］劉超，朱長存.大數據時代經濟統計學人才培養模式創新研究———基于Seminar教學法應用的視角［J］．河北大學成人教育學院學報，2018，20(4):109－113.