课堂大数据分析精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的课堂大数据分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：课堂大数据分析范文

关键词： 实验教学改革 经管类 大数据

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.

[4]邵举平，沈敏燕，樊星.大数据时代背景下地方高校研究生教育教学模式改革研究[J].《鲁东大学学报》，2015，32（4）：82-85.

第2篇：课堂大数据分析范文

关键词：MOOC；物联建设平台架构；大数据；计算机媒体类课程

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.

[6]何颖，陈绥阳，林智慧.MOOC创新特质视角下的人才培养新思路[J].物联网技术，2016，6（9）：98-99.

第3篇：课堂大数据分析范文

关键词：实验室建设；计算机专业；大数据分析

“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。

4结语

第4篇：课堂大数据分析范文

［关键词］大数据;应用型人才;SPOC建设

1大数据的含义

各行各业都存在着大数据，从表面来看，它就是实时性较强、种类较多、数据量大的一个集合，但其真实含义不仅仅如此，大数据的深层含义是在众多错综杂乱的数据中，利用科学方法及时提取出有效的数据，并进行整理和分析，为政府、企业等决策者提供潜在价值的数据。因此大数据时代给《统计学》带来了更多发展机遇。这就要求《统计学》课程无论从内容上，还是教学方式、教学资源上必须进行改革和完善。

2大数据为人才培养的研究带来新的发展机遇

《统计学》是一门应用性较强的学科，它是经管类专业的专业基础课，旨在于培养学生能进行数据收集、数据整理与数据分析的专业技能;从数量的角度去认识经济变量及经济变量间的关系，掌握其发展规律，指导实践的方法论科学。大数据现代信息化扩大了统计学的应用范围，为统计学的发展带来新的机遇。

2.1有效提升数据收集的时效性、准确性、全面性

大数据时代出现前，只有当要分析某经济现象时，才会主动调查收集此方面的数据，且数据的收集只限于人工，查找一下有关的统计年鉴、权威性较强的经济报告等，遇到一些具体数据没有的，只能在文章中进行说明，用一些相关的数据去代替，所以说传统的数据收集来源存在不稳定性，且数据的可靠性较一般，这些特点对数据分析结果存在着一定程度的误差。但大数据时代的到来，给数据收集带来了发展的机遇，数据收集的时效性、准确性、全面性得到了大幅度的提升。数据的收集不再仅局限于人工，因为大数据的数据收集是建立在网民在互联网留存的信息，且数据收集更有针对性、数据质量也更为精确、数据的时效性更高以及数据更加全面。相对于传统的数据收集，它更加省时、省力和省物。

2.2数据分析结果更加准确

传统的统计分析在分析总体的规律性时，由于数据收集的有限性，只能对样本数据进行分析，使用推断性统计分析方法推断总体的规律，其结果并不能全面、总体概括数据的整体情况。大数据的出现，为数据分析提供了良好的数据基础，利用现有的多种统计软件同时进行多方面的统计分析，对分析对象的了解更全面、更准确，为统计员提供更准确的决策依据。

3人才培养存在的问题

3.1与思想教育长期相互隔离

作为一名高校教师经常会在课堂上问学生们“你喜欢现在自己的专业吗?”“你对自己的未来有什么规划?”等问题，但很多同学不喜欢自己的专业，甚至有的学生都不知道自己专业将来毕业后可以做什么，对自已的规划就更谈不上了。这些问题都显示了高校大学生的思想教育存在着问题，无法树立正确的人生观、价值观和世界观。而高校的思政教育通常开设了专门的课程，如《基本原理概论》《中国近现代史纲要》《思想和中国特色社会主义理论体系概论》《形势与政策1－4》，分别设于大学生的前四学期，作为公共基础课，总学时比例也很高，但由于大学生在学习过程中，对课程的不重视，导致这些课程没有对大学生的思想教育起到作用。高校的专业课教育虽然经过长期的改革及教师们的努力研究，专业课之间进行了有效的融合讲解，但专业课教育长期与思想教育相脱离，这种现象不利于学生的整体发展，也没有体现出公共基础课与专业课的相辅相成作用，导致人才培养方案设计的失效。所以大学生的专业课与思想教育融合是势在必行的。《统计学》课程是高校经管类专业的专业基础课，讲解如何收集数据、整理数据、分析数据、解释数据，并从数据得出规律性结论的一门学科，提高学生数据分析和解决实际问题的能力，是学生在日后工作中提供经营管理的咨询、决策、实施管理的工具。《统计学》课程一定要在授课过程中融入“课程思政”元素，发挥《统计学》课程的思政教育功能。

3.2SPOC建设不完善

2020年受肺炎疫情的影响，各大高校纷纷改为以“网上授课”为主。在疫情期间，教师为了监督学生学习，提高学习效果，不断地更新和探索新的教学方法，向学生推送网络资源，利用学习通、腾讯课堂等方式进行网络授课。线上和线下结合的教学模式已成为一种教育的发展趋势。但疫情期间，《统计学》课程线上教学出现了很多问题，导致学生的学习积极性不强。《统计学》课程的网络资源很多，但由于各大高校的学情不同，很难从现有的线上资源找到一个适合不同层次学生的网络资源，尤其对于民办高校学生来说，其知识基础薄弱、学习兴趣不浓、学习积极性较差，很难固定找到一个网络资源完全与民办高校的《统计学》教学大纲培养应用型人才相符。除了向学生推送网络资源提前预习外，课堂前、课堂中、课堂后提高学生学习的参与率、考核学生在授课后其基本理论知识的掌握程度等也是非常重要。那如何能做到这些有效的监督呢?这就需要高校针对自己的学情进行课程SPOC建设，再以其他网络资源为辅，可以有效提高学生的主动学习性。而现有的高校《统计学》课程SPOC建设还不完善，甚至有很多高校的《统计学》课程SPOC建设几乎为零。

4大数据背景下人才培养的建设

4.1与思政教育相结合的建设

(1)理论授课的要点与思政教育的融合。第一，统计学的基本理论包括统计学定义、统计学研究对象、特点、统计学的起源和发展、统计学学科的性质等内容，它与思政教育的融入点为:认识统计学的作用、统计学的发展历史，以史为鉴可知兴替。在原始社会中只是有计数活动;到了奴隶社会为了课税和征兵，开始对人口进行普查、土地和财产进行统计;到了封建社会，秦汉、唐宋、明清分别对地方田亩和户口统计、土地调查和计算、人品登记和保甲制度;到封建社会后期和资本主义社会前期，随着社会生产力发展及分工细化，直到目前已进入大数据时代。第二，统计数据的收集，数据的来源有两种:直接来源和间接来源。对于间接来源数据，融入“诚实守信，尊重他人劳动成果，为企业一些机密数据保密原则，遵守统计人员的职业道德等”思政教育;对于直接来源数据，要“实事求是，对真实数据产生敬畏，做一个有思想不盲从的统计从业人员等”思政教育。第三，统计学的分析主要有描述性统计和推断性统计。其中推断性统计分析的参数估计引入“以点概面、从局部到总体”、假设检验引入“事物的对立面”等思政教育。(2)课程思政融入于案例和实践教学中。检验学生对《统计学》课程内容掌握的程度及是否能进行应用去解决经济问题，最有效的方法就是实训教学。在实训教学中，教师以生活熟悉的案例为载体讲解统计学各种分析方法在软件的操作，将学生进行分组，利用学生的好奇心和兴趣，让学生自选一个身边感兴趣的现象作为研究。引导学生们用科学的方法进行问卷调查收集数据，对回收的数据进行细致的审核和整理，此时融入“坚持客观、严谨科学的态度等”思政教育。在整理好的数据进行数据分析时，融入“尊重数据分析的最终结果等”思政教育。在实训过程中，让每组学生对所收集的数据中某一问卷中的某一数据进行撰改后数据分析结果与未撰改数据分析结果相比，有何差别，引导学生们去认识数据真实性的重要性，让学生养成严谨、敬业、尊重事实的科学态度，培养他们成为真正热爱并有职业操守的统计职业人才。

4.2线上SPOC建设

《统计学》课程的SPOC建设针对校内线上资源建设，它的完善会极大提高学生自主学习的能力。作为一名民办高校《统计学》教师，笔者认为针对我校的学情，此课程的SPOC建设包括线上微课、线上讨论、线上答疑的建设。线上微课视频是指通过“碎片化”教学，将教学过程中的重点、难点和疑点结合实例讲解，以教学视频方式呈现出来，具有针对性强、目标明确和时间短等特点。利用学习通等软件提前上传给学生，向学生布置任务，利用软件的一些功能，监督学生观看的时间，并设置在学生观看后，需学生总结出学习视频内容的心得，即理解内容、不理解内容，也可以提出问题及意见。这不仅可以监督学生学习，提高他们自主学习的时间，也可以为教师后续的课程改革提出方向及依据。线上讨论主要是设置在每一章理论课结束后，在线上设计一些案例，并提出任务，让学生在课后对所提出的案例任务进行线上讨论，运用所学的理论知识去解决实际的经济问题，不仅提高学生理论与实践相结合能力，还可以提高学生的独立思考、解决实际问题的能力。教师根据学生在线上讨论的参与率及讨论效果给予学生平时成绩，也体现了各大高校对课程考核成绩的一项改革，侧重于平时学习的考核。而线上答疑，是利用现代信息技术，在网上进行的一种答疑方式，教师可随时随地在线上看到学生的疑问，针对学生的疑问及时进行解答。这种线上答疑方式为学生对重点知识的反复学习和深刻理解提供了及时、较好支持，为其巩固知识和加强理解给予很大的帮助，提高学生学习积极性，提升其学习兴趣。

参考文献:

［1］胡瑞香.浅谈课程思政理念下《统计学基础》课程教学改革的探索［J］．国际教育，2020(10)．

［2］方万里.统计学与思政课程同向同行的思考［J］．太原城市职业技术学院学报，2020(11)．

［3］杨潇伟.大数据对高职统计学教学的影响［J］．产学研经济，2020(11)．

［4］唐谦.大数据背景下统计学教学改革探讨［J］．课程教学，2020(10)．

［5］马斐斐，尚增振.大数据背景下经管类专业统计学课程教学改革研究［J］．科技经济导刊，2020，28(33)．

第5篇：课堂大数据分析范文

关键词：大数据；大学计算机基础；数据分析处理；教学改革

信息化时代，几乎每个社会人都生活在大数据时代所带来的便捷之中。接触最多的就是互联网，及互联网兴起的众多服务，例如云计算、社交网络的使用。这意味着我们无时无刻不在接触大量的数据[1]。我们接触的数据种类越来越多，规模越来越大，作为未来社会的主人翁，大学生有必要掌握一定的数据分析和处理能力，以适应时代的发展。大学计算机文化基础这门课程作为大学生的一门必修的公修课在一定程度上影响着大学生的计算机知识水平。时代的发展对社会人提出了更高的要求，作为大学生必修的计算机文化基础课程的改革也迫在眉睫。

一、大学计算机基础课程的教学现状

目前，除了计算机专业的学生外，中国大多数高校也都将大学生计算机基础开设为公修课程，以此向非专业的大学生普及计算机基础知识，使他们掌握一定的计算机基本技能。但是，现在普遍采用的教学思路是教师上课时按照自己的备课教案完成自己的教学计划，实验课上再要求学生进行上机训练[2]。显然这样死板的教学现状极大地降低了学生的学习兴趣和对学习的主观能动性。

二、大数据时代下大学计算机基础课程教学内容的改革

随着大数据技术的发展和成熟，大数据技术及其应用必然会成为国内各大高校新开设的重要课程[4]。对于非专业的学生，他们大多学习的是大学计算机基础这本教材，而该教材主要讲的是电脑的基本操作和MSOffice的初级应用，并未涉及关于大数据的知识，所以对教材中的内容可以进行适当的修改，增加关于大数据的章节，使学生更好地了解大数据时代的需求，掌握一定的数据分析和处理能力，不断培养和提高自己的计算思维和能力。

1.增加大数据基础及其历史发展章节。

此章节是对大数据的概念以及其定义、结构、特点、意义、用途的基本描述，同时也会详细叙述大数据发展的历史脉络，使大学生能够更清楚的了解大数据，进而激发他们学习的兴趣和热情。

2.增加大数据分析技术及其基本操作的章节。

因为在大数据时代下，要求大学生具有极强的数据分析能力，所以要开设相关的章节，向学生教授如何处理和分析数据，使他们能够适应大数据时代的发展潮流。例如可以向他们介绍HadoopMapReduce、NoSQL数据库、内存分析、集成设备等与数据分析有关的关键技术，不断扩充他们的知识。

3.增加大数据处理技术及其基本操作的章节。

在大数据时代下，我们要学会处理这些数量庞大、无形的数据资源，将它们应用于实际生活和社会发展规划的制定上，例如中央电视台新闻联播中的数字看两会一样，通过对大数据的处理来形象地观看今年中国的新发展。所以，增加关于大数据处理和分析技术的章节，并通过利用当今社会上通俗易懂的数据分析和处理软件来让学生自己动手实践，使他们掌握并能够对大量的数据进行分析和处理。本文将SPSS作为数据分析和处理的教学软件，来让学生更好地学习对数据的分析和处理能力。SPSS（StatisticalPackagefortheSocialScience）———社会科学统计软件包，是世界著名的统计分析软件之一。它使用Windows的窗口方式展示各种管理和分析数据方法的功能，使用对话框展示出各种功能选择项，只要掌握一定的Windows操作技能，粗通统计分析原理，就可以使用该软件为特定的科研工作服务。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。SPSSforWindows的分析结果清晰直观、易学易用，而且可以直接读取EXCEL及DBF数据文件，现已推广到多种操作系统的计算机上，它和SAS、BMDP并称为国际上最有影响的三大统计软件。与国际上几种统计分析软件对比，它的优越性更加突出[3]。SPSSforWindows操作简单，被应用的程度和领域广泛，因此比较适合作为数据分析和处理知识的教学软件使用。现在很多国外的知名大学都已经开设了相关的课程，例如大数据分析统计基础、大数据分布式计算、大数据挖掘与实际应用等。同时中国国内的一些高校也正在尝试开设一些关于大数据的课程，以此来帮助学生理解大数据，培养大数据的分析与处理技术的能力[5]。

三、大数据时代下高校计算机教学模式的改革

国内大多数高校基本采用的是大学计算机基础这本教材，尽管该书的内容以及课程结构比较系统全面，但是由于受到学生层次的不同以及教学计划的限制，致使学生不能真正掌握到知识的精髓。同时，教学模式也是理论与实践脱节，这就导致上机操作课失去了本来的作用，成为学生玩游戏、聊天的课堂。另一方面大学生来自全国各地，他们对计算机基础知识和技术的掌握程度有很大不同。这些现实问题促使我们对高校计算机基础教育的教学模式进行相应的改革和调整，以适应大数据时代下社会的需求。

1.分层教学法。

现在的大学生在掌握计算机基础知识和基本技能方面存在着参差不齐的现象，所以在计算机基础教育的教学过程中可以实行分层教学法。采用分层教学法就是对不同程度的学生进行不同层次的教学，其中主要包括讲解分层法、练习分层法、作业分层法和辅导分层法。例如练习和作业分层法就是在对不同程度的学生布置课时练习和课后作业时，按难易程度的不同分配给不同层次的学生。采取这种分层教学法，能够使学生更好地掌握所学的知识，找到适合自身的学习方法，从而能够更好的提高自己的计算机实际操作能力。

2.案例教学法。

案例是最生动形象的表现，通过呈现案例的方式可以加深我们对相关事物的理解。所以教师在教授知识的过程中适当采取案例教学法，通过实例详细地给学生进行讲解，在讲到重难点时可以加以强调。演示完之后提问学生并让个别学生进行再次演示，考察学生课堂掌握情况。这种方式可以使学生更快地接受相关知识，并且记忆犹新[10]。

3.大数据教学法。

大数据时代下占据主导地位的是无穷的信息，对于这些资源，教师可以在教学模式的改革中充分利用。大数据时代下各大高校都拥有大量关于学生的信息，同时教师也可以对日常教学过程中掌握的学生信息进行详细分析，从而能够更好地了解关于学生的家庭情况、学习的努力程度、计算机实际操作的水平、聪明程度以及认知能力的高低等诸多情况。大数据教学法的特点就在于通过这种方式帮助教师更加充分地了解到学生的学习和发展情况，为他们制定适合自身的学习计划，彰显个性化，突出学生在学习过程中的主体性。在大数据时代下，提高他们的学习兴趣，激励他们不断进步，掌握对数据的分析和处理的能力。广泛意义上讲方式就是一种行为模式，对于学生来说学习模式的选择非常重要，依靠大数据时代下大量的信息对于学生来说就是一种学习的方法和技巧。如果学习方式选择正确的话，可以达到事半功倍的效果。如果教师在计算机基础教学中增加关于大数据处理和操作的章节，那么其复杂度和实践性会进一步加强。除了通过操作通俗易懂软件让学生实践以外，还可以与相关企业进行合作，为学生提供海量的数据资源和模拟环境，使学生与大数据时代下的社会发展接轨，也可以使学生体验“实习”的感觉。这种教学方法不仅可以增强学生的实际动手能力，而且可以让学生验证自己在学校学习的理论知识，进而使他们对这门课程的学习更加地深入[8]。当人们在浏览网页、网络购物，或者与别人在社交软件上聊天时[7]，相关的记录都会被采集，用作数据分析和处理的资源。所以这也要求新时代的大学生拥有极强的数据意识，同时也要具备过硬的数据分析和处理能力以及计算机专业素养。为了使当代大学生更好适应大数据时代的发展，我们以大学计算机基础这门辐射面最广，使学生受益最大，同时在学生中广泛学习的基础公共课为例[9]，详细地论述了在大数据时代下大学计算机教育如何进行相应教学内容和教学模式的改革，并且希望我们的研究能够使大学计算机教育与时代接轨，为社会培养出更多的计算机方面的人才。

参考文献：

[1]李雯雯，韩仙玉，刘文洁.大数据时代计算机专业教育的探索[J].现代计算机，2014，（10）：54-57.

[2]苟燕，赵希武.大数据时代下基于云平台的“大学计算机基础课程”建设[J].内蒙古师范大学学报（自然科学版），2015，（01）：93-95.

[3]甘丽新，涂伟.大数据时代学生信息素养培养的探索[J].科技广场，2014，（02）：140-144.

[4]张青，孙雪梅.大数据时代背景下的个性化教学[J].辽宁教育，2015，（01）：15-16.

[5]明小波，孙艳玲，刘杨，苏谦.大数据时代信息类学科专业建设的思考[J].信息系统学报，2014，（13）：112-119.

[6]陶烨，金莹.大数据时代社科类专业计算机基础课程改革探究[J].专业与课程建设，2014，（06）：31-34.

[7]隆岩.大数据时代下的高校计算机教学改革[J].学术论坛，2014，（25）：215.

[8]方昕.大数据时代下计算机专业教学的探索[J].研究与设计，2014，（11）：32-34.

[9]李廉.以计算思维为导向深化大学计算机课程改革[J].中国大学教学，2013，（04）：7-11.

第6篇：课堂大数据分析范文

关键词：大数据；大数据技术；教学改革；教学模式

中图分类号：G424 文献标识码：A 文章编号：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

大数据诞生于人们对数据搜集能力、传输能力、存储能力和处理分析能力的发展和跨越基础上，已在各行业掀起了变革的巨浪，发展潜力巨大[1]。著名管理咨询公司麦肯锡认为大数据是大小超出了常规数据库软件工具获取、存储、管理和分析能力的海量复杂数据集。亚马孙认为大数据是任何超过了一台计算机处理能力的数据量。从宏观角度来讲，大数据是融合物理世界、信息空间和人类社会三元世界的纽带。谷歌借助云计算搜索引擎推动了大数据的应用和发展。在教育领域，在教与学的过程中，也蕴藏着有价值的海量大数据，怎么有效挖掘、分析和利用这些海量数据来促进教学，是当今教育界研究的热点内容。

未来十年将是一个“大数据”引领的智慧科技时代。随着QQ、微信等社交网络的逐渐成熟普及，移动带宽迅速提升，云计算、物联网应用更加丰富，更多的传感设备、移动终端接入网络，由此产生的数据急剧增长，速度比历史上的任何时期都要多都要快。IDC在《数字宇宙膨胀：到2020年全球信息增长预测》指出，数字信息每年按几何级数递增，到2020年，数据量将超出人们想象，达到40ZB。据麦肯锡数据显示，2009年美国教育部某信息系统数据库存储的数据达到近270PB，入选2009全美十大数据生产贡献排名，教育已成为大数据重要源泉之一[2]。

教育意味着未来，抓好了教育，就预示着掌握了未来，所以教育始终是民生之本，是国家和政府高度重视的领域，教育改革始终是一个不断探索的课题。在大数据时代快速推进之际，探索新形势下的教育体制、模式和方法，对促进我国教育发展具有长远意义。

1 国内外对大数据在高校教学中的初步探索

大数据技术必将改变我们的生活，也必将推动教育模式产生巨大的变革。2011年秋天，斯坦福大学一门人工智能网上课程受到热烈欢迎，190多个国家约16万学生参加学习，2万多人通过了考试，获得认证。课程讲授者Thrun教授，创办了在线教育平台Udacity。斯坦福大学的Ng教授，把自己的课程放到了互联网上，全球有十几万人注册，在网上听他的实时讲授，同时还和斯坦福大学在校生做同样的作业、接受同样的考核。Ng教授2012年4月成立了Coursera，和普林斯顿、斯坦福、密歇根大学和宾夕法尼亚大学等大学结盟，提供社会科学、物理、工程学等课程。2012年11月福布斯发表文章《一个人，一台电脑，1千万学生，可汗学院如何重塑了教育》。因为“大数据”的技术背景，哈佛和麻省理工也把课程免费上网，收集最多的学生学习行为数据，研究开发更好的在线教育平台，强化学校品牌效应。

硬件的高速革新和软件的高度智能，国内也掀起了新一轮教育信息化的浪潮。清华大学、北京大学、上海交通大学和复旦大学等，也都开始提供免费网络课程。国内多个省市先后实施了建设教育信息化公共服务平台，推进数字校园实验工作，建立 “数字化学习”试点学校，开发“微课程”，试点“微学位”，开展“翻转课堂”活动、推进1对1“E课堂”教学实践等一系列教育改革新举措。

1.3 研究趋势

现代信息世界已经发酵出第三次工业革命，具体到教育和高等教育领域，云、物联网和基于云和物联发展所带来的大数据趋势，是变革的技术因素，向大数据时代、知识时代跨越。目前仅就知识而言，教育资源所经历的平台开放时代、内容开放时代、校园开放时代是前所未有的。教育发展的未来模式将是：视频成为主要载体，教育资源极其丰富；翻转课堂；按需学习；终生学习；不以年龄划线；距离不再是问题，在学校之外在异地发生等等。

千百年来，知识载体的变化，决定了知识本身的价值。简牍时代，知识被教师垄断，师生的等级观念由此诞生；印刷时代，知识变得廉价，教师的作用变成讲授服务；信息时代，知识更容易获取，教师成为学生的朋友和教学过程信息服务的组织者、主持人和教练。数据挖掘和数据分析软件可以阶段测验学生表现，帮助教育者研究能够预测其效果的学习模式。面向服务、面向创新和面向过程成为教育的重点，云和大数据为基础的教育资源共享、教育模式语言与教育空间设计、学生个性和天性培养成为教育发展趋势。信息时代大量的知识创造和服务业的兴起，行业技能专能和社区教育，将不断壮大发展。高等院校的教学模式、教学定位等都将有很大的变化，推动高校不断创新，成为新知识的生产中心，而不是旧知识的传播中心，催生良好的管理和其他增值服务。

2 大数据对高校教学模式和教学实施的影响

2.1 大数据的4V特性在教育变革中的体现

大数据的4V特性是，Volume（海量的数据规模）、Velocity（快速的数据流转和动态的数据体系）、Variety（多样的数据类型）、Value（巨大的数据价值）。现代教育过程将产生大量的教育数据，海量的知识数据，随着信息技术和通信技术的飞速发展，各种计算机和终端设备实现了前所未有的互联互通，教育内容实现了跨越时空的自由流通。大数据的实时分析与处理，Hadoop（MapReduce技术的基于Java的开源实现）等非关系型数据管理和分析技术和HadoopDB（MapReduce技术和RDBMS的集成），能加速数据查询和分析，具有较好的扩展性和容错性，智慧软件实时诱导跟进评价学生的在线学习。关系型数据库处理结构化数据，而现在非结构化数据（用户评论、应用、位置信息、图片、音乐、视频等）占很大比重（约为85%），产生智慧的大数据往往是这些非结构化数据[3]。视频教学和师生间的网络互动交流将成为未来教育的重要方式，对学生学习过程的记录数据，将对学生的教育规划进行智能化的指导和评价。通过对数据的分析和利用，预测未来发展趋势，开发有吸引力的应用，将产生巨大的价值，为未来教育带来创新模式。

2.2 大数据支撑的未来教育将成为一门实证科学（教育的数据化）

与医疗技术比较，原来的医疗靠望闻问切和经验为病人诊治，现代医学更多的依靠各种检验化验和先进的医疗设备器械，通过报告单、可视化的影像、X光片等精确数据，为疾病的判断和诊治提供科学的依据和证据。尽管病人会抱怨，住院后让做各种检查，该做不该做的都做，但也无可否认，在大量诊查数据的支撑下，现代医疗技术确实提高了很多，治愈率越来越高，人的寿命不断延长。

类似的，教育也将不再是单纯靠理念经验的积累和传承，道德良心自律的学科，而将变成一门实实在在的实证科学[4]。把学生从入校后的所有相关教育信息行为表现，都记录下来，根据这些数据，分析学生的学习过程和个性特质，将为学生的个性化学习和个人成功提供有力的科学依据。

大数据使得查探学生表现和学习途径信息成为可能，学生通过在线学习平台进行学习，其学习行为数据将被记录，系统后台根据不断积累的行为数据对学生进行评估，分析学生的思考习惯和思维模式，创建心理测量图，根据学生的学习进展调整之后的学习内容和重点。实时记录学生的量化学习过程（上课、读书、记笔记、作业、讨论、考试、考评等）和实验的过程结果等，这些数据将作为课程最后考评的重要参考依据。通过聚焦于数据分析，教师可以用更有效的方式研究学生学习状况和学习效果[5]。

2.3 未来教育在技术上的演进

2.3.1 教育技术的演进

教育经历了PC时代的数字化教育（传统的板书变成了PPT投影）、互联网时代的社会化教育（知识的获取更加便利和普及，知识传播更加迅捷）、移动互联网时代的范在化教育（教育不再受时间和空间的限制），现在进入了大数据时代的个性化教育（视频将作为知识传播的主要载体）。传统网络教育、远程教育、网上学堂只是把教育教学转换为视频，通过网络传播，使学生异地学习，只是学习内容的网络化跨地域化。

大数据教育依托网络技术和大数据分析，将有更多的教育手段、要求、方式和内涵等，更注重学生的因材施教、个性化培养、突出个体差异化发展和成功。哈佛、MIT、斯坦福、耶鲁、普林斯顿、伯克利、宾夕法尼亚大学等纷纷把自己的课程免费上网。新一代的在线学习平台和过去的重要区别，在于增加了行为评价和学习诱导的成分，向全世界开放，让最多的学习者在上面学习、使用，同时可以收集最多的数据，使用、研究、分析学习者的行为模式。

未来大部分的老师，是课堂的组织者、学习的引导者、学生学习行为的分析者，而不是知识的讲授者。网络、视频和智能软件，为每一个学习者搭建起一个学习情境，对学习者的学习过程和行为提供持续性的诱导、评价和支持，帮助其培养科学有效的学习方法和习惯等。数据在网上自动整合和跳转，向学生推送学校信息和建议。学生可以和其他学习者交流互动，寻求有效帮助。普适计算的浪潮，网络终端将无处不在，学生可以在任何可以联网的地方学习，而到学校去，则主要是做作业、答疑、讨论、考评等。

2.3.2 大数据教育技术

1）大数据处理模式大数据的主要处理模式有两种：直接处理的流数据处理（Stream Processing）模式和先存储后处理的批处理（Batch Processing）模式。数据流的研究与技术应用已经有十几年的历史了，目前开发和得到广泛应用的代表性开源系统有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批处理模式的典型代表是Google的MapReduce模型。

2）教育大数据分析技术教育分析技术来源于大数据在商业领域的应用，如淘宝网根据用户的浏览轨迹推断用户对产品类别的偏好。教育分析技术以学生群体为主体，借助于网络在线平台和移动终端软件，跟踪采集挖掘分析学生学习的整个过程，以提高学生学习质量和学习效率，并对学生未来需求趋势进行分析和预测， 拓展发展空间，提高竞争力[7]。深度学习和知识计算是教育大数据分析的基础，可视化是数据分析的关键技术和数据分析结果呈现的关键技术。

深度学习深度学习的起源可以追溯到神经网络和后向传播（BP）算法，2006年多伦多大学的Hinton等人提出无监督的逐层贪婪的预训练（greedy layer-wise pre-train）方法，掀起了深度学习的浪潮。近几年，深度学习在自然语言理解、语音识别、人脸识别、图像搜索等应用领域取得了一系列重大进展[8]。而在教育领域，深度学习研究集中在学生线上视频学习时间分析、学生参加网络活动的行为分析等方面。

知识计算对大数据进行高端分析，需要从大数据中抽取有价值的知识，构建成支持查询、分析和计算的知识库。目前，世界各国建立的知识库达50多种，知识应用系统达100多种。知识计算的基础是构建知识库，包括知识库的构建、多源知识的融合、知识库的更新等。教育领域，基于机器学习、信息检索和数据挖掘的智慧软件构建了一个高度个性化的智能网络平台，实时反馈学习过程信息，可以帮助对学生做出评价、对教育做出决策。

可视化技术可视化技术在大数据领域的应用主要表现在数据分析工具的可视化和数据分析结果的可视化[9]。对大规模、高维度、多来源、动态演化的大数据信息，开发可视化分析工具，使普通人员也可以轻松上手操作实现自动分析。对大数据分析结果应用有效的可视化技术（交互式展示、超大图动态化展示），有助于用户理解和辅助做出实时反馈和决策。教育领域，教师可以使用数据可视化工具来研究学生的学习模式，修正课程以引导学生进行有效学习和满足学生个性化学习需求。

2.3.3 大数据处理平台和工具

在原有的关系型数据库RDBMS，很难处理大数据时代产生的大量非结构化数据的背景下，基于Google三大核心技术GFS、MapReduce、BigTable的Hadoop和NoSQL数据库技术应运而生，为海量大数据的处理提供了强大的技术支撑。国内的教育大数据平台，也已经起步并开始应用，如超星公司的超星尔雅和泛雅，已经和国内多所高校合作，用于这些高校的教学，其SPOCs和混合学习的模式，正在渐渐被接受和付诸实施。

2.3.4 未来教育将是一项以支持和服务为核心的系统工程

源于网络和大数据提供的爆炸式的知识，未来教育不再是标准化、归一化、规范化的教育，而是按需学习、终生学习，充分发掘学生自身原有的积极性和天分，实现自组织学习[10]。

大数据时代使人们接收知识更加方便了，但是就和印刷术的发明和普及，使人们接触知识的机会增多了，但教师的数量并没有下降，反而升高了一样。大数据时代，对于爆炸的信息，需要很好的甄别、引导和指导，去除无用的垃圾信息，所以对于学校和教师的需求不降反升。此时的教育，主要是根据学生的兴趣和个性特质，建立“以学生为中心”的智慧教学模式，规划指导跟进学生的培养，与学生有更多的互动和交流，以支持和服务为核心贯穿学生培养的整个过程。

3 大数据在高校教学改革中的应用实施

3.1 我院现状

大数据改变了高校教与学的模式，但这个过程是循序渐进的。我们学院首先在大四学生中进行试点。

大四学生第七学期的学习有这样一些特点，学生基本分为三个阵营：（1）外出培训工作；（2）考研考证照考公务员考选调生；（3）在校内继续学习。基于以上情况，大四第七学期的课堂到课率普遍不高，对大四学生的课程考核也相对宽松，这就造成大四第七学期的课程形同虚设，根本没有达到本专业的人才培养目的和预期，而大四第七学期的课程又基本都是比较重要的专业课、实践课，是专业人才培养方案中比较重要的部分，并对学生未来就业影响颇深。

3.2 改革措施

基于以上情况，我们实施了以下改革措施。

1）个性化差异化教学：大四第七学期的课程全部作为选修课，设置的门数和种类更加多样化，学生根据自己的兴趣和职业发展规划，自由选择其中的4-5门课，选修够最低学分要求，对最高学分不进行限制，鼓励多选。

2）化解学生学习时间和地域限制的矛盾：学习方式改革，利用大数据技术，借助网络，将课程教学视频根据教学安排，上传网络，使学生可以在任何地点自由安排学习时间，这对于在外培训工作的学生，十分方便。对于校内考研和学习的学生，也可以自由安排学习时间，提高学习效率。

3）重视学生学习的过程性评价：学生必须要完成规定的课程学习学时，每次课安排有课前测试，课后测试及作业。课前测试，课后测试，学生能够实时查看到测试成绩，课后作业要求学生在规定的时间内提交，课程教师要在规定的时间内批改完毕，并将成绩到网上，供学生查看，对不合格的作业，要告知学生重做。学生的课程成绩由学习的所有各阶段的所有成绩汇总而成，所以学生必须重视和认真对待每次的学习、测试和作业。

4）师生互动交流：教师和学生间的互动交流方式多样，可以通过线上论坛讨论答疑，也可以利用移动终端的便捷，建立课程QQ群或微信群，进行交流。教师将作业、要求、提醒等信息及时网络和交流群中，引导督促帮助学生完成课程学习。

5）对学生学习的过程性大数据进行分析：学习的过程性数据分析技术，改变了传统教学的经验式模式，为学生提供高质量个性化的学习体验，辅助教师根据数据分析结果，改进教学方式完善教学过程。将学生从选课、学习、考试结课等所有阶段过程中，产生的数据进行汇总分析。根据学生的选课情况数据分析，综合考虑调整专业课程设置，同时对学生选修课程行为进行适当宣传引导。对学生学习的过程性数据进行分析，掌握学生学习情况，挖掘学生学习习惯和特点，以实时调整课程难易度，根据学生特点突出个性化差异化人才培养。

6）教师角色的转变：在新的学习方式中，教师的角色也将发生改变，由原来单一的知识讲授传授者，变为学生学习的知识传授者和学习引导者、督促者、帮助者、考评者。教师将课程内容录制上传后，将不再为每个班一遍遍的重复讲授，大量的时间将花费在教学的组织实施、答疑解惑和对学生学习的引导督促激励监管考核上。学生将有更多的时间得到一对一的辅导和帮助。

4 结论

大数据时代已经到来，未来十年，大数据在高校中有着广阔的应用前景，将成为下一个创新、竞争和效率提高的前沿，我们应抓住机遇，适时改革，使信息时代下的高校教育与时俱进，培养出更多的适应信息社会发展的高素质人才。

参考文献：

[1] 罗军锋，徐菲. 大数据时代的高校信息化框架[J]. 中国教育信息化，2014（3）：11-13，22.

[2] 朱建平，李秋雅. 大数据对大学教学的影响[J].中国大学教学，2014（9）：41-44.

[3] 程学旗，靳小龙，王元卓，等. 大数据系统和分析技术综述[J]. 软件学报，2014，25（9）：1889-1908.

[4] 张羽，李越. 基于MOOCs大数据的学习分析和教育测量介绍[J]. 清华大学教育研究，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]. 盛杨燕，周涛，译. 杭州：浙江人民出版社，2013：148.

[6] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展，2013，50（增刊）：216-232.

[7] 冯翔，余明华，马晓玲，等. 基于大数据技术的学习分析系统架构[J]. 华东师范大学学报，2014（2）：20-29.

[8] 陈律. 大数据背景下学习分析技术对教学模式的变革[J]. 中国教育信息化，2013（24）：15-17.

第7篇：课堂大数据分析范文

【关键词】数据分析观念；价值要义；培养策略

【中图分类号】G623.5 【文献标志码】A 【文章编号】1005-6009（2017）33-0035-03

【作者简介】1.周丹菊，江苏省淮安市天津路小学（江苏淮安，223005）总务副主任，高级教师，淮安市数学学科带头人；2.王乃涛，江苏省淮安经济技术开发区教师发展中心（江苏淮安，223005）教研员，高级教师，江苏省数学特级教师。

在大数据时代，海量信息从数据中产生，具备数据分析观念和能力是信息社会对人的基本要求，是数学素养的重要方面。新课标把“统计观念”修订为“数据分析观念”，点明了统计的核心是数据分析。对数据的搜集、整理、分析并体会事件发生的可能性、随机性，培养学生数据分析观念，帮助学生进行合理判断和科学决策。

一、以信息为载体，让数据“发声”――培养数据分析观念的初意识

1.数据场景现实化，激发数据整理的兴趣。

儿童更容易对现实的东西感兴趣，尤其是数据分析观念很薄弱的低年级儿童，教学需要根据儿童认知规律和心理特征，创设现实化场景，调动其整理数据的欲望；通过简单的分类整理等活动，让学生初步了解数据，理解数据中蕴含的有价值的信息，培养根据问题收集、获取、分析数据的意识。

案例1 苏教版二下《分类统计》

（图1）

问题1：图1中有哪些人，分别在做什么？你还想知道什么？

生1：我想知道学生比老师多多少人？

生2：我想知道参加哪种活动的人最多，哪种活动的人最少？

以上是儿童第一次接触统计教学内容，面对游戏情境图，大多数儿童只知看图说话，并没有意识到主题图中隐藏的数学信息。因此，笔者让儿童谈谈“你还想知道什么”，以此来激发他们收集数据的兴趣，并使他们意识到，必须根据问题情境对数据进行分类和整理。这是培养学生数据分析初意识的方法之一。

2.数据表达个性化，彰显数据分析的意趣。

在现实场景中，教师无法预设学生整理数据时会运用哪种符号或方法。首次进行数据整理的儿童往往会创造出令人意想不到的符号，教师应尊重其思维特点，保护其创造性。

问题2：要想知道学生比老师多多少人，你准备怎样分类？有什么好方法能做到不重复，不遗漏？ 小组合作：用自己的方法表示分类的结果。

部分呈现：

分析：根据整理出的数据，能解决你提出的问题吗？你还能从这些分类结果里知道什么？

放手让儿童收集、整理数据，鼓励他们用自己的方式记录并呈现数据，儿童从场景信息到符号数据的整理过程中感受到数据分析的乐趣。

二、以问题为导向，让过程“发生”――激发数据分析观念的潜意识

1.问题指向富有统计意义，经历真实过程。

培养儿童数据分析观念不能一蹴而就，须让儿童从亲身经历中获取、感悟，让他们不断经历数据分析的全过程：调查收集整理分析。根据数据分析的结果，儿童作出预测和决策，感悟分析过程中渗透的分类、归纳、类比等数学思想方法，数据分析观念从而得以发展。

案例2 苏教版四上《可能性练习》

问题：按照足球比赛的国际惯例，双方采用抛硬币的方法决定谁先发球。瓶盖也有正反两面，为什么不采用抛瓶盖的方法呢？

活动：合作抛硬币、瓶盖各10次并记录结果。

交流：瓶盖开口面朝上与朝下的次数相差比较大，硬币两个面朝上的次数接近。

分析：瓶盖两面轻重不一样，落地后两面朝上的可能性不相等。硬币两面轻重是一样的，落地后两面朝上的可能性相等。所以，抛硬币的方法对双方来说是公平的。

儿童在有价值的任务的驱动下经历主题式活动，亲身经历了数据统计的全过程，统计方法得到掌握，数据分析观念得以发展。

2.大数据问题分析多样化，渗透多元思想。

大数据收集、分析过程可以多元化。根据问题所需，选择适切的分析方法是培养数据分析观念的关键。

案例3 苏教版六下《统计与可能性复习》

问题：利用网络调查统计全校各班男生、女生喜爱文艺、科技、漫画、故事等四类图书的数据。

交流1：展示某一年级学生喜爱文艺类图书人数情况可用什么统计图？展示某一年级男生、女生喜爱漫画类图书人数情况可用什么统计图？

交流2：展示全校各年级学生阅读故事类图书的喜好变化情况用什么统计图？展示全校学生喜爱阅读各类图书的分布情况用什么统计图？

基于全校的调查样本，教师引导儿童对收集的数据进行整理分析，在讨论中让儿童明晰统计图表的选择是基于能否解决所要分析的问题，在讨论中，儿童将感受到数据分析的魅力。

三、以课程为资源，让数据意识常态化――拓宽数据分析观念的广意识

1.开发有价值的材料。

并非只有统计教学可以培养学生数据分析观念。图形的认识、质数、圆周率等知识的学习，也能培养学生数据分析观念。

案例4 苏教版一上《认识图形》

（1）小组活动：每人选一种积木看一看、摸一摸，把自己的感受和发现在小组内交流。

（2）分一分：把相同形状的物体放在一起，说说为什么这么分。

引导儿童把随意摆放的各种图形进行分类，儿童既认识了图形又经历了数据整理的过程。适时创造、开发有价值的研究材料可以把培养学生的数据分析观念贯穿于课程教学的始终。

2.依托教材体验随机。

稻莸乃婊性是数据分析观念的要素之一。在课程内容教学中，紧扣教学内容，通过个别现象了解整体规律，由特殊认识一般，可以培养学生的创新精神。

案例5 苏教版五下《圆的周长》

问题：圆的周长和直径到底有什么关系呢？

活动：以小组为单位，测量手中的4个圆（每组领到的圆相同），记录测量出的周长、直径的长度，利用计算器算出圆的周长与直径之间的关系，填入表格。

反馈：选取多组数据进行分析，讨论周长除以直径的商有什么特点？为什么有的组测量同一个圆，数据会不一样？

“圆的周长与直径到底有什么关系”问题旨在激发儿童通过数据分析获得结论的意识。让儿童思考为什么不同的小组测量同一个圆，得出的结果不同，儿童很快意识到测量数据是有误差的，而产生误差的原因是多样的，这正是事件发生随机性的原因之一。儿童在对多个圆的周长除以其直径的商的数据分析过程中，发现周长都大约是直径长的3倍，这是事件随机性的另一个重要方面。

四、以实践为决策依据，让数据分析生活化――实现从数据分析到解决问题

1.拓展数据分析路径，提升问题解决能力。

一方面教材提供了大量培养儿童数据分析观念的素材，另一方面解决生活中的实际问题有助于儿童真正养成数据分析观念。因此，儿童数据分析观念的培养需从课堂延伸到课外。

案例6 “快乐的联欢”活动准备

谈话：同学们，“六一”儿童节马上就要到了，班委会打算买些水果分给大家吃，他们该如何购买？

交流：调查大家最爱吃的水果再作决定。

分组收集，汇总全班数据：18人爱吃西瓜，3人爱吃苹果，6人爱吃梨，25人爱吃桃子。

得出：根据大家爱吃的水果种类和数量买水果，但是西瓜体积大，不必买这么多，买2个就可以了。

当数据分析真正走进学生的现实生活，学生亲身经历了解决实际问题的过程，才能真正体会数据分析对决策的作用。学生能结合实际考虑个别样本的特点，思考问题更加全面，数据分析观念得以发展，解决问题能力得以提升。

2.延伸数据分析场域，养成自觉自主意识。

互联网时代的学习方式是多元的，“数字化教学”已经走进课堂，海量互联网信息提供了丰富的数据分析素材。

案例7 “一起作业”网络学习

（1）学生登录校园英语学习网站，完成单词跟读、拼写、排序、模仿、连词成句等学习项目。

（2）通过每天的统计数据，了解自己的作业情况，对照本班实际完成情况分析在班级中的排名，也可进行班与班之间的对比。

数据分析素养的养成是为了使学生能更好地适应未来的学习、工作和生活。本例中，学生可以从统计表中了解自身的学习时间、效率、效果等，对自己的学习状态进行定量或定性的评价。教师也可以分析个人、班级、年级间的差异，为评价学生提供依据。延展性学习，提升了分析数据和解决问题的能力，有助于在“大课堂”中发展学生数据分析观念。

【参考文献】

[1]教育部基础教育课程教材专家工作委员会.义务教育数学课程标准（2011年版）解读[M].北京：北京师范大学出版社，2012.

第8篇：课堂大数据分析范文

一、引言：智慧教育的培养理念

随着物联网、云计算、三网融合等技术兴起和快速发展，为教育信息化和教育现代化注入新的推动力，教育进入智慧教育阶段。智慧教育是在新一代信息技术支持下，尊重每位学习者个性化与多元化的发展需要，创建智能化的教育环境，以最有效的方式促进学习者知识建构与智慧发展的一种教育形态。“智慧教育”最早是受“智慧地球”的概念启发而延伸过来的，IBM公司倡导的“智慧地球”是应用物联网、移动通讯、智能分析等新一代信息技术，促进世界更全面地互联互通，改变政府、企业和人类的生产、协作与管理方式，让所有事物、流程、运行方式都实现更深入的智能化，最终让人类能够更透彻地感应和度量世界的本质和变化。而智慧教育的本意也是应用新一代信息技术，变革今天依然停留在工业时代的“教学工厂”式学校教育，提升教育系统的效率和智能化程度，为信息社会培养适应时展的人才。

随着教育信息化的发展，不同国家、不同研究团体也赋予智慧教育不同的内涵。韩国认为智慧教育是智能化、可定制的个性化教与学。韩国政府提出发展智慧教育的推进战略，这个战略包含教育云框架与平台开发、加强教师能力建设、推进在线课堂与评估和采用数字化课本四个部分，目标是培养在21世纪社会中能够引领国际社会，具有创造力和个性的全球化人力资源。澳洲也推出智慧教育计划，认为新的智慧教育系统可以转变澳洲教育系统、吸引更多的学生，能授权给教师和管理者培养有高价值和全球技能的劳动力。我国学者祝智庭教授在综合国外对智慧教育研究之后，提出信息时代智慧教育是一种最直接的、帮助人们建立完整智慧体系的教育方式，其教育宗旨在于首先引导发现学习者的智慧，并通过协助发展、指导应用学习者的智慧，进而培养创造出学习者的智慧见解。

网络的普及加剧了数据的爆炸式增长，大数据时代已席卷而来。未来将是从数据中“钻取石油、开采黄金”的时代，企业对掌握信息管理与数据分析技术的信息管理类专业人才需求激增。本文提出如何以学生能力培养为核心，应用“智慧教育”创新完善信管专业的理论和实践教学模式手段，实现“以教为中心”向“以学为中心”的转变、“以有限静止知识为中心”向“以无限动态资源为中心”的转变。

二、基于智慧教育的信息管理与信息系统专业教学模式改革

信息管理与信息系统专业具有四个特点：一是信管专业具有很强的实践性；二是信息管理与数据分析技术变化迅速；三是企业基于数据分析的管理模式快速演变；四是信息管理与数据分析依赖于智能感知、网络传输等相关设备。因此，信息管理与信息系统专业的教学手段和模式必须不断创新，以尽快适应大数据分析技术的快速发展和企业对信管人才的需求。

（一）智慧教育的环境要求

智慧教育通过新技术与周围教育环境进行智能化互动构建智慧学习环境，进而运用智慧教学方法促进学习者进行智慧学习，学习者从而获得多种智慧以满足自身和社会的需求。智慧教育环境（如图1所示）包含六个维度：学习者、促学者、资源、设备、工具和学习活动。学习活动作为中心环节代表着学习活动的发生。学习者在活动中处于主体地位，是学习有效性发生的最终体现者。促学者作为学习活动的促进者，在不同学习环境中有不同的称呼，如学校教育环境下教师是学习活动的指导者，起引导性作用。资源包括学习资源和教学资源，资源作为知识的承载体，它的形式和使用方式将会影?学习活动的效果。设备和工具是数字化环境下对学习活动的关注，是学习活动顺利开展的利器。

智慧教育更加强调信息技术在促进教学方式和教学过程中的变革。通过明确智慧教育的教学环境，可以建构更加符合信息管理与信息系统专业技术特征和专业教学需求的文化共享（伦理、责任、价值认同、利益观）学习共同体，为信管专业学生提供更丰富的学习内容、学习工具和实践机会等。

（二）基于智慧教育的信息管理与信息系统专业教学与实践环境构建

基于智慧教育的信管专业课堂与实践教学学习环境框架，包括底层学习资源数据库、弹性分析云和用户使用终端三个部分组成（如图2所示）。智慧教育底层学习资源数据库分为原始用户数据库和聚合信息数据库，原始数据库保留了所有未经处理信息数据；弹性分析云的作用是综合用户需求，基于智能推送选择学习、教学和生活方式，促进学习的社会协作、深度参与知识建构；用户使用终端是基于移动、物联、无缝接入等技术，为学习者提供丰富的、优质的数字化学习资源和多种学习工具，使学习者拥有随时、随地、随需的学习机会。

第一，信管专业智慧教育资源数据库（包括原始和聚合信息数据库）。原始数据库来源于电子教学资源数据文档，教学资源可细分为理论性教学资源和实践性教学资源。理论性教学资源包括多媒体课件、课程视频资料、各种辅导资料、课程相关的案例库和试题库等；信管专业实践教学资源丰富，除了科研训练项目、开放性实验项目之外，还有学科竞赛、学术活动、企业实训等教学资源。聚合信息数据库根据原始数据库存储的数据，进行内容聚合，将高利用率信息提取出来形成“学习元”和“教学元”，再通过智能推送将这些信息推送到弹性分析云中进行分析，以便能更好地满足学生的学习要求。

第二，信管专业智慧教育弹性分析云（包括期望分析和智慧内容分析）。弹性分析云根据社会期望、教师期望和学生期望在数据层传递来的原始“学习元”和“教学元”上添加相关的个性化、共享化和智能化标识，形成具有可重用的、支持学习（教学）过程的共享信息，以实现自我发展的、智能性数字化学习（教学）资源。弹性分析云利用学习分析技术进行智慧内容分析，通过记录学习历史数据，基于大数据分析技术优化学习过程，设计多种智慧型学习活动，提高智慧生成与应用的含量，并提供具有说服力的教学管理服务。

第三，信管专业智慧教育用户使用终端。用户使用终端设计是基于大数据分析技术优化学习过程、干预教学的服务管理。通过聚集、分类以及关联规则等操作，分析记录在学习管理系统中的学习者行为数据，生成实时的数据报告，并利用行为数据中反映出的规律来生成预测模型，评估学生知识建构能力，进而针对学习者的个体差异（如能力、偏好、需求）提供学习诊断、建议和服务，形成基于角色的个性化定制学习元和教学元，通过智能推送服务和终端设备实现资源的互联和人的互动协作，为学生个性化学习提供更加有效的支持。

三、基于智慧教育的信息管理与信息系统专业建设

在大数据时代企业紧缺大量具有“大数据”思维方式、掌握数据分析技术的信息管理人才。如何利用智慧教育的技术与方法提升教师教学能力和学生自我学习能力培养，提高专业教学质量和实践教学水平，完善信息管理与信息系统专业建设，培养企业满意的信息管理专业人才，是我国高等学校信息管理与信息系统专业不可懈怠的追求目标。

（一）基于Moodle平台构建信管专业主动式智慧学习服务平台

Moodle平台（Modular Object-Oriented Dynamic Learning Environment，即模?K化面向对象的动态学习环境）是澳大利亚教师Martin Dougiamas基于构建主义教育理论而开发的课程管理系统。Moodle平台中教育者和学习者都是平等的主体，在教学活动中教育者和学习者相互协作并根据自己已有的经验共同构建知识。Moodle平台具有完善的web日志功能，学生自登录Moodle平台访问课程的那一刻起，其学习行为就被平台记录下来，其浏览时长、访问各模块情况、互动情况等均被记录下来，这些记录都可以在课程的“报表”功能中找到。同时，教师使用社会网络分析工具NodeXL对学生在讨论区的交互关系进行分析，可以得到节点度量基本数据图和交互网络图，从这些图中可以了解每个学生对专业课程自主讨论、参与情况，并且能够掌握每个学生的回复与被回复情况，利用这些内容来评价学生学习情况。目前信管专业可以选择与数据分析技术密切相关的一些课程开展试点，这些课程有“管理信息系统”“数据库原理与技术”“商务智能与数据挖掘”（如图3所示）。

信管专业通过Moodle平台动态记录与跟踪学生在不同场景学习的相关信息，利用社会网络分析工具、数据挖掘技术对海量数据进行抽取、转换、分析和模型化处理，进而了解学生学习的行为动机和学习实效等，从衡量学生“在座位上的学习时间”转移到衡量学生的“学习效率”，充分利用信息技术来改善提高学生的学习效果。

（二）基于整合技术的学科教学知识（TPACK）提升专业教师教学水平

2010年我国政府颁布《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确指出，要深化教师教育改革，创新培养模式，造就专业化教师队伍。2012年教育部颁布《教育信息化十年发展规划（2011-2020年）》中明确指出要推进信息技术与教学融合，促进教师专业化发展。因此，如何提高教师信息化教学能力水平成为信管专业建设的焦点问题。

整合技术学科教学法知识（TPCK，Technological Pedagogical Content Knowledge）是在舒尔曼PCK概念基础上整合技术而形成的面向21世纪信息技术时代的教师知识框架。TPCK代表着教师能够根据具体的教学情景的需要，综合考虑学科知识、教学方法和技术支持，设计恰当的教学方案解决教学问题的方案知识。TPCK的核心是技术知识（TK， Technology Knowledge）、学科内容知识（CK，Content Knowledge）和教学法知识（PK，Pedagogy Knowledge）三者的动态平衡。TPACK（整合技术的学科教学知识） 将技术“整合”到具体学科内容教学的教学法知识当中去，对于有效使用技术进行教学，提高教师教育质量的核心关键要素，促进教师专业化发展至关重要（如图4所示）。

从TPCK的发展机制来看，教师学习技术需要具体情景的支持和教师亲身参与设计技术解决教学问题的过程。TPCK对教师应用技术的有效教学具有支配作用，它包含了具体教学情景中技术与学科知识、教学方法的真实的复杂关系，包括教师对技术的深刻理解，对自己原有教学观念、教学方法的重新审视与反思，敏锐地在技术、学科知识与教学方法的相互关系中寻求新的可能，如根据具体教学情景的需要设计新技术或利用新技术开创新的教学空间。

教师利用TPACK思维框架从教学―内容―技术三者重叠交互教学法，根据信息管理专业特定的教学/学习情境（如师生的信息素养、基于问题情境的教学内容、学生的认知风格与偏好、现有的数据分析实验教学设备环境等）的特点和约束条件，保持技术、学科知识和教学法三者的动态平衡，智慧灵活地选择应用恰当的教学法、学科内容以及支持技术，促进学生的智慧学习和智慧行为的涌现。

（三）基于学习分析技术（Learning Analytics）构建师生互动教学平台

智慧学习环境中的信息技术可以为教师团队提供各种支持，包括教学资源的获取、教师间的协调、师生的互动等。为促进教师的教学与学生的有效学习，通过整合论坛空间、微博、QQ群等多种方式，为师生提供一个互联网、移动网无缝互通师生教学平台，教师可以设置课程视频资料、课程设计任务库、各种辅导资料，课程测试空间历年试题等相关教学资源库，实现连接课堂教学、社区学习、资源环境的“联结”教学模型，通过网络虚拟环境和在线社区来连接教学、教师与学习者，实现学生的个性化学习、增强学生的学习动机。

随着数据日益智能化，信管专业利用无线网络环境和学习分析技术重构传统教育模式中的基本过程与结构，教师通过数据挖掘、推断和建模等方法来分析学习者数据、用户信息、课程信息等重要数据，并对师生互访社群图和中心性进行分析发现潜在问题，从而在讨论区与学生开展互动交流进行个性化教育。教师借助互联网师生教学平台定期设置大数据相关问题的专题讨论，或对某个信息管理典型案例进行在线分析，通过对当前学习难点的在线集思广益和在线方案讨论，对学生实现个性化的教育指导。

（四）建设面向数据管理时代的实用自制教学实验的开放式实验室

随着大数据时代的到来，企业管理进入了“从数据到信息，再从信息到知识”的发展阶段，众多企业都面临着大量的数据，但缺乏实用技术支持定量分析的困境。无论是在数据准备和数据清洗期间，或者在数据探索期间，数据分析基本理论复杂性对常见的统计分析软件如Excel、E-views、SPSS等分析方法的应用提出了挑?穑?数据驱动领域的实践者对于如何学习、应用一系列实用的计算分析工具和解决方案存在着迫切的需求。

为迎合社会数据化、信息化和网络化发展的时代要求，加速培养与信息化社会相融合的复合型人才，信管专业改革实验教学手段，利用Python、D3、Mlpy、Openrefine和MongoDB等数据分析工具设计有推广价值的实验软件、实验设备及教学方案，进行数据分析和模型构建方面的知识讲解和实验教学，加深学生对数据分析基本原理的理解与掌握。根据数据分析实验教学的需要，自制实验软件具备完整的数据分析处理、方案设计、图表再现等功能， 满足数据分析、统计决策等方面的教学和实验需要， 培养学生应用数据分析理论和计算机技术的能力，解决数据时代的管理问题并进行相关决策。通过建设面向数据管理时代的实用自制教学实验的开放式实验室，使学生能够针对来自不同管理领域复杂的数据分析需求提出建设性的解决方案，提高学生在数据分析领域的创新和实践能力，培养特色鲜明的信管专业人才。

（五）针对大数据行业建立开放式企业实训基地

大数据分析技术快速发展和现代企业管理决策模式的转变，决定信息管理与信息系统专业教学必须与企业紧密结合。积极与阿里巴巴、杭州网易信息技术有限公司、台湾鼎捷软件公司等多家企业进行校企合作，建立“大数据管理与应用”的企业实习实训基地。针对各类型企业不同用人需求，将企业实践融入到教学过程中，让学生从实际运作层面上理解信息管理与信息系统专业中抽象的定义、理论、模型，从整体上对专业内容进行认知与把握，实现课堂教学与企业现实业务结合，实现数据、环境和需求的互动。

为充分利用企业在信息化管理实践方面的知识积累优势，还鼓励学生参加企业实际项目开发，这样学生能最直接面对企业需求，充分培养和锻炼学生的技术能力（工具、流程、专业知识）、管理能力（现代化管理理论、项目管理）和系统能力（系统开发、企业规划），通过企业工程师鉴定的方式验收项目成果，评价学生的实践能力和对相关课程的实际理解情况，使学生在实践中快速提高技术应用能力。

第9篇：课堂大数据分析范文

［关键词］大数据;经济统计专业;人才培养模式

结合国际数据企业的研究结果发现，近几年来全球范围内数据量呈爆发式增长态势，而上述海量数据经加工、分类、整理及分析方可满足不同行业的使用需求。我国十三五规划中明确提出“实施国家大数据战略，推进数据资源开放共享”，说明我国大数据建设进入全新的发展阶段。经济统计专业作为高等院校课程专业的主要组成部分，肩负着培养统计分析技能人才的教学职责，而如何于大数据技术蓬勃发展背景下，满足就业需求培养专业人才，得到越来越多从业人员的关注及重视［1］。同时，大数据时代特点对经济统计专业人才提出全新的要求及标准，而提高人才培养质量早已成为高等院校经济统计类专业教学期间所面临的重要问题。鉴于此，文章针对“大数据背景下经济统计专业人才培养模式创新”进行分析研究具有重要的价值意义。

1大数据背景下经济统计专业人才的要求分析

1.1掌握统计知识

以往统计学数据类型相对单一，包括品质型数据及数值型数据，其本质为结构化数据，往往可使用常规统计指标或统计图表进行集中展现，而大数据时代下，数据类型不仅仅囊括结构化数据，更涵盖非结构化数据及半结构化数据，即所有可存储及记录的信号，具有多样化等鲜明特点，以至于传统的统计指标及统计图表难以完整展现其基本内容［2］。同时，以往数据来源相对局限，即一手数据能识别数据提供者的身份信息，但是大数据时代下其数据来源普遍为互联网信息系统，大大增加信息提供者身份的识别难度，以至于样本数据的地位不再重要。由此可见，大数据时代来临所产生的统计学知识发生翻天覆地的变化。

1.2深奥知识结构

即便大数据时代下海量数据信息拓展经济统计专业的分析空间，但是深受现代社会行业众多的影响，持续涌现出全新的行业、全新的技术以及全新的分析方法，决定经济统计专业人才势必是复合型人才，尤其是需要具备应用素质、实践素质及理论素质的支持［3］。同时，经济统计专业复合型人才素质培养无法脱离掌握扎实理论知识及统计分析方法的支持，即根据数据信息予以全面分析建立相应模型且说明其评价最终结果，例如MATLAB、SPSS及SAS等软件。除学习经济统计专业知识外，学习管理类、经济类及其他学科领域知识能大幅度提升人才培养的总体质量。

1.3现代分析方式

从传统统计学角度来看，大数据时代来临完全转变统计分析思维方式。通常情况下，传统统计描述分析可划分为定性、定量、定性三个过程。例如，以定性为例，根据实践经验判断及评估分析方向;以定量为例，汇总、处理、分析及量化数据统计特征，往往被视为统计分析的关键性环节，而大数据时代下统计分析过程被简化为定量及定性两步。其中，定量指的是直接由数据中找出需要且有价值的数据信息，分析其特征及数量关系;定性指立足于分析结果做出相应的判断及决策。

2大数据背景下经济统计专业人才培养的现存问题分析

2.1课程体系问题

当下我国大部分高校经济统计专业的教学内容设置过于陈旧且更新速度缓慢，尤其是教学内容更新速度难以紧跟大数据时代的发展节奏，以至于课程内容设置难以满足社会对统计专业人才的需求［4］。同时，现实生活中所牵涉的经济问题类型相对多样且情况较为复杂，换言之高校经济统计专业的课程设置兼顾统计实际应用特性，而现有的经济统计专业课程将教学重心向理论分析及研究转移，导致理论分析始终过于浅显，难以帮助学生学习扎实深刻的经济理论及统计方法，极大程度上影响课堂教学效果。此外，极个别高校专业课程设置范围过于狭窄，仅仅局限于经济统计方面问题，尚未融入跨学科培养理念。

2.2教学认知问题

大多数高等院校经济统计专业人才培养方法过于单一，往往沿用以课堂讲授为主、以小组讨论为辅的传统教学形式，完全忽略实践教学的关键性及重要性。从实践教学课程设置角度来看，普通经济统计专业的实践教学环节可划分为毕业设计、校内实训及实践课程设计，一旦实践教学方式过于老旧则可能造成学生创新能力异常缺失的问题，例如使用计算机进行演示供学生观看。即便部分高等院校开设相应的实验课程，但是部分学生仅仅以完成作业为核心目标，完全照搬照套课本中实验流程进行操作，脱离操作教程后难以全面分析实际问题，影响总体教学效果。此外，极个别院校对教学实训的重视程度远远不足。

2.3师资力量问题

由于国家教育部门大力推行改革政策，促使各大高等院校逐步扩大其招生规模，极大程度上增加了日常教学的工作难度及工作量。为了提高教学工作效率，高校相继引进新晋入职的教师进入教学队伍，而上述新晋入职教师普遍为刚毕业走上社会的研究生，缺乏实践教学经验及教学方式探索远远不足，完全倾向于延续传统的教学方法及教学内容［5］。同时，部分专业教师自身社会经验及实践能力远远不足，难以向学生传授正确的理论知识及引导其实践操作，不同程度上影响人才培养效果。此外，大数据时代来临后，对于经济统计专业学生的数据分析能力培养迫在眉睫，而数据分析能力培养无法脱离师资力量的支持。

2.4考核机制问题

考核机制占据着高校专业人才培养极其重要的地位及作用，例如激励、淘汰、分流及甄选等，方可保证专业人才培养的质量及效率。然而，从目前我国高校经济统计专业人才培养水平来看，其考核机制实施难度相对较大，深受教学方式过于局限的影响，以至于考核方法停留于闭卷考试的阶段，侧重于考查学生理论知识的掌握程度，而学生可依据自身记忆完成考试，极大程度上提高其专业考核的通过率。同时，因专业教学重视程度有待提升及经费划拨不足，大大降低经济统计专业的考核门槛，难以立足于整体化角度充分发挥考核机制的作用。

3大数据背景下经济统计专业人才培养模式的创新措施分析

3.1健全课程体系

一般说来，健全课程体系是高校经济统计专业人才培养的关键性措施。因此实际培养的过程中，相关高校秉持实事求是的工作原则，贯彻落实与时俱进的工作理念，设置科学合理的经济统计专业课程体系，突出课程体系的专业性及创新性，以达到增强学生实践操作能力及数据分析能力的目标，进一步提升其总体综合素质［6］。例如有选择性开设时间序列、应用统计学、计量经济学、概率论及数理统计等基础性课程，帮助学生打造夯实的理论基础，再以此为基础增设实践调研、数据分析工具及数据挖掘等实践应用型课程，利用计算机实验操作培养学生利用、分析、整理及收集数据的能力。

3.2革新教学模式

以教师讲授为主体的常规固有教学模式沿用至今，普遍存在缺乏创新意识的问题，尤其是高校经济统计专业中软件应用部分，普遍以参照课本习题演示Excel表格为主以Spss为辅，说明其教学模式过于滞后。同时，步入大数据时代以来，数据呈现出复杂、高速及庞大的特点，而简单的Excel表格早已无法满足数据分析的要求。由此可见，高校经济统计专业人才培养模式改革是不可阻挡的主流发展趋势。除立足于前沿统计需求外，相关高校及时引进功能强大且趋近主流的统计教学软件，例如SQL、SPSS、R及SAS等，不仅能大幅度提升课堂教学效率，而且还能满足软件操作与理论知识密切结合的要求。

3.3建设教学团队

在实际培养的过程中，相关高校秉持以人为本的工作原则，始终围绕经济统计专业的改革方向，将师资队伍建设及学科建设相结合，灵活运用多项人才引进措施，例如聘任、引进及培养等，持续优化人才团队的年龄结构及学历结构，进一步提升团队的综合素质水平。同时，以实际教学进度及教学情况为参照依据，将教学师资队伍划分综合型、主导应用技术研究型及理论研究型3大梯度，例如以理论研究型为例，着重强调精通数据分析及统计理论等方面知识，涉及计算机科学、数学、统计学及经济学等方面知识，以达到由理论向实践过渡培养综合型人才的目标。

3.4优化考核机制

为了全面真实反映学生理论知识及软件技能的掌握情况，高校尽量以多元化考核机制替代原有考试驱动型的单一考核方式。同时，由于经济统计专业的本质为应用型学科，客观上要求相关高校尽量于考核阶段以考试、社会实践参与表现、软件工具实际操作、研究话题阶段性数据分析报告及日常作业等多维度多形式考量为参考依据，结合考量项目的重要性及所占比例，利用加权得分手段得出最终考核成绩，并且注重学术规范性，明确要求学生的论文写作格式。一旦发现学术不端行为则予以严格惩处，直接与最终考核成绩挂钩，以达到培养复合型人才的目标。

4结语

通过文章探究，认识到当下我国大多数普通高等院校经济统计专业的课程设置不够健全完善且人才培养体系不够成熟，特别是教学团队人才力量较为薄弱，以至于经济统计学专业学生缺乏就业竞争优势。因此，相关高校秉持具体问题具体分析的工作原则，全面分析经济统计专业人才培养的现存问题，提出相应的改革措施，立足于大数据背景，为人才培养模式创新提供强有力的支持，进一步推动经济统计专业演变发展，以达到培育符合大数据时代创新复合型人才的目标。

参考文献:

［1］尹勤，黄宝凤.大数据时代应用统计人才能力需求与教改探索［J］．大学教育，2019(6):157－159.

［2］范新英.大数据背景下统计学专业人才培养之探讨［J］．内蒙古统计，2019(2):48－52.

［3］郑葵，黄小敏，袁野梅.大数据背景下经济统计学专业培养数据分析人才的探索与实践［J］．科教文汇(上旬刊)，2019(4):114－117.

［4］徐婧婧.大数据时代下关于经济统计应用问题的思考［J］．中国商论，2019(2):33－34.

［5］刘超，朱长存.大数据时代经济统计学人才培养模式创新研究———基于Seminar教学法应用的视角［J］．河北大学成人教育学院学报，2018，20(4):109－113.