课堂大数据分析范文

导语：如何才能写好一篇课堂大数据分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：起点调查；高中信息科技；课堂教学研究

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

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

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

2014学习水平起点问卷调查简介

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

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

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

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

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

闵教院附属中学2014学习水平起点问卷调查数据分析

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

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

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

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

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

基于2014学习水平起点问卷调查数据分析的高中信息科技课堂教学实践研究

1.明确高中信息科技课程教学目标，找准学生现状与课程目标之间的距离

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

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

2.抓住主体，分层教学

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

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

3.夯实基础，突破重难点

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

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

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

4.调整课堂结构，让学生自由“想”，充分“做”

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

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

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

5.关注课堂细节，引导树立信息伦理意识，规范提升信息道德水平

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

（1）面对、引导和处理课堂细节上的信息伦理问题。

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

（2）设置信息伦理讨论问题，让学生对网络道德有全面认识。

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

高中信息科技课堂教学改进实践反思

1.课堂教学工作应依据学生学习数据开展

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

2.分层教学目标的制定与落实在大数据的支持下可以更精细化

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

参考文献：

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

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

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

篇2

关键词：大数据；数据分析；数理统计

基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）

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

G643；O21-4

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

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

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

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

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

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

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

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

参考文献

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

篇3

关键词：管理统计学；教学模式；大数据；案例教学

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

1 引言

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

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

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

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

2 传统管理统计学教学模式的概述

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

2.1 注重理论讲授，忽视应用教学

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

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

2.2 注重数学推导，忽视工具应用

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

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

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

2.3 注重知识考核，忽视项目训练

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

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

3 大数据背景下管理统计学教学模式探讨

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

篇4

关键词 大数据 金融统计 人才培养

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

Financial Statistics Talents Training Mode

under the Background of Big Data

MENG Xuejing[1][2]， ZHAO Xinquan[3]

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

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

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

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

Key words big data; financial statistics; talent training

0 引言

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

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

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

1 构建金融统计专业人才培养模式的研究意义

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

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

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

2 构建金融统计专业人才培养模式的主要内容

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

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

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

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

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

3 构建金融统计专业人才培养模式的创新点

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

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

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

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

4 结语与展望

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

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

参考文献

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

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

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

篇5

关键词：大数据；数字校园；校园建设；大数据应用；大数据分析技术

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

1引言

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

2大数据的发展背景

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

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

3数字校园应用大数据分析技术的优势

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

3.1解决海量数据的无用堆积

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

3.2提升管理水平和业务发展水平

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

3.3促进信息技术与教学科研的深度融合

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

4大数据分析技术应用的难关

4.1大数据的清洗

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

4.2大数据的集成

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

4.3大数据处理模型的建立

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

5大数据背景下数字化校园的建设思路

5.1基础环境建设

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

5.2打破信息孤岛。建立完善的数据采集系统

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

5.3统一数据格式。建立良好的数据标准体系

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

篇6

（一）大数据环境对财务人才的需求

2008年“大数据”概念运用而生，如今这个概念已经使用到人类发展的各个行业中，大数据有4个特点，分别为多样化、快速化、大量化及价值密度低。大数据的优势就是在大量数据处理分析上只需要耗费很短时间。大数据背景下财务人员需具备更强的综合能力。一是财务人员需要具备数据采集能力、数据清洗能力、数据挖掘建模分析能力、数据呈现能力、数据应用与决策分析。比如，具备采集企业财务活动产生的单证能力；能对数据进行识别、校验等能力；能够运用Python等工具建模分析能力；把财务数据通过图表呈现的能力；利用数据分析工具对数据进行分析处理能力；采用大数据分析法对财务数据进行分析能力。二是财务人员需要具备财务核算与管理能力。财务人员不能停留在会简单会计核算业务，还要懂得财务预算、财务筹资、财务投资、财务决策。三是财务人员需要懂法律、懂税务。

（二）大数据时代下高校人才培养的变革

全球经济环境变化，大数据时代会计职能转变，促使财务会计向管理会计转型，从而实现获得实时信息大数据。大数据背景下，高校相关会计专业课程改革是必然趋势。那么，如何改革，是大家都关注的问题。根据这几年会计行业的发展，有不少工作实现自动化管理。大量重复的会计科目处理渐渐被计算机智能化代替。很多公司已经采用财务智能机器人或财务共享模式，单据和发票只要拍照或扫描自动生成会计科目、会计凭证。大数据时代，扩大会计行业的影响，要求会计人员掌握更多技能。社会对会计人员要求提高，促使高职院校要利用大数据运用教学中，培养出新型实用型人才。为响应国家教学改革政策，有些高校增加新专业，如，大数据分析专业，有些高校是开发和建设新课程，如：Python计算机基础应用、大数据财务报表分析、智能审计案例分析、统计学等。

二、大数据背景下会计课程教学存在问题

(一)课程体系不合理

云计算、互联网等信息技术发展对会计行业带来了很大的冲击，对会计岗位需求重新定位。大数据背景下，会计岗位需要具备大数据分析能力，能熟练运用计算机Python工具分析海量数据。会计专业核心课程有基础会计、成本会计、财务会计、管理会计、财务报表分析、审计、财务管理等。这些课程设置侧重理论教学，实践教学时间占比不到10%，理论与实践时间设置不合理。另外，目前很多高校会计核心课程未加入大数据挖掘与分析相关课程，还是传统的核心课程。选修课也缺少财务共享课程。因此，开发和建设与大数据相关新的会计课程已经成为高职院校的当务之急。

（二）教学设备陈旧

目前不少高校硬件软件设备不仅陈旧，而且数量不足，课程软件无法满足学生在机房授课的实践课程。比如，学校由于电脑设备不足，财务管理课程涉及Excel运用知识点，本来应该安排机房让学生实际操作学习，但是除了财务管理专业外都未安排机房上课，而是在普通教室上课。目前不少高校因为资金原因未购买最新的课程软件，导致学生未接触最新的财会技术。如，财务共享软件、财务大数据分析软件等。

（三）教学模式和教育理念传统

大数据时代到来，企业会计职业发生巨大变革，但好多高职院校教学模式还是处于传统的教学模式中，还是以会计教材知识点为主，教学以课件、板书方式授课。在教学过程中，课堂教学学生基本上被动学习知识，学生学习兴趣不高，压抑学生创造力，降低课堂教学质量。根据调研情况，显示：有80%学生表明在课堂学习中，教师教的理论知识多，学生独立思考时间少，教师与学生互动时间占比也少；有50%学生表明教师授课方法传统，课堂教授法无法吸引学生注意力和兴趣。比如：资产、负债与所有者权益关系，教师在授课过程中主要讲授其定义和公式，未从实际生活中举例阐述其关系。另外，教师教学理念传统，教师备课局限于教材，教材内容过于理论和落后。

目前很多高校教师在教学时未采用大数据等分析工具去普及最新会计知识给学生，导致学生还处于会计传统认知，手工和电算化记账。比如，财务分析课程，采用理论教学模式。教材涉及上市公司案例时，基本上以一家上市公司贯穿整本教材，我们知道不同公司分析指标侧重点不同，得出结论也会不同。现在是大数据时代，市场上有很多上市公司，作为会计人员如何在海量的财务数据中，分析和整理有用信息，形成一份科学财务分析报告。这些需要教师培养学生充分运用财务大数据和财务共享平台去分析。

(四)课程考核不合理

会计课程考核基本采用期末闭卷考核方式，由平时成绩和期末考试组成，其中平时成绩占比一般在30%-40%之间，期末考试成绩占比60%-70%之间，可见大多数高校侧重于期末考试成绩，即注重结果性考核方式，轻视过程性考核方式。我们知道会计课程有很多核心课程，比如：财务分析课程一周2节、成本会计和财务管理课程一周5节、基础会计一周6节，审计一周5节。虽然不同课程安排课时不一样，但是考核方式基本一致。这种考核方式就未体现出不同课程不同岗位的差异化，显然存在不合理问题。现在不少高职学校期末考试试卷的题型由名词解释、单选题、多项题、判断题、计算题、案例分析题构成，考试试卷中涉及的知识点70%涉及理论，这种教学考核方式不能真实体现出学生的真实能力。无论从核心课程的时间设置还是课程的内容都无法满足大数据时代对会计人员的实操技能要求。因此，高校的课程考核方式有待改进，不仅要合理分配平时成绩和期末考试成绩的比重，还要重视考核内容的理论与实践相结合。

三、基于大数据背景下会计课程教学改革

(一)优化课程体系

课程体系是专业人才培养方案的重要内容。目前高职院校会计专业课程体系中实践课程时间占总课时比重不到10%，对学生实际操作能力的培养造成一定的影响。高职院校应在教学计划中，把课程实践时间进行调整，有些课程适应理实一体化教学，有些课程适应实训周授课。在大数据环境下，我们还应该增设几门新课，比如大数据财务分析课程、财务共享课程、统计学等。我们要通过新增课程，让学生了解什么是大数据、大数据在会计行业的运用，从而培养学生不仅能够具备会计专业知识，熟悉会计电算化操作，而且还具备大数据分析能力。

（二）购买教学软件

高校教师要教授大数据财务分析课程、财务共享课程时是需要借助大数据平台，否则单纯讲解大数据理论知识，会枯燥乏味，也达不到对学生实际能力培养目标。这就需要高职院校重视教学质量，购买相关大数据平台，组织教师参与新软件操作培训，熟悉软件的运用。这样教师能够有效结合平台讲授相关大数据课程，不仅能吸引学生的注意力，更能够提高学生的实操技能。

(三)改变教学模式和教育理念

传统的教学模式和教育理念已经不适应大数据时代的发展，我们需要进行改变。首先教师要建立以学生为主的教学模式和理念，培养学生自主学习能力、动手操作能力。教师在讲授课程时要使用不同的教学方法，比如项目小组讨论法、任务驱动法、翻转课堂法等进行贯穿不同知识点。通过项目小组讨论法，安排学生自由分组讨论，提高学生沟通能力,培养学生团队意识。通过任务驱动法，教师以任务为导向，引出教学知识点，吸引学生注意力和学习兴趣。通过翻转课堂法，学生从被动化为主动，学生自己使用大数据相关平台收集资料、分析资料，帮助学生提高自己的学习能力。同时,教师要根据学生的兴趣、爱好、学习基础进行差异化教学，提高整体教学质量。其次，高职教师要学习新的财务云技术，学习新的信息化手段，把课程内容和新财务云技术相结合，制定一个全新的教学方案。最后，教师要时刻加强教学反思，如：基于大数据平台，教师要时刻掌握学生对企业财务数据搜集、分析的过程和结果；教师要时刻关注和解答学生课后在学习通平台咨询问题等。

(四)调整课程考核机制

学习通平台、大数据平台为教师进行课程的过程性考核和结果性考核提供依据。教师借助以上平台的数据，可以轻松掌握学生课前预习情况、课中表现情况、课后作业完成情况等。注意的是，教师在课程考核设置平时分和期末成绩比重时，要根据不同课程设置不同的比例。另外，平时分考核比重建议适当调增，加强过程性考核重视。期末考试成绩建议采用多种方式，可以出一份试卷考试、可以让学生提交一份案例分析报告或论述报告等。期末考试内容不能单纯考核学生对理论知识点记忆，而是要考核知识点在实际行业中的运用。教师要从不同角度考核学生的学习情况，建立符合大数据人才培养目标的课程考核机制。

篇7

The Case Teaching Practice of Python Series Course

LIU Qing

（School of statistics and Information，Shanghai University of International Business and Economics， Shanghai 201620， China）

Abstract：Under the background of big data， the ability of the programming capability set new requirements to the students majoring in economics and management. On the basis of computational thinking method， taking Python series curriculum as the carrier， this paper expounds a case practice mode of computer programming teaching combined with three aspects of the Python series curriculum system setting， the case of complex system reduction and the case of ideological and political education of course.

Key words：big data； computational thinking； Python； case teaching； ideological and political education of course

1 引言

面向?算思维的教学改革需要理解计算思维的时代性，即计算思维是基于计算机技术的科学思维，教学改革要符合并适应计算机技术的发展阶段[1]。而当今大数据的出现，必将颠覆传统的数据管理方式。在数据来源、数据处理方式和数据思维等方面都会对其带来革命性的变化[2]。这种转变对财经类院校的影响是巨大的，这就要求财经类院校专业人才的培养要跟上时代的发展和社会的潮流，适应社会需求，从而传授数据获取、数据分析等相关知识就成为必不可少的教学内容。在这样的大数据背景下，针对财经类院校的经管类专业的学生，更需要设计面向计算思维的课程教学体系以及具体的教学设计来培养学生的计算思维能力。

2 Python语言、数据分析与计算思维

Python语言是一种面向对象的解释性语言，语法结构简单，功能丰富，除了自带的库以外，还有种类和数量繁多且功能强大的第三方库。大数据时代的到来，给经管类专业的学生提出了更高的要求，数据分析成为经管类专业的学生必须掌握的基本技能之一。目前Python在国际上非常流行，可以完成许多任务，功能非常强大。在众多的编程语言和分析工具中，Python是最好的数据分析工具之一。TIOBE的2018年4月编程语言排行榜中，Python已经超过了C#位居第4位。而Python编程模式也非常符合人类的思维习惯，这将有助于我们将计算思维的教学理念融入实验教学中。

3 经管类专业Python系列课程体系设置

上海对外经贸大学是以经济管理类专业为主的国家财经类大学之一，是我国对外经贸人才的摇篮。2016 年，教育部高等学校大学计算机课程教学指导委员会才首次建议将 Python 语言作为程序设计入门课程的教学语言[3]。我校适应大数据时展的要求，从2015年开始就为经管类专业开设了Python程序设计的必修课，是全国财经类高校中较早开设Python程序设计的高等院校，经过几年的建设，又陆续开出一系列Python课程，走在财经类高校的前列。我校开出的Python系列课程有《Python程序设计》《Python高级程序设计》《Python数据分析》《数据挖掘》。

《Python程序设计》作为经管类专业学生的必修课，属于基础级的课程，主要讲述基本的数据类型、控制语句、函数、文件等基础知识，学生掌握基本语法和算法，能够利用计算机程序解决简单的问题；《Python高级程序设计》《Python数据分析》位列于通识教育课程中，供学生选修，这三门课相互依托、相互映衬，相辅相成。《Python高级程序设计》是学完必修课《Python程序设计》的进阶课程，以类和对象为起点，以网络爬虫技术为依托，学习推导式、正则表达式、爬虫框架、多线程、数据库等高级技术，学生掌握数据获取相关知识，为后续的数据分析及可视化提供数据来源。《Python数据分析》主要涉及数据分析工具pandas，使用numpy和scipy进行科学计算，了解matplotlib绘图库基本绘图功能，这些技术是经管类学生以后利用数据进行数据挖掘必不可少的技术准备，为他们以后的专业学习打下良好的基础。《数据挖掘》最早是为研究生开设的一门课程，主要是通过numpy计算库、matplotlib绘图库、sklearn机器学习库等来实现数据挖掘分类算法，如决策树、朴素贝叶斯、knn、支持向量机、关联规则挖掘算法、聚类算法等，并能利用这些算法解决具体的应用问题，将这些算法应用到各专业领域中。

4 案例教学实践

在以前的程序设计的教学中往往采用的均是水仙花数、百钱买百鸡等经典算法教学，学生学完以后不知能够做什么，感觉很迷茫，大大影响了教学效果。随着云计算、物联网、移动互联网、大数据、人工智能等重大技术和科技需求的不断发展，人们对计算问题及程序设计的认识发生了根本的转变，从以知识验证为主的问题求解转变为面向实际问题解决为主的计算求解[4]。这就需要我们在教学中与时俱进，重新设计案例，以期达到最好的教学效果。在案例教学中，我们根据具体教学内容和我校学生特点，运用计算思维的一系列方法（问题的约简、关注点分离、仿真、启发式推理、递归思维、回推等等）设计出一系列教学案例，通过这些案例给学生讲解最实用的方法和技巧，培养学生的计算思维能力。

4.1 以结合经管类专业特点的案例教学为基石，培养学生基本计算思维能力

我们的案例来自某一个系统的一部分。让学生直接上手一个系统显然是不合适的。我们根据计算思维中问题的约简、关注点分离等方法，把一个复杂的系统按照合理的方法，根据具体的教学内容分解成多个模块和小问题，学生只需逐个掌握小问题的解决方法，就能实现一个完整的系统。在《Python程序设计》课程中，当讲到多分支和选择结构嵌套的时候，我们设计了一个根据订货量、价格计算应付货款、折扣的案例。这个案例贯穿于选择、循环、文件始终。讲到多分支的时候，我们给学生设计的题目是：从键盘输入订货量、价格。根据订货量大小、价格给以不同的折扣，计算应付货款（应付货款=订货量×价格×（1-折扣））。订货量500以下，折扣为3%；订货量500及以上，1000以下，折扣5%；订货量1000及以上，2000以下，折扣8%；订货量2000及以上，折扣10%。这个问题可以通过多分支来完成。讲到选择结构嵌套的时候，我们给学生设计的题目是：输入客户类型、货品价格和订货量。根据客户类型和订货量给予不同的折扣，计算应付货款。如果是新客户：订货量800以下，没有折扣；否则折扣为2%。如果是老客户：订货量500以下，折扣为3%；订货量500及以上，1000以下，折扣5%；订货量1000及以上，2000以下，折扣8%；订货量2000及以上，折扣10%。老客户根据订货量享受的折扣就是前面通过多分支解决了的问题，只需再加一层条件判断新老客户即可，这就是选择结构的嵌套。再给学生留一个悬念，现在每次只能输入一次数据，如果需要多次输入怎么办？就要用循环结构来解决。讲到循环结构的时候，我们就顺势解决了这个不定循环次数的问题。然后又给学生留了另外一个悬念，当数据多了的时候一般不是在程序执行时通过键盘一个个来输入数据，而且从键盘输入的数据以及得到的结果均是一次性的，不能保存，那么如何解决这个问题？答案当然是将数据保存在文件中，那么当需要的数据在文件中的时候我们该如何将数据读出来为我们所用？另外计算出来的结果通过文件永久保存下来又将如何把数据写入文件？讲到文件的时候，我们就用文件的读写解决了这个问题。再次给学生留个悬念，当数据量大又涉及多个文件排序和查询的时候是否有更好的解决方法？当然就用数据库来解决。继而在《Python高级程序设计》课程中，我们是将数据保存在数据库中，教会学生如何做一个管理系统。因为在《Python程序设计》的初级课程中已经解决了基本的模块和小问题，为管理系统奠定了良好的基石，因而在《Python高级程序设计》的高级课程中，管理系统就像搭积木似的可以快速地搭建起来。

4.2 结合课程思政设计教学案例，教学案例结合综合任务，促进计算思维能力更上一层楼

“课程思政”是将思想政治教育融入课程教学的各环节、各方面，以“隐性思政”的功用，与“显性思政”――思想政治理论课一道，共同构建全课程育人格局[5]。立德树人是高校立身之本，所有课堂都有育人功能[6] 。高校通识教育要有灵魂，要成为培育和践行社会主义核心价值观的重要课堂，其使命就是在潜移默化中加强理想信念教育[7]。由于课程思政教育在课堂教学中的重要性，我们在《Python数据分析》课程中，将德育内涵和思政元素渗透到每一个教学环节中，使得这门数据分析课程不再是一门“冷冰冰”的只与计算机和数据打交道的课程，而是被打造成“一堂生机勃勃的正能量大课”，通过数据分析给予学生满满的正能量，激发学生对祖国日新月异发展的自豪感，实现知识的传授与价值引导的有机统一，激励学生成长成才。

计算思维是帮助学生模拟计算机的思维来思考解决现实问题的思想和方法，提升学生分析和解决问题的能力[8]。在这门课程中，我们采用的案例更多地融入正能量素材和主题，将时代的、社会的正能量内容引入课堂，运用计算思维的方法帮助学生解决现实问题。现在的学生喜欢看电影，在课堂中，我们以近期宣传正能量的主题电影如“战狼”为案例，爬取影评信息，分析电影评论，以此获得电影好评和差评的原因。课下，我们把学生分成不同的小组，以小组为单位完成几项综合任务：以政府工作报告为素材，让学生以词云的方式展示报告中提得最多的关键字，让学生了解时代的主题；爬取“红海行动”、“厉害了，我的国”等影评信息以及评论人所在地、性别、年龄等信息，分析电影评论中给予的好评和差评是否和个人所在区域、性别、年龄等相关。学生在完成综合任务，掌握课程知识的同时，潜移默化中培养了学生的爱国精神，让他们为祖国感到骄傲和自豪。而且小组项目是需要团队合作的，通过团队合作找出解决问题的方法，培养学生团队精神和探索精神，培养学生不畏艰难、不断追求的科学精神。

篇8

大数据对英语教学会产生非常深远的影响。慕课作为大数据时代的网络新生事物，为学生进行个性化、高效的英语学习提供了一个良好的平台。慕课要在各个学校普及开来，需要教育主管部门和学校之间通力合作，提供政策保证和支持。英语教师在新形势下要转变意识和角色，注重提升数据分析能力和教学能力。

关键词：

大数据；慕课；英语教学

中图分类号：

G4

文献标识码：A

文章编号：1672-3198（2014）18-0143-02

“大数据”是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。IBM公司把大数据概括成了三个V，即大量化（Volume）、多样化（Variety）和快速化（Velocity）。这些特点也反映了大数据所潜藏的价值（Value），这四个V就是大数据的基本特征。大数据产生于信息爆炸时代，将会改变以往的教育模式。大数据技术使我们能够学生的学习行为、考试分数等各种教学信息，而近年来网络在线教育和大规模开放式网络课程即慕课应运而生，也使教育领域的大数据获得了极为广阔的应用空间。我们有理由相信大数据将掀起新的教育革命，包括教育政策的制定、学生的学习、教师的教学等方面都会得以革新。

1 大数据时代慕课的发展

大数据时代，慕课正是其在教育领域的一个新近产物。作为一种大规模的在线开放课程，2013年被人们称为中国的慕课元年。在这一年的5月份，清华北大加入到美国教育平台edX的慕课组织中；10月份，由清华大学打造的首个中文版慕课平台――“学堂在线”正式推出。可以说国内的优秀高校引导和带动了在线课程教学改革。由此教学设计和教学评价不再是经验式和主观式的，而是将通过大量事实数据进行归纳，真正做到客观性和多元化。例如美国高校开发的学术系统使用数据挖掘和学习分析来分析学生在线学习系统中的情况，从学生的考勤、在线时间、参与讨论次数、系统活跃情况等来判定学生对此课程的投入度，并依此对学生的学习进行合理有效的评价。慕课作为一种先进的开放网络学习平台，需要保证在线学习者的学籍、证书、学分等。目前慕课在美国围绕其能否进入高校、是否可以计入学分的问题仍然存在很大争议。而美国以其独特的高等教育体制，各个学校间的做法也有所不同，有些拒绝有些接受。在中国这是一个涵待解决的问题，教育主管部门和学校必须通力合作并出台相应的管理政策，为将来学校间的学分互认铺平道路。只有做到这些，慕课才能真正在教育领域普及开来。另外应该保证充足的专项资金用于硬件的更新换代，以保证教育大数据的日常管理和长远发展。

2 大数据改变学生的学习

教育大数据到来，为实现学生的自主性和个性化学习提供了可能。与以往学习资料匮乏到只有教材的时代相比，学生获得了数量空前的网络学习资源，而且他们有机会通过慕课网络学习平台接受世界顶级名校的精品课程教育。网络实时互联帮助教师对学生的需求进行区别对待，即同一英语课堂上根据学生的不同需求呈现不同类型的课件，使得每一个学生都能体验适合自己的个性化外语课堂。学生在阅读课或其他学习环节中使用互联终端，将产生大量有价值的数据。如果该终端用于替代教材，那么它将记录到学生在不同页面停留的时间长短，翻页速度快慢，阅读过程中是否有回看现象，阅读、复习都是在什么时段，每次持续多长时间，采用了怎样的阅读顺序，在哪一部分内容进行过回馈性操作等。借助这些数据我们就可以分析学生感兴趣的资料是哪些，阅读习惯怎样，是否投入时间进行了认真的学习，是否学习习惯方面有进步等。每个学生在不同时间和在不同地点的学习活动会产生越来越多的数据痕迹，而这种数据具有累积性和关联性的特点。从技术层面来说，可以借助数据抽取和集成来获取学生学习行为的信息，这样我们就可以总结到哪些是个体良好的学习习惯、什么样的学习方式从整体来说最容易掌握知识等方面的情况。另外还有一项很重要的功能就是在学生自主学习出现偏差时进行预警，使学生及时调整不良学习行为。教师也可以通过这些数据和分析结果，即时进行教学反思与教学调控，从而提高课堂教学水平。

3 大数据改进教师的教学

大数据时代的教育是名校、名师和名课的结合。这场教育革命将会带来从教育理念到教学目标与方法上完全区别于以往的颠覆性巨变。教师应及早认识到这一转变，不可抱有侥幸或者保守心理，认为大数据还未冲击到教育教学。美国政府在2012年的大数据研发任务中曾提出要召集各个学科领域的专家共同探讨怎样利用大数据转变教育和学习模式。英语教师应该主动适应教育数据化发展，理解数据支持的教学决策，提升数据分析的能力，并清楚地认识到大数据时代学校课程变化对自己的专业发展所带来的严峻挑战，并意识到适应大数据专业发展的重大意义。计算机的基本操作、常用教学软件和媒体使用、网络通信与教学平台应用等以往被认为是教师所必备的技术技能，而大数据最近几年才刚刚兴起，很多行业开始有了大数据分析的需求，绝大部分从业者都对数据分析不熟悉，在新兴而又复杂的大数据工具面前，他们是初级的使用者，教育行业当然也不例外。从数据收集到数据分析，再到最后的数据解释，易用性应当贯穿整个大数据的流程。校方应聘请大数据方面的工作者对大数据时代的软件工具应用为教师们进行集中培训，并在教师使用大数据技术开展教学过程中及时对出现的困难和问题加以指导解决。最终帮助教师形成数据素养，即在教学中快速获取，总结规律，形成决策，解决问题的能力。而英语教师熟知教学规律，在了解信息技术特点的基础上，他们应该向专业技术人员提出有关开发新系统、新应用或新功能的具体要求。只有教师与技术人员通力合作，才能够实现技术和教学应用方面的双重创新。

大数据时代，英语教学活动正在由传统的教师为中心和以书本为中心，向以学生为中心和向大规模网络语料为中心转变。慕课带给英语教学的改革，突出体现在“翻转课堂”上，也就是在线的课堂学习环节与课堂内部的深入探讨、问题解决相结合的模式。教师的教学方法也应由过去的单向灌输改变为启发建构，要成为学生英语学习兴趣的激发者，激发学生广泛而丰富的英语学习动机和兴趣。例如，教师应注意辨识学生在线学习时某些知识点停留时间的长短是因为学生感兴趣还是理解困难，以便在教学中能够有的放矢区别对待。自尊心强的学生可能在学习过程中尤其时互动交流环节有意无意地隐藏自己的行为，或提供不可靠的数据信息，试图以此保护隐私。对此教师应加强宣传和指导，使学生习惯和适应这种新的学习模式，消除戒备和紧张心理。数据产生时间越久远，数据中所蕴含的信息价值往往越低，大数据时代的到来，使得很多教学应用场景数据的分析从离线转成了在线，开始呈现实时处理的需求。在教学过程中需要对数据进行实时处理，以便及时为教师的教和学生的学提供针对性反馈信息。这要求全体师生相互配合，在计划好的时段内按时完成规定的教学和学习任务。在这个过程中，教师应指导学生制订好学习计划，教授英语学习策略和方法，推动学生进行自主学习，发展自己。与此同时，还要组织、引导、协调学生的合作学习，并监督和评价学生的学习效果。举例来说，现有的智能写作评估系统如某北京科技公司开发的批改网可以为学生的作文提供词法、篇章等方面的在线反馈信息。这样就将教师从繁冗的作文语言问题批改任务中解放了出来，而专注于分析学生目前的语言水平和预定的教学目标之间的距离，进而有针对性地指导学习，给出学生应学习的具体内容和可以采取的措施。

4 结语

在大数据背景下，互联网的普及使人人都拥有接受教育的机会。慕课服务于学校教育并且辐射社会的发展趋势也将日益显现。学生应该积极抓住这一大好时机，以慕课为平台，尽早适应这种新的学习方式，努力学好英语。教师应认清并顺应这一趋势和由此所带来的挑战，从学生学习会出现的新特点和规律出发，利用网络平台资源，研究教学内容，改善教学方法，结合大数据挖掘出的学生信息，反思在教学中出现的问题并加以改进，做一名顺应和引领潮流的大数据时代新型教师。

参考文献

[1]高鹏.当新媒体遇到大数据[J].广播与电视技术，2012，（10）.

[2]曹磊等.大数据：数字世界的智慧基因[N].文汇报，2011-11.

[3]陈金平.大数据时代的大学英语教师职业发展[J].当代外语研究，2014，（4）.

[4]郭英剑.谈中国“慕课”的发展与问题[J].外研之声，2014，（2）.

[5]金陵.大数据与信息化教学变革[J].中国电化教育，2013，（10）.

篇9

关键字：大数据应用 高校英语教育 教学创新探索

中图分类号：G642 文献标识码：A 文章编号：1674-098X（2016）07（c）-0133-02

在社会生活网络化的今天，大数据早已渗透到了每一个行业和业务职能领域，成为重要的生产因素。网民数量的激增及其在互联网世界留下的痕迹成为刻画和预测人类行为与心理特征的重要依据。教育是社会子系统中极为重要的组成部分，其受大数据的影响也较为深刻。在大数据处理技术最为发达的美国，学校可以通过对学生的数据分析以超过80%的精确度预测学生的升学情况，由此可窥大数据对于教育系统的深远影响。在我国、大数据对高校教育也产生了较为深远的影响，网络选修，远程教育屡见不鲜，智能信息化教育平台建设也逐步在各大高校普及。但是大数据对于高校教育的影响仍处于初级阶段，仅仅在借助互联网平台淡化学校界限方面略有小成，对于如何通过智能信息平台，进一步深挖数据信息仍旧有较大的改进空间。高校英语教育是提升学生综合素质水平的重要途径之一。近年来，网上英语授课平台层出不穷，不少高校也逐渐有了自己的英语教育信息系统。然而，网络课程的学习效率、英语教育信息系统的利用情况并不理想；通过大数据挖掘学生的英语学习行为特点与心理特征信息等更是难上加难，更不用说进行行为预测等事项。因此大数据时代背景下，更加信息化、智能化的英语教学模式成为各大高校分析、探讨的重要课题。基于大数据的高校英语创新探索既是潮流使然，又是需求所致。

1 大数据应用于高校英语教学的现状

十八届三中全会，国家提出“大数据发展”以来，大数据在多个领域取得了较为明显的成就，但对于教育系统而言，改变现有模式，迎接大数据带来的机遇与挑战需要时间与财力的支持。由于各高校情况不同，大数据在教育方面的应用，尤其是英语教学方面的应用表现参差不齐。基本可划分为4个层次。其一，基本未使用或构建大数据相关应用；其二，进行简单的数字化教学，初步运用到大数据；其三，借助现有较为成熟的英语网络平台，开展英语教学，部分实现数据的信息采集和挖掘，能够模糊了解学生需求；其四，独立构建或者借助第三方构建高校英语教育信息系统，完全实现大数据的信息采集、挖掘、分析，可自动生成个性化教学方案。

1.1 基本未应用大数据进行英语教学

大数据应用于高校英语教育首先需要学生学习行为数字化与过程记录的系统或机制，但这些系统的构建需要相应的时间进行调试，也需要相应的经费支持。这些对于部分高校而言需要时间去执行。因此，部分高校仅仅可以实现将英语相关学习材料上传至互联网平台进行分享，没有能力对学生的学习行为进行数据采集，更不要说针对数据进行挖掘，设计个性化教学方案。

1.2 初步应用大数据进行英语教学

互联网的普及为教育增添了新的渠道，远程教育已经成为新的教育渠道。目前，不少高校通过与网上教育公司签约，在校内增设“英语网课”。网站通过记录学生的访问次数、访问时间、访问内容等简单信息对学生学习行为进行记录，初步实现大数据的简单应用。“英语网课”模糊了校园的界限，为学生扩展了学习的资源库和学习视野。也有助于英语教师初步观测到学生的学习情况。此类做法在不少高校已经展开，并已经对高校英语教育产生较为重要的影响。

1.3 借助第三方成熟平台开展大数据教学应用

高校借助第三方开发较为成熟的平台进行英语教育。此类平台具有较为完善的跟踪记录数据收集端口，能够初步实现高校英语教学所需的信息采集需求。高校英语教师可以通过对此进行数据的整理分析以及挖掘，对学生的英语学习行为、能力、特点、心理动态等形成较为模糊的认知。同时，由于平台上教学资源丰富，有利于学生个性化自学潜能的发挥，且有助于师生互动量增加，使教师对学生学习成绩评价多元化，容易激发学生学习积极性。大多数高校已经开始实施，在较为知名的高校开展得较为普遍，并且取得了较好的成绩。

1.4 构建独立的英语教育信息化系统

由于独立开发或借助第三方开发信息系统需要耗费大量的人力物力，因此，采用此类方法的高校并不多，但是此法在彰显校园特色，教育特色以及人文特色方面有较大的优势。同时，构建独立的教育信息系统可以留一些特别的端口，博采众家之长，建设系统更为健全的信息系统，有助于高校教师获得更为详实的数据，制定更为合理的学生培养方案。目前此类大数据应用相对较少。

2 大数据应用于高校英语教学中存在的问题

2.1 基础设施不健全

大数据的应用离不开数据的收集，数据的收集离不开学习过程的数字化。然而目前大部分学校均未实现教学过程的全面数字化，因此数据采集变得困难，进而难以形成较为严谨的个性化教学方案。

2.2 教学思想未转变

虽然高校耗费大量的时间和财力将大数据应用于教学系统中，但是由于教师思想较为陈旧，或不想转变现有的教学方式，使得不少高校的数字化教育或者网络英语教学系统形同虚设或者利用率极低。

2.3 应用技术能力待加强

应用技术的能力并非仅仅指运用大数据分析能力，而是指高校教师对于新的英语教学方法的适应，新的英语教学工具的应用能力。部分高校老教师不擅长使用计算机，对于网络教学方法应用能力不强，存在抵触心理，或有些教师虽不抵触但由于操作不当，导致效率低下，浪费时间和精力，影响教学质量。

另一方面，只有行为信息记录，没有教师的数据分析与应用能力，也难以形成较为有效的学生形象刻画，更难以形成较为合理的个性化培养方案。

3 大数据应用于高校英语教学的创新探索

数据分析有助于教师发现学生的个性特质，从而产生个性化教学方案。因此，高校英语教学应转变原有的“按班级平均水平授课”“定期能力测试”“集中教学管理”等方法，逐步摒弃由传统教育数据采集获得的、彰显学生群体水平特质的数据。同时运用现代化信息手段，通过大数据分析逐个关注到每个学生的个体表现，分析其学习特点与个性，进而形成一套最适合该学生的学习方法。因此，要尽快转变高校英语教学思想，积极构建英语智能化教育平台，学会利用大数据发现学生需求，结合平台实现个性化教育。

3.1 高校英语教学的思想转变

大数据时代的教育是真正实现“因材施教”的开始，学生整个学习过程的数字化将有助于教师对其学习相关数据的挖掘分析，制定属于学生的个性化教学法则。目前很多高校开始使用远程授课、开展英语网络第二课堂、开通高校英语网络教育信息系统等，但仍有一些教师对高校英语教育的理念非常传统，在其教学过程中英语网络教育信息系统等形同虚设，难以很好地照顾到学生的个性化需求。

因此高校应结合时代要求，结合自身特点，对现有的英语教学体系进行革新，改变高校教师英语教学理念，积极优化高校内部的信息化、数字化英语教学工作建设，加强各项数据的收集、分析和应用。

3.2 构建英语教学智能化平台

构建独立的英语教学系统将有助于本校英语教学全程信息化、数字化，有利于对学生英语学习的特点发现。同时也可以借助互联网英语学习课堂进行学习。例如充分利用现有较为成熟的平台或者模式，如“慕课”（MOOC）“多模太”（MODULE）和“翻转课堂”（FLIPPED CLASS-ROOM）等形式开展教学。由于借助现有网络平台难以挖掘更多的信息，而开发新系统成本较高，因此建议学校与现有较为成熟的网络英语教学平台合作，在其平台的基础上设置个性化信息抓取端口，更多地记录学生学习过程。

3.3 利用大数据发现需求，制定个性方案

通过构建英语教学智能化平台，收集更多学生学习行为信息，教师应仔细分析其学习特点，譬如，学生是习惯于规律性学习还是突击性学习，擅长听、说、读还是写，最近在什么方面进步较为明显，在什么方面有退步或进步不明显，什么时间段学习效率较高等，然后进行归纳总结，发现学生近期最需要进行学习的部分，即学习需求。

根据教师归纳总结的信息，结合其行为特点，制定较为详细的培养方案，并根据其后期反馈情况，不断改进培养方案，使其提高学习效率，增强对英语的兴趣，形成良性的英语学习循环。

总之，大数据在高校英语教学中的应用还是处于较为初级的阶段。要想让英语教学在大数据应用方面有长足进步，需要在“硬件”和“软件”两方面进行投入。

“硬件”方面较为理想的状态是学校有自己的英语教学信息系统，能够自动智能化生成学生培养的相关意见，在此基础上英语教师根据其多年教学经验，对其进行改进。但是目前很多高校由于种种原因难以实现该项目标，因此建议学校尽可能与现有较为成熟的平台进行合作，尽可能使其更加符合高校英语教学需求，能够具有较为智能化的跟踪记录及分析模式，使其运用起来更为便捷。

“软件”方面，建议高校同学尽可能充分地利用学校提供的英语教学硬件系统，以便更详细地捕捉到英语学习行为数据，而高校教师尽可能利用这些数据分析得出较为个性化的培养方案。

也只有如此，才能不断改进大数据在高校英语教学中的应用。

参考文献

[1] 吴晶.大数据时代高校图书馆英语学习资源的个性化精品服务探析[J].中外企业家，2016（8）：220-221，231.

[2] 颜健生.大数据时代高校英语数字化教学的转型思考[J].鸡西大学学报，2015（3）：79-81.

[3] 晏尚元.英语语言学课程学习策略与效果相关性研究――基于英语专业127名学生的调查数据[J].湖南农业大学学报：社会科学版，2011（5）：92-96.

篇10

关键词：统计学；教育改革；大数据

一、引言

最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司，该公司在一份研究报告中指出：“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。

大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象，但大数据一词不仅指规模大、种类多的数据集，还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别。第二个特征是数据类型繁多、异构性突出，包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低，数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯，是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

目前，不同的学科领域对大数据概念有着不尽相同的解释，但各种解释中大致可以从两个方面去理解。首先，大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快，同时产生的数据集极有可能包含着各种半结构化和非结构化数据；其次，大数据概念还体现在对数据进行处理的手段和流程方面，由于数据量的庞大和类型复杂，利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此，所谓的大数据并不是单纯指数据流量的巨大，还指其结构的复杂和种类的多样，在数据处理和分析上需要采用高端计算平台或高级统计软件，以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。

近年来，随着高速计算机的应用、信息技术的快速发展，特别是云计算技术的发展，使大数据的存储和分析技术得到迅速发展，目前的核心技术有MapReduce、GFS、BigTable、Hadoop，以及数据可视化等。在数据搜集上，可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上，传统统计学方法采取的是基于统计模型的样本数据分析，而大数据分析技术则是通过高端计算平台，对大数据中的信息进行挖掘。

统计学作为对数据进行处理和分析的科学，必然受到大数据的影响。在大数据时代，统计学教育必须与时俱进，跟上时展步伐。近年来，有不少文献讨论了大数据环境下我国统计学教育的改革问题（例如[1]-[5]），本文在分析大数据时代特征的前提下，进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。

二、统计学教育的现状与挑战

2013年，教育部对我国统计学专业设置进行一次新的调整，将原来的既可授予理学学位，也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据，当时全国有194所高校开设了统计学专业，156所高校开设了应用统计学专业，164所高校开设了经济统计学专业[6]。目前，全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。

面对大数据时代，我们目前的统计学教育无论在培养目标和教学内容上，还是在教育方式和人才培养模式上，都存在着亟待解决的挑战性问题。例如，在专业培养目标和人才培养过程中，我们比较重视课程层面上的评价，比较轻视专业层面上的整体评价，缺乏对学生综合能力的反馈机制。

关于教学内容，目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括：抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中，现今的统计方法基本以结构化数据为主要处理对象，而对非结构化和半结构化数据的分析和工具涉及较少。因此，现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要，必须进行必要的改革。

对于教育方式，鉴于大数据时代要求，统计分析人员需要具备较高的数学和现代统计学基础，具有较高的软件操作能力，掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为：“数据科学家要有计算机科学专业背景，数学、统计方面的素养和使用数据挖掘软件的技能，善于利用数据可视化的手法展现晦涩难懂的信息，而且具备相应的专业知识、眼界和视野，具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要，必须进行必要及时的调整和变革。

对人才培养模式，大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能，更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战，现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异，培养统计人才的教育模式也需要相应变化，统计学教育只有与时俱进，主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要，积极迎接大数据时代的挑战。

大数据时代对统计学教师有更高的要求，统计学教师需要与时俱进，跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展，对数据的分析和处理的技术也随之要求更高，统计学教师固有的知识体系已不能满足培养现代统计人才的需要，必须进一步深化和更新原有的统计学理论知识，而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术，同时还要熟悉处理非结构型和半结构型数据的知识和技能，以适应现代统计学教育对教师的知识结构和基本素质的要求。

大数据时代对统计专业的学生也提出了更高的要求，他们不仅需要掌握现代统计理论、统计方法和专业统计软件，还要学会如何分析、处理来自互联网或各种实际问题中的海量数据，如何利用统计软件和互联网技术进行数据操作，如何借助软件技术和统计准则判断数据质量，如何进行模型选择和评价模型方法的有效性，如何准确清晰地呈现统计分析结果和结论，等等。

2014年11月，美国统计学会了统计学本科专业指导性教学纲要 [7]，该教学纲要对统计学专业提出四个方面的要求：（1）具有扎实的数学和统计学基础、强大的统计计算和编程能力，熟练使用统计软件和数据库；（2）分析来自现实问题的真实数据，真实数据是统计专业教育的重要组成部分；（3）掌握多样化的统计模型方法；（4）具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一，该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向，对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据，对照我国目前的统计学本科专业教育，无论是在培养目标和课程设置方面，还是在教学内容和教学方法方面，都存在着亟待解决的挑战性问题。

三、统计学教育的改革

大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展，更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去，企业数据库价格昂贵，在统计学教育的教学案例或实验课教学中，很少采用真实和海量的数据库资源，基本都是采用过时或虚拟的数据。今天，像百度大数据引擎这样的数据库的逐步对外开放，将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求，有必要利用网络资源以及各种数据处理软件，搭建线上大数据分析实验教学平台，全面开展大数据统计实验教学的改革。实际上，借助大数据分析平台，本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次，要时刻关注大数据分析理论的进展，及时将新理论新方法融入课堂教学内容。

需要指出的是，在大数据时代，经典统计理论和方法并没有过时，但需要进行改进和进一步发展。这是因为，网上采集的巨型数据集往往存在大量的重复性和无价值数据信息，使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理，将其变成便于进行分析处理的小数据，继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以，即便是在大数据时代，经典统计方法仍然是进行统计分析的基石，其核心地位不可动摇。所以，在大数据时代仍然要强化统计学的基本理论和方法，尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法，在大数据时代仍然没有过时，但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。

大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为：“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求，统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求，增设与大数据前沿领域发展相关的课程，如计算机网络和大数据相关的软件应用，同时要加大实验课和社会实践课的比重，引导学生理解和掌握大数据概念、理论、技术和方法，培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程，除基本统计理论外，还应开设一些较为现代和深入的课程，如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外，还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。

为了培养与时代适应的统计学人才，统计学专业教师应不断更新自身的知识结构和价值观念，改变认识数据、收集数据和分析数据的思维，主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术，使自己的知识体系不断更新和提升，跟上时展的步伐。

在大数据时代，要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力，开阔他们的视野，培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼，尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外，统计专业应积极同其他专业进行合作，联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高，统计学科应主动与计算机、经济学、管理学等相关学科合作，培养学生的计算机能力、专业素质和业务修养。

“它山之石可以攻玉”，关于统计学专业的课程设置，可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要，统计专业的课程设置应该涵盖五个模块[7]：（1）统计方法与统计理论。建立统计模型并对模型的输出结果进行评价，熟悉统计推断，能够从数据分析中得出恰当的结论。（2）数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析，发现和清洗数据中的错误记录，具有编程能力和算法思维，可以进行各种数据操作，还应掌握统计计算技术，能够进行模拟研究。（3）数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。（4）实践训练和表达能力。具有良好的表达和交流能力，善于通过图示和动画等听众易于理解的方式展示分析结论，并且具有团队合作精神和项目领导能力。（5）特定领域的知识。掌握特定应用领域的知识，并用统计学特有的思维方法来分析和解决特定领域的实际问题。

大数据时代是以数据为中心的时代，统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件，因为R是免费开源软件，其统计建模、统计计算和可视化功能强大，更新迅速，是最新统计方法的主要平台，非常有利于培养学生的编程能力和知识更新能力，而SAS软件被很多公司用于数据管理和数据分析，在实际应用领域具有长期而深远的影响，是数据分析不可或缺的专业统计软件。当然，教学中也可以尝试使用其他专业统计软件，例如经济统计专业学生也可使用SPSS软件，但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上，应加强学生统计计算和统计模拟能力的培养。在大数据时代，强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术，可用来解决传统学科领域中无法解决的问题。例如，在计算技术飞速发展的今天，贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失，基于马尔科夫链蒙特卡洛（MCMC）技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。

参考文献：

[1] 刘春杰，大数据时代对当代统计学教育的挑战，统计与决策，2015年，第8期。

[2] 孟生旺，袁卫，大数据时代的统计教育，统计研究，2015年，第32卷4期。

[3] 葛虹，韩伟，大数据时代统计教育变革的SWOT分析与发展策略，统计与决策，2015年，第4期。

[4] 张海波，黄世祥，统计学专业学生大数据分析能力的培养方式选择，统计与决策，2014年，第24期。

[5] 李卫东，大数据对统计学科发展的影响，统计与决策，2014年，第13.期。

[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http：///category/信息公开/教学单位，2013-11-15.