大数据时代的优缺点范文

导语：如何才能写好一篇大数据时代的优缺点，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：云计算 数据模型 云数据库 NoSQL数据库

0 引言

从2006年Google提出“云计算”的概念至今，云计算正以史无前例的速度发展，国内外各大IT企业都在开署各自的云计算平台，云计算的应用更趋多样化，目前在互联网上我们看到的很多应用都可以看到“云”的身影，诸如“云存储”、“云安全”、“云物联”、“云邮件”、“云输入法”等等。总的来说云计算包括三个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。云服务模式实现了资源集中配置和管理，实现按需采购、配置，避免资源浪费，能够更好满足用户不断变化的需求。同时降低管理维护成本，随着云计算技术的不断发展，系统的可靠性、扩展性、稳定性也会更好，云计算将影响传统数据库的发展趋势，云服务模式将逐步得到市场认可，反过来讲，传统数据库必须能更好适应云计算环境的需求。传统的关系型数据库由于其天生的限制，已经越来越无法满足目前时代的要求，云计算时代对数据库技术提出了新的需求，主要表现在海量数据处理，大规模集群管理，低延迟读写速度，建设及运营成本。虽然它在数据存储方面占据了不可动摇的地位，但对数据扩展、读写速度、支撑容量以及建设和运营成本的要求方面，就稍显逊色。下面我们来探讨适应于云计算的数据库所支持的数据模型。

1 云数据模型的类型

无论是关系型数据库还是非关系型数据库，都是某种数据模型的实现，不同的数据模型可以满足不同的应用需求。数据模型会影响客户端通过API对数据的操作，决定了客户端如何对数据进行编码存储。云数据库的设计可以采用不同的数据模型，目前适应于云计算平台的数据模型有以下几类：

1.1 基于云计算的关系模型。关系型云数据库的数据模型涉及行组和表组等相关概念。此模型的数据结构为一个表是一个逻辑关系，它包含一个分区键，用来对表进行分区。具有相同分区键的多个表的集合称为表组。在表组中，具有相同分区键值的多个行的集合称为行组。一个行组中包含的行总是被分配到同一个数据节点上。每个表组会包含多个行组，这些行组会被分配到不同的数据节点上。一个数据分区包含了多个行组。因此，每个数据节点都存储了位于某个分区键值区间内的所有行。微软的SQL Azure云数据库就是基于此模型的。

1.2 NoSQL数据库数据模型。由于在设计上和传统的关系型数据库相比有很大的不同，故称此类数据库为“NoSQL（Not only SQL）”系列数据库，即非关系型的数据库。与关系型数据库相比，此类数据库非常关注对数据高并发读写和海量数据的存储，在架构和数据模型方面做了简化，而在扩展和并发等方面做了增强。此类数据库种类繁多，且各有优缺点，其数据模型有如下四类：①键值（key-value）存储模型。使用一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。其数据模型为一系列的键值对。它能提供非常快的查询速度、大的数据存放量和高并发操作，非常适合通过主键对数据进行查询和修改等操作，缺点是存储的数据缺少结构化，不支持复杂的操作。运用此模型的数据库有BigTable、Tokyo cabinet/Tyrant、Redis、Voldmort、Berkeley DB等。②列式存储模型。列式存储和关系模型相似，与关系模型存储记录不同，列式存储以流的方式在列中存储所有的数据。其数据模型为以列簇式存储，将同一列数据存放在一起。属于同一列的数据会尽可能地存储在硬盘同一个页中，而不是将属于同一个行的数据存放在一起。使用列式数据库，将会节省大量I/O，并且大多数列式数据库都支持Column Family这个特性，能将多个列并为一个小组。总体而言，这种数据模型的优点是查找速度快，可扩展性强，更容易进行分布式扩展，缺点是功能相对局限。运用此模型的数据库有Cassandra、HBase、Riak等。③文档模型。在数据结构上，文档型和键值型很相似，也是一个key对应一个value，但是这个Value主要以JSON或者XML等格式的文档来进行存储，是有语义的，并且文档数据库一般可以对Value来创建Secondary Index来方便上层的应用，而这点是普通键值数据库所无法支持的。这种数据模型的优点是对数据结构要求不严格，缺点是对查询性能不高，而且缺乏统一的查询语法。运用此类模型的数据库有MongoDB、CouchDB等。④图形模型。图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。其数据模型为图结构，其优点是可以很方便地利用图的相关算法，缺点是需要对整个图做计算才能得出结果，不容易做分布式的集群方案。运用此类模型的数据库有Neo4J、InfoGrid、Infinite Graph等。数据模型有着各自的优缺点，它们适用于不同的领域。不管选择关系模型，还是非关系模型，都要根据实际应用的场景做出选择。有时候单一的数据模型并不能满足我们的需求，对于许多大型的应用可能需要集成多种数据模型。

篇2

[关键字] 大数据特点；大数据平台；比较研究

[中图分类号] TP202 [文献标识码] A [文章编号] 1002-8129（2017）01-0103-04

一、大数据的特点与处理平台概述

1.大数据的特点。

目前，大数据还没有一个标准的定义，但是把握大数据的特征，有助于加深对大数据内涵的理解。数据具有的3V特征，即规模大（Volume）、种类多（Variety）、速度快（Velocity），在业内已经基本成为统一认识。规模大，意味着数据量不断扩张，数据量级将从现在的GB、TB增长到PB、EB甚至达到ZB级。种类多，是指数据类型有结构化、半结构化和非结构化，其中文字、图片、音频、视频等非结构化数据占更大比例。速度快，表示大数据有强时效性，数据通常快速地产生，又需要及时地进行处理分析，才能有效地实现大数据的经济价值。

“大数据的处理过程可以分为：数据抽取与集成、数据分析以及数据解释”[1]。巨量的数据往往也意味着噪音的增多，这给预处理数据时数据的清洗工作造成了困难。传统的关系型数据库处理对象单位通常为MB，并且适合存储结构化数据，面向大数据的数据库技术应该能够解决海量非结构数据的存储问题。传统的数据分析方法以算法的准确率作为最重要的衡量指标，而大数据的高速性要求算法必须牺牲一部分准确性以达到更高效地处理数据。大数据的分析结果往往也是大量的，故小数据量时可以选择的数据解释方法基本不再适用，引入可视化技术来将大数据的分析结果以友好的形式展现。

2.大数据处理平台发展概述。

为了应对大数据处理上的挑战，“从规模巨大、种类繁多、生成快速的数据集中挖掘价值”[2]，专门针对大数据的技术和方法应运而生。GFS、NoSQL、ITHbase、MapReduce等云计算技术的发展，使得大数据的有效存储、管理和分析成为可能。但是从众多复杂的大数据技术中进行选择，并搭建完备的大数据处理框架难度很高，不利于挖掘大数据中的经济价值。大数据平台和产品的出现，可以使用户在不了解架构底层细节的情况下，开发大数据应用程序。全球领先的科技巨头都纷纷在制定大数据战略时提出了建设与应用大数据处理平台：IBM公司推出了云端版InfoSphere BigInsights[3]；HP推出了HP Vertica6.1分析平台[4]；Google提出的GFS、MapReduce等云计算技术催生了大数据处理平台的事实标准Hadoop，目前，Google使用的是自己开发的Caffeine[2]；Facebook结合自身的使用需求实现了Corona、Prism。一个完备、高效的大数据处理平台为实施大数据应用提供一站式的基础服务，支持应用系统从清洗、集成、分析到结果可视化展现的大数据处理全过程建设，降低了用户技术门槛[5]。因此，比较和选择有大数据特征的处理平台，有助于大数据技术研发和产业落地，实现大数据的巨大价值。

二、常用大数据处理平台比较

1.Hadoop

Hadoop是由Apache开发的开源云计算平台，实现在大量计算机组成的集群中进行分布式存储和计算。Hadoop框架最核心的技术是HDFS和MapReduce。HDFS是可以部署在廉价机器上的分布式文件系统，采用主/从结构，将大文件分割后形成大小相等的block复制三份，分别存储在不同的节点上，实现了海量数据的存储。MapReduce编程模型实现大数据处理，它的核心是“分而治之”[1]。Map任务区将输入数据源分块后，分散给不同的节点，通过用户自定义的Map函数，得到中间key/Value集合，存储到HDFS上。Reduce任务区从硬盘上读取中间结果，把相同K值的数据组织在一起，再经过用户自定义的Reduce函荡理，得到并输出最终结果。将对巨量资料的处理并行地运行在集群上，从而实现了对大数据的有效处理。从Hadoop的核心处理过程我们可以总结出它具有如下优点[6-9]：

高扩展性。Hadoop的横向扩展性能很好，使海量数据能横跨几百甚至上千台服务器，而用户使用时好像只是面对一个。大量计算机并行工作，使对大数据的处理能在合理的时间内完成并得以应用，这是在传统单机模式下无法实现的。

高容错性。从HDFS的设计中可以看出，它通过提供数据冗余的方式提供高可靠性。当某个数据块损坏或丢失，NameNode就会将其他DataNode上的副本进行复制，保证每块都有三份。所以，在数据处理过程中，当集群中机器出现故障，计算并不会停止。

节约成本。首先，Hadoop本身是开源软件，完全免费；其次，它可以部署在廉价的PC机上；“把计算推送给数据”的设计理念，节省了数据传输中的通信开销。显然，若使用传统的关系型数据库将所有数据存储起来成本高昂，这不利于大数据产业的发展。

高效性。Hadoop以简单直观的方式解决了大数据处理中的基本问题，即大数据储存和大数据分析。并且数据规模越大，相较于单机处理Hadoop的集群并行处理优势越明显。

基础性。对于技术优势的企业，可以根据基础的Hadoop结合应用场景进行二次开发，使其更适合实际工作环境。比如，Facebook从自身应用需要出发，构建了实时Hadoop系统。

Hadoop系统的局限性 [10-11]：

不适合迭代运算。MapReduce要求每个运算结果都输出到HDFS，每次初始化都要从HDFS读入数据。在迭代运算中，每次运算的中间结果都要写入磁盘，Hadoop在执行每一次功能相同的迭代任务时，都有反复的I/O操作，计算代价很大。而对于现在常见的图计算和数据挖掘等领域，迭代计算是必要的。

实时性差。Hadoop平台由于频繁的磁盘I/O操作，大大地增加了时间延迟，对于快速处理任务不能胜任。

易用性差。Hadoop只是一个基础框架，精细程度有所欠缺，如果想用它来实现具体的业务，还需要更进一步的开发。MapReduce特定的编程模型，增加了Hadoop的技术复杂性。

虽然Hadoop本身有一些缺点，但是由于其支撑技术（MapReduce等）成熟较早，并且实现了海量数据分布式的存储和批量处理，所以被广泛使用，已成为大数据处理平台的事实标准。为了提高Hadoop的性能，各种工具应运而生，已经发展成为包括Hive、Pig、HBase、Cassandra、YARN等在内的完整生态系统。HBase新型NoSQL数据库便于数据管理，Hive提供类似SQL的操作方式进行数据分析，Pig是用来处理大规模数据的高级脚本语言……这些功能模块在一定程度上弥补了Hadoop的不足，降低了用户使用难度。MapReduce的设计理念决定了Hadoop适用于对庞大数据集加以控制、数据密集型计算和离线分析的场景。

2.Spark

Spark的整个生态系统称为BDAS（伯克利数据分析栈），包括Tachyon、Spark Streaming、Spark Core、MLlib等。其核心框架Spark，是为了实现大数据的快速处理而出现的，可以用来构建低延迟的应用。Spark以RDD（弹性分布数据集）为基础，实现了基于内存的大数据计算。RDD是对数据的基本抽象，实现了对分布式内存的抽象使用。由于RDD能缓存到内存中，可以将每次运算的中间结果都存放到内存中，避免过多的磁盘I/O操作，大大降低了时延。Tachyon是分布式内存文件系统，类似于内存中的HDFS，基于它可以实现RDD或文件在计算机集群中可靠的共享。Spark没有自己的文件系统，通过支持Hadoop HDFS、HBase等M行数据的存储，Spark更专注于计算性能。可以总结出如下特点[11-13]：

高速性。Spark主要通过基于内存计算减少磁盘I/O开销，极大地缩小了时间延迟。这使得它擅长处理Hadoop无法应对的迭代运算，在进行图计算等工作时表现更好。并且高速数据处理能力使得Spark更能满足大数据分析中对实时分析的要求。

灵活性。较之仅支持map函数和reduce函数的Hadoop，Spark支持map、reduce、filter、join、count等近80多种操作类型。Spark的交互模式使用户在进行操作时能及时获得反馈，这是Hadoop所没有的。Spark SQL提供用户直接用标准SQL语句在Spark上进行大数据查询，简单易学。尽管在Hadoop中，有了Hive，可以不用Java来写复杂的MapReduce程序，但是Hive在MapReduce上运行速度却达不到期望程度。

Spark以其近乎实时的性能和相对易用灵活而受到欢迎，它同Hadoop一样都是Apache旗下的开源集群系统，是目前发展最快的大数据处理平台之一。Spark主要适用于支持迭代计算，交互式查询，实时分析的场景。比如，淘宝使用Spark来实现基于用户的图计算应用[11]。由RDD特点决定，它不适合异步细粒度更新状态的应用[1]，比如，增量的Web抓取和索引。RDD的特点之一是“不可变”，即只读不可写，如果要对RDD中的数据进行更新的话，就要遍历整个RDD并生成一个新RDD，这使得对细粒度内容的频繁更新代价很大。

Hadoop与Spark并不是互相排斥的关系，Hadoop解决了如何将大数据储存起来的问题，Spark在这基础之上考虑更快速、易用地实现大数据分析，这点从Spark仍采用HDFS作为文件系统就可以看出。它们适用于不同的场景，有时协同工作会达到更理想的效果，在Spark和Hadoop的许多发行版中，它们都已经互相支持实现。

3.Hadoop发行版

包括传统IT企业和新兴互联网企业在内的众多厂家，通过对开源平台Hadoop进行改进，纷纷推出了自己的商业发行版。用户能更容易地对大数据进行处理，并易于搭建、监管复杂集群系统。

（1）CDH

Cloudera推出的CDH，基于稳定版Apache Hadoop并应用最新的BUG修复系统和管理监控平台，在安全性、兼容性和稳定性方面有所增强。Cloudera公司业务开发负责人Ed Albanese表示[14]：在CDH上运行的应用已超过其它Hadoop产品上运行的应用。

（2）MapR

提供了完整的Hadoop组件体系，并且100%和Apache Hadoop API兼容。新增的Direct Access NFS技术支持文件随机读写，大大地扩展了MapR Hadoop的应用范围。还支持了Snapshot（快照）、Mirro（镜像）等企业应用功能。

（3）InfoSphere BigInsights[15]

是IBM推出的以Hadoop为基础的云端大数据分析平台，企业版在30分钟内可以启动运行。客户即使没有Hadoop技能，也可以捕捉和分析任意数据，使组织内任何人都获得了大数据处理的能力。

由于开源Hadoop存在的许多先天不足，直接使用尚达不到普及的程度。为了推进大数据的企业级应用，大数据平台产品旨在提供优越性能的同时，简化客户搭建、管理和监控复杂集群的过程，优化和扩展开源方案，降低使用难度以普及应用，使大数据作为企业的基础资源能有效被利用。

三、结语

介绍大数据的3v特点及在此特点下数据处理上与传统数据处理的不同，有助于认识传统处理方式在大数据环境下的局限性。通过分析常用的大数据处理平台，并分析Hadoop和Spark的核心技术，对其优缺点进行了归纳。Hadoop实现了对海量异构数据在人们可以接受的时间和成本内进行可靠地存储和处理，虽然它在处理速度和易用性方面存在缺陷，但由于它的基础性，企业可以根据自身应用特点进行改进，目前已被广泛应用。虽然Spark不适合异步细粒度更新状态的应用，但在处理性能和易用程度上较于Hadoop有显著优势，发展十分迅速。文章指出它们各自的适用场景，平台的选择应根据企业的应用需要。通过比较两者的优缺点，可以发现它们在功能上有较强的互补性，有时它们对资源的协同使用可以带来效益优化，目前Spark和很多Hadoop发行版都已经支持互相实现。最后介绍了几种目前常用的商业Hadoop发行版，相较于开源框架它们都进行了不同程度的优化，并且更易于企业级实现。综上，以期对大数据平台或产品的选择、利用和研发有所启发。

[参考文献]

[1]孟小峰.大数据管理：概念、技术与挑战[J].算机研究与发展，2013，（01）.

[2]张 引.大数据应用的现状与展望[J].计算机研究与发展，2013，（S2）.

[3]IBM：积极推进“大数据”时代革新[J].硅谷，2011，（22）.

[4]于 翔.HP Vertica 6.1快速连接H-

adoop[N].网络世界，2013-02-04.

[5]王 强.大数据分析平台建设与应用综述[J].集成技术，2016，（02）.

[6]黄素萍.Hadoop平台在大数据处理中的应用研究[J].现代计算机，2013，（29）.

[7]任 仁.Hadoop在大数据处理中的应用优势分析[J].电子技术与软件工程，2014，（15）.

[8]戴中华.基于Hadoop平台的大数据分析与处理[J].通讯世界，2015，（06）.

[9]张 臻.大数据处理平台分析[J].电信快报，2014，（06）.

[10]张岩峰.云环境下大数据迭代计算研究[D].东北：东北大学，2012.

[11]何海林.大数据处理平台比较与分析[J].微型机与应用，2015，（11）.

[12]李 曼.Spark生态系统走向成熟和应用[J].世界电信，2015，（07）.

[13]范炜玮.大数据处理平台Spark及其生物医学应用[J].中国中医药图书情报杂志，2015，39（02）.

篇3

一、就业形势分析

现阶段，高校学生就业率与就业质量正逐渐成为衡量各高校办学水平及教学质量的重要指标，已经引起了各高校的强烈关注并为此出台了各种帮助学生就业的计划。根据教育部官网毕业生数据统计，预计2021年高校毕业生人数将达到909万人，各高校毕业生依旧呈快速上升趋势，同时，部分行业高校人才需求逐渐饱和、高校人才培养跟不上行业结构性调整需要和企业招聘时效性低的情况仍然存在，极大影响了高校毕业生的高质量就业。目前，大数据技术早已加入国家发展战略计划中，社会就业情况也加入政府工作报告中，大数据技术在高校学生就业方面的运用更是为高校提升学生就业与人才培养质量提供了新的机遇与方向，为高校精准就业服务提供了更加科学的技术指导。近年来，部分高校已经开始运用大数据技术分析社会行业发展状况，完善人才培养方案与实现学生和企业精准对接以提高学生就业质量。运用互联网、云计算和大数据等技术，搭建学生与企业线上“智能配对”线下“精准就业”的高校智能就业平台，探索培养更符合行业所需的个性化高校人才培养方案与适应新时代行业发展的精准就业服务新模式，为各高校学子提供更高质量的就业信息，已成为新时代各高校学生就业服务的目标。对此，高校应该基于大数据技术精准把握行业发展状况，以大学生高质量就业为目标，进行高校人才培养战略的制定。因此，高校智能就业服务平台的出现，不仅可以解决社会上企业招不到所需人才和学生所学知识已被淘汰的问题，而且对提升高校人才培养质量与办学水平具有显著作用。

二、大数据在高校就业工作中的定位

现如今，人工智能、大数据和区块链技术正在教育领域引发一场全新的革命浪潮，为提升高校培养人才质量和办学水平，使学生更加快乐、高效、智能地学习知识提供了重要的技术支撑。大数据作为互联网时代“万物互联”阶段的推动力也推动着教育的发展，其数据科学思维和技术促进了教育决策的科学化、高校发展的智能化、人才培养的个性化。大数据技术将重新定义高校就业生态系统，高校知识将更加满足行业需求，学生在校就能接触行业发展的最新消息，学生都将找到最适合自己的工作。大数据技术在高校就业中的应用，将突破传统高校就业推荐方式的次元壁，为高校大学生高质量的就业带来新的机遇。

三、大数据在高校就业工作中的应用

将大数据应用于高校就业的实际问题，将突破传统的就业方式，为广大学生和用人单位提供便利，最终实现既定的双赢目标。在以往的就业模式中，对于应届大学生的就业，通常是由学校建立关系，然后由用人单位和学生本人进行双向选择，最后签订三方协议。但这种就业模式也存在“学生所学”与“企业所需”不匹配的问题。为更好地服务社会，协调好学生、高校和企业的关系，应全面实现高校学生培养至企业人才供给的流程化信息服务，从而满足大学生对行业就业信息了解和个性化咨询服务的需求，提高学生就业教育的精准性，从根本上解决师资匮乏、与行业把握不精准的问题。同时，利用大数据技术对社会上海量就业创业信息数据进行挖掘和分析，获取精准、有效的信息，并根据学生个性化需求完善高校人才培养方案，提升学生就业能力，从而解决人才培养与市场就业需求不匹配的结构性矛盾。为了满足上述业务需求，建立采用分层结构的智能就业平台，其通过不同的主题库，以满足学生不同的业务需求。

（一）为学生检测学习服务

大学生首次注册登录时，平台将收集他们的兴趣、专业、特长、爱好等基本信息，为每个用户进行个性化定制职业生涯规划，然后帮助用户设定学习目标，包括短期目标和长期目标。目标的内容主要来源于企业招聘服务信息库中的招聘需求，从而实现学生的学习目标，学会应用，学以致用。同时，学生的学习情况也会随时更新，根据自己的学习能力来提升目前适合企业的能力。

（二）为企业招聘服务

企业用户通过企业账号登录，不定期向智能平台企业对人才的需求。后台通过企业需求分析，将其招聘需求更新为学生私人定制的学习目标，相当于企业直接培养他们所需要的人才。同时，将学生的学习数据通过后台大数据推送到企业分析行业，供企业选择，从而减少招聘过程中人力资源效率低下的问题。

（三）为高校教育理念提升服务

高校可以根据自己的账号登录，关注本校学生和留学生的学习能力，以及企业招聘的需求信息，使高校能够根据企业的需求和本校学生的学习情况进行准确地教育学生。同时，学校还可以分析自身的优缺点，提高竞争力、知名度、就业率。

四、大数据时代大学生就业趋势展望

篇4

关键词：“互联网+”；大数据；高校学生；党建

一、“互联网+”时代和大数据思维的基本概念

2015年的政府工作报告中提出：政府将制定“互联网+”行动。“互联网+”，不是简单的互联网相加传统行业，而是互联网与传统行业创新融合，指的是互联网借助于其信息透明化、低成本、深化分工和提升效率等功能特点，推动各行各业转型升级。“互联网+”时代将互联网与社会各领域建立有效连接，叠加云计算、物联网和大数据等信息技术，打破信息的不对称，将各个领域的数据信息、科学资源整合优化，并结合各自优势，实现融合发展，改变了人的工作、生活和思维方式。随着“互联网+”时代大数据技术的发展，我国教育数据不断丰富，现代教育信息技术不断发展，使得教育领域的大数据应用成为可能。

大数据是由多种数据类型组成，体量巨大，并以高速巨量的特点增加的具有潜在价值的信息资产。大数据时代的主要特点：一是数据量十分庞大，传统的计算机一般无法进行有效的深度处理，并呈几何指数增长。二是数据类型多种多样，除传统的数字、文字、符号等结构化数据外，音频、视频、图片、邮件、GPS数据及各种传感器产生的非结构化数据增长速度十分惊人。《大数据时代》作者维克托・迈尔-舍恩伯格认为：大数据是一种价值观、方法论，我们面临的大数据不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。从中可以得到启示，大数据时代需要树立全局性思维、个性化思维、相关性思维和智能化思维。

二、“互联网+”时代高校学生党建领域的大数据思维

（一）传统互联网与高校学生党建结合的缺点和不足

高校党建管理部门在传统的互联网与高校学生党建相结合曾做了一些尝试与努力，如建立党员信息管理库、建立红色阵地专题网站、开设党校培训学习园地等形式，在一段时期内一定程度上激发了学生的热情，但还有不少缺点和不足。传统的互联网与高校学生党建的简单结合存在功能单一，吸引力不足，宣传内容偏教条化，可读性不强等情况。近年来，虽有利用博客、微博、微信公众号与高校学生党建相结合的尝试，也存在用户持久关注不够，活跃度不够，互动交流少，传播力、影响力不足等现象，与传统的党建工作存在同质化趋向，出现内容与形式单调、功能单一等问题，没有充分考虑到大学生党员在价值实现、社交、情绪表达等方面的需求，亦没有考虑到大学生党员的多样化和个性化需求。

（二）“互联网+”时代大数据思维在高校学生党建领域的应用

“互联网+”时代，随着大数据技术和思维的不断发展，通过数据挖掘技术，人们可以获得与分析高校学生党建领域更多的数据，甚至是与之相关的所有数据，从而可以带来更全面的认识，可以及时发现高校学生党建领域所包含样本无法揭示的细节信息，相应的，思维方式也可由样本思维转向全局性思维。大数据时代，人们可以通过大数据技术挖掘出高校学生党建各子领域存在的相关关系，运用这些认知与洞见就可以帮助人们直观现在和预测未来，而建立在相关关系分析基础上的预测正是大数据的核心议题，思维方式应向个性化教育思维和相关性思维转变。大数据时代也将不断提升系统的社会计算能力和智能化水平，从而获得具有洞察力和新价值的东西，甚至类似于人类的“智慧”，这将推进思维方式由自然思维转向智能化思维。

1.高校学生党建须关注全体学生的全体数据，树立全局性思维

“互联网+”时代，高校学生党建须关注全体学生样本的全部数据信息，而不是一个学生的单一数据信息。在“互联网+”时代，采用大数据分析方法，了解学生最自然、最真实状态下相对准确的全部思想动态和行为走向将成为可能，高校学生党建工作者需要树立全局性思维。高校学生党建载体需要多元并进，建立多层次全方位的综合平台，在做好党员信息管理库、建立红色阵地专题网站、开设党校培训学习园地的同时，开通课程微信公众号平台、微博平台、QQ群、APP应用平台，利用互联网资源，尝试开发慕课教程，为学生提供多种选择，并允许多环节使用手机或便携式笔记本作为工具参与学习，跟踪了解全体学生的学习与思想动态，保留全体学生的相关平台数据，通过大数据技术对这些数据进行分析，发现相应问题，并进行改革和更新。大数据技术使得高校学生党建数据来源覆盖范围更加广泛，可以获取学生参与过程中所有数据，大数据发展到一定程度后，甚至复杂的非结构化数据如连学生在应用端访问的停留时间、鼠标或指头滑行轨迹、是否有效地学习规定内容等数据信息都将可能获得，数据覆盖面可以非常广，数据源更宽泛，数据层次更丰富，只要产生数据活动的记录都可被获取，并进行数据挖掘和分析，得出有效结果。

2.高校学生党建须关注的内容可从混杂的数据中提取潜在价值，树立个性化教育思维

“互联网+”时代，采用大数据技术获取大学生的所有数据时，会得到一些混杂的数据。但纷繁复杂的数据并非一无是处，而是有其潜在的可挖掘的价值。尤其是新时代大学生个性鲜明，想法各异，从混杂的数据中提取有潜在价值的信息，能更有针对性地开展好党建育人工作。因此，高校学生党建工作者应树立个性化教育思维。由于党建工作对象的个人经历、知识储备各异，为了使高校学生党建工作更具针对性，应该为党建工作对象提供个性化的“自助式”选择菜单。高校学生党建网站、微博、微信、QQ群、APP应用等新平台可根据工作对象的不同情况开设“自助式”菜单，学生可根据自身实际情况、优缺点、兴趣爱好等选择自己需要的内容。高校学生党建通过大数据挖掘技术和信息反馈，在资源推送时把学生的个性需求摆在首位，将内容有针对性地传递给每位学生，促进学生均衡发展。

3.高校学生党建的内容具有数据相关关系，须树立相关性思维和智能化思维

在“互联网+”和大数据时代，了解数据之间的相关关系可以促进我们更好地开展教育工作。学生思想动态出现大的变化不会是瞬间的，通过收集分析学生的所有数据我们可以预先捕捉到学生的相关信号，预测可能发生的事件，早发现、早化解、早处理。大数据时代提升智能化水平后，使得获得具有洞察力和新价值的东西更为容易，这就需要高校学生党建工作者将推进思维方式由注重因果关系转向相关性思维，由自然思维转向智能化思维。传统的高校学生党建模式主要是关注和分析学生的历史信息，数据少，时效性差。而在“互联网+”时代，借助大数据技术，高校学生党建可积极关注数据的相关性，实现数据之间实时互动，收集整理海量数据。大数据的真正价值在于将海量数据和全样本数据进行相关性分析，通过精准分析后能够更准确地将结果进行量化，从数据中获取价值，实现智能化结果，得到的结果也将更全面、更准确。高校学生党建领域通过把握数据相关关系实现智能化的分析、预测和判断在今后一段时间里将成为可能。

三、“互联网+”时代大数据思维在高校学生党建领域应用面临的主要问题

（一）高校学生党建参与者运用“互联网+”和大数据思维的观念淡薄

一些高校学生党建参与者对运用互联网和大数据技术开展党建工作的必要性和紧迫性认识不足，往往担心互联网和大数据等新形式的应用会给党建工作带来问题和不便，对运用网络和大数据技术开展党建工作持十分谨慎的态度。更有甚者，有些高校学生党建工作者对网络信息和模式等新形式采取回避态度，忽略了互联网和大数据技术对人们生活方式产生的重要影响。另一方面，目前高校学生党建领域信息化建设还停留“+互联网”模式上，“互联网+”平台的融合创新基本没有涉及，大数据技术的建设还未启动或者提及。传统管理模式还占主导地位，凭经验和感觉办事占比较高，高校学生党建参与者缺乏“互联网+”的融合应用意识和大数据思维，觉得大数据复杂，不注重数据采集和储存，不会数据分析和处理，也不愿意学习或者培养专门人才。

（二）高校学生党建参与者对“互联网+”和大数据思维的运用存在较大的难度

高校学生党建参与者虽然也使用了一些互联网形式，如建立专用的党建网站，但实际功能发挥不足，吸引力不强，在线平台或反馈平台通常处于休眠状态，信息化建设水平相对低下，更难提“互联网+”各领域各平台的大数据技术应用。高校学生党建使用大数据技术的统一平台尚难以创建，缺乏统一规范，各系统和平台之间的兼容存在问题，数据存储、挖掘和分析技术水平较低，大数据信息的内在关联隐蔽，有用数据的挖掘存在困难，大数据建设发展受限。另一方面，高校学生党建领域缺乏专业从事大数据分析专门人才，数据信息使用、收集、存储没有统一标准，影响大数据技术的精准性；面对海量信息资源，缺乏有效筛选、挖掘、分析和处理的能力。

（三）高校学生党建参与部门各自为战，数据信息共享存在壁垒

在“互联网+”时代，高校学生党建的数据和信息需要通过云计算、大数据技术在云端进行充分融合，但因与高校学生党建存在密切关联的部门多，信息分布广，数据信息共享尚存在壁垒，更难提云端共享。党建工作过程中产生的大量数据，各领域各部门应用平台不一，数据信息存储和管理模式不一，数据规模不等，格式各异，对数据采集的重视程度不一，没有共享平台，各部门各自为战，难以实现互联互通，数据共享难度大。再加上受目前的体制机制影响，各领域各部门之间的信息壁垒难以根除，相互之间非但存在数据共享的困难，甚至还互相抵触，造成数据质和量的不均衡，严重制约高校学生党建领域大数据技术的发展。

（四）高校学生党建网络信息泄密隐患大，安全防范力量不强

目前，高校虽然在信息技术和管理上得到了一定的加强，但在信息安全领域还存在极大的安全挑战。因缺乏信息安全专业技术人才，再加上信息安全核心技术受制于人，通常依赖外界厂商提供，给信息安全埋下隐患。同时，现阶段亦缺乏有针对性的信息安全保护制度，比如党建工作云端信息和各领域各部门信息归属谁管辖，谁有权限收集和使用大数据，大数据销毁的时限和准则，大数据信息的转让和共享范围等没有清晰和明确的规范制度和法律。如近几年社会上频频出现因信息泄露造成的电信诈骗问题，尚难以处理和解决。

四、“互联网+”时代大数据思维在高校学生党建领域应用的对策与建议

（一）加强高校学生党建育人模式改革，做好“互联网+”时代基于大数据思维的高校学生党建模式顶层设计

“互联网+”时代基于大数据思维的高校学生党建模式创新重在数据化上，量化一切信息是数据化的核心，包括文字、方位、社交信息等的数据化，提高大数据意识，主动学习新媒体和大数据思维。以苏州大学为例，可以建立以党委组织部、党校和党委办公室作为联合牵头单位，从战略上将“互联网+”与大数据思维纳入高校学生党建工作，总体谋划，整体推进。同时，学校党建育人相关单位将作为支撑单位，研究和部署大数据的数据化管理机制，各学院（部）及辅导员具体落实的一套运行机制。让“互联网+”时代大数据决策成为一种新的决策方式，依据大数据进行决策，让数据主导决策。大数据时代的高校学生党建需要各部门、各组织、党建工作队伍之间相互协同才能完成，在树立数据意识的基础上做出科学决策。通过顶层设计，建立通用标准，明确职责划分，打破部门限制，使得“互联网+”时代基于大数据思维的高校学生党建能以科学、高效的模式运行。

（二）加强“互联网+”和大数据领域专业技术人才培养，提高大数据思维素养

大数据建设的每个环节都需要依靠专业人员完成，高校学生党建需要加紧制定大数据相关人才培养计划和方案，把培养数据骨干力量作为重中之重建设来抓，努力培养和造就一支懂管理的大数据建设专业队伍。数据是“互联网+”时代高校学生党建工作创新的基础，高校内部要进行数据资源整合，搭建校级大数据基础平台。高校也要积极走出校外，寻求与相关教育部门和网络媒体合作，获取数据充实到大数据库中。同时，高校学生党建育人也要顺应“互联网+”时代的发展需要，充分利用内部资源，拓宽人才培养渠道，培养一批具有较强数据抓取、数据筛选、数据分析、数据综合等能力的党建工作队伍，打造一支复合型的专业化团队。

（三）着手建立数据共享平台，整合“互联网+”时代高校学生党建数据资源

“互联网+”和大数据技术是高校学生党建未来的发展方向，需要整合发展过程中的分散资源，建立统一应用平台和应用系统，在各专用数据库建设的基础上，实现各级各类信息系统的数据交换和数据共享。在建设过程中，建立信息共享交换机制，打破部门壁垒，统一高校学生党建相关的数据标准和数据格式，消除部门间的信息“孤岛”，提升各领域各部门的数据整合能力。将可以公开的数据统一共享到专用云平台，避免数据割据，做到数据互通，使得各领域各部门的数据在统一的云平台内交换畅通。

（四）加强信息安全管理，增强高校学生党建信息的风险防御能力

大数据技术在高校学生党建领域的应用是一把双刃剑，管理不善可能带来不良后果。高校学生党建参与者在实施大数据技术过程中一定要树立安全观念，制定安全规范规章制度，防止数据泄露，明确大数据使用渠道和范围，提高网络安全防范能力，保障“互联网+”时代大数据思维在高校学生党建领域应用的有序发展。“互联网+”时代在数据收集时亦可能会侵犯学生的隐私权，这就对数据使用者提出了更高的要求，在数据使用时需要保障学生的合法权益。高校学生党建管理部门也要提高风险预判能力，通过大数据技术来加强应用平台的风险防控水平，建立风险控制机制，严格监管，维护信息安全。另外，大数据也可能没有那么可靠，数据的质量可能很差，数据分析可能存在错误或者具有误导性，需要制定详细、缜密的数据质量管理制度。

参考文献：

[1]陈丽珊.“互联网+大数据”与创新营销[J].通信企业管理，2015，06：18-19.

[2]俞立平.大数据与大数据经济学[J].中国软科学，2013，07：177-183.

[3]张岩.“互联网+教育”理念及模式探析[J].中国高教研究，2016，02：70-73.

作者简介：

篇5

关键词:MOOC;大数据;高等教育;教学模式

在大型开放网络课程之风的推动下，美国陆续出现了多种大规模开放网络课程学习平台，如美国三大在线课程提供商Coursera、Udacity和edX的兴起，为全球范围内的学习者们提供了世界著名高校的优质课程资源，引起了教育、科技、商业等领域的关注，推动了全球开放教育运动的新发展，被认为是2012年教育领域的标志性事件。Coursera、Udacity及edX被誉为MOOC领域的“三驾马车”。对于大数据这一概念，目前还没有公认的定义，其中比较有代表性的是3V定义，即认为大数据的构成需要满足三方面的特点:规模性(Volume)、多样性(Variety)、高速性(Velocity)。大数据的出现，颠覆了传统的数据管理模式，使对数据的处理从数据库(Database，DB)转变到大数据(BigData，BD)，从而使数据规模、数据类型及数据处理工具更加多样化，强调将数据作为一种资源，运用数据处理工具进行分析后，得出数据潜在意义及价值。MOOC与传统远程教育相比，更加具有大数据时代的特征。首先，多样性主要针对学习群体中学习者个体而言，每门课程面向成千上万不同地区、不同背景的学习者，每个学习者已有的学习能力、知识水平各不相同。MOOC平台恰恰能够包容海量学习者的个体差异，实现学习者自主适应的主动式学习。其次，高速性体现在MOOC教学模式的互动性与实时性。围绕课程视频和在线作业所开展的实时互动对MOOC学习至关重要，面对学习者产生的各种疑问，教师可以依赖网络互动模式解惑答疑，同时教师发现在知识教授过程中所存在的问题，有利于实现互助式学习。学习者在平台上的所有学习行为数据，也将实时地以网页点击浏览的方式被记录下来，如学习者从注册到所添加的各知识点的学习周期及耗时长短、课堂互动交流的内容和次数、作业完成情况及知识掌握程度等等，为以后进一步分析学习者学习兴趣、课程选择提供依据。再次，规模性更多地体现了数据规模之大，数以万计学习者的实时学习数据都被MOOC平台及时记录、分析和评价，帮助教师了解学习者当前所掌握的知识概念、课程学习轨迹和学习兴趣等特征，通过评价学习的整体效果和存在的问题，进而改进教学方法、教学设计。

MOOC教学模式分为基于关联主义学习理论的cMOOC和基于行为主义学习理论的xMOOC这两种模式，其在课程模式上各有不同的侧重点。cMOOC的课程模式强调教师不应是课程的主导，而是课程发起人和协作者，学习者拥有更多的自主性。教师提供资源作为知识研究的出发点，学习者需要在课前了解课程内容，储备必要的基础知识，课堂上参与大量的讨论，与其他学习者共享资源并从中提取知识，课下同样可以方便地利用多媒体社交工具自发交流，从而完善知识体系。此种模式侧重于学习者自主地进行知识构建与创造，强调知识资源共享与交互式学习。cMOOC与传统教学模式有着较大区别，对学习者有较高的要求，学习的最终结果很大程度上依赖学习者的自我调控能力。而xMOOC教学模式，更接近于传统教学过程与理念，其更侧重于系统知识的复制和传播，通常采用在线视频、随堂测试和课后作业等方式高效地进行教学，其最大特点在于关注学习者的学习兴趣，有利于保护学习者的求知欲望，课程传授的知识均围绕学习者的学习动机及兴趣特点设计教学活动。因此，xMOOC也是目前Coursera、Udacity和edX等平台普遍采用的课程模式。作为迅猛发展的新事物，MOOC同样也有其自身的优点及缺点。MOOC的优点主要有以下几点:第一，学生的选择更加多元化，且没有选择成本;第二，终身学习，兴趣学习;第三，老师获得的反馈更多，竞争更强;第四，注重理解与思考，而不是记忆。其缺点也有如下几点:网络问题对课程的学习限制大;语言问题;传统授课中的许多环节是MOOC教学所不具备的;MOOC的质量监控与结果认证尚没有达成一致。基于前文为MOOC的教学模式及其优缺点分析，作者设计了“MOOC—课堂”相结合的翻转课堂模式。这种课堂模式的优点在于:把知识传授放在课外，使学生能够选择更适合自己的方式接受新知识，赋予学生更多自由;把知识内化的过程放在教室内，便于同学之间，同学和老师之间更多的沟通和交流。一定程度上弥补了MOOC与传统教学两种教学模式的缺点与不足之处，或能取得双赢的结果。接下来我们便以实际案例来分析一下“MOOC—课堂”教学模式的优势所在。浙江省在2013年“高校课堂教学改革”项目的支持下已经开展了一年该教学模式的研究和实践。

在实践过程中，我们设置了一个试点班和一个对照班:其中试点班选择了包装工程，全班50人;对照班为化工工程，全班64人。两个班级均属12级的工科专业，高考入校平均分相当，两个班级从人数来看均属中等班，课程均采用了相同大纲、相同课时、同样要求的公共数学科目之一《线性代数》，两班都由相同的教师来执教。其中试点班按照“MOOC—课堂”模式进行教学，而对照班则按照传统的课堂教学模式进行教学。经过一学期的学习，从期末考试卷面成绩可以反映出一下教学效果:1．“MOOC—课堂”的翻转课堂模式对于提高学习成绩的效果是非常明显的;2．这种教学模式对于处于中间阶段的学生学习有相当大的促进作用。此外，通过对试点班的无记名问卷调查发现:73.9%学生认为该上课模式提高了自己的自学能力;72%学生认为提升了自己的表达能力;50%学生认为提高了自己的语言表达能力和小组协作能力。在教育思想方面，“以学习者为中心”，使“学”与“教”的关系重构，鼓励学习者自主调控自己的学习行为，并且学习者与教师之间通过各种平台进行互动式学习，对传统的“以教师为中心”的教学理念产生了很大冲击，但同时也为传统教学模式的变革提供了借鉴。在教育方式方面，MOOC教师讲授风格多样，授课氛围轻松愉快，突出师生平等地位。在课程视频中还有设计与学习者之间的互动。反对“灌输式”的教学方法。在教学管理方面，MOOC的教育对象在数量和规模上都是巨大的，它的教育管理是“自上而下”和“自下而上”相结合的模式。在强调大众化的同时突出个性。同时，MOOC改变了课内和课外的关系，可以帮助我们实现翻转课堂的教学模式。在教学评价方面，MOOC教学所产生的大量数据为教学法的定量研究提供了新的机遇。我们可以利用大数据的处理工具进行分析与评价，从而为检测新的教学方法、教学设计和教学评估提供更可靠的信息支撑。在教学内容方面，传统的高等教育体系中，教学内容主要以教材为中心，而很多教材的更新往往是滞后的。同时，在通识教育的时代，对于那些偏理工或者偏文科的院校来说，学校的课程设置可能不能满足学生的需求。MOOC将大量丰富优秀的课程资源搬到网络平台上来，变革了传统的教学内容。MOOC对我国高等教育领域已经产生了巨大的影响，但是作者相信，MOOC不会终结传统大学，相反，若是能合理利用MOOC资源，根据每门课程自身特点设计出更为先进的教学模式，反而能够提高大学的教学质量，使学生能够得到更好的教学资源并最终取得更好的教学效果。

参考文献:

［1］樊文强．给予关联主义的大规模网络开放课程(MOOC)及其学习支持［J］．远程教育杂志，2012，(3):31—36．

［2］王文礼．MOOC的发展及其对高等教育的影响［J］．江苏高教，2013，(2)．

［3］魏麒，方国娟，涂黎晖，王聚丰．MOOC平台和课堂相结合的教学模式探索［J］，中国教育信息化，2014，(3)．

篇6

关键词：大数据；荷载与结构设计方法课程；教学研究；教学现代化

中图分类号：G642.0；TU 文献标志码：A 文章编号：1005-2909（2016）05-0086-04

大数据是21世纪的重要技术革新成果，大数据开发与应用带来更多新技术的出现，各行各业也急需适应大数据发展的人才。2015年8月国务院颁发的促进大数据发展纲要提出了应加快适应大数据发展需求的人才培养，所以培养适应大数据时代需求的创新人才是摆在高等学校面前的重要任务[1-4]。目前，国内高校土木工程专业人才的培养还不能满足大数据产业的需求，基于大数据背景下的教学改革也比较少[5-8]，所以应积极推进基于大数据背景下的土木工程专业课程改革。结合土木工程专业背景和社会实际需求，融合大数据时代的技术和思想开展土木工程专业课程教学改革，除了要培养学生的基本技能，还应注重培养学生对海量数据的采集、存储、管理、挖掘与分析等综合能力。黑龙江科技大学土木工程专业荷载与结构设计方法课程组开展了面向大数据需求的教学改革。该项改革以荷载与结构设计方法课程的基本知识为基础，以项目为载体，以培养学生获取信息的能力、分析能力、工程实践能力和综合应用的能力为主线，从教学内容、教学方法、教学手段等方面进行改革探索，力求实现“信息―知识―能力”一体化课程教学目标。

一、大数据背景下荷载与结构设计方法课程教学现状及存在问题

（一）教学内容离散，系统性差，知识跨越性大

由于该课程涵盖了数学、力学及土木工程所有专业课程的荷载基本计算及原理知识，而且教材各个章节的内容联系不紧密，所以各章节的知识跨越性大、连贯性差，导致学生学习效果不尽人意。此外，与修订后的新规范相配套的教材内容滞后，导致教学内容差异性大，教师只能将新规范内容融入教学中，学生学习起来常常感到很茫然。加上该课程是专业基础课，其教学内容很多是后续专业课的内容，学生由于对专业课内容不了解，也不明白该课程的具体实际用途，因此对课程的重要性认识不够，以致学习效果差。

（二）主导思想滞后，教学方法、教学手段更新慢

教学中尽管教师也不断改进教学方法和手段[9]，如创设启发式、讨论式、案例式、比较式、互动式等教学方法，但是并没有从根本上改变以教师讲授为主导的教学理念。在大数据时代，信息量大，而且传播速度快，很多知识仅靠教师的讲授是无法跟上信息时代步伐的。因此，教师必须要转变教学思维，构建教师与学生合作、协同参与的多元教学模式。

二、大数据时代背景下课程教学改革的总体思路

笔者所在学校荷载与结构设计方法课程教学改革总体思路：遵照国家大数据时代加快创新人才培养的纲要要求，结合土木工程专业人才培养需求，以及荷载与结构设计方法课程内容特点，借鉴国内外先进的教学理念、教学方式、方法和手段，以大数据建设为平台，以荷载与结构设计方法课程建设项目为载体，以培养学生获取信息的能力、分析能力、工程实践能力和综合应用能力为主线，实现“信息―知识―能力”一体化课程教学目标（见图1）。大数据时代背景下，最大程度挖掘学生潜力，使荷载与结构设计方法课程教学模式越来越趋于理性，教学活动更多地开展实践教学和情感教学，充分彰显以学生为本的教学理念，让教师与学生的沟通越来越多，让教学互动性越来越强，进一步完善该课程现代多元化的教学模式。

三、基于大数据需求的课程改革路径

（一） 依托大数据平台建设，构建分层次、分模块的课程内容体系

基于大纲要求，在改革原来课程内容的基础上进一步梳理，分成荷载计算与结构设计方法两个层次，然后将荷载计算分成竖向荷载、水平荷载两个大模块，结构设计方法分为结构可靠度理论、规范设计方法，并注重内容与新规范之间的差别，强调新旧规范的对比，同时更新规范知识，突出以信息化为主导，将各模块的内容与专业课程内容衔接起来，教学中引入各专业课程知识，将荷载课程内容平台与专业课程平台进行合理的衔接。

（二）借鉴国内外先进的教学经验，构建“信息化、开放式、多元化”的教学模式

1.构建“多元混合式”教学模式，实现翻转课堂教学

借鉴“慕课”网络教学平台的教育模式，开发该课程的网络教学平台，构建“多元混合式”教学模式，实现课程教学信息化。该课程教学中将网络在线教学与课堂教学相结合，实现每节荷载课程的课前网络在线导学，特别对课程中涉及的相关专业课程内容提前在导学内容中进行布置，学生可以利用多方资源有针对性地提前对相关内容进行学习。在课堂上教师可组织学生对学习过程中的收获、问题和心得进行交流、解答和分享，并针对学生的学习情况进行有针对性的指导和讲解，对教学内容的主要知识点进行总体梳理和总结，整个教学过程实现信息与知识的融合，加深教师与学生的沟通。可以说这种“多元混合式”教学模式，实现了由传统以教师为主的填鸭式课堂教学模式向以学生为主的翻转课堂教学模式的转变，有助于教学相长，有利于学生的全面发展。

2.采用微课教学的辅助模式，开放、拓展教学和学习空间

在改革传统教学模式的基础上，引入现代化的微课教学模式，发挥微课内容精短、主题鲜明的优势，利用其形象性、精品化、便捷性等特征，将每一章的重点和难点内容制作成微课。例如，水平荷载中的风荷载、地震、土侧压力等的计算是学习的重点，也是学习的难点，将这部分内容制作成微课后学生不仅在课堂上，而且在课堂后也可以对教师所讲的内容进行学习，非常方便。将微课教学与传统教学相结合，拓展了教师教学和学生学习的空间，使教学任务和学习任务得到分解，解决了传统教学中课堂时间紧、任务重的问题。目前微课教学应用越来越广，因此，在荷载课程教学中将微课教学模式与传统教学模式相结合，是大数据时代荷载课程教学模式改革的有效途径之一。

3.加强传统教学模式与新的教学模式的融合

一切事物都具有两面性，优缺点并存，教学模式也不例外，新的教学模式也存在弊端，需要与传统教学模式进行融合，这样才可以达到事半功倍的效果。新的教学模式可以体现学生的自主性，引导学生自觉参与学习。但是针对目前学生的基本功、能力等状况，荷载与结构设计方法课程学习还需要教师的督促和指导。另外，对荷载课程中实际规范的应用及新旧规范的对比，也需要在教师的指导下对具体实际问题进行分析，尤其需要教师与学生的及时沟通。因此，完全依靠学生通过网络等新的教学模式仍然不能很好地解决学习中的实际问题，现代教学与传统教学的融合才是理想的教学方式。

（三） 依托大数据的平台建设，创建荷载课程的教学空间与学习环境

以土木工程专业大数据平台建设为契机，创建荷载与结构设计方法课程教学现代化环境。通过大数据信息平台建设，建设并完善荷载与结构设计优秀课程网络平台，为教师教学、学生学习和师生交流提供网络空间，教师和学生都可以在网络平台上下载该课程的学习资源、作业要求，还可以实现学生和教师在线互动、答疑解惑。此外，平台还提供与该课程内容相关的众多专业课程优秀网络资源的链接地址（例如：土力学、工程结构抗震、高层建筑结构等精品课程资源网址），大家可以在这里获取与课程相关内容的有益资源。在此平台还可获取该课程在后续课程及工程中的实际应用实例、工程事故案例等，帮助学生明确该课程学习的重要性，拓展学生专业视野。另外，可以建立该课程的微信群和QQ群，师生可以随时随地进行沟通交流。教学和学习空间的拓展，能充分发挥学生和教师的主观能动性，开阔学生的视野，增强学生的学习积极性。

（四） 依托荷载优秀课程平台，建立“网上―课上―卷上”一体化、全方位的考核评价体系现代化的信息技术，为荷载课程考核评价提供了众多的评价手段。改革原有荷载与结构设计方法课程评定办法，在继续采取将期末最终评定与平时考核相结合的考核办法的基础上，基于荷载优秀课程网络平台建设增加网上评价的环节，评定内容更加全面，方式更加多样。最终期末成绩（100分）=网上（15分）+课上（15分）+创新（10分）+期末试卷（60分）。具体考核办法网络评价10分：由学生在荷载课程网络学习平台上完成各阶段学习任务及作业情况，系统给出评价；学生互评5分：通过网络平台学生提出并解决问题，学生之间给出客观评价；创新实践能力10分：学生应用荷载课程的知识对实际工程事故案例提出自己的观点和处理办法；课堂作业、出勤率和课堂表现各5分：课堂上学生对该课程的重视程度，对教学内容的掌握和课程参与互动情况；试卷评价60分：通过期末考试考核学生对整体内容的掌握情况。由此建立的“网上―课上―卷上”一体化、多样性、全方位的考核评价体系（如图2所示），打破了传统的一张试卷定成绩的考核办法，是信息时代荷载课程教学改革的又一突破。

四、结语

大数据正在改变当今的社会生活，对高等教育改革也提出了一个全新的课题。本文基于教育大数据平台建设，对荷载与结构设计方法课程教学进行前瞻性研究，从课程的教学内容体系、教学模式、教学环境及考核评价体系进行创新改革探索，立足该课程学科前沿，顺应大数据时代的需求，充分彰显荷载课程教学以学生为本的教学理念，最大程度挖掘学生的潜力，实现教学方法手段的现代化、多元化，以及“信息―知识―能力”一体化的教学目标，使荷载与结构设计方法课程教学符合时代的发展步伐。

参考文献：

[1]许晔.大数据时代中国面临的挑战与对策[J].中国科技论坛，2015（3）：24-30.

[2]万静.大数据：大学变革的机遇[J].国家教育行政学院学报，2015（4）：67-72.

[3]黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛，2014（45）：201-204.

[4]楚文波.大数据背景下的教育教学改革[J].教学与教育信息化， 2015（13）：181-183.

[5]孙锋.面向大数据的信息与计算科学专业实验课程体系研究[J].福建电脑， 2014（2）：57-59.

[6]詹少强.大数据背景下的数据挖掘课程教学新探[J]. 长春教育学院学报，2014（22）：30-33.

[7]曾祥蓉，陈进，谢孝，王薇.土木工程专业网络课程推广应用研究与实践――以混凝土结构设计原理网络课程为例[J].高等建筑教育， 2012，（21）5：142-145.

篇7

【关键词】 EDGE TD-SCDMA

1. EDGE简介

EDGE（Enhanced Datarate for GSM Evolution）的中文含义为增强型数据速率GSM演进技术，是一种基于GSM/GPRS网络的数据增强型技术，是GPRS空中接口的一个增强版本。EDGE是介于2.5GGPRS网络与3G TD-SCDMA网络之间的过渡型网络,因此被称为2.75G网络。

理论上EDGE单时隙提供的数据速率是GPRS的3倍，单时隙最大速率从GPRS的21.4kbit/s（CS4）提高到59.2kbit/s（MCS9），如果捆绑使用8个时隙，最大数据速率可达473kbit/s。这种速率可支持如互联网浏览、视频电话会议和高速电子邮件等多种业务，在3G网络到来之前为用户提供多媒体通信。

EDGE最早被加拿大和美国的运营商采用，随后亚太和拉丁美洲也积极参与其中。目前，EDGE技术在全球得到了广泛应用，全球许多运营商在3G部署后，仍在扩大EDGE的部署，通过低成本的GPRS/EDGE网络提供3G的补充服务。

2. EDGE关键技术及优缺点

2.1 8PSK调制方法

GSM采用的是GMSK（Gaussian Minimum Shift Keying）调制方式，GMSK通过信号相位的变化来表示比特“0”或者比特“1”，每次相位的变化对应一个符号。EDGE采用了8PSK（8-Phase Shift Keying）调制方式，通过信号的绝对相位来表示符号。其符的可能性有8种，每个符号映射成3bit。因此EDGE理论上可以达到GPRS3倍的速率。

2.2 编码方式

EDGE采用了MCS调制编码方法，定义了9种编码方案，分A、B、C 3类，每一类中通过在每个无线分组上传送不同数目的有效负荷单元来获得不同的编码速率。

EDGE将容错保护机制融入了编码方案中，MCS1～MCS4采用GMSK调制方法，这时容错保护能力强，数据吞吐量就相对低；MCS5～MCS9采用8PSK调制方法，数据吞吐能力较强。从MCS1～MCS9，编码速率越高，能够提供的数据速率也越高，对应所需要的系统载干比(C/I)也越高。对于一个时隙来说，GMSK MCS-1方案可以在空中接口处得到8.8kbit/s的数据速率；而8PSK MCS-9方案可以在空中接口处得到59.2 kbit/s的数据速率，见附表。如果使用8个时隙，最大用户数据速率可达到473 kbit/s。

2.3 增强的链路质量控制算法

EDGE采用了链路自适应和增量冗余的增强型链路控制算法，达到最大的信道数据吞吐率，提高接收端正确接收和正确解调的概率。

2.4 EDGE技术存在的不足

首先，8PSK与GPRS采用的GMSK相比，由于它的输出信号不是恒定包络的，会对设备实现和手机测量有一定影响。相较之下，GMSK调制具有良好的抗干扰能力，但传输速率较低；8PSK调制的速率是GMSK调制的3倍，但8PSK在较差的无线环境下性能要比GMSK差，对频移、噪声、时延等反应敏感，抗频移、噪声、时延能力比GMSK弱。

此外，由于同一小区内的所有EDGE用户实际上是共享EDGE信道的，因此EDGE用户的下载速率在实际使用中受到单个小区内EDGE用户数的制约，这就造成多个EDGE用户同时下载时会平分下载速率，即实际使用中单个EDGE用户的速率很有可能达不到测试速率。

3. 现网升级EDGE的主要工作内容及实际应用中遇到的问题

3.1 现网升级EDGE的主要工作内容

在GPRS基础上升级到EDGE不需要增加新的网络单元，对无线网络的规划或结构影响很小。升级工作的主要内容为：EGPRS对空中接口做了改动，需要更换基站载频、进行软件升级等；在无线链路上，新增有关EDGE的无线参数需要配置，如链路质量控制，多时隙利用和系统辅助小区更新参数等。

3.2 实际应用中遇到的主要问题

3.2.1 覆盖问题

在EGPRS非连续覆盖区域，EGPRS到GPRS小区重选会使系统实时速率下降，从而影响系统的平均性能。因此只有实现热点地区及重点区域内EDGE连续覆盖，才能最大程度地保证EDGE的使用效果。

但在实际实施中，EDGE业务需求的提出往往较为分散，为满足需求，要单独考虑硬件设备和传输资源的调整，这样的覆盖不能保证连续性。此外，密集市区及一些重点场所信号情况比较复杂，如果仅开通主覆盖小区的EDGE功能，一些移动用户，特别是在一些高层位置的用户占用的信号可能就没有EDGE。因此，实现重点区域内EDGE的连片覆盖仍然存在困难。

此外，绝大部分的数据业务和大部分的语音业务都发生在室内，而室外宏蜂窝基站信号又无法对楼宇内部、地下停车场等特殊场所进行深度覆盖，因此EDGE的室内覆盖也格外重要。但早期的室内微蜂窝基站设备如爱立信RBS2302均不支持EDGE功能，需要更换，这大大增加了EDGE升级的工作量。

3.2.2 传输需求增加

EDGE引入更高调制方式后，Abis信道资源更为宝贵，传统的16K信道无法满足要求。目前各BSC的传输分布不均匀，在EDGE话务量较高的区域存在端口不足的情况，一些小区难以增加传输（如租用传输、传输条件不满足等），限制了EDGE的开通。而在其他地方（如偏远农村）则存在BSC剩余端口较多的情况。由于热点区域的BSC端口非常紧张，随着EDGE和新建站点陆续开通，需要进行扩容。

3.2.3 无线信道资源的合理配置

数据业务与语音业务共享无线信道资源，语音业务优先。如何合理配置前向分组数据信道（FPDCH）、在动态半速率等语音业务与数据业务间通过算法进行资源的优化均衡、设置和保障数据业务VIP小区也是未来工作的重点。对于数据业务的重点区域，可以考虑开通专用的EDGE信道。

3.2.4 热点地区的干扰控制

EDGE应用的地区首先应该是大中城市中的高话务量地区。这些地区由于站间距较近，信号电平较强，对于提高数据吞吐量较为有利。但是站型配置较大，频率复用次数较高，载干比相对可能较低，对于提高数据吞吐量较为不利，干扰成为提高数据吞吐速率的主要瓶颈。

4. EDGE发展展望

目前，国内3G市场尚未成熟，在TD网络建设的初期阶段，考虑到需要投入大量资金，为了最大限度地降低网络运营风险，TD网络将优先覆盖局部城市高话务量热点地区，形成不连续覆盖。那么在TD系统覆盖不到的地区，EDGE便成为弥补通信系统容量不足的有效手段。EDGE与TD-SCDMA的互补覆盖，极大的降低了3G网络的部署成本，同时也延长了原有GSM网络的使用寿命，使其在3G时代仍然能够继续发挥作用。

而在TD网络建设的中期阶段，覆盖逐渐完善之后，EDGE仍可以作为TD网络容量上的补充，在网络拥塞时为部分用户提供数据服务。

篇8

广西南宁市的互联网金融行业也进入了快速发展期，极大的满足了小微企业融资需求、低收入群体融资需求和农村金融需求。南宁市互联网金融行业在快速发展的同时，也出现了许多突出的问题。本文主要从互联网金融外部监管与内部自律、人才培养、信息化和结合传统合作互利等方面进行探讨。

一、外部监管与内部自律并重，互联网金融将迈入“规范”时代

加强互联网金融监管是大势所趋，我区存在监管滞后、等问题，互联网金融需要接受严格的监管体系约束，包括准入门槛、资金本充率以及资金安全与风险考核。首要任务是构建具有地方特色，科学有序的互联网金融监管体系。

尝试互联网金融行业明确分类，分类指导牌照管理；根据行业分类，可能率先针对性设置行业准入门槛，采取发行准入牌照的方式，以及设置相应投资者的基础准入门槛；尝试使用独立的审计机构和第三方评级机构，定期公布对本地区互联网企业审计和评级结果；建立适合互联网金融业态监督体系，实时监控互联网金融各个业态的发展和风险情况。

互联网金融行业正向规范发展阶段过渡，不仅需要政府的监管，同时也应通过行业协会加强行业自律。目前南宁市互联网金融行业协会、互联网金融联盟刚刚成立，建设处于初期基础阶段，随着监管体系的逐步完善，互联网金融行业自律管理也应同步推进，未来可能会尝试组建南宁互联网金融商会、南宁网贷行业协会，南宁众筹协会等行业自律组织，尽快完善“外部监管与内部自律并重”的行业管理模式，为南宁互联网金融行业营造一个良好的生态环境。

严格会员准入标准；应积极建立企业、从业人员黑名单制度和举报机制，在行业内信息共享；建立公平公正的数据共享系统、风险提示系统，防范风险；建立内部评审制度，重点检查人员、资金、安全等管理情况；组织互联网金融知识培训，提高未来从业人员和投资者的知识及风险理念。

二、互联网金融未来发展离不开从业人才的培养

互联网金融人才匮乏、质量不足的现状是未来需要克服的一个重大问题。互联网金融企业不同于一般企业，对人才的要求具有复合型特点：要求人才同时具备金融专业知识、互联网技术知识、营销经验、法律知识和良好职业道德品格。当前南宁互联网金融行业迅猛发展，互联网金融企业数量迅速增多，行业人才竞争将会日趋激烈，尤其行业新产品研发、网络推广、顾问营销和风控方面的实用型专业人才非常稀缺；另一方面，互联网金融行业人才乱象频发，包括融资模式的不规范、征信体系的不完善、违法集资的高风险，都反映了互联网运营、法律、风控、产品设计、营销等复合应用型专业人才明显不足。

政府引导：南宁政府加大互联网金融人才培养项目投入，推动产学研相结合培养互联网金融人才模式，形成完整的互联网金融人才培育体系；南宁政府推出“互联网金融+职业院校”创新人才培养模式，鼓励互联网金融行业与职业院校合作，构建行业人才培养体系，共补人才短板；南宁政府带头建立基于大数据的“互联网行业人才征信系统”，由符合一定资质的互联网企业共同录入和共享人才信息，加强互联网金融从业人员规范化监管。

职业院校参与人才培养：南宁互联网金融企业未来可尝试与广西大学、财经学院就地培养高端互联网金融管理人才，完善校企联合培养方案；南宁互联网金融企业未来可尝试与大专院校联合办学、联合办班，培养实用性技能人才。大学、职业院校、企业实现双向交流，设置匹配专业或者课程设置，有针对性地专项、联合培养具有岗位特色、复合型人，改善南宁地区所有互联网金融行业人才短缺的局面。

互联网金融企业自身参与：互联网金融企业自身应积极建立人才培养、储备机制，完善员工激励和培训、继续教育机制，创新奖励机制，建立优秀的企业创新文化。

三、未来互联网金融服务呈现移动化、大数据化

随着互联网科技技术与金融业的进一步融合、渗透，未来互联网金融服务呈现移动化、大数据化，有效推动科技金融发展；同时，现代互联网信息技术改变了客户的消费渠道、培养了新的消费习惯，改变了传统的金融模式，为传统金融业带来更大挑战，对传统银行业的经营模式和服务方式带来巨大冲击。

支付方式方面：未来随着智能手机的普及、通信技术的发展、科技的创新，互联网金融将呈现移动化，移动支付将会逐渐代替传统支付，科技金融同时也将更深入地冲击商业银行物理网点的零售业务以及支付结算类中间业务。

理财服务方面：互联网技术与金融进一步密切融合，多样化的互联网金融产品层出不穷，将会持续冲击商业银行单一的存贷款业务，突破商业银行传统服务方式，更大规模的资金加速流入互联网金融领域，为普通民众和小微企业提供更好的互联网金融综合理财服务。

消费信贷方面：南宁互联网金融的几大业务类型都得到了不同程度的发展：互联网金融的借贷平台、新型的网络借贷方式、不断创新的互联网、移动金融产品将会改变客户的消费渠道、培养新的消费习惯，削弱传统银行的资金中介功能

采用云计算、大数据等先进技术，建立科技金融大数据线上征信体系，实现风控方式的大数据化，将是未来互联网金融的发展趋势。

建立南宁区域大数据征信体系，将广大中小微企业和普通投资者全面纳入到互联网金融征信体系中，为建设南宁互联网金融信用体系做准备。

以政府信用作?樾庞锰逑到ㄉ璧闹鞯迹?将电信运营商、电子商务、第三方支付等平台数据整合成征信信息池，鼓励互联网金融企业共享数据，解决互联网金融发展过程中的信息隔离、信息不对称、成本高等弊端；充分收集客户在社交网络、交易平台等大数据，将客户的综合大数据整合为信用数据，解决客户线上融资贷款的信用数据缺乏精准、信息不对称等问题，有利于信用风险识别、评估、管理。

四、与传统金融机构的合作、互利互赢

篇9

一、鼓励学生参与互动学习活动，实现共同进步

学生之间应建立一种融洽和谐的关系，彼此自觉形成一种良性竞争、你追我赶的学习氛围．只有这样，才能实现班级学生的共同进步．为此，教师应善于结合教学内容设计一些互动学习活动，支持学生定期举办学习交流会等活动，同时鼓励学生在互动学习过程中畅所欲言，肯定和支持学生自发组织和参与的一切有益于数学学习的学习活动．教师要为学生的自发性学习活动设立基本方向和目标，深入学生，了解他们学习过程中的实际问题，并及时给予建议和指导，确保学生的互动学习活动更有成效．

二、鼓励学生参与实践活动，验证和巩固理论知识

除了学生之间进行的互动交流活动外，学生还应参与一些实践活动，验证和巩固理论知识，培养自身举一反三的能力．教师可以根据课本内容设计实践活动，将所教知识融入其中，通过观察和检测学生在实践中的表现，评判学生对理论知识的掌握情况．在与学生进行课堂互动时，教师还可以通过对学生反馈信息的分析，根据每个学生的优缺点，设计相应的实践活动，确保每个学生都能在实践中获得自我提高．例如，在讲“不等式与不等式组”时，本单元中专门列出了一个学习课题“利用不等关系分析比赛”，教师可以根据该课题的启示，将课题内容进行细化．调查发现，班级男生中大多数人喜爱篮球运动，教师可以引导学生利用不等关系分析某项篮球赛事的比赛过程和结果;班级女生中大多数人喜爱花样游泳运动，教师便可以引导她们利用不等关系分析某项花样游泳比赛．教师依据学生的兴趣爱好设计实践活动，能够提高学生的学习主动性．

三、鼓励学生参与课题讨论和学习，培养学生的创新能力

初中数学教学应围绕教学内容设计一系列具有探究性的学习课题，引导学生参与和完成课题项目，检验学生的学习成果，增强学生的运用能力，提升学生数学学习的灵活性．数学课题的设计，要坚持以学生为本的原则，突出实用性，激发学生的探究兴趣，培养学生的创新能力．教师应在课题内容中融入学习活动，引导学生参与学习活动．例如，在讲“数据的分析”时，当今时代无疑是一个大数据时代，增强学生的数据分析能力是时代要求，符合学生个人发展的核心要求．教师可以针对该课程设计一个专门的学习课题，以中央电视台幸福指数调查活动为索引，从网上查找和整理出关于幸福指数的相关数据，要求学生运用相应的统计方法探究数据背后的含义，使学生感受数据分析与现实发展之间的密切关系．

四、鼓励学生参与多样化的课外活动，拓宽实践范围

篇10

1引言

在线教育即E-Learning，是一种以网络为介质的教学方式。从互联网到移动互联网的迅速发展过程中，它创造了跨时空的生活、工作和学习方式，从根本上改变了知识获取的方式。教与学可以不受时间、空间和地点等条件的限制，让知识获取渠道灵活且多样化。

“互联网+教育”是教育的在线化、数据化、可视化、自主化、个性化的结合，基于互联网解构教育，弱化校园，强化教育的本质。在知识的传播方式和传播模式上，对传统高校教学产生革命性的影响。按需索取、互动学习成为主流；教育管理数据化、可视化、智能化，使决策更精准、科学。同时在线教育是一个整体协同的模式，要求教育信息化融合、协同发展。一方面要做到资源的共享、系统的集成，另一方面要实现信息化建设与师生、物、组织、管理等的协同。[1]

在线教育极大地推动了教育与技术深度融合，需要我们不断独立思考、客观分析现有在线教育模式，从整体上认识和把握在线教育的发展规律，透过现象捕捉趋势，展望未来。本文分析了在线教育的优缺点，由教学本身出发融入现有技术，并以此为基础提出未来在线教育模式可行发展路径。通过本研究深化了当代大学生群体对在线教育浪潮的理解认识，促进教育的信息技术的变革和创新，为构建网络化、数字化、个性化、终身化的教育体系贡献一份力量。

2在线教育优缺点浅谈

现有的网易、腾讯、百度、慕课、新东方等在线教育平台网站各具特色。分析归纳发现在线教育的趋同化现象普遍，平台往往综合性很强，覆盖面很广，整体得出优劣两方面。一方面，在线教育的优点集中，尤其是MOOC的不断发展使得平台社交化和交互性提高，而且大规模个性化让教育有了新发展。另一方面，在线教育自身有着一定缺陷，在科学技术发展的同时也需要学习者自身努力进行双向的挖掘；在线教育的盈利模式也需要更多的研究实践。

2.1优点

“互联网+”时代的在线教育，有着教育本身的使命。具有以下三个优点：公平、灵活的革命性教育方式；充分挖掘社交化与交互系统应用；使因材施教成为可能。

2.1.1公平、灵活的革命性教育方式

教育是人的基本权利，而大学生在线教育主要目标就是提供优质的教学资源和教学服务，提升学习者的知识和技能，努力真正实现高等教育的公平。并且学习者能够自由地安排学习时间，缓解了时间、地域、经济条件的限制。通过互联网进行一种更为有效的、快速的、实用的、互动的学习方式。目前热门的MOOC技术是通过短小精悍和趣味性的创新设计，将系统知识碎片化，有利于繁忙的大学生利用零散时间事半功倍地掌握知识点。[2]

这对高校教学方法有一定的革新。在社会化媒介、移动设备和新的教育技术得到大范围的推广情况下，紧跟时代探索结合实际的全新教学模式不可或缺。新技术大大提高了效率，符合教育发展的趋势。

2.1.2社交化与交互系统

互联网时代，知识的输出者和接受者的界限日益模糊，传统教与学的模式面临着改变。所以，真实有效的互动产生的学习氛围和状态，是在线教育中重点组成部分。未来，线上与线下可能只是不同的教学环境和教学手段。

针对大学课程中教师单调的模式，在线的课程设计可以更生动和人性化。应用智能化交互技术，能以实时或非实时的交互方式方便地实现师生之间、同学之间的对话与协作。教师和智能型的在线参与并调控讨论，对学生的讨论进行智能化帮助。[3]

2.1.3因材施教的可能

在线教育完全可以基于标准算法、系统模型、数据挖掘、知识资源库等为学生提供个性化、定制化学习服务。全方位、个性化、持续的学习服务，让大规模个性化――“因材施教”成为可能。

不断优化的智能答疑系统和评价系统推动了个性化学习的发展。教学监控能够采集各项学习信息，并生成模型、提出建议。学生可以调整适合自己的学习目标和学习计划，进行自主学习、形成个性化学习环境。教师可以根据学生的学习模型及学习记录，全面跟踪掌握学习状态，为修正教师的授课方式及教学内容提供了指示，使教学内容和方式的动态调整更具科学性。[4]

2.2缺点

尽管优点众多，但是目前在线教育的发展形势依旧不容乐观。具体有着诸如学习动机单一、产品不标准、学习效果差、盈利模式模糊等问题。深入分析问题来源对于在线教育的未来发展有重要意义。

2.2.1学习动机单一

大学生是在线教育研究的对象。分析学习者特征、学习效果、学习动机以及学生背景因素与在线学习体验的关系，可以为学生提供更优质的在线学习体验。偏向工具类的有道词典、扇贝、超级课程表等App的普及率相当高，相反，在线教育的主体视频课在大学生当中反响不大。谈及付费课程更多的也是偏向职业发展。其根源是大学生群体没有过高的应试压力和职业发展需求，而且认知兴趣普遍不高。

在线教育设计者应当充分考虑需求和目标受众。针对功利导向，能加强与学习内容相匹配的社会认证。具体可以设计多种混合的教育模式，提供给不同类型学生更加开放、灵活的高等教育教学模式。[5]

2.2.2产品极度不标准

互联网让所有的信息开放共享，任何人都可以找到各个学科的顶尖课程资源。但实际上网络在削弱大热门的能力上作用并不大，各大视频网站、社交类软件控制了学习者的多数选择。所以，我们的选择常常不知不觉地被主流平台媒体所左右。大多数人既没有时间体验，也无法密集卷入消费，导致根本没有办法通过市场选择区分产品。

平台间激烈的竞争和市场筛选机制失效促使优质课程进一步分散、多数课程质量不高。并且大量线上平台都提供不了完善的视频管理系统来帮助在线教育建立完整的教育体系。产品不标准现状会使今后发展陷入恶性循环。

2.2.3学习效果不佳

在线活动的最大特点是客户端几乎无任何强制性，学习者可以随时地启动学习端口或者因为任何事务而离开网络端终止服务。这对于教育这种需要强制性安排的结果导向性产业非常不利。另外，学习者素质的良莠不齐导致的学习效果分化明显让多数教学评估很难有满意结果。

国外著名的在线教育网站Udacity联合大学有相关实验表明，在线课程的通过率明显低于学校教学。而目前有些试图证明在线教育效果和线下实体教学不相上下的报告中数据统计错误的将有过相关基础的人纳入统计范围。这其中，在线教育的学习方式对于学习者的自身素质有较高要求，需要学习者自身积极态度和技术双向结合。在线教育可以重塑学习模式，使学习科学高效，但有决定性影响的还是要能符合学习者情况。

2.2.4盈利模式模糊

教育类产品特殊性、公益性，与商业利润最大化在某些程度上出现了背离。用互联网解构传统学习模式与教育体制，加强教与学互动，将改变人类几千年以来以教师为中心的授课模式。

针对现有在线教育的盈利模式还没有定论，这里也很难给出确切方案，但有些意见可以参考。教育的利益巨大，以致很多企业不惜跨行业介入。可是在没有彻底了解教育行业的内在规律甚至将传统电商手段应用的情况下，后果是让人失望的。没有实质内容和丰富内容的清晰盈利模式，只是一窝蜂涌来，各自为政，只会将在线教育的商业化泡沫越吹越大。对未来成功的、可持续发展的在线学习项目，获得足够的经济规模是其商业盈利的关键。这一点，高校和企业都要给予足够关注。[6]

3未来大学在线教育发展路径

毋庸置疑，在线教育对传统的大学来说值得进行更深入的研究。面对高等教育，这是一种既是机遇，也是挑战的模式。针对现状，未来大学在线教育的可持续发展必须要整合资源，构建综合资源库，打造系统化教学；提升学习者素质，满足需求到开拓需求；进一步发展大数据交互等前沿技术；回归大学之本，重构“网校”生态系统。

3.1综合资源库的构建

完备的资源库需要技术支持，必须保证高效的管理系统的正常运行。行业需要制定一个数据库资源的标准，创建联结网上优质资源又相对独立的、立体的、开放的信息资源中心。内容上采用强大的检索功能，多层次、立体化连接方式，以适应不同学生的个性化学习需求。在开放的网络环境下，实行信息的双向流动，保持资源库的生机与活力，达到资源的真正开放与共享。

资源库中还需拥有智能个性化评价系统。它基于传统的试题库评价形式基础上。加入大数据监控等对学生参与程度和学习过程评价，及时双向反馈，让教师更好地针对性教学。互联网时代，在线教育应该充分考虑大学生高效学习、社交交互等需求，完善自身的技术实现教育系统化。致力于打造一个用户体验更加友好、学习氛围更加浓厚的学习环境。

3.2学习者素质的提升

大学生有意识地进行自我修炼和改进，才能更好地参与到互联网的知识生产和传播的过程当中。学习者是一个有自治能力的机体，提高自身获取有效信息、高效学习的意识和能力，才能在社交化的在线教育学习得游刃有余。

在技术不断革新的当代，在线教育不再局限在满足需求上，它有能力去影响大学生，激发他们更多的需求。通过刺激学习者动机，促成学习内容的生产与传播，实现更富有强自制力和自我驱动的学习过程。未来在线教育应该注重学生的各方面能力，更趋向于重过程、重行为的方向，培养学生的创新能力和解决问题的能力，进而提供可选择的个性化增值服务。

3.3大数据交互的发展

在线教育充分利用互联网交互性的优势，在网页设计、功能设置、用户使用体验等方面应用社交化。团队的规模和其内部的沟通对学习者长期、稳定的贡献非常有意义，成功的在线教育平台不应单单只有庞大的用户群，一定程度的互动、沟通很有必要。综合分析、评估在线教育平台的社交化功能并研究该功能对学习者使用行为和心理的影响对于提高学习者之间交互质量、集中学习精力等有积极影响。[7]

借助现在互联网的技术，使教育变得更加智能化，让学习变得更加高效，让沟通变得更加无边界。这将颠覆传统的教与学的过程与规律。

3.4重构“网校”生态系统

从高等教育角度上看，大学不仅是提供知识、培养人才，还是提高道德水平和批判思维的地方。在互联网时代，大学的使命从未改变。单纯依靠网上虚拟的教学，即便是技术弥补了多数弊端，仍然无法媲美真实的大学对于德育的局限。[8]所以现有的在线教育在大学生这块需要回归大学教学本源――育人、明德。

在多元化社会中，公民素质教育是未来发展之魂。在任何一种文化都变得越来越物质化的趋势下，高校应该介入和在线教育形成优良互助的生态系统。重视认同在线教育地位，积极推动两者发展，让在线教育的未来走向“高校重视―加速发展―高校更加重视―发展更加迅速”的良性循环中。[9]