時間：2023-05-30 09:06:12
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇課堂大數據分析，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
大數據必將給教育帶來巨大的改變，曾經依靠經驗和靈感的授課過程，將被以數據分析為主的決策分析所代替。而計算機教學既是大數據技術的傳播載體，更是最應率先應用大數據技術的課程。無論如何，大數據已經就在我們眼前，已經悄然改變著教學過程，也必將深度改變學校的計算機教育模式。
（一）計算機教學內容的變化
隨著大數據技術的發展和大數據分析的成熟，大數據技術及應用必然會成為各高校重要課程。現在，美國的學校已經開設相關課程，比如，大數據分析統計基礎、大數據分布式計算、大數據挖掘與機器學習等。國內一些高校也正在嘗試開設大數據課程，幫助學生了解大數據，學數據分析。下一步，大數據基礎、大數據分析、大數據處理的核心技術等等，必將成為計算機專業的必學內容，也會成為高校重要的基礎課程。另外，計算機智能教學系統和教育測評軟件將更多地使用在教學中，以記錄學生的學習軌跡。而計算機專業的教師也必須熟練掌握大數據技術和分析方法。
（二）計算機教學思維的變化
原來的計算機教學基本是灌輸式教學，老師教授的是計算機基礎知識、C語言編程的模式、數據庫的基本架構，等等。大數據和互聯網的發展必然會改變這種授課方式，使知識的接受方式呈現多元化傾向。隨著移動互聯的發展，學生可以隨時隨地通過互聯網更便捷的獲取學習內容。而課堂上單純的照本宣科、按部就班將不能吸引學生的注意力。因此，教師必須轉變教學思維，以更多的案例和互動式教學，引導學生去尋找解決問題的辦法，尋找“芝麻開門”的鑰匙，只有如此才能讓學生有興趣待在課堂。同時，大數據帶來的將是對海量教學案例的數據分析，讓教師對計算機教學的難點及教授方法優劣有了更加清晰的認識，不必依靠教學經驗去判斷教學效果，完全可以駕輕就熟地進行互動教學，啟發學生尋找最優解決方案，將是大數據時代下計算機教學的突出特點，這是對計算機專業教學思維帶來的革命性變化。
（三）計算機教學模式的變化
目前，計算機教學主要模式是備課—教授—上機—測試，教師主要的精力放在了課前備課。而大數據技術的應用，將會讓教師把更多的精力放在課后分析上，形成“備課—教授—上機—測試—數據分析—改進”的模式。在這個模式中，課后的數據分析將是整個教學過程的關鍵環節。通過大數據分析，可以對一個班的學生進行整體學習行為評價，可以對學生上機測試情況進行細化分析，可以對每個學生的學習習慣進行學習評估，分析學生的學習中偏好、難點以及共同點等，從而得出學習過程中的規律，改進教學方式，提高教學質量。
（四）個性化教學的深入開展
大數據技術的發展，使建立覆蓋學生學習全過程、全要素的信息庫成為可能，學生大量的試卷、課堂表現留存，學生的學習經歷及成長軌跡，學生的家庭情況等等，都將被涵蓋在大數據分析中。另外，前述的計算機智能教學系統和教育測評軟件，將詳細記錄學生每次答題的背景、過程和結果。這些信息讓教學分析變得更加容易，教師可以利用數據挖掘的關聯分析和演變分析等功能，依靠學生的某些學習特征，比如答題持續時間，具體回答步驟和內容（可以細化到每次擊鍵和每個筆劃），答對的要素和答錯的要素等等，在學生管理數據庫中挖掘有價值的數據，并分析學生的日常行為，研究各種行為的內在聯系，來據此形成針對學生個性化的教學策略，以幫助學生在學習方面取得更大的突破。
二、小結
關鍵詞:民辦院校;法學教學改革;機遇
一、“大數據”簡介
大數據給法學教學帶來了對于如何分析學生學習情況的全新認知方式。
二、大數據為民辦院校法學教學改革帶來的新的發展機遇
民辦院校的教師師資力量弱，學苗差，學生考研率低，就業率低。長春財經學院在法學教學改革中，引入翻轉課堂教學模式。而大數據作為一種新的研究方式，可以為翻轉課堂提供更好的數據分析。(一)輔助提升法學學情分析。利用大數據可以從海量的數據分析中，提供教學需要的學生學習情況的信息。促進教師進行教學改革，提升教學效率。1．大數據對學習過程進行監控大數據則可以通過對學生線上學習過程進行監控，為教師提供數據幫助教師掌握學生學習情況。如為了防止學生觀看視頻的學習過程中有偷懶行為，保證學生學習的效果以及成績的真實性，超星等網絡平臺也采用了許多新的手段。2．大數據對學生學習效果提供統計數據大數據可以幫助教師對學習效果進行統計。如，提供隨堂測驗的統計數據等。在教學實踐中，如何對學生的學習效果進行合理的評價，仍是一個需要進一步改革的問題，尤其是采用翻轉課堂教學模式下。(二)輔助配置教學資源。大數據可以輔助教學資源的優化配置。在當前的教學改革工作中，要注重大數據的分析，特別是對于學情的分析，確保教學改革取得應有的效果。通過利用大數據對學生學習情況進行分析，查找規律，輔助教師評估每個學生的學習質量、效果及學習的困難點，從而合理分配教學資源。(三)促進教師和學生的良性互動。在網絡信息時代，學生對于知識的需求量越來越大，社會對于學生的能力的要求也越來越高，要求上崗即能上手，因此，學生需要真正能夠利用所學知識解決問題。而大數據可以更好的促進二者關系的良性互動。
三、大數據時代民辦院校法學教學改革面臨的主要挑戰
在大數據時代，法學教學改革迎來了新的問題。當前，法學教學改革中面臨著許多與大數據時代相關的挑戰，其中較為典型的問題包括如下幾個方面:(一)大數據對真實學情的掌控上，仍需完善。目前，超星爾雅平臺已經建立起了教學互動平臺，利用大數據對學生的網絡學習過程及效果，及時進行統計分析。然而，在實踐中，依然存在大數據無法掌控的問題，如不能真實的反映學生的學習效果。(二)如何運用大數據分析學情，仍需論證。目前，大多數的教師認為，目前大數據可以作為學情分析的參考，如分析學生的學習習慣，但不能以此作為認定學情分析的標準。綜上，在不斷的深入法學研究的方方面面，大數據為法學研究提供數據參考，也為我們法學教學提供數據分析，為法學教學的現代化提供有益的輔助支持。我們要提升重視現代化科技力量的運用。利用大數據對海量數據分析、整合，從而發現學生學情的新規律，提升法學教學水平，在運用大數據時，需要注意數據固有的局限性，對數據分析進行恰當合理的利用。
［參考文獻］
［1］JohnGantzandDavidReinsel，“ExtractingValuefromChaos”，IDCiView［J］，(Jun．，2011)，pp．1－12．
關鍵詞 泛在學習 學習生態 有效學習 英語學習 大數據
近年來，移動互聯網、大數據等信息技術發展日新月異，已經成為推動教育變革的重要力量。移動通信終端的普及為學生營造了泛在英語學習環境，大數據技術開啟了個性化智能教育時代，翻轉課堂、MOOC、微課等新型教學模式層出不窮，雖然它們不能取代傳統教學模式，但英語教師必須與時俱進，重視信息技術對傳統英語課堂的改造和提升，以全新的視角思考英語教學的變革方向。
一、研究理論概述
1.泛在學習理論
泛在學習是指任何人在任何時間和任何地點都可以通過泛在網絡實現任何知識內容的學習。泛在網絡和泛在計算技術為人類實現隨時隨地的泛在學習提供了技術保障，信息技術和教育技術的融合發展正深刻改變著知識的傳播方式和學生的學習方式，不斷重構著教育和學習的生態環境。一方面，移動通信終端的多元化發展解除了傳統英語學習對地點的約束，翻轉課堂、MOOC等新型教學模式使學生可以自由地選擇學習時間、進度、內容和學習方式。另一方面，傳統教學設備正在向數字教學設備變遷，教育領域信息基礎設施建設有效地推動跨區域教學資源整合，海量的多媒體教學內容必須和學生的碎片化時間有效結合，教師需要針對不同學情的學生進行精準施策和差異化施策。
2.學習生態理論
學習生態是由學習群體及其所處的環境共同構成的生態系統。系統由信息技術、多媒體教學設施等支撐，通過以合作、交流、共享、互動為特征的教育實踐，實現知識信息傳遞和有效學習，從而促進系統的不斷優化。學生與學習環境、學生和學習群體之間密切聯系、相互作用，通過知識的吸納、內化、創新、外化、反饋等過程實現有效學習[1]。在泛在學習的背景下，學習生態研究的是教育信息、學習主體、教師、教育信息環境之間相互作用的生態系統，需要從教育信息化建設和應用的視角研究各個生態系統成員之間的相互作用規律，維護生態系統的平衡發展。
3.有效學習理論
有效學習是指學生在教師的指導下，針對學習內容采取適合自己的學習策略，積極主動地參與到學習過程中，高效率地完成知識建構，從而實現學習目標并優化自身知識結構的學習行為。有效學習是對學習內容、學習方法、學習過程、學習結果的價值追求[2]，學生可以實現對知識的深層次理解和靈活應用。學習內容的優化在大數據背景下表現為對海量學習內容的篩選、清洗與轉化[3]，使之滿足學生的學習需要。學習方法調整是建立在對學生學習情況進行多元評價的基礎上，根據學生個人學習偏好、認知習慣、學習方式、情感態度因素、學習內容的變化而動態進行的。學習過程的積極參與是指學生能夠積極主動地學習，充分和師生進行合作、交流，善于提出問題、分析問題和解決問題。學習評價是學生改變學習計劃、優化學習方法的重要手段，對學生學習可以起到引導、激勵、啟示和教育作用。
二、當前英語泛在學習模式存在的主要問題
1.傳統課堂教學和線上教學環節缺乏有效銜接
首先，魍晨翁媒萄Ш拖呱轄萄г誚萄Ы謐唷⒅識范圍上沒有有效銜接。例如，學生不知道如何在線上學習課堂上沒有掌握的知識點，或者在線上環節重復學習課堂中已經掌握的知識點。其次，缺乏對課堂英語學習和個性化英語自主學習的融合創新設計。在傳統課堂教學中，整齊劃一的教學標準無法滿足英語學習分層分級的差異化教學要求。不同學情的學生對學習時間、空間、內容、方式的需求不盡相同，教師在教學中沒能和學生線上學習的大數據分析結果進行有效的融合對接，僅根據自身的教學經驗和主觀判斷作為實施因材施教的依據，因此其決策缺乏精準性和穩定性。
2.泛在學習缺乏生態性系統設計，學生英語泛在學習的用戶黏性不高
當前泛在學習過程特別是在線學習過程缺乏師生互動性、社交互動性、線上線下互動性。泛在學習僅停留在將文字、圖像、視頻等教學資料數字化、網絡化、集成化和泛在化的階段，這在某種程度上增加了學生英語學習的選擇性和便利性，但缺乏針對不同學生的學習黏性設計，因此泛在學習效果并不理想。
3.英語泛在學習體系缺乏具有“參與感”和“現場感”的語言學習環境
建構主義理論認為，知識的獲得是在學習環境的特定情境作用下，借助教師的幫助與學習伙伴的協作，通過意義的建構過程實現的。因此在英語泛在學習過程中，必須增強學生在特定情境下的溝通和交際活動的參與性[4]。例如，如果在英語課程設計和在線學習設計環節，鼓勵學生廣泛參與學習內容、學習方法、學習偏好的設計，就會讓學生感受到教師對學生的愛與尊重，從而增強學生學習的主動性和積極性，使不同學情的學生都能在學習過程中體驗自我實現感，實現自主學習。另外，教師缺乏對學生多元需求的感知和把握，缺乏語言鍛煉的“現場感”設計，使學生無法在接近真實生活情境的語言環境中得到語言交際鍛煉。
三、基于大數據分析的英語泛在學習生態系統
移動通信和大數據分析技術的發展為有效解決當前英語泛在學習模式存在的問題提供新的方式和途徑。基于大數據分析的英語泛在學習生態系統以學生的英語學習需求、特征、習慣、喜好等大數據挖掘為切入點，聯合學校、互聯網教育機構、教材編寫人員、教師、信息化支撐機構、教育管理機構、在校學生和在職學員等生態系統成員共同把泛在學習落實到教學環境、模式設計、資源開發、評價機制和管理機制等工作中，不僅僅是教育內容資源和信息的共享空間，而且是實施素質教育和個性化學習的公共服務平臺。因此，本文構建了基于大數據分析的英語泛在學習生態系統，主要包括大數據采集、大數據存儲、大數據分析、大數據應用四個子系統，并構建了系統體系結構模型（圖1）。
1.大數據采集子系統
首先，大數據采集子系統要實現數據、文字、圖像、音頻、視頻、多媒體等結構化數據和非結構化數據采集，實現跨區域、跨機構、跨教學環節的數據互聯互通和數據采集功能，解決教育數據資源配置效率不高的問題。其次，實現英語教學設計、教學實施、課程內容建設、網絡學習內容資源建設、語料庫建設、學生學習認知過程監控、學生學習情感態度監控和學習評價等全教學鏈條的數據采集功能，為生態系統成員之間的共生發展提供良好的數據資源基礎。
英語教學設計數據主要采集教師按照教學大綱和教學目標要求對不同學生制定的學習內容、學習進度、學習路徑等數據，厘清學生在課堂上和網絡上分別學什么、在哪學、怎么學的問題。教學過程數據主要采集教師在教學中幫助學生解決英語學習問題的經驗、做法和策略，包括情感態度、認知因素的調控、語言情境的構建、師生的有效互動等。課程內容數據主要是采集教師、學校、互聯網教育機構課程教學內容數據，包括教材內容、課件、題庫、案例等授課內容資料，以及以上資料經過碎片化處理的數據資料。
網絡資源數據庫主要采集互聯網、校園網上英語學習方面的相關資料。英語語料庫數據主要采集中國學習者英語語料庫、美國當代英語語料庫等語料庫內容，以及英語教材、英美小說、散文、演說詞、電影劇本、新聞稿等英文自然語料。學習行為數據庫主要采集學生課堂學習行為和線上學習行為數據。課堂學習行為包括是否預習、復習等，線上學習行為數據采集學習日志、學習習慣、學習時長和學習路徑等。學習評價數據主要采集教師或者在線學習系統對學生的學習能力、學習方法、學習策略運用、學習過程和學習結果的評價數據。學習情感態度數據主要是通過問卷、訪談等方式采集影響學生英語語言習得的動機、態度、焦慮、自信等指標。
2.大數據存儲子系統
大數據存儲子系統主要實現對大數據采集子系統采集的海量結構化、非結構化數據進行數據清理、歸檔、壓縮，實現一體化數據存儲。可以實現跨區域、跨系統的英語泛在學習數據的融合，解決不同教學機構、數據結構、操作系統帶來的信息孤島問題。英語學習數據倉庫是指集成了大數據分析子系統和應用子系統決策分析所需的泛在學習數據，這些數據是按照一定的英語學習主題進行組織，是在對原有分散的各類英語泛在學習數據庫數據進行加工、匯總和整理后得到的，有效地消除了各類源數據中的不一致性，所以英語學習數據倉庫的信息均是關于學生英語泛在學習全局情況的一致性信息。數據倉庫的這些全局性信息同r通過網絡云平臺實現英語泛在學習數據的云端存儲，可以直接由大數據應用子系統調用。
3.大數據分析子系統
認知因素和情感因素是影響英語習得效果的兩個重要方面。大數據分析子系統首先結合學生應該達到的學習目標對學生個體的英語學習認知行為和學習的情感態度進行數據挖掘，分析學生的動機、態度、焦慮、自信、興趣等情感因素，以及學習毅力、能力、習慣、方法、英語水平和常犯錯誤等認知行為因素，對數據挖掘結果進行聚類運算和分類處理，根據學生的學習認知行為和學習態度情況將學生細分，以識別不同學生之間相似的泛在學習需求，以及某個學生個體在不同學習階段泛在學習需求的差異性。同時，大數據分析子系統會對學生的學習過程和學習結果進行動態綜合評價，并根據學習評價結果判斷學習方案的優劣，有針對性地進行線上和線下學習方案的調整。
4.大數據應用子系統
大數據應用子系統包括學習信息推送系統、學習信息定制系統、在線互動學習系統、語言情境仿真系統、知識關聯推薦系統、知識精準搜索系統、知識樹形管理系統和娛樂在線學習系統等應用。學生可以通過學習終端連接到相關應用系統進行英語語言知識的有效學習。學習信息推薦系統自動推薦給學生的學習信息是學生應掌握而目前未掌握的英語知識。學習信息定制系統可以滿足學生根據自身學習需求而定制某類主題的學習信息。學生一方面通過在線互動學習系統可以和輔導教師進行交流互動，解決學習中遇到的問題，另一方面可以通過社交軟件實現和其他學習者的溝通和交流，共享英語學習經驗。
語言情境仿真系統可以實現某類主題的英語學習情境的在線仿真，讓學生在接近真實環境的英語語言情境中進行英語交際鍛煉。知識關聯推薦系統是根據學生所學知識點，自動關聯推薦對應的拓展知識點。知識精準搜索系統可以幫助學生快速實現英語知識的精準有效搜索，從而進行有針對性的學習。知識樹形管理系統可以實現學生已掌握知識和未掌握知識的樹形目錄管理，實現線上學習和課堂學習知識管理的無縫鏈接。
基于大數據分析的英語泛在學習生態系統有利于充分發揮信息技術對傳統英語教育的改造提升作用，可以有效促進信息技術與教學過程、內容、方法和教學評價體系的深度融合。在生態系統的價值取向上注重以促進學生全面健康發展為中心，注重需求導向的個性化學生培養模式。在學生習得效果評價體系上注重加強學習過程評估，強調過程評估和結果評估相結合。系統注重充分挖掘學生的個體差異，充分挖掘學生的學習潛能，圍繞學生英語學習習慣的形成和學習情感態度的培養，以現代信息技術為輔助手段，將英語語言知識進行碎片化、情境化、可視化處理，通過采取教育信息推送、關聯推薦和定制化相結合的方式實現知識的在線傳播，給學生提供個性化、定制化的英語學習信息服務，帶給學生全新的英語泛在學習體驗。
參考文獻
[1] 張豪鋒，卜彩麗.略論學習生態系統[J].中國遠程教育，2007（4）.
[2] 曹貞.以有效學習為目標的大學課堂教學[J].教育與職業，2007（26）.
[3] 陳明選，陳舒.論信息化環境下大學生的有效學習[J].高等教育研究，2013（9）.
課堂教學優化研究是高校教學改革中一個亟待解決的熱點問題，它直接關系到教學改革成功與否。大數據環境下教學模式的創新與改革是時展的必然要求，如何構建智慧學習環境、實現新的教學形態和學習模式是新形勢下教學模式改革的重要內容。一方面，是時展的必然要求。大數據是教育未來的根基，沒有數據的留存和深度挖掘，教育信息化只能流于形式，每一次技術的革命都革新了教育的一個時代。另一方面，提高教學創新與改革的成效。大數據環境下課堂教學已經發展成為新形?菹陸萄Ц母锏慕萄?模式。
1 大數據給課堂教學模式帶來的影響和挑戰
1.1 “大數據”提供新的教育平臺
自2011年開始美國教育領域率先掀起了在線教育的改革浪潮，智能學習平臺在全球逐漸興起，如Coursera等。全球多所高校通過在線教育平臺免費開放課程，實現了教育資源的共享和交流。這種在線學習平臺改變了傳統的面對面教學模式，必將給現代教學改革帶來深刻的影響。
1.2 “大數據”發展新的教學模式
大數據時代線上學習逐漸成為學習知識的主要途徑，并且能輕而易舉獲取最優秀的教學資源。除此之外，它還能對學習者的學習行為自動進行提示、誘導和評價，進而彌補了缺乏面對面交流指導的不足。通過智能分析、整合大量的在線學習行為，它能很輕易地掌握學習規律和特征，然后針對具體學習者提供有針對性的輔導，最終實現在線學習和即時交流學習心得，以及實現學習互動。
1.3 “大數據”重建教學評價方式
傳統教學評價活動主要是學生根據任課教師的授課表現進行評價，以及教師依據學生考試成績和平時成績等對學生進行評價。但是，傳統教學評價活動往往缺乏溝通的及時性和互動性，教學評價結果無法實現即時反饋。比如教師無法明確知道哪些教學方式是最受學生歡迎和接受的。而大數據技術通過分析師生長期教學行為，得出具有個性化的教學行為和規律。“大數據”評價方式從技術層面以更科學的方式歸納總結教學活動規律，它實現了過程導向評價而非結果導向評價。
2 大數據環境下教學模式創新的動力機制分析
近年來隨著技術的不斷成熟發展，“大數據”為傳統教學模式的創新和改革注入了新的活力和動力。“大數據”環境下教學模式的創新，主要通過三個層面的三種轉變來實現：一是教師層面從經驗式教學向數據分析式教學轉變；二是學生層面從依賴課堂和教師向分析自身學習行為轉變；三是媒介層面從簡單、單一的工具向多樣、復雜的多媒體介質轉變。
2.1 教師層面：從傳統教學經驗轉向海量數據理性分析
傳統教育領域主張，由富有教學經驗的幾十年老教師通過傳、幫、帶年輕教師的方式發展教師隊伍。這一主張在今日仍然被廣泛應用。這主要是因為，老教師經過多年教學實踐形成和積累了豐富的教學經驗，而這種教學經驗的多少、優劣與教師的教學質量緊密相關。歸根結底，教學經驗的積累和運用仍然是屬于有限理性范疇。在大數據時代，計算機會對存儲的海量教學記錄進行分析，并且能及時為有需要的教師提供相應的教學解決方案，此種教學解決方案是建立在理性的數據分析基礎上的。因此，在大數據時代教師的授課方式也將迎來全新的轉變，教學經驗在教學活動中的優勢地位將得以改變，逐漸向教學案例理性分析轉變。
2.2 學生層面：從依賴于課堂和教師轉向對自身學習過程的數據分析
如今的教學授課方式仍然是“一對多”的教學模式，這種“大鍋飯”式集體授課方式在有限的時空范圍內無法真正實現“因材施教”。在傳統課堂教學中，授課教師無法照顧到每個個體差異而提供相應的教學措施，教師對課堂教學節奏的把握仍然是基于教師的經驗判斷，教學過程仍然是按部就班地開展。在大數據環境下實現對個體學習數據的分析是完全可能的，也就是數字化學習過程，而通過現代媒介工具則是完全可以實現數字化學習過程的。比如，通過測試題庫的完成時間和答題準確率等學習記錄數據，計算機針對數據進行分析，進而發現個體學生需要重新掌握哪些知識點，哪些知識點又是需要進一步鞏固的，這樣，學生的學習行為與知識點建立了聯系，而大數據又能因人而異提供有效的指導，使每個個體能夠有的放矢。
2.3 媒介層面：從簡單、單一的工具轉向豐富、多樣的多媒體介質
傳統教學模式下教材是主要的學習資源，而板書、PPT展示是主要的授課手段，這些學習載體和工具都是單向溝通的，知識接收者的信息反饋并不暢通，更別提挖掘和分析知識接收者的學習行為了。隨著信息技術的發展，數據量、數據處理能力都得以質的發展，這都是依靠現代豐富的、多樣的媒介工具和分析工具而實現的。通過這些工具和媒介，知識傳播者和知識接收者之間的界限被打破，兩者可以實現即時的溝通和交流，能更貼近接收者，理解接收者的需求。
3 “大數據”教學模式的特征分析
3.1 注重教學的預測性判斷
“大數據”對傳統教學活動和教學過程進行了改良，一方面“大數據”通過大量數據分析會對教學活動出現的新情況進行調整；另一方面，新知識點和新教學法隨時會被挖掘出來，教學內容和知識更具有前瞻性。“大數據”的重要功能，是在復雜的教學過程中根據海量數據進行分析，進而歸納總結出具有預測性的內容。比如個體學生采用什么樣的方式鞏固知識和活學活用更為有效，何種教學方式與當前學生學習特征更為匹配等等。此外，通過對教學數據的分析，可以總結出學生的學習行為特征和傾向，以有效預防教學過程中不適行為的出現。
3.2 教師的專業知識與數據分析能力并重
教師的專業知識不僅是影響教學活動重要因素之一，而且還是學生衡量教師教學能力的重要標準之一。教師的專業知識要求在任何時候都是占有重要地位的，但是在大數據時代下教師還需掌握教學數據分析的能力。如何在海量數據中挖掘出具有教學意義和教學價值的知識和內容，是教師在今后教學活動和教學過程中必須掌握的一項技巧和任務。通過對教學數據的挖掘、分析和解讀，對與授課對象相關的數據分析，以及如何有效利用有用數據應用到具體教學活動中，促進學生可持續發展，是極其重要的。
3.3 個性化教學成為主流，真正實現因材施教
就技術層面而言，“大數據”可以實現對學習行為特征、學習興趣愛好，甚至學習態度的統計分析。從這個角度而言，未來的教學必將是精準化的個性化教學，對個體學生的教學活動和教學過程都可以建立在過去數據的分析基礎上。教師可以通過大數據輕而易舉地掌握個體學生的學習特征，了解到個體學生的特長與短處，真正從細節上掌握學生學習規律，進而真正實現因材施教。
[關鍵詞]大數據 大學生 個性化就業指導
[作者簡介]張家明（1976- ），男，湖北武漢人，武漢理工大學信息工程學院，副教授，碩士，研究方向為高教管理和大學生思想政治教育。（湖北 武漢 430070）
[中圖分類號]G647 [文獻標識碼]A [文章編號]1004-3985（2014）24-0098-02
20世紀60年代初，美國麻省理工學院的氣象學家愛德華?洛侖茲在研究時發現，當系統產生隨機行為時，系統的初始條件取值稍有變化，所求的結果隨時間的推移，前后兩者就會相差越來越大，即產生隨機行為的系統具有對系統初始條件的敏感依賴性。這就是“西雙版納的蝴蝶扇扇翅膀，日本就可能刮起颶風”。
西雙版納與日本相距萬里，但僅僅是蝴蝶展翅這樣微小的動作，也能夠造成日本颶風這樣巨大的影響。它所表達的理念是，耗散結構的運作，對于起始狀態極為敏感，絕不能等閑視之。這就是“蝴蝶效應”，即初始條件的細微變化導致系統未來長期行為巨大差異的系統特征。因此，沒有任何東西能夠比蝴蝶效應更完美地表達出信息時代的“大數據資產”的高校教育管理戰略思想，所有重大的變化，都只不過是一系列數據積累的結果，而這一系列數據最原始的出發點，就是蝴蝶效應中蝴蝶擺動的那幾次小小的動作。
一、大數據技術應用于大學生個性化就業指導的重要性
隨著因特網、物聯網、云計算、移動互聯網、手機、平板電腦等數據來源和數據承載方式的飛速發展，全球數據量出現爆炸式增長，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據時代已經來臨，2013年也被稱為中國的大數據元年。高等學校作為人才最密集、思維最活躍、網絡技術知識運用廣泛的前沿陣地，高校的教育、管理和服務模式以及師生的思維方式、行為觀念、學習習慣等必將受到大數據浪潮的深刻影響。
據統計2013年高校畢業生總數達699萬人，目前國內整體就業形勢仍然不容樂觀。如何做到查明畢業生情況、了解就業市場趨勢，是高校開展大學生就業服務工作的難點之一。本文以大數據時代為背景，通過大數據分析技術創新高校大學生就業工作，實現就業指導從共到個性化服務，從粗放服務到精準服務的轉變。
當前，學校就業管理部門通過歷年就業白皮書掌握畢業生資源基本信息、用人單位與招聘需求信息、畢業生流向、畢業生求職意向和擇業行為調查、畢業生對就業工作意見等海量數據；另外，高校學工部、教務處、校園一卡通中心、相關學院部門等具有完備的學生基本信息、成績、校園卡消費、圖書館借閱以及學生日常表現、性格特點、興趣愛好、獎懲情況、與家長溝通等個性信息。此外，互聯網上的微博、微信、QQ空間、QQ群、人人網、飛信以及校內外各類BBS貼吧和搜索引擎也蘊含著學生大量的思想狀況、情緒波動、交友擇業等動態信息。本文在分析上述大學生海量數據基礎上，完善針對大學生個性化就業指導的大數據模型及相應分析算法，為大學生個性化就業指導提供更加客觀、科學、準確的數據、算法和模型支撐。通過大數據技術預測學生的就業行為趨勢，對其提供更有針對性的就業指導服務。
二、高校大學生個性化就業指導大數據分析
1.多樣數據的定義和獲取。多樣數據應首先包含傳統就業數據，即就業形勢分析、就業政策、求職技巧、就業推薦信息、就業講座信息、招聘單位、招聘會信息等；其次，個性化就業指導是根據學生的個性化信息進行“靶向”指導，需要了解學生的基本信息，包括主修專業、學習成績、興趣愛好、培訓經歷、就業意向等盡可能全面的個人信息；再次，多樣數據應包括已畢業、就業學生的個人基本信息、就業去向、當前發展以及就業行業、崗位數據，囊括崗位性質、基本要求、素質要求、發展前景、成長路徑等信息；最后，多樣數據應包含獲取的網絡海量，此類信息將作為數據分析參照，為學生個性化就業提供相關性參考。
大數據的基礎是海量信息數據，要進一步拓展多樣數據的采集途徑，并且使采集來的存儲數據易于提取，能夠被按照一定的條件搜索出來。另外整合學校不同部門的資源信息，同時將收集網絡海量信息以期達到最大效果。
2.面向大學生個性化就業指導的大數據模型及分析方法。獲取大量個性化就業指導多樣數據后，便可以開始進行就業指導“大數據”分析操作，即建立分析模型、構造數據算法進行數據分析。面向就業指導的大數據分析模型應具有全面性，盡可能掌握限定范圍內的“全樣”而非“抽樣”；分析模型更加注重效率，注重分析結果的時效性和動態變化而非精確性；對學生進行個性化就業指導更注重相關性而非確定指向性或因果性。
3.大數據分析原型系統的設計開發。通過原型系統的大數據分析，指出當前大學生的就業需求和趨向，分析學生就業單位的普遍水準和質量，為就業管理部門協調組織用人單位來校招聘提供重要參考；同時對學生個性化信息的分析，可以幫助就業指導人員實施個性化就業指導，增強就業指導的針對性和有效性。原型系統設計和測試初期以電子信息類大學生為例，“全樣”采集電子信息類在校學生和畢業兩年內學生的基本信息，收集學生的個性信息及相關網絡數據，整理歷年來電子信息類用人單位信息，進行大數據分析實測。
4.加強就業指導中的思想政治教育工作。當前就業單位對大學畢業生的就業能力和職業素養要求越來越高，大學生思想觀念不斷變化，大學生就業指導工作已由單純的就業指導轉為世界觀、價值觀、人生觀和職業道德的思想政治教育。個性化就業指導首先是對學生擇業觀念的教育引導，幫助大學生樹立正確就業觀念，避免盲目跟風、隨波逐流、人云亦云的就業思想，同時提高對數據信息的敏感性，主動收集、整理并認真分析。
三、大學生個性化就業指導大數據分析應注意的問題及建議
1.大數據分析應防止“三脫鉤”問題。首先，防止大數據與大學生個體脫鉤。隨著互聯網的發展，大數據時代的到來，誰掌握了大數據分析，誰就掌握了主動權，將大數據分析應用到大學生就業指導，就是掌握了信息化時代對大學生就業指導的主動權，實現更高效、更準確、更個性的就業指導。但是，面對大數據的浪潮，我們應該保持冷靜，大數據的載體是大學生，不能只見數據而不見人，防止變大數據分析這一手段為目的，本末倒置。明確認識到大數據的背后是大學生的思想行為，涉及的是大學生的思維方式、行為習慣。大數據分析的最終目的不是數據的積累和模型的建立，核心價值在于引導大學生樹立正確的世界觀、人生觀和價值觀，促進大學生健康成長、成才。
其次，防止大數據與真實性脫鉤。大數據時代，大學生獲取信息量大、速度快，但是信息的價值密度低，大學生自身的價值體系并沒完全成熟，無法準確理性判斷信息的真偽，這直接影響大學生在互聯網上各種平臺如微博、QQ、人人網等即興發表的言論的真實性。海量信息必然影響信息的質量，當我們將大數據分析應用于大學生個性化服務和指導時，也應注意分析搜集到的大學生信息的準確性，如果大數據本身存在偏差，必然使大數據分析的價值效應大大降低。
最后，防止大數據分析與社會實際脫鉤。大數據分析的價值在于現實應用，即通過大學生全方位信息的掌握，全面認識大學生個體的優勢與劣勢，了解社會發展趨勢及就業市場人才需求，更加科學地指導大學生實現適合自身特點的和諧性就業，實現學生、學校和社會的多方共贏。我們應該注意，大數據分析不能脫離社會實際，尤其是高校的大數據分析不能忽視學生個體的特殊性和本校、本地以及就業市場的現實條件，在避免抹殺大學生個性的同時，要更加注重防止大學生的成長成才與社會需求脫鉤。
2.大學生個性化就業指導的大數據分析要努力增強科學性。高校中的大數據分析應用無疑能引發高校的“蝴蝶效應”，產生一系列翻天覆地的變革，變革意味著創新，而在創新過程中，由于新事物自身還不完善，對新事物的了解不透徹，容易迷失在信息的海洋，出現如上所述各種問題。鑒于此，大數據分析在大學生個性化就業指導中的應用如下：
首先，應該增強大數據分析的針對性。增強現實針對性，就是要將大數據分析及各種系統與模型的建立與大學生的需要結合起來。大數據分析是將高校的大學生就業指導與大學生需求緊密聯系起來的橋梁，是為大學生成長成才服務的，我們不能一味追求大數據的“大”，而應該根據大數據分析和模型，了解大學生的現狀，滿足大學生的需求，實現學校與大學生的良性互動，指導大學生樹立正確的就業觀和成才觀，從而使大學生走出校門后，能與社會所需人才崗位無縫對接，并在工作中體現自身的人生價值。
其次，要增強大數據分析的準確性。信息化時代，大學生思想活躍，對大學生的指導和教育難度必然加大，應組織各類別專業力量找準入口，拓寬渠道，搜集、甄選數據。充分利用輔導員長期在一線獲得的大量實際信息以及學工部、教務處等記錄的學生信息，通過與網絡信息對比結合，準確提煉，分析加工各種信息，篩選出有價值的數據，提高大數據分析的準確性和客觀性。此外，還需要培養一支專業隊伍，為大學生個性化就業指導提供專業的數據分析和智力支持。
最后，要增強大數據分析的系統性。當前大學生就業難成為社會一大難題，這一問題使得高校就業指導必須進行調整，大數據分析的應用無疑為就業指導提供了新的技術和方法。但大數據分析尚處于初步發展階段，我們應該建立一套有序、動態、系統的運行管理機制，隨時根據大學生和外界的變化，對數據系統進行合理調整。大數據分析的應用還要設立一套嚴格的標準，這樣才能保證大數據的分析應用不脫離客觀現實，提高大數據分析對大學生個性化就業指導的科學化水平。數據分析模型建立后，還要注意與社會各類系統的信息共享，建立完善反饋機制，不斷為數據分析模型增添新鮮血液，保持數據分析模型的持續生命力。
四、結束語
“大數據的核心就是預測。”大數據的主要功能就是通過數據算法分析海量數據，預測出事情發生的可能性，但目前大數據應用于大學生個性化就業指導方面還存在一些問題，筆者下一步加強和改進的計劃包括：拓展多樣數據采集途徑和完善大數據分析模型及算法，結合大數據技術建立主動學習的“就業云課堂”，為大學生個性化就業指導提供更加客觀、科學、準確的數據、算法和模型支撐，最終預測學生就業行為趨勢，實現大學生的個性化服務就業指導服務。
[參考文獻]
[1]胡逸.運用大數據技術促進大學生就業[N].中國組織人事報，2013-09-04.
[2]梁家峰.適應與創新：大數據時代的高校思想政治教育工作[J].思想教育研究，2013（6）.
[3]桑慶兵.大數據在高校的應用與思考[J].南通紡織職業技術學院學報，2013（2）.
一、怎樣匯集大數據？
學生在學習（無論是在家還是在學校）中的一言一行，在理論上來看，都會留下記錄，產生數據。就某一個學生來說，在某一個學習領域，學習行為經過一天天的積累，都會留下大量的數據。如果對數據進行收集、預處理、挖掘和結果分析，就能產生針對學生的有價值的診斷，形成正確的評價。如果學生的數量足夠大，產生海量的數據，就能挖掘出對學校教學、評估、管理等有作用的信息。
紙質教輔本身就是一種優質的學習資料，但是面對的是一個個學生，學生使用的情況成為一個個單獨的案例，這些案例在以前是零散的，不能聚集在一起。但是在今天，信息技術能夠將這種分散的看似無關聯的一個個案例，聚集在一起形成大數據，通過相關計算，挖掘不同性質的數據之間的關系。紙質教輔要響應學生個性化學習的需求，借助信息技術使自身成為大數據的組成部分，將自身變為基于大數據的個性化教輔，才能繼續生存下去。為此，紙質教輔的出版單位要與具有大數據分析能力的科技公司合作，成立新的運作平臺，或者直接通過資本的運作，參股或控股大數據分析公司，使學生用過的紙質教輔成為大數據采集的源頭。大數據公司能進行數據采集、預處理、挖掘和結果分析等，開發出集軟件與硬件于一體的終端產品。這種終端產品與紙質教輔一起走進學校，采集校園小數據，沉淀教育大數據，解放教育生產力，成為教師教學、學生學習的有力助手。
在教學中，教師將若干個班級學生完成的紙質教輔每個課時的作業（或不同階段的測試卷）收集后，對主觀題進行批改并附上分值，再通過高速掃描儀進行掃描，掃描的同時各種數據被大數據應用軟件端采集，主觀題的作答情況被切成一道道題并以圖片的形式存儲起來。作答情況的數據采集完畢后，要對數據進行挖掘并在此基礎上形成有效的分析結果。針對不同的需求，可以產生不同的統計結果。例如，對一道選擇題，一個班級的數據可以得出正確率；大量的班級產生的數據可以得出這道題的精確度較高的難度系數。
二、大數據可以提供哪些有價值的信息？
大量紙質教輔的使用情況，通過“圖像模式識別”“云計算”“大數據分析”后，能對科學教學模型進行常態化應用、整合、智能化管理。通過對海量的學生作業進行常態化處理，能快速形成計分電子表格、錯題本、診斷報告、個性化學習包、學業信息檔案、學科內容評價報告單等。
（1）大數據形成的信息能夠減輕教師很多負擔
在教學中，教師批改學生每個課時的作業，雖說是了解學情的一種途徑，但一個班甚至幾個班學生的作業批改也成了重要的負擔，費時費力，只能對學生的學習情況有個大致的了解，難以獲得基于數據的精確結果。通過對客觀題數據的采集將教師從繁重的批改作業中解脫出來，應用端的及時數據統計結果替代了教師憑印象留下的主觀題作答情況，也免除了教師從作業批改后需要對諸多項目進行的人工統計。大數據分析能將教學班級紙質教輔的使用情況形成各種電子統計表，能讓教師將更多的精力和時間放到教學中去。
大數據分析有利于提高教師教學的針對性。例如，一道選擇題如果得分率在90%以上，那么教師就可以在課堂上不講，而將時間放到得分率低的選擇題或主觀題上。又如，一道選擇題正確答案為B，但選A、D的錯誤率為10%以下，選C的錯誤率在20%-40%，那么教師在分析這道選擇題時，就應該將時間放到選擇B和C之間的辨析上。
每一道題都有難度系數。難度系數是指被試完成題目的困難程度。計算時常以得分率作為難度系數，難度系數越高，題目越容易。過去，教師只能根據學生的作答情況，大致判斷題目的難度系數，精確度極低。這是由于樣本太小造成的。大數據分析是對大量學生在一道題上的作答行為進行采集，形成海量數據，這就避免了統計樣本太小的缺陷，使得統計結果越來越逼近真實情況，這樣每一道題的難度系數信度就會越來越高。教師掌握了題目的難度系數，就能配置不同難度梯度的題組，循序漸進地展開教學。
（2）大數據對學生信息的采集能夠形成個性化的指導反饋意見
采集某一個學生在一個學科上每一天的作業行為，如閱讀理解力、詞匯技能、學習關鍵概念的速度，長期以往，能夠記錄這個學生的學習軌跡， 通過大數據分析，能夠形成個性化的學習診斷報告，顯示該學生在哪些方面存在欠缺，而且知道欠缺的程度究竟有多大，這既能幫助教師了解學生并采取針對性的干預，又能讓學生對自身學習情況有個充分的了解。
大數據分析能夠精確反映學生在作業中容易出錯的地方，并且能夠形成診斷結果反饋給學生，形成針對每一個學生的個性化錯題本。學生根據錯題本，有針對性的查漏補缺，提高時間效率，提升學習效果。不同的學生在同一道題上可能產生不一樣的錯誤行為，如果通過小組學習，相互交流，小組中的每個成員都能加深自己對這道題的理解程度，形成對該題所反映的知識點的綜合性認識。
大數據分析能準確反映某一個學生在哪些知識點方面容易出現錯誤行為，并且診斷這種錯誤行為的頻次。如果頻次較高，當學生參加中考或高考這種重要的考試前，就能在考試前對其進行提前干預。
（3）大數據能夠完成教學質量的監測
新課程改革要求學校在重視終結性評價的基礎上，將對學生的過程性評價放到重要的位置，使得過程性評價與終結性評價相結合，形成對學生的完善評價體系。長期（小學段、初中段、高中段）采集某一個學生的作業情況，記錄完整的行為，形成學業信息檔案，這本身就是一種過程性評價，對學業質量監測具有重要作用。
學校可以根據大數據分析結果，進行教學質量的監測，分析同一年級不同班級之間存在的差異。學校還可以根據對學生的監測數據，區分不同學習層次的學生，并基于學生的不同學業水平進行分班教學，配備恰當的教師，使得不同學習層次的學生適應不同水平的教學內容。各級教研部門可以根據所在地的不同學校產生的數據結果，進行學校之間的差異比較，再進行有針對性的教學教研指導，以幫助不同水平的教師在教學水平上都得到進一步的提升。
三、紙質教輔如何利用大數據才能不被平臺取代？
紙質教輔要發展，只有把自身變為大數據獲取的組成部分，并反過來利用大數據提供的分析結果不斷修訂提升質量，因為大數據中蘊含著輔助教師、學生和學校管理的巨大潛力，如大數據分析可以提供實時反饋學業表來幫助學生，可以幫助教師研究學生的學習模式并修正課程以便滿足學生個性化的需要，可以為學校科學的高效管理提供支撐。這種潛力將會在學生學習、教師教學、學校管理等方面釋放出來，釋放的速度之快，力量之猛將會超出人們的意料，并為各個環節高效的學習、決策等提供科學的依據。因此，紙質教輔要利用大數據走創新之路，既要內容創新又要形式創新，直至完全融入大數據中。在內容上，面對學生，利用大數據分析結果進行科學的組題，提供層次有別、循序漸進、培養學生邏輯思維的學習方案；面對教師，要能在分析學生學習模式和學習效果的基礎上，提出有針對性的教學方案供教師參考；面對學校，要能在為學生和教師提供幫助的基礎上，為學校提供有效的管理方案，分析學生的整體情況，提供不同的課程用來備選，分析教師的教學情況，為學校制定教師如何研修提升教學效果提供參考。在形式上，可以采取網上和紙質結合的方式實行互動，如在紙質教輔上以二維碼的形式呈現形式多樣的內容，以彌補紙質教輔原先內容呈現單一、及時反饋功能不足等短板，實現單一紙媒向立體化紙媒的轉變。
關鍵詞：大數據分析技術；畢業設計質量分析
中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2016）11-0125-05
Abstract： Big data analysis technology is nowadays the most cutting-edge computer technology， through big data analysis technology can provide business decision-making basis for managers. In this paper， the work experience of the author's many years of Guiding College of traditional Chinese medicine（TCM） information technology graduates graduate design works， based on the data analysis technology of previous graduate design works quality analysis and research， and presents the final analysis results.
Key words： information technology； big data analysis technology； graduation design quality analysi
1 畢業設計工作現狀分析
1.1 什么是畢業設計工作
畢業設計是高職院校教學的最后一個實踐環節，是對所學知識全面的總結以及系統的運用，通過畢業設計，學生可將課堂上學習到的知識與實踐知識聯系起來，同時還可以鍛煉學生運用相關專業知識的能力。
畢業設計的難度要大于一般的課堂教學中的課程設計，因為通常畢業設計設計的知識面很廣，可以很好的鍛煉學生將理論知識運用到實踐中的能力。
1.2 畢業設計工作對于人才培養的重要意義
畢業設計工作對于一個即將踏入社會的學生來說是非常有意義的，具體包含以下幾個方面。
（1）畢業設計可以提高畢業生的綜合素質和能力
在中醫院校信息技術類專業的教學中，畢業設計是教學的最后一個環節。學生在離開校園之前，要對其最后的理論知識與實踐應用進行綜合訓練，同時，學生綜合素質也要得到相應的培養和提高，畢業設計對提高畢業生的創新能力以及科研水平也有很大的幫助。
（2）畢業設計是學生進入工作崗位前的演練
畢業設計可以看做是對即將進入工作崗位的畢業生的最后演練，在校教育的最后一年，學生面臨多種選擇，就業、創業等。同時他們也面臨著四個轉變：從經濟不獨立到經濟即將獨立的個人轉變；從同齡人活動群體到非同齡人活動群體轉變；從教師指導下的學習、工作項獨立的學習、工作轉變；從學習為主到工作為主的生活節奏的轉變。
為了學生可以順利的步入競爭激烈的社會，畢業設計成為重要的過渡階段，在這一環節，可以迅速的增強學生的自信心，提高學生的綜合素質和各項能力，增強學生的就業競爭力。
（3）畢業設計可以成為衡量專業教育水平的標準
畢業設計是學生對所學知識的運用，因此畢業設計的質量在一定程度上可以代表所學專業的教育水平和總體的教學質量。畢業設計是高校專業教育最后的一個環節，可以對教學的質量進行綜合性的檢驗，是衡量高校專業教學總體水平的重要標準。
1.3 當前畢業設計工作中存在的問題
（1）缺乏分析
在以往每一屆畢業生的畢業設計工作中，都只是簡簡單單的教師指導，學生主導執行，然后到最后的畢業設計答辯，得到最終的結果，以往的畢業設計工作到這就結束了，缺乏最終的總結分析，通過對畢業設計工作的總結分析，畢業生才能更清楚明白的了解本次畢業設計自己畢業設計作品結果。
（2）對于存在的問題不清晰
在畢業設計工作過程中將會有許多的問題或矛盾出現，以往的畢業設計工作沒有將這些問題很好的呈現，更沒有發現這些問題的實質所在，也就沒有很好的解決這些矛盾，所以畢業設計工作也就沒有體現出最重要的意義。
（3）學生評價不準確
在當畢業生根據自己的畢業設計作品而進行答辯時，各專業也都將會為每位畢業生的畢業設計作品給予相應的分數，人們往往會通過這個分數去衡量一個畢業生，這往往是不準確的，可能是由于在做畢業設計作品期間，學生忙于找工作等原因，影響到畢業設計的質量，所以說以分數衡量學生是不準確的。
（4）對教學的指導意義不明確
畢業設計不僅僅是一個對學生的培訓和實踐，也是衡量高校專業教學水平的一個很好的教學標準，但是目前許多專業中的畢業設計工作對各專業沒有推動作用，畢業設計工作反饋回來的結果對教學改革沒有明確的指導作用。
2 大數據分析技術
2.1 什么是大數據分析技術
大數據分析技術，通俗地講，是在多樣或巨量數據中快速收集和分析數據，獲得有價值信息的技術和能力，主要包括數據采集、存儲、 管理、分析挖掘、可視化等技術及其集成。
當前，大數據不僅指數據量的巨大，更重要的是要對大數據進行分析，只有通過分析才能獲取更多智能、深入、有價值的信息。大數據之所以具備戰略意義，之所以能夠有效提升競爭能力，不在于掌握了何等巨量的數據，而在于其有能力對這些有價值的數據進行處理和運用。沒有高性能的分析工具，大數據的意義與價值就不可能得到有效的洞察和釋放。因此，解決大數據問題的核心，是大數據分析技術， 它是最終決定信息是否具有價值的決定性因素。
一般而言， 大數據分析主要涵括預測性分析能力 （Predictive Analytic Capabilities）、數據質量和數據管理 （Data Quality and Master Data Management）、可視化分析（ Analytic Visualizations）、 語義引擎（ Semantic Engines）、數據挖掘算法（Data MiningAlgorithms）等五個基本方面。
具體的大數據處理方法有很多，但大數據處理的基本流程可以概括為四個步驟：采集；導入和預處理；統計和分析；挖掘。不同于傳統的數據處理，運用大數據分析技術進行數據處理，其基本理念可以凝煉為：要全體，不要抽樣；要效率，不要絕對精確；要相關，不要因果。從具體操作的層面來看，大數據處理可能用到的大數據分析技術包括：數據采集、基礎架構、數據存取、統計分析、數據挖掘、數據處理、模型預測、結果呈現等。
2.2 大數據分析技術對畢業設計工作的意義與價值
大數據分析技術在畢業設計分析工作的過程中有著重要的使用價值，具體的價值主要包括以下幾方面內容。
（1）大數據分析技術保障畢業設計分析工作順利開展。當面對7屆（從2005屆到2011屆）畢業生，854件畢業設計作品時，沒有一個良好的技術手段，是無法對如何龐大的工作進行整理和匯總。大數據分析技術可以解決數量大的問題，所以說大數據分析技術保障了工作的順利開展。
（2）大數據分析技術保障畢業設計分析工作順利進行。在面對如此多的數據進行統計整理時，將會遇到許多無用或錯誤的數據（俗稱“臟數據”），這些“臟數據”對畢業設計分析工作有著很大的影響。大數據分析技術在面對著這些“臟數據”，選擇刪掉，從而保障了畢業設計分析工作的順利進行。
（3）大數據分析技術保障畢業設計分析工作順利完成。當完整對數據的整理和匯總后，這樣的工作其實僅僅完后了一部分，還要對這些數據進行整理分析，這才是本次工作的重點。大數據分析技術是對有關聯的數據進行再一次的整理和分析，并將分析的結果以某種形式呈現，從而可以更直觀的表現出某種觀點，從而實現分析的最終目的。
3 畢業設計分析工作的目標與流程
3.1 畢業設計分析工作預期實現的最終目標
本次畢業設計分析工作主要為了解決上述中畢業設計工作中存在的問題，所有本次畢業設計分析工作的主要目標有以下幾方面。
（1）整理分析歷屆畢業設計工作內容。本次畢業設計數據分析統計的數據概況如下：
3個專業：計算機科學與技術、信息管理與信息系統、專升本
7屆畢業生：從2005屆到2011屆7屆畢業生的畢業設計作品。
41位指導教師：統計7屆畢業生的所有指導教師信息。
854件畢業作品：統計7屆畢業設計中所有畢業設計作品的全部信息。
（2）客觀的評價學生。在本次畢業設計分析工作中，分析了學生的畢業設計成績和指導教師的指導時間，通過時間的長短可以較為客觀的評價學生的能力。
（3）將存在問題呈現，直面問題。將畢業設計質量分析的結果以繪圖的方式呈現，直觀的看出畢業設計工作中存在的問題與矛盾，促進問題與矛盾的解決，從而使畢業設計工作在以后的開展過程中更加有力、有序的進行。
（3）以強有力的數據分析推動教學改革。通過對畢業設計作品質量進行分析，從而可以查看出學生總體的學習范圍，并且可以促進教學內容的改變，推動教學體系的前進。
3.2 畢業設計分析工作的階段和流程
本次畢業設計工作主要有四個階段，分別是數據采集、數據處理與集成、數據分析以及數據解釋，具體每個階段的工作內容以及工作目標詳見表1所述。
4 畢業設計分析數據模型設計
（1）相關分析模型
相關分析是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度。相關關系是一種非確定性的關系。例如，在本次的畢業設計質量分析中，以X和Y分別記一個畢業設計作品質量和該作品畢業生的性別，或分別記畢業設計作品質量與指導教師的指導時間，則X與Y顯然有關系，而又沒有確切到可由其中的一個去精確地決定另一個的程度，這就是相關關系分析。
相關關系分析模型也是本次大數據分析過程中使用的主要的分析依據模型。
（2）對應分析模型
對應分析也稱關聯分析，通過分析由定性變量構成的交互匯總表來揭示變量間的聯系。可以揭示同一變量的各個類別之間的差異，以及不同變量的各個類別之間的對應關系。對應分析的基本思想是將一個聯列表的行和列中各元素的比例結構以點的形式在較低維的空間中表示出來。在本次畢業設計質量分析中，使用對應分析模型主要是為了以點的形式形成趨勢，從而可以在趨勢中看到數據波動變化。
（3）對比分析模型
對比分析是按照同一個參考依據，將同一類別的不同變量放在一起形成對比，通過不同變量的變化趨勢，進而分析變量之間存在的某種關系。
根據上述的分析模型進行相關數據的采集收集以及整理過程，如整理畢業設計成果形式數據分析時的內容如圖2所示。
5 畢業設計分析工作指標設計
在本次畢業設計分析工作過程中，整理的大量指標及其數據，具體的指標有教師指導畢業設計的數量、畢業設計成果形式、科研項目衍生課題數量、參加二次答辯分析、不同軟件開發技術的畢業設計作品、不同數據庫技術的畢業設計作品、不同作品成果形式的畢業設計作品數量、作品擴展形式等眾多分析指標，分析指標的具體內容詳見表2所述。
6 畢業設計工作分析結果
6.1 分析報告結果形態
筆者與團隊經過長時間的整理，最終將如此多的數據整理匯總，并對畢業設計作品的質量進行分析，本次分析的結果改變了以往紙質分析報告的常規，本次的畢業設計質量分析結果以Web化的形式呈現，網站地址為：http：//，如圖3所示。
本次的分析結果以網站的形式呈現，這樣這設計的主要目的及意義有以下幾方面內容。
（1）方便快捷。本次主要使用的是ECharts畫圖的方式，運用ECharts多種繪圖的方式，將數據導入到ECharts畫圖代碼中，可直接生成圖像，也可對圖像進行形狀改變，從而方便快捷。
（2）修改整理方便。當在分析的過程中，可能發現某些數值或字段是缺失或錯誤的，可在源數據中進行準確查找，并可將查找后的結果直接寫在代碼中，這將會自動從新繪制新的圖形，從而可以在修改、查錯的過程提供方便。
（3）分析結果直觀、效果強。以網站形式將分析的結果呈現，可以直觀、方便地看到畢業設計質量分析的結果，同時也可根據每個分析指標結果的色彩不同，從而可以更加直觀的展示出各個字段之間的差異性，從而使分析的結果更具有可視化。
6.2 分析結果呈現
（1）歷屆教師指導畢業設計作品成績層次匯總分析
首先對歷屆教師指導畢業設計數量進行統計，具體統計結果如圖4所示。
然后對歷屆教師指導畢業設計作品成績進行統計，并對其成績層次比例進行匯總分析，具體分析結果如圖4所示。
從圖4中可以看出，歷屆教師人均指導畢業設計的數量成逐步上升趨勢，從圖5教師指導畢業設計的質量來看，所有的畢業設計中，優秀比率在30%以上的教師有9人（22%），優秀比率在30%以下的教師有32人（78%），從而充分的說明了，教師指導的力度不夠，從而促使畢業設計的優秀率偏低。
（2）指導教師初評成績分析
對歷屆指導教師初評平均成績與畢業設計參加一次答辯時的平均成績進行統計分析，統計結果如圖6所示。
從圖中可以看出，指導教師給自己所指導的畢業設計的打分（平均值），普遍高于一次答辯時評委組給相應畢業設計的打分（平均值）。
充分的體現出指導教師對自己所指導的畢業設計作品的存在一定的“私心”，指導教師沒有進行嚴格把關，展現出畢業設計工作中的問題。
（3）畢業設計所用軟件開發技術分析
對歷屆畢業設計作品中所使用的軟件開發技術進行統計分析，結果如圖7所示。
在本次分析的過程中，也根據性別進行統計，統計分析結果如圖7所示。
通過兩個分析結果，可以看出HTML/CSS和JS/Jquery是畢業設計中用的最多的技術；.NET、C#的比例也較高，但從趨勢來看，C#的比例有下降趨勢；JAVA、JSP和C/C++呈上升趨勢；PHP的比例相對穩定；ASP技術明顯呈下降趨勢。結合性別分析發現，男生中，使用C#與使用JAVA的人數基本持平，約為1.3：1，而女生中，這一比例達到2.8：1，說明女生更傾向于使用C#。
根據上述的分析，可以為本專業類教學內容體系的改變提供重要的依據，學院可以根據學生使用的比率而進行教學內容的改革。
7 畢業設計分析工作存在的不足與改進
7.1 存在的不足
（1）指標點少。由于本次畢業設計分析工作是第一次對畢業設計質量進行分析，所以在設計和整理的過程中所使用的指標點都較少，所以造成本次畢業設計分析內容有待升華。
（2）關聯性低。在進行關聯數據分析時，對收集到的數據關聯分析較低，沒有充分的發揮出每一個字段的價值，同時，在本次畢業設計質量分析中，關聯分析力度不足，如沒有對畢業生的在校職位與畢業設計最終成績分析、指導教師的年齡與指導畢業設計作品成績分析等，這都是本次畢業設計分析工作中的所欠缺的。
（3）數據清洗度不高。雖然在前期對數據進行清洗處理，但是處理的力度不夠，所以在分析過程中，仍能發現存在許多錯誤的數據，這樣給畢業設計分析工作帶來了一定的影響。
7.2 下一步計劃
根據本次畢業設計分析工作中存在的問題，在以后的分析工作中，將加大對指標點的統計整理，如學生的籍貫、學生在校期間獲得的獎項、教師的工齡、教師的性別等等，同時也將增加每個指標點之間的關聯分析，從而使每個指標點數據更加有意義。
8 結束語
隨著國家技術的不斷發展，信息化的不斷發展，大數據分析也起到了越來越大的作用，為每個項目的發展和前進提供了重要的依據。本文也結合了大數據分析技術對畢業設計作品進行質量分析，從分析結果中得到許多的結論，也為教學改革提供依據，從而也推動了整個教學內容體系的完整和發展。
參考文獻：
[1]劉智慧，張泉靈.大數據技術研究綜述.智能系統與控制研究所，2014-06.
[2]任長春.淺談高職教育中畢業設計環節的教學改革[J].科技信息，2009（35）.
【關鍵詞】大數據 統計學 挑戰 機遇 教學
【基金項目】貴州省科技廳、貴州民族大學聯合基金（黔科合J字LKM[2011]09號）
【中圖分類號】G642 【文獻標識碼】A 【文章編號】2095-3089（2014）08-0235-01
1.引言
“大數據”時代的來臨和“大數據”處理技術的發展深深的影響著統計學的發展。能否利用傳統的統計理論和統計方法對海量的數據做出快速、準確的處理并獲取相關信息？如何對傳統的統計理論與方法進行改進或探索新的統計理論和方法來對大數據進行挖掘與處理以獲取信息？如何在“大數據”時代背景下培養符合市場需求的統計分析師或數據分析師？如何將“大數據”處理技術融入相關統計學課程教學以促進數據處理與分析技術的發展？這些都是我們在統計學相關課程教學過程中必須思考的一個問題。
2.大數據與統計學
“大數據”隨著社交網絡、物聯網、云計算等的興起而產生。一般認為大數據具有規模性、多樣性、實時性及價值性四個基本特征，包含分析、帶寬和內容三個要素。“大數據”在數據來源、數據結構和處理方法方面對傳統的統計分析方法產生了沖擊。第一，在大數據背景下，數據來源不再是原來的簡單抽樣，而是“樣本即總體”，直接將總體作為研究對象。第二，在大數據時代，研究對象也不是原來單一的結構化數據，由于數據的多樣化與規模化，我們更多的是研究非結構數據，采用人工智能來進行數據挖掘和信息獲取。第三，數據處理方法也不是簡單的采用傳統的假設檢驗方法進行研究，特別是對于統計學中的異常點，不再采取以往的丟棄或者平滑處理方式。
“大數據”處理技術對統計學的發展提出了巨大挑戰，但我們必須認識到學科之間的發展是相互交融的，“大數據處理技術”其本質上是數據處理與分析技術，其發展對統計學學科的發展也有積極的一面，同時統計學作為一門獨立的學科，有其自身獨特的學科優勢。首先，海量的數據有利于提高各類統計分析的精度，如減小抽樣誤差等。其次，較之于傳統的統計學方法，現有的“大數據”分析方法難度較大、成本較高、耗時較長。而在實際的應用中，我們關心的不是數據量的多少，而是數據量所蘊含的信息。傳統的統計學分析方法是以較少的數據進行精確度相對較高的統計分析，這是“大數據”分析所無法替代的。另一方面，統計學在數據收集方法、模型選擇、模型假設以及模型診斷方面有很大優勢。而且并不是所有的問題都具有海量的數據，并不是每一個“大數據”問題都適合用現有的“大數據處理技術”來處理。
3.對策與建議
3.1 夯實基礎教學
針對以上的分析我們可以看出，大數據對統計學的發展既是機遇，又是挑戰。因此我們在教學過程中要夯實統計學基礎知識的教學，講清楚統計學的基本原理與基本方法，特別是數據分析與數據處理的基本原理與方法。對于許多傳統領域，如生物、醫藥以及質量與可靠性工程等，我們面對的多是“小數據”而不是大數據，因此基于樣本的統計分析方法仍然是進行此類問題研究的最有效的科學手段。
另一方面，我們要結合大數據技術的特點，對統計學的基本知識進行拓展教育，引導學生思考怎樣將已有的統計學基本原理與方法運用到大數據處理的技術研究中。如在大數據環境下怎樣進行數據的收集、篩選與甄別、存儲與分析等，如何分析并厘清可能的數據來源與范圍，如何建立相關指標體系并對數據進行分類，如何制定或調整相應的統計參考標準，以及如何對依靠非傳統數據源加工生產的統計數據進行規范的統計推斷等。
隨著大數據時代的來臨，各行各業對具有統計背景知識人才的需求必定越來越多。因此，在統計學教學過程中，一定要結合各專業的特點，特別是“大數據”的特點，切實加強統計學的基礎知識教學與拓展教學。
3.2 加強統計學專業軟件教學
“大數據”環境下，對統計人才需求也發生了變化。面對海量的數據與多樣化的數據，一名合格的統計人才或數據分析人才不單需要良好的統計素養與扎實的統計基礎知識，更需要具有數據的存儲與整理能力、計算能力以及數據分析與處理能力等。這就要求在教學過程中，加強統計軟件或數學軟件的教學。
針對傳統的“數學證明+手工計算”或“重理論輕專業統計軟件”的統計學課程教學模式，可將統計軟件或數學軟件融入課堂教學并安排一定的課時上機學習統計軟件，以此提高學生數據處理能力，加深對統計學基本原理的理解與掌握。
在加強統計軟件或數學軟件，如SPSS、R、SAS以及Matlab的教學過程中，要擯棄“會軟件的操作即會統計技術”的思維，要讓學生真正掌握相關操作與相關算法，深入思考算法的實現與相關理論的應用。同時引導學生思考對“大數據處理”的技術要求，包括數據搜集、發掘、存儲以及計算分析過程中的算法與設備要求等，引導學生針對大數據進行軟件升級與開發。
3.3 突出案例教學與實踐教學
大數據的產生和發展源于規模經濟問題或超規模經濟問題的研究。每一個大數據問題的研究都是與實際經濟或社會問題緊密相聯的，因此，在實際教學過程中，要突出案例教學與實踐教學，由易到難，通過案例教學逐步引入大數據的概念以及大數據處理的基本技術，提高學生的分析全局觀以及進行實際數據分析與處理的能力。
教學改革的目的是培養在“大數據”時代背景下，符合市場需求的專業統計人才，而合格的專業統計人才必須具備良好的統計實踐能力。案例教學與統計實踐活動是培養學生統計實踐能力的有效途徑。因此，在教學過程中，一方面，教師可融合各種與實際問題相關的案例進行分析和講解，加深學生對相關統計理論知識的理解，激發學生的學習興趣，培養學生解決實際問題的能力。另一方面，教師可以組織多種形式的課堂或課堂外的統計實踐活動以培養學生統計實踐。如，指導學生針對他們感興趣的與經濟、社會發展相關的統計實際問題展開統計研究，設計調查問卷，收集數據、整理和分析數據，撰寫研究報告，實現對實際問題的分析和解決等。
4.結束語
總之，在“大數據”環境下我們既要積極面對挑戰，又要緊緊抓住機遇，切實結合“大數據”的特點和“大數據處理技術”發展的需求，既加強對傳統的統計學方法、統計理論的教學，又積極開展 “大數據“環境下的拓展教學，推動統計學的發展，在數據收集、數據分析以及統計制度等方面進行改革和創新。
參考文獻：
[1]李國杰. 大數據研究的科學價值[J]. 中國計算機學會通訊，2012，8（9） .
[2]姜奇平. 2013 全球大數據-大數據的時代變革力量[J]. 互聯網周刊，2013，1.
[3]游士兵，張佩，姚雪梅.大數據對統計學的挑戰和機遇 [J]. 珞珈管理評論標，2013，2（13）.
關鍵詞：大數據；統計學；教學體系改革
中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2015）04-0110-02
一、大數據時代統計學專業發展的新特點
（一）數據化的信息收集
傳統的統計研究主要是對已收集的數據進行各種技術分析，包括描述性分析、推斷性分析、截面分析、時間序列分析等，側重點在于技術分析手段的使用上。然而大數據時代，關注的是信息本身。現代信息系統的使用使大數據成為可能，文字、地理方位、溝通等，任何事物都可以量化，一切現象都可以用數據或表格來詮釋。因此，大數據背景下世界是由各種信息和數據所構成的。
（二）全數據模式的研究對象
在信息處理能力受限制的過去，人們缺少用來分析所收集數據的工具，因此產生了隨機抽樣。隨機抽樣法的目的是用最少的數據獲得最多的關于總體的信息，從而使用樣本對總體進行推斷。然而，在大數據時代，數據處理的方式和技術發生了巨大的改變，人們可以通過互聯網、數據庫以及各種通訊工具獲得海量數據，這時隨機抽樣就失去了它原來的意義。簡單廉價的數據收集方法，足夠的數據處理和存儲能力，使得全數據模式成為可能。因此，大數據背景下樣本即為總體。放棄隨機抽樣分析的捷徑，采用所有數據的方法，可以發現一些隱藏在海量數據下的細節。
（三）混雜性的數據處理思維
傳統的統計學處理數據的步驟是首先對數據進行整理和清洗，剔除不完整的或者異常值，然后再利用樣本信息，在允許的誤差范圍內對總體進行推斷和分析，即通過調整精確度的大小來對總體進行研究和分析。然而，在大數據背景下，來自各個時間和空間的數據來源紛雜，格式廣泛，在萃取或處理數據的時候，很難做到把所有的數據都進行仔細地清洗。這種情況下，必須接受數據的混亂和不確定性，因為數據多比少好，因此更多的數據信息比更加智能、更加精確的算法系統還重要。當擁有大量數據的時候，可以忽略一部分精確性，但并不是說不需要精確性，而是數據規模不斷擴大時，確切的數量已經不再那么重要了，可以通過大規模的數據來發現事物背后的規律。
（四）相關關系的基礎分析方法
傳統的統計中，大部分相關關系分析僅限于尋求線性關系，或是在建立假設的基礎上揭示數據相互之間的因果關系，例如Granger檢驗就是依據時間序列數據對變量之間的因果關系進行的判斷，但往往會產生一些虛假的因果關系。這是因為統計關系并沒有蘊含多少真實的因果關系。在大數據背景下，數據點以數量級方式增長，用數據驅動的相關關系分析不再需要建立在假設的基礎上，所以相關關系分析不容易受偏見的影響而發生錯誤。大數據時代相關關系通過回答“是什么”的問題，為人們認識世界提供了一種新的視角。因此，相關關系統計分析是大數據預測的基礎。
二、統計學專業教學體系中存在的問題
大數據背景下傳統的統計學專業教學體系存在的問題凸顯，具體體現在以下幾個方面。
（一）培養目標無法適應大數據時代的社會需求
傳統的統計學專業教學體系的培養目標是通過統計專業核心課程內容的介紹，鍛煉學生收集、整理和分析數據的能力，培養“應用型”統計專業人才。然而，大數據的出現，使得通過數據分析獲得知識、商機和社會服務的能力，從以往局限于少數的學術精英圈子擴大到了普通的社會機構、企業和政府部門，各行各業對統計數據、統計分析的需要使得統計學專業受到了前所未有的關注。大數據背景下，要求統計學作為一種分析工具，能夠與其他專業相互銜接，相互服務，培養“復合型”專業人才。因此，傳統的統計學專業教學體系培養目標存在兩個方面的挑戰：第一，如何協調統計與其他專業之間的關系；第二，如何從“應用型”向“復合型”人才進行轉變。
（二）忽視數據的收集和創新
傳統的統計學專業教學體系重視數據的分析技術，更多的課程設置是圍繞著數據分析方法和技術展開的，例如多元統計分析、時間序列分析、統計預測與決策分析等。基礎的數據收集部分只在統計學原理中有一章的內容介紹，而且是作為非重點一帶而過的。大數據以海量的數據為分析研究的對象，將一切社會經濟現象進行量化，重視的是信息的收集和數據的創新，包括數據的再利用，數據的重組，數據的擴展，數據的折舊以及數據的開放等各個方面。這些內容在原有的教學體系中是沒有體現的。
（三）與大數據時代脫節的教學內容
傳統的統計學專業教學體系仍然固守著原有的教學內容，在近二十年內變化不大。專業的主干課程有統計學原理、國民經濟核算、計量經濟學、抽樣技術與方法等。而在大數據背景下，教學內容以全數據模式為研究對象，強調對所有的數據進行分析，而不是開展隨機抽樣；允許不精確的存在，而不是在給定的精確程度下對總體進行推斷和分析；關注海量數據之間的相關關系，而不是強調數據之間的因果聯系。這些內容都無法在現有的教學體系中體現，因此，傳統的專業教學體系與大數據時代是脫節的。
（四）實踐教學環節薄弱
隨著“應用型”統計專業人才培養目標的提出，學校對實踐教學的重視增強，與過去相比，現有的專業教學體系中已經增加了實踐教學環節。但是，在大數據背景下，實踐教學仍然是統計學專業教學體系中的薄弱環節。主要表現在兩個方面：（1）以模型驅動為主的實踐教學模式已不適應大數據時代的要求。現有的實踐教學內容并不是從數據出發，而是通過尋求一些適合模型的數據來“證明”這個模型的確有意義。這種思維方式與大數據時代的要求是不適應的，因為創造模型的目的是適應現實數據，而不是由模型驅動。（2）以SPSS、Eviews為主的軟件教學已無法處理大數據。現有的實踐教學中，主要講授的是傳統的統計分析軟件SPSS和Eviews，因為這兩種軟件發展成熟，操作簡單，可以處理一般的計量模型和時間序列。但是，大數據時代數據是海量的、復雜的，用簡單的軟件已無法處理和實施。
三、統計學專業教學體系改革的方向
根據以上分析，時代的發展對統計學專業提出了更高的要求，現有的教學體系中存在的各種問題即為統計學專業教學體系改革的方向。
（一）準確定位統計學專業的人才培養目標，重新設計主干課程的教學內容
大數據時代要求培養“復合型”統計專業人才，因此教學體系的培養目標要從簡單的“應用型”向“復合型”轉變。“復合型”統計專業人才要求學生除了具備數據收集、處理和分析的能力外，還要對統計學應用領域的背景知識有一定的了解。因此，按這個培養目標，需要對現有教學體系中的主干課程重新進行調整和設計。專業主干課程分為方法和應用兩個方面。方法類的課程除了原有的計量經濟學、時間序列分析、多元統計分析等外，又增加了機器學習、模擬算法、數據挖掘、R軟件分析（或SAS軟件分析）等處理復雜大數據的方法的課程。應用類課程在保留原有的國民經濟核算，金融統計，證券投資，會計學基礎外，增加一些統計學應用領域的基礎知識課程，例如商業統計、生物統計、保險與精算統計等。此外，適當調整各專業主干課程的課時，一些課程可以增加課時，如軟件分析、數據挖掘等，一些課程可以縮減課時，僅作一些簡單的介紹，如抽樣技術等。
（二）轉變固有的思維方式，在大數據背景下積極推進教學改革
大數據時代，數據更多、更雜，傳統統計學思維方式受到了極大的挑戰。因此，以大數據為背景，轉變固有的思維方式，從以統計技術方法為中心轉換到以信息數據為中心，推進統計學專業教學改革十分重要。具體來說，可以弱化傳統的推理論證的教學模式，強化數據收集、數據處理和數據分析的能力培養；強調數據本身的價值，讓數據說話，用簡單的方法了解數據背后所隱藏的信息和規律；使用項目式訓練，讓學生從項目中真正體驗數據化處理的整個過程，達到理論和方法的結合；加強課堂教學與實驗教學的統一和貫通，如在傳統的教學過程中，將統計學原理、多元統計分析結合SPSS軟件介紹，而時間序列分析又采用Eviews進行介紹，造成學生疲于學習各種軟件，實際上SAS、R等統計軟件可以實現所有的功能，用一種軟件與課堂教學融合貫通能幫助學生更好更深地掌握軟件的使用。
（三）創新實踐教學模式，加強實踐教學的開展
從以模型驅動的實踐教學模式轉變為以數據驅動的教學模式，構造課堂案例教學、實驗教學、課后項目式訓練、校外實習基地鍛煉四位一體的創新型實踐教學模式。計算機快速發展的今天使得大數據成為現實，在處理數據的時候，根據數據的特征創造出新的計算方法來滿足實際需要，這就是數據驅動模式。在實踐教學的過程中，要強調統計數據、計算機編程以及統計分析軟件的結合。目前，R軟件和SAS軟件顯示出了強大的數據處理和數據分析功能，實踐教學環節中可以把這兩種中的一種融入到專業課程中去，將計算機軟件與課堂教學結合起來。此外，課后的項目式訓練和校外實習可以帶動學生了解和掌握整個數據分析實踐的流程，激發學生學習的興趣，在實踐教學的過程中要多鼓勵、多開展。
參考文獻：
[1]曾五一，等.經濟管理類統計學專業教學體系的改革與創新[J].統計研究，2010，（2）.
[2]陳倩.大數據背景下對統計學課程教學模式的思考[J].科技資訊，2013，（21）.
關鍵詞：財經類院校；專業建設；數據分析；數據挖掘
一、引言
從大環境來看，如今，全球數據量均呈現激增趨勢，大數據時代全面到來，這不僅意味著社會需要更多信息分析人才，也說明相關院校要加強信息管理專業人才培養。從本國國情出發，我國從工業社會向以信息資源開發、應用和管理為主要特征的信息化社會轉變，計算機技術在各行各業普及應用，對經濟管理活動中產生的海量數據進行分析，挖掘出有潛在價值的信息，為管理決策提供依據，是信息管理學科研究的新方向。以目前畢業生就業市場需求情況來看，懂經濟、懂計算機同時又能掌握數據分析知識的學生在就業時有相當的優勢，這恰好與我們哈爾濱金融學院信息管理專業的人才培養目標一致，如何發揮財經類本科院校的辦學優勢，建成專業特色，是此次本科教學改革的目標。
二、人才培養目標
對于我們這樣有明顯“金融特色”的院校，充分發揮在金融領域的辦學優勢，塑造出自己的金融特色，即：堅持服務于金融行業，跟蹤IT發展的前沿，把握財經行業在信息化方面的最新需求，培養學生創新意識和能力，打造金融特色專業：金融信息管理－數據分析方向。培養具有管理學和計算機科學的專業知識，精通金融學、經濟學以及數據分析理論與技術，了解數據的商業價值，通曉以清晰直觀的形式提供數據分析結果的方法，強調學生掌握現代管理科學思想，掌握現代信息系統的規劃、分析、設計、實施和運行維護等方面的方法與技術，同時，更要具有較強的信息系統開發利用以及數據分析處理能力。
三、金融特色信息人才培養模式構建
（一）面向社會需求
2013年3月，IDC數字宇宙報告《大數據，更大的數字身影，最大增長在遠東》寫到：預計到2020年數字宇宙規模將達到40ZB。在這樣的大數據環境下，我國也必然需要更多高素質的信息管理類人才，例如，互聯網企業、金融機構、保險、醫療衛生、電子商務、零售企業及政府數據中心等行業對大數據專業人才的需求量都很大。所以，在此情況下，我院有必要在加大人才培養力度的同時，面向社會需求，對信息管理專業數據分析方向人才的培養標準與目標進行重新定位，以確保符合大數據時代提出的新要求，順應大數據浪潮的發展趨勢。例如，未來對具有大數據管理和分析能力的人才需求將快速增長，數據分析師、數據架構師、數據可視化人員、數據監管人員等和大數據相關的職位也將應運而生，因此，我院應當注重培養需要具備深度分析數據能力的專業人才，使其成為能夠滿足市場需求的高層次復合型人才，為社會發展付出應有之力。
（二）教學特色
課程教學內容歸納為兩個模塊：“信息系統開發課程”、“數據分析課程”，其中，“信息系統開發課程”又分為“開發技術類課程”和“面向應用的課程”兩個子模塊，將程序設計類課程與管理信息系統理論課程相結合，以理論指導實踐，通過該課程的學習，使學生了解信息系統開發的基本理論和方法、信息系統的實施、運行與管理方法，熟練掌握信息系統的開發工具，最終通過案例實踐，深入理解信息系統的分析與設計過程。“數據分析課程”又分為“數據分析方法課程”和“面向應用的數據分析課程”兩個子模塊，從而形成較為系統的立體化課程體系，數據挖掘是數據分析的核心課程，運籌學是輔助課程，教學目的是使學生掌握數據分析的基本方法和典型工具，了解數據倉庫和數據挖掘的基本原理，初步具備利用數據分析和解決實際問題的能力。
（三）制定科學合理的人才培養方案
在制定培養方案的過程中，要以市場需求為導向，設計靈活的人才培養方案，既要高度重視理論知識的學習，又要加強實踐能力的培養，為學生搭建實踐平臺，拓寬實踐渠道。極力擴大與企業和科研院所的合作，為學生創造更多的研究、實踐機會，在課堂教學環節中，設立一些針對某個合作企業的某些具體問題的研究項目，組織學生在該企業的資助下開展研究。這樣既豐富了學生的實踐經驗又提高了他們的綜合分析能力和動手能力，同時還能促進合作企業的創新發展。
四、課程設置
計算機程序設計在數據架構當中起著重要作用，因此，在通識課基礎上，從第二學期開始，開設專業基礎課：C語言程序設計，專業必修課：面向對象程序設計、數據庫、數據結構、Java程序設計、JSP程序設計、Web實戰項目（Java方向）等計算機程序設計類課程，以及SPSS、數據挖掘與分析類課程。同時，開設信息管理專業既有體系中的基礎課程：信息管理概述、會計學、管理學、統計學、運籌學、信息資源管理、數據庫原理及應用、UML與可視化建模、計算機網絡技術、銀行計算機系統、管理信息系統（含課程設計）、信息系統分析與設計、專業英語等。以及專業選修課：信息檢索技術、多媒體技術與應用二選一，電子商務概論、靜態網頁設計、圖形圖像處理三選一，IT項目管理、系統工程、ERP原理與應用三選一，企業資源規劃、經濟法、經濟學三選一。
五、強化實踐性教學
財經類學校在專業教學方面應該關注實踐性課程的設置，它是培養學生理論聯系實際能力的關鍵，實踐教學能夠幫助學生更加了解學科特點，實踐的過程中學生原本零散的知識點得以組合聯通，長久以來，高校辦學都在堅持以行業需求為導向，以培養學生能力為目標，實現學術與職業特點的融合，要將“隱性”的課外實踐逐漸轉變為“顯性”的實踐課程。在落實學生實踐學習的過程中，學校要積極引入從業資格課程、職業群集課程等等，強化專業實踐，與當地的金融企業建立合作伙伴關系，引入“3+1”的實踐教學模式，全面促進學生能力、素質以及知識等綜合能力的提升，使其能夠更加滿足當今市場對人才的各項要求。同時，學校還可以構建校企聯盟模式，協同培養人才，充分發揮校企合作的優勢，為學校學生提供良好的實踐平臺以及展現自我的機會，幫助他們客觀的認識自身職業的特點，進而有目的的投入實踐學習，提升自身能力。實踐教學要側重學生職業能力的培養，要幫助他們更加適合當今市場的需求，樹立“厚基礎、精專業、強能力”的人才培養目標。最后，要注重實踐評價，建立完善的評價體系，通過這樣的方式了解學生的實踐情況，便于查缺補漏。開展實踐教學，要綜合多元化的實踐渠道，融合先進的教學方式，最大限度將課程體系內容與工作領域的相關知識緊密聯系在一起，必須要使學生的專業能力、職能能力得到提升。從多年的實踐經驗來看，實踐教學人才培養模式有效提升了學生的綜合素質以及專業水平，有利于學生未來發展與就業，在目前金融類學科教學中應該加以推廣。
六、結論
信息管理與信息系統專業是一個多學科交叉、應用以計算機為主的技術解決經濟管理問題的專業，應用范圍廣泛，技術性強。隨著信息技術的發展以及信息化建設的推進，信息系統在運行中積累的數據量已經超越管理控制能力，社會對具有數據管理和數據分析能力的人才需求也在迅猛增長，信管專業的建設必須從社會需求的角度出發，重新設計課程體系和教學內容，培養符合經濟社會發展需要的人才。
參考文獻：
[1]劉婷婷.大數據時代下信息管理與信息系統專業培養模式研究[J].中國電子教育,2014(02).
[2]石洪波.財經院校信息類專業數據管理與分析課程群體系研究[J].高等財經教育研究,2015(09).
[3]閆娜.大數據視角下信息管理與信息系統專業建設研究[J].圖書館學研究,2013(11).
[4]陳紅琳.財經類院校信管專業人才培養模式研究[J].科技視界,2013(25).
[關鍵詞]數據驅動；編程；統計建模
[中圖分類號]G642[文獻標志碼]A[文章編號]2096-0603（2020）27-0086-02
根據Careercast的最新報告，數據科學家（DataScientist）和統計師（Statistician）分別位列2019年工作排名的第一和第二位。兩者的排名得益于大數據的發展以及與數據相關工作需求的快速增長。令人驚訝的是，“數據科學家”這一職位名稱最先出現是在2009年，經過短短幾年時間《哈佛商業評論》在2012年就稱數據科學家是21世紀“最性感”的工作。事實上，Google的HalVarian在2009年稱統計師將是21世紀最性感的工作。這兩者在工作內容方面有重疊也有區別。對于統計學專業的學生來說，就業市場需求的持續增長是一個好消息，但也需要繼續提升自身的競爭力[1]。
各行各業都在產生大量的數據，而這些數據正在成為有價值的資產。如醫療行業中輔助診斷，零售業中精準廣告投放以及能源行業用戶的用電預測等。從海量的數據中如何發現與提取有用的信息來輔助公司決策與發展？數據驅動型工作機會呈現爆炸式增長。統計分析與數學建模是這類工作的核心技能之一。然而，由于數據量多而且數據類型繁雜，有時并不能直接使用傳統的統計模型。這就使經驗豐富的數據分析人才成為稀缺資源。根據2014年針對大數據應用現狀和趨勢展開的調研，受訪者最關注的大數據技術中，排在前三的分別是：數據分析（統計分析與數據挖掘等）、數據采集、數據處理。[2]與之對應的是統計專業知識與計算機編程能力。
2015年印發的《關于引導部分地方普通本科高校向應用型轉變的指導意見》中，高等教育向應用型人才培養傾斜。應用型人才著眼于實踐能力的培養，注重專業技術教育與實際工作需求相結合，符合我國現代化經濟發展的客觀需要。2019年2月教育部了《支持應用型本科高校發展有關工作情況》，指出：“推動項目高校將產教融合項目建設和學校轉型深化改革相結合，切實把辦學真正轉到服務地方經濟社會發展上來，轉到產教融合校企合作上來，轉到培養應用型、技術技能型人才上來。”在這個指導準則下，為提高統計專業學生的就業競爭力，應調整相應的教學方式，使學生在校內課堂所學與就業需求緊密銜接。[3]
一、課程設置
目前大多數院校開設了豐富的課程，包括概率論與數理統計、抽樣調查理論與方法、試驗設計與分析、統計模擬與計算、SPSS統計軟件以及常用統計方法等。該系列課程既包括理論知識，也涉及實際應用，使學生在專業知識、實踐技能兩方面同時得到訓練，也為以后從事數據驅動類技術工作打下堅實的基礎。但在課程教學過程中，發現學生缺乏從實際數據中提取信息建模分析的能力，編程能力不足。美國統計學會于2014年了統計學本科專業的指導性教學綱要中指出，統計專業人才不僅需要扎實的數學和統計基礎，還要有強大的統計計算和編程能力，可以熟練使用專業統計軟件和數據庫；實際數據是統計專業教育的重要組成部分。
在目前的課堂教學中，教師通常會以一組較為簡單的數據來演示。在學生學習理論知識的初始階段，這是必要也是學生容易接受的方式。在高年級階段，在學生已經學習與掌握了大部分的統計課程之后，可以讓學生分析相對復雜一些的數據集，甚至自行收集數據，從而完成數據收集、數據清理、數據分析、結果展示這樣一個分析過程。在數據的選取方面，教師可以將一些數據比賽的公開數據作為數據源供學生選擇，在課程進行過程中完成該數據的分析并且展示分析結果。同時鼓勵學生嘗試使用一些新的統計建模方法。另外，也有學校采取了校企合作的方式來教授學生應用技能。例如，斯坦福大學與Cloudera公司合作，由Cloudera公司開設大數據挖掘的課程供學生選修。
二、學習能力的培養
對于數據的科學分析，我們需要理論支持，也需要掌握分析的工具。在目前的課程中盡管已經開設了統計軟件課程，包括R、SPSS等。前者需要一定的編程能力，這也是數據驅動型工作所需的。編程能力的培養與提升離不開大量的練習，這就需要學生能夠投入一部分課余時間。新的軟件也在不斷涌現，如Python受到很多企業的歡迎。學生需要密切關注就業市場的需求，同時學校也可以組織一些比賽來促進學生積極學習。例如，北卡羅來納州的學生利用美國郵政總局的數據，分析對垃圾郵件的響應率，找到提升效率的方法。或者參加一些數據競賽，在短時間內通過高強度的學習完成比賽，一方面可以提高數據分析能力，另一方面也鍛煉了自學能力。
大數據一詞是由英文單詞“Big Data”翻譯而來。大數據時代的到來既是信息技術領域的一場持久而深刻的變革，更在全世界范圍內開啟了思想的劇變，從而成為引領社會實現新興技術不斷向前發展與變革的利器，深刻地影響著人們的生產與生活。“當今社會已經邁入了大數據時代，大數據已經滲透到當今所有的行業和業務領域，成為重要的生產因素。”[1]在這個宏觀背景下，大數據的社會價值和科學價值的不斷得到彰顯與利用，給高校的教育與管理也帶來了新的機遇。教育領域的大數據運用有其自身的特點，在高校的實現應當側重從學生的學習過程、日常生活的微觀表現進行測量，開展精準的“學生畫像”，有效分析與預測研究對象的學業完成進度與趨勢，從而為學校教育教學質量提升和學生教育管理服務提供保障。
目前，國內不少高校通過利用大數據技術，深度挖掘在校大學生的行為數據，但每個學校都因有自身不同的辦學特色和現實情況，如何結合學校信息化校園建設，開展針對在校學生的行為數據分析與研究，幫助教學、學工等相關部門提供可視化圖表的方式呈現數據分析結果和學業預警等相關意見，從而為學校教育與管理服務，提供決策建議與意見，具有強烈的現實意義和廣闊的應用前景。
2 一卡通數據系統分析云平臺
本文以圍繞學院校園一卡通系統建設，開展智慧校園和智慧管理研究，通過對學生教室考勤、宿舍門禁，校園消費、上網記錄、獎勵資助及購水購電等信息，關聯學生教務、圖書及其他物聯網等應用系統后臺數據庫，結合系統基礎數據庫的表結構特征和關鍵字段，設置相應的邏輯關系和判斷條件，通過校園一卡通大數據分析云平臺，從學生學業警示預警、個性化學習、上網行為、消費行為、獎懲資助和就業幫扶等六個維度，使用聚類、關系規則和序列模式挖掘等技術指標與手段，開展深度數據分析與數據挖掘，形成可視化圖表的方式呈現出數據分析的描述結果，給出相關的建議結論或預警意見，供班導師、輔導員、相關職能部門查看與使用，從而為學校教育、管理與服務提供決策支持和智慧服務。[2]
3 學生行為大數據分析
3.1 學業警示預警分析
基于一卡通數據系統分析云平臺關聯學生教務系統，系統管理員根據權限可以實現實時查看學生個人學業完成及積欠課程的情況，各班導師或輔導員可以統計與分析相關專業學生的學業完成度統計數據，結合學生的課堂考勤、心理測評、圖書借閱、重修課程、上網數據等對學生的失聯、留級及預判延長學制、不能畢業等情況予以預警。根據動態分析數據，班導師和輔導員可以及時與學生本人、任課教師和學生家長取得聯系，幫助學生分析和查找問題，指明努力方向。
3.2 個性化學習分析
基于一卡通數據系統分析云平臺結合學生選修課程、個人興趣與綜合評估，分析學生個人現狀及特點，通過大數據分析，給予相關培養建議，從而圍繞校園數據資源，指導學校相關職能部門定期向學生推送個性化的網絡教學資源、網絡書籍與紙質圖書資源、兼職與就業招聘信息等，提高課外閱讀量和專業學習水平，從而實現個性化教學指導與幫助。
3.3 上網行為分析
基于一卡通數據系統分析云平臺對學生的上網行為統計分析，通過對學生上網時間、上網地點、上網時長、上網內容、流量下載等數據建模，挖掘與分析學生上網行為習慣。通過統計分析日均上網或游戲時長較長的學生情況，結合學生學業完成度等，定期開展預警警示工作，班導師和各學院學團也可以有針對性的開展學風檢查、建設與整頓工作，從而更好地培育優良的校風、班風與學風。
3.4 消費行為分析
基于一卡通數據系統分析云平臺對校園的消費數據進行分析，發現和診斷群體消費的偏好以及潛在的問題，有效分析與預測未來消費新趨勢，加強后勤服務場所的管理與引導。學校可以針對貧困生等不同身份特征人群開展分類型的數據分析，通過消費數據的挖掘，在貧困生認定和精準幫扶等方面提供可靠的數據支持，從而有效地為學工、教務后勤等部門的管理與服務提供信息數據支持。
3.5 獎懲資助行為分析
基于一卡通數據系統分析云平臺對學生在校期間的獎懲資助行為分析，完善學生獎懲助困的動態分析與監控。通過及時完善相關信息，便于后期的數據統計及篩查工作，同時有利于完善貧困生的資助體系，開展貧困生精準幫扶工作，引導與管理好校園義工和勤工儉學崗位。通過全面梳理學生獎勵及資助數據，能有效加強對受處分學生的動態的監控，及時受理學生處分的撤銷與評議，提高受處分學生主動承擔社區及義工服務的意識。
3.6 就業行為分析
基于一卡通數據系統分析云平臺對全校或者部分專業提供市場就業細分，結合學生生源地區、專業特長、性格特征、個人愛好、學業完成度、能力模型及求職意向，設計就業工作模型，匹配相關用人單位及招聘信息，通過大數據實施雙向精準推薦，從而更好地服務學生和用人單位。針對就業市場的大數據分析和結論，還可以為學校現有專業建設及人才培養方案的重構，提供數據支撐，從而進一步服務教學與管理工作。
4 數據分析結果評價
基于一卡通數據系統分析云平臺的運用，針對應用系統后臺數據庫開展數據分析，通過大數據挖掘方法，開展系統總體構建設計，利用從原數據層到數據處理層，再到數據庫倉層，最終到終端用戶層的框架模型，維度分析因果和映射關系，輔助以靈活可視化的查詢界面、圖形與圖表等形式，呈現出研究對象的學習、上網、消費、獎懲、資助、閱讀、就業等日常行為特征，分析其行為特征與學校智慧化校園管理與監督之間的關系，為學校的教育、教學與管理工作提供決策建議和意見。
4.1 有助于學校精細化管理
通過平臺，理清管理職責與權限，加強工作的細化與內化，逐步實現學生的精準化管理，既提高了工作的效率，又提升了工作的水平。通過信息系統，改變原有相對粗放的管理模式，量化分析學生的學習行為和日常表現，洞察學習規律，促進管理工作橫向到底、縱向到邊。[3]
4.2 有助于學校精準化服務
通過平臺，運用數據監測，分析與定位重點幫扶的班級及學生，積極關注情況特別學生群體，幫助學業預警、心理異常、經濟特困、就業困難、違紀處分等類型的學生分析困難與問題，找到走出困境的途徑與方法，從而將幫扶工作做到精準到位，幫助每個學生充分發展。
4.3 有助于學校精心化育人
通過平臺，透視教育數據，優化管理與評價機制，建立全方位育人體系，為學校及學生個性化教育和教學干預行為進行準確預測與服務，加強部門間的聯動與溝通，從而推進學校決策的系統化與科學化，打造全員、全過程的育人格局，打造精心育人工程。
