數據分析課程范文

導語：如何才能寫好一篇數據分析課程，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

為了推進統整項目課程的“精準實施”，我們經常會在課程實施的不同階段進行問卷調查，通過多視角的數據收集整理，并對數據進行精準分析，從而了解課程表象背后的學習原理。“智庫百科”這樣描述數據分析的意義：數據分析的目的是把隱沒在一大批看來雜亂無章的數據中的信息集中、萃取和提煉出來，以找出所研究對象的內在規律。數據分析對課程實施有非常重要的意義，我們可以針對精準的數據分析結果調整課程實施策略，始終把學習者放在學習的中心地位。

從數據分析中了解學習者的興趣，可以讓課程設計更具針對性。在統整項目課程中，讓學生選擇自己感興趣的主題學習是我們的首要任務。在每一個統整項目課程實施前，我們都會讓孩子們通過大量閱讀對主題課程內容有一個較為深入的了解，在“大課”中，每個小主題的教師團隊向所有學習者介紹本主題的特點，并通過多樣化的方式吸引學生。大課之后，我們向學生發起問卷調查，讓學生選擇自己感興趣的主題學習。比如，三年級《水的世界》統整課程，我們分了三個小主題：水的循環、水的污染、水的用途。我們通過問卷星問卷調查，讓孩子們掃描二維碼選擇主題進行分組學習。通過對分組數據的分析，我們發現三個主題選擇的數據并不是很均衡：水的循環占13.89%，水的污染占45.83%，水的用途占40.28%，孩子們最感興趣的是“水的污染”，從這些數據中我可以很明顯地看到孩子們對環保的話題很感興趣。因此，針對這樣的數據我們可以著力“水的污染”的研究。

通過數據分析，我們可以精準了解學生的需求。統整項目課程要順利實施，需要站在兒童的視角來設計課程。現實世界中成人眼里的兒童需求往往和兒童的真實需求存在一定的差距，而可視化的數據分析可以讓我們直觀了解到兒童的真實想法。例如，在二年級《美麗中國》統整項目課程中，我們分地理與自然、建筑與景觀、民族與服飾、美食與風俗、工藝與創造五個組對中國進行探索。在成人眼里，兒童“好吃”，認為選“美食與風俗”的會占絕大多數，但是實際差距卻很大，實際數據是：地理與自然16.36%、建筑與景觀8.18%、民族與服飾22.73%、美食與風俗15.45%、工藝與創造37.27%。可見，孩子們最喜歡“工藝與造”，而“美食與風俗”排在倒數第二。從這些數據可以看出，動手創造是孩子們最喜歡的事情，因此我們在課程設計中需要給孩子們創造更多“動手創造”的空間和機會。

通過數據分析，我們可以了解到家長的需求。統整項目課程的實施需要家長的高度認同與全程參與，家長參與的程度是兒童能進行課程深度學習的關鍵因素之一。因此，我們的課程設計需要了解家長的需求。例如，二年級《美麗中國》統整項目課程中，家長對學生能力培養很關注，特別是孩子的合作、探究、解決問題、語言表達等能力的培養，分別占73.56%、78.74%、79.89%、71.84%。基于這些數據，我們需要把學生面向未來的關鍵能力設計在整個課程之中，從而提升學生的綜合素養。

總之，通過數據分析我們還可以看到很多看不到的東西。因此，統整項目課程實施過程中我們需要設計不同的問卷調查表，收集學生學習、教師教學、家長期盼等方面的數據，通過數據分析了解到課程的學習本質，促進學生的深度學習。

篇2

課程相關性分析數據挖掘相關分析典型相關分析關聯規則一、引言

課程是實現教學內容傳遞的集中體現，是學校教育的目的性、計劃性和組織性的集中體現。課程設置規定著課程類型、課程性質、課程排序和學時分配，還規定各類各科課程的學習目標、學習內容和學習要求等，其合理與否將直接影響到所培養人才的質量，關系到學生知識面的寬度、深度、動手實踐和研究能力的高低，同時也已經成為了影響大學生就業的主要因素之一。因此，課程結構和課程內容的合理設置尤為重要。

課程相關性分析可定量描述課程之間的相關性，可根據相關系數值的大小確定課程間關系的緊密程度，然后從順序性、整體性、關聯性和連續性四個方面為優化課程設置提供參考信息，優化課程結構和課程內容。近年來，國內外教育工作研究人員開展了大量的課程相關性方面的研究，國內外多所著名高校已將課程相關性研究成果作為課程設置的基本依據。

目前課程相關性分析研究所采用的方法均基于數據分析，其方法主要包括傳統數據分析法和數據挖掘分析法兩種，而兩者又有著本質的區別。在探索數據關系時，傳統的分析方法一般是基于驗證的方法，即用戶首先對數據之間的關系做出一定的假設，然后通過數據分析來驗證假設是否正確來得出相應結論，其分析過程是基于假設驅動的演繹型分析；數據挖掘不是用于驗證某個假定的模式（模型）的正確性，而是在數據庫中自己尋找模型，數據挖掘在本質上是一個完全基于發現驅動的歸納型分析過程。

本文對課程相關性分析中的數據挖掘過程及基于數據挖掘技術的課程相關分析方法進行介紹，以期為我國高校課程的優化設置研究提供理論指導和方法借鑒。

二、數據挖掘技術

數據挖掘（Data Mining，DM）又稱數據庫中的知識發現，是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，通過使用成熟的數據挖掘模型，提取出隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識，得到數據中反映出來的數據內在的關系，從而進一步應用到具體的數據分析研究中去。數據挖掘得到的信息具有先前未知、有效和實用三個特征。

目前，數據挖掘技術的已被應用于關聯分析（Association Analysis）、概念/類別描述（Concept/Class Description）、分類與估值（Classification and Estimation）、聚類分析（Clustering Analysis）、時間序列分析（Time-Series Analysis）、偏差分析（Deviation Analysis）、孤立點分析（Outlier Analysis）等方面，隨著數據挖掘技術的發展，可能還會繼續出現新的數據挖掘功能。課程相關性分析為其關聯分析功能中的一部分，所采用的分析方法主要有相關分析法、典型相關分析法和關聯規則分析法等。

數據挖掘分析過程各步驟之間互相影響、反復調整，形成一種螺旋式上升過程，具體分析流程見圖1所示。目前已建立的數據挖掘模型有CRISP-DM模型（Cross Industry Standard Process for Data Mining）、ODDM模型（OLE DB for Data Mining）、Oracle9i數據挖掘模型等多種，對于課程相關性分析來說，具有直觀、簡單和可靠等特點的CRISP-DM模型最為適用，其模型見圖2所示。

三、基于數據挖掘的課程相關性分析方法

基于數據挖掘的課程相關性分析方法主要有相關分析法、典型相關分析法和關聯規則分析法，三種方法各具優缺點，互不可取代。

1.相關分析法

相關分析法又稱單因子相關分析法，主要用于研究兩個變量因子間的相關關系。作為教育信息多元統計分析方法的一種，相關分析法主要用于測定現象之間相關關系的規律性，據此進行預測和控制。將其用于課程相關性的探討研究，可直接量化兩門課程間的相關性，分析過程簡單、快捷，顯示方式直觀，數據可信度高。

相關分析法在課程相關性分析研究中應用，主要有以下幾個步驟：

篇3

關鍵詞：數據分析人才；軟件工程專業；計算思維能力；正情緒

0引言

Web技術的飛速發展產生了海量的用戶生成內容，大量信息蘊藏其中，是潛在用戶決策支持的有價值資源。如何挖掘海量用戶生成內容催生了數據分析人才的市場需求。麥肯錫全球研究院報告預計，美國在2018年數據分析人才缺口將達到50%～60%，甚至可能更大。我國政府提出的“互聯網+”行動計劃，使得數據幾乎滲透到每一個行業和業務職能領域。在大數據時代，具有豐富經驗的數據分析人才需求倍增。

1數據分析人才必備的重要素質

數據分析人才能對行業已有數據進行統計、分析、預測，能為企業經營決策提供科學量化的分析依據。2007年，復旦大學首先在國內開始培養數據分析人才，隨后香港中文大學、北京航空航天大學等高等院校也相繼開設了相關課程。分析上述高校人才培養計劃可知，數據分析人才應該系統地掌握數據分析相關技能（主要包括數學、統計學、數據分析、商業分析和自然語言處理等），應具有較寬的知識面、獨立獲取知識的能力及較強的實踐能力和創新意識，是一種復合型專業人才。《中國大數據技術與產業發展白皮書》在數據人才一章中明確指出，數據分析人才的培養要從本科階段開始，要注重運用算法分析問題、解決問題，由此可見，計算思維能力是數據分析人才必須具備的重要素質之一。

2計算思維能力培養現狀

自2002年以來，我國計算機教育專家將計算思維能力歸結為計算機專業人才必備的4大專業基本能力，并且強調計算思維能力是其他3項能力（算法設計與分析、程序設計與實現以及系統能力）的基石。那么，如何在大數據時代背景下，依托應用型本科軟件工程試點專業建設，培養軟件工程專業學生的計算思維能力，為社會輸送高質量數據分析人才？計算思維能力的強弱主要表現為學生能否正確運用抽象與分解、遞歸、啟發式等方法解決計算求解問題。訓練學生的計算思維能力可在算法與數據結構以及算法設計與分析課程（以下簡稱算法類課程）的教學中進行，因而算法類課程是本科階段培養數據分析人才的重要課程。

然而，在算法類課程的實際教學過程中，存在兩個較為常見的問題：

（1）學生理論聯系實際的能力薄弱。學生要達到靈活運用算法解決實際問題，必須掌握算法的核心思想，但由于算法類課程中許多概念抽象，一些經典算法較為復雜，在這兩門課程的學習和實踐中，能體會到理論學習意義和動手實踐樂趣的學生很少。

（2）系統能力培養沒有受到教師的足夠重視。由于算法類課程相關的綜合設計課內學時少，教師無法引導學生從系統的角度認知綜合設計，并對其進行分析、開發與應用。

由此可見，在算法類課程的現有教學環節中，訓練學生計算思維能力的機會較少，必須結合當前數據分析人才市場需求的發展趨勢，重新審視算法類課程的定位和內容，以達到夯實學生計算思維能力的目的。

3在算法類課程教學中培養學生計算思維能力的方法

從整體上，一個較高層次的數據分析人才應該掌握7大版塊的知識結構，分別是數據采集、數據存儲、數據提取、數據挖掘、數據分析、數據展現以及數據應用。以數據分析人才驅動為導向，培養軟件工程專業學生計算思維能力的算法類教學方法主要是把算法類課程中算法分析與設計的思想融入數據分析中，用數據分析中的實際需求驅動學生學習書本上抽象的理論知識。以7大版塊中最重要的數據挖掘版塊作為載體，在算法類課程教學中培養學生的計算思維能力。

3.1基于實際數據分析任務的實驗項目設計

目前，國際權威學術組織IEEE International Conference on Data Mining（ICDM）已評選出數據挖掘的10大經典算法：C4.5、k-means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Navie Bayes和CART。在教學過程中，可以根據不同類型的應用問題，結合這些經典數據挖掘算法布置實驗任務，對每一實驗任務制定實現該任務的實驗目的、實驗要求、實驗內容、實驗步驟和預期實驗結果，讓學生清晰地理解并實現這些實驗任務。

以2013級軟件工程專業學生參加中國好創意的“互聯網情緒指標和生豬價格的關聯關系挖掘和預測”為例，說明實驗項目的設計。

（1）實驗目的：針對來自國內互聯網的生豬歷年消費者情緒數據，挖掘消費者情緒指標和生豬價格之間的關聯關系。

（2）實驗要求：采用Apriori算法，對近期國內五花肉價格及生豬價格進行預測。

（3）實驗內容及步驟：首先，對原始的生豬數據清洗是分析消費者情緒與生豬價格之間的關聯關系的第一個階段，其目的是刪除無關數據；其次，統計與消費者正面情緒或消費者負面情緒同時出現的相關指標，并根據自定義的最小支持度閾值獲得正面情緒或負面情緒的頻繁項集；最后，根據自定義的置信度對獲得的頻繁項集進行篩選，得到有意義的頻繁項集。

（4）預期實驗結果：解讀最終得到的頻繁項集，將挖掘的結果反饋到生豬養殖戶，讓其掌握生豬市場的供求關系。

個別有能力的學生還可以對以上內容進行拓展，從互聯網大數據中找出其他一些具有參考價值的生豬價格預測先導指標。

實驗任務的編碼完成后，還要求學生從軟件開發的角度撰寫規范的項目報告，內容包括項目的需求分析、總體設計、詳細設計、編碼與測試等。教師可通過報告清楚了解學生是否有良好的計算思維能力。針對計算思維能力薄弱的學生，教師可以再布置另外的實驗項目讓其訓練。例如，在“互聯網情緒指標和生豬價格的關聯關系挖掘和預測”實踐項目中，要求項目報告中有目標場景、需求理解、方案創意說明、模型數據選取、數據分析、算法設計、實驗設計、結果分析、原型系統介紹等。

3.2算法類課程教學內容拓展

由于本科階段算法類課程的教學內容只涉及完成基于實際數據分析任務的基礎知識，不包括數據挖掘算法，這就需要教師在算法類課程中拓展教學內容。因此，在教學過程中需要將經典的數據挖掘算法與算法類課程的理論知識巧妙融合。為此，教師需要詳細分析實現每個數據分析任務需要的基本理論知識，然后按照書本相關內容的先后順序串聯起來并編寫授課計劃，體現算法類課程精華內容與實際數據分析任務的融合。為了保證學生對數據挖掘算法的深入理解，需要鼓勵其利用課余時間廣泛查閱相關資料，進行自主學習。

在2013級軟件工程專業學生參加中國好創意的“互聯網情緒指標和生豬價格的關聯關系挖掘和預測”競賽中，指導教師們利用課外時間給學生講解關聯規則挖掘算法的思想、原理、特點等。學生在學習關聯規則挖掘算法的過程中進一步掌握了遞歸與分治思想、回溯法思想；理解了樹型存儲結構對關聯規則挖掘算法性能的改進。通過這樣的實踐，參賽學生完成的作品清晰展示了他們在學習算法類課程中培養的計算思維能力。

3.3計算思維能力培養的跟蹤

為了改進軟件工程學生計算思維能力培養中可能存在的問題，收集應用于13級軟件工程專業學生的實驗項目、授課計劃、項目報告、算法類課程的理論成績與實踐成績。通過跟蹤他們畢業設計的完成情況，分析曾在算法類課程上得到較好計算思維能力培養的學生的畢業設計情況，檢驗提出的方法。由于本研究的對象還沒有進入畢業設計環節，故只進行算法類課程的理論成績與基于實際數據分析任務的實驗項目完成情況的分析。通過兩門課程期末考試成績可以看出，認真完成實驗項目的學生理論考試成績普遍高于不認真的學生，這充分說明基于實際數據分析任務的實驗項目能有效改進目前算法類教學課程中存在的問題。

此外，還準備通過學院學生管理部門跟蹤2013級軟件工程專業學生的就業情況和用人單位的反饋意見，了解學生的專業能力，及時修改計算思維能力的培養方法，為探索應用型本科軟件工程試點專業建設提供有力支撐。

3.4充分利用移動平臺

為了讓學生充分體驗到算法類課程學習的成就感，在算法類教學過程中，要求學生以3～5人一組，形成一個團隊，開發算法類課程教學App。該App的功能模塊主要有算法類課程的教學資源、10種經典的數據挖掘算法講解教案、基于數據分析任務的實驗項目、學生作品展示區和交流區。課程結束后，學生對每一個團隊開發的App進行互評，最終選用得分最高的課程教學App為下屆的學生使用。由于有了這樣的平臺，教師和學生的溝通變得更加方便與及時，學生對算法類課程的學習不再受時空的限制。在移動終端普及的情況下，這種教學模式一方面能讓學生充分利用課余時間，另一方面能營造一種學生之間良性競爭的學習氛圍。盡管教學App的開發是學生計算思維能力培養的副產品，但也正是這種副產品給學生帶來的成就感讓學生在學習的過程中充滿了正情緒，讓計算思維能力的培養成為一個潛移默化的過程。

篇4

關鍵詞: 數據庫 關系候選碼 數據依賴 完全函數依賴

從E.E.Codd提出關系規范化理論至今,關于這一理論的研究已經取得了很多成果。對于關系的候選碼,在規范化理論中有嚴格的定義,但是針對具體的關系,尤其當沒有給出關于關系的具體的語義信息時,只是已知關系的屬性組及屬性組上的數據依賴的情況下,該如何分析出關系的候選碼,目前已經有一些研究,[1]-[2]但這些方法都較為復雜,不利于學生的掌握。本文提出一種基于圖的分析方法,可以快速得到關系的候選碼。

1.基于圖的關系候選碼分析方法介紹

分析關系的候選碼的方法,主要依據的是候選碼的定義[3],即設K為關系R〈U,F〉中的屬性或屬性組合,若KU,則K為R的候選碼。其中,R為關系名,U為關系R的一組屬性,F為屬性組U上的一組數據依賴,KU表示U對K完全函數依賴。所謂數據依賴就是通過一個關系中屬性間值的相等與否體現出來的數據間的相互關系。

現在已經提出的數據依賴的類型[4]-[5]主要有:

•函數依賴(Functional Dependency,簡稱FD);

•多值依賴(Multivalued Dependency,簡稱MVD);

•聯接依賴(Join Dependency,簡稱JD)。

本文主要討論的是函數依賴。函數依賴的定義[3]是:設R(U)是屬性集U上的關系模式,X、Y是U的子集,若對于R(U)的任意一個可能的關系r,r中不可能存在兩個元組在X上的屬性值相等,而在Y上的屬性值不等,則稱X函數確定Y或Y函數依賴于X,記作XY。完全函數依賴是指在R(U)中,如果XY,并且對于X的任何一個真子集X′,都有X′Y,則稱Y對X完全函數依賴,記作:XY。

分析具體關系的候選碼時,主要解決三個問題:

首先,確定已知關系R〈U,F〉中哪些屬性或屬性組作為候選碼的判斷對象,設判斷對象為K;

其次,對所有的判斷對象K逐一判斷是否滿足KU;

最后,對已經滿足KU的判斷對象K再判斷是否滿足KU。

1.1確定候選碼的判斷對象K

確定已知關系R〈U,F〉中哪些屬性或屬性組作為候選碼的判斷對象(設判斷對象為K)主要根據候選碼的定義。由候選碼的定義可知K可以是關系R中的屬性,也可以是關系R中的屬性組。這似乎就使選取候選碼的判斷對象的問題變成了一個組合問題,即若U中的屬性個數為n,候選碼的判斷對象的個數就有可能是C(n,1)+C(n,2)+…+C(n,n)。在C(n,1)+C(n,2)+…+C(n,n)種可能中,是否有必要對每一種可能判斷其滿足KU?回答是否定的。因為對于沒有出現在F中的屬性或屬性組,我們沒有判斷其是否滿足KU的依據,所以也就沒有判斷的必要。據此,將候選碼的判斷對象的范圍縮小為在F中出現的屬性或屬性組。

對于F中的任何一個數據依賴XY,稱X為函數依賴中的決定因素,Y為函數依賴中的被決定因素。故在F中出現的屬性或屬性組有兩種情況:決定因素和被決定因素,所以將候選碼的判斷對象確定為F中的決定因素和被決定因素。

1.2判斷是否滿足KU

對所有的判斷對象K逐一判斷是否滿足KU。采用圖示的方法,表示這一判斷過程。對于F中的任何一個數據依賴XY,“”用有向邊表示,并以決定因素X為起點指向被決定因素Y;每一個判斷對象對應一個U(關系R的所有屬性),并且在U中用圓圈將判斷對象圈起,表示該判斷對象已知;然后對每一個判斷對象在F中找出與之有關的數據依賴,并用有向邊在U中一一標出。當某一個判斷對象所對應的U中,除了判斷對象被圓圈圈起外,其余屬性都被有向邊所指時,就滿足KU。否則,就不滿足KU。

1.3判斷是否滿足KU

對已經滿足KU的判斷對象K,再判斷是否滿足KU。如果K為關系R中的屬性,K的任何一個真子集K1是Ф,就有K1U,即滿足KU。即如果K為關系R中的屬性,K的任何一個非空真子集K′都是不存在,所以無需再判斷K′是否滿足K′U,該K就是關系R的候選碼。如果K為關系R中的屬性組,對于K的任何一個非空真子集K′,都要采用圖示方法討論它是否滿足K′U。只要有一個非空真子集K′滿足K′U,那么就不滿足U對K完全函數依賴,即該K不是關系R的候選碼。

2.基于圖的關系候選碼分析方法舉例

本節通過一個多碼的例子說明基于圖的關系候選碼的分析過程。假設已知關系R的定義如下:R,要求分析關系R的候選碼。

第一步:確定候選碼的判斷對象K

F中的決定因素:AB,C,BC,ACD

被決定因素:A,B,C,D

第二步:判斷是否滿足KU

所以,滿足KU的判斷對象K有AB,BC,ACD。

第三步:判斷是否滿足KU

AB的非空真子集K′是A,B。在第二步已經判斷過K′U,所以ABU。

BC的非空真子集K′是B,C。在第二步已經判斷過K′U,所以BCU。

ACD的非空真子集K′是A,C,D,AC,CD,AD。A,C,D在第二步已經判斷過K′U,所以現在只需判斷AC,CD,AD。

所以ACDU,CDU。

關系R的候選碼是AB,BC,CD。

關系候選碼的定義是抽象、簡潔的。但是對于關系數據理論的初學者,分析關系的候選碼卻常常遇到困難,尤其是對比較復雜的關系更是無從下手。運用該方法可以將抽象、簡潔的定義,轉換為形象、簡單的分析過程,從而成為認識關系和學習關系數據理論的工具和幫助。

參考文獻:

[1]嚴云洋,楊民.關系數據庫模式中候選碼的求解算法[J].現代計算機,1999,(06).

[2]姜翠霞.關于確定關系模式的候選碼的研究[J].齊齊哈爾大學學報,2003,(04).

[3]薩師煊,王珊.數據庫系統概論[M](第三版).北京:高等教育出版社,2000.

[4]施伯樂,丁寶康.數據庫技術[M].北京:科學出版社,2002.

篇5

關鍵詞：數據庫應用技術；教學現狀；應對策略

目前，在各類高等院校中，“數據庫應用技術”課程已成為非計算機專業學生的一門必修課或選修課，開設該課程的主要目的是使學生掌握關系數據庫的基本概念，掌握數據庫管理系統Access的主要功能及其應用系統開發的基礎知識，培養學生開發信息管理系統的初步能力。但根據北京理工大學珠海學院（以下簡稱“我校”）的調查結果顯示，部分學生不能利用該課程的知識解決自己專業中的相關問題。例如，會計學專業的學生不會用Access在報表中實現計算和匯總，不會對一個具體的數據庫應用系統進行分析與設計。本文通過對“數據庫應用技術”課程的教學現狀進行分析，指出其中的不足之處，并提出切實可行的應對策略。

一、教學現狀分析

“數據庫應用技術”課程中的基本概念和專業術語較多，同時要求學生理解和掌握數據庫設計及實現所必需的知識和技能。學生在學習過程中普遍感覺該課程難以掌握。綜合分析，主要有以下幾個方面的原因。

1.教學內容

近年來，隨著計算機技術的迅速發展，計算機相關的課程內容也在不斷更新。要掌握這些新知識，必須花費一定的時間和精力，加上多數高校教師身兼幾門課程及一些其他研究課題，因此，教師的計算機相關課程知識的更新速度緩慢，從而在一定程度上對教學產生了負面影響，比如課堂教學內容陳舊。

此外，在同一所高校中，所有非計算機專業的“數據庫應用技術”課程教學大綱基本雷同。在統一化的教學大綱指導下，在教學內容、學時等因素的限制下，教師不能積極發揮教學主動性和創造性，不能較好地將該課程引入到相關專業中來，從而導致學生不能從中體會到該課程和自己所學專業的關系。

2.教學模式

多數非計算機專業開設“數據庫應用技術”課程的目的是培養學生利用數據庫管理系統解決本專業中一些實際問題的能力，其根本目的是應用。但目前該課程一般采用教師課堂上講概念、講案例，學生上機驗證該案例的教學模式。這種以教師為中心、把上機作為驗證手段的教學模式，不能讓學生全面地認識和應用所學知識。

另外，隨著高校教學改革的推進，多數課程的教學學時都在減少，按傳統的系統性、漸進式教學方法已經無法完成相應的教學任務。上述教學模式的最終結果是學生對該課程的學習目標不明確，不知道學完后能用它來解決什么問題。雖然最終考試成績優秀，但動手能力較差，不會用該課程的知識來解決本專業的實際問題。

3.考核方式

考核方式是教學的指揮棒，是對教學成果的檢驗，也是促進學生認真學習的一種手段。目前很多高校對該課程的考核方式以筆試為主，試題類型主要有選擇題、判斷題、程序題，基本概念是考核的重點。這樣的考核方式不能適應現代計算機教育的需求。

一方面，這種考核方式考核的主要內容是學生的記憶力，臨近考試時，學生死記硬背書上的內容，忽視上機操作，從而使得這門原本實踐性強、創造性強的課程變得枯燥乏味。考試過后，學生又容易忘記所學的內容，這是“應試教育”的必然結果。另一方面，這種考核方式不利于考核學生的真實水平，難以激發學生的學習積極性。在現實中，一些學生不擅長死記硬背，卻能夠利用該課程的知識解決一些實際的問題。但在筆試情況下，這樣的實踐能力并不能得到充分的體現，從而打擊了學生實踐的積極性。

二、應對策略

1.更新教學內容

我校組織該課程的教學團隊，以先進的教學理論和學習理論為基礎，依托廣州大學開發的“紙質教材—學習輔助光盤—在線學習資源—技能實訓”的立體化教材資源，進行試驗研究，重點深入探索基于“四位一體”資源下的學習效果與效率的研究，并結合我校教學實際，充實、完善和建設特色鮮明的本課程的教學案例與資源。

立體化教材資源各構成部分各司其職，在課程教學各環節中扮演著不同的角色。

（1）紙質教材：以Microsoft Access 2007作為數據庫管理系統開發的工具，采用啟發式案例教學方法，結合國家等級考試大綱編寫。以學生熟悉的任務等方式引出各章節的知識點，讓學生通過具體任務掌握課程的應用技術和相關知識。

（2）學習輔助光盤：它是紙質教材的拓展，將各章節中任務解決過程的重點與難點操作，制作成光盤，并配以原始操作文件，讓學生直觀地了解整個任務解決的過程，最終實現紙質教材中任務解決的目標。

（3）在線學習資源：為了滿足學生不同的學習習慣以及不同的學習水平，鼓勵學生自主學習和拓展學習，依托網絡教學平臺的在線學習資源，為學生提供一個理想的數字化網絡學習環境。

（4）技能實訓：目的在于加強以應用能力培養為核心的實踐教學。精選實驗實踐內容、制定相應的技能練習題庫。實驗與測試相結合，以任務形式引導學生進行技能訓練，指導學生通過訓練，提高數據庫操作與應用能力。

教學內容的確定遵循“適度的基礎知識+實際操作能力”的原則。以下是我校會計學專業“數據庫應用技術”課程的教學內容表。

2.改進教學模式

篇6

關鍵詞：互聯網聯網 數據分析師 人才培養

互聯網行業在快速發展，“互聯網+”概念的提出標志著互聯網已叩響“萬物互聯時代”的大門。在這個時代，大數據滲透于各行各業，掌握數據核心價值成為企業脫穎而出并取得勝利的法寶。越來越多的企業承認競爭優勢與大數據有關，由此，數據分析師這一職業逐漸得到認可并受到追捧。世界500強企業中，有90%以上都建立了數據分析部門。在國內，已有超過56%的企業在籌備和發展大數據研究，據有關部門預測未來5年，94%的公司都將需要數據分析專業人才。數據分析師的職位需求隨之不斷增長，全國數據分析師的職位由2014年初的200多個職位增長到接近3000個職位。正如著名出版公司O’Reilly的創始人Tim O’Reilly斷言，大數據就是下一個Intel Inside，未來屬于那些能把數據轉換為產品的公司和人群。

優秀的數據分析師已經成為促進各行各業發展，推動國家經濟進步的重要人物。但我國針對數據分析的研究起步晚，市場巨大，職位空缺現象十分嚴重。因此，培養數據分析人才的項目活動應引起高度重視。

1互聯網環境下的數據分析師

1.1數據分析師的定義

談起數據分析師，很多人都認為其職位高高在上，不可企及，但實際并非如此。讓我們從案例出發來探索其內在含義，數據分析最經典的案例便是“啤酒與尿布”，沃爾瑪超市將Aprior算法引入Pos機數據分析發現美國年輕的父親去超市為嬰兒購買尿布的同時，往往會順便為自己購買啤酒，這樣便使尿布和啤酒這兩樣看似不相干的商品有了某種聯系。于是，沃爾瑪嘗試將兩種商品擺放在同一區域，進而取得了意想不到的良好銷售收入。可見，數據分析是運用適當的方法對收集來的大量數據進行分析整理，篩選有價值的信息并形成相應的解決方案以幫助人們作出判斷，采取適當行動的過程。

1.2數據分析師的層級分類

經對多家招聘網站數據分析師的招聘信息進行分析研究，發現目前數據分析師大體分為三個層級：傳統行業的數據分析師、互聯網初級數據分析師、互聯網高級數據分析師。傳統行業的數據分析師的主要工作是整理、處理數據，專業技能只要具備一定的數學和統計學知識儲備即可；第二層級是互聯網初級數據分析師，職位要求在傳統數據分析師的基礎上掌握少數的計算機工具譬如SPSS、SQL等，從職人員需具備一定的數據敏感度和邏輯思維能力，能夠對數據源進行分析并能制作數據報表；互聯網高級數據分析師是一類復合型人才，要熟悉業務環境并能與技術相結合解決企業實際問題，并掌握數據挖掘常用算法和一系列相關的分析軟件，他們的工作與企業發展密切相連，擁有一名優秀的數據分析師的企業將擁有與同行業競爭的資本。

1.3數據分析師的能力需求

數據分析師的工作分為采集、存儲、篩選、數據挖掘、建模分析、優化、展現、應用等一系列過程。接下來從主要步驟詳細分析數據分析師的能力需求。數據挖掘過程即從海量數據中提取潛在的有價值的信息，要求數據分析師掌握一系列相關分析方法譬如聚類分析、關聯分析、等并能熟練運用數據挖掘算法和相關工具；建模分析即對數據抽象組織，確定數據及相關性的過程，在此基礎上要掌握譬如決策樹、神經網絡、K-means算法、SVM等至少一種相關算法；展現過程要求具備數據整理、數據可視化、報表制作能力，熟練應用D3、Vega實現數據可視化，并能運用R和DateWangler工具將原始數據轉化為實用的格式。

2數據分析師的培養現狀

2.1國外數據分析師的培養現狀

在國外，無論是學術研究還是企業部門，數據分析已發展到較為成熟的地步。斯坦福大學的研究成員著手開發MEGA（現代動態網絡圖像分析Modern Graph Analysis for Dynamic Networks）并與多家媒體公司緊密合作，研究社交媒體中的用戶行為，建立模型并探究其中的規律；哥倫比亞大學已開設了《數據科學導論》和《應用數據科學》課程，從2013年秋季起開設“數據科學專業成就認證”培訓項目，并于2014年設立專業碩士學位和博士學位；華盛頓大學開設《數據科學導論》課程，并對修滿數據科學相關課程學分的學生頒發數據科學證書。數據分析師在國外已引起了充分的重視，他們均衡分布在各行各業，運用掌握的專業知識并結合相關思維為自身、企業乃至社會的發展做著不小的貢獻。

2.2國內數據分析師的培養現狀

近年來，在國內，大數據的概念雖被媒體和行業廣泛提及，但數據分析算是剛剛起步，數據分析師的培養課程未得到普及，我國目前將數據分析納入教學體系的高校寥寥無幾，開設相關課程并取得一定成果的有：香港中文大學設立“數據科學商業統計科學”碩士學位；復旦大學開設數據科學討論班，于2010年開始招收數據科學博士研究生；北京航空航天大學設立大數據工程碩士學位；中國人民大學統計學院開設數據分析方向應用統計碩士。

和國外相比，我國數據分析師的人才培養機制還未成熟，高校教育仍存在各種各樣的問題，譬如，大學生雖然從多門課程中接觸到與數據分析相關內容，但各門課程的教學資源未能實現有效的整合。互聯網環境下，大數據帶來的是一場革命性的變化，若想把握機遇，實現國家經濟革命性發展，首要任務就是數據分析師的培養。

3如何成為優秀的數據分析師

數據分析師作為新時代新興起的高薪職業，對人員的能力要求是相當高的，下面將根據數據分析師的定義、能力需求并結合互聯網環境的時代背景，對數據分析師的成才途徑作出詳細的分析。

思維變革，數據分析師成才的前提。首先要在思維方面有所改變，培養自身數據思維、多模式思維、邏輯思維和結構化思維。數據思維即量化思維，對數據具有獨特的敏感度，相信一切事物皆可量化；多模式思維即構造多種想法和解決思路，拓寬思維，從多角度出發，以尋求最優的解決問題的方案；邏輯思維，在錯綜復雜的海量數據中要有縝密的思維和清晰的邏輯推理能力才能按照自己既定的目標有效解決問題；結構化思維即系統性思考問題，深入分析內在原因，能夠制定系統可行的解決方案。

技能變革，數據分析師成才的工具。作為一名優秀的數據分析師若想在互聯網環境下對海量數據進行有效的管理，就要努力學習相關的專業技能。要掌握多種機器學習方法，不斷學習相關軟件應用，譬如，Java、Python、SQL、Hadoop、R等等，這將成為數據分析全過程的輔助工具；除此，還要掌握一定的心理學知識，能夠很好的分析和解釋客戶行為；在此基礎上，最核心的是要掌握一定的業務能力和管理能力。

素質變革，數據分析師成才的保證。在個人素質方面，互聯網時代對數據分析師的要求增多，若想成為優秀的數據分析師就應不斷學習完善以下素質能力：對工作的態度嚴謹認真，對數據的變化時刻保持敏銳的洞察力，對方法的運用保持一定的創新性，對團隊保持團結合作之心，能與顧客溝通交流并及時了解他們的需求。

實踐，數據分析師成才的推動力。數據分析師的職責是幫助企業挖掘市場價值、發現機遇、準確進行市場定位并從海量數據中找出問題，提出解決方案。因此，在數據分析師的成才道路上，實踐是必不可少的。相關人員要在掌握理論的基礎上，敢于應用于實踐，充分考慮數據中存在的價值和風險。使自我能力在實踐中不斷改進和完善。

4給我國高校的建議

高校為數據分析師的成長提供指導和途徑，肩負著為我國社會培養有用人才的重任，因此高校要努力構建數據分析師的人才培養機制，不斷輸出數據分析相關人才。

高校的首要任務是，強化師資力量，改進教學方法。各大高校應聯合共建優秀師資團隊，鼓勵教師考取數據分析師資格證，并到實際企業中進行歷練。再者，我們要組建專門師資團隊到國外開展學習工作，取其精髓，去其槽粕，不斷優化我國數據分析師的培養體系。

第二、培養專業化的人才就要有效整合各門課程的教學資源，構建系統性教學結構。鑒于市場對數據分析師的需求的火熱程度，高校完全可以開設專門課程，將與數據相關的課程進行有機的整合并開設數據分析導論、基礎等課程，制定數據分析系統性課程體系，專門為市場培養數據分析的專業人才。

第三、在具備優秀的師資力量和良好的教學體系的基礎上，高校也高度應注重學生興趣的培養。數據分析師是新時代的復合型人才，一名優秀的數據分析師需掌握包括數學、統計學、運籌學、社會學、管理學以及大量軟件應用在內的大量相關知識，學習過程會十分繁瑣、復雜，學習周期長，學習難度大，所以建議各大高校在制定教學體系時應合理安排課程，在教學過程中應注重課程的趣味性，寓教于樂，采用案例導入、項目教學等教學方法，逐漸培養學生對數據分析濃厚的興趣。

第四、隨時更新教學數據，培養適應時展的人才。基于大數據的4V特征即大量化（Volume）、多樣化（Variety）、快速化（Velocity）、價值化（Value），在培養數據分析人才的期間，高校一方面要注重數據的全面性，另一方面要注重數據的更新，及時更改教學方法和教學案例，與時俱進。高校要充分利用互聯網的優勢，引入MOOC（Massive Open Online Course，大規模網絡開放課程）教學方式，充分發揮大數據在教育領域的作用，克服傳統教學方法資源少、反饋慢、綜合分析困難等缺點，將數據分析的研究成果應用于數據分析人才的培養，實現數據分析行業的良性循環。

第五、注重理論與實踐相結合，努力為學生搭建實踐的平臺。高校可考慮校企合作的教學理念，邊教學邊實踐，讓學生將所學到的理論知識轉化為實際應用，一方面在實踐中鞏固并檢驗自己的理論知識，另一方面數據來源真正的企業運營中，讓學生切實體驗數據的作用和風險，有助于塑造真正對企業有用的人才。

5結語

綜上所述，互聯網帶來了全球范圍的數據信息大爆炸，這對企業來說是機遇同時也是挑戰，能將大數據為自己所用，是企業取勝的關鍵，因此數據分析師逐漸被各行各業認可。文章從數據分析師的定義出發，結合目前的時代背景，對數據分析師的每一工作步驟所需的能力進行研究，旨在初步探索優秀數據分析師的成才之道，為即將成為數據分析師的學者提供一定的理論參考。最后，針對如何構建數據分析人才培養體系，對我國高校提出了幾點建議。高校的培養只是為數據分析師提供成才的途徑，如何成為資深的數據分析師還有賴于每個學者的不斷探索和研究。

參考文獻：

[1]張明元.數據分析師的職業是否高不可及[J].出國與就業，2007（08）：56.

[2]鄭葵，馬濤.經管類專業大學生數據分析能力提升策略探討[J].商業經濟，2013（19）：52-53.

[3]馮海超.大數據時代正式到來[J].互聯網周刊，2012（24）：36-38.

[4]譚立云，李強麗，李慧.大數據時代數據分析人才培養的思考及對策[J].科技論壇，2015.

[5]尹穎堯，李鴻琳.趕緊培養數據分析師[J].大學生，2013（18）：78-79.

[6]程征.提升數字閱讀質感的數據分析師[J].中國記者，2013（6）：46-47.

[7]張文霖.數據分析師那些事[J].統計論壇，2013（7）：44-45.

篇7

關鍵詞：實驗室建設；計算機專業；大數據分析

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

1大數據分析實驗室建設的必要性分析

1．1大數據社會產業需求分析

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

1．2學生大數據就業需求分析

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

1．3學生理論學習與實踐相結合

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

2大數據分析實驗室建設目標與建設內容

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

3大數據分析實驗室實施方案

3．1大數據分析實驗室建設思路

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

3．2大數據分析實驗室建設

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

4結語

篇8

 

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。

 

作者：霍云艷 來源：中國集體經濟

篇9

大數據的蓬勃發展為統計學專業人才培養模式的創新提供了有效途徑，引領了統計學專業人才培養模式的改革方向，融入了統計學專業人才培養模式的各個環節。本文系統明確了統計學專業人才培養模式的改革方向，探討如何利用大數據完善人才培養模式的各個環節。

關鍵詞：

大數據;人才培養模式;教學模式

2015年9月5日，我國政府公開《國務院關于印發促進大數據發展行動綱要的通知》，大數據逐步走上我國經濟社會發展的大舞臺，在社會各個領域中發揮著巨大的促進作用。高等教育作為我國培養高素質人才的主要陣地，避免不了受到大數據的沖擊和影響。有效利用大數據是化解沖擊并促進高等教育改革的明智之舉。高等教育改革的關鍵是改革人才培養模式，將大數據融入人才培養模式改革的各個環節會達到事半功倍的效果。

一、大數據引領統計學專業人才培養模式的改革方向

1.大數據引領培養目標的改革方向。隨著大數據的迅猛發展，大數據分析公司不斷涌現，傳統的調查公司、數據分析公司紛紛轉型，社會急需大量的大數據分析人才。統計學專業按以往培養目標培養的數據分析人才已經不能滿足社會需要，因此必須對人才培養目標進行改革，培養目標應從培養專門的統計人才轉換為培養精通統計學知識、計算機技術（大數據分析技術），了解相關行業背景的復合型統計人才，保障統計學專業能夠為社會經濟發展輸送高質量的大數據分析人才。2.大數據引領課程設置的改革方向。課程設置是實現培養目標的關鍵環節，為實現培養大數據分析人才的目標，課程設置應該與培養目標相配套。課程設置的核心課程中應該引入大數據技術相關的計算機軟件、語言及算法課程，選修課程中應該增設一些輔助大數據分析的數據挖掘類相關課程及不同行業的相關專業背景課程。3.大數據引領實踐教學的改革方向。實踐教學環節設計的基本原則是能夠有效檢驗理論教學環節的學習效果，同時鍛煉學生的分析問題，解決問題的能力。因此，相應于培養目標和課程設置的改革，實踐教學環節的改革應注重學生大數據分析能力的檢驗和鍛煉，積極為學生創造豐富的大數據分析實踐機會。例如，在調查分析課程中引導學生改變傳統的調查方法，盡量通過數據挖掘揭示某一類現象背后的發展規律，積極開展與大數據分析公司或者相關行業的企業的合作，為學生進行大數據分析實踐提供數據及技術支持。4.大數據引領教學方法和手段的改革方向。MOOC、翻轉課堂和大量的在線資源的出現為統計學專業教學方法和手段的改革提供了豐富的資源基礎，有效構建充分利用各種資源的混合教學模式將成為統計學專業人才培養模式改革的一個重要組成部分。5.大數據引領評價方法的改革方向。傳統的評價方法主要注重期末時的總結性評價，忽略過程評價，因此應廣泛和合理利用教學各個環節留下的痕跡，即形式各樣的數據，創新教育教學評價方法，以此達到對學生、教師及教學效果的科學評價。

二、大數據融入統計學專業人才培養模式的構建

1.大數據融入人才培養目標的制定。人才培養目標的制定一方面要適應經濟社會發展的需要，另一方面要從生源質量，辦學條件出發，不能盲目追求高目標，因此適當對本校統計學專業歷屆生源質量和辦學軟硬件條件等相關數據進行挖掘和分析，有利于制定切實可行的人才培養目標。當然這需要人才培養目標制定者有一定的數據挖掘和分析的能力，需要學校各個相關部門的配合，實際操作起來存在一定困難。2.大數據融入教學方法和手段的選擇。教學方法和手段的選擇一方面依靠豐富的資源，打破傳統的大客廳式的封閉教學模式，另一方面要注重以學生為本和因材施教，這就需要對每個學生的基本素質有客觀的把握，僅靠教師的力量很難做到這一點，因此應適當引入相關技術和設備幫助收集課堂教學，課后作業等教學各個環節的實時數據，利用大數據技術全方位綜合考量每一位學生的基本素質，為教學方法和手段的選擇提供客觀的依據，真正意義上做到因材施教。對于一些利用計算機或其他電子設備完成的環節，收集數據的同時，應適當建立針對不同學生的教學策略，以此實現個性化教育。3.大數據融入實踐教學環節的設置。統計學專業的實踐環節設置應充分考慮利用學習分析和數據挖掘技術分析學生的學習心理，學習行為及學習能力，充分了解學生的前期學習情況，分析教師課堂教學水平和教學能力，充分挖掘教師的特長，以此為基礎打造實踐教學環節師生的完美匹配，不再拘泥于一個班級或一個專業的學生同時進行相同的實踐項目，可以有效提高實踐教學的水平和學生的實踐能力。4.大數據融入教學評價體系的完善。傳統的教學評價體系不能夠客觀評價人才培養的各個環節的效果，通常是對結果的評價。因此，學校需要利用大數據技術全面分析和挖掘每一個環節的相關數據，包括學生的學習過程，教師的教學過程等，有效利用數據說話，避免對學習效果及教學效果的片面評價，完善統計學專業的教學評價體系。大數據為統計學專業人才培養模式的構建帶來了機遇的同時也提出了挑戰，我們不能盲目跟風，應認真結合統計學專業學科特點及各方面的條件，合理利用大數據，構建切實可行的人才培養模式。

參考文獻：

[1]陳樹良.統計學專業創新型人才培養模式的研究[J].遼寧工業大學學報（社會科學版），2012

篇10

“大數據”是2012年以來信息技術領域中最為炙手可熱的詞匯。社會發展已經進入對大數據處理的搶奪戰中。MOOC教育在大數據的影響下，突破了傳統教學體系中存在的各類阻礙，不僅變革了傳統的教學體系，還催生了全新的教與學文化。現代大學教學體系一方面需要變革傳統教學中的種種弊端，例如，教學內容陳舊、教學方式僵化、教學成果評價單一、教學文化缺乏活力；另一方面需要面對科技快速發展提出的挑戰。大數據環境下，MOOC不斷實現突破和創新，一個處于科技前沿的全新大學教學體系正在其影響下悄然形成。

一、大數據的內涵與特點

目前，對大數據還沒有統一的定義。基于大數據的特點，行業內普遍從大數據的規模性、多樣性以及高速性、價值性四個方面闡述其內涵。首先，大數據能夠幫助對現有事物有感知作用。“面向領域或主題的歷史數據與當前數據的融合，是對潛在線索與模式的挖掘、對事件群體與社會發展狀態的感知。”[1]其次，大數據能夠對未來發展有預測作用。通過數據，整理、提煉出事物發展的未來趨勢，為工作提供一定的可靠材料。最后，大數據發揮出服務作用。利用大數據，提高社會服務的效率是其所要實現的目標。

二、MOOC與大數據

MOOC（Massive open online course）即大規模開放式在線課程。“大規模”“開放”“在線”突出表達了MOOC的特點。MOOC的興起與互聯網技術、傳統教育模式、高等教育成本有直接的關系。互聯網技術將人們帶入了前所未有的科技世界中。互聯網技術直接改變了人們的生活方式、工作形式。互聯網技術為MOOC的興起提供了最直接的技術支持。20世紀初，美國教育家杜威提出“新三中心”，即“以兒童為中心，以活動為中心，以經驗為中心”。他的教育思想是對傳統教育模式的有力反擊。對于滯后的傳統教育模式，MOOC教育同樣對出相應的變革；高等教育成本是每一所高校不可回避的問題。“在世界范圍內，高等教育成本的大幅攀升使得低成本的教育解決方案在廣泛的人群中擁有龐大的需求，美國大學生一年大學學習的平均花費為27，435美元，這意味著一名學生獲得學士學位需要花費超過10萬美元。”[3]MOOC教育的免費政策正是該項高教難題解決的辦法之一。

MOOC與大數據之間關系緊密。首先，MOOC本身依賴于互聯網技術，是科學技術的體重體現。其次，MOOC產生大量待分析的數據。在MOOC教育平臺上，從參加課程的學生名單到教師授課內容的統計等，產生了龐大的待分析數據。最后，MOOC在教學體系中運用大數據分析技術。良好的數據分析將會大大提高MOOC對實際數據的利用能力。通過對數據的挖掘，MOOC能夠獲取第一手有價值的教學信息，結合數據反饋的信息，在教學體系構建中利用起來。

大數據背景下，MOOC對于高等教育領域的影響在于，它借助于大數據分析手段在教學內容、教學方式、教學成果評價和教學文化四個方面為學生、教師、學校重新構建了一個全新的教學體系。

三、大數據有助于MOOC重構大學教學體系

“技術向來都是教育的附屬品。技術通過促進一個人人平等的知識狂潮而發揮著核心作用，在這個知識狂潮中，學習即是開放的，也是不受班級與課表的限制。”[3]教學內容、教學方式、教學成果評價以及教學文化共同構成了教學體系。大數據分析手段幫助MOOC教育重新塑造大學教學體系。

1.大數據中的MOOC教學內容

MOOC教育在大數據分析手段的影響下，教學內容將有重大的變革。根據我國互聯網信息中心統計數據顯示，“截至2010年12月，中國青少年網民規模為2.12億。青少年互聯網滲透率較高，60.1%的青少年都是網民，超出全國平均水平25.8個百分點。”[4]現代大學生是真正意義上的“數字土著”。“數字土著”是“美國北卡羅來納大學著名學習軟件設計家Marc Prensky提出了‘數字原住民’（Digital Natives）和‘數字移民’（Digital Immigrants）的概念，用以表征父輩與子輩在數字化技術方面的巨大差異。”[5]

在傳統大學教育體系中，教學內容的確定有一定的滯后性、呆板性。教材知識內容更新緩慢，不顧知識發展的規律，重復使用，對于學生來說弊端較多。同時，教學內容缺乏靈活性。呆板的教學內容調動不起來學生的積極性。通過高端的大數據分析技術，MOOC將大量的、豐富的教學內容提供給學習者。“MOOC在當今社會之所以形成強大浪潮，引起人們廣泛關注，根本原因在于它為人類的知識創造提供了一個嶄新平臺。”[6]MOOC優質的課程資源搬到網絡上，變革了傳統的教學內容。例如，Coursera是免費的大型的公開在線課程項目，該平臺上的課程總數已達124門。MOOC平臺上，學生可以任意選取自己感興趣的課程，感受名校教授講課的魅力，體驗不同教授對知識的多樣見解。數據顯示，“來自世界各地的160000人注冊了斯坦福大學Sebastian Thrun與Peter Norvig聯合開出的一門《人工智能導論》的免費課程。”[7]在此基礎上，MOOC教育提供者能夠獲取學生選擇課程的具體信息。從這些信息中，研究人員將受到學生歡迎的課程羅列出來，供教育研究人員、教師參考。大數據分析成功的將學生感興趣的教學內容呈現出來，方便教師及時調整課程的上線數量。無形中，大數據分析改變了傳統教學內容。全新的教學內容將得到更多學生的喜愛。

2.大數據背景下的MOOC教學方式

教學方式是指教師在要求學生獲取知識，提高能力，獲取學習方法的過程中所采用的方式。MOOC教育中，數字化的教學方式逐步滲透到高等教育當中。由于MOOC教育中知識的學習通過視頻與網絡傳播，教師的教學方式必須做出相應的轉變。MOOC數字化的教學方式是循序漸進的過程，電腦化的教學方式也將被學生、教師逐漸適應。亞利桑那州立大學的執行副教務長菲爾?萊杰爾認為“我想大部分的教師會認為這是一個好的轉變。另外，3年后80%的教師都會熟悉數字化的教學方法了。”[8]除去數字化的教學方式，MOOC平臺上的課程教師還將多種教學方式結合起來。通過一段時間的檢驗，一些課程通過數據分析，教師還根據數據反映出的不足改進自己的教學方式。MOOC促進了師生之間圍繞知識進行更多的互動。利用大數據分析手段，教師可以將課堂上的時間空出來，利用課堂時間將關鍵的問題羅列出來，引導學生進行討論。在此基礎上，大數據分析催生了多種教學方式的綜合運用。

3.大數據分析中的MOOC教學成果評價

MOOC利用大數據的優勢變革了傳統教學評價方式。一般來講，教學成果評價表現在兩個方面，一是教師評價改進自身課程，提高課程質量。二是學生學習成果的評價。以往的教學成果評價的弊端在于只有等到考試的時候，教師才第一次了解到學生是否真正掌握了知識。然而，MOOC平臺上，通過對大數據的分析與處理，教師可以迅速的改進課程。“由于MOOC課程參與人數極多，機器學習機制能夠對大量數據進行分析，從一個人看過多少次視頻，到一個題目有多少人答對。”[9]教師通過平臺后的數據庫，能夠分析數以千計的學生學習成功與失敗的關鍵原因，找到課程需要相應作出調整的地方。更值得注意的是，MOOC的實時性。MOOC可以使教師在任意時間內都能夠獲取到這樣的數據加并以分析和利用。教師獲取這些數據后，既可以改進課程，又可以給學生更好的建議，幫助他們改變學習方式，提高學習成績。對于學生來說，MOOC平臺上，學生學習成果評價在“具體評價方式與課程認證兩個方面對傳統模式進行了革新。”[10]大數據為MOOC平臺的學生提供更新穎的評價內容。首先，MOOC教育中采取了軟件機器評分與同學互評相結合的方式。MOOC對于理工科學生的學習成果多采用軟件或機器的評分方式。利用軟件或機器的優勢在于它們能夠更為精確的批復出學生作業或測試中的錯誤。

4.大數據影響下的MOOC教學文化

從現有教學文化內涵研究來看，不同學科的研究者提出了不同的闡述內容。一般認為，教學文化“基本結構分為三個方面即教學的有效性、學生的參與性以及學習的主動性。”[11]大數據分析方式對教學文化的影響是出乎意料的。首先，大數據分析手段幫助MOOC教育增強了其教學的有效性。以往部分教師在教學內容的選擇、設計上沒有下功夫，知識更新速度慢。MOOC平臺上，教師為學生提供的是高質量的教學內容。MOOC上的課程都是經過精心篩選，出自世界名校教師之手。這些課程教授過程中，教師采取了多樣的教學方式，教學語言多樣化，適應不同學習需求的學生。頻繁的互動，將有助于避免學生注意力分散情況的發生，進一步提升了教學的有效性。MOOC課程不僅能夠實現在課堂上師生之間的交流，同時，還有助于在課堂上形成師生、生生之間的溝通與交流。其次，大數據分析手段幫助MOOC教育提升了其學生的參與性。通過MOOC數據統計顯示，在以往在線教育過程中“每學期只有5%-10%的學生能做到經常在教室里或課堂上參與深入討論，其余學生的態度則是相當消極的。”[12]因此，高等教育教學必須將學生的參與性調動起來，這樣才能更好的實現教學目標。MOOC教育實現了提升學生學習精力投入的目標。

MOOC教育對高等教育國際化同樣做出巨大貢獻。現代教育的主要特征在于它的國際性和融合性。突破國界和地域限制，MOOC教育正是踐行知識世界融合的目標。在大數據技術的支持下，MOOC不僅將課程提供者的價值觀念、思想意識快速的在世界范圍內傳播，同時，MOOC還使學習者更加直接的面對不同理念、價值、文化潛在的影響。