时间：2023-05-30 09:06:12
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇课堂大数据分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
大数据必将给教育带来巨大的改变，曾经依靠经验和灵感的授课过程，将被以数据分析为主的决策分析所代替。而计算机教学既是大数据技术的传播载体，更是最应率先应用大数据技术的课程。无论如何，大数据已经就在我们眼前，已经悄然改变着教学过程，也必将深度改变学校的计算机教育模式。
（一）计算机教学内容的变化
随着大数据技术的发展和大数据分析的成熟，大数据技术及应用必然会成为各高校重要课程。现在，美国的学校已经开设相关课程，比如，大数据分析统计基础、大数据分布式计算、大数据挖掘与机器学习等。国内一些高校也正在尝试开设大数据课程，帮助学生了解大数据，学数据分析。下一步，大数据基础、大数据分析、大数据处理的核心技术等等，必将成为计算机专业的必学内容，也会成为高校重要的基础课程。另外，计算机智能教学系统和教育测评软件将更多地使用在教学中，以记录学生的学习轨迹。而计算机专业的教师也必须熟练掌握大数据技术和分析方法。
（二）计算机教学思维的变化
原来的计算机教学基本是灌输式教学，老师教授的是计算机基础知识、C语言编程的模式、数据库的基本架构，等等。大数据和互联网的发展必然会改变这种授课方式，使知识的接受方式呈现多元化倾向。随着移动互联的发展，学生可以随时随地通过互联网更便捷的获取学习内容。而课堂上单纯的照本宣科、按部就班将不能吸引学生的注意力。因此，教师必须转变教学思维，以更多的案例和互动式教学，引导学生去寻找解决问题的办法，寻找“芝麻开门”的钥匙，只有如此才能让学生有兴趣待在课堂。同时，大数据带来的将是对海量教学案例的数据分析，让教师对计算机教学的难点及教授方法优劣有了更加清晰的认识，不必依靠教学经验去判断教学效果，完全可以驾轻就熟地进行互动教学，启发学生寻找最优解决方案，将是大数据时代下计算机教学的突出特点，这是对计算机专业教学思维带来的革命性变化。
（三）计算机教学模式的变化
目前，计算机教学主要模式是备课—教授—上机—测试，教师主要的精力放在了课前备课。而大数据技术的应用，将会让教师把更多的精力放在课后分析上，形成“备课—教授—上机—测试—数据分析—改进”的模式。在这个模式中，课后的数据分析将是整个教学过程的关键环节。通过大数据分析，可以对一个班的学生进行整体学习行为评价，可以对学生上机测试情况进行细化分析，可以对每个学生的学习习惯进行学习评估，分析学生的学习中偏好、难点以及共同点等，从而得出学习过程中的规律，改进教学方式，提高教学质量。
（四）个性化教学的深入开展
大数据技术的发展，使建立覆盖学生学习全过程、全要素的信息库成为可能，学生大量的试卷、课堂表现留存，学生的学习经历及成长轨迹，学生的家庭情况等等，都将被涵盖在大数据分析中。另外，前述的计算机智能教学系统和教育测评软件，将详细记录学生每次答题的背景、过程和结果。这些信息让教学分析变得更加容易，教师可以利用数据挖掘的关联分析和演变分析等功能，依靠学生的某些学习特征，比如答题持续时间，具体回答步骤和内容（可以细化到每次击键和每个笔划），答对的要素和答错的要素等等，在学生管理数据库中挖掘有价值的数据，并分析学生的日常行为，研究各种行为的内在联系，来据此形成针对学生个性化的教学策略，以帮助学生在学习方面取得更大的突破。
二、小结
关键词:民办院校;法学教学改革;机遇
一、“大数据”简介
大数据给法学教学带来了对于如何分析学生学习情况的全新认知方式。
二、大数据为民办院校法学教学改革带来的新的发展机遇
民办院校的教师师资力量弱，学苗差，学生考研率低，就业率低。长春财经学院在法学教学改革中，引入翻转课堂教学模式。而大数据作为一种新的研究方式，可以为翻转课堂提供更好的数据分析。(一)辅助提升法学学情分析。利用大数据可以从海量的数据分析中，提供教学需要的学生学习情况的信息。促进教师进行教学改革，提升教学效率。1．大数据对学习过程进行监控大数据则可以通过对学生线上学习过程进行监控，为教师提供数据帮助教师掌握学生学习情况。如为了防止学生观看视频的学习过程中有偷懒行为，保证学生学习的效果以及成绩的真实性，超星等网络平台也采用了许多新的手段。2．大数据对学生学习效果提供统计数据大数据可以帮助教师对学习效果进行统计。如，提供随堂测验的统计数据等。在教学实践中，如何对学生的学习效果进行合理的评价，仍是一个需要进一步改革的问题，尤其是采用翻转课堂教学模式下。(二)辅助配置教学资源。大数据可以辅助教学资源的优化配置。在当前的教学改革工作中，要注重大数据的分析，特别是对于学情的分析，确保教学改革取得应有的效果。通过利用大数据对学生学习情况进行分析，查找规律，辅助教师评估每个学生的学习质量、效果及学习的困难点，从而合理分配教学资源。(三)促进教师和学生的良性互动。在网络信息时代，学生对于知识的需求量越来越大，社会对于学生的能力的要求也越来越高，要求上岗即能上手，因此，学生需要真正能够利用所学知识解决问题。而大数据可以更好的促进二者关系的良性互动。
三、大数据时代民办院校法学教学改革面临的主要挑战
在大数据时代，法学教学改革迎来了新的问题。当前，法学教学改革中面临着许多与大数据时代相关的挑战，其中较为典型的问题包括如下几个方面:(一)大数据对真实学情的掌控上，仍需完善。目前，超星尔雅平台已经建立起了教学互动平台，利用大数据对学生的网络学习过程及效果，及时进行统计分析。然而，在实践中，依然存在大数据无法掌控的问题，如不能真实的反映学生的学习效果。(二)如何运用大数据分析学情，仍需论证。目前，大多数的教师认为，目前大数据可以作为学情分析的参考，如分析学生的学习习惯，但不能以此作为认定学情分析的标准。综上，在不断的深入法学研究的方方面面，大数据为法学研究提供数据参考，也为我们法学教学提供数据分析，为法学教学的现代化提供有益的辅助支持。我们要提升重视现代化科技力量的运用。利用大数据对海量数据分析、整合，从而发现学生学情的新规律，提升法学教学水平，在运用大数据时，需要注意数据固有的局限性，对数据分析进行恰当合理的利用。
［参考文献］
［1］JohnGantzandDavidReinsel，“ExtractingValuefromChaos”，IDCiView［J］，(Jun．，2011)，pp．1－12．
关键词 泛在学习 学习生态 有效学习 英语学习 大数据
近年来，移动互联网、大数据等信息技术发展日新月异，已经成为推动教育变革的重要力量。移动通信终端的普及为学生营造了泛在英语学习环境，大数据技术开启了个性化智能教育时代，翻转课堂、MOOC、微课等新型教学模式层出不穷，虽然它们不能取代传统教学模式，但英语教师必须与时俱进，重视信息技术对传统英语课堂的改造和提升，以全新的视角思考英语教学的变革方向。
一、研究理论概述
1.泛在学习理论
泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。
2.学习生态理论
学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。
3.有效学习理论
有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。
二、当前英语泛在学习模式存在的主要问题
1.传统课堂教学和线上教学环节缺乏有效衔接
首先，魍晨翁媒萄Ш拖呱辖萄г诮萄Ы谧唷⒅识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。
2.泛在学习缺乏生态性系统设计，学生英语泛在学习的用户黏性不高
当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。
3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境
建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。
三、基于大数据分析的英语泛在学习生态系统
移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型（图1）。
1.大数据采集子系统
首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。
英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。
网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。
2.大数据存储子系统
大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同r通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。
3.大数据分析子系统
认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。
4.大数据应用子系统
大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。
语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。
基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。
参考文献
[1] 张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.
[2] 曹贞.以有效学习为目标的大学课堂教学[J].教育与职业，2007（26）.
[3] 陈明选，陈舒.论信息化环境下大学生的有效学习[J].高等教育研究，2013（9）.
课堂教学优化研究是高校教学改革中一个亟待解决的热点问题，它直接关系到教学改革成功与否。大数据环境下教学模式的创新与改革是时展的必然要求，如何构建智慧学习环境、实现新的教学形态和学习模式是新形势下教学模式改革的重要内容。一方面，是时展的必然要求。大数据是教育未来的根基，没有数据的留存和深度挖掘，教育信息化只能流于形式，每一次技术的革命都革新了教育的一个时代。另一方面，提高教学创新与改革的成效。大数据环境下课堂教学已经发展成为新形?菹陆萄Ц母锏慕萄?模式。
1 大数据给课堂教学模式带来的影响和挑战
1.1 “大数据”提供新的教育平台
自2011年开始美国教育领域率先掀起了在线教育的改革浪潮，智能学习平台在全球逐渐兴起，如Coursera等。全球多所高校通过在线教育平台免费开放课程，实现了教育资源的共享和交流。这种在线学习平台改变了传统的面对面教学模式，必将给现代教学改革带来深刻的影响。
1.2 “大数据”发展新的教学模式
大数据时代线上学习逐渐成为学习知识的主要途径，并且能轻而易举获取最优秀的教学资源。除此之外，它还能对学习者的学习行为自动进行提示、诱导和评价，进而弥补了缺乏面对面交流指导的不足。通过智能分析、整合大量的在线学习行为，它能很轻易地掌握学习规律和特征，然后针对具体学习者提供有针对性的辅导，最终实现在线学习和即时交流学习心得，以及实现学习互动。
1.3 “大数据”重建教学评价方式
传统教学评价活动主要是学生根据任课教师的授课表现进行评价，以及教师依据学生考试成绩和平时成绩等对学生进行评价。但是，传统教学评价活动往往缺乏沟通的及时性和互动性，教学评价结果无法实现即时反馈。比如教师无法明确知道哪些教学方式是最受学生欢迎和接受的。而大数据技术通过分析师生长期教学行为，得出具有个性化的教学行为和规律。“大数据”评价方式从技术层面以更科学的方式归纳总结教学活动规律，它实现了过程导向评价而非结果导向评价。
2 大数据环境下教学模式创新的动力机制分析
近年来随着技术的不断成熟发展，“大数据”为传统教学模式的创新和改革注入了新的活力和动力。“大数据”环境下教学模式的创新，主要通过三个层面的三种转变来实现：一是教师层面从经验式教学向数据分析式教学转变；二是学生层面从依赖课堂和教师向分析自身学习行为转变；三是媒介层面从简单、单一的工具向多样、复杂的多媒体介质转变。
2.1 教师层面：从传统教学经验转向海量数据理性分析
传统教育领域主张，由富有教学经验的几十年老教师通过传、帮、带年轻教师的方式发展教师队伍。这一主张在今日仍然被广泛应用。这主要是因为，老教师经过多年教学实践形成和积累了丰富的教学经验，而这种教学经验的多少、优劣与教师的教学质量紧密相关。归根结底，教学经验的积累和运用仍然是属于有限理性范畴。在大数据时代，计算机会对存储的海量教学记录进行分析，并且能及时为有需要的教师提供相应的教学解决方案，此种教学解决方案是建立在理性的数据分析基础上的。因此，在大数据时代教师的授课方式也将迎来全新的转变，教学经验在教学活动中的优势地位将得以改变，逐渐向教学案例理性分析转变。
2.2 学生层面：从依赖于课堂和教师转向对自身学习过程的数据分析
如今的教学授课方式仍然是“一对多”的教学模式，这种“大锅饭”式集体授课方式在有限的时空范围内无法真正实现“因材施教”。在传统课堂教学中，授课教师无法照顾到每个个体差异而提供相应的教学措施，教师对课堂教学节奏的把握仍然是基于教师的经验判断，教学过程仍然是按部就班地开展。在大数据环境下实现对个体学习数据的分析是完全可能的，也就是数字化学习过程，而通过现代媒介工具则是完全可以实现数字化学习过程的。比如，通过测试题库的完成时间和答题准确率等学习记录数据，计算机针对数据进行分析，进而发现个体学生需要重新掌握哪些知识点，哪些知识点又是需要进一步巩固的，这样，学生的学习行为与知识点建立了联系，而大数据又能因人而异提供有效的指导，使每个个体能够有的放矢。
2.3 媒介层面：从简单、单一的工具转向丰富、多样的多媒体介质
传统教学模式下教材是主要的学习资源，而板书、PPT展示是主要的授课手段，这些学习载体和工具都是单向沟通的，知识接收者的信息反馈并不畅通，更别提挖掘和分析知识接收者的学习行为了。随着信息技术的发展，数据量、数据处理能力都得以质的发展，这都是依靠现代丰富的、多样的媒介工具和分析工具而实现的。通过这些工具和媒介，知识传播者和知识接收者之间的界限被打破，两者可以实现即时的沟通和交流，能更贴近接收者，理解接收者的需求。
3 “大数据”教学模式的特征分析
3.1 注重教学的预测性判断
“大数据”对传统教学活动和教学过程进行了改良，一方面“大数据”通过大量数据分析会对教学活动出现的新情况进行调整；另一方面，新知识点和新教学法随时会被挖掘出来，教学内容和知识更具有前瞻性。“大数据”的重要功能，是在复杂的教学过程中根据海量数据进行分析，进而归纳总结出具有预测性的内容。比如个体学生采用什么样的方式巩固知识和活学活用更为有效，何种教学方式与当前学生学习特征更为匹配等等。此外，通过对教学数据的分析，可以总结出学生的学习行为特征和倾向，以有效预防教学过程中不适行为的出现。
3.2 教师的专业知识与数据分析能力并重
教师的专业知识不仅是影响教学活动重要因素之一，而且还是学生衡量教师教学能力的重要标准之一。教师的专业知识要求在任何时候都是占有重要地位的，但是在大数据时代下教师还需掌握教学数据分析的能力。如何在海量数据中挖掘出具有教学意义和教学价值的知识和内容，是教师在今后教学活动和教学过程中必须掌握的一项技巧和任务。通过对教学数据的挖掘、分析和解读，对与授课对象相关的数据分析，以及如何有效利用有用数据应用到具体教学活动中，促进学生可持续发展，是极其重要的。
3.3 个性化教学成为主流，真正实现因材施教
就技术层面而言，“大数据”可以实现对学习行为特征、学习兴趣爱好，甚至学习态度的统计分析。从这个角度而言，未来的教学必将是精准化的个性化教学，对个体学生的教学活动和教学过程都可以建立在过去数据的分析基础上。教师可以通过大数据轻而易举地掌握个体学生的学习特征，了解到个体学生的特长与短处，真正从细节上掌握学生学习规律，进而真正实现因材施教。
[关键词]大数据 大学生 个性化就业指导
[作者简介]张家明（1976- ），男，湖北武汉人，武汉理工大学信息工程学院，副教授，硕士，研究方向为高教管理和大学生思想政治教育。（湖北 武汉 430070）
[中图分类号]G647 [文献标识码]A [文章编号]1004-3985（2014）24-0098-02
20世纪60年代初，美国麻省理工学院的气象学家爱德华・洛仑兹在研究时发现，当系统产生随机行为时，系统的初始条件取值稍有变化，所求的结果随时间的推移，前后两者就会相差越来越大，即产生随机行为的系统具有对系统初始条件的敏感依赖性。这就是“西双版纳的蝴蝶扇扇翅膀，日本就可能刮起飓风”。
西双版纳与日本相距万里，但仅仅是蝴蝶展翅这样微小的动作，也能够造成日本飓风这样巨大的影响。它所表达的理念是，耗散结构的运作，对于起始状态极为敏感，绝不能等闲视之。这就是“蝴蝶效应”，即初始条件的细微变化导致系统未来长期行为巨大差异的系统特征。因此，没有任何东西能够比蝴蝶效应更完美地表达出信息时代的“大数据资产”的高校教育管理战略思想，所有重大的变化，都只不过是一系列数据积累的结果，而这一系列数据最原始的出发点，就是蝴蝶效应中蝴蝶摆动的那几次小小的动作。
一、大数据技术应用于大学生个性化就业指导的重要性
随着因特网、物联网、云计算、移动互联网、手机、平板电脑等数据来源和数据承载方式的飞速发展，全球数据量出现爆炸式增长，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据时代已经来临，2013年也被称为中国的大数据元年。高等学校作为人才最密集、思维最活跃、网络技术知识运用广泛的前沿阵地，高校的教育、管理和服务模式以及师生的思维方式、行为观念、学习习惯等必将受到大数据浪潮的深刻影响。
据统计2013年高校毕业生总数达699万人，目前国内整体就业形势仍然不容乐观。如何做到查明毕业生情况、了解就业市场趋势，是高校开展大学生就业服务工作的难点之一。本文以大数据时代为背景，通过大数据分析技术创新高校大学生就业工作，实现就业指导从共到个性化服务，从粗放服务到精准服务的转变。
当前，学校就业管理部门通过历年就业白皮书掌握毕业生资源基本信息、用人单位与招聘需求信息、毕业生流向、毕业生求职意向和择业行为调查、毕业生对就业工作意见等海量数据；另外，高校学工部、教务处、校园一卡通中心、相关学院部门等具有完备的学生基本信息、成绩、校园卡消费、图书馆借阅以及学生日常表现、性格特点、兴趣爱好、奖惩情况、与家长沟通等个性信息。此外，互联网上的微博、微信、QQ空间、QQ群、人人网、飞信以及校内外各类BBS贴吧和搜索引擎也蕴含着学生大量的思想状况、情绪波动、交友择业等动态信息。本文在分析上述大学生海量数据基础上，完善针对大学生个性化就业指导的大数据模型及相应分析算法，为大学生个性化就业指导提供更加客观、科学、准确的数据、算法和模型支撑。通过大数据技术预测学生的就业行为趋势，对其提供更有针对性的就业指导服务。
二、高校大学生个性化就业指导大数据分析
1.多样数据的定义和获取。多样数据应首先包含传统就业数据，即就业形势分析、就业政策、求职技巧、就业推荐信息、就业讲座信息、招聘单位、招聘会信息等；其次，个性化就业指导是根据学生的个性化信息进行“靶向”指导，需要了解学生的基本信息，包括主修专业、学习成绩、兴趣爱好、培训经历、就业意向等尽可能全面的个人信息；再次，多样数据应包括已毕业、就业学生的个人基本信息、就业去向、当前发展以及就业行业、岗位数据，囊括岗位性质、基本要求、素质要求、发展前景、成长路径等信息；最后，多样数据应包含获取的网络海量，此类信息将作为数据分析参照，为学生个性化就业提供相关性参考。
大数据的基础是海量信息数据，要进一步拓展多样数据的采集途径，并且使采集来的存储数据易于提取，能够被按照一定的条件搜索出来。另外整合学校不同部门的资源信息，同时将收集网络海量信息以期达到最大效果。
2.面向大学生个性化就业指导的大数据模型及分析方法。获取大量个性化就业指导多样数据后，便可以开始进行就业指导“大数据”分析操作，即建立分析模型、构造数据算法进行数据分析。面向就业指导的大数据分析模型应具有全面性，尽可能掌握限定范围内的“全样”而非“抽样”；分析模型更加注重效率，注重分析结果的时效性和动态变化而非精确性；对学生进行个性化就业指导更注重相关性而非确定指向性或因果性。
3.大数据分析原型系统的设计开发。通过原型系统的大数据分析，指出当前大学生的就业需求和趋向，分析学生就业单位的普遍水准和质量，为就业管理部门协调组织用人单位来校招聘提供重要参考；同时对学生个性化信息的分析，可以帮助就业指导人员实施个性化就业指导，增强就业指导的针对性和有效性。原型系统设计和测试初期以电子信息类大学生为例，“全样”采集电子信息类在校学生和毕业两年内学生的基本信息，收集学生的个性信息及相关网络数据，整理历年来电子信息类用人单位信息，进行大数据分析实测。
4.加强就业指导中的思想政治教育工作。当前就业单位对大学毕业生的就业能力和职业素养要求越来越高，大学生思想观念不断变化，大学生就业指导工作已由单纯的就业指导转为世界观、价值观、人生观和职业道德的思想政治教育。个性化就业指导首先是对学生择业观念的教育引导，帮助大学生树立正确就业观念，避免盲目跟风、随波逐流、人云亦云的就业思想，同时提高对数据信息的敏感性，主动收集、整理并认真分析。
三、大学生个性化就业指导大数据分析应注意的问题及建议
1.大数据分析应防止“三脱钩”问题。首先，防止大数据与大学生个体脱钩。随着互联网的发展，大数据时代的到来，谁掌握了大数据分析，谁就掌握了主动权，将大数据分析应用到大学生就业指导，就是掌握了信息化时代对大学生就业指导的主动权，实现更高效、更准确、更个性的就业指导。但是，面对大数据的浪潮，我们应该保持冷静，大数据的载体是大学生，不能只见数据而不见人，防止变大数据分析这一手段为目的，本末倒置。明确认识到大数据的背后是大学生的思想行为，涉及的是大学生的思维方式、行为习惯。大数据分析的最终目的不是数据的积累和模型的建立，核心价值在于引导大学生树立正确的世界观、人生观和价值观，促进大学生健康成长、成才。
其次，防止大数据与真实性脱钩。大数据时代，大学生获取信息量大、速度快，但是信息的价值密度低，大学生自身的价值体系并没完全成熟，无法准确理性判断信息的真伪，这直接影响大学生在互联网上各种平台如微博、QQ、人人网等即兴发表的言论的真实性。海量信息必然影响信息的质量，当我们将大数据分析应用于大学生个性化服务和指导时，也应注意分析搜集到的大学生信息的准确性，如果大数据本身存在偏差，必然使大数据分析的价值效应大大降低。
最后，防止大数据分析与社会实际脱钩。大数据分析的价值在于现实应用，即通过大学生全方位信息的掌握，全面认识大学生个体的优势与劣势，了解社会发展趋势及就业市场人才需求，更加科学地指导大学生实现适合自身特点的和谐性就业，实现学生、学校和社会的多方共赢。我们应该注意，大数据分析不能脱离社会实际，尤其是高校的大数据分析不能忽视学生个体的特殊性和本校、本地以及就业市场的现实条件，在避免抹杀大学生个性的同时，要更加注重防止大学生的成长成才与社会需求脱钩。
2.大学生个性化就业指导的大数据分析要努力增强科学性。高校中的大数据分析应用无疑能引发高校的“蝴蝶效应”，产生一系列翻天覆地的变革，变革意味着创新，而在创新过程中，由于新事物自身还不完善，对新事物的了解不透彻，容易迷失在信息的海洋，出现如上所述各种问题。鉴于此，大数据分析在大学生个性化就业指导中的应用如下：
首先，应该增强大数据分析的针对性。增强现实针对性，就是要将大数据分析及各种系统与模型的建立与大学生的需要结合起来。大数据分析是将高校的大学生就业指导与大学生需求紧密联系起来的桥梁，是为大学生成长成才服务的，我们不能一味追求大数据的“大”，而应该根据大数据分析和模型，了解大学生的现状，满足大学生的需求，实现学校与大学生的良性互动，指导大学生树立正确的就业观和成才观，从而使大学生走出校门后，能与社会所需人才岗位无缝对接，并在工作中体现自身的人生价值。
其次，要增强大数据分析的准确性。信息化时代，大学生思想活跃，对大学生的指导和教育难度必然加大，应组织各类别专业力量找准入口，拓宽渠道，搜集、甄选数据。充分利用辅导员长期在一线获得的大量实际信息以及学工部、教务处等记录的学生信息，通过与网络信息对比结合，准确提炼，分析加工各种信息，筛选出有价值的数据，提高大数据分析的准确性和客观性。此外，还需要培养一支专业队伍，为大学生个性化就业指导提供专业的数据分析和智力支持。
最后，要增强大数据分析的系统性。当前大学生就业难成为社会一大难题，这一问题使得高校就业指导必须进行调整，大数据分析的应用无疑为就业指导提供了新的技术和方法。但大数据分析尚处于初步发展阶段，我们应该建立一套有序、动态、系统的运行管理机制，随时根据大学生和外界的变化，对数据系统进行合理调整。大数据分析的应用还要设立一套严格的标准，这样才能保证大数据的分析应用不脱离客观现实，提高大数据分析对大学生个性化就业指导的科学化水平。数据分析模型建立后，还要注意与社会各类系统的信息共享，建立完善反馈机制，不断为数据分析模型增添新鲜血液，保持数据分析模型的持续生命力。
四、结束语
“大数据的核心就是预测。”大数据的主要功能就是通过数据算法分析海量数据，预测出事情发生的可能性，但目前大数据应用于大学生个性化就业指导方面还存在一些问题，笔者下一步加强和改进的计划包括：拓展多样数据采集途径和完善大数据分析模型及算法，结合大数据技术建立主动学习的“就业云课堂”，为大学生个性化就业指导提供更加客观、科学、准确的数据、算法和模型支撑，最终预测学生就业行为趋势，实现大学生的个性化服务就业指导服务。
[参考文献]
[1]胡逸.运用大数据技术促进大学生就业[N].中国组织人事报，2013-09-04.
[2]梁家峰.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）.
[3]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报，2013（2）.
一、怎样汇集大数据？
学生在学习（无论是在家还是在学校）中的一言一行，在理论上来看，都会留下记录，产生数据。就某一个学生来说，在某一个学习领域，学习行为经过一天天的积累，都会留下大量的数据。如果对数据进行收集、预处理、挖掘和结果分析，就能产生针对学生的有价值的诊断，形成正确的评价。如果学生的数量足够大，产生海量的数据，就能挖掘出对学校教学、评估、管理等有作用的信息。
纸质教辅本身就是一种优质的学习资料，但是面对的是一个个学生，学生使用的情况成为一个个单独的案例，这些案例在以前是零散的，不能聚集在一起。但是在今天，信息技术能够将这种分散的看似无关联的一个个案例，聚集在一起形成大数据，通过相关计算，挖掘不同性质的数据之间的关系。纸质教辅要响应学生个性化学习的需求，借助信息技术使自身成为大数据的组成部分，将自身变为基于大数据的个性化教辅，才能继续生存下去。为此，纸质教辅的出版单位要与具有大数据分析能力的科技公司合作，成立新的运作平台，或者直接通过资本的运作，参股或控股大数据分析公司，使学生用过的纸质教辅成为大数据采集的源头。大数据公司能进行数据采集、预处理、挖掘和结果分析等，开发出集软件与硬件于一体的终端产品。这种终端产品与纸质教辅一起走进学校，采集校园小数据，沉淀教育大数据，解放教育生产力，成为教师教学、学生学习的有力助手。
在教学中，教师将若干个班级学生完成的纸质教辅每个课时的作业（或不同阶段的测试卷）收集后，对主观题进行批改并附上分值，再通过高速扫描仪进行扫描，扫描的同时各种数据被大数据应用软件端采集，主观题的作答情况被切成一道道题并以图片的形式存储起来。作答情况的数据采集完毕后，要对数据进行挖掘并在此基础上形成有效的分析结果。针对不同的需求，可以产生不同的统计结果。例如，对一道选择题，一个班级的数据可以得出正确率；大量的班级产生的数据可以得出这道题的精确度较高的难度系数。
二、大数据可以提供哪些有价值的信息？
大量纸质教辅的使用情况，通过“图像模式识别”“云计算”“大数据分析”后，能对科学教学模型进行常态化应用、整合、智能化管理。通过对海量的学生作业进行常态化处理，能快速形成计分电子表格、错题本、诊断报告、个性化学习包、学业信息档案、学科内容评价报告单等。
（1）大数据形成的信息能够减轻教师很多负担
在教学中，教师批改学生每个课时的作业，虽说是了解学情的一种途径，但一个班甚至几个班学生的作业批改也成了重要的负担，费时费力，只能对学生的学习情况有个大致的了解，难以获得基于数据的精确结果。通过对客观题数据的采集将教师从繁重的批改作业中解脱出来，应用端的及时数据统计结果替代了教师凭印象留下的主观题作答情况，也免除了教师从作业批改后需要对诸多项目进行的人工统计。大数据分析能将教学班级纸质教辅的使用情况形成各种电子统计表，能让教师将更多的精力和时间放到教学中去。
大数据分析有利于提高教师教学的针对性。例如，一道选择题如果得分率在90%以上，那么教师就可以在课堂上不讲，而将时间放到得分率低的选择题或主观题上。又如，一道选择题正确答案为B，但选A、D的错误率为10%以下，选C的错误率在20%-40%，那么教师在分析这道选择题时，就应该将时间放到选择B和C之间的辨析上。
每一道题都有难度系数。难度系数是指被试完成题目的困难程度。计算时常以得分率作为难度系数，难度系数越高，题目越容易。过去，教师只能根据学生的作答情况，大致判断题目的难度系数，精确度极低。这是由于样本太小造成的。大数据分析是对大量学生在一道题上的作答行为进行采集，形成海量数据，这就避免了统计样本太小的缺陷，使得统计结果越来越逼近真实情况，这样每一道题的难度系数信度就会越来越高。教师掌握了题目的难度系数，就能配置不同难度梯度的题组，循序渐进地展开教学。
（2）大数据对学生信息的采集能够形成个性化的指导反馈意见
采集某一个学生在一个学科上每一天的作业行为，如阅读理解力、词汇技能、学习关键概念的速度，长期以往，能够记录这个学生的学习轨迹， 通过大数据分析，能够形成个性化的学习诊断报告，显示该学生在哪些方面存在欠缺，而且知道欠缺的程度究竟有多大，这既能帮助教师了解学生并采取针对性的干预，又能让学生对自身学习情况有个充分的了解。
大数据分析能够精确反映学生在作业中容易出错的地方，并且能够形成诊断结果反馈给学生，形成针对每一个学生的个性化错题本。学生根据错题本，有针对性的查漏补缺，提高时间效率，提升学习效果。不同的学生在同一道题上可能产生不一样的错误行为，如果通过小组学习，相互交流，小组中的每个成员都能加深自己对这道题的理解程度，形成对该题所反映的知识点的综合性认识。
大数据分析能准确反映某一个学生在哪些知识点方面容易出现错误行为，并且诊断这种错误行为的频次。如果频次较高，当学生参加中考或高考这种重要的考试前，就能在考试前对其进行提前干预。
（3）大数据能够完成教学质量的监测
新课程改革要求学校在重视终结性评价的基础上，将对学生的过程性评价放到重要的位置，使得过程性评价与终结性评价相结合，形成对学生的完善评价体系。长期（小学段、初中段、高中段）采集某一个学生的作业情况，记录完整的行为，形成学业信息档案，这本身就是一种过程性评价，对学业质量监测具有重要作用。
学校可以根据大数据分析结果，进行教学质量的监测，分析同一年级不同班级之间存在的差异。学校还可以根据对学生的监测数据，区分不同学习层次的学生，并基于学生的不同学业水平进行分班教学，配备恰当的教师，使得不同学习层次的学生适应不同水平的教学内容。各级教研部门可以根据所在地的不同学校产生的数据结果，进行学校之间的差异比较，再进行有针对性的教学教研指导，以帮助不同水平的教师在教学水平上都得到进一步的提升。
三、纸质教辅如何利用大数据才能不被平台取代？
纸质教辅要发展，只有把自身变为大数据获取的组成部分，并反过来利用大数据提供的分析结果不断修订提升质量，因为大数据中蕴含着辅助教师、学生和学校管理的巨大潜力，如大数据分析可以提供实时反馈学业表来帮助学生，可以帮助教师研究学生的学习模式并修正课程以便满足学生个性化的需要，可以为学校科学的高效管理提供支撑。这种潜力将会在学生学习、教师教学、学校管理等方面释放出来，释放的速度之快，力量之猛将会超出人们的意料，并为各个环节高效的学习、决策等提供科学的依据。因此，纸质教辅要利用大数据走创新之路，既要内容创新又要形式创新，直至完全融入大数据中。在内容上，面对学生，利用大数据分析结果进行科学的组题，提供层次有别、循序渐进、培养学生逻辑思维的学习方案；面对教师，要能在分析学生学习模式和学习效果的基础上，提出有针对性的教学方案供教师参考；面对学校，要能在为学生和教师提供帮助的基础上，为学校提供有效的管理方案，分析学生的整体情况，提供不同的课程用来备选，分析教师的教学情况，为学校制定教师如何研修提升教学效果提供参考。在形式上，可以采取网上和纸质结合的方式实行互动，如在纸质教辅上以二维码的形式呈现形式多样的内容，以弥补纸质教辅原先内容呈现单一、及时反馈功能不足等短板，实现单一纸媒向立体化纸媒的转变。
关键词：大数据分析技术；毕业设计质量分析
中图分类号：TP393 文献标识码：A 文章编号：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 毕业设计工作现状分析
1.1 什么是毕业设计工作
毕业设计是高职院校教学的最后一个实践环节，是对所学知识全面的总结以及系统的运用，通过毕业设计，学生可将课堂上学习到的知识与实践知识联系起来，同时还可以锻炼学生运用相关专业知识的能力。
毕业设计的难度要大于一般的课堂教学中的课程设计，因为通常毕业设计设计的知识面很广，可以很好的锻炼学生将理论知识运用到实践中的能力。
1.2 毕业设计工作对于人才培养的重要意义
毕业设计工作对于一个即将踏入社会的学生来说是非常有意义的，具体包含以下几个方面。
（1）毕业设计可以提高毕业生的综合素质和能力
在中医院校信息技术类专业的教学中，毕业设计是教学的最后一个环节。学生在离开校园之前，要对其最后的理论知识与实践应用进行综合训练，同时，学生综合素质也要得到相应的培养和提高，毕业设计对提高毕业生的创新能力以及科研水平也有很大的帮助。
（2）毕业设计是学生进入工作岗位前的演练
毕业设计可以看做是对即将进入工作岗位的毕业生的最后演练，在校教育的最后一年，学生面临多种选择，就业、创业等。同时他们也面临着四个转变：从经济不独立到经济即将独立的个人转变；从同龄人活动群体到非同龄人活动群体转变；从教师指导下的学习、工作项独立的学习、工作转变；从学习为主到工作为主的生活节奏的转变。
为了学生可以顺利的步入竞争激烈的社会，毕业设计成为重要的过渡阶段，在这一环节，可以迅速的增强学生的自信心，提高学生的综合素质和各项能力，增强学生的就业竞争力。
（3）毕业设计可以成为衡量专业教育水平的标准
毕业设计是学生对所学知识的运用，因此毕业设计的质量在一定程度上可以代表所学专业的教育水平和总体的教学质量。毕业设计是高校专业教育最后的一个环节，可以对教学的质量进行综合性的检验，是衡量高校专业教学总体水平的重要标准。
1.3 当前毕业设计工作中存在的问题
（1）缺乏分析
在以往每一届毕业生的毕业设计工作中，都只是简简单单的教师指导，学生主导执行，然后到最后的毕业设计答辩，得到最终的结果，以往的毕业设计工作到这就结束了，缺乏最终的总结分析，通过对毕业设计工作的总结分析，毕业生才能更清楚明白的了解本次毕业设计自己毕业设计作品结果。
（2）对于存在的问题不清晰
在毕业设计工作过程中将会有许多的问题或矛盾出现，以往的毕业设计工作没有将这些问题很好的呈现，更没有发现这些问题的实质所在，也就没有很好的解决这些矛盾，所以毕业设计工作也就没有体现出最重要的意义。
（3）学生评价不准确
在当毕业生根据自己的毕业设计作品而进行答辩时，各专业也都将会为每位毕业生的毕业设计作品给予相应的分数，人们往往会通过这个分数去衡量一个毕业生，这往往是不准确的，可能是由于在做毕业设计作品期间，学生忙于找工作等原因，影响到毕业设计的质量，所以说以分数衡量学生是不准确的。
（4）对教学的指导意义不明确
毕业设计不仅仅是一个对学生的培训和实践，也是衡量高校专业教学水平的一个很好的教学标准，但是目前许多专业中的毕业设计工作对各专业没有推动作用，毕业设计工作反馈回来的结果对教学改革没有明确的指导作用。
2 大数据分析技术
2.1 什么是大数据分析技术
大数据分析技术，通俗地讲，是在多样或巨量数据中快速收集和分析数据，获得有价值信息的技术和能力，主要包括数据采集、存储、 管理、分析挖掘、可视化等技术及其集成。
当前，大数据不仅指数据量的巨大，更重要的是要对大数据进行分析，只有通过分析才能获取更多智能、深入、有价值的信息。大数据之所以具备战略意义，之所以能够有效提升竞争能力，不在于掌握了何等巨量的数据，而在于其有能力对这些有价值的数据进行处理和运用。没有高性能的分析工具，大数据的意义与价值就不可能得到有效的洞察和释放。因此，解决大数据问题的核心，是大数据分析技术， 它是最终决定信息是否具有价值的决定性因素。
一般而言， 大数据分析主要涵括预测性分析能力 （Predictive Analytic Capabilities）、数据质量和数据管理 （Data Quality and Master Data Management）、可视化分析（ Analytic Visualizations）、 语义引擎（ Semantic Engines）、数据挖掘算法（Data MiningAlgorithms）等五个基本方面。
具体的大数据处理方法有很多，但大数据处理的基本流程可以概括为四个步骤：采集；导入和预处理；统计和分析；挖掘。不同于传统的数据处理，运用大数据分析技术进行数据处理，其基本理念可以凝炼为：要全体，不要抽样；要效率，不要绝对精确；要相关，不要因果。从具体操作的层面来看，大数据处理可能用到的大数据分析技术包括：数据采集、基础架构、数据存取、统计分析、数据挖掘、数据处理、模型预测、结果呈现等。
2.2 大数据分析技术对毕业设计工作的意义与价值
大数据分析技术在毕业设计分析工作的过程中有着重要的使用价值，具体的价值主要包括以下几方面内容。
（1）大数据分析技术保障毕业设计分析工作顺利开展。当面对7届（从2005届到2011届）毕业生，854件毕业设计作品时，没有一个良好的技术手段，是无法对如何庞大的工作进行整理和汇总。大数据分析技术可以解决数量大的问题，所以说大数据分析技术保障了工作的顺利开展。
（2）大数据分析技术保障毕业设计分析工作顺利进行。在面对如此多的数据进行统计整理时，将会遇到许多无用或错误的数据（俗称“脏数据”），这些“脏数据”对毕业设计分析工作有着很大的影响。大数据分析技术在面对着这些“脏数据”，选择删掉，从而保障了毕业设计分析工作的顺利进行。
（3）大数据分析技术保障毕业设计分析工作顺利完成。当完整对数据的整理和汇总后，这样的工作其实仅仅完后了一部分，还要对这些数据进行整理分析，这才是本次工作的重点。大数据分析技术是对有关联的数据进行再一次的整理和分析，并将分析的结果以某种形式呈现，从而可以更直观的表现出某种观点，从而实现分析的最终目的。
3 毕业设计分析工作的目标与流程
3.1 毕业设计分析工作预期实现的最终目标
本次毕业设计分析工作主要为了解决上述中毕业设计工作中存在的问题，所有本次毕业设计分析工作的主要目标有以下几方面。
（1）整理分析历届毕业设计工作内容。本次毕业设计数据分析统计的数据概况如下：
3个专业：计算机科学与技术、信息管理与信息系统、专升本
7届毕业生：从2005届到2011届7届毕业生的毕业设计作品。
41位指导教师：统计7届毕业生的所有指导教师信息。
854件毕业作品：统计7届毕业设计中所有毕业设计作品的全部信息。
（2）客观的评价学生。在本次毕业设计分析工作中，分析了学生的毕业设计成绩和指导教师的指导时间，通过时间的长短可以较为客观的评价学生的能力。
（3）将存在问题呈现，直面问题。将毕业设计质量分析的结果以绘图的方式呈现，直观的看出毕业设计工作中存在的问题与矛盾，促进问题与矛盾的解决，从而使毕业设计工作在以后的开展过程中更加有力、有序的进行。
（3）以强有力的数据分析推动教学改革。通过对毕业设计作品质量进行分析，从而可以查看出学生总体的学习范围，并且可以促进教学内容的改变，推动教学体系的前进。
3.2 毕业设计分析工作的阶段和流程
本次毕业设计工作主要有四个阶段，分别是数据采集、数据处理与集成、数据分析以及数据解释，具体每个阶段的工作内容以及工作目标详见表1所述。
4 毕业设计分析数据模型设计
（1）相关分析模型
相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。相关关系是一种非确定性的关系。例如，在本次的毕业设计质量分析中，以X和Y分别记一个毕业设计作品质量和该作品毕业生的性别，或分别记毕业设计作品质量与指导教师的指导时间，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系分析。
相关关系分析模型也是本次大数据分析过程中使用的主要的分析依据模型。
（2）对应分析模型
对应分析也称关联分析，通过分析由定性变量构成的交互汇总表来揭示变量间的联系。可以揭示同一变量的各个类别之间的差异，以及不同变量的各个类别之间的对应关系。对应分析的基本思想是将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。在本次毕业设计质量分析中，使用对应分析模型主要是为了以点的形式形成趋势，从而可以在趋势中看到数据波动变化。
（3）对比分析模型
对比分析是按照同一个参考依据，将同一类别的不同变量放在一起形成对比，通过不同变量的变化趋势，进而分析变量之间存在的某种关系。
根据上述的分析模型进行相关数据的采集收集以及整理过程，如整理毕业设计成果形式数据分析时的内容如图2所示。
5 毕业设计分析工作指标设计
在本次毕业设计分析工作过程中，整理的大量指标及其数据，具体的指标有教师指导毕业设计的数量、毕业设计成果形式、科研项目衍生课题数量、参加二次答辩分析、不同软件开发技术的毕业设计作品、不同数据库技术的毕业设计作品、不同作品成果形式的毕业设计作品数量、作品扩展形式等众多分析指标，分析指标的具体内容详见表2所述。
6 毕业设计工作分析结果
6.1 分析报告结果形态
笔者与团队经过长时间的整理，最终将如此多的数据整理汇总，并对毕业设计作品的质量进行分析，本次分析的结果改变了以往纸质分析报告的常规，本次的毕业设计质量分析结果以Web化的形式呈现，网站地址为：http：//，如图3所示。
本次的分析结果以网站的形式呈现，这样这设计的主要目的及意义有以下几方面内容。
（1）方便快捷。本次主要使用的是ECharts画图的方式，运用ECharts多种绘图的方式，将数据导入到ECharts画图代码中，可直接生成图像，也可对图像进行形状改变，从而方便快捷。
（2）修改整理方便。当在分析的过程中，可能发现某些数值或字段是缺失或错误的，可在源数据中进行准确查找，并可将查找后的结果直接写在代码中，这将会自动从新绘制新的图形，从而可以在修改、查错的过程提供方便。
（3）分析结果直观、效果强。以网站形式将分析的结果呈现，可以直观、方便地看到毕业设计质量分析的结果，同时也可根据每个分析指标结果的色彩不同，从而可以更加直观的展示出各个字段之间的差异性，从而使分析的结果更具有可视化。
6.2 分析结果呈现
（1）历届教师指导毕业设计作品成绩层次汇总分析
首先对历届教师指导毕业设计数量进行统计，具体统计结果如图4所示。
然后对历届教师指导毕业设计作品成绩进行统计，并对其成绩层次比例进行汇总分析，具体分析结果如图4所示。
从图4中可以看出，历届教师人均指导毕业设计的数量成逐步上升趋势，从图5教师指导毕业设计的质量来看，所有的毕业设计中，优秀比率在30%以上的教师有9人（22%），优秀比率在30%以下的教师有32人（78%），从而充分的说明了，教师指导的力度不够，从而促使毕业设计的优秀率偏低。
（2）指导教师初评成绩分析
对历届指导教师初评平均成绩与毕业设计参加一次答辩时的平均成绩进行统计分析，统计结果如图6所示。
从图中可以看出，指导教师给自己所指导的毕业设计的打分（平均值），普遍高于一次答辩时评委组给相应毕业设计的打分（平均值）。
充分的体现出指导教师对自己所指导的毕业设计作品的存在一定的“私心”，指导教师没有进行严格把关，展现出毕业设计工作中的问题。
（3）毕业设计所用软件开发技术分析
对历届毕业设计作品中所使用的软件开发技术进行统计分析，结果如图7所示。
在本次分析的过程中，也根据性别进行统计，统计分析结果如图7所示。
通过两个分析结果，可以看出HTML/CSS和JS/Jquery是毕业设计中用的最多的技术；.NET、C#的比例也较高，但从趋势来看，C#的比例有下降趋势；JAVA、JSP和C/C++呈上升趋势；PHP的比例相对稳定；ASP技术明显呈下降趋势。结合性别分析发现，男生中，使用C#与使用JAVA的人数基本持平，约为1.3：1，而女生中，这一比例达到2.8：1，说明女生更倾向于使用C#。
根据上述的分析，可以为本专业类教学内容体系的改变提供重要的依据，学院可以根据学生使用的比率而进行教学内容的改革。
7 毕业设计分析工作存在的不足与改进
7.1 存在的不足
（1）指标点少。由于本次毕业设计分析工作是第一次对毕业设计质量进行分析，所以在设计和整理的过程中所使用的指标点都较少，所以造成本次毕业设计分析内容有待升华。
（2）关联性低。在进行关联数据分析时，对收集到的数据关联分析较低，没有充分的发挥出每一个字段的价值，同时，在本次毕业设计质量分析中，关联分析力度不足，如没有对毕业生的在校职位与毕业设计最终成绩分析、指导教师的年龄与指导毕业设计作品成绩分析等，这都是本次毕业设计分析工作中的所欠缺的。
（3）数据清洗度不高。虽然在前期对数据进行清洗处理，但是处理的力度不够，所以在分析过程中，仍能发现存在许多错误的数据，这样给毕业设计分析工作带来了一定的影响。
7.2 下一步计划
根据本次毕业设计分析工作中存在的问题，在以后的分析工作中，将加大对指标点的统计整理，如学生的籍贯、学生在校期间获得的奖项、教师的工龄、教师的性别等等，同时也将增加每个指标点之间的关联分析，从而使每个指标点数据更加有意义。
8 结束语
随着国家技术的不断发展，信息化的不断发展，大数据分析也起到了越来越大的作用，为每个项目的发展和前进提供了重要的依据。本文也结合了大数据分析技术对毕业设计作品进行质量分析，从分析结果中得到许多的结论，也为教学改革提供依据，从而也推动了整个教学内容体系的完整和发展。
参考文献：
[1]刘智慧，张泉灵.大数据技术研究综述.智能系统与控制研究所，2014-06.
[2]任长春.浅谈高职教育中毕业设计环节的教学改革[J].科技信息，2009（35）.
【关键词】大数据 统计学 挑战 机遇 教学
【基金项目】贵州省科技厅、贵州民族大学联合基金（黔科合J字LKM[2011]09号）
【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2014）08-0235-01
1.引言
“大数据”时代的来临和“大数据”处理技术的发展深深的影响着统计学的发展。能否利用传统的统计理论和统计方法对海量的数据做出快速、准确的处理并获取相关信息？如何对传统的统计理论与方法进行改进或探索新的统计理论和方法来对大数据进行挖掘与处理以获取信息？如何在“大数据”时代背景下培养符合市场需求的统计分析师或数据分析师？如何将“大数据”处理技术融入相关统计学课程教学以促进数据处理与分析技术的发展？这些都是我们在统计学相关课程教学过程中必须思考的一个问题。
2.大数据与统计学
“大数据”随着社交网络、物联网、云计算等的兴起而产生。一般认为大数据具有规模性、多样性、实时性及价值性四个基本特征，包含分析、带宽和内容三个要素。“大数据”在数据来源、数据结构和处理方法方面对传统的统计分析方法产生了冲击。第一，在大数据背景下，数据来源不再是原来的简单抽样，而是“样本即总体”，直接将总体作为研究对象。第二，在大数据时代，研究对象也不是原来单一的结构化数据，由于数据的多样化与规模化，我们更多的是研究非结构数据，采用人工智能来进行数据挖掘和信息获取。第三，数据处理方法也不是简单的采用传统的假设检验方法进行研究，特别是对于统计学中的异常点，不再采取以往的丢弃或者平滑处理方式。
“大数据”处理技术对统计学的发展提出了巨大挑战，但我们必须认识到学科之间的发展是相互交融的，“大数据处理技术”其本质上是数据处理与分析技术，其发展对统计学学科的发展也有积极的一面，同时统计学作为一门独立的学科，有其自身独特的学科优势。首先，海量的数据有利于提高各类统计分析的精度，如减小抽样误差等。其次，较之于传统的统计学方法，现有的“大数据”分析方法难度较大、成本较高、耗时较长。而在实际的应用中，我们关心的不是数据量的多少，而是数据量所蕴含的信息。传统的统计学分析方法是以较少的数据进行精确度相对较高的统计分析，这是“大数据”分析所无法替代的。另一方面，统计学在数据收集方法、模型选择、模型假设以及模型诊断方面有很大优势。而且并不是所有的问题都具有海量的数据，并不是每一个“大数据”问题都适合用现有的“大数据处理技术”来处理。
3.对策与建议
3.1 夯实基础教学
针对以上的分析我们可以看出，大数据对统计学的发展既是机遇，又是挑战。因此我们在教学过程中要夯实统计学基础知识的教学，讲清楚统计学的基本原理与基本方法，特别是数据分析与数据处理的基本原理与方法。对于许多传统领域，如生物、医药以及质量与可靠性工程等，我们面对的多是“小数据”而不是大数据，因此基于样本的统计分析方法仍然是进行此类问题研究的最有效的科学手段。
另一方面，我们要结合大数据技术的特点，对统计学的基本知识进行拓展教育，引导学生思考怎样将已有的统计学基本原理与方法运用到大数据处理的技术研究中。如在大数据环境下怎样进行数据的收集、筛选与甄别、存储与分析等，如何分析并厘清可能的数据来源与范围，如何建立相关指标体系并对数据进行分类，如何制定或调整相应的统计参考标准，以及如何对依靠非传统数据源加工生产的统计数据进行规范的统计推断等。
随着大数据时代的来临，各行各业对具有统计背景知识人才的需求必定越来越多。因此，在统计学教学过程中，一定要结合各专业的特点，特别是“大数据”的特点，切实加强统计学的基础知识教学与拓展教学。
3.2 加强统计学专业软件教学
“大数据”环境下，对统计人才需求也发生了变化。面对海量的数据与多样化的数据，一名合格的统计人才或数据分析人才不单需要良好的统计素养与扎实的统计基础知识，更需要具有数据的存储与整理能力、计算能力以及数据分析与处理能力等。这就要求在教学过程中，加强统计软件或数学软件的教学。
针对传统的“数学证明+手工计算”或“重理论轻专业统计软件”的统计学课程教学模式，可将统计软件或数学软件融入课堂教学并安排一定的课时上机学习统计软件，以此提高学生数据处理能力，加深对统计学基本原理的理解与掌握。
在加强统计软件或数学软件，如SPSS、R、SAS以及Matlab的教学过程中，要摈弃“会软件的操作即会统计技术”的思维，要让学生真正掌握相关操作与相关算法，深入思考算法的实现与相关理论的应用。同时引导学生思考对“大数据处理”的技术要求，包括数据搜集、发掘、存储以及计算分析过程中的算法与设备要求等，引导学生针对大数据进行软件升级与开发。
3.3 突出案例教学与实践教学
大数据的产生和发展源于规模经济问题或超规模经济问题的研究。每一个大数据问题的研究都是与实际经济或社会问题紧密相联的，因此，在实际教学过程中，要突出案例教学与实践教学，由易到难，通过案例教学逐步引入大数据的概念以及大数据处理的基本技术，提高学生的分析全局观以及进行实际数据分析与处理的能力。
教学改革的目的是培养在“大数据”时代背景下，符合市场需求的专业统计人才，而合格的专业统计人才必须具备良好的统计实践能力。案例教学与统计实践活动是培养学生统计实践能力的有效途径。因此，在教学过程中，一方面，教师可融合各种与实际问题相关的案例进行分析和讲解，加深学生对相关统计理论知识的理解，激发学生的学习兴趣，培养学生解决实际问题的能力。另一方面，教师可以组织多种形式的课堂或课堂外的统计实践活动以培养学生统计实践。如，指导学生针对他们感兴趣的与经济、社会发展相关的统计实际问题展开统计研究，设计调查问卷，收集数据、整理和分析数据，撰写研究报告，实现对实际问题的分析和解决等。
4.结束语
总之，在“大数据”环境下我们既要积极面对挑战，又要紧紧抓住机遇，切实结合“大数据”的特点和“大数据处理技术”发展的需求，既加强对传统的统计学方法、统计理论的教学，又积极开展 “大数据“环境下的拓展教学，推动统计学的发展，在数据收集、数据分析以及统计制度等方面进行改革和创新。
参考文献：
[1]李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯，2012，8（9） .
[2]姜奇平. 2013 全球大数据-大数据的时代变革力量[J]. 互联网周刊，2013，1.
[3]游士兵，张佩，姚雪梅.大数据对统计学的挑战和机遇 [J]. 珞珈管理评论标，2013，2（13）.
关键词：大数据；统计学；教学体系改革
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）04-0110-02
一、大数据时代统计学专业发展的新特点
（一）数据化的信息收集
传统的统计研究主要是对已收集的数据进行各种技术分析，包括描述性分析、推断性分析、截面分析、时间序列分析等，侧重点在于技术分析手段的使用上。然而大数据时代，关注的是信息本身。现代信息系统的使用使大数据成为可能，文字、地理方位、沟通等，任何事物都可以量化，一切现象都可以用数据或表格来诠释。因此，大数据背景下世界是由各种信息和数据所构成的。
（二）全数据模式的研究对象
在信息处理能力受限制的过去，人们缺少用来分析所收集数据的工具，因此产生了随机抽样。随机抽样法的目的是用最少的数据获得最多的关于总体的信息，从而使用样本对总体进行推断。然而，在大数据时代，数据处理的方式和技术发生了巨大的改变，人们可以通过互联网、数据库以及各种通讯工具获得海量数据，这时随机抽样就失去了它原来的意义。简单廉价的数据收集方法，足够的数据处理和存储能力，使得全数据模式成为可能。因此，大数据背景下样本即为总体。放弃随机抽样分析的捷径，采用所有数据的方法，可以发现一些隐藏在海量数据下的细节。
（三）混杂性的数据处理思维
传统的统计学处理数据的步骤是首先对数据进行整理和清洗，剔除不完整的或者异常值，然后再利用样本信息，在允许的误差范围内对总体进行推断和分析，即通过调整精确度的大小来对总体进行研究和分析。然而，在大数据背景下，来自各个时间和空间的数据来源纷杂，格式广泛，在萃取或处理数据的时候，很难做到把所有的数据都进行仔细地清洗。这种情况下，必须接受数据的混乱和不确定性，因为数据多比少好，因此更多的数据信息比更加智能、更加精确的算法系统还重要。当拥有大量数据的时候，可以忽略一部分精确性，但并不是说不需要精确性，而是数据规模不断扩大时，确切的数量已经不再那么重要了，可以通过大规模的数据来发现事物背后的规律。
（四）相关关系的基础分析方法
传统的统计中，大部分相关关系分析仅限于寻求线性关系，或是在建立假设的基础上揭示数据相互之间的因果关系，例如Granger检验就是依据时间序列数据对变量之间的因果关系进行的判断，但往往会产生一些虚假的因果关系。这是因为统计关系并没有蕴含多少真实的因果关系。在大数据背景下，数据点以数量级方式增长，用数据驱动的相关关系分析不再需要建立在假设的基础上，所以相关关系分析不容易受偏见的影响而发生错误。大数据时代相关关系通过回答“是什么”的问题，为人们认识世界提供了一种新的视角。因此，相关关系统计分析是大数据预测的基础。
二、统计学专业教学体系中存在的问题
大数据背景下传统的统计学专业教学体系存在的问题凸显，具体体现在以下几个方面。
（一）培养目标无法适应大数据时代的社会需求
传统的统计学专业教学体系的培养目标是通过统计专业核心课程内容的介绍，锻炼学生收集、整理和分析数据的能力，培养“应用型”统计专业人才。然而，大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力，从以往局限于少数的学术精英圈子扩大到了普通的社会机构、企业和政府部门，各行各业对统计数据、统计分析的需要使得统计学专业受到了前所未有的关注。大数据背景下，要求统计学作为一种分析工具，能够与其他专业相互衔接，相互服务，培养“复合型”专业人才。因此，传统的统计学专业教学体系培养目标存在两个方面的挑战：第一，如何协调统计与其他专业之间的关系；第二，如何从“应用型”向“复合型”人才进行转变。
（二）忽视数据的收集和创新
传统的统计学专业教学体系重视数据的分析技术，更多的课程设置是围绕着数据分析方法和技术展开的，例如多元统计分析、时间序列分析、统计预测与决策分析等。基础的数据收集部分只在统计学原理中有一章的内容介绍，而且是作为非重点一带而过的。大数据以海量的数据为分析研究的对象，将一切社会经济现象进行量化，重视的是信息的收集和数据的创新，包括数据的再利用，数据的重组，数据的扩展，数据的折旧以及数据的开放等各个方面。这些内容在原有的教学体系中是没有体现的。
（三）与大数据时代脱节的教学内容
传统的统计学专业教学体系仍然固守着原有的教学内容，在近二十年内变化不大。专业的主干课程有统计学原理、国民经济核算、计量经济学、抽样技术与方法等。而在大数据背景下，教学内容以全数据模式为研究对象，强调对所有的数据进行分析，而不是开展随机抽样；允许不精确的存在，而不是在给定的精确程度下对总体进行推断和分析；关注海量数据之间的相关关系，而不是强调数据之间的因果联系。这些内容都无法在现有的教学体系中体现，因此，传统的专业教学体系与大数据时代是脱节的。
（四）实践教学环节薄弱
随着“应用型”统计专业人才培养目标的提出，学校对实践教学的重视增强，与过去相比，现有的专业教学体系中已经增加了实践教学环节。但是，在大数据背景下，实践教学仍然是统计学专业教学体系中的薄弱环节。主要表现在两个方面：（1）以模型驱动为主的实践教学模式已不适应大数据时代的要求。现有的实践教学内容并不是从数据出发，而是通过寻求一些适合模型的数据来“证明”这个模型的确有意义。这种思维方式与大数据时代的要求是不适应的，因为创造模型的目的是适应现实数据，而不是由模型驱动。（2）以SPSS、Eviews为主的软件教学已无法处理大数据。现有的实践教学中，主要讲授的是传统的统计分析软件SPSS和Eviews，因为这两种软件发展成熟，操作简单，可以处理一般的计量模型和时间序列。但是，大数据时代数据是海量的、复杂的，用简单的软件已无法处理和实施。
三、统计学专业教学体系改革的方向
根据以上分析，时代的发展对统计学专业提出了更高的要求，现有的教学体系中存在的各种问题即为统计学专业教学体系改革的方向。
（一）准确定位统计学专业的人才培养目标，重新设计主干课程的教学内容
大数据时代要求培养“复合型”统计专业人才，因此教学体系的培养目标要从简单的“应用型”向“复合型”转变。“复合型”统计专业人才要求学生除了具备数据收集、处理和分析的能力外，还要对统计学应用领域的背景知识有一定的了解。因此，按这个培养目标，需要对现有教学体系中的主干课程重新进行调整和设计。专业主干课程分为方法和应用两个方面。方法类的课程除了原有的计量经济学、时间序列分析、多元统计分析等外，又增加了机器学习、模拟算法、数据挖掘、R软件分析（或SAS软件分析）等处理复杂大数据的方法的课程。应用类课程在保留原有的国民经济核算，金融统计，证券投资，会计学基础外，增加一些统计学应用领域的基础知识课程，例如商业统计、生物统计、保险与精算统计等。此外，适当调整各专业主干课程的课时，一些课程可以增加课时，如软件分析、数据挖掘等，一些课程可以缩减课时，仅作一些简单的介绍，如抽样技术等。
（二）转变固有的思维方式，在大数据背景下积极推进教学改革
大数据时代，数据更多、更杂，传统统计学思维方式受到了极大的挑战。因此，以大数据为背景，转变固有的思维方式，从以统计技术方法为中心转换到以信息数据为中心，推进统计学专业教学改革十分重要。具体来说，可以弱化传统的推理论证的教学模式，强化数据收集、数据处理和数据分析的能力培养；强调数据本身的价值，让数据说话，用简单的方法了解数据背后所隐藏的信息和规律；使用项目式训练，让学生从项目中真正体验数据化处理的整个过程，达到理论和方法的结合；加强课堂教学与实验教学的统一和贯通，如在传统的教学过程中，将统计学原理、多元统计分析结合SPSS软件介绍，而时间序列分析又采用Eviews进行介绍，造成学生疲于学习各种软件，实际上SAS、R等统计软件可以实现所有的功能，用一种软件与课堂教学融合贯通能帮助学生更好更深地掌握软件的使用。
（三）创新实践教学模式，加强实践教学的开展
从以模型驱动的实践教学模式转变为以数据驱动的教学模式，构造课堂案例教学、实验教学、课后项目式训练、校外实习基地锻炼四位一体的创新型实践教学模式。计算机快速发展的今天使得大数据成为现实，在处理数据的时候，根据数据的特征创造出新的计算方法来满足实际需要，这就是数据驱动模式。在实践教学的过程中，要强调统计数据、计算机编程以及统计分析软件的结合。目前，R软件和SAS软件显示出了强大的数据处理和数据分析功能，实践教学环节中可以把这两种中的一种融入到专业课程中去，将计算机软件与课堂教学结合起来。此外，课后的项目式训练和校外实习可以带动学生了解和掌握整个数据分析实践的流程，激发学生学习的兴趣，在实践教学的过程中要多鼓励、多开展。
参考文献：
[1]曾五一，等.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2010，（2）.
[2]陈倩.大数据背景下对统计学课程教学模式的思考[J].科技资讯，2013，（21）.
关键词：财经类院校；专业建设；数据分析；数据挖掘
一、引言
从大环境来看，如今，全球数据量均呈现激增趋势，大数据时代全面到来，这不仅意味着社会需要更多信息分析人才，也说明相关院校要加强信息管理专业人才培养。从本国国情出发，我国从工业社会向以信息资源开发、应用和管理为主要特征的信息化社会转变，计算机技术在各行各业普及应用，对经济管理活动中产生的海量数据进行分析，挖掘出有潜在价值的信息，为管理决策提供依据，是信息管理学科研究的新方向。以目前毕业生就业市场需求情况来看，懂经济、懂计算机同时又能掌握数据分析知识的学生在就业时有相当的优势，这恰好与我们哈尔滨金融学院信息管理专业的人才培养目标一致，如何发挥财经类本科院校的办学优势，建成专业特色，是此次本科教学改革的目标。
二、人才培养目标
对于我们这样有明显“金融特色”的院校，充分发挥在金融领域的办学优势，塑造出自己的金融特色，即：坚持服务于金融行业，跟踪IT发展的前沿，把握财经行业在信息化方面的最新需求，培养学生创新意识和能力，打造金融特色专业：金融信息管理－数据分析方向。培养具有管理学和计算机科学的专业知识，精通金融学、经济学以及数据分析理论与技术，了解数据的商业价值，通晓以清晰直观的形式提供数据分析结果的方法，强调学生掌握现代管理科学思想，掌握现代信息系统的规划、分析、设计、实施和运行维护等方面的方法与技术，同时，更要具有较强的信息系统开发利用以及数据分析处理能力。
三、金融特色信息人才培养模式构建
（一）面向社会需求
2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》写到：预计到2020年数字宇宙规模将达到40ZB。在这样的大数据环境下，我国也必然需要更多高素质的信息管理类人才，例如，互联网企业、金融机构、保险、医疗卫生、电子商务、零售企业及政府数据中心等行业对大数据专业人才的需求量都很大。所以，在此情况下，我院有必要在加大人才培养力度的同时，面向社会需求，对信息管理专业数据分析方向人才的培养标准与目标进行重新定位，以确保符合大数据时代提出的新要求，顺应大数据浪潮的发展趋势。例如，未来对具有大数据管理和分析能力的人才需求将快速增长，数据分析师、数据架构师、数据可视化人员、数据监管人员等和大数据相关的职位也将应运而生，因此，我院应当注重培养需要具备深度分析数据能力的专业人才，使其成为能够满足市场需求的高层次复合型人才，为社会发展付出应有之力。
（二）教学特色
课程教学内容归纳为两个模块：“信息系统开发课程”、“数据分析课程”，其中，“信息系统开发课程”又分为“开发技术类课程”和“面向应用的课程”两个子模块，将程序设计类课程与管理信息系统理论课程相结合，以理论指导实践，通过该课程的学习，使学生了解信息系统开发的基本理论和方法、信息系统的实施、运行与管理方法，熟练掌握信息系统的开发工具，最终通过案例实践，深入理解信息系统的分析与设计过程。“数据分析课程”又分为“数据分析方法课程”和“面向应用的数据分析课程”两个子模块，从而形成较为系统的立体化课程体系，数据挖掘是数据分析的核心课程，运筹学是辅助课程，教学目的是使学生掌握数据分析的基本方法和典型工具，了解数据仓库和数据挖掘的基本原理，初步具备利用数据分析和解决实际问题的能力。
（三）制定科学合理的人才培养方案
在制定培养方案的过程中，要以市场需求为导向，设计灵活的人才培养方案，既要高度重视理论知识的学习，又要加强实践能力的培养，为学生搭建实践平台，拓宽实践渠道。极力扩大与企业和科研院所的合作，为学生创造更多的研究、实践机会，在课堂教学环节中，设立一些针对某个合作企业的某些具体问题的研究项目，组织学生在该企业的资助下开展研究。这样既丰富了学生的实践经验又提高了他们的综合分析能力和动手能力，同时还能促进合作企业的创新发展。
四、课程设置
计算机程序设计在数据架构当中起着重要作用，因此，在通识课基础上，从第二学期开始，开设专业基础课：C语言程序设计，专业必修课：面向对象程序设计、数据库、数据结构、Java程序设计、JSP程序设计、Web实战项目（Java方向）等计算机程序设计类课程，以及SPSS、数据挖掘与分析类课程。同时，开设信息管理专业既有体系中的基础课程：信息管理概述、会计学、管理学、统计学、运筹学、信息资源管理、数据库原理及应用、UML与可视化建模、计算机网络技术、银行计算机系统、管理信息系统（含课程设计）、信息系统分析与设计、专业英语等。以及专业选修课：信息检索技术、多媒体技术与应用二选一，电子商务概论、静态网页设计、图形图像处理三选一，IT项目管理、系统工程、ERP原理与应用三选一，企业资源规划、经济法、经济学三选一。
五、强化实践性教学
财经类学校在专业教学方面应该关注实践性课程的设置，它是培养学生理论联系实际能力的关键，实践教学能够帮助学生更加了解学科特点，实践的过程中学生原本零散的知识点得以组合联通，长久以来，高校办学都在坚持以行业需求为导向，以培养学生能力为目标，实现学术与职业特点的融合，要将“隐性”的课外实践逐渐转变为“显性”的实践课程。在落实学生实践学习的过程中，学校要积极引入从业资格课程、职业群集课程等等，强化专业实践，与当地的金融企业建立合作伙伴关系，引入“3+1”的实践教学模式，全面促进学生能力、素质以及知识等综合能力的提升，使其能够更加满足当今市场对人才的各项要求。同时，学校还可以构建校企联盟模式，协同培养人才，充分发挥校企合作的优势，为学校学生提供良好的实践平台以及展现自我的机会，帮助他们客观的认识自身职业的特点，进而有目的的投入实践学习，提升自身能力。实践教学要侧重学生职业能力的培养，要帮助他们更加适合当今市场的需求，树立“厚基础、精专业、强能力”的人才培养目标。最后，要注重实践评价，建立完善的评价体系，通过这样的方式了解学生的实践情况，便于查缺补漏。开展实践教学，要综合多元化的实践渠道，融合先进的教学方式，最大限度将课程体系内容与工作领域的相关知识紧密联系在一起，必须要使学生的专业能力、职能能力得到提升。从多年的实践经验来看，实践教学人才培养模式有效提升了学生的综合素质以及专业水平，有利于学生未来发展与就业，在目前金融类学科教学中应该加以推广。
六、结论
信息管理与信息系统专业是一个多学科交叉、应用以计算机为主的技术解决经济管理问题的专业，应用范围广泛，技术性强。随着信息技术的发展以及信息化建设的推进，信息系统在运行中积累的数据量已经超越管理控制能力，社会对具有数据管理和数据分析能力的人才需求也在迅猛增长，信管专业的建设必须从社会需求的角度出发，重新设计课程体系和教学内容，培养符合经济社会发展需要的人才。
参考文献：
[1]刘婷婷.大数据时代下信息管理与信息系统专业培养模式研究[J].中国电子教育,2014(02).
[2]石洪波.财经院校信息类专业数据管理与分析课程群体系研究[J].高等财经教育研究,2015(09).
[3]闫娜.大数据视角下信息管理与信息系统专业建设研究[J].图书馆学研究,2013(11).
[4]陈红琳.财经类院校信管专业人才培养模式研究[J].科技视界,2013(25).
[关键词]数据驱动；编程；统计建模
[中图分类号]G642[文献标志码]A[文章编号]2096-0603（2020）27-0086-02
根据Careercast的最新报告，数据科学家（DataScientist）和统计师（Statistician）分别位列2019年工作排名的第一和第二位。两者的排名得益于大数据的发展以及与数据相关工作需求的快速增长。令人惊讶的是，“数据科学家”这一职位名称最先出现是在2009年，经过短短几年时间《哈佛商业评论》在2012年就称数据科学家是21世纪“最性感”的工作。事实上，Google的HalVarian在2009年称统计师将是21世纪最性感的工作。这两者在工作内容方面有重叠也有区别。对于统计学专业的学生来说，就业市场需求的持续增长是一个好消息，但也需要继续提升自身的竞争力[1]。
各行各业都在产生大量的数据，而这些数据正在成为有价值的资产。如医疗行业中辅助诊断，零售业中精准广告投放以及能源行业用户的用电预测等。从海量的数据中如何发现与提取有用的信息来辅助公司决策与发展？数据驱动型工作机会呈现爆炸式增长。统计分析与数学建模是这类工作的核心技能之一。然而，由于数据量多而且数据类型繁杂，有时并不能直接使用传统的统计模型。这就使经验丰富的数据分析人才成为稀缺资源。根据2014年针对大数据应用现状和趋势展开的调研，受访者最关注的大数据技术中，排在前三的分别是：数据分析（统计分析与数据挖掘等）、数据采集、数据处理。[2]与之对应的是统计专业知识与计算机编程能力。
2015年印发的《关于引导部分地方普通本科高校向应用型转变的指导意见》中，高等教育向应用型人才培养倾斜。应用型人才着眼于实践能力的培养，注重专业技术教育与实际工作需求相结合，符合我国现代化经济发展的客观需要。2019年2月教育部了《支持应用型本科高校发展有关工作情况》，指出：“推动项目高校将产教融合项目建设和学校转型深化改革相结合，切实把办学真正转到服务地方经济社会发展上来，转到产教融合校企合作上来，转到培养应用型、技术技能型人才上来。”在这个指导准则下，为提高统计专业学生的就业竞争力，应调整相应的教学方式，使学生在校内课堂所学与就业需求紧密衔接。[3]
一、课程设置
目前大多数院校开设了丰富的课程，包括概率论与数理统计、抽样调查理论与方法、试验设计与分析、统计模拟与计算、SPSS统计软件以及常用统计方法等。该系列课程既包括理论知识，也涉及实际应用，使学生在专业知识、实践技能两方面同时得到训练，也为以后从事数据驱动类技术工作打下坚实的基础。但在课程教学过程中，发现学生缺乏从实际数据中提取信息建模分析的能力，编程能力不足。美国统计学会于2014年了统计学本科专业的指导性教学纲要中指出，统计专业人才不仅需要扎实的数学和统计基础，还要有强大的统计计算和编程能力，可以熟练使用专业统计软件和数据库；实际数据是统计专业教育的重要组成部分。
在目前的课堂教学中，教师通常会以一组较为简单的数据来演示。在学生学习理论知识的初始阶段，这是必要也是学生容易接受的方式。在高年级阶段，在学生已经学习与掌握了大部分的統计课程之后，可以让学生分析相对复杂一些的数据集，甚至自行收集数据，从而完成数据收集、数据清理、数据分析、结果展示这样一个分析过程。在数据的选取方面，教师可以将一些数据比赛的公开数据作为数据源供学生选择，在课程进行过程中完成该数据的分析并且展示分析结果。同时鼓励学生尝试使用一些新的统计建模方法。另外，也有学校采取了校企合作的方式来教授学生应用技能。例如，斯坦福大学与Cloudera公司合作，由Cloudera公司开设大数据挖掘的课程供学生选修。
二、学习能力的培养
对于数据的科学分析，我们需要理论支持，也需要掌握分析的工具。在目前的课程中尽管已经开设了统计软件课程，包括R、SPSS等。前者需要一定的编程能力，这也是数据驱动型工作所需的。编程能力的培养与提升离不开大量的练习，这就需要学生能够投入一部分课余时间。新的软件也在不断涌现，如Python受到很多企业的欢迎。学生需要密切关注就业市场的需求，同时学校也可以组织一些比赛来促进学生积极学习。例如，北卡罗来纳州的学生利用美国邮政总局的数据，分析对垃圾邮件的响应率，找到提升效率的方法。或者参加一些数据竞赛，在短时间内通过高强度的学习完成比赛，一方面可以提高数据分析能力，另一方面也锻炼了自学能力。
大数据一词是由英文单词“Big Data”翻译而来。大数据时代的到来既是信息技术领域的一场持久而深刻的变革，更在全世界范围内开启了思想的剧变，从而成为引领社会实现新兴技术不断向前发展与变革的利器，深刻地影响着人们的生产与生活。“当今社会已经迈入了大数据时代，大数据已经渗透到当今所有的行业和业务领域，成为重要的生产因素。”[1]在这个宏观背景下，大数据的社会价值和科学价值的不断得到彰显与利用，给高校的教育与管理也带来了新的机遇。教育领域的大数据运用有其自身的特点，在高校的实现应当侧重从学生的学习过程、日常生活的微观表现进行测量，开展精准的“学生画像”，有效分析與预测研究对象的学业完成进度与趋势，从而为学校教育教学质量提升和学生教育管理服务提供保障。
目前，国内不少高校通过利用大数据技术，深度挖掘在校大学生的行为数据，但每个学校都因有自身不同的办学特色和现实情况，如何结合学校信息化校园建设，开展针对在校学生的行为数据分析与研究，帮助教学、学工等相关部门提供可视化图表的方式呈现数据分析结果和学业预警等相关意见，从而为学校教育与管理服务，提供决策建议与意见，具有强烈的现实意义和广阔的应用前景。
2 一卡通数据系统分析云平台
本文以围绕学院校园一卡通系统建设，开展智慧校园和智慧管理研究，通过对学生教室考勤、宿舍门禁，校园消费、上网记录、奖励资助及购水购电等信息，关联学生教务、图书及其他物联网等应用系统后台数据库，结合系统基础数据库的表结构特征和关键字段，设置相应的逻辑关系和判断条件，通过校园一卡通大数据分析云平台，从学生学业警示预警、个性化学习、上网行为、消费行为、奖惩资助和就业帮扶等六个维度，使用聚类、关系规则和序列模式挖掘等技术指标与手段，开展深度数据分析与数据挖掘，形成可视化图表的方式呈现出数据分析的描述结果，给出相关的建议结论或预警意见，供班导师、辅导员、相关职能部门查看与使用，从而为学校教育、管理与服务提供决策支持和智慧服务。[2]
3 学生行为大数据分析
3.1 学业警示预警分析
基于一卡通数据系统分析云平台关联学生教务系统，系统管理员根据权限可以实现实时查看学生个人学业完成及积欠课程的情况，各班导师或辅导员可以统计与分析相关专业学生的学业完成度统计数据，结合学生的课堂考勤、心理测评、图书借阅、重修课程、上网数据等对学生的失联、留级及预判延长学制、不能毕业等情况予以预警。根据动态分析数据，班导师和辅导员可以及时与学生本人、任课教师和学生家长取得联系，帮助学生分析和查找问题，指明努力方向。
3.2 个性化学习分析
基于一卡通数据系统分析云平台结合学生选修课程、个人兴趣与综合评估，分析学生个人现状及特点，通过大数据分析，给予相关培养建议，从而围绕校园数据资源，指导学校相关职能部门定期向学生推送个性化的网络教学资源、网络书籍与纸质图书资源、兼职与就业招聘信息等，提高课外阅读量和专业学习水平，从而实现个性化教学指导与帮助。
3.3 上网行为分析
基于一卡通数据系统分析云平台对学生的上网行为统计分析，通过对学生上网时间、上网地点、上网时长、上网内容、流量下载等数据建模，挖掘与分析学生上网行为习惯。通过统计分析日均上网或游戏时长较长的学生情况，结合学生学业完成度等，定期开展预警警示工作，班导师和各学院学团也可以有针对性的开展学风检查、建设与整顿工作，从而更好地培育优良的校风、班风与学风。
3.4 消费行为分析
基于一卡通数据系统分析云平台对校园的消费数据进行分析，发现和诊断群体消费的偏好以及潜在的问题，有效分析与预测未来消费新趋势，加强后勤服务场所的管理与引导。学校可以针对贫困生等不同身份特征人群开展分类型的数据分析，通过消费数据的挖掘，在贫困生认定和精准帮扶等方面提供可靠的数据支持，从而有效地为学工、教务后勤等部门的管理与服务提供信息数据支持。
3.5 奖惩资助行为分析
基于一卡通数据系统分析云平台对学生在校期间的奖惩资助行为分析，完善学生奖惩助困的动态分析与监控。通过及时完善相关信息，便于后期的数据统计及筛查工作，同时有利于完善贫困生的资助体系，开展贫困生精准帮扶工作，引导与管理好校园义工和勤工俭学岗位。通过全面梳理学生奖励及资助数据，能有效加强对受处分学生的动态的监控，及时受理学生处分的撤销与评议，提高受处分学生主动承担社区及义工服务的意识。
3.6 就业行为分析
基于一卡通数据系统分析云平台对全校或者部分专业提供市场就业细分，结合学生生源地区、专业特长、性格特征、个人爱好、学业完成度、能力模型及求职意向，设计就业工作模型，匹配相关用人单位及招聘信息，通过大数据实施双向精准推荐，从而更好地服务学生和用人单位。针对就业市场的大数据分析和结论，还可以为学校现有专业建设及人才培养方案的重构，提供数据支撑，从而进一步服务教学与管理工作。
4 数据分析结果评价
基于一卡通数据系统分析云平台的运用，针对应用系统后台数据库开展数据分析，通过大数据挖掘方法，开展系统总体构建设计，利用从原数据层到数据处理层，再到数据库仓层，最终到终端用户层的框架模型，维度分析因果和映射关系，辅助以灵活可视化的查询界面、图形与图表等形式，呈现出研究对象的学习、上网、消费、奖惩、资助、阅读、就业等日常行为特征，分析其行为特征与学校智慧化校园管理与监督之间的关系，为学校的教育、教学与管理工作提供决策建议和意见。
4.1 有助于学校精细化管理
通过平台，理清管理职责与权限，加强工作的细化与内化，逐步实现学生的精准化管理，既提高了工作的效率，又提升了工作的水平。通过信息系统，改变原有相对粗放的管理模式，量化分析学生的学习行为和日常表现，洞察学习规律，促进管理工作横向到底、纵向到边。[3]
4.2 有助于学校精准化服务
通过平台，运用数据监测，分析与定位重点帮扶的班级及学生，积极关注情况特别学生群体，帮助学业预警、心理异常、经济特困、就业困难、违纪处分等类型的学生分析困难与问题，找到走出困境的途径与方法，从而将帮扶工作做到精准到位，帮助每个学生充分发展。
4.3 有助于学校精心化育人
通过平台，透视教育数据，优化管理与评价机制，建立全方位育人体系，为学校及學生个性化教育和教学干预行为进行准确预测与服务，加强部门间的联动与沟通，从而推进学校决策的系统化与科学化，打造全员、全过程的育人格局，打造精心育人工程。
