大数据课程总结范文

大数据课程总结范文第1篇

关键词：大数据;个性化教学;大学信息技术课程

伴随着大数据时代的到来，在计算机网络信息系统、数据挖掘、云计算等现代信息技术的支撑下，一方面高校学生学习的途径增多，通过网络可以接触到大量的知识和资源，而教师面对面讲授的教学方式难以提高学生的学习兴趣，传统的课堂教学面临新的挑战;另一方面，教育领域存储了海量的信息和相关数据，通过分析这些数据和信息，可以为学生的个性化学习提供服务。因此，面对大数据时代的挑战，高等院校的大学信息技术课程必须向因材施教、个性化教育的方向转变。

一、大学信息技术课程个性化教学方式改革

1.大数据时代个性化教学的可行性

大数据时代，教育资源极大丰富，借助网络等相关技术可以建立一站式教学信息平台，它包括网络课程、管理与评价系统、微课、教学视频点播等。通过这个平台，学生可以自主制定学习计划，实现跨地域、全天候的学习。

在大数据时代，可以利用教育分析的相关技术从技术层面来量化教学行为、学习行为，经过大数据处理可以找到学生各种行为之间，以及学生学习状况与教学过程之间的内在联系，教师可以据此作出有针对性的教学决策及施教方案。这样的教学不再是单纯围绕课程内容进行，而是考虑学生的个体差异，提高学生的参与性和自主性，使得个性化教育成为可能。

2.大学信息技术课程个性化教学的内容调整

基于大数据分析，在已有的学生学习行为的相关数据中发现有用的行为模式，围绕这些行为模式和个性化学习理论，对大学信息技术课程的教学内容进行研究和设计，以学生为中心，培养学生自主学习能力、独立思考能力，提高学生学习成就感。

以相应的知识逻辑结构为核心，依据发掘出的学习规律，将大学信息技术课程的教学内容分解成一系列教学模块，其内容包括特定目标、任务、方法、资源、作业、研讨互动与总结反思等。

在教学过程中，采集学生学习行为的数据，并结合每个教学单元对学生进行学习过程的行为分析。通过这些分析，不仅可以促使学生发现学习过程中存在的问题，提高学习效率，还可以帮助教师及时调整教学进度，提高教学内容的针对性。

3.大学信息技术课程个性化教学的实施方法与手段

为了实现个性化教学，培养学生能力，不能只依靠课堂上单一的教学课件，需要综合利用多种教学方法与教学手段，如互动式教学、研究性教学、实践性教学及群体反思性教学等。

在教学实施过程中，教师可以将相关的课程学习短视频资源放在校园网上，学生根据个人需要自主决定学习进度，这样可以满足不同接受能力的学生的学习需求。通过一段时间的实践，学生可以自主总结学习过程中遇到的问题，并将其反馈给教师，教师可以组织课堂研讨，深化学生所学内容，让学生在交流中充分发挥主观能动性，学会团队合作，使学生既发展了人际交往能力又获得了学习的成就感。每次研讨深化后，教师可以根据不同层次学生的特点设计教学内容，制定个性化的学习任务。

通过课前设计学习任务、课中组织讨论深化、课后规划个性扩展，教师把传统的课堂灌输式的教学方式转换为新型的个性化指导教学方式。

二、问题与展望

面对大数据带来的挑战，针对高校学生思维活跃、学习行为多样化等特点，在大学信息技术课程的教学实施过程中要改变传统的“灌输式”教学模式，针对每个学生的具体情况实施个性化的教学方法。

但是，目前大数据技术在教育领域的运用大多只是针对教育数据的评价与分析，而针对教育过程中的行为分析和预测算法比较少，如何在现有的数据基础上结合新兴的大数据挖掘与分析技术进行个性化教育，是高校现代教育改革面临的重要问题。

参考文献：

[1]梁文鑫.大数据时代――课堂教学将迎来真正的变革[J].北京教育学院学报（自然科学版），2013（1）.

大数据课程总结范文第2篇

应用统计专业学位的设立是为了适应现代统计事业发展对应用统计专门人才的需要而设置的，它的培养目标主要是让学生掌握扎实的理论基础和系统的专业知识和技能，具备数据采集、整理、分析和开发的能力，能够从事统计调查咨询、数据分析等“应用型”统计专门人才[5]110-111。然而，在大数据环境下实现的数据分析已不再局限于某一类特殊的行业统计分析需要，各行各业的运作发展都越来越依赖于大数据环境的存储、计算、统计分析与决策。对于多样化的大数据集，其所涉及的内容和知识结构必然是不同学科的交叉应用。大数据时代的数据分析专业人才的培养目标并不仅仅是传统的数据收集、整理与分析，而是需要掌握能适应大数据特点的新的研究方法和独立分析的能力，能很好地融会贯通其他专业的知识内涵，成为真正意义的专业大数据分析人才。然而传统的统计学人才培养目标和教学模式并不符合社会对大数据分析专业能力的要求。参考和借鉴文献[6-7]8-9,226提出来的一些建议，笔者探索从以下几个方面对人才培养目标和教学培养模式进行改革：（一）走出校园，深入社会，挖掘并归纳出社会用人单位对数据分析专业职位技能和能力素质要求，进而制定符合社会需求的人才培养目标，以市场需求为导向更好地指导教学实践活动。为了更好地为用人单位输送符合大数据时代需求的专业数据分析人才，尝试对高年级学生的培养方案设计中考虑以岗位需求为标准灵活调整和制定相应的培养目标和内容。（二）参考国外本科生专业人才培养的先进理念，引入“协作式”培养模式，大力支持大型企业与高校合作或高校与高校合作培养复合型和开发型人才。各个高校、企业可以发挥各自专业特长来实现合作，高校的不同专业之间也应该加强沟通和协作，例如在制定应用统计专业数据分析人才培养方案及实施过程中，可以以统计学科所在的学院为主导，让计算机学科、经济、金融及管理学科等相关学院协作参与完成[8-9]60-64。（三）总结教学过程存在的不足，探索新的知识学习和能力培养的创新模式。目前的教学活动主要以老师独立授课，学生被动接受知识为主的方式，培养过程计划性强，缺乏弹性，培养的评价也过于单一。在本科生培养中可以引入课程学习、导师指导和科学研究三个阶段，考虑采用导师指导与集体培养相结合的方式，一门专业课程的讲授不再局限于单个老师完成，在培养方案中考虑主题分组方式，鼓励授课教师根据自己的专业特点和知识背景共同参与一门课程的教学活动。多名教师协同工作的模式可以取长补短，在大数据分析的实际案例设计及课程内容上都更加贴近实际需求，产生更好的教学效果[6]8-9。

二、基于大数据分析的特点科学构建课程体系

大数据背景下，人们可以通过互联网、数据库以及各种通信工具获得海量数据，人们日常生活、学习和工作的各类事物都可以实现信息化，世界几乎是由各种信息和数据所构成的。大数据的特点可以归结为四个V,数量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高(Velocity)[6]8-9。大数据的真正意义不在于能提供庞大的数据量，而是对海量的数据进行专业的处理和分析，并从中获取用户关注的信息。结合当前互联网应用中大数据本身的特点，从大数据中挖掘出重要知识并对之深度学习和分析的工具和方法也应与时俱进地发生改变，传统的统计方法和统计分析工具已无法满足大数据分析的需要。然而，在大多数高等院校中，统计学专业人才培养的课程体系并没有考虑社会的实际应用需求，仍然停留在以传统的统计模型框架为主导的课程体系设置，本科生教育的主要专业课程包括：数学分析、高等概率论与数理统计、应用随机过程、回归分析和多元统计分析等[10]248-249，这些课程内容和知识结构还不足以满足大数据时代对数据分析专业人才知识结构的要求，课程体系设置中缺少能有效整合的数据分析能力培养模块[11]66-68。因此，有必要针对各类院校师生各自的专业特点和学科基础，分层次、分阶段地展开课程体系改革。（一）参考国内外先进高校大数据分析专业的课程设置，结合本校的师资和专业结构特点采取灵活的策略制定课程计划，在实施学分制改革的高校中各类学生可以在学业导师指导下实施符合学生自身特点的课程学习方案。（二）以大数据分析人才需求驱动的课程体系改革要考虑市场的行业需求变化、大数据应用中跨学科的特点。素质好的数据分析人员不仅仅要具备专业的数据分析能力，还应该对具体数据中涉及的学科知识有较好的储备，能将不同行业的专业知识与数据分析紧密关联起来，实现大数据分析的效用最大化。此外，在充分借鉴国内外大学成功经验的基础上，课程设置应该与学生的学术倾向和基础能力紧密结合，注重基础课程教育的同时强调文理渗透，同时要兼顾学生的兴趣与学习的联系，在课程体系的设置中需要增设一些多领域、跨学科的选修课程，如经济学、金融学、保险学、管理学和会计学等。因此，校内跨学科或高校与高校之间联合培养是实现跨学科课程建设的有效方法之一。（三）科学构建课程体系的主要思路还包括根据大数据时代需求，对专业必修和专业选修课程在课程时间、顺序及内容等方面进行改革。专业必修课程重点内容为统计学和计算机科学的交叉部分，在讲授统计基础理论（如多元统计、决策树、时间序列等）课程基础上设置大数据案例分析课程，在案例分析过程中让学生实际操作企业当前应用的大数据计算平台[6]8-9，从而增强学生大规模分布式计算技能。为提高学生的实际动手和二次开发能力，专业选修课程需更多地开设与数据挖掘及面向数据的编程语言相关的课程，如数据挖掘算法、C++、Java和Python等课程，强化学生的数据挖掘和分析能力。

三、基于协同创新的理念开展实践教学改革

近几年，随着应用型、创新型人才培养目标的提出，学校越来越重视和加强对各类专业人才实践教学能力的培养，以“数据分析”为方向的专业人才需要运用统计分析软件对数据进行分析和决策，其实践教学的重要性更是不言而喻。然而，在大数据被广泛应用的时代背景下，高等院校中的实践教学仍然是培养高层次“大数据分析”人才的薄弱环节，实践教学教材及内容不规范、教学方法单一、软硬件的更新以及师资储备等方面都存在着一些问题[12]96-97。例如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，大数据时代数据是海量且复杂的，用简单的SPSS、Eviews为主的软件教学已无法处理大数据[5]110-111。因此，学习其他知名高校构建的协同创新的理念，结合财经类院校的统计学科及人才培养的特点，开展实践教学改革[13]248-249。对“数据分析”专业人才实践教学改革，笔者的建议如下：（一）根据协同创新理念，解决实践教学环节存在的实验教材（教学内容）缺乏实用性的问题，一方面可以参考企业对数据分析师、调查分析师资格认证相关培训教材，开发实用性强的《数据分析》实践教材，另一方面学校可以和企业或其他高校定期举办交流座谈会，面向企业需求甄选实践教学内容。（二）高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，借鉴协同创新联合培养的模式可以有效充分地利用企业、学校的各方面师资资源。例如北京大学、中国科学院、中国人民大学、中央财经大学、首都经济贸易大学5所高校已经与政府部门和产业界签署了联合培养大数据分析应用人才的合作协议[14]。广东财经大学也可以参照类似联合培养的做法，和广东其他高校、政府和企业合作。一方面企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[15]29-32。（三）为了激发学生的学习热情，减少对实践操作的畏难情绪，实验课程的教学方法也需要探索创新性实践教育模式。教学过程可以考虑灵活的制定团队教学计划、案例实战分析、模拟实训等多样化的方式，减少单一的课堂内容讲授，在理论和实践教学环节中积极调动学生的主观能动性，提供更真实的企业大数据应用环境，并以学生为主完成实际案例分析。此外，基于不同的授课对象的特点，老师在教学过程中也要适当考虑学生的兴趣和需求，随时调整实验教学策略[9]。

大数据时代，人类的工作和生活都与大数据息息相关，各类行业的发展也和大数据中的海量信息密切相关，数据及其分析将成为决策唯一的依据。因此，各行各业都将需要拥有大数据分析能力的统计学专业人才。各类高等院校作为人才培养的重要载体，更是承载了培养能适应大数据环境下数据分析专业人才的重要使命。文章从完善人才培养的目标出发，总结和分析了传统的统计学及数据分析人才培养在大数据环境下存在的问题，并基于大数据的特点提出了课程体系和内容的改革思考，并在此基础上提出了面向大数据分析的课程实验教学方法，探讨如何提高本科生理论与实践结合的综合能力，为大数据时代下数据分析专业人才培养改革提供新的思路和参考。

大数据课程总结范文第3篇

关键词：大数据时代；财务管理课程；翻转课堂；教学模式

财务管理课程是以企业价值最优化为导向的应用型课程，在企业发展与资本市场的发展中具有举足轻重的地位，对学生开展创新创业活动具有重要的支持作用。在我国企业业务转型、技术转型、战略转型的背景下，对企业的资源配置能力、业务支撑能力、价值管理能力和精细化管理意识提出了较高的要求，财务管理课程的必要性和重要性也因此日渐凸显。而融合大数据分析技术的翻转课堂教学模式，可以在某种层面上帮助学生掌握企业所要求的各项能力，拓宽课程教学维度，引导学生更好地参与到财务管理教学活动中。

一、大数据技术与翻转课堂的基本内涵

在大数据背景下，大量数据信息正不断地融入日常教学活动中，如何应用这些信息技术，为学生提供更好的教学与教育服务，完善财务管理课程的教学过程和教学模式，是当前较为热门的课题。同时，也是我国教育工作者所需要重点解决的问题。在理论研究的层面上，我们能够发现，大数据主要指蕴含信息价值，且不易被处理、管理、挖掘的数据集合。拥有“来源广泛”“类型多样”“数量庞大”等基本特征和特点［1］。大数据处理与分析技术则指通过数据挖掘与人工智能的方式，从庞大的数据集合中提取和挖掘有价值的数据信息的过程。在日常的课堂教学活动中，信息数据能够反映出课堂教学质量，譬如学生与教师的互动次数，学生提问次数及各种情况的出现比重等。现阶段，我国已经有学者和专家提出运用大数据方法和理念来优化教学内容与模式。譬如，王烨（2021）在深入探究翻转课堂在财务管理课程教学中的应用策略时，指出大数据技术应融入到课前学习阶段，用以把控学生自主学习的质量［2］。而部分学者则从网络教学的角度出发，用大数据技术预测学生线上学习的行为，并强调大数据能够优化传统教学体系，提升教学效果。翻转课堂是近几年逐渐兴起的教学模式，在理论概念的界定上，翻转课堂普遍指将传统课堂模态颠倒过来，重现调整和优化课堂内外的教学环节，即将教师课堂讲授环节翻转到课前，将知识内化、能力提升、技能锻炼等环节翻转到课堂，通过翻转课堂，教师能够转变传统的教学生态，革新教学理念、丰富教学内容、创新教学方法。譬如，在教学理念革新上，教师能够突出学生在课程学习中的主体地位，使自身的角色定位从知识传授者逐渐转变为知识服务者，让学生能够逐渐形成自主探究、合作学习、独立思考的能力。因此，相较于传统教学模式，翻转课堂的有效应用，拥有跨时代的意义和价值。

二、大数据在高职财务管理翻转课堂教学中的应用优势

将大数据技术应用在高职财务管理翻转课堂中的本质是，大数据分析技术的有效应用，是借助大数据挖掘与分析技术，解决传统翻转课堂教学中存在的问题。因此，为充分发挥大数据技术在财务管理翻转课堂变革中的优势，我们有—87—必要明确大数据技术在翻转课堂中的应用优势和价值。首先是决策支持。在传统财务管理课堂教学中，教师需要通过判断学生的学习进度与学习状态，来调整课程教学活动，大多数情况需要依靠教师的主观因素和个人经验，来进行教学决策，这非常容易受到外界环境的制约和影响。但结合大数据分析技术的课堂教学，可以帮助教师通过数据分析的方式，来制定教学计划、教学方案；通过分析学生学习行为，来衡量翻转课堂教学活动的开展情况，从而更好地把握学生的知识掌握程度及应用质量，提升教学决策的有效性。其次，反映问题。将大数据分析融入到翻转课堂中，能够帮助财务管理教师将课后、课上、课前的数据融为一体，使教学数据可以更好地反映学生自主学习、合作学习、独立思考的情况［3］。也能在某种层面帮助教师明确学生在翻转课堂模式下遇到的问题。譬如，课前学习中出现学生主动性不强、课堂练习中学生所获取的知识难以得到充分应用等。或者部分教学资源在整体利用上存在“访问量不足”等问题。此外，基于大数据分析技术构建评价体系，可以帮助教师从学习资源、在线学习、课堂交流等层面，充分评价学生整体的学习质量，明确学生存在的问题。

三、财务管理翻转课堂环节及其问题

虽然将翻转课堂教学模式融入到财务管理课程教学中，能够突出学生的主体地位，调动学生的主观能动性，提升学生的实践能力、应用能力和操作能力，有助于实现“学做一体化”的育人目标，然而在实际的翻转课堂应用中，却存在诸多层面的问题，严重影响翻转课堂的功能发挥和价值彰显。

（一）课前知识学习环节

课前知识学习环节是财务管理课程知识传授的关键环节，同时也是学生自主学习、独立思考和合作学习的关键阶段。虽然教师能够通过在线教学的方式，扩展教材范围，丰富教学内容，注重对教学重点的挖掘，例如通过微课视频的录制，将财务管理课程的知识重点、知识难点，浓缩到十分钟左右的教学视频中，让学生在有限的时间内，更好地掌握财务管理知识，但是学生在微课学习后，往往缺乏相应的自主探究、独立思考意识，无法根据微课视频所强调的重点、难点知识，进行内化、吸收和拓展，从而导致教师在课堂内化上，不得不重新讲解相关的理论知识，教学质量和教学效果不尽人意。譬如，针对“资本资产定价模型”，教师很难在短小的微课视频中将其众多的概念“选用”和“区分”完整地阐述出来，必须要求学生对其进行自主摸索。而在“无风险利率”方面，虽然它的定义较为浅显，容易被理解，不过在指标选用上，却需要考虑多种因素，这些都容易导致学生产生疑惑。如果缺乏自主思考过程，容易影响到翻转课堂正常的功能发挥。

（二）课中知识内化环节

在翻转课堂中，财务管理课程的课堂教学环节是学生内化知识、磨炼本领、交互合作，充分发挥主观能动性的关键环节，通常包括小组学习、结果汇报、总结提高等内容。其中小组学习要求教师通过汇集学生在课前学习中所遇到的问题，引导学生以小组学习的方式，对其进行“探究”“思考”。而结果汇报则指学习小组通过问题讨论的方式，明确知识重点，并将结果汇报给教师的过程。最后是总结提高，即教师对课程的内容进行总结。虽然传统翻转课堂的“课堂环节”，能够切实帮助学生进行知识的内化和巩固，但在能力培养上的作用还不够突出。教师依旧存在占据课程教学的主导地位，学生在课前获取的知识难以得到充分的应用，分层化教学效果不够明显等问题。其中分层化教学主要指教师根据学习小组的“学习能力”“学习水平”，制定出针对性的“学习任务”或“讨论主题”，帮助学生循序渐进地进行学习［4］。但由于财务管理教师授课时间紧张，分层化教学目标还难以实现，不同学生还难以结合自身所存在的问题，进行专门性的学习和提升，严重影响到翻转课堂教学质量的提高。

（三）课后知识巩固环节

在课后，教师需要帮助学生扩展和巩固知识，通过明确教学内容和目标，布置契合教学大纲的综合性练习，引导学生更好地强化学习效果，提升学习质量。虽然在该部分，教师可以很好地引导学生对知识进行内化、巩固及理解，但是缺乏课程效果考核与评价过程，教师很难及时地明确翻转课堂教学模式的应用质量和效果，只能在较长的教学周期后，通过应试考试或实践训练的方式，来对翻转课堂教学效果进行判断。这在某种程度上极大地提高了课堂教学的不确定性，也影响到翻转课堂活动的有效开展。譬如，缺乏课程评价环节，财务管理教师将难以明确学生在翻转课堂学习中所遇到的问题，或者教学资源在构建中存在的不适应问题，致使翻转课堂教学效果受到影响。此外，在知识巩固阶段，教师虽然可以通过相应的学习任务或练习活动来帮助学生巩固知识，但对学生知识巩固的情况和质量，教师还是缺乏了解。如果通过周期性的评价活动，来探究学生对知识理解和巩固的效率，还存在诸多的效率性问题。

四、大数据背景下财务管理翻转课堂教学策略

（一）细化课前阶段

首先，教师应借助大数据挖掘技术与分析技术，构建教学资源库，不仅要涵盖财务管理课程内容，而且还需要将社会企业在财务管理上具有的优势、发展成果及存在的问题融入其中。在此过程中，财务管理教师有必要借助大数据技术对社会资源进行优化、筛选、分析及挖掘，深化社会财务管理资源与课堂财务管理资源存在的联系，帮助学生更好地进行自主学习。其次，制作微课视频，引导学生通过微课视频探索财务管理理论知识。在微课视频制作上，教师需要将知识点与课堂教学融合起来，将一章内容划分为四个或五个知识点，每个知识点的讲解控制在十分钟左右，并且确保不同的微课视频都形象生动、符合社会实际。譬如，以企业核算问题为引子，循序渐进地引出相关的知识点，并在微课视频后给出学生所需要探索的问题。再次，构建学情监督与问题反馈机制。即学生可以通过网络社交平台或教学平台将财务管理学习中所遇到的问题反馈给教师。教师及时为学生进行解答，如果是共性问题，则需要教师将其保留到课堂教学中。而在学情监控上，需要教师借助大数据技术全面分析学—97—生对教学资源的利用状况，明确学生是否按要求进行合作学习、自主探究活动。譬如，在无风险利率选择问题上，通过大数据技术分析学生有无查询“票面利率”“政府债券利率”及“到期收益率”等方面的资源，可以明确学生自主学习的情况。

（二）重构课堂阶段

财务管理教师应重构翻转课堂教学阶段，加强课前学习与课堂内化的内在联系。首先，教师应在授课前总结并归纳微课视频内容，要求学习小组展示课前学习的成果，并对其进行评价。随后根据学生的成果展示状况，提出相应的讨论或训练主题。譬如，资本资产定价模型与股利增长模型之间的关系。其次，教师应将大数据技术应用在分层教学的过程中，即通过数据挖掘与分析的方式，明确学生在财务管理中存在的基本问题，将存在相同问题的学生划分为一个小组。随后根据学生在成果展示环节中所获取知识的“类型”，确定不同学习小组的主题讨论难度。譬如，基础不牢固的学习小组应从最基本的概念界定、理论理解出发，而学习能力强的学习小组可以综合以往的财务管理知识，探究层次性较深的实际问题。再次，注重对课前探究结果的内化和应用，财务管理教师虽然可以根据学生的成果展示情况，为学生确立不同的讨论内容或主题，但要想让学生充分地应用到课前所获取的知识，还需要教师制定出契合学生课前学习成果的教学任务。譬如，解决特定领域的会计核算问题，通过课堂实践训练或模拟演练，帮助学生内化课前学习成果。当然在此过程中，教师必须确保学生在课前所探究和汲取的知识与教学大纲的要求相契合，如果出现超过教学大纲的情况，则教师需要对学生进行科学的引导。

（三）革新评价机制

首先在财务管理翻转课堂教学活动后，教师应将每堂课所积累的数据导入到大数据挖掘或分析工具中，通过数据分析或挖掘的方式，明确课程教学质量、效果及学生对知识理解及应用情况。譬如，用大数据技术将学生“课后”“课上”“课前”的学习过程，以数据形式呈现出来，通过完整记录学生的学习情况，帮助教师判断翻转课堂在教学环节、教学资源及教学过程中存在的不足。其次，在课后知识巩固阶段，教师应利用大数据分析技术，通过分析学生的各项学习指标，明确其对财务理论知识理解和应用的程度，提升翻转课堂应用的质量。譬如，分析学生在线练习的数据，可以分析出学生在课堂教学中存在的问题。简而言之，财务管理教师可以借助“数据分析技术”，快速判断学生群体在“不同单元知识”上的理解质量，为教师更好地开展后续的教学活动奠定坚实的基础。最后，改变传统以理论知识为主导的评价机制。在翻转课堂评价的过程中，财务管理教师必须突出学生能力在教学评价中的地位，注重对学生专业素养、专业能力的评价。

结束语

将大数据分析技术融入到财务管理课程的翻转课堂教学模式中，能够切实破解传统翻转课堂在应用中存在的问题，增强翻转课堂教学的实效性和有效性，帮助教师更好地明确财务管理课程的教学重点，着重培养学生的独立思考、自主探究和合作学习的能力。对此，我们可以从评价机制、教学过程和课前准备等角度出发，使大数据分析技术运用到翻转课堂教学的不同环节，帮助教师更好地把控翻转课堂的教学节奏，提高财务管理人才的培养质量。

参考文献：

［1］颜申申．公司战略与风险管理课程翻转课堂教学与案例教学法的混合式教学模式探索［J］．老字号品牌营销，2021（9）：114—116．

［2］王烨．“互联网＋”下的翻转课堂在财务管理专业课程中的教学设计［J］．经济师，2021（10）：229—230．

［3］甘昌盛．“问题导向学习”在大学本科层次财务管理课程教学中的应用研究［J］．现代商贸工业，2021，42（19）：142—147．

［4］陈艳杰．翻转课堂在计算机财务管理实践教学中的应用———以筹资决策为例［J］．中国乡镇企业会计，2021（4）：172—173．

大数据课程总结范文第4篇

关键词：大数据背景 计算机基础 改革

一、大数据概况

2013年5月10日，阿里巴巴CEO马云在淘宝十周年晚会上，做卸任CEO职位前的演讲时，马云说：“大家还没搞清PC时代的时候，移动互联网来了，还没搞清移动互联网的时候，大数据时代来了。”在IT这个日新月异的产业，不断掀起一波又一波的科技浪潮，在云计算、物联网、移动互联网之后，我们又迎来了一次颠覆性的技术创新――大数据。

大数据归纳起来有4V+1C五大特点：第一，多样Variety。数据产生的来源多样性决定了数据的多样化，有结构化的数据，更多的则是非结构化数据，比如网页、图片、音频、视频等数据。第二，海量Volume。由于网络和智能设备的普及，每天产生的数据量由TB级别上升为PB，有观点认为，现在只需要两天我们就能够产生自文明诞生以来到2003年所产生的数据总量。第三，高速Velocity。短时间内能够产生海量的数据，这也就要求必须能够快速地对这些庞大的复杂的数据进行处理和分析，以保证数据的有效性，为快速决策提供支持。第四，价值Value。大数据蕴藏着大价值，数据存储和挖掘技术的有力保障之下，大数据是我们新的获取价值的源泉。第五，复杂Complexity。显而易见，大数据的产生复杂多样，对数据的存储以及如何在海量数据中挖掘出有用信息也会是一个相当复杂的问题。

随着网络和计算机技术的发展，物联网把物体连接网络，接受我们的控制和使用，云计算为海量数据的处理提供了可能，移动物联网也为数据信息的传输提供便利，以及PC电脑、平板电脑、手机，以及遍布地球各个角落的各种各样的传感器等终端设备无时无刻不在产生数据。大数据已悄然渗透到我们日常生活的各个角落。

二、现阶段计算机基础课程教学开展情况

（一）教学内容缺乏时代性

目前，大部分的计算机基础课程教授的主要内容一般分为三个部分。第一部分是计算机基础知识，包括计算机的发展、分类、特点（概述），计算机的系统组成及信息的表示；第二部分是microsoft office 常用组件word、excel、powerpoint、access及frontpage基本操作；第三部分是网络基础知识及信息安全的介绍。计算机行业是一个日新月异的行业，在科技飞速发展的今天，课本知识的更新远远落后，对教师素质也提出了更高的要求。

（二）学生个体水平差异显著

学生来源由于城市和农村的地域差异、统招生、单招生、三校生等组成差异等等，使得生源多元化，学生组成复杂、录取分数不高、理论知识基础相当薄弱等现状，这促成了学习需求和发展方向的多样化，因而学校很难顺利组织和实施统一的教学活动。学生实训水平参差不齐，对课堂教师教授内容的理解能力、接受能力和实际操作的动手能力不可能达到一致，这就导致了教师布置同一实训任务，有部分学生在上课时间结束之前不能很好地完成任务，而计算机机房的机器都装有系统还原，上一次课堂上机没有完成的实训任务难以在下堂课继续。

（三）考核评价缺乏针对性

由于个体的差异，每名学生的计算机基础并不在同一起跑线上，但是在课程结课时，传统的课程考核方式往往注重的是最后结果，对学生整体进行统一的同水平要求的考核。对学生的考核应该进行个体的纵向比较，而不是总体的横向对比。衡量的标准应该是每名学生相对自己进步的大小，而不是学生距离统一考核目标的远近。但常规意义上的普及性授课显然难以满足各专业对计算机的不同要求。目前，大多数的计算机基础课程授课内容单一，而不同专业学生在就业岗位上对计算机知识和应用能力的要求各异，课程教学和实际应用存在一定的脱节。

三、大数据背景下计算机基础课程改革思路

（一）及时更新教学内容

紧跟科技发展的脚步，在大数据时代，高职计算机基础课程在原有传统教学内容的基础上，要把计算机及应用新技术穿插到课堂教学中。比如，在计算机的发展阶段中，介绍新型量子计算机、光子计算机、生物计算机、神经网络计算机、纳米计算机等；在计算机硬件系统中，新型存储器、时下热门大数据的存储技术、3D打印机讲解；在计算机软件系统中，移动智能终端操作系统特别是智能手机操作系统介绍、当前流行手机APP功能介绍；办公软件部分要重视在线帮助和联机协作；计算机网络部分，伴随网络而产生的大数据的存储、管理、挖掘及分析，以及移动互联网的介绍。

（二）科学管理教学信息

这样一个大数据时代，对数据的存储技术已经发生了翻天覆地的变化，我们不难得到一套新型的机房管理软件，不用配置高端的设备，借助某些平台利用网络，我们能够保存每一台计算机的节点信息，学生能够更方便地完成任务，而且通过这些数据信息，教师能够更好地掌握学生的学习情况，通过一系列的比较，也能够客观地评价学生的进步。

（三）合理设置专业课程

计算机基础是每一位高职大一学生都需要学习的一门必修基础课程，授课教师需要做好充足的调研，以确定本专业个性化教学内容。一方面，计算机教师需要和本专业相关资深专业教师进行沟通，了解学生在后续专业课程的开设过程中需要用到的计算机知识和技能；另一方面，调研本专业毕业生在核心就业岗位上的任职需求，了解对计算机的需求。经过调研，结合计算机教学内容，设计符合专业岗位的项目案例，真实模拟岗位环境工作过程，让学生提前打好就业基础。

（四）持续创新教学模式

随着这场大数据革命的到来，充分实现教育信息化，对课堂的把握不再依赖于教师的经验，而是通过教学数据更精准地掌握学生学习情况；不同水平的学生可以通过网络课堂调节适合自己的学习节奏，教师只需要进行相应的监督和指导，扭转学生被动接受知识的窘况。

四、Y语

本文先是阐述了大数据的概念、基本性质及产生的影响，总结了现阶段我国计算机基础课程存在的现实问题，并提出了针对性的改革思路，以期为大数据背景下科学高效地开展计算机基础课程改革提供借鉴。

参考文献：

[1]维克托迈尔-舍恩伯格，库克耶.大数据时代[M].浙江人民出版社，2013，（39）.

[2]中国电子科学研究院学报编辑部.大数据时代[J].中国电子科学研究院学报，2013，（01）.

大数据课程总结范文第5篇

关键词：定量分析；教学模式；大数据；案例教学

中图分类号：G4

文献标识码：A

doi：10.19311/ki.16723198.2017.01.080

1引言

管理定量分析课程是应用统计学、运筹学、预测与决策等理论和方法研究经济管理问题的系列应用性课程，它通过收集、整理、分析和解释实际数据来获得有价值的信息和知识，探索经济管理问题的运行规律，辅助企业管理决策和提高管理效率。

近年来，大数据的出现对企业的生产、经营和决策等活动带来了深刻的影响和变换。越来越多的企业致力于应用大数据技术来挖掘企业经营数据的内在价值。

大稻菁际醯某鱿郑对管理定量分析课程教学带来了机遇和挑战，一方面，它极大地丰富了管理定量分析的教学内容，提供了诸多的新理念、新技术和新工具；另一方面，它对现有的管理定量分析课程的教学内容、教学模式和教学团队等带了更高的要求，已有的教学模式难以匹配大数据时代对管理人才提出的高要求。

如何顺应大数据时代的新趋势开展管理定量分析课程教学，如何结合新趋势优化管理定量分析课程设置，如何建立适应大数据背景下的管理定量分析课程教学团队，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是现有的管理定量分析课程教学所面临的问题，这也促使我们不得不去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。

2现有的管理定量分析课程教学概述

笔者所在的教学团队来自于武汉科技大学管理学院，承担全院《管理统计学》、《运筹学》、《系统工程》等课程教学，具有丰富的教学经验。然而，在教学实践当中，我们发现：尽管现有的管理定量分析课程教学模式比较成熟，但是仍存在“三多三少”的不足，而这些不足恰恰难以应对大数据背景下对管理定量分析课程教学带来的挑战。

2.1理论讲授较多，实践教学较少

随着市场竞争的日趋激烈，越来越多的企业采用定量分析方法进行企业决策，管理定量分析方法也成为管理类专业的重要课程。然而，实际教学过程中却发现，学生对该类课程的积极性不高，学习过程中出现畏难，不耐烦等消极情绪，导致实际教学效果大打折扣。

究其原因，一方面，目前的管理定量分析方法主要介绍各种不同类型的定量方法的原理、模型和理论，因而教师主要采用理论讲授为主的教学手段，加上定量分析方法这类课程对数学要求较高，有不少理论模型、数学公式和逻辑推理，对学生的数学要求较高，相对于理工类学生，管理类专业的学生数学基础较为薄弱，因而学生本能地会产生排斥心理；另一方面，现有的定量分析方法主要讲授其原理，大部分老师缺乏参与企业实际管理决策的经历和经验，难以向学生讲授应用定量分析方法解决企业实际管理决策的情景和过程。

2.2数学推导较多，案例应用较少

目前，关于管理定量分析课程教学存在两种观点：一种是“重理论轻应用”，该种观点认为管理定量分析课程是一门综合统计学、运筹学、预测与决策等理论和方法的理论课程，应该注重定量分析的理论和方法的讲授，以理论推导和数学模式为主；另外一种是“轻理论重应用”，该种观点认为管理定量分析课程应该强调统计学、运筹学、预测与决策等在经济管理中的应用，以Excel和SPSS等工具为手段，突出应用案例教学。

目前，“重理论轻应用”的教学模式占大多数，这种模式注重理论讲授和数学推导，理论方法与实际案例结合不够，学生掌握了零散知识，但无法解决实际问题。此外，部分教材也以理论讲授为主，缺乏深度的应用案例，也不注重定量分析软件的应用，学生面对实际问题往往束手无策。

2.3知识传授较多，综合训练较少

管理定量分析课程考核一般采取闭卷考试，题型包括填空题、单项选择题、多项选择题、简答题和计算题等，尽管题型多样，但是这种考核方式仍然只能考察学生对基本的单一知识点掌握情况，难以考察其综合运用定量分析方法解决实际问题的能力。

然而，大数据时代的到来对从业者提出了更高要求，除了掌握基本的定量分析方法原理，还要求从业者具备应用定量分析方法来实现数据获取、数据预处理、统计建模、模型检验、模型评价、模型部署等，从而解决实际问题的综合能力。而这些综合能力无法通过单一知识点的考核来实现，需要通过参与理论学习、软件操作、模拟场景或实际项目等综合训练才能够达到。

3大数据背景下管理定量分析课程教学探讨

面对发展迅猛的大数据技术，现有的管理定量分析课程教学模式难以跟上大数据时代对其提出的新要求。如何顺应大数据时代的新趋势开展管理定量分析课程教学，如何结合新趋势优化管理定量分析课程设置，如何建立适应大数据背景下的管理定量分析课程教学团队，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是现有的管理定量分析课程教学所面临的问题，这也促使我们去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。

3.1构建知识融合的课程设置

合理的课程设置是开展课程教学的前提，更是人才培养质量的重要保障。课程设置应适应于教学目的、培养目标和学科发展趋势。

最初，管理定量分析课程以“统计学”、“运筹学”为主干。随后，根据学科的发展趋势，先后加入“统计软件应用”、“计量经济学”等新课程。近年来，大数据的发展对从业者提出了更高要求，简单定量分析方法传授难以适应新要求，需要从业者掌握更多的分析方法和数据挖掘、机器学习等新技术。遵循知识融合的思路，管理定量分析课程应引入大数据分析、数据挖掘、机器学习等前沿技术，加强SPSS/SAS/R等操作能力，尤其应注重培养应用新技术解决企业实际经营管理问题的能力。

3.2探讨案例驱动的教学模式

尽管目前的管理定量分析n程有多媒体教学、板书教学等方式，但是管理定量分析课程仍以理论教学为主，简单统计工具应用为辅，忽视了培养学生的实际操作能力，无法形成“教-学-用”的良性闭环。

大数据时代下，数据拥有更大的价值，从业者应具备从数据中挖掘知识和信息的能力。因而，管理定量分析课程应引入实际案例，综合训练应用定量分析方法解决实际问题，挖掘新知识和新信息的能力。

管理定量分析课程教学应逐步转向理论传授、案例驱动相结合的模式。近年来，业界出现了不少应用大数据解决企业管理决策问题的案例。例如IBM开展基于大数据的订购分析；Google利用大数据预测全球流感趋势；百度预测春运流量等。这些都为管理定量分析课程教学提供了丰富的案例。

在课堂教学之外，通过参加大数据竞赛、邀请大数据分析专业人员开展讲座，参加科研项目，参与企业实习等，培养学生应用SPSS/SAS/R等处理和分析数据的综合能力。

3.3建设学科交叉的教学团队

管理定量分析课程教学离不开教师和教学团队的支持。大数据对管理定量分析课程教学提出了新要求，新背景下的管理定量分析课程教学涉及统计学、运筹学、统计软件、计量经济学、数据挖掘等不同学科的知识，因而建设一支适应大数据背景下的新要求的管理定量分析课程教学团队尤为重要。

目前，管理定量分析课程的教学师资主要以统计学和运筹学等学科背景为主，大部分老师未掌握数据挖掘、机器学习、R、SPSS等，建设学科交叉的教学团队是课程教学质量的重要保障。新型的管理定量分析教学应加强SPSS、R、数据挖掘、机器学习等的学习，建立学科交叉的教学团队，加强管理统计软件和数据挖掘等训练，注重理论教学和上机实践的结合，培养学生应用分析工具进行实践的能力。

4结语

管理定量分析课程是一类应用统计学、运筹学等理论和方法研究经济管理问题的系列应用性课程。大数据技术的迅猛发展对现有的管理定量分析课程教学带来了极大的挑战。本文以大数据背景下的管理定量分析课程教学模式为主线，首先，分析并总结现有的管理定量分析课程教学的“三多三少”的特点和不足；其次，结合大数据背景探讨了新型的管理定量分析课程教学模式，提出了：（1）构建知识融合的课程设置；（2）探讨案例驱动的教学模式；（3）建设学科交叉的教学团队的新型管理管理定量分析课程教学模式，它融合了课程设置、教学模式和团队建设，注重定量分析理论和应用的结合，有助于顺应大数据时代对管理类专业学生的新要求，培养他们的数据驱动的量化分析和管理决策意识，增强其解决实际问题的能力，进而提升其职业竞争力。

参考文献

[1]顾剑华.关于工商管理专业管理定量分析课程建设的思考[J].当代教育论坛，2009，（4）：127128.

[2]邓淇中，周志强.管理定量分析课程教学改革探讨[J].当代教育理论与实践，2013，5（4）：9294.

[3]龚丽.管理定量分析课程的教学探讨[J].大学教育，2014，（17）：111112.

[4]李静辉，王旭，程培峰等.管理定量方法课程教学目标的定位[J].测绘与空间地理信息，2011，34（2）：1921.

[5]邓淇中，周志强.管理定量分析教学内容和方法的改革模式研究[J].当代教育理论与实践，2011，03（11）：7778.

大数据课程总结范文第6篇

关键词：大数据 教学 工科专业 数据挖掘

中图分类号：G64 文献标识码：A 文章编号：1674-098X（2016）02（a）-0120-04

Abstract：With the advancement of data collection technologies，big data becomes a significant resource in various fields of engineering.It is generally applied both in industrial world and scientific research.To engineering majors，teaching of big data theory and technology should be emphasized either for educating future research staffs or for providing technicians for industry. In this paper，the necessities and key points of teaching big data skill in colleges were discussed after the introduction of the background of big data.It is suggested that mathematic skill of big data should be taught in combination with the corresponding major，and programming skill related to big data should be emphasized.

Key word：Big data；Teaching；Engineering majors；Data mining

信息技术的快速发展为数据采集提供了越来越多的方法和手段。随着大量实时数据的连续积累，传统的数据存储和挖掘方法逐渐不能适应现实需求，大数据的概念随之被提出来。大数据一般指在因数据量巨而无法在可容忍的时间内用传统的软件工具采集、清洗、管理和处理的数据集[1]。具体来讲，大数据的大，首先，体现在容量上，大数据不是样本，而是事件发生时积累的全部数据。其次，体现在速度上，大数据一般都意味着实施连续的数据采集。最后，大数据体现在多样性上，包括文本，图像，视频声音等多种类型。

大量连续的数据集，为更全面深入地认识各种问题提供了丰富的素材，也对原有的数据处理和挖掘方法提出了挑战。大数据的机遇和挑战在互联网等相关领域表现的最为突出，尤其是新兴的移动互联网领域。无论是网络访问数据，还是诸如基于移动互联网的叫车、导航和餐饮服务，其本身就是大数据来源，为企业和研究人员研究消费者行为提供了重要资料。在非信息技术领域，比如公共交通行业，大数据也逐渐成为政府决策和交通模型研究的重要资源。典型的如北京地铁交通智能卡数据，日刷卡量达600万人，长年的数据积累可以被用来研究交通行为、交通政策乃至城市结构的演变。因此，目前在就业市场上基于大数据的分析技能受到越来越多的用人单位的重视，相关科研机构也越来越需要具备大数据相关分析方法或编程技能的本科生或研究生。

然而目前的课程大纲中，对于大数据相关的理论与方法并没有给予应有的重视。笔者调研了海淀区大部分高校，就本科教学而言，有关数据统计分析与挖掘的教学，主要放在大学三年级的数据基础模块，代表性课程为概率论，开课教师多为理学院老师，带有通识性教育的特点。就研究生阶段而言，大数据分析所涉及的基础理论主要通过数理统计和数值分析相关课程来讲授。这些教学模块并没有对大数据及其相关的理论分析与应用技术做充分的强调。对此，该文在分析大数据教学必要性的基础上，提出大数据教学的要点，为工科专业培养具备大数据思维和技术处理能力的人才提供参考。

1 工科专业大数据教学的必要性

随着信息技术在各个行业的应用，海量数据逐渐被采集和积累，面向大数据的统计分析技能需求越来越大。以培养人才为主要目标的高校需要跟上产业的发展，因而有必要结合各个专业的实际需求开设大数据相关课程。

1.1 大数据已经成为各个行业的重要资源

随着信息化、自动化程度的提高，各个行业都开始积累大量连续且多种形式的数据。数据的量级是前所未有的。以交通行业为例，传统的数据采集方法往往采用抽样调查的方法，利用问卷获取居民的出行信息。不仅成本较高，获取的数据量也有限，准确性难以保证。随着信息技术的进步，尤其是GPS导航的普及，以及公共交通系统自动售检票设备的应用，为交通行业提供了大量实时连续的数据。再加上监控系统、图像识别等设备与技术的应用，可以说目前交通行业已进入大数据时代。以北京为例，目前公共交通领域都采用自动售检票系统，日地铁刷卡量达600万人，路面公交刷卡量达1 000万人。公交系统内部监控视频系统每日产生万T视频数据。同时路面交通6.7万辆出租车GPS数据，以及地图搜索引擎积累的导航数据，共同构成了北京城市交通的大数据。

这些数据占用了大量的存储空间，也为我们全面地分析问题提供了宝贵的资源。怎么从如此大规模的数据中挖掘有用信息，引起了行业人员越来越大的重视。这点从谷歌大数据搜索趋势可以看出。如图1所示，从2011年开始，大数据搜索量开始飞速增长。这说明大数据已经成为信息化社会数据统计和数据挖掘的新形式。作为培养创新型人才的基地，高校在这种社会潮流中不能落后。这点不仅要体现在科研上，更要体现在教学上。因此，开设大数据教学是大势所趋。

1.2 企业需要具备大数据处理能力的技术人才

企业是大数据的拥有者。海量的数据为各类企业监测设备运行状态、识别目标客户、提升效率和增加利润提供了潜在途径[2]。多项研究表明，深入挖掘企业积累的大数据，可以优化企业的仓储、供应链管理等环节，降低成本，提高效益，提升顾客的满意程度[3]。

一旦大数据带来的实际效益为企业所充分认识，以追求利益最大化为存在目的的企业就会成为大数据挖掘的第一推动力。随着近几年大数据技术在经济效益转化上取得的成果越来越大，更多的企业开始着手挖掘大数据，尤其一些互联网巨头，都纷纷成立了大数据实验室。随着企业大数据相关业务的拓展，其对大数据方面的人才需求就越来越大。根据华盛顿邮报[4]，McKinsey环球研究所估计截止2018年仅美国经济和商业领域的大数据高级分析人才的市场需求就达4.4～4.9万，其他大数据分析人才需求量达400万。

如此大规模的市场需求，如果高校不能及时调整培养方案，增加大数据相关的教学模块，就不能满足社会对这方面人才的需求。所以，从人才市场需求的角度，国内大学有必要尽快开展大数据教学。

1.3 科学研究需要大数据人才

大数据挖掘在各个领域的需求，最终会反馈到科研领域。这点从近十年SCI论文检索数据库Web of Science收录的大数据主题相关论文数量可以看出来。笔者检索了近些年SCI数据库大数据主题相关论文的年收录量，如图2所示，以大数据为主题的论文在2006年的年收入量是1 000篇左右，而到2014年，年收入量已突破4 500篇。SCI论文数据库代表着高水平的科研成果。以大数据为主题的高水平科研成果从2011年开始飞速增长，这点与图1谷歌搜索服务提供的大数据相关热度基本一致。说明全社会对大数据的关注，很快反应到了科学研究领域。

与科研领域大数据相关研究需求与研究成果快速增加的情形相悖的是，国内高校在本科和研究生培养过程中对大数据挖掘理论与方法的教学没有给予足够重视，缺乏相关的教学模块。以交通运输专业为例，新入学的硕士生或博士生，在大数据处理方面既缺乏课程培训，也缺乏研究经验，需要团队从零开始传授交通大数据挖掘相关方法。这种现象在多个专业都是普遍存在的。因此，从培养科研后备人才的角度，高校有必要开设大数据相关课程。

2 大数据教学的要点

充分认识了大数据教学在工程专业人才配上上的必要性，下一步就是如何开展好大数据教学，使学生通过大数据课程的学习，掌握大数据挖掘相关的理论与方法，满足就业市场与继续深造的需求。对此作者走访旁听了部分英国大学大数据相关的课程，也调研了国内部分高校开展的数据挖掘方面的课程，总结了大数据教学的两个要点，以期为大数据教学的推进提供参考。

2.1 数学基础课与专业案例相结合

大数据处理对机器学习相关的数学方法，特别是统计分析理论要求较高。目前大多数高校都在本科及研究生培养的过程中开设了概率论及数理统计相关课程，然而这些课程一般由理学院数学系的相关老师讲授，具有工科专业通识教育的特点。这会造成一些突出问题。最主要的是这种模式会弱化案例教学的作用，过于强调理论，而理论的应用，尤其是理论在各自专业上的应用，不能被很好地强调。即使包含了案例教学，但是案例往往是抽象的，或者与各个工科专业没有关联，学生不能意识到教授的理论知识能否能在本专业应用，应用在什么地方，以及如何应用。这会从根本上影响学生的学习兴趣，进而影响到学习效果。

因此，有必要借鉴国外先进的教学理念，在大数据理论教学中采用本专业老师教授大数据挖掘以及机器学习相关理论。笔者在英国University College London交通中心旁听了数据采集与分析相关的研究生课程，发现该课程即由交通中心的老教授主讲。其授课内容与国内研究生数学基础课的数理统计类似，不过适度弱化了理论部分，增加了大量的交通工程数据分析案例。从学生的课程参与情况，以及参与科研项目过程中对相关理论的应用效果来看，这种教学模式不仅能让学生意识到理论方法在本专业的价值，还能让学生快速掌握应用的方法。甚至部分教授采用半节课理论讲解，另外半节课邀请企业或政府部门相关从业者针对所讲理论在实际中的应用进行演讲。这些教学模式都值得在大数据教学中加以借鉴。

2.2 着重编程能力的培养

大数据对自主编程能力的要求很高。这主要由两方面决定。其一是数据的预处理，由于大数据一般涉及繁芜丛杂的原始数据。这些数据存储格式，字段意义，数据类型种类较多，使用现成的统计软件已不能满足原始数据预处理要求，而手工处理也不现实，因此一般需要自主编程，针对数据的具体问题设计对应的预处理算法。比如公共汽车网络一般包含很多线路和车站，线路和车站的名称、编码也存在不尽统一之处。体现在公共汽车刷卡大数据上就是字段编码存在混乱，与GIS数据上车站的地理位置不能一一对应。对于这种情况，要可视化公交车网络客流，必须对刷卡数据预处理。如北京庞大的公交网络，手工处理不现实，这就需要研究人员自主开发对应模块完成该工作。其二，海量数据对计算复杂度提出了新的要求。很多情况下不是传统算法不可行的问题，而是不能在适合的时间内处理完大规模数据的问题。以地铁网络客流实时显示系统为例，如果路径选择算法不能在较短的时间内给出结果，从实时的角度就其结果就没有意义。大数据处理需要复杂度更低的可行算法，甚至在有些情况下需要设计并行算法，使用多个计算设备同时计算[5]。

所以，培养具备大数据思维和能力的人才，必须强调编程能力的培养。把编程相关课程作为大数据培养模块的基础课程，并体现大数据编程的特色。英国纽卡斯尔大学的Big Data Analytics模块就是由计算机相关专业的老师开设。课程大纲中强调编程能力和算法设计，并专门教授了并行计算相关内容。

3 结语

随着数据采集和存储技术的进步，大数据逐渐成为各个行业尤其是工程相关专业的热点。在这种形势下，本文研究了工科专业大数据教学的问题。首先分析了大数据在实践和科研领域的发展现状和未来趋势，认为无论是生产企业，还是科研相关单位，对大数据人才的需求都是迫切和巨大的。因而，从满足未来人才市场需求的角度，大数据教学的问题必须引起国内高校的重视。工科相关专业有必要增设大数据培养模块。基于必要性，总结国内外目前在数据处理方面的教学经验和问题，提出了开展大数据教学的要点。其一，大数据理论教学必须与本工科专业相结合，侧重案例的相关性。其二，自主编程能力是大数据能力的重要体现，因而必须予以重视。目前大数据教学在国内还处于起步阶段，需要各个专业的同仁结合本专业的特点展开积极的探索，构建合适的大数据培养模块，成为本科及研究生培养课程体系的重要一环。

参考文献

[1] Snijders，C.，Matzat，U.；Reips，U.-D.“’Big Data”：Big gaps of knowledge in the field of Internet[J].International Journal of Internet Science，2012（7）：1-5.

[2] Stefanovic，Nenad.Collaborative Predictive Business Intelligence Model for Spare Parts Inventory Replenishment[J].Computer science and information systems，2015，12（3）：911-930.

[3] Hahn，G.J.；Packowski，J.A perspective on applications of in-memory analytics in supply chain management[J].Decision support systems， 2015（76）：45-52.

[4] Steven Overly.As demand for big data analysts grows，schools rush to graduate students with necessary skills[N].Washington Post，2013-09-15.

大数据课程总结范文第7篇

【摘要】随着互联网的迅猛发展，大数据时代已然来临。本文对大数据的定义、特点进行了概括，分析了远程教育课程质量评估现状和问题，探讨了大数据技术在远程教育课程质量评估中的应用。

【关键词】大数据 远程教育 课程质量评估

不断进步的信息技术，深刻影响着社会发展，最先经历信息爆炸的学科，比如天文学和基因学，创造出了“大数据”这个概念。这导致了新的处理技术的诞生，即“大数据”技术。大数据技术使得可以处理的数据量大大增加。“大数据是人们获得新的认知，创造新的价值的源泉；大数据还是改变市场、组织机构以及政府和公民关系的方法・・・・・・大数据开启了一次重大的时代转型”。大数据技术对教育的发展也产生了重要影响，主要包括教育思维、教育评估、课堂教学以及个性化教育等诸多方面。

一、大数据及其主要特点

大数据是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。”通常用4个V（Volume、Variety、Value、Velocity）来概括大数据的特征。即数据规模巨大（Volume）。大数据的规模是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。数据类型多样（Variety）。这种类型的多样性让数据被分为结构化数据和非结构化数据，且非结构化数据越来越多。价值密度低（Value）。虽然数据信息海量，但价值密度较低，需要通过强大的机器算法快速完成数据价值提取。处理速度快（Velocity）。通过基于实现软件性能优化的高速电脑处理器和服务器，快速创建实时数据流已成为趋势。

二、远程教育课程质量评估现状

远程教育课程评估体系主要是对课程编制设计和具体实施环节及全过程所做的多种形式的评定。课程评估体系的建设有利于分析判断该课程资源建设质量的高低。从事现代远程教育较早的英国开放大学开放学习项目、麻省理工学院开放课件项目在远程教育课程建设和质量评估方面取得了一定进展。

英国开放大学2006年开通远程教学项目网站，这也是该校远程开放学习项目正式启动的标志。远程开放课程分为初、中高三个等级。学习者依据现实水平，选择适合的课程进行学习。英国开放大学在高质量、互动式课程提供方面做了大量工作，为保障远程教学质量作出了示范。麻省理工学院的课程内容主要是优秀的专家学者编制设计，且由“最睿智的、最著名的教授”制作音频、视频等文件以及报告讲座等，获得了较好的声誉。麻省理工学院从开放课程公开起，就十分注重学习者的使用评价和反馈，通过分析课程的点击访问量、具体利用率和最终影响，评估整个运行流程的效率。

三、远程教育课程质量评估存在的问题

目前，远程课程资源建设及质量研究结果令人不容乐观。根据研究结果，英国开放大学远程教育的课程资源库、教学网站、资源服务以及数据库形形，学习使用者很难获得一致的权威性的信息及建议，很多的质量较低的信息使学习使用者感到困惑，甚至导致其产生失落感。麻省理工学院基于开放课程运动的评价仅局限在访问量的多少及访问者点击次数和地理分布等，而其中存在纷杂众多的重复访问者，对于学习者面向学习内容的具体评价、学习效果及学习收获和自我评价比较缺乏。因此，为适应远程教育的深入发展，远程教育课程的质量评价标准需要重新考察，特别是要充分考虑学习者的需求和愿望，而借助大数据技术建立一系列从教学到管理、监控、评估、反馈的课程质量保证体系显得很有必要。

四、大数据在远程教育课程质量评估中的主要应用

1、深刻变革远程教育课程质量评估思维。远程教育领域充满了大数据，大数据技术也给远程教育课程质量评估融入了新的途径和方法。当学生使用计算机或移动终端开启网络学习时，包括看教学视频、进行电子阅读、做云笔记、完成在线作业、发微博微信、开展虚拟实验、参加社群活动等，这些都可以成为教育大数据的来源。在基于“开发者+学习者”课程质量评估的多元化、个性化创新现代远程教育人才培养模式基础上，充分利用大数据技术建立多角度评价课程质量的多元化评价机制，建立具有开放性、分布性、指导性、数字化的课程质量评估体系。

2、解决评估体系构建中数据采集的问题。评估数据采集的多元化以及数据本身的可信程度，使得以往与课程评估有关的教学检查和问卷调查等的效果不能令关注课程质量的各方满意，为提高评估的有效性必须对评估数据的采集渠道、对象和采集的方法、组织形式等进行反思和改进。利用大数据技术，可以关注学生个体的微观学习表现，且数据的产生完全是过程性的，是对即时性的行为与现象的记录。通过这些数据的整合能够客观诠释远程教育课程质量，因为数据完全是在教学对象不自知的情况下被观察、收集的，其采集非常自然、真实，可以获得的真实反馈。

3、重新构建远程教育课程教学评价方式。在远程教育课程教学评价中借助大数据分析，改变依靠传统经验模式评价，转向基于数据的客观评价，通过技术层面评价分析不断提升网络教学活动效果。大数据技术还可以观察记录远程教育教学的过程，把从结果评价导向过程性评价。通过海量数据的归纳分析，总结在线教学活动的一般规律，不断优化改进教学过程。另外，通过数据分析，还可以预测学习者的思想、心态、行为的发展趋势及其学习成长过程，从而分析出学习者的自身特点，有针对性地提出改进建议。

参考文献：

[1]维克托.迈尔-舍恩伯格，肯尼思.库克耶，盛杨燕，周涛译.大数据时代：生活、工作与思维的大变革[M].杭州：浙江人民出版社，2013：9.

[2]赵姝淳，孙曙辉.大数据技术及其在教育领域的应用[J].中小学信息技术教育，2014（3）：64―66.

[3]孙传远.开放课程质量评价研究及启示[J].重庆广播电视大学学报，2013（2）： 42―47.

基金项目：安徽省级教学研究重点项目（批准号：2013jyxm557）。

大数据课程总结范文第8篇

关键词：大数据;信息技术教学;课程改革

大数据（big data），也称之为巨量资料、海量资料。麦肯锡全球研究院报告《大数据：创新、竞争和生产力的下一个前沿》中对大数据做出了如下定义：大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。大数据具有四个特征：大容量（Volume），指数据的存储容量单位已经由GB、TB上升到EB、ZB、YB甚至更高的级别;高速度（Velocity），指海量数据的创建、传输和分析速度快，一般要求能在秒级单位时间内给出响应;多类型（Variety），指数据类型多样，除了结构化的事务数据，还包括半结构化的网页数据和非结构化的视频和音频数据;高价值（Value），指数据价值密度低，但海量数据综合价值总量高。

大数据时代的到来对包括教育系统在内的各行业都产生了深刻的影响，尤其是与数据技术密不可分的信息技术课程受到的影响尤甚。

教育信息化在全国各高校已推行多年，虽然网络化学习环境、远程教育、数字化教学资源得到了广泛应用，但是大部分教学活动的并没有因为数字化设备的应用而随之改变，课堂教学依旧是传统的教师讲授，学生记忆理解，只不过在这个过程中纸质教案电子化、黑板粉笔换做幻灯片投影化而已。

大数据时代学生在课外通过网络等接收到的信息量要超过课上教师讲授的信息量。在这种海量信息的冲击下，学生的学习方法、知识结构和自主学习能力已产生变化，信息技术这门课程受大数据的影响最直接，作为教师也必须及时进行教学思维、教学方式、评价方式的改革。

一、转变教师教学思维

传统的信息化课程教育是教学管理者通过多年的教学管理经验制定教学大纲，教师通过多年的课堂授课经验设计教学内容，依据过去的经验总结、归纳并选择某些因素或知识点作为教学活动的重点。教师在大数据时代下从事教学活动，首先需要将思维从传统的集体教学转向个体教学。传统的教育也强调因材施教，但在学校现有的教学模式下，教师不可能真正实现面向学生个体进行教学。而教育大数据技术的出现，通过对教育数据的分析、挖掘，可以实时得到符合学生实际学习情况与教师教学实际效果的具体数据，从而可以在授课过程中有针对性地制定并执行更符合实际的教学策略。

二、转变课堂教学方式

大数据的环境下的信息技术课程，教师传道授业的工作量在教学过程中的比重已有所下降，教师的身份更接近于学生学习时的引导者与研究时的合作者，教学的本质回归到促进学习者个体的发展。

信息技术课程的教学内容主要分两大部分：理论与实践。在理论课的教学中，教师讲授新的知识点时只讲授重要环节，然后让学生尽最大可能地利用各种网络教学资源，尝试对知识点进行总结和拓展。由于学生所有学习活动都是在线的，上课、做作业、记笔记、做实验、答疑、讨论都是在计算机终端上进行，因此他们的一举一动都会被记录下来。学习各知识点时各用了多少时间，作业完成用时多少，并且在完成过程中经过几次修改，等等，这些都是教育大数据的来源。这些数据要比考试卷面上的分数更能反映学生学习的真实情况，通过对这些数据的分析、挖掘，就能得到每位学生的学习状态、表现与水平。这些信息是最真实、自然的数据，教师可以由这些数据了解每位学生的个性化特点，从而能在教学过程中因材施教，更有针对性地强化薄弱环节，推荐阅读书目等。

三、转变教学评价方式

教学评价是教学活动的重要一环，分为对学生的评价和对任课教师的评价两类。长久以来，对学生的评价是由教师依据学生考试成绩、作业成绩和课堂表现等进行，对教师的评价是由学院的教学管理部门根据听课和学生考试成绩进行。这种方式能大体反映学生的学习情况和教师的授课水平，但是很多教学与学习的细节被淹没在简单的分数之下。

大数据环境下，教学评价由结果评价改变为基于数据的过程评价。教育大数据技术能有条件地纪录学生的学习过程，分析学生的学习习惯，在没有进行传统的考试之前就能判断学生在学习中的缺陷并预测学习成绩，从而能及时将相关数据反馈给教师，使其对学生的学习及时指正并给出建议。另一方面，教育大数据也能有条件地纪录教学过程、教学互动，分析归纳教师的教学特长与不足之处。教学管理部门对教师的评价通过数据挖掘直接从教育大数据中获取，这些评价是教学的过程性评价，对教师的教学水平提高具有更实际的个性化指导意义，有利于教师反思并改进自己的教学方式、方法与过程，从而达到提高教学质量的目的。

总而言之，大数据技术的飞速发展为信息化技术教学提供了巨大的帮助，但大数据技术下的教育变革才刚刚起步，如何利用大数据进行个性化教育、过程化评价，变革传统的教学思维与方法，是目前每个教育工作者必须面对的挑战。

参考文献：

[1]郭晓科.大数据[M].北京：清华大学出版社，2013.

[2]喻长志.大数据时代教育的可能转向[J].江淮论坛，2013（4）.

大数据课程总结范文第9篇

关键词：MOOC 大数据技术 大学计算机基础 融合

在当前大数据时代背景下，过去许多难以表达的信息都可表示成数据来进行加工、处理和储存。我们可以利用计算机的数据分析技术来预测事物发展趋势，从而影响人们的价值体系、知识体系和日常生活。对大数据的驾驭和对其潜在功能的认知将影响到数据内部价值的更好利用，促进教育、医疗、经济和交通等社会生存各领域改革的顺利进行。大数据思维也是形成大数据技术时代的新思维体系。MOOC就是在大数据背景下产生的， 其实现了便捷的知识互换与交流，适合学科间的学习交流、师生互动、专家培训、特殊教育、与外界沟通的教学。大数据技术不单纯是为了掌握大量数据信息，对数据进行专业化处理，提高数据的“加工处理能力”，这是大数据技术的关键所在。

一、大数据的特性及其价值

1、大数据的特性

（1）大数据的海量特性。大数据的出现使得过去许多不能获取、计算、储存与分析处理的信息有了数据化的可能。在卫星通信和互联网的技术支持下，智能手机及平板电脑等智能设备追踪人们的生活并将其以数据的形式存于数据库中。

（2）大数据的潜在特性

“大数据”中的“数据”不同于“数字”，数据不仅包括简单的数字，还有其背后的各种隐含信息。例如，如果学生的考试成绩是90分，那“90”只是一个“数字”，而在其背后的学生基本信息、学习能力、智力水平、家庭环境、学校教育、人际关系等，才是“数据”的实质所在。我们所能看到的大数据仅是冰山一角。理解大数据的潜在特性成为能否赋予数据新价值以及实现从数字支撑转为数据支撑的首要关键因素。[1]

2、大数据的价值

（1）预测价值

预测价值作为大数据的核心价值，是指将数学运算应用到数据上以实现预估事物发生可能性的目的。预测系统以海量的数据为基础，能够接收和处理庞大的数据量，具备发达的自我改善和系统纠错功能。利用大数据，人们可以较准确地预测地震、洪灾、海啸等自然灾害发生的时间，人们的衣食住行都被记录下来，人类不再是互不相关、独立存在的个体，而是相互串联、相互依存的共同体中的一部分。

（2）科研价值

以前信息获取与流通不畅，人们通过处理数据来探索未知世界，缺乏分析处理数据的有效工具使得这种方式存在着较大缺陷。在互联网技术飞速发展的今天，各种信息随手可得，处理数据的能力也得到很大提升，大数据技术能实现特定目标数据的搜集与处理，使研究具有更高的准确性，同时也使得研究人员能在更深层次和更多领域中获取与使用更为完整全面的数据。[2]

二、MOOC的基本情况

1、MOOC的发展

MOOC（massive open online courses）大规模在线开放课程。MOOC发端于二十世纪末的开放教育资源运动，兴起于二十一世纪初的联通主义学习理念，在行为主义学习理念下繁荣。MOOC通过网络技术与信息技术提供着优质的教育资源与完整的学习体验，展现了与现行高等教育体制结合的可能性，被誉为教育史上的“一场海啸”、“一次教育风暴”、“五百年来高等教育领域最为深刻的技术变革”。[3]

2、MOOC的特征

（1）大规模

第一，学生规模庞大；第二，MOOC平台中参与高校众多；第三，大规模还指有大量教师以团队协作方式参与课程教学；第四，平台中有大量可供选择的网络课程；第五，大规模还意味着需要更多的投入。

（2）开放

第一，学习对象的开放，实现了真正意义上的“有教无类”；第二，教师教学与学生学习的开放性；第三，课程资源与教学内容的开放性；第四，网络课程的开放高质量；第五，最基本最重要的就是教育理念的开放。

（3）在线

第一，教育组织机构和教育者可随时随地将课程、教学内容和资源上传到MOOC网络平台；第二，具备上线资格的任何人可在任何地点、任何时间，按照自己的节奏学习任何内容，并能得到及时反馈；第三，在线课程更加实惠经济；第四，随时记录学习者的学习进程，利用大数据分析学习行为，掌握学习情况，跟踪学生的学习过程。

（4）课程

第一，课程组织方式强调“翻转课堂”；第二，课程内容上强调重组；第三，课程学习方式上强调交互；第四，课程评价方式强调创新。[4]

三、大学计算机基础教学的现状

1、教学模式单一；

2、学生的初始计算机能力差异较大；

3、课时数较少，理论课与实践课缺少有效衔接；[4]

4、教学内容单一，不能因材施教；

5、教学互动较弱，未充分发挥学生主体性；[1]

四、MOOC与大数据技术在大学计算机基础教学中应用的好处

1、根据学生不同特点进行自适应学习，促进个性化学习；

2、增强教学的实时性和互动性；

3、提高课程教学的质量；

4、有效评估教学效果；

5、提升实践教学水平，更好适应社会发展；

6、提高高等教育的国际化水平。[1]

五、MOOC与大数据技术在大学计算机基础教学中的应用方案

1、教学内容和教学模式的转变

（1）不同专业收集与处理的数据虽然表现形式与使用方式不同，但数据类型与特点基本类似。因此，在教学中应摆脱单纯面向办公软件为主要内容的教学思路，多介绍大数据的基本特征以及各个行业在大数据的影响下关于数据的产生、收集、处理与分析的基本原理与方式。

（2）目前大学计算机基础教学主要是程序设计语言、数据库管理系统及各种信息处理软件大多是面向的是有限的数据，对于大数据的处理并未涉及。因此，应增加大数据处理技术与方式的学习与实践。

（3）为了使学生更好理解大数据的基本概念与特征，应结合具体的大数据应用案例进行讲解，激发学生的学习兴趣，深入了解，学以致用。

2、借助大数据技术和MOOC平台扩充教学内容和更新教学评价方式

学生入学的计算机水平影响着教学水平，应借助大数据技术与MOOC，建设课程教学资源，丰富课堂互动形式。课程资源作为促进教育公平、提高教育质量的重要方式，亟需解决资源类型、资源数量、资源质量、资源高效扩散和资源有效利用的问题，使用分布式资源服务器或者建设分布式数据库，使课程资源的存储空间更大、扩展性更强、访问量更高。

总结

通过对MOOC与大数据技术的基本概念、特征及目前大学计算机基础教学中存在问题的分析，我们发现，实现MOOC与大数据技术与大学计算机基础课程的融合是研究人员应考虑的首要关键问题。面向个体化、多样性的教育对象、强调师生互动、有效评估教学效果与提高教学实践水平的MOOC平台成为大数据时代背景下学生发挥主体性、教师评价大学计算机基础教学效果、改进教学设计从而实现大学计算基础教学改革目标的有效方式。

参考文献

[1]戴振华. MOOC与大数据技术在大学计算机基础教学中的应用[J]. 电脑与电信，2014. 06.003.

[2]张燕南，赵中建. 大数据时代思维方式对教育的启示[J].教育发展研究，2013.21.002.

[3]陈肖庚，王顶明. MOOC的发展历程c主要特征分析[J]. 现代教育技术，2013.11.15.

大数据课程总结范文第10篇

关键词：大数据；校园；信息化

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）29-0008-02

1概述

说到通信，无论是古今中外，王侯将相；还是飞禽走兽，虫鱼草木；从烽火戏诸侯到奔跑的马拉松；从一叶知秋到蜂鸟归巢；亦或是信鸽信使到电报电话。万物发展的历史俨然是一部通信史。我们有幸生活在二十一世纪这个信息的时代，互联网的普及通信技术的进步，使得信息的传递越来越便捷，数据已然成为现代化通讯最重要的媒介。随着我国教育事业的蓬勃发展，各高校都在进行信息化改革，以求提高学校教学质量，资源管理，教学管理等。而今，大数据时代已经来临，通过校园的网络平台和智能终端，对大量的数据进行收集，再运用大数据平台对其进行统计处理，对学校教学，校园生活，资源管理等提供参考和帮助；将大数据技术应用在校园信息化建设已成为一种必然的趋势。

2大数据技术相关概述

何谓大数据？大数据（big data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据的五个特点（IBM提出）分别为：Vdume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性）。

现在社会高速发展，人与人之间的交流越来越密切，大数据这个高科技时代应运而生。在2015年9月，经总理签批，国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作。此中明确指出，推进大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，建设以人为本，惠及全体民生的服务体系，开辟新的群众创新创业驱动模式，创新、发展新的生态培育，繁荣新兴的高端智能产业。中国首富MaYun，阿里巴巴的创始人，在台湾的一次演讲中说，未来的时代将不是IT的时代，而是DT（DataTechnology数据科技）的时代。

不管是国家政府、还是各行各业，大数据时代的来临都有非凡的意义。那么，大数据和传统数据之间的本质区别是什么呢？

首先，大稻莶⒉皇谴娲⒃U盘、软盘等工具中的数据，而且必须是永远在线的、能随时调用的、能马上被计算的数据。

其次，大数据必须反应迅速及时。生活中，我们经常通过浏览器获得信息，只要以输入关键字，就能立刻从数以亿计的大数据中搜索出我们想要的信息。如果那个浏览器像逛图书馆那样，要花一个小时甚至半天的功夫，相信我们也不会去用它。可以想象，一旦将大数据应用到校园网的建设中，这种大量数据中瞬间完成匹配的特点将会大大提高校园工作、管理和使用的效率。

最后也是最重要大数据的全面性。互联网时代的基础上外加存储技术的改进，使得尽可能全面地收集和存储数据成为可能，有别于以往数据的样本思维，大数据是一个完整，全面的系统。大样本随机双盲对照中“大”不同的是：大数据中的“大”指的是“全部”，用一句通俗的话说：所谓大数据其实就是全部数据。

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。在深度挖掘数据内在信息和核心价值的时代，校园信息化建设中大数据平台将是不可或缺。

3校园信息化建设现状及特点

近年来，通过信息技术来改变传统的教育模式，使传统教育更加现代化成为一种发展趋势。信息化校园的建设需要以校园网络为平台，把校园内所有的相关的人或物通过手机、电脑、刷卡机、校园监控等智能终端和设备与互联网连接起来，并且能够与互联网相互感知，实现互动，让信息化校园变得更加智能化。建设过程中大致可分为校园网络生活方式、教学信息化、管理信息化和科研信息化几个模块。

目前，很多高校各部门对信息化的应用存在着一些不可忽视的问题。

其中，各部门之间没有紧密的联系起来，而是各自为政，造成了数据冗余、效率低下等问题。在我们学校有这样的情况，有次，我们一些同学书费缴费出了一些问题，本来只找财务部就能解决的问题，却因为各部门没有紧密的联系，我们个部门来来回回跑了好几趟。还有每学期学生通过选课系统在选修课开选期间有巨大的访问量，时常导致系统接近崩溃；接近考试期间，教学平台访问量比平时多上数倍等实际情况表明学校资源未被充分利用。服务器资源利用率低下，造成了资源浪费。这种情况大部分学校都有出现，我们要做的是努力使其向一体化方向发展，在这种一体化环境下，通过校园网络平台，校园内网络终端等载体，将校园管理，校园生活，教学科研等进行大融合，然后通过对这些数据的整理、分析、总结出能对相关工作有帮助，有预测性的信息。

信息化校园的出现为教师的教学和学生的学习提供了便利，是对传统教学方法的有效补充和改进。信息化校园的建设对于提升学生学习兴趣，增加学习渠道，对师生的有效管理，以及加强师生间的交流等方面都有着积极的影响。因此不难预见，随着信息化的进一步普及与教学模式的进一步改革，信息化校园的建设将更为完善与深入。

4大数据在校园信息化建设的应用

大数据通常是借助计算机、数据采集工具、服务器等信息系统来获取大量的数据，然后用各种计算公式、统计方法来找到解决问题的方法。随着学校信息化进程的不断推进，学校已经积累了大量的数据，这些数据可以满足学校师生发现规律，以帮助学校优化管理策略、丰富决策手段、优化资源分配、拓宽教学思路。大数据在校园内的应用主要有三种形式：对数据进行最基本的统计、查询处理；以大数据为基础的决策支持系统的建立可以为学校资源更加合理化的分配提供依据。

4.1大数据时代的数据库的建立

在校园信息化建设中，大数据最基本的作用依然是对数据的增、删、改、查。比如我校图书馆自从实现信息化改革，把图书馆图书信息录入图书馆管理系统，同学们只要进入图书管理系y，轻击键盘就可以快速地查找自己需要的书籍是否存在、在图书馆第几楼、哪个区域哪个书架，再也不需要像以前一样浪费大量的时间在图书查询上，极大地方便了师生的校园生活。

类似的，我们可以将校园监控和老师授课、校园活动、板报等结合起来。以老师授课为例，用监控录下教授讲课视频，对每个教授、每个科目的视频进行整理、分类，老师、学生通过校园网进行投票，选出反映最好的视频建立庞大的视频数据库，不仅极大地方便了老师备课、学生课下学习，更为以后学校发展远程教育打下坚实的基础。

建设专属学校的大数据：学校每一个部门在应用信息系统的过程中都会产生大量的数据，比如：校园每年都要完成相关的教学评估以及教育信息的总结工作，将这些数据进行收集，存储、管理、分析以便使用。

4.2以大数据为基础的决策支持系统的建立

以大数据为基础的决策支持系统的建立；对于学校而言，如何有效，有序的对学校资源进行管理，调度，采取合适的招生策略，降低校园管理的成本，提高教学质量，这都是学校决策层需要关注的问题。所以，学校决策支持系统是需要以大数据作为强有力的支撑，这种需求使得大数据在校园信息化建设中的应用的改革变得刻不容缓。

数据挖掘是从大量的，不完全的，有噪声的，随机的应用数据中，提取隐含在其中的，人们事先不知道的，但又是潜在有用模式的过程。我们可以利用大数据对数据挖掘的支持采取一些先进的数据挖掘技术（如：决策树技术、遗传算法技术、神经网络技术等）对数据进行自动的分析、归纳和推理，找出各个模块的数据之间的关联，以及大量数据之后隐藏的规律，从而能够精准快速的为决策提供全方位的有帮助的信息。

大数据运用于校园信息化建设的主要目的是为决策支持提供服务，其先决条件是对数据的搜集、整理、分析和提炼；并保证数据的丰富性和真实性，为决策提供强有力的支持。

4.3为学校资源更加合理化的分配提供依据

不管是校园信息化建设，还是大数据的应用，最根本的目的是为了教育，教育的最大受众是学生，离开了学生就如同无水之鱼，学校也就失去了意义。所以学校任何资源的分配，其终极目的也是为了学生接受更好的教育。

学校可根据对学生的基本信息、兴趣爱好、性格特点、已修课程等信息，对每一位学生信息作进一步的汇总和更加深人的评价。教师可以通过这些信息对每一位学生进行深入地分析、了解，并和事先对该学生的影响、评价和期望进行比较。帮助学生制定目标、修正学习行为、发挥特长、发展潜力、完善人格，力求让每位学子都能够提高素质、提升品质、全面发展。

通过以往学生对开设的选修课程的选修情况，以及通过问卷调查、网上评价等方式网上投票等方式，了解学生对于将要开设课程的兴趣；了解老师对与课程的评价；了解学校已成功就业毕业生修过该课程对工作、对发展有着怎样的影响等各方面数据的汇总，再通过统计结果作为调整学校下一学期开设课程计划的参考。

大数据在校园信息化建设的应用体现在：建立统一的数据标准，建立用于数据收集和存储的基础设施，建立能够用于各个阶层和各部门能够进行数据交换的平台，建立能够对数据进行智能化分析，决策的系统等。大数据并不是一个孤立存在的系统，它的建立依赖于完整的校园信息化建设。大数据是当下的热门话题、先进的技术，然而先进并不是优势，只有将先进的技术运用到现实中去，新技术的价值才算得以体现。如今，校园信息化经过多年的高速发展，在校园内运用大数据的条件已经成熟，各高校应积极的尝试运用大数据技术为学校的建设、教育的发展添光增彩。

5结论