数据分析师范文

数据分析师篇1

数据分析师是数据师的一种，指的是不同行业中，专门从事行业数据收集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。

项目数据分析师是专业从事投资和运营项目数据分析的高级决策人，通过掌握大量的行业数据和科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。

（来源：文章屋网 ）

数据分析师篇2

关键词： 高职院校；技能名师；数据分析

中图分类号： G717 文献标识码： A 文章编号： 2095-8153（2016）06-0013-03

为了深化教育教学改革，加强双师素质教师队伍建设，提高教师队伍整体水平， 2008年以来湖北省教育厅在高职高专院校中推行楚天技能名师教学岗位制度，2010年又在全省中职学校中启动了该项制度。楚天技能名师教学岗位制度在高职实施7年，中职实施5年，引起全社会的广泛关注，中国教育报、新华网等多家主流媒体对其相关内容进行了报道，楚天技能名师教学岗位制度在推动教育改革，优化师资结构，提升教学质量等方面起到了积极作用。

一、制度实施的现状

2007年11月湖北省教育厅高教处印发了《湖北省高等职业院校楚天技能名师教学岗位制度实施办法（试行）》 （鄂教高[2007]23号），同年12月下发了《关于开展首批楚天技能名师教学岗位设置申报工作的通知》，从而拉开了楚天技能名师教学岗位制度实施的大幕；2010年5月湖北省教育职成处印发《湖北省中等职业学校楚天技能名师教学岗位制度实施办法（试行）》 （鄂教职成[2010]7号），省教育厅同年8月下发了《关于公布湖北省中等职业学校首批楚天技能名师教学岗位设岗专业名单的通知》；2011年12月湖北省教育厅高教处对该项制度进行了修订完善，重新印发了《湖北省高等职业院校楚天技能名师教学岗位制度实施办法》 （鄂教高[2011]11号）。楚天技能名师制度从高职院校率先启动，逐渐扩大到中职学校。2008～2014年中高职院校楚天技能名师教学岗位合计1 308个（含续聘岗位），其中高职院校设岗713个；高职院校楚天技能名师设岗数在2008～2013六年期间呈现增长态势，尤其是2013年比2012年增加一倍，而在2014年出现小幅下滑，2015年暂停一年，2016年又重新开始实施，目前没有相关数据。具体情况参见表1。

二、管理办法的变化

为了扎实有序地推进楚天技能名师教学岗位制度，湖北省教育厅先后印发3个关于楚天技能名师教学岗位制度的实施办法，分别是鄂教高[2007]23号（以下简称23号文），鄂教高[2011]11号（以下简称11号文）和鄂教职成[2010]7号（以下简称7号文）三份文件；23号和11号文件涉及高职院校楚天技能名师制度管理办法，7号文件涉及中职学校楚天技能名师制度管理办法；23号、7号文件是试行版，11号文件是23号文件的修订版。

三份文件的章节和条款数目一样，都是七章19条，两份试行版文件内容基本相同，但高职试行版和修订版之间内容有较大的修订，在岗位设置数、聘用条件、聘用程序、岗位待遇、岗位管理等方面进行了调整，具体情况参见表2。

三、相关数据的分析

根据国家、湖北省教育部门和财政部门相关文件精神，湖北省内共有16所高等职业院校进入国家和省级示范性高等职业院校序列。武汉职业技术学院、武汉船舶职业技术学院、湖北职业技术学院、武汉铁路职业技术学院、武汉软件工程职业学院、黄冈职业技术学院、湖北工业职业技术学院、襄阳职业技术学院、鄂州职业大学等9所院校是国家示范性（骨干）高等职业院校。武汉商业服务学院、武汉电力职业技术学院、湖北交通职业技术学院、湖北城市建设职业技术学院、武汉交通职业学院、恩施职业技术学院、湖北三峡职业技术学院等7所院校成为省示范性高等职业院校。2015年湖北省独立设置高等职业院校57所，有52所高职院校成功申报楚天技能名师教学岗位，占全省高职院校总数的91.2%。高职院校中续聘岗位343个，接近设岗总数的一半占48.1%。

国家示范（骨干）高职院校设岗平均数是非示范高职院校的3.1倍，省级示范高职院校设岗平均数是非示范高职院校的2.3倍，具体情况参见表3。

设岗数最多的高职院校是武汉铁路职业技术学院33个和武汉职业技术学院31个；其次是黄冈职业技术学院29个、湖北职业技g学院28个、鄂州职业大学27个、湖北工业职业技术学院27个、武汉船舶职业技术学院26个；具体情况参见表4。

高职高专指导性专业目录（2014）中共列出类77小类共1 167个专业。湖北省高职院校楚天技能名师教学岗位设置专业涉及18大类62小类共193个专业，设岗专业数前5位的是交通运输大类23个、制造大类19个、艺术设计与传媒大类19个、财经大类17个、土建大类16个。在19个专业大类中，只有68公安专业大类没有设置楚天技能名师教学岗位，其他专业大类设岗情况参见表5。

在77个专业小类中，有5207管道运输类、5401资源勘查类、5402地质工程与技术类、5403矿业工程类、5405矿物加工类、5602城镇规划与管理类、5704水土保持与水环境类、6002气象类、6003安全类、6305卫生管理类、6604康复技术类、6801公安管理类、6802公安指挥类、6803公安技术类、6902法律执行类共15个专业小类没有设置楚天技能名师教学岗位。

在193个楚天技能名师设岗专业中，有13个专业的设岗院校数达到10个以上，占设岗专业数的比例为6.7%。设岗专业的院校数排名前5的是机电一体化技术21个、物流管理19个、数控技术15个、旅游管理14个、建筑工程技术14个，具体情况参见表6。

四、相关内容的讨论

楚天技能名师制度实施9年来，对推动高职院校双师型教师队伍建设，促进教育教学改革起到积极的促进作用。通过相关数据分析，发现湖北省高职院校的发展呈现如下特点。

1. 强者恒强成为趋势。国家示范（骨干）校和省级示范院校技能名师设岗数大约是非示范院校的3倍和2倍，充分体现出示范院校在综合实力方面处于优势地位，在专业建设方面也是遥遥领先，“十三五”期间随着国家相关政策逐渐落实，高职院校之间竞争越来越激烈，二级分化态势越来越明显，强者恒强将会成为大势所趋。

2. 冷热不均加以防范。机电一体化专业设岗院校数达到21个，物流专业设岗院校数为19个，设岗专业集中度高，热门专业各高职院校投入大量人力物力，扩大招生规模，争先恐后地开办热门专业。与之相应的是艰苦行业冷门专业无人问津，如管道运输类、资源勘查类、地质工程与技术类、矿业工程类、矿物加工类等专业均没有设置楚天技能名师岗位，专业建设方面呈现热门越热冷门偏冷的现象，应该引起高度重视，采取有效措施防患未然。

3. 校企合作贵在持m。根据湖北省楚天技能名师相关管理规定，每两年需要对设岗专业进行重新认定，重新聘用技能名师。在设置楚天技能名师岗位中有343个是续聘岗位，接近设岗总数的一半占48.1%，而续聘岗位中只有少数岗位聘用了以前的技能名师，多数岗位续聘技能名师发生了变更，这从一个侧面反映出校企合作存在着一定困难，楚天技能名师的更替会直接影响到专业建设。校企合作贵在持续，技能名师作为校企合作的重要纽带，其续聘工作显得尤其重要，技能名师制度应该成为一种有力保障措施。技能名师聘期满考核合格，最长续聘期不超过2年的规定，并不利于专业建设连续性。

Abstract： Chutian Skillful Teacher system promotes the construction of double-qualified teachers， and the teaching reform of higher vocational colleges. The analysis of relevant data reflects the development status of higher vocational colleges in Hubei province， and related suggestions are put forward.

数据分析师篇3

研究对象为随机抽取的河北省高校的体育教师128人和本地区的有关体育教育专家学者20人。并根据研究任务需要，确定样本和抽样方法对我省部分学校进行了一年多的试验并进行了效果比较。

研究方法：文献资料法、特尔菲法、问卷调查法、教学实践分析法等本人查阅国内外有关高校体育教育方面的资料38篇，对我省高校体育教师层次结构进行分析，并确立了理论体系，提出了一些建议。

一、结果与分析

现代高校体育教育应是促进人的全面发展、养成大学生的终身体育意识为目的。实施体育素质教育，促进高校体育改革，应面向全体学生，使大学生成为一个健康和富有创造力的人。而执行高校体育课程任务的是高校体育教师，所以，高校体育教师的素质高低直接影响高校体育教学任务完成的质量。在改革传统的教学过程中，改革教学方法更是高校体育教师应该做到的。我省高校体育教师在具备以上能力的基础上，应该面向全体学生，实行自主性与兴趣性相结合的教学原则，创造愉快的教学环境，培养大学生终身体育意识，使大学生成为一个健康和富有创造力的身体、心理都健康的人。

1.高校体育教师在高校体育教育中起主导作用

体育课程是大学生以身体为主要手段，通过合理的体育教育和教学的过程，达到增强体质增进健康和提高体育素养为目标的公共必修课程。体育教师必须遵循大学生身心发展规律和兴趣爱好，坚持健身性与科学性相结合、娱乐性和文化性相结合、民族性与世界性相结合的基本原则，给学生创设一个主动探索的空间，培养学生自主学习的能力。就应该在自身的业务能力上得以提高，在体育课程的安排上，采用较为开放自主式选项教学的模式。大学生喜爱参与的体育运动项目为篮球、足球、排球运动、游泳、羽毛球和乒乓球，在这些项目上，体育教师虽然不能说是样样精通，也应该较为全面的掌握各个项目的技术、结构、竞赛方法以及训练方法等。

2.大学体育教学过程是在高校体育教师的引导下不断创新的

创新是发展的重要因素，也是高校体育教师进步的象征。创造教育长久以来不曾引起人们的重视，创造体育是由现代创造教育应运而生的。在素质教育的今天，我们在实践中总结出相应的创造体育教育有六个方面的任务：培养学生的体育创造意识；在体育活动和教学中培养学生坚韧不拔的创造毅力；培养学生的体育健康意识、创造性思维；培养体育知识结构合理人才；在体育活动和教学中培养学生的好奇感和体育创造技巧；培养学生体育的创造献身精神。创造体育教育的作用是改变人的思维方法和思维素质。在此过程中，高校体育教师和学生在遵循科学的教育和学习规律的前提下，积极开动脑筋，创造各种生动环境，培养学生的创造意识、能力、精神，训练学生的创造性思维，培养学生通过各种体育活动发现问题、分析问题、解决问题的能力。为此，在体育课堂教学中老师必须具有创造精神，这样才能培养学生的创造意识。在创造体育、趣味体育的创编中，应以健康体育教育为基础，把握下列原则和方法：（创编原则大致有六种）教学性原则；身心健康原则；可操作性原则；欣赏性原则；安全性原则。

3.高校体育教师是体育教学的执行者和改革者

为人师表是高校体育教师鉴定自己素质最重要的标准之一，高校体育教师的一言一行，时刻在影响着我们的学生，在与学生交往、教学的过程中，有意无意、潜移默化地改造着学生的世界观、人生观和价值观，所以，高校体育教师要有高尚的道德品质，有良好的自身素质，首先应具有高的学历，目前，学历的高、低基本上还是衡量一个教师素质程度的标准，我国高校体育教师在本单位条件允许的情况下，应该积极进行业务能力方面的进修学习（包括学历进修），年龄在40岁以下的教师都应取得硕士或博士学位。

高校体育教师应具备多方面、多层次的文化知识和业务技能，既要有扎实的专业知识，又要了解有关学科的一般知识。高校体育教师应该处于运动员、裁判员级别较高的水平（各专项应该在一级以上），这样才有利于教学水平的提高，尤其教体育专业的高校体育教师更应该精通裁判规则，具有较高的裁判经验。在高校体育活动中经常会举行一些小型的各种项目体育比赛，这就要求高校体育教师博学各种体育项目规则，能够组织、开展、进行比赛，还应该具有一、两个专项较高水平的裁判经验和级别，经常出外参加大型、重要赛事，及时把最新的规则带回来，使教学及时更新，更加进步。

4.高校体育教师是大学生最后走向社会的奠基和启蒙

高校是学生接受在校体育教育的最后期，在这时期学生已逐步走向成熟，形成其固有的价值观和行为方式。高校体育教师是大学生最后走向社会的奠基和启蒙，以至于影响他们的一生。所以高校体育教师必须坚持以健康体育教育为基础，以终身体育为目的，通过愉快创造性的教学课程和课余活动，传授体育基础理论和卫生保健知识，学会科学锻炼身体的方法和基本技能，并且能够根据学生各自的身体条件和自我需要，学会科学的选择终身体育的内容，自我制定锻炼计划，科学的制定负荷量，以提高学生自我健身和自我评价的能力。现代体育方法学的研究表明，只有自觉地遵守体育意识性原则才能获得成功的效果。因此，任何项目的锻炼内容，都必须循序渐进、持之以恒，才能起到健身作用。以终生体育为出发点，重视学校教育与终身体育的教育，建立适合全民健身需要的体育教学模式，大学生不仅应该是体育锻炼的受益者，还应该是体育教育的传播者。

二、建议

1.我省高校体育教师在本单位条件允许的情况下，应该积极进行业务能力方面的进修学习（包括学历进修），年龄在40岁以下的教师都应取得硕士或博士学位。

2.我省高校体育教师应该处于运动员、裁判员级别较高的水平（各专项应该在一级以上），这样才有利于教学水平的提高，尤其教体育专业的高校体育教师更应该精通裁判规则、具有较高的裁判经验。

3.我省高校体育教师在科研和其它方面（如：组织竞赛能力、数据分析能力、语言会话能力、文学写作能力、音乐舞蹈能力、外语掌握能力等方面）都应该有较高的水准。

4.我省高校体育教师在具备以上能力的基础上，应该面向全体学生，实行自主性与兴趣性相结合的教学原则，创造愉快的教学环境，培养大学生终身体育意识，使大学生成为一个健康和富有创造力的身体、心理都健康的人。

数据分析师篇4

数据分析观念是抽象的，不能一蹴而就。我们以“统计与概念”为载体，引导学生积极主动地参与统计活动，尤其是经历数据统计的全过程：收集和整理数据、表示数据、分析数据、作出决策、进行交流。教师要创设生动的现实情境，激发学生数据分析的需求；组织识图活动，培养数据分析的意识；开展后续实践，感受数据分析的价值，使学生在整个数据分析的过程中有需求、有方法、能感受到价值，从而实现“数据分析观念”的发展。

一、创设情境，激发数据分析的需求

《义务教育数学课程标准》要求：“课程内容的选择要贴近学生的实际，有利于学生体验与理解、思考与探索。”

[案例]条形统计图（苏教版四年级上册）

环节一：创设情境，激发数据收集的需求

1.欣赏：播放学校体育节学生在赛场上拼搏的照片。

2.谈话：今年体育节有拔河、跳绳、踢毽子、个人长跑四个项目，如果每人必须报一项，猜一猜我们班哪个项目报名的人最多？学生自由猜测，激发数据收集的需求。

3.引导：怎样才能确切地知道我们班哪个项目报名人数最多？学生自然想到统计每个人的报名情况，收集准确的数据。

数据分析观念的培养，首先让学生了解在现实生活中有许多问题应该先做调查研究，收集数据，再通过分析作出判断，体会数据中蕴含着信息。教师创设了学生熟悉的“体育节”情境，引导学生猜测哪一项报名人数最多，猜测的结果定然不能达成共识，怎么办？学生凭借已有的生活经验想到先在班上做调查，了解每个人的报名情况，收集到真实的数据才能知道哪个项目报名的人数最多。在现实情境的冲突中，学生自觉产生了收集数据的需求。

二、识图活动，培养数据分析的意识

数据分析是统计的核心。要让学生体会数据不是枯燥的数字，而是蕴含着丰富的信息内容；要引导学生学会收集信息，通过整理获得有用的数据，并选用适当的统计图表最大限度地呈现数据内容；要对数据进行深入地分析，用数据解释事实、判断是非、预测未来。

环节二：投票统计，经历数据收集的过程

借助投票器收集数据，再把数据输入Excel中自动生成统计图。

数据是信息的载体，怎样才能获得有效的数据？小学阶段常用的有测量、实验、调查等，教师引导学生在交流中明确调查法比较适合“每个项目分别有多少人报名”这一问题，在课堂有限的时间内，可以借助投票器快速收集数据。有了收集数据的方法，有效整合信息技术让每一个孩子在课堂上完整地经历收集数据的过程，再借助Excel软件的自动绘图功能，生成条形统计图。

环节三：读图活动，渗透数据分析的方法

1.同桌交流：仔细观察，你能从图中得到哪些信息？

2.集体交流：每个项目各有多少人报名，哪个项目报名人数最多（少）……教师追问：你是怎样知道这些信息的？

3.深入引导：根据数据的特点，你能给“体育节”策划老师提出哪些合理化建议呢？

在识图活动中，教师组织学生对数据进行深入地分析，在交流中渗透数据分析的方法。图中蕴含丰富的信息，如：各个项目的报名人数，哪个项目的人最多（少）……你是怎样读出这些信息的？在交流互动中明确条形顶端的数据表示各个项目的报名人数，条形的高矮一目了然地表示了哪个项目的人数最多（少）。由于是学生熟知的生活情境，学生的应用意识很强，不少学生除了能根据数据解释事实之外，还能根据数据产生不少个性化的想法：报名拔河的人太多，应该进行筛选后才能代表班级出赛；个人长跑报名的人太少，就撤销这个项目吧……学生的想法虽多，但不一定都正确，教师适时引导：如果你是体育教师，会采纳这些建议吗，为什么？这时有学生想到这只是一个班的情况，其他班级可能不同，一个班的数据还不足以帮体育老师出谋划策。通过这样的交流，让学生体验到对于同样的事情，抽样的对象不一样，每次收集到的数据可能不同。

环节四：绘图活动，建立数据分析的观念

1.尝试绘图：教师提供给学生四（2）班的数据，学生尝试用条形统计图直观有效地表示数据。

2.自觉分析：四（2）班的报名情况和我们班一样吗？学生根据图中信息交流自己的想法。

在绘图活动中，学生学会用条形统计图有效表示数据，并能自动迁移从读图中习得的分析数据的方法自觉地进行分析，建立数据分析的观念。学生除了能读出数据中的表层信息外，有学生说到两个班报名个人长跑的情况相差很大，看来这一项不能盲目去掉，应该多做一些调查，收集整个年级的数据；更有学生补充道，“体育节”是一项全校性的比赛，不能只收集一个年级的数据，应先收集全校的数据再进行分析。

在整个识图活动中，培养了学生的数据分析意识。他们运用投票器经历了数据收集的过程，借助Excel软件生成条形统计图，在读图绘图过程中，不断把数据分析的结果与生活实际对接，在交流中发展数据分析观念。

三、后续实践，感受数据分析的价值

学生围绕“体育节”这一主线，经历了收集、整理和描述数据、从数据中提取信息并进行简单推断之后，活动并没有结束，课堂上的感悟如果能在生活中得以实践，那么数据分析的价值就能真正得以体现。交流中有学生说“体育节”是一项全校性的比赛，应该收集全校数据再进行分析，教师不妨引导学生开展后续实践活动，组织学生进入每个班级去收集数据，再根据全校的数据进行分析，给“体育节”的策划教师提出一些合理化建议。这样，把数据分析的结果真正运用于实际生活，感受数据分析的价值。

环节五：后续实践，感受价值

要给体育教师出主意的话，只统计两个班，有说服力吗？如果收集了全校的数据，你准备从哪些角度去分析数据提出合理化建议呢？小组讨论，制订后续实践活动的方案。

教师在最后的环节，通过追问的方式提出了几个问题，引导学生对于后续活动进行合理计划，让学生体会对于同样的数据可以有多种分析的方法，要根据现实需要选择合适的方法。

发展学生的数据分析观念是数学课程中的一个重要目标，而数据分析观念的发展是一个循序渐进的过程。教师要精心设计好每一次“统计与概率”内容的教学，让学生在学习活动中对数据有需求，数据分析时有抓手，数据分析的结果有价值，帮助学生形成数据分析的自觉性，从而使学生的数据分析观念得到有效地发展。

数据分析师篇5

案例背景

在年级管理工作中，以班级为最小组织单位，以班主任和学科教学为最小实施单元，在承认并贯彻“教学质量是德育管理质量的副产品”的前提下进行年级的德育与教学的统一管理，是我们的基本认识和总体原则。从教学看德育，从教学看管理，如同“执果索因”，探求的目的绝不会偏离事物的本质。

但是，在当今以数据引领管理和管理决策的时代，由于种种原因，一些原有的年级管理模式和运行方式，仍然没有达到数据时代应有的分析质量和分析层次。

1.借鉴大数据时代的数据手段和数据分析，形成管理的数据思维，实现从“经验型”到“数据型”的转变

（1）数据思维要求年级管理从对学生成绩、班级成绩的粗糙了解，转变到精细的数据分析和对数据特征及规律的把握。

（2）数据思维要求年级管理从对考试中某一群体成绩的粗糙了解，转变到精细的分类和对每一个体特征的把握。

2.借鉴大数据时代的管理理念和组织原则，明确与挖掘管理对象的本质，实现从“分数型”到“知能型”的转变

（1）重新审视传统的“一分三率” (平均分、优秀率、及格率和低分率)关注的是什么，从学校及教学管理层关注“一分三率”，转变到学生和教师共同关注数据分析反映出来的知能问题。

（2）“知能型”分析不仅仅把进行教学分析的主体放在年级管理人员、班级管理人员一方，更注重把成绩分析的主体放在学生和家长一方，从而引导“教”的一方改进“教”的方法，促进“学”的一方改进“学”的策略。成绩分析更应注重使学生和家长参与到分析和质量评估的过程中来。

3.借鉴数据挖掘的思想，从“横断型”转变到“追踪型”数据分析，并确切地表现为决策、管理与实践（1）从对一次考试的深入分析，转化到深入进行历次考试的纵向分析，并进行数据的比对。

（2）通过追踪分析多次考试成绩的变化规律，转变到思考教与学和管理细节，不仅仅是阶段性的决策与措施，更重视反思若干个连续的时期的措施与管理的系统工程的实施。

4.管理的精细化必然要求评价指标化、数据化，教学与德育管理中的数据存储与数理统计，需借鉴大数据的“数据存储仓库”和“网络数据分布”手段

（1）借助于计算技术和计算机技术，以往不能或难于进行的分析将被解决，但这需要评价人员革新观念和管理方式。例如，在传统的模式下，数据以“一周”或“一月”为周期的阶段性汇总和分析，以体现被观察对象的阶段表现。而在分布式数据存储模式下，数据可随时以任何时间间隔汇总与分析，并以方便的图表化方式呈现规律与状态。

（2）以往的成绩分析，因其技术性及专业性，只能由专业技术人员操作，而借助现有的计算技术和统计模型，成绩分析已经成为学生、家长和普通教师提取信息的操作。

（3）数据及分析结果的可靠存储和检索、便捷的提取和访问、即时的分析与使用，使得“用数据表述事实”、“用数据权衡资源调配”、“用数据判断决策”和“用数据改进管理”成为现实。

（4）以数据技术、计算技术和计算机技术为背景的数据分析、结果描述的数据思维成果，是教学资源的组成部分。同样，教学与德育的管理层、年级组长、班主任和任课教师，需要进行教育评价、数理统计和组织管理知识的自我“充电”，毕竟统计与评价是一门综合的科学。

案例问题

在实践工作中，我们发现在学校及教学管理层中所强调的“一分三率”标准，严重影响教师的教学策略，并成为教师教学与管理的事实标准。这种依据“一分三率”的管理目标，在指导教师教学时，使教师在教学中不能较好地针对每一个人，同时，各学科之间也将失去联系与沟通，从而优势力量与优势资源不能集中，学生得不到应有的提高，学生“偏科”和教师“拼抢”时间现象成为普遍。正因为过度关注“一分三率”，学生的层次差距、班级的针对性管理就成为笼统的分析，而不能建立在数据基础上清晰地描述年级和班级之中出现的层次分化，也不能建立在如何调整后续工作的思考上。

我们在多次以数据进行思考的成绩分析的尝试后，逐步认识到要尽可能引导教师以数据来分析和反思成绩分析所反映的知能问题。这种引导，不是仅限于“一分三率”，更注重直观化、图表化和数据化问题，体现成绩分析中表现出来的学生整体结构问题、阶段性问题、时序性问题和层次问题，从而追踪和返回到教学问题、班级管理问题以及家校互动问题。这样的分析，就把年级管理的上层与下层，学校、教师、学生和家长作为一个系统有机的整体，完全纳入到问题的分析之中，形成教育与思考的合力。

问题解决

1.在年级教学管理中，关注班级整体和学科整体的分析与比对

（1）关注各个班级的学科成绩是否均衡，从差异上观察班级与任课教师特征。通过统计的方法，得到某次考试的班级“学科成绩均衡图”，直观反映单次某一班级各学科的优势。这样，结合“各科成绩对班级贡献度比较”，年级组长、班主任可详细掌握班级各学科学习情况和动向。

（2）关注各个班级的历次总分的追踪性对比。基于网络存储的数据，可方便地得到“历次考试成绩总分对比”图表，由此可追踪班级整体发展和规律，借以研究一个时期的班级发展情况；若参考“总分”、“名次”和“标准分”的追踪性对比，则可反映不同侧面，如学生是否出现了层次的分化等。

（3）年级组长与班主任可通过数据存储仓库，提取到其他数据，如通过“考试总体情况”数据、班级历次或单次的成绩册来细致研究每一位学生，或者某一特异性群体的学生；查看备课组长、班主任和任课教师的数据报告，则可反映教学与管理中出现的问题。我们再次强调，德育管理与教学管理是密不可分的，教学中出现的问题，本质上有些就是德育管理中的问题；而班级管理中出现的问题，有些就是教学问题。

2.关注备课组，研究纯粹教学上的细节问题

（1）关注备课组，从统计学角度细致研究整体与个体、全局与部分。可以用统计的方法研究单学科或总体成绩的单次考试成绩“箱线图”。“箱线图”可以最直观地反映五数总括(最高值、最低分、中间分数、上下四分位数)和数据散布规律、异常值。当然，若对统计图表较为熟悉，也可以分析和使用“茎叶图”，则可更为细腻地刻画班级学生成绩分布情况。结合“班级平均成绩—班级标准差对比表”，则可反映学生成绩的集中或离散与总体平均分情况。

（2）关注备课组的单一学科历次考试班级对比，以追踪教学与管理的变化。使用“标准分追踪对比图”来反映班级成绩的变化，则使对比不再依赖具体试卷难易等情况，可以真实地反映整体与个体到底是进步了，还是后退了。同样，在标准分计算时所反映的差异数值，则可反映班级学科成绩的变化，这从另一个侧面反映了教学与管理的协同性。

若备课组长参考“卷面质量分析”、“命题分析和能力分析”等数据，则从知能基础及学生个性特点上把握管理中的问题。当然，我们也可以参考班主任数据、任课教师数据，进一步去研究和反思问题。

3.关注学科教师的统计数据，以探求教学、管理和学生群体的知能问题

（1）学科教师分析成绩，应关注发展性和“人”的因素。只依赖一种或几种统计方法来表现和反映学生成绩、教学成绩不完善，也不客观。但它是必然的导向。同样的，没有建立数据模型，不从数据出发，不用数据说话，这种分析的科学性与可靠性，就更为荒唐了。在当前已经进入“细节管理”、“数据管理”的时代，学校与学校之间的竞争与发展，本质上是某一方在管理中极为微小的进步超越了对方，那种一方大幅度超前于另一方而获得发展的时代，几乎一去不复返了。

（2）统计的学生数较少时，对数据更有意义的处理，不仅仅是统计，而是分类、追踪和挖掘。从学科教师角度看，较少学生的分数是否趋中或正态，现实意义不大，此时针对个体进行深入分析的意义更大。

（3）学生成绩相对于知识、习惯、能力、态度等，在成绩数据上是如何表现的，需要对现实与发展同时关注，而不是只关注现实或发展的一种情况。必须承认，学科教师的数据统计知识的素养和能力，技术与数据的支撑，也会影响到成绩分析的效率和质量。

（4）学科教师“追踪性”地关注班级整体情况。借助当前计算技术和计算机技术的强大优势，可从各个角度研究班级总分、对比历次考试成绩的变化、研究各分数段人数分布。关注进步与退步的具体学生，落实、定位到个人，以解决管理的各个细节问题。

（5）反思个体作答与试题情况。学生在考试中的反映，本质上是操行的意识与习惯问题。例如，以网络技术采集数据，可从学生作答的“小分统计”，研究每个题目的得失分；“知识点统计”对应到知能问题；“错题名单”对应到个人。基于数据采集技术和分析技术的作答分析，实现了人、题、答的一一对应，从而为“定位”和“盯人”做出了技术和实现的准备。三个要素的对应，本质上指出了教学与管理中要寻找的问题—— 个体与知识、能力的情况与后续管理。

利用数据分析，在实际工作中，我们经常会发现“经验性”的容易知识点，数据却显示出现实与经验的大相径庭。数据会揭示教师、学生和教与学双方作用的变化，时代背景，社会背景等情况的不同，以往的经验和固有的做法，需要进行调整和改变，而数据则将显示这种改变与方向。

（6）从数据指导管理，让数据说话，以指引学生进行自我反馈、自我监控和内省性的学习与自我管理行为。数据的这种指导作用，不仅仅表现在学生身上，也将指引教学的管理。例如，提取数据仓库中的数据，二次利用作答分析数据，做出知识与能力的考点“灰度矩阵图”，用灰度表示通过程度，迅速掌握个体的知识(或能力)的薄弱点，迅速对学生进行辅导层面的分类。这是一个富有启发的实务性的工作，它可以被利用到管理的很多方面。

案例反思

学校的年级管理是一个承上启下的系统管理工程，涉及教学、德育和组织管理的资源调配等方面，其最终目的是实现年级教师教学、学生学习成绩及操行表现的整体提高，达到上级管理部门和社会的需求。

管理必然要涉及评价。以“教学管理”带动“班级管理”，为教学管理在年级层面上形成一种数据所表现出来的有积极意义的客观性描述，这种客观性描述，描述教与学的事实本身，促进教师思考与改进，促进学生思考与改进，同时也促进年级管理人员和家长、社会在服务层面上改进服务质量。借鉴数据时代的数据分析、数据挖掘的技术与方法，实现成绩统计与分析从“经验型”提高到“数据型”，以实现管理与评价的科学性；从“分数型”深入到“知能型”，以实现管理与评价的积极性；从“横断型”转化到“追踪型”，以实现管理与评价的发展性。在这三个方面力量综合起来的状态下形成师生自我反省并积极改进的价值管理理念，从而能够调动全员管理的积极性，尽可能规避只有年级管理人员才去管理年级的局面。

以数据判断决策，使得管理决策更为科学，更具客观性，从而使团队组织易于接受，并最大可能地形成管理合力。以数据分析进行管理，并非企图推翻以往所做的成功的一切，只看革新不看经验。这种没有极大继承的做法是不推荐的。成功且有实效的管理策略和措施，在实际工作中必然要继承下来。但是，基于数据技术对成绩数据所进行的分析和解释，需要年级管理人员和教师团队有一定的数理统计分析的素养和数据概念、数据思维，相信在一段时间的实践和操作中，这些信息化、数据化的要求都不再是陌生的事情。

数据分析师篇6

关 键 词：学评教；大数据；双均值偏离；分析法

中图分类号：G40-058 文献标识码：A 文章编号：1006-3544（2014）05-0071-02

随着教育现代化以及教育改革的不断深入，学生评教成为国内外许多高等院校评判教师教学质量的重要手段和依据 [1] 。在大数据时代的今天，如何分析海量的学生评教数据，设计合理的评教体系，从数据中分析出目前教学运行中存在的问题，成为各高校面临的重要课题。只有设计一种科学、简便的数据分析处理方法，才能保证学生评教的合理、公正，进而实现对教师课堂教学质量有效、客观的评价，以此达到对教学质量监控的作用。

一、学评教

学生参与对教师教学的评价，简称“学评教”，一般是指学校组织学生对教师的教学行为及其态度、水平、效果等方面进行评价，并在客观分析评价结果和学生意见的基础上向教师反馈并提出改进要求。学评教开始于20世纪初的美国高校，到20世纪八九十年代，学评教在我国高等院校逐步普及，并迅速成为国内大部分高等院校评价教师授课质量的重要组成部分。

在现代教育体系中，学生作为教育的主要对象和最直接的受益者，很有必要参与教学活动的评价与反馈。学生通过相互比较和切身感受形成对授课教师教学态度、教学手段、教学效果等方面的评价意见，对评定教师的教学质量更具有客观性和真实性。学生评教对教师既是压力也是动力， 学生的评价可以促使授课教师积极参与教育改革， 自觉遵守评价标准 [2] 。教师可以根据学生评教的数据结果及时调整教学理念，弥补教学薄弱环节，从而提高课堂教学质量。同时，学评教使学生参与了教学运行管理，强化了学生的主体意识，有利于调动学生学习的积极性和主动性，锻炼学生的分析判断能力，促进师生间的情感交流。

二、学评教目前的评价分析方法

目前运用的评价分析方法包括：评价分数法、加权平均分数法、均差分数法、访谈法、档案袋评价法、模糊评价法等。 先就几种主要评价分析方法做简单介绍。

1. 平均分数法。 平均分数法是把所有学生对教师的评价分数相加再平均，得出平均分，然后以此作为评价教师的惟一标准。 平均分数法适用于同一个年级、同一学科、同一次考试，只有这样的情况才能用平均分数法进行评价。 此方法会因为学生的评价标准不同而产生较大的差异。 [3]

2. 均差法。均差分数，就是平均分减去标准差之差。其公式是Y=X-S。其中X表示平均分数，S表示标准差。这也就是说，均差分数把统计学中的集中量和差异量结合在一起， 更全面地反映了一组数据的特征。要取得比较高的均差分数，即要求平均成绩要高，而标准差（离散程度）要小，因此人们往往用均差分数法对老师进行面向全体学生教学成绩的评价。

3. 访谈法。访谈法就是对学生进行访谈，在谈话中了解学生对授课教师教学等各个方面的评价。访谈法可以真实了解学生的内心感受，但是由于要逐个对学生进行访谈，花费的时间和人力较多，不适合大范围的评教活动。

4. 模糊评价法。教学质量显然是个模糊性概念，模糊评价法对评价对象按综合分值的大小进行排序和评价，也可以根据模糊评价集上的值，按最大隶属度原则去评定对象所属的等级，可以依照模糊数学原理构建一个评价模型，为教师教学质量考核提供参考 [2] 。

三、双均值偏离数据分析法

教学评价中，各方面影响因素很多，评价方法也不尽相同，应坚持定量评价与定性评价相结合的评价原则。针对目前评教分析方法存在的种种问题，我们制定出一套较为客观的“双均值偏离数据分析法”进行评教，其主要思路是：

1. 计算出每位学生给所有教师评价的均值；

2. 计算出每位教师在学生心目中的地位，地位=某一位学生给某位教师的评价成绩-该学生对所有教师的平均评价成绩；

3. 计算出该教师在所有学生心目中的地位的平均值；

4. 进行数据分析，得出最终结论。

双均值偏离数据分析法的数学模型为

A=（ai，j）m×n=a■ a■ … a■a■ a■ … a■… … … …a■ a■ … a■

其中，m表示第j名教师所授课程班级学生人数；n表示给第i名学生上课的教师人数；ai，j表示第i名学生对第j名教师评价的分数。

ai=■■ai，j（i=1，2，…，m）表示第i名学生对所有为其授课教师评价的平均值。

B=（bi，j）m×n=b■ b■ … b■b■ b■ … b■… … … …b■ b■ … b■

其中，bi，j=ai，j-ai表示第j名教师的评教分数与第i名学生对所有为其授课教师评价分数的平均值的偏离度。

cj=■■bi，j（j=1，2，…，n）表示第j名教师所授课班级中所有学生对其评教的分数与每名学生对所有为其授课教师评价分数的平均偏离度之和的平均值。

此评教分析方法中，最终得出的cj表示j名教师在所有学生评教中的分数与每名学生心目中的平均值的偏差的平均偏差。|cj|值越大，说明教师在学生心目中的地位与一般教师偏差就越大。如果cj是正值，|cj|越大，说明教师在学生心目中的地位越高；如果cj是负值，|cj|越大， 教师在学生心目中的地位越低。如果cj接近于0，说明教师在学生心目中的地位趋于平均值。故cj能够体现出教师在所有学生评教中的相对地位。总体来看，此方法是一种定性与定量相结合的评教分析方法。

双均值偏离数据分析法是我们经过调研与分析，初步设计出的一套评价分析方法体系，还需要在实际验证的基础上， 根据验证结果确定此分析方法的效度和可信度， 并针对不同评价环境做出具体调整。

参考文献：

[1]陈晓端. 美国大学学生评价教学的理论与实践[J]. 比较教育学，2002（2）.

[2]RICHARDL. OLIVER ELISE P00K IE SAUTTER. Using Course Management Systems to Enhance the Value of Student Evaluations of Teaehing. Journal of Edueation for Business，2005（4）.

数据分析师篇7

关键词：数据分析；统计学；课程体系；大数据

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）49-0248-02

随着社交网络的逐渐成熟，移动带宽迅速提升，云计算、互联网应用的丰富，更多的传感设备、移动终端接入到网络，由此产生的数据及增长速度将比历史上的任何时期都要多，都要快。“大数据”时代已经来临，它对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。大数据是指海量数据集，其来源包括动漫数据、企业IT应用带来的数据、博客、点击流数据、社交媒体、机器和传感数据等。它是互联网、电子商务的又一次重大革命，对数据处理、数据挖掘、数据分析提出了新的挑战。如今互联网行业、电子商务行业中的数据应用及分析已经相当普遍，为了应对大数据时代的要求，同时要具备较强的统计学功底和娴熟的计算机软件运用能力，而今完全具备这些能力的数据分析专业人才是极其匮乏的。数据分析师便应运而生，不仅互联网行业、电子商务行业需要大量的数据分析师，近年来项目数据分析事务所不断涌现，而项目数据分析师因其专业技能及量化的数据分析为客户以及所在单位控制决策风险、保证利益最大化而备受各界青睐，以待遇优厚和地位尊崇而闻名国际，也被视为我国21世纪的黄金职业。《华商报》将项目数据分析师纳入了新七十二行，《HR管理世界》将项目数据分析师评为七大赚钱职业。本文就如何在统计学专业开展数据分析方向进行了阐述，首先论述了数据分析的重要意义，其次讨论了数据分析方向的课程构建，最后分析了如何加强理论与实践环节的结合。

一、数据分析的重要意义

大数据预测美国总统：美国时代周刊报道称，数据驱动的竞选决策才是奥巴马竞选获胜的关键。数据分析团队在筹集竞选经费、锁定目标选民、督促选民投票等各个环节的决策中都发挥了重要作用。这意味着华盛顿竞选专家的作用极具下降，能够分析大数据的量化分析家和程序员的地位却大幅提升。如今从事专业数据分析工作的企业如项目数据分析师事务所、数据挖掘公司等都应市场需求而大力发展，并且受到风险投资的青睐。如美国社交数据挖掘公司Datasift于2012年宣布，获得1500万美元风险投资。2013年，DataSift成为Twitter的“认证合作伙伴”，主要负责海量微博社交数据分析。这是该公司今年第二笔融资，五月份其曾融资720万美元。又如面向开发者的大数据应用软件平台服务提供商Continuity最近获得1000万美元的融资，目前融资总额已经达到1250万美元。

数据分析的应用无处不在，那什么是数据分析呢？数据分析就是用适当的统计方法对数据进行分析，以求最大化地开发数据的功能，发挥数据的作用。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析技术不仅能通过对真实数据的分析去发现问题，还能够通过经济学原理建立数学模型，对投资或其他决策是否可行进行分析，预测未来的收益及风险情况，为做出科学合理的决策提供依据。在提高工作效率的基础上，也增强企业管理的科学性。无论是在国家政府部门，还是企事业单位中，数据分析工作都是进行决策和做出工作决定之前至关重要的一个环节。因此，针对项目可行性、风险承载力、投资回报率以及相关经济效益指标等方面的分析工作显得格外重要。在这个工作过程中，专业的数据分析人员扮演着无比重要的角色，数据分析成果的质量高低直接决定着项目投资、企业经营决策计划最终的方向。所以，各个行业对数据分析人员的需求之多是不言而喻的。传统行业，如政府机构：一类是计委、经委、统计局等一些经济综合管理部门所设有的调研处、研究室和情报所。第二类是商业、粮食、物资、银行等经济主管业务部门会设有信息中心或调研室，从本系统、本部门的业务出发进行专业性调研，提供支持本部门的市场信息。而伴随着数据分析应用的扩大，其在新兴行业中也得到了发展，如计算机软硬件及IT行业、电子商务与网络游戏、金融保险、消费品、咨询业与广告媒体、大型设备与重工业以及房地产行业等对数据分析师的需求量很大，尤其是电子商务，由于利用互联网，能够比传统零售业具有更好的数据收集和管理能力，能积累海量的数据，因此更看重从海量数据中挖掘出用户偏好和市场机会。研究机构：比如市场研究公司、咨询公司、证券公司、研究院。自主创业：取得注册项目数据分析师（CPDA）资格证可以自主创建或就业于项目数据分析师事务所等。所以，数据分析的行业应用是极其广泛的，并且随着大数据时代的到来，数据分析尤其是数据挖掘将借助互联网的发展，逐步形成人们依靠的重点，并可能成为未来发展与竞争的重点之一。由此我们可以看到数据分析师的就业前景是非常广泛而乐观的，无论是数学专业、统计专业，还是计算机专业的学生，都可以通过系统的学习数据分析课程来适应对数据分析人才的要求。

二、课程体系构建

1.主干课程。主干课程包含高代、数分、概率论、数理统计、多元统计分析、时间序列分析、市场调查与分析、统计预测与决策、数据结构、C语言、数据分析、数据挖掘、大数据分析与展示。理论课程的学习可以使学生了解数据分析的基本内容，学会如何对已获取的数据进行加工处理，如何对实际问题进行定量分析，以及如何解释分析的结果。掌握几种常用数据分析方法的统计思想及基本步骤，并具备一定的分析论证能力。

2.实验课程。数据分析的操作离不开计算机。目前数据分析行业常用的一些统计软件有SAS、SPSS和R软件。SAS软件是一个模块化、集成化的大型应用统计系统。它的功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等。SPSS软件是一个社会科学统计软件包，是采用图形菜单驱动界面的统计软件，SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。R软件是一套完整的数据处理、计算和制图软件系统，包括：数据存储和处理系统、完整连贯的统计分析工具、优秀的统计制图功能、可操纵数据的输入和输入等功能。这三个软件在数据分析中针对不同行业的需求有不同方向的应用。

3.专业课程。从数据分析的行业需求出发，好的数据分析人员不仅要有较强的数据分析能力，还要有该行业的背景及相关知识的储备，这样才能将数据分析与行业特性联系起来，发挥数据分析的最大功能，即所谓的“因地制宜”。同时要兼顾学生的兴趣与学习的联系，需提供多领域的课程选择，如：经济学、金融学、保险学、管理学、会计学等。而在软件学习方面也要拓宽渠道，除了实验课程安排学习的软件，学生可根据自身发展意向再多掌握一些软件如：SQL数据库，熟悉office常用功能，尤其熟练运用Word和PowerPoint、Excel图表及数据分析等。同时还应该结合对数据分析师的要求设置一些相关课程：投资数据分析、市场调研与预测、预测技术分析、现金流量表编制、风险投资项目筛选、不确定性分析、编制数据分析报告等。

三、实践环节

培养数据分析的专业型人才目的就是为了学以致用。数据分析本身就是为了从数据中发现问题、建立模型、预测收益风险企业决策进而做出合理正确的决策判断。因此，学习了基本的知识和技能就要运用到实际操作中。学校可以和本地的数据分析事务所，或者大量需求数据分析人员的互联网行业建立实训基地，进行合作式教学，使得学生在实习的过程中能够理论联系实际，切身体会数据分析的商业操作体系，这样就能够促进学生有目的、有取舍地针对自身情况学习钻研，继而就能够培养出适应经济发展，满足市场需求的应用型人才。

四、结语

在大数据时代到来之时，数据分析在互联网中的应用将会空前广泛，与此同时对数据分析师的需求也将会井喷，无论是在军事、工业、企业还是在政治上，大数据分析都将会十分紧缺。因此，目前对数据分析师的培养刻不容缓。本文从分析数据分析行业发展及其重要意义、数据分析专业课程设置以及教学实践环节方面对构建数据分析课程体系进行了探讨。不仅从教学课程的内容上予以安排，而且更加注重引导学生自主学习，特别强调理论结合实践的合作式教学。希望能够结合行业需求合理地构建课程，培养出专门从事数据分析的项目数据分析师，从而能够满足市场需求和自身发展。

参考文献：

[1]范金城.数据分析[M].科学出版社，2010.

[2]http：///jrt/120922/70953.shtml

[3]CPDA项目数据分析师简介[EB/OL].中国数据分析行业网.

数据分析师篇8

关键词：大数据;信息化教学;创新

中图法分类号：G434 文献标识码：A

近年来，大数据逐渐成为人们获得新认知、创造新价值的源泉，它是继云计算、物联网之后IT产业的又一技术变革。据IDC《数字宇宙》（Digital Universe）的研究报告表明，2020年全球新建和复制的信息量已经超过40ZB，是2012年的12倍;而中国的数据量则会在2020年超过8ZB，比2012年增长22倍。

一、大数据的特性

1.Volume（容量）。存储量巨大，不仅是指大数据的数据体量巨大，而且表示单位时间内的数据交换的流量巨大。数据集合的规模不断扩大，已从GB到TB再到PB级，甚至开始以EB和ZB来计数，传统的集中存储与集中计算已经无法处理呈指数增长的数据。

2.Velocity（速度）。数据产生、处理和分析的速度在持续加快，数据流量大，要求处理速率及效率也要快，能够提供交互式的、实时或准实时的数据分析及数据预测，将处理时间压缩到最短。

3.Variety（多样性）。数据类型复杂，数据来源及格式多样化，如Email、访问日志、电子商务、网络检索历史记录、微信、博客等个人数据、企业数据、传感器数据、网络数据等。在大数据背景下，数据有可能发生复杂的变化甚至是组合变异和性质突变。

4.Value（价值）。大数据由于体量不断增大，单位数据的价值密度在不断降低，然而数据的整体价值在提高。通过对大数据进行处理，经过数据整合、挖掘及数据分析后得到的新信息价值会翻倍。

二、大数据时代高校所面临的挑战

1.大数据集成：高校根据自身的应用需求，必须对分散且多样化数据来源进行抽取集成，探索融合结构化、半结构化、非结构化数据的统一模型，同时提高数据采集的质量，强化数据文化。

2.大数据的分析：高校需要对半结构化和非结构化数据进行数据清洗、关联和聚合，采用统一的数据结构来存储这些数据。并将这些数据作为数据分析的原始数据，从中抽取部分或者全部进行分析，以提炼出连续的、低信息粒度的数据进行分析和挖掘。

3.大数据的展现：数据分析产生的结果有可能也是非常大量的，且结果之间的关联关系复杂、数据维度更多。通过数据可视化技术，以更加适合教学思维的图形化的方式展示数据分析结果，将枯燥的信息转换为通俗易懂的图形。

三、大数据在高校信息化教学中的应用

高校信息化教学的大数据处理模型

数据时代的到来，将带来更具针对性、个性化的教学体验。如上图所示，在高校信息化教学过程中，首先需要完成对用户数据的收集，再对数据进行挖掘、分析，并转换成结构化的信息，用这些信息去展示新的事实，描述教师的教学习惯和学生的学习习惯，并根据用户画像，利用信息技术手段，在教学过程中起到辅助作用。

1.合理调整课程结构，优化教学资源配置

利用大数据技术对教师和学生教、学行为数据进行分析，在这些数据的基础上进行建模，分析教学过程、教学反馈和教学绩效等各方面信息，掌握各个资源模块之间的关联程度，合理调整课程设置以及教学资源的分布结构，根据教学重点进一步改进教学方式，最大化地优化教学资源配置，进一步实现优质资源的数据共享，为教师的高效教学、学生的个性化学习提供便利。

2.基于数据引导学生的自我学习，实现个性化学习

因材施教、个性化学习是教育追求的最高目标，但在传统的班级授课制中要实现这一点是很难的。通过大数据分析，对学生某一段时期内的学习情况，包括学习、爱好、业余活动等非结构化学习行为数据进行分析和预测，研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复，哪些知识点需要深化等。同时，让学生了解自己近期的学习情况，以便及时作出自我调整，开展基于数据的自我导向学习，推进个性化学习的进程。

3.发展教师在线学习，促进教学发展

过去的教学因为没有大量数据的支撑，该教什么全凭教师跟着感觉走。现在利用大数据时代的优势，发展教师在线学习，这是一种相对宽松、自由的学习环境，并针对教师某一段时期内的教学行为和成果进行大数据分析，通过分析所获得的数据，不仅有利于教师自我评价，更重要的是通过数据，教师可以了解自己的优势和不足，认识自我、发展自我、规划自我，同时可以预测下一时期的教学情况，以便于及时调整教学策略，进行教学改进，促进和优化教学实施过程。

4.重新构建高校教学质量评估方式，提高教学质量

教学评估是每个高校定期要做的项目，目的是通过教学评估发现教学中存在的问题，及时地调整教学方案和手段，以提高教学质量，从而培养出顺应社会发展要求的学生。同时，将基于大数据挖掘的智能算法应用于教学质量评估中，从技术层面去分析，找出教师教学的效果、多媒体课件的使用、学生和教师的互动、教学与教学场所等因素中的内在联系，为教学部门提供决策支持信息，为教师提供准确的反馈信息，帮助教师改进教学、确定教学重点，引导教师改革教学方式，使之更好地开展教学工作，有效快速地提高教学质量。

目前，大数据在高校中的应用还存在一些问题，在数据隐私、数据质量和数据文化等方面，还需要进一步地修正、探索。高校还可以在学科规划、预测招生生源情况、就业情况分析、舆情分析等方面借助大数据分析技术，挖掘数据中潜在的价值，助力高校信息化教学的建设。我们需要把握时代的机遇，促进大数据技术与教育教学的融合创新，构建网络化、数字化、个性化、终身化的教育体系。

参考文献：

[1]赵勇，林辉，沈寓实，等.大数据革命：理论、模式与技术创新[M].北京电子工业出版社，2014：3-4.

[2]赵丽梅.大数据时代高校图书馆工作思路探讨[J].吉林工程技术师范学院学报，2014（02）：55-56.

[3]罗军锋，徐菲.大数据时代的高校信息化框架[J].中国教育信息化，2014（03）：13.

[4]孙其伟，陆春.大数据在高校中的应用研究[J].中国教育网络，2014（01）：65.

[5]刘中宇，刘海良.基于大数据的云教学环境设计[J].中国教育信息化，2013（24）：18-19.

[6]张进良，何高大.学习分析：助推大数据时代高校教师在线专业发展[J].远程教育杂志，2014，220（01）：59.

[7]赵姝淳，孙曙辉.大数据技术及其在教育领域的应用[J].中小学信息技术教学，2014（03）：66.