时间：2022-09-16 02:02:51
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篇大数据课程总结，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。
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）.
随着现代科学技术的发展，以云计算、大数据等为代表的新型技术逐渐被应用到社会发展的各行各业。在大数据时代下，中学信息技术教师在教学过程中也要根据实际情况适当地应用大数据技术，从而进一步强化学生对信息技术知识的理解，提高教学的有效性。基于大数据的中学信息技术教学策略有：利用大数据技术开展个性化的信息技术教学，构建MOOC信息技术学习平台，开展网络协调合作学习，做好教学评价工作。
关键词：
大数据时代；中学；信息技术教学；策略
新世纪以来，我国在教育事业当中投入的精力、财力、人力等的力度越来越大，在科学技术高速发展的新时期，教育改革越来越强调现代教育技术的开发和应用，以更好地提高教学有效性，同时也适应新的社会发展形势。21世纪是信息技术占主导地位的时代，信息技术作为一门实践性和应用性较强的学科，在小学阶段就开始作为一门课程为学生所了解，中学阶段的信息技术教学则注重培养学生对计算机相关知识的应用能力，最终提高中学生的综合信息素养。大数据时代的到来和广泛应用，给现阶段中学信息技术教学带来了机遇和挑战。如何利用大数据的优势和特点开展信息技术教学，以达到改善教学现状、提升教学有效性的目的，是现阶段中学信息技术教师要研究的重要课题。
一、大数据的特点及其在中学信息技术教学中的应用优势
（一）大数据的特点
大数据不是一种技术，也不是一种产品，它是21世纪科技发展带来的一种发展趋势，是继云计算、物联网之后的一个技术热点，是一个抽象的概念。之所以被称为大数据，是因为他呈现出与传统数据不同的特点，比如数据量大、数据种类多样化、数据获取和传播速度快、非结构化等，这些特点很好地适应了新时期人们越来越个性化和多样化的学习需求。大数据的出现促进了互联网与行业发展的深度融合，各行各业都开始借助大数据的发展来寻求新的发展增长点和创新点，以期在行业当中崭露头角。对于教育行业而言，大数据本身就与计算机信息技术的发展息息相关，大数据的出现可以为信息技术教学带来新的发展思维和教学手段，进一步促进素质教育的改革和创新推进。
（二）大数据在中学信息技术教学中的应用优势
大数据本身就是在计算机信息技术发展到一定程度而衍生出来的，因而与信息技术学科息息相关，对于教师教学、学生的学习都起着重要的作用，大数据以其独特性在中学信息技术教学中占据着很大的优势。将大数据与信息技术教学相结合，需要发挥大数据的信息优势为信息技术课程教学提供必要的数据，并结合中学信息技术课程教育目标辅助课程教学的开展，完善教学模式，提高教学效率。大数据在教育当中的应用主要是以MOOC模式来呈现的，这一教学模式主要是利用互联网技术与大数据技术进行教学资源的搜集，整合受教育者的学习需求，进而制定不同类型的、有针对性的在线教育课程，并且包括教学资源库、课程有关专题学习模块、教学互动交流模块、练习测评模块等。同时这些数据资源库内包含了学生、教师相关的各类教学文档，大数据技术在信息技术教学中的应用主要就是利用这些原始数据来实现的。基于大数据的MOOC模式能够在中学信息技术教学中得到广泛应用，主要是因为它不同于传统的远程教育，由于是基于大数据，因此课程数据信息量非常大，数据类型复杂多样，差异性明显，容易满足新时期学生越来越多样化和个性化的学习需求，每个学生都可以根据自己对信息技术的掌握情况自主地选择学习方法、学习内容等。同时教师还可以根据基于大数据的MOOC教育模式的实施状况，总结学生的学习规律，进而利用大数据探索并建立起群体学习的预测模型，从而更好地推进信息技术个性化学习模式。
二、中学信息技术教学现状及存在的问题
（一）教学内容单一落后
信息技术可以说是现代社会最前沿的技术之一，并且随着时代的发展不断更新进步。为了让中学生更好地掌握信息技术知识和技能，必须对信息技术课程教材进行及时更新，以更好地引导学生充分了解当今世界的信息技术发展，使自身的技术能力适应社会发展的趋势。但是事实上，很多中学使用的信息技术教材都是很多年没有变化，没有与当前科技发展接轨，更没有加强与大数据、云计算等前沿科学的联系，不能满足中学生学习和发展的需要，也给中学信息技术教学带来了难度。
（二）教学方式有待改进
目前中学信息技术教学普遍存在的一个问题就是教学方式单一，主要是教师讲解加演示，学生被动听讲，缺乏较多参与实践操作的机会，导致中学生的信息技术应用水平不高，缺乏现代化人才所必需的信息素养和计算机应用能力，教学效果不明显。另外，很多信息技术教师只注重课本内容的讲解，忽视了学生实践能力的培养，对信息技术课程相关的互联网、大数据、云计算等前沿知识没有进行深入挖掘，考试内容也比较基础单一，很大程度地限制了学生的发展。
三、基于大数据的中学信息技术教学策略
（一）利用大数据技术开展个性化的信息技术教学
在素质教育改革的大背景下，信息技术课程教学标准要求教师注重学生在教学中的主体地位，强调学生的个性化发展。在信息技术教学的过程中，教师要积极引导学生进行自主探索研究，尊重学生的个性化特点，发挥学生在学习中的创新精神。大数据在中学计算机技术教学中的应用符合新时期中学信息技术课程标准的要求，它能够通过对数据的搜集、跟踪、整理等实现对学生学习全过程的覆盖，并建立相应的信息数据库，学生考试成绩、课堂表现、家庭背景等内容都包含在大数据分析中，信息技术教师可以利用数据挖掘技术研究学生各种行为的内在联系，从而制订科学的教学计划，开展个性化的信息技术教学。
（二）利用大数据技术构建MOOC信息技术学习平台
如前文所述，大数据在中学信息技术教学中应用最为普遍的就是MOOC教学模式，信息技术教师可以利用大数据技术构建MOOC信息技术学习平台，通过该平台为学生提供丰富的学习资源，并为学生制订有针对性的学习计划让学生有选择性地去完成。在这一过程中，信息技术教师可以利用大数据技术为学生创建独立的行为学习档案，进而根据搜集到的信息对学生的学习行为进行分析，发现和总结学生学习过程中存在的问题，进而优化建立学生学习行为模型，并进行分析预测，从而促进教学效果的提升。
（三）利用大数据技术开展网络协调合作学习
大数据在中学信息技术教学中应用的另一个表现就是异步网络协作学习模式。它主要是由教师利用大数据技术搜集学生学习相关的信息，利用异步式学习平台信息，实现与学生的交流。教师可以通过该平台以电子邮件的形式向学生教学通知、布置作业等，也可以提供在线答疑，加强师生之间的双向互动，进而提高教学效率。
（四）利用大数据技术做好教学评价工作
大数据技术在信息技术教学中的应用使得建立覆盖学生学习全过程、全要素的信息库成为可能，学生学习相关的信息资料都被涵盖在大数据分析当中，利用这些数据进行教学评价工作可以收获良好的效果。教师可以利用数据挖掘技术的关联分析和演变分析功能，结合学生学习行为相关的数据信息研究学生各种行为的内在联系，进而发现学生的问题和优势所在，有助于提高教学评价的科学性。
关键词：大数据；虚拟学习环境；教学评价
0 引言
21世纪高校的信息技术教育进入了一个全新的发展时期。网络虚拟学习就是充分利用基于计算机网络的多媒体工具和技术，为学习者提供一个更加广阔的网络学习平台和学习空间，以实现信息化学习的资源共享的一种学习方式。信息技术的发展，随之而来产生的问题是，耗费大量的物力、财力、人力建设的这些课程能否实现其教育价值，并起到预期的教育目的，这就需要综合、全面地评价教学过程的活动，来确保教与学的效果。
1 大数据时代的特点
大数据（Big data）山，指的是由数量巨大、类型众多、结构复杂的数据构成的数据集合，是基于云计算的数据应用与处理模式，通过数据的交叉复用、集成共享形成的智力资源和知识服务能力。首先，评价信度跟随由大数据带来的海量数据得到了提高。教学评价基于海量数据分析的基础上，摆脱以教师个人感受和个人知识为基础的经验性评价，不再停留在每位教师头脑中的模糊经验上。其次，评价方式因大数据技术变得多样性。学生对于自己能力水平的评价转向对自身学习过程的数据分析。随着课堂教学方式、教学内容、学习过程的不断数字化，学生的评价也将作为一个过程被逐步数字化，不仅教师可以对这些数据的进行分析和利用，作为学习主体的学生也将参与到分析评价的过程中。
2 虚拟学习环境的考察内容
“虚拟学习环境”是一个基于网络网页技术的用户服务机构系统，通常包含网络服务包和网络软件后台服务系统。系统的主要使用者为教师和学生，教师远程登陆系统后组织网上教学活动，跟踪学生的学习情况，根据教学需要来修改或补充教学内容。学生通过该系统和教师进行个体化学习的讨论交流。完整的评价标准要从不同用户的角度出发，从以下几个方面考察。
（1）数字化学习资源系统：各种类型的信息资源（如教育网站、虚拟图书馆、虚拟软件库、多媒体素材、课件、电子文献资料、电子教案和信息化学习支持工具）、教师在线答疑、课程使用指南和数字媒体技术支持等。
（2）交互系统：包括学生与教师的交互、学生间的交互、课堂内的交互、课堂外的交互、学校间的交互。
（3）数字化学习系统：课程全部的学习内容、自主探究学习方法、激发学习动机的机制、不同类型学习策略。
（4）学习评价系统：发展性评价、多元性评价和实践性评价。以下又有12个二级评价指标。
（5）教学管理系统：教师信息管理、学生学籍管理、课程教学质量管理、教学文件（如教学大纲、课程计划）管理、学生的学分与成绩管理等。
3 基于虚拟学习环境的教学评价框架研究
3.1 教学评价框架
评价框架（Evaluation Framework）是一个开放式框架，是评价实施的指导性文件。在评价过程中，评价主体为了明确自己的位置，需要了解评价的任何细节。经过对基于虚拟学习环境的教学评价的特征、要素、内涵等进行分析，评价初选指标体系包含发展性、多元性和实践性三个一级指标以及12个二级指标。
3.1.1 发展性评价指标
要提高每个学生的自信心和持续发展的能力，发展性评价强调评价以促进学生发展，激发学生个性、潜能和创造性为目标。要求教师用发展的眼光来看待学生，结合多种评价方式和手段，重视过程性评价，使教学评价在反映学生学习结果的同时更好地促进学生发展。本研究经过对相关文献的分析，确定将发展性作为一级指标，学生与虚拟学习环境间交流、学习效果的自评、互评、项目活动的小组评价和教师评价作为评价的二级指标。
3.1.2 多元性评价指标
多元性评价主要体现在：评价主体多元化，评价内容多维化。人的智能是多方面的且各种智能互有短长，被评价者的全部智能，仅仅通过传统的单一评价势必不能完全反应，要发现其潜在能力，为培养人才提供依据，只有从多个角度去衡量一个人，同时要求把传统评价分解成针对不同智能的评价维度。本研究经过对相关文献的分析，确定将多元性作为一级指标，数字化教学资源、教学模式绩效、学生学习行为、学生技能认可度、企业人才指标评价作为评价的二级指标。
3.1.3 实践性评价指标
这里的实践性一方面是学生在虚拟学习环境中的实践，另一个方面是学生通过虚拟环境中的真实体验应用于真实的社会环境中的实践。实践性评价更关注过程而非结果，更关注学生在实践过程中的活动与表现，是指为学生的实践过程提供反馈信息而从事的评价方式。本研究经过对相关文献的分析，确定将实践性作为一级指标，学习态度、参与程度、实践能力、协作能力作为评价的二级指标。
3.2 基于虚拟学习环境的课程评价过程
大数据“一切皆可量化”的特点使得评估不再变得主观性，同时电脑可以在理想的稳定状态收集分析数据，人为因素的干扰项被排除，多维度的评分得以形成。在大数据时代每个学习主体都是中心，利用自己产生的数据进行“反馈学习”，不断地改善自己。网络课程评价是一个动态的过程，经历教学评价的准备、实施、数据处理、信息反馈四个部分的工作。
3.2.1 评价准备
确定评价目标、评价人员构成和评价对象，确定评价步骤、方式、处理方法，确定不同信息之间、不同评价人员的权重。基于虚拟学习环境的课程评价需构建全新的评价指标体系。评价指标体系设计的一般过程是：先分解目标，然后建立评价指标，接着分配指标的权重，最后划分等级和确定标准。
3.2.2 评价实施
给评价人员发放评价指标体系，统一价值尺度，解释相关标准，为评价人员做出正确的价值判断提供依据。收集评价信息和数据，实施评价。主要是获取的相关统计、检验的数据，进行有效数据的筛选，无效数据的去除，以保证评价的有效性。
3.2.3 数据处理
依据各种权重进行数理统计。这里的权重，一是教师，学生，管理员，专家等不同评价人员信息的权重，二是指标体系中各层指标的权重。依据课程特点、评价目的以及评价人员构成设置权重。权重如果不同，则以综合评价权重为依据来统计。通过统计信息的分析，综合进行判断，形成评价结论。
3.2.4 信息反馈
形成评价报告和反馈信息给制作者为反馈阶段的内容。形成性评价是在整个评价过程中监控评价活动的进行，随时进行评价工作的调整；总结性评价是发现评价过程中出现的问题，总结此次评价活动，提出改进评价的措施。
关键词：大数据时代；环境特征；广告设计；教学；改革
1大数据时代的环境特征
各类信息在计算机运作系统下，产生了各式各样的信息流、数据流。信息系统作为孕育数据的“母体”，信息系统的数据爆炸导致大数据时代的到来。另一方面，大数据时代又衍生出了更庞大、复杂的信息系统。大数据，实际上就是指软件无法提取、共享和分析的海量数据。大数据有数据量大、数据种类多、数据有效值低以及数据处理速度快的特点。数据量大主要是因为各种计算机设备、移动终端产生的实时数据，无法及时清理或有效使用使数据越积越多，导致数据量变大。数据以成千倍的数量累积上升，企业网络甚至会产生PB、EB量级的数据。传统的数据储存都是以文本为主的结构，随着互联网技术的深入发展，图片、音频等数据都已成为数据结构的主要构成因素，甚至占据了超过一半的比例。数据类型越来越多，就需要数据平台拥有更强大的信息处理能力。大数据环境下，为人们提供了诸多潜在的信息，在激烈的市场环境下，信息的占有量，是竞争力强弱的体现。目前数据已经成为各行各业的重要组成部分。大数据时代的处理框架建立在云计算的基础之上，利用高速运转的方式，通过分布处理，以数据流的形式传递在系统之间，为用户构建大量的数据库，而且可应用于大多数的程序。
2广告设计教学改革的必要性
广告设计作为视觉传达设计和广告传播这两个专业的核心课程，建立在印刷、网络、影像等多种载体之上。研究国内外的广告设计艺术，是一种较为新颖的课程。但是当下的广告设计课程仍沿用传统的媒体广告内容进行教学。例如，只对报纸、杂志、电视以及广播这类传统媒体进行研究，新媒体的各种形式、特征、设计手法等都没有被彻底地纳入广告学的设计教学中。学生在课堂中无法准确、迅速地了解新媒体广告教学的设计规律。媒体形式日新月异，这也给我们的教学带来了一定的影响，给我们提出了新的问题和任务。过去广告设计教学模式服务于传统媒体，而当下的课程我们要去探索新的方式，从知识框架、教学重点上实现质的突破。广告设计观念教学要顺应新媒体时代的需求。笔者根据大数据时代下的环境特征，研究大数据时代的特征与当下广告设计教学的联系，进一步提出大数据时代下加强广告设计教学改革的方式方法，以此来更新广告设计的教学体系。
3大数据时代下的广告设计教学改革策略
3.1构建大数据时代下的广告设计教学体系
通过长期的广告教学实践，笔者认为理想的教学框架应贯穿于学校教育和社会实践两个方面，实现核心课程、重点课程以及辅助课程的三项并进。在学生的每个学习阶段，让学生的各个层面都积极地接触实践，最大限度地为学生创造实践机会，尽可能为学生提供观察和动手学习的机会。构建大数据时代下的广告设计教学体系，要改变以往的实习策略。让广告实践穿插在每一个学期当中，让学生带着问题走入课堂，真正了解每个课程中的广告设计实践的重点、难点。所以，对于广告设计课程教学改革，要从两个方面入手。首先，要为学生创造实践的机会。通常情况下，这对于学校来说有一定的难度，让他他们到广告公司实践图形创意，在版式设计时到报社去学习和参观，这些总的来说较为困难，但是这是帮助学生实现高效学习的最佳途径。在这个过程中，让学生充分了解到他们应该学习的内容，认识到自己的不足，学会如何使用知识点，让学生能真正做到学以致用，探寻学生从校门走向社会的捷径。其次，要加强对核心课程的强化。广告设计的功底在于美术功底，这是实现影视广告设计、平面广告设计的基础。在大数据时代，依然逃脱不了这个基础。广告设计专业的学生无论其他学科知识再怎么扎实，如果没有基本的构图能力、绘画能力，他就不会有太多的发展空间。所以，要想实现课程的优质教学，一定要夯实学生的基础，练好手上功夫。
3.2建立一支高质量的教师队伍
任何院校要想提升其教学质量，首先要从教师入手。培养打造一支高素质、高层次的广告教学队伍，是学校广告设计教学改革的重点。学校应积极组织培训，提升教师们的专业素质，建立研究和培训基地，加强各个院系之间的相互合作，加强学校与企业之间的合作，实现优势互补。目前还可以向外拓招兼职教师，在发达国家，很多优秀的教师都来源于广告企业的兼职教师，他们有工作经验，同时还积极与社会接触，可以带给学生们最新的广告素材和知识。在校内的全职教师，可以积极地借鉴他们的经验，采用双重标准加强广告设计专业的师资力量建设。在大数据时代下，广告设计专业面临着更多的挑战和机遇，我们应积极地吸纳广告业、传媒业的人才，充实教师队伍，以此来推进大数据时代下的广告设计教学的改革。
3.3建立互动式教学
大数据时代下，传播内容有个性化、海量化的特点，在传播渠道上也有一定的交互性。所以，互联网作为学生们使用、接触最多的媒体，我们需要对此加以重视。在网络环境下，手机、电脑、平板电脑等载体已经成为信息传播的重要组成部分，在这样环境下成长起来的学生，是新媒体的受众。他们对于网络广告有着独特的体验，在一定的程度上，他们比教师更具发言权。所以，在广告设计教学改革中，教师要积极地适应大数据环境特征，建立互动式教学。首先，要变被动为主动，让学生成为课堂主体，充分调动学生的学习积极性。让学生结合自己的体验、经验去总结、归纳大数据时代下的广告设计特点，并总结相关的设计方法。例如，在讲国内外广告设计对比时，我们可以先布置一项学习任务，让学生自主搜寻相关的内容，让学生列举一些具有代表性的内容，以此来加深学生们的理解，增强教学成果。为了增强学生们的创造性，教师也可以鼓励学生为自己喜欢的某个人物设计脸部页面广告。在这个过程中，教师要加强与学生的沟通。在大数据环境下，教师的角色在发生改变，教师要尽可能贴近学生的需求，积极与学生进行互动，可以利用微博与学生互粉、建立语音课堂讨论、实现作业及时修改等策略来丰富课堂形式。
4结语
大数据时代下的传播特点，极大地影响了人们对于广告的认知。教师也应及时更新广告设计教学模式，丰富教学的内容与形式，提升学生的创新思维、实践能力。面对大数据时代的冲击，教师要积极把握新媒体广告的优势，在传统的教学模式上不断革新，加强实践教学，结合学生的能力，充分调动学生的学习热情，为学生今后的发展打下坚实的基础。
参考文献：
［1］赵永立.新媒体时代广告设计教学的改革研究［J］.学周刊，2016（13）：203-205.
［2］王作其.新媒体时代广告设计教学改革研究［J］.美术教育研究，2013（24）：102.
一、中学信息技术教学存在的问题
1.教学内容滞后、单一
作为社会最前沿的技术，信息技术在时代进步过程中不断发展。为了促进中学生信息技术知识和技能的提升，应当及时完善信息技术课程教材，进而在学生了解世界信息技术发展过程中提供有效引导，为学生增强自身信息技术水平构建上升通道。然而，实际当中一些中学应用多年没有变化的信息技术教材，其内容和当前科技发展相脱离，同时和云计算、大数据之间也缺乏应有的联系，学生的学习和发展需求通过这些教材难以得到满足，并使得中学信息技术教学难度大大增加。
2.教学方式较为落后
当前，中学信息技术教学中普遍存在教学方式落后的问题，课堂教学主要由教师演示和讲解构成，学生通常处于被动接受的状态，并且很少有机会参与到实践操作当中，进而使得很多学生信息技术应用仍处于较低水平，使现代人才需要的计算机应用能力和信息素养并没有获得培养。另外，一些信息技术教师过分强调课本内容，对于提升学生实践能力缺乏应有重视，也很少挖掘信息技术课程相关云计算、大数据、互联网等知识，考试主要是一些简单理论和实践操作，进而在一定程度上阻碍了学生的进步。
二、基于大数据的中学信息技术教学策略
1.通过大数据实施个性化教学
基于素质教育改革的大背景，教师教学中应当给予学生主体地位充分重视，并充分关注学生个性化发展。在信息技术教学课堂上，教师应当鼓励学生开展自主探究学习，结合个性化特点将其创新精神充分发挥出来。在计算机技术教学中应用大数据要求以新时期中学信息技术课程标准要求为依据，通过整理、跟踪、搜集数据，有效覆盖学生学习全过程，并对相应的信息数据库进行构建，在大数据分析中纳入学生家庭背景、课堂表现、考试成绩等，通过数据挖掘技术的应用。信息技术教师应当对学生行为的各种内在联系进行研究，M而对科学、高效的教学计划进行制定，促进个性化信息技术教学的有序开展。
2.通过大数据对MOOC信息技术学习平台进行构建
在MOOC教学模式中，教师通过互联网技术和大数据技术搜集教学资源，并对受教育者的学习需求进行整合，进而对不同类型的在线教育课程进行制定。MOOC教学模式是大数据在中学信息技术教学中应用最普遍模式，信息技术教师通过大数据技术对MOOC信息技术学习平台进行构建，并利用该平台将丰富的学习资源提供给学生，同时对针对性学习计划进行制定，以便于学生选择性地完成。这个过程中，教师能够通过大数据技术对独立行为学习档案进行构建，并以搜集到的信息为依据分析学生的学习行为，对学习过程中存在的问题进行总结，进而对学生学习行为模型进行优化，最终有效提升教学效果。
3.通过大数据技术强化教学评价
关键词：大数据；复合人才；教学内容；实践形式；校企合作
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）45-0201-03
一、引言
随着计算机软硬件技术的快速发展，计算技术已从传统的PC平台计算模式发展到嵌入式计算、移动计算、并行计算和服务计算等多种计算系统并存及融合的计算模式，处理的对象也呈现出网络化、多媒体化、大数据化和智能化需求的特征，而物联网、移动互联网的快速发展促进了这一趋势，从而迎来了大数据时代的到来。大数据是继云计算、物联网之后兴起的又一新兴发展方向，被学术界、工业界乃至政府机构密切关注和广泛研究。
大数据又称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极的目的的资讯。在维克托・迈尔・舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。一般说来，大数据具有4V的特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
二、大数据时代对人才的要求
从广义上讲，大数据人才就是具备大数据处理能力的科学家和工程师。目前，国际上开设了大量的数据科学方面的课程、数据科学学位计划以及数据科学短期培训班。从国际上设置的培养计划来看，大数据人才应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识面，具有独立获取知识的能力，具有较强的实践能力、创新意识和团队合作意识。具体来说，大数据人才首先应具备获取大数据的能力，例如能根据任务的具体要求，综合利用各种计算机手段和知识，收集整理海量数据并加以存储，为支撑相关的决策和行为做好数据准备。其次，应具备分析大数据的能力，对于经过预处理的各类数据，能够根据具体的需求，进行选择、转换、加载，采用有效方法和模型对数据进行分析，并形成分析报告，为实际问题提供决策依据。最后，应具备良好的团队合作精神，大数据时代下的数据分析任务通常无法依赖个人能力来完成，需要在团队制度的约束下，与他人一同携手、互相鼓励、分工合作来实现既定目标，因此具备较强的责任心与团队合作精神也是大数据从业人员必备的基本条件。
三、大数据人才培养的探索
大数据产业的发展，对大数据人才提出了新的需求，国内各高校在积极进行大数据学术研究的同时，也开始考虑将大数据相关课程纳入培养体系，以满足社会对大数据人才的需求。以下结合作者在数据库及分布式技术系列课程中的教学经验，以及大数据分析与处理方面的实践经验，探讨大数据系列课程教学内容和实践形式的设置。
在教学内容的设置上，大数据系列课程建议可分为理论教学和技术教学两个方面，因为理论是大数据认知的必经途径，也是被广泛认同和传播的基线；而技术是大数据价值体现的手段和前进的基石。在理论方面，讲授的理论内容可涵盖如下几点：
（1）大数据概念：大数据概念出现的历史，关于大数据定义的各种流派以及说明，大数据的四个特征，大数据与云计算、物联网的关系，大数据与大规模数据、海量数据的差别。这个部分主要突出“大数据”概念中应包含的“对数据对象的处理行为”。
（2）典型的大数据应用实例：精选有新意的大数据分析典型案例，可帮助学生更清晰的理解大数据的概念和含义，这样的案例如：美国梅西百货的实时定价机制（根据需求和库存的情况对多达7300万种货品进行实时调价）、百度搜索的实时热点排行榜（以数亿网民的搜索行为作为数据基础，建立权威的关键词排行榜与分类热点）、沃尔玛的搜索引擎Polaris（利用语义数据进行文本分析、机器学习和同义词挖掘使得在线购物的完成率提升了10%～15%）、谷歌流感趋势工具（通过跟踪搜索词相关数据来判断全美地区的流感情况）等。在教学过程中，教师应注意将授课的重点放在系统化的开发步骤和关键性问题的求解上，介绍案例的设计思想、主要方法和应用过程等。
（3）大数据关键技术与挑战：介绍大数据时代面临的新挑战，包括大数据集成（数据异构性和数据质量问题）、大数据分析（数据形式多样化、数据处理的实时性、索引结构的复杂性等）、大数据隐私问题（隐私保护和数据分析的矛盾）、大数据能耗问题（低功耗硬件的设计）、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。
（4）大数据存储和管理技术：介绍如何把采集到的大数据存储起来，建立相应的数据库，并进行管理和调用。主要内容包括：分布式文件系统（HDFS）、去冗余及高效低成本的大数据存储技术、新型数据库技术（键值数据库、列存数据库、图存数据库以及文档数据库等）、异构数据融合技术、分布式非关系型大数据管理与处理技术、大数据索引技术和大数据移动、备份、复制等技术。
（5）大数据分析及挖掘技术：介绍从大量数据中寻找其规律的技术，通常由数据准备、规律寻找和规律表示3个阶段组成。数据准备是从上述大数据中心存储的数据中选取所需数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含规律找出来；规律表示则是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。根据挖掘任务可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。
在技术方面，可考虑分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程，具体可包括以下几点：
（1）NoSQL技术：NoSQL产生的背景、NoSQL现状、NoSQL数据库与关系数据库的比较、聚合数据模型、分布式模型、数据一致性、典型的NoSQL数据库分类、NoSQL数据库开源软件。
（2）MapReduce：MapReduce模型概述、编程模型：Map和Reduce函数、MapReduce工作流程、并行计算的实现、实例、Yarn等
（3）Hadoop分布式文件系统：Hadoop出现的背景、Hadoop的功能与作用、为什么不用关系型数据库管理系统、Hadoop的优点、Hadoop的应用现状和发展趋势、Hadoop项目及其结构、Hadoop的体系结构、Hadoop与分布式开发、Hadoop应用案例、Hadoop平台上的海量数据排序。
（4）还可进一步包括数据流的管理与挖掘、云数据库、图数据库等。
由于大数据系列课程所涉及的技术具有很强的应用背景和实践意义，因此应摒弃传统教学模式中“重理论、轻实践”的思想，在掌握大数据相关的理论知识和技术知识之后，还需重点培养学生的综合实践能力，以满足社会就业的需要。为此，应设立一定的大数据技术实践课程内容，帮助学生从知识型向能力型转变。结合上一节分析的大数据时代对人才的具体要求，建议按以下流程设置实践环节的内容：
（1）分组。如前所述，大数据时代下的数据分析任务通常需要以团队的形式来完成，因此首先要求学生根据自身情况，结合各自的技术优势，合理进行分组。
（2）选题。在具体选题上，可使用校企合作的具体项目或以Apache Hadoop、MongoDB、Dremel、Gephi等一系列的开源大数据分析软件作为实践平台，以Kaggle为数据科学平台来进行选题。
（3）明确需求并撰写大数据分析任务书。明确选定的题目范围内，数据分析要研究的主要问题和预期的分析目标。只有明确了数据分析的目标，才能正确地制定数据收集方案，即收集哪些数据，采用怎样的方式收集等，进而为数据分析做好准备。
（4）数据收集及预处理。由于大数据分析最终的结果与其获取的数据质量紧密相关，因此收集的数据是否真正符合数据分析的目标是必须注意的重要问题。该步骤要求学生从分析目标出发，从浩瀚的数据中正确的收集高质量且服务于既定分析目标的数据，然后对数据进行必要的加工整理，包括填写空缺值、平滑噪声数据、识别和删除孤立点、解决不一致性、规范化（消除冗余属性）和聚集（数据汇总）等。
（5）探索性数据分析。由于大数据分析的数据量通常达到PB甚至YB级以上，因此希望直接选定一个分析模型是不现实的，而且面对高维海量数据，也很难直接看出数据的规律。在这个步骤中，应指导学生通过基本描述统计量的计算、基本统计图形的绘制、用各种形式的方程拟合等手段，计算某些特征量等方法探索规律性的可能形式，帮助学生快速掌握数据的分布特征，这是进一步深入分析和建模的基础。
（6）模型选定分析。在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。有时选择几种统计分析方法对数据进行探索性的反复分析也是极为重要的。每一种统计分析方法都有自己的特点和局限，因此，一般需要选择几种方法反复印证分析，仅依据一种分析方法的结果就断然下结论是不科学的。
（7）模型的验证及分析报告。指导学生对选择的数据分析模型及结果进行分析，可使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。观察模型提供决策的信息是否充分、可信，所发挥的作用是否与期望值一致，数据分析方法是否合理，是否将风险控制在可接受的范围。
以上这种项目式实践形式的优势是：在学生参与完成某一具体的大数据分析任务过程中，通过主动地学习来自主地进行知识的建构，让学生经历项目开发的整个过程，从中去发现和掌握相关知识，达到既能熟悉大数据分析过程，又完成了经验的积累，还能实现学习知识、培养能力的目的。在这里，教师不再是知识的传授者，而是项目活动的组织者和咨询者。
四、校企合作推动人才培养
一方面，大数据的核心业务必然是一种扎根于特定行业，综合运用已有的存储、分析、挖掘、展现技术，根据用户需求并融入行业特色技术模型的一站式大数据平台业务。另一方面，对于企业来说，各类业务产生的数据为数据分析创造了非常好的基础条件。大数据解决方案是有价值的，但是苦于找不到既懂数据分析技术，又懂得业务的专业人才。由此可见，既懂得相关技术，又谙熟企业业务的复合型人才才是企业部署大数据应用最迫切需要的人才。因此，企业可以与学校联合培养自己所需要的大数据人才，这种方式有两方面的优势：一是大数据技能训练的对象，即大量的数据，只有企业才具备；二是在企业的支持下，学校也能通过针对性的实践训练来培养学生的大数据处理技能。
大数据时代下的校企合作的形式多种多样，可通过联合办学、联合制定人才培养方案、合作开发课程和教学内容、设置实训项目、教学管理和共建“双师”结构教学团队等形式展开。
五、结语
［关键词］大数据;市场营销;教学改革
有研究指出，2020年，全球的数据总量将达到35ZB，大数据将极大地冲击社会的各个领域。伴随大数据时代的到来，传统市场营销工作面临着更大的发展机遇，同时也面临着一系列挑战。大数据对市场营销教学的影响，主要体现在教学内容的巨大变化和对教学方式的冲击。文章从大数据背景下市场营销教学面临的挑战入手，提出与之相应的应对策略，以期提高市场营销教学质量。
1大数据背景下市场营销学教学面临的挑战
1.1教学内容发生巨大变化
随着科技的快速发展，信息化社会已经到来，云计算、移动互联、大数据、媒体的产生更使得市场环境瞬息万变。［1］市场营销学是研究企业营销行为的学科，而企业又是追随市场的，所以，大、小企业都进行了轰轰烈烈的转型。企业如果还是沿用传统的营销模式(生产、加工、商品、广告、招商)，那么停产倒闭只是时间问题。因此，为了适应现代大数据环境，必须调整市场营销教学内容。企业的战略规划时间将缩短。从市场营销角度来看，企业战略规划是一个社会管理过程，它必须具备方向性、全局性和长期性。例如:大数据背景下，市场变化日新月异，一套长达三到五年的企业发展规划是没有任何价值的，企业只能制定一年的战略规划，甚至要以周为单位更新发展策略，实时监控市场形势，确保企业不被市场淘汰。传统的促销策略将被改写。电视广告促销是以往常见的促销策略，但这一形式正在走向衰退，取而代之的是新社交网络下的Wi－Fi营销、二维码营销等。通过免费流量等手段牢牢抓住客户的心，也节约了大量资金。
1.2传统教学方式面临的挑战
首先，大数据背景下出现了新的教育平台。2012年，我国教育部门开始向全国知名高校征集教育公开课视频，打造面向社会人士和学生的网上学习平台。［2］虽然这种做法极大地方便了学习者，但同时也极大地威胁到了专业的课堂教学。其次，传统的教学方式缺乏吸引力。绝大多数课堂的教师都是采取念课本、背课本的方式，即使有师生沟通交流，也受到了时间和心理等因素的限制，课堂常常死气沉沉、缺乏活跃氛围，再加上教学形式单一，导致学生对上课产生厌倦感，这大大降低了课堂效率，影响了教学质量。
2大数据背景下市场营销教学的方法和策略
2.1及时更新市场营销教学内容
为应对大数据背景下瞬息万变的市场、彻底改革固定化的菲利普•科特勒营销学，一线教师们必须摒弃传统，跳出墨守成规的圈子，结合大数据拓宽思维、拓展教学内容。［3］同时要求学者跟随教师，学会多方面、深层次地思考问题，知识绝不是绝对化和固定化的，它是随社会发展和科技进步而不断改变的。一方面，广大教师要密切关注市场营销理论发展动态，积极主动搜索营销理论的最前沿内容;另一方面，要深入剖析国内外最新营销成功案例，结合自身实际吸取有用信息，关注国内外商业模式改革情况，多举办、多参与权威性的研讨交流会，与各前沿企业加强合作，不断创新、走在同行业的最前头，还要总结现有教学的不合理部分，及时提出解决策略。
2.2市场营销课堂与计算机网络相结合
实现市场营销课堂与计算机网络相结合，有利于增强营销专业学生的信息设备应用能力。具体而言，首先教师在教学时要利用主机控制学生的子机，以让学生更系统、集中地学习知识。其次，教师应提前备课，并下发与课堂教学内容相呼应的讲义供学生提前预习。让学生预习的好处是可以解放课堂的理论知识讲解时间，腾出充足的上机实际操作时间。最后，构建专属于学校或学院的网络学习平台，通过此平台可以向学生提供课下加练题、作业答案，学生也可通过此平台上交作业、反映问题。网络平台不仅能巩固课上的学习成果，还能加强教师与学生之间的沟通交流，有利于教师改进教学内容和教学方式。［4］
2.3增加实践课程比重
增加实践课程有利于提高学生的动手能力，还能让学生意识到分析客户行为的重要性。［5］此外，学生所喜欢的营销课题各不相同，在实践课程中，应让学生选择自己最喜爱的、最适合的课题去努力发展。在实践课程的操作中，要特别注意三点:一是实时跟踪调查学生的实践课程进行情况，定期检查学生的实践成果。其中，对学生课程进行情况的跟踪是为了督促学生、帮助学生提高执行力，而成果检查是为了增强学生的做事效率，帮助学生少做无用功。二是增加实践课程中的师生互动交流环节，使教师针对每一个学生的具体问题予以解决。学生参加实践课程的目的是学会将理论知识应用到实际操作中去，而大数据时代，营销内容和方式经常发生变化，因此，教师应为学生提供实时的理论和实践支持、解答疑问。最后，在有条件的情况下，学校或教师要与学生的实习单位联系，了解单位相关营销内容，帮助学生掌握更深层次的营销方法。
2.4增加课堂报告的案例分析课比重
增加课堂报告的案例分析课可以督促学生做营销最终总结，从而帮助学生从宏观上感受市场营销活动。［6］为此，教师应首先为学生提供一个报告模板，以此来引导学生写好报告，为报告内容指明基本方向。这样做可以帮助学生建立起良好的市场营销分析思路。此外，教师要收集学生的报告，仔细分析，指出问题所在，进行深度点评，而点评分为课上点评和课下点评，课上点评主要抓住报告中的亮点内容，这样做就有利于学生树立起自信心，还有利于所有学生共同学习。课下点评应抓住报告中的重大问题，让学生充分认识到问题所在，并让学生自己提出解决方案，教师再做最后的纠正和补充。最后，教师要将学生的优秀、经典报告做成手册，这样的手册往往最能反映市场变化趋势，尤其是在当今大数据背景下，更能帮助学生把握未来市场营销发展趋势。
3结语
大数据背景下市场营销时常发生变化，但也不是无法掌握、无规律可循的。要想切实培养一批现代市场营销人才，必须要从改革教学方式和教学内容入手，在这过程中，还要穿插一系列的科学对策，例如建立教学平台、制作报告手册等。具体来说，我们应着重从四个方面进行改革:及时更新市场营销教学内容，市场营销课堂与计算机网络相结合，增加实践课程在所有营销课程中的比重，增加课堂报告的案例分析课比重，多方面入手，全面提升市场营销教学整体质量。
参考文献:
［1］徐玮.大数据对高等教育的影响和挑战［J］．教育教学论坛，2013(37)．
［2］黄升民，刘珊.“大数据”背景下营销体系的解构与重构［J］．现代传播，2012(11)．
［3］高洁.网络互动教学法在高职市场营销教学中的运用研究［J］．广西教育，2013(2)．
［4］徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究［J］．中南民族大学学报:自然科学版，2013(2)．
［5］宋宝香.数据库营销:大数据时代引发的企业市场营销变革［J］．价值工程，2012(30)．
关键词：创新实践课程；项目驱动；大数据
中图分类号：G642 文献标志码：A 文章编号：1673-8454（2017）04-0022-03 一、引言
随着高等学校工科教学改革的深入，各大高校高度重视培养学生的创新意识和创新能力。创新实践课程是顺应当前高等工程教育改革与发展所提出的一门新型课程，关注于训练学生的科学和创新思维，增强解决工程实际问题的能力。
全国各大高校针对不同的专业，开设了多门创新实践课程[1][2][3]。不同于传统课程，它具有形式灵活、小班化教学等特点，要根据实际需求灵活设置授课内容。为了加强学生的创新精神和实践能力，提高人才培养质量，杭州电子科技大学在计算机专业面向大二学生开设了创新实践课程。任课教师根据自身的学科背景，基于社会热点需求问题，申报课程要完成的课题内容，再通过师生间的双向选择，组建授课班级。
随着大数据时代的到来，大数据产业发展对培养高层次的数据科学人才提出了新的需求[4]。在未来3-5年内，我国数据分析师的缺口将达100万人左右[5]。但是，目前国内高校对数据型人才的培养规模和质量还远远达不到要求。本文研究了在创新实践课的教学过程中，以培养大数据可视分析人才为目的，探讨如何设置理论授课与项目实践环节，通过解决实际问题，提高学生的创新意识和创新能力。
二、 创新实践课题的选择
大数据可视化与可视分析是大数据分析中重要的组成部分，通过有机融合人的智能与计算机的处理能力，帮助人们洞悉大数据背后的知识与智慧，已经成为数据分析和科学决策的有效手段。基于个人的专业背景和研究方向，笔者选定以大数据可视分析作为创新实践课题，主要基于如下考虑：
（1）对于本科学生来说，可视分析中采用直观的图形化表示、所见即所得的交互方法，更容易激发他们的学习兴趣，不会觉得枯燥难懂。
（2）该课题与社会热点紧密结合，社会对该类人才需求较大。学生若能掌握并运用相关知识来解决实际问题，对更好地就业有很大帮助。
（3）数据分析与实际项目紧密结合，而寻找数据内部蕴含的特征又具有未知性，需要学生具有创新意识和探索精神，正好和创新实践课程的设置宗旨不谋而合。 三、课程教学内容与实践形式设置
与传统的仅采用理论教学的授课模式不同，笔者将创新实践课程划分为理论授课和项目化实践两个部分。首先讲解基础理论，让学生了解课程目的及课程实施过程。然后通过项目化的课程设计培养学生工程意识，提高综合运用知识来解决实际应用问题的能力。
1.理论授课内容
理论授课是让学生了解和熟悉课题的前提。基于可视化分析大稻莸母鞲霾街瑁细分授课内容，将数据分析过程拆解并贯穿于整个教学中，为解决实际问题提供理论保证。
具体来说，包括如下几个方面：（a）大数据的概念：包括大数据出现的历史；大数据的特征；大数据与其他学科的关联；大数据时代面临的挑战等。（b）数据可视分析的案例介绍：介绍数据可视分析成功用于解决实际问题的典型案例，从案例的实际需求出发，通过描述案例的主要目的和设计思想，介绍案例采用的具体方法，指出完成过程中遇到的关键问题，帮助学生理解课程学习的价值所在。（c）数据可视分析所要掌握的关键技术：包括数据存储和管理技术，数据可视化展示语言、人机交互技术等。
由于课程学时所限，在授课过程中，需要不断引导学生利用课外时间，进一步学习和巩固相关编程技术，为实施项目化的课程设计打好基础。
2.以项目为驱动的实践环节实施
在理论授课的基础上，实践环节是培养学生创新能力最重要的步骤。只有让学生在参与完成某一具体任务的过程中，才能深化其对数据可视分析流程的理解，主动学习相关知识，提高动手能力，不断地探索并解决未知的问题。
在实践阶段，纳入项目化的教学模式，将学生组成创新研究小组，通过“分组――选题――制定和实施方案――撰写分析报告”的实践过程，鼓励学生开展自主式、探索式、合作研究式的学习，促进知识的迁移和科学思维的养成，同时培养学生的团队协作精神。
具体来说，分为如下几个步骤：
1）合理进行人员分组。一个复杂的数据分析任务要求学生以团队合作的形式来完成，让学生根据各自的技术优势，合理分组，每个小组选出一个小组长，组员通过分工与合作实现既定目标。
2）选取有价值的分析任务。以“交通大数据可视分析”为主要目标，通过小组讨论拟定感兴趣的分析子任务，由教师进行内容把关。要求所选取的项目任务具有一定的复杂度和综合度，可以从数据分类、趋势预测、历史规律挖掘等方面着手，明确要研究的主要问题和预期的分析目标。
3）制定和实施分析方案。要求学生设计详细的实施方案，考虑方案的可行性和合理性，主要包括：分析目的及内容，方法及步骤，计划进度安排，如何分工等。在该过程中，教师指导学生检索和阅读科学文献，一起讨论采用何种技术或方法分析数据，引导学生逐步实现项目任务。在学生碰到问题和困难时，鼓励其通过自主学习所需知识、与小组成员讨论，与指导老师探讨来解决问题。
4）完成分析报告。以小组为单位，完成分析报告，阐述分析任务的执行流程，人员分工情况，给出分析结果，并讨论分析方法是否合理及未来的改进建议。
5）课程考核。课程考核结合教师评价（50%）、小组间互评（30%）、组内自评（20%）多种方式综合给出课程分数。
在以项目为驱动的实践过程中，教师的任务从“传授知识为中心”逐渐向“引导学生探索知识，有体系、有目的地应用知识”转变，学生成为了学习的主体和发展者，极大地调动了学生的积极性和参与度，培养了学生的团队协作精神和创新能力。
四、教学效果及存在问题分析
本课程自开课以来，取得了一定的教学效果。授课班级共有14人，其中有2位学生在老师的指导下将项目的实施成果，整理成在计算机相关的学术会议上，有1位学生申请了发明专利。
为了更好地收集大多数学生的反馈意见，在课程结束后，让学生投票选择自己在哪方面的能力有所提高，并撰写一份学习心得。投票结果为：编程能力（11票）；团队协作能力（9票）；创新和探索能力（8票）；自主学习新知识的能力（13票）；完成实际工程的能力（10票）。从结果中发现，大多数学生认为通过课程学习能提高自己多方面的能力，包括自学、编程和工程实践能力。部分学生认为提高了自己的创新和探索能力、团队协作能力，这部分学生相对基础较好，能够针对分析任务得出自己的结论。而其他有些学生基础知识储备不足，还处于不断学习编程技术的阶段，因此对问题的探索不够深入。
图1和图2分别为从学习心得中提取的中英文词云。从图1中发现，大多数学生描述了对数据可视化的学习，掌握了“技术”，得到了“信息”和“知识”，其他关键词包括“分析”，“学会”，“理解”，“实现”，“任务”等。从图2中可以看出学生实现项目时所采用的主要技术，这表明学生在上课过程中，根据实际需求自学了解决问题所用到的相关技术。下面摘取了部分学生的心得。学生1：“通过课程学习，我意识到事情有很多方法去解决，一个方法不通，还有其他的解决方法”；学生2：“集体的力量是无穷的，好的队友是成功的一半，和大家一起做事情，能从别人身上学到自己没有的”；学生3：“在这门课程上学到的东西比其他任何课程都要多，更有用”；学生4：“在后半学期，经过老师的提点，自己慢慢摸索，再加上同学的帮助，一个个任务难题渐渐被解决，我也逐渐有了继续探索的动力。”从上述反馈来看，正是通过项目化的实践，潜移默化地提高了学生的自主学习能力和探索未知的精神，培养了学生的综合能力。
但是作为一门新型课程，课程在实施过程中遇到了一些问题，具体表现为：
（1）由于不同W生的学习效率与动手编程能力存在差异，因此部分学生进展较快，能针对项目制定方案，设计新的可视化表示来展示数据特征，探索数据规律。而部分学生始终处于编程技术的学习阶段，影响到课程完成质量。
（2）本课程面向大二学生，虽然数据可视分析入门较快，但解决实际问题时涉及多种专业技术的学习与应用，部分学生感觉到知识储备不足，项目实践有难度。
因此在今后的教学过程中，应事先做好摸底调研工作，针对不同学生进行层次化教学，同时要进一步研究如何更好地激发学生的学习热情，鼓励他们在遇到困难时勇于克服困难。
五、结语
随着高校工科教育改革的深入进行，创新实践类课程对传统的理论教学进行了很好的补充。课程对培养学生创新意识、解决实际工程问题能力起到积极作用。本文针对作者所承担的计算机专业的创新实践课程，围绕数据可视分析人才培养展开，深入研究了课程理论教学内容的设置、项目化实践的实施模式，同时也分析了目前课程取得的效果和存在的问题。由于该门课程开设时间较短，还处于探索阶段，接下来要进一步完善目前的理论教学体系，研究层次化的教学方案，通过总结经验，应用于新一轮的教学。
参考文献：
[1]黄雪梅.围绕机电实验平台的创新实践课程[J]. 实验室研究与探索，2011，30（3）：140-144.
[2]陈妙，陈敏，余日安，等. 公共卫生创新实践课程的构建及作用探讨[J]. 基础医学教育， 2014（12）：1031-1033.
[3]汪东风，林洪，曾明滂，等.创新实践课程的实施步骤[J]. 实验室研究与探索， 2009，28（3）：107-109.
关键词：数据科学；通识教育；大数据教育；教学实践
0 引言
近年来，在大数据的深刻影响和社会各领域对数据专业人才的强烈需求下，国内外各高校的数据教育兴起，一些高校成立了专门的数据研究院，开设数据科学硕士和博士课程。尽管在高校开展数据教育的迫切性得到了重视，但是从结果来看，高校所培养的数据科学专门人才在数量上仍然无法满足社会的需求。
通过调研世界范围内相关高校的数据教育开展情况，我们发现，国外知名大学的数据教育开始得较早，采取的方式主要有数据科学通识教育和数据科学专业教育两种；而国内高校数据教育起步较晚，数据科学的通识性体现得不明显，主要培养对象还是相关专业的研究生。对比这两种数据教育模式可知，在数据教育过程中，不仅需要专业教育，也需要通识教育服务于跨学科和交叉学科的发展，这样才有利于复合型人才的培养，以应对“互联网+”和大数据时代数据人才匮乏的窘境。
1 数据科学教育的发展现状
数据技术的不断发展和人们对数据价值的逐渐认同也推动了一个新的职业――数据科学家的诞生。微软、谷歌、亚马逊、Facebook、LinkedIn等数据驱动的公司这几年纷纷向数据科学家们抛出橄榄枝，并且薪酬不菲。大数据同时也带领人们重新认识了数据科学这一学科，数据科学不限于计算机和统计学的交叉，更不是它们的专利，在社会生活中的方方面面都有用武之地。纽约大学数据科学中心Vasant Dhar教授对数据科学是这样定义的：“数据科学旨在研究可普及的数据知识提取”。数据科学教人们如何从数据的世界里发现知识、挖掘财富、获得信息。数据思维和数据技术将成为学生未来学习、科研和职业发展的另一主要技能。
1.1 国内外数据科学在线课程现状
在高等教育数据科学课程的开设方面，美国约翰霍普金斯大学、伊利诺伊大学香槟分校、加州大学伯克利分校等国外知名高校率先开展了行之有效的实践，见表1。
在调研了Coursera、edX和Udacity三大MOOC平台上的数据科学相关课程之后，不难发现一些现象：
（1）几乎所有的数据教育课程都没有限制学习者的专业，无论是人文社科类还是理工科的学生，只要具备课程的先修知识和对数据科学的兴趣，都可以进行数据科学相关课程的学习。这是美国通识教育的体现，也说明数据科学可以作为面向交叉学科的课程来开展。
（2）课程的重点内容主要包括统计学、大数据、数据分析、项目实践等，反映出数据科学培养目标不仅包括数学、统计和编程知识的学习，还需要案例实践的训练和业务洞察力的培养。
（3）国内大学的数据科学课程寥寥无几，除表1中的复旦大学和香港理工大学之外，仅南京大学开设了“用Python玩转数据”课程，台湾大学开设了“机器学习基础”“人工智能”等基础课程，大数据教育相对落后。
（4）数据科学的先修知识主要包括程序设计、统计学、数据库基础等。其中程序设计并不要求精通某一门编程语言，因为对于从事数据科学的人才来说，泛型编程技巧比专长于特定编程语言更加重要。
（5）Python和R是目前在数据科学领域比较流行的编程语言，相对其他语言来说移植性较强，更容易学习，也更适合编程初学者学习。
1.2 国内外高校数据科学教育现状
美国很多高校都已开设数据科学和大数据的硕士课程，并且毕业生可以有机会进入IBM、亚马逊、英特尔等企业工作，获得高达十几万美元的年薪。加州大学伯克利分校、哥伦比亚大学从2011年起开设数据科学课程，并在之后的几年都设立了“数据科学”硕士和博士学位或者项目认证；伊利诺伊大学香槟分校和芝加哥大学则从假期培训课程起步。这种情况并不局限于世界顶尖大学，全美排名100名左右的北卡罗来纳州立大学，在2007年引入了学制为10个月的分析学硕士课程，其毕业生的就业薪资不菲。
在我国，北京航空航天大学于2012年设立了大数据工程硕士学位，2015年又携手浙江大学、复旦大学等7所高校和阿里云公司开设了“云计算与数据科学”专业。华东师范大学于2013年成立数据科学与工程研究院，致力于培养未来的数据人才。清华大学于2014年成立数据科学研究院，与信息、经管等学院展开合作推出大数据硕士学位项目，不仅公开对外招生，也欢迎本校研究生选修。教育部公布的2015年教育部直属高校新增审批专业名单中，北京大学、对外经贸大学、中南大学新增了“数据科学与大数据技术”本科专业。云南大学2016年也成立了大数据研究院，将培养大数据方向的博士和硕士生。
根据调研结果可以看到，世界顶尖大学的数据教育不但开始得较早，教育方式也具有层次性。一类是开展数据科学通识教育，面向全校各专业本科生和研究生，先修知识仅为数学、统计和入门级别编程。另外一类是数据科学专业学位教育，面向计算机、统计等相关专业学生，其中以硕士博士培养为主。后者的先修知识要求很高，并且在培养过程中以实践技能为中心，往往采用校企联合或校际联合的培养方式，目标是为社会培养专业型数据人才。与之相比，国内高校的数据教育开展时间不长，尤其在通识教育和交叉学科发展方面经验不足，多数的数据科学课程都是面向专业教育的。
2 数据科学课程建设的必要性
数据科学虽然看似是被大数据的浪潮“炒”热的，其实不然。数据科学有着广阔的研究领域和旺盛的生命力，具备独特的结构和内涵。将数据科学作为一个学科是很有必要的，它培养的是数据思维和数据技术兼备的数据科学家、首席数据官、数据工程师等复合型人才。在专业技术方面，一个合格的数据科学家不仅需要掌握数学、统计学知识和编程能力，并且还要掌握机器学习、数据挖掘和数据可视化技能。在通用技能方面，他们要具备敏锐的业务洞察力和丰富的实践经验，从大量杂乱无章的数据中发现知识的踪迹，找到相关关系，破解数据的价值。同时，沟通表达能力也是其必需的技能。数据专业人员应该了解非技术人员的实际需求，在获得数据分析结果之后，用图形或语言正确地传达数据内涵，帮助非技术人员充分理解这些数据的意义。由此可见，数据科学家是需要学习多门专业知识的高端复合型人才，不仅需要具备科学家的严谨和创造力，还要具备较强的沟通表达能力。
集众多能力于一身的优秀数据科学家不是一朝一夕可以“炼成”的，对未来数据专业人才的培养应该从高校数据教育抓起，打破学科固有的壁垒，为学生营造多学科交叉、融合的学习环境。高校数据科学通识教育的开展是充分必要的，具体体现在3个方面：
1）满足社会需求，适应时展。
2011年麦肯锡曾这样预测：“到2018年，仅美国就将面临140000～190000的资深数据分析人才和150万了解如何应用大数据分析结果做出有效决策的管理者的短缺”。无论是金融业、工业、制造业还是服务业，大数据时代稀缺的就是能从数据的整个生命周期来理解数据含义的专业数据科学家。高校作为培养人才的机构，应该顺应时展的趋势，以建设一流大学为目标，积极开展数据科学通识教育和交叉学科改革，组建跨学科的科研教学团队。这样一来，学科之间的壁垒被打破，学生们除了学习数据技术以外，还能够开阔视野，提前接触各个领域的业务知识，非计算机专业的学生也能有机会学习数据挖掘等大数据技术，有利于复合型数据人才的培养。
2）实施大数据人才战略，驱动资源平台的建设。
2015年，党的十八届五中全会提出要实施“国家大数据战略”，标志着大数据战略正式上升为国家战略。结合国家的人才强国战略来思考，各高校应当树立起强烈的大数据人才培养意识，加强高校与企业、高校与高校之间的合作关系，通过举办大数据竞赛、合作办学等方式，建设数据教育资源平台。2015年，EMC与上海交大合作举办了“EMC杯上海交大智慧校园数据分析大赛”，赛题分为校园餐饮消费分析和校园无线网络流量分析，赛前为参赛者组织数据科学课程培训。此次大赛不仅促成上海交大对校园卡消费数据和网络流量数据的开放，也为参赛者提供了一个数据分析的实战机会。百度、阿里、天猫等都与高校合作举办过类似活动，而很多比赛的金奖获奖团队的大部分成员都不是计算机或者统计专业的学生。这说明，数据科学教育并不应该局限在少数的相关专业，数据科学通识教育可以激发各专业学生的学习兴趣，真正地支持国家的大数据战略和人才强国战略。
3）培养学生的数据思维和创新能力。
对于数据科学家来说，在实际的工作过程中，数据技术只是解决问题的一种手段，真正起驱动作用的还是他们的数据思维和创新能力。数据思维需要在长时间与数据密切接触的氛围里形成，一切分析结论、决策和预测都来源于真实的数据和缜密的逻辑判断，而不是凭空猜想。学生通过在大学里学习数学、统计学和计算机能够有效地培养数据思维，而这些课程都包括在目前国内外高校的通识教育之中。跨学科进行的数据通识教育还可以促进不同学科之间的了解、碰撞和协作。有时，数据科学家不仅需要具备优秀的专业技术，还要具备特定领域的业务知识和面对数据的灵感和直觉，这就是数据科学家的创新能力。学校里的跨学科交流开阔了学生的视野，他们未来就有能力根据一条条数据分析结果，提出富有创造力的解决方案。
3 面向通识教育的数据科学课程教学实践
为了适应国家经济社会发展的重大战略和人才培养需求，吉林大学自2014年起积极构思具有层次性的数据教育方案。2015年，计算机科学与技术学院面向计算机专业本科生和软件学院研究生开展了“大数据技术与应用”课程。同年，公共计算机教学与研究中心为经济学院和金融学院本科生开设了“数据科学与大数据分析”课程。这些教学实践分别针对专业教育和通识教育两个层次设计，分本科生和研究生两类教学对象，讲授了大数据时代对于获取、处理和展示传统数据以外的“数量大”“速度快”和“非结构化”数据的新方法与新技术，培养学生的计算思维、数据思维和互联网思维，使他们准备好迎接“互联网+”时代的新机遇与新挑战。
3.1 课程的具体目标
以为经管、金融类本科生设计的“数据科学与大数据分析”课程为例，它的主要授课对象是大学高年级非计算机专业学生，希望通过一系列的课程研究和改革，结合实际案例和实践教学的方式，将数据教育植入现有的计算机基础教育中。在这门通识教育类课程中，要着重为学生讲授数据科学和大数据技术在科学研究、互联网、金融、社会、医疗、商业和政治等多领域中的方法、工具和应用案例，培养学生解决实际问题的能力。
该课程的目标主要包括如下3个大的方面：
1）培养数据思维能力。
课程主要通过真实的数据项目实践来培养学生的数据思维和项目分析能力。数据项目通常有其使命与目标，须与业务需求保持一致。学生通过调研和分析，总结出具有关键意义的数据需求，了解什么样的业务问题可以转化成数据问题，什么样的数据是可以进行计算的，面对结构化、半结构化以及非结构化的数据，该选取什么样的模型和工具进行计算。最终，当获得数据分析结果后，学生还要结合专业领域的知识，思考如何把数据解决方案转化为可执行的业务解决方案，让决策者更清晰地阅读数据，这同样是本课程的关键教学环节。
2）提升技术应用能力。
该课程致力于提高学生的高级计算机应用能力。当然，学习之前需要有一定的互联网、统计学、数据库等背景知识。大数据涉及的不仅是数据分析，还包括数据挖掘、商务智能和新的技术与新的思维方式，而这样的技术和思维方式，不仅可以提升学生的计算机技术应用能力，也将提升他们的专业能力和管理能力，甚至创新能力。
3）新的技术发展应用。
该课程综合全面地介绍大数据背景下新的技术体系。现有的计算机基础课程、互联网金融课程或电子商务课程在介绍大数据时，都是“普及性”和“杂志性”的介绍方法，该课程则不然，它通过案例教学让学生在真实场景下应用大数据技术并解决实际问题，最后通过企业提供的真实数据，让学生分组合作，将共同完成一个项目实践作为最终考核。
3.2 课程的知识模块设置
该课程的核心思想是为学生全面讲述数据的整个生命周期，包括数据获取、数据准备、模型建立、数据分析和挖掘、数据可视化，以及最终把数据解决方案转化为可执行的业务解决方案的方法和过程。以实际案例让学生了解数据处理的基本方法和生态系统，掌握使用相关工具及算法来解决学习、科研和工作中数据问题的综合技能，重点培养学生的数据思维，并通过数据科学为学生连接自然科学、社会科学与信息技术。具体的知识模块设置如图1所示。
（1）问题发现：引导学生发现业务问题，思考解决这个问题所需要的领域知识，思考这个问题是否可以转换成一个数据问题，培养学生数据思维和计算思维的视角与思考方式。
（2）数据准备：培养学生数据获取的能力，并使其能够进行数据清洗与整理，确定保留与丢弃的部分，保证处理前的数据质量。
（3）高级数据分析：在统计方法的基础上学习高级的数据分析方法，培养学生模型建立的能力，使其掌握数据挖掘的基本思想和基本算法，并能够使用相关工具进行高级数据分析和数据挖掘，发现知识。
（4）数据可视化：培养学生的图表表达能力和“用数据说话”的能力。
（5）数据解决方案：让学生阐释结果，确定关键的发现，并找出价值。
（6）可执行的业务方案：让学生通过数据模型的建立、分析与验证获得数据解决方案，并在此基础上考虑业务问题和现状，提出可行的业务方案。
摘要：随着科学技术的不断发展，大数据技术在社会生活生产的每个方面都起到了重要的作用，同样对教育工作的改革创新也发挥着巨大的作用。本文从德育教学工作等方面进行评价，全面分析了在大数据的背景下中职学校传统的德育工作所面临的创新与挑战，归纳并总结了德育教育工作的一些创新思想，为我国中等职业学校的德育工作的发展提供借鉴。
关键词：大数据；德育教育；机遇与挑战；创新思想
1大数据的意义与特性
大数据系统拥有庞大的数据信息量，以及可以快速成长的数据库规模系统，并且有着十分丰富的多种多样的数据内容。使用者可以以大数据为基础，通过大数据技术进行大规模的数据采集与分析，形成更加全面的数据结果，为最终的决策与判断提供更加可靠的数据依据。在21世纪，大数据技术到来的最重要的一点原因是由于网络信息的集成化水平更加完善。而随着产业集约化、智能化水平的提高，大数据技术的快速的数据采集、全面的信息内容、高效的整合分析等基本特性也得到了极大的增益作用，所以大数据技术常常伴有以下几种特征。
1.1共享数据源，建立云端数据库
在大数据时代，由于同一数据在同一r间可能存在许多的使用者进行下载与传输，造成了大量的数据在网络通道中传输，从而占用了大量的时间，造成了网络资源的浪费。所以为了缓解由数据使用人数的快速增长所带来的网络拥堵现象，提出了数据开放共享化原则，使数据可以进一步的在用户之间高度自由化传输，缩减网络传输的时间。同时建立云端数据库，系统可以对大量的数据进行统一的管理与统计，提高信息的共享化能力，为进一步进行数据后期的开发与分析奠定了良好的基础。大量在生产生活中所产生的普通数据得到了开放与共享，人们可以更加方便快捷的查询所用的信息，提高他们的生产生活效率。所以，数据的开放与共享是大数据时代来临的重要前提。
1.2建立数据模型，进行数据预测分析
进行数据的预测与分析，是大数据技术的核心内容，同样也是大数据的优点与特点。大数据技术可以非常全面的记录我们日常的生活行为，通过这些记录可以进行分析对比，了解到每一个人平时的生活与爱好，最终达到预测你的未来生活规划的目的。大数据技术可以提供个人的定制服务，对于未知的用户可以根据他们的性格来建立符合他们生活规律的理论性假设，和大量的已知性格的人物数据进行对比，形成一套完整的理论体系。
1.3建立体系结构，提升信息数据的有效价值
计算机高性能的逻辑分析能力以及海量的存储记忆能力是建立大数据技术体系结构的关键。有大数据体系结构支持的假设性理论，已经成为经济建设与价值投资的重要理论基础。随着大数据技术的不断提升，信息的有效价值也在不断的增大，可以给使用者带来更大的利润效应，从而为大数据技术的信息采集提供了更多的数据来源，使大数据技术体系结构得到更加完善，形成良性循环。
2大数据技术对中等职业学校德育教育工作的机遇与挑战
随着科学技术的快速发展，大数据技术已经应用到广泛的教育领域。可以为学校提供有针对性、高质量的信息数据，数据的存储容量不断增大，原有的教育手段研究得到了很大的改善，同时，为了提高信息数据的可靠性，需要对每一个学生进行定量的分析，通过采集学生们日常的生活行为、感情，进行追踪预测。这对传统的德育教育工作产生了较大的影响。传统的德育教育方法是通过直观的因果关系，总结经验，并最终作出相关的预测判断。因此，这对传统的德育教育工作的指导和评价是一个全新的考验。同时，对于传统德育教育的工作方法也有很大的改进，能有更多的机会去把握德育教育的思想精髓。所以说，大数据德育教育模式是一种非常有魅力且具有很高实用价值的教学模式。建立大数据德育教育开放平台，可以带来全新的数据、全新的机遇，成为了传统德育教育工作改革的必要条件。
2.1大数据技术对中等职业学校德育教育工作的新机遇
2.1.1提供免费的德育教育开放平台，改变传统教育模式
在传统的德育教育工作模式下，教学通常在教室里进行，采用传统的授课方式，而学生们几乎感觉不到任何的新鲜感。面对枯燥乏味的教学内容，学生们通常会产生对抗心理，使得德育教育工作的教学效果比较低。而采用免费的德育教育开放平台，会让学生们产生一种新鲜感，增加他们学习的主动性，提高德育教育工作的教学效果。同时，通过大数据网络，学生们学习德育知识打破了固有的时间和空间的制约，使他们可以更加自由的选择学习的时间与地点，选择喜欢的话题进行讨论，从而消除了面对面交流时的尴尬。通过大数据网络，学生们最终可以勇敢的表达自我，表述出自己的主观意见。通过大数据分析，我们发现中职学校的学生更爱于表现，更富有激情，而这个时期也更有利于进行德育教育，让学生们形成自治型的性格，来满足他们强烈的好奇心，提高德育教育的教学效果。
2.1.2提供实时更新的社会热点信息，增强德育教育感染力
在大数据时代，海量数据的实时更新，几乎覆盖了社会生产生活的每一个方面，这使得学生们可以第一时间阅读到最新的消息，可以极大的拓宽他们所接触的社会领域，提高他们的价值观与人生观，让他们感觉到人与人之间的交流更加紧密。通过即时传输的信息数据，可以帮助教育工作者们提供新鲜的素材，让教育工作者们在教授课程时更有说服力，并在相互讨论中表达学生们自己的意见，对于学生们形成正确的思想道德观念具有很大的帮助。最后还可以根据不同性格的学生，配置不同的德育教育课程内容，形成适应性教学体系。
2.2大数据技术对中等职业学校德育教育工作的新挑战
2.2.1德育教育工作者技术水平的有待提高
大数据技术为我们提供了很大的便利，但同时也提出了极高的要求。在过去，课堂教学是德育教育的主要教学方式，而德育教育工作者是教学的主体，其唯一的优势是增加师生之间的面对面交流，但往往因为无法了解学生们日常兴趣爱好，造成双方之间没有共同的话题，造成了双方交流的隔阂，使学生产生反感与抵触情绪，严重影响师生之间的交流效果。大数据技术增大了德育教育课程的教授范围与内容，改变了师生之间的交流方式，提高了课堂教学课题的品质。这就需要德育教育工作者们不仅有专业的德育教育工作技能与经验，还要对大数据技术的应用有着一定的专业水平，敏锐的数据采集能力，精准的数据分析能力，全面的数据整合能力。大数据技术为德育教育工作带来了更多的信息内容，增加了与学生们进行沟通交流的机会，对于学生们自身的利益诉求可以更为方便快捷的得到了解，进行有针对性的判断与分析，并与教学书本的内容相结合，让学生们可以逐渐接受新的德育教育模式。因此，想要适应大数据时代全新的德育教育工作，就需要不断的改善原有的德育教育模式，提高整体教学品质，开发出具有高层次、系统性的理论知识，提高学生们对德育教育课堂教学的关注度。从而，采集到更为丰富的教学内容，更为良好的教学方法，为今后德育教育工作的发展作出贡献。
2.2.2德育教育工作的方法有待改善
大数据时代下，魍车牡掠教育工作方法已不能适应这一技术，工作方式的创新是必要的。在过去，德育教育课程主要是通过课堂教学的形式进行教授的，受到教室空间、教学环境、课堂气氛等因素的影响，学生们主动学习的积极性并不高。而是通过大数据技术，教学方式产生了多样化，加强了学生们自主学习的主导意识，学生们可以根据自己的兴趣挑选自己喜欢的案例进行分析，通过这种新的教学方式可以提高教学效果。达到传统的教学目的与新的教学内容相结合，传统的教学行为与学生们的思想感情相结合，了解学生们的个体数据状况，进行定量、定性的数据分析，了解学生们的思想开放动向，最终建立富有感情的、合理的教学方法。
3大数据技术对中等职业学校德育教育工作的新思想
3.1形成了更为和谐的德育教育环境
通过大数据技术使得学生们的学习环境、生活环境、家庭环境三者形成相互统一、相互作用的形态。一般来说，家庭环境对于一个学生德育教育的成长起着基础性的作用，父母作为德育教育工作的启蒙老师对孩子有着深远的影响。学生之间相互交流，彼此之间讨论着不同的观点与看法，所产生的共同的生活环境，对学生们有着强烈的指导作用。通过在课堂上学习知识，感受课堂的学习氛围，对于学生们德育教育的学习有着积极的促进作用。所以通过大数据德育教育开放平台，将学生们在各种环境下所产生的行为和思想进行统一管理，分析并整理出学生们的德育教育问题。建立信息共享中心，让家长和老师们了解学生们所存在的个性化问题，有针对性的解决不同学生的不同问题。形成学校、社会、家庭三者共同进行德育教育的良好和谐环境。
3.2建立学生自主学习德育知识的意识
改变传统的德育教育工作者与学生之间的教学模式，建立德育教育小组，由学生们自行讨论最新的时事热点，并由德育教育工作者担任小组顾问，形成一种相互沟通、相互理解、相互学习的良好教学氛围。同时，讨论的信息内容多样化，讨论的活动形式开放化，使德育教育工作者与学生们可以进行民主的、平等的对话。而在这种和谐开放的交流与理解中，学生们学习德育课程的积极性被极大的提高，他们会主动的去了解学习更多的德育知识，并把德育工作者当成他们的朋友。通过积极的对话与沟通，德育教育工作者可以帮助他们建立正确的人生观与价值观，并积极引导学生们如何正确的判断与分析问题，达到自我学习、自我启发的自主学习意识。
3.3加强德育教育学习内容的监督
为了防止在德育教育工作中出现错误内容的引导，中等职业学校的德育教育工作必须进行有效的监督。构筑大数据德育教育开放平台，不仅仅是为了信息的公开与共享，更重要的是希望学生、老师、家长三者之间可以共同的进行信息管理与监督。比如，通过开放平台家长们可以监督老师与学生之间的信息交流，学生们相互之间、老师们相互之间也同样可以进行，最终达到德育教育开放平台健康发展的目的。这样可以充分的发挥学生们的自律性，有助于学生们及时的发现并改正自身或他人的问题，提高德育教育工作内容的正确性。
3.4提升德育教育工作中的隐性教育
目前，德育教育工作的主要内容是在社会发展进步的同时如何加强通过德育教育手段解决现实问题的能力，相对于传统的德育教育工作，德育教育工作中隐性教育的提出，其目的是改变原有的有固定课时的德育教育课程，使德育教育工作融入到教育工作的每一个环节。在日常的学习生活中往往都存在着各种各样的现实的社会问题，而这些问题其实是最好的德育教学素材，通过这些素材学生们可以更加形象的记住德育教育知识的内容，形成强烈的现实对比作用。这就对隐性教育的进一步发展提供了有力的理论支持，使得德育教育工作的效果得到了整体优化。
总之，中等职业学校的德育教育工作是一件长期而又艰巨的任务，而在实际的教育过程中我们发现，改善中等职业学校学生的综合素质品质，加深他们的思想道德观念是非常重要的。所以，通过大数据技术可以更深入的了解学生们的思想意识，进行更深层面的对话与沟通，更主动地参加社会实践交流，最终形成完整的、正确的思想道德价值观和人生观，有着十分重要的长期促进作用。
参考文献：
[1]李静.学校德育工作新思路浅探[J].中国职业技术学校教育，2009，（24）.
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
【关键词】大数据；高等教育；机遇和挑战
0.引言
数据是指一切保存在电脑中的信息，包括文本、声音、视频等。“大数据”是一股新的技术浪潮，也是逐步形成的历史现象，其具体是指随着信息存贮量的增多，人类在实践中逐渐认识到，通过数据的开放、整合和分析，能发现新的知识、创造新的价值，从而为社会带来“大科技”、“大利润”、“大智能”和“大发展”等新的机遇。大数据之“大”，并不在于其表面的“大容量”，而在于其潜在的“大价值”。大数据之所以被称为革命性现象的根本原因，因为从本质上来说，它标志着我们人类社会在从信息时代经由知识时代快速向智能时代迈进，并给普通高等学校发展带来的新机遇和挑战[1]。
1.大数据给普通高等学校发展带来的机遇和挑战
大数据，使教师面临挑战，使学科专业设置和专业知识结构面临挑战；大数据为大学管理的精细化个性化服务提供了工具；大数据给科研带来颠覆性的影响。
1.1教师面临的挑战
智能学习平台只是大数据大潮在教育领域掀起的一朵浪花。如著名的在线教育公司Coursera，已经和普林斯顿、伯克利、杜克、香港理工等全世界30多所大学达成协议，通过其平台免费开放课程。如今这些学校的课程可以实现全球几十万人同步学习。分布在世界各地的学习者不仅可以在同一时间听取同一位老师的授课，还和在校生一样，做同样的作业、接受同样的评分和考试[2]。
这种学习平台的崛起，在美国引起了广泛的关注和激烈的讨论。其中的原因，是因为该平台已经不是一个镜头、一段视频那么简单，而能对学习者的学习行为自动进行提示、诱导和评价，从而弥补没有老师面对面交流指导的不足。例如，通过记录鼠标的点击，计算机能够记录你在一张幻灯片上停留的时间，判别你在答错一道题之后有没有回头复习，发现不同的人对不同知识点的不同反应，从而总结出哪些知识点需要重复或强调，哪种陈述方式或学习工具在哪种情况下最有效等规律。
不难发现，该平台之所以强大，正是因为大数据。单个个体学习行为的数据似乎是杂乱无章的，但当数据累积到一定程度时，群体的行为就会在数据上呈现一种秩序和规律。通过收集、分析大量的数据，就能总结出这种秩序和规律，然后有的放矢，对不同的学习者提供有针对性的帮助。
这种智能学习平台将会给教育行业带来怎样的影响。学校曾经是最重要的教育资源，好的学校更是异常稀缺，由于这种智能平台的普及，在不远的将来，名校将人人可上，也就是说，如果应对得当，中国教育资源匮乏的问题将很快得到有效缓解。对个人来说，随时随地地学习、终身学习都将成为可能，例如，高中生可以尝试大学的课程，离开了校园的人，也可以登录在线平台再和在校生一起听课。这些都是教育工作者探讨多年、孜孜以求的梦想。但硬币的另一面，是中国的教育行业要面对更加激烈的全球化竞争和挑战。过去，是学生争学校；将来，可能是学校在全球范围中争夺学生。发达国家的一流大学会挤压发展中国家普通大学的生存和发展空间，普通大学该如何来吸引生源？它们会不会因此衰落？既然最好的教学视频等学习资源都可以免费获得，教师的角色又需不需要调整？又该如何调整？这些问题，都是大数据时代催生的重大挑战。
1.2学科专业设置和专业知识结构面临的挑战
网络大数据在科学和技术上的突破，将可能诞生出数据服务、数据材料、数据制药等战略性新兴产业[3].网络数据科学与技术的突破意味着人们能够理清数据交互连接产生的复杂性，掌握数据冗余与缺失双重特征引起的不确定性，驾驭数据的高速增长与交叉互连引起的涌现性（Emergence），进而能够根据实际需求从网络数据中挖掘出其所蕴含的信息、知识甚至是智慧，最终达到充分利用网络数据价值的目的.涌现性是指由低层次的多个元素构成高层次的系统时展示出的每个单一元素所不具备的性质.网络数据不再是产业环节上产生的副产品，相反地，网络数据已成为联系各个环节的关键纽带.通过对网络数据纽带的分析与掌握，可以降低行业成本、促进行业效率、提升行业生产力.因此，可以预见，在网络数据的驱动下，行业模式的革新将可能催生出数据材料、数据制造、数据能源、数据制药等一系列战略性的新兴产业，使高等教育学科专业设置和专业知识结构面临挑战。
1.3大数据为大学管理的精细化个性化服务提供了工具
教育是在生活中实现的，不在生活中实现的教育不是真正的教育，学校教育更需要“终极关怀”。华东师范大学一位女生节食减肥，很少在校内用餐，学校通过困难生预警系统察觉到其饭卡消费值较低，便发送了一条短信，询问是否有经济困难，是否需要帮助。这位女生收到短信，感到非常温暖，便发了一条“华师大少女减肥减出人文关怀”微博，结果被网友纷纷转发。网友们称赞学校“通过对数据的挖掘、应用，更贴心地服务学生、关爱学生”，“让冰冷的数字有了人性美！”这一事件至少告诉人们，大数据为大学管理的精细化服务提供了工具，有助于学校实现“终极关怀”[4]。
1.4大数据给科研带来颠覆性的影响
科技创新实质上是科学研究方法的创新，数据科学带给大家改变探索世界的新方法――从大量的数据中，揭示世界运行的规律。新方法体现在大数据的三个特征中。
大数据在舍恩伯格看来，一共具有三个特征：全样而非抽样，效率而非精确，相关而非因果。
第一个特征非常好理解。在过去，由于缺乏获取全体样本的手段，人们发明了“随机调研数据”的方法。理论上，抽取样本越随机，就越能代表整体样本。但问题是获取一个随机样本代价极高，而且很费时。人口调查就是典型一例，一个稍大一点的国家甚至做不到每年都一次人口调查，因为随机调研实在是太耗时耗力了。
但有了云计算和数据库以后，获取足够大的样本数据乃至全体数据，就变得非常容易了。谷歌可以提供谷歌流感趋势的原因就在于它几乎覆盖了7成以上的北美搜索市场，而在这些数据中，已经完全没有必要去抽样调查这些数据：数据仓库，所有的记录都在那里躺着等待人们的挖掘和分析。
第二点其实建立在第一点的基础上。过去使用抽样的方法，就需要在具体运算上非常精确，因为所谓“差之毫厘便失之千里”。设想一下，在一个总样本为1亿人口随机抽取1000人，如果在1000人上的运算出现错误的话，那么放大到1亿中会有多大的偏差。但全样本时，有多少偏差就是多少偏差而不会被放大。诺维格，谷歌人工智能专家，在他的论文中写道：大数据基础上的简单算法比小数据基础上的复杂算法更加有效。
数据分析并非目的就是数据分析，而是有其它用途，故而时效性也非常重要。精确的计算是以时间消耗为代价的，但在小数据时代，追求精确是为了避免放大的偏差而不得已为之。但在样本=总体的大数据时代，“快速获得一个大概的轮廓和发展脉络，就要比严格的精确性要重要得多”。
第三个特征则非常有趣。相关性表明变量A和变量B有关，或者说A变量的变化和B变量的变化之间存在一定的正比（或反比）关系。但相关性并不一定是因果关系（A未必是B的因）。
亚马逊的推荐算法非常有名，它能够根据消费记录来告诉用户你可能会喜欢什么，这些消费记录有可能是别人的，也有可能是该用户历史上的。但它不能说出你为什么会喜欢的原因。难道大家都喜欢购买A和B，就一定等于你买了A之后的果就是买B吗？未必，但的确需要承认，相关性很高或者说，概率很大。
舍恩伯格认为，大数据时代只需要知道是什么，而无需知道为什么，就像亚马逊推荐算法一样，知道喜欢A的人很可能喜欢B但却不知道其中的原因。
越来越多的事物不断的数字化。使得人们可以从大量的数据中，发现隐藏的自然规律、社会规律和经济规律。从这个角度来看，大数据将拓展人类的视野。
大数据给科学和教育事业的发展提供了前所未有的机会，同时也提出了前所未有的挑战。它将对现有的科研和教学体制带来大幅度的变革，对科学与产业之间的关系、科学与社会之间的关系带来大幅度的变革。
事实上，数据科学还带给大家观察世界的新方法――从大量的数据中，揭示世界运行的规律。2008 年《连线》杂志主编克里斯？安德森就指出“数据爆炸使所有的科学研究方法都落伍了”，用一系列的因果关系来验证各种假设和猜想的研究范式已经不实用了，如今它已经被无需理论指导的纯粹的相关关系研究所取代。安德森指出：“现在已经是一个有海量数据的时代，应用数据已经取代了其他的所有学科工具。而且只要数据足够多，就能说明问题。如果你有一拍字节的数据，只要掌握了这些数据之间的相关关系，一切就都迎刃而解。
人们在研究自然语言处理方面走过的弯路，为安德森的观点提供了有利的证据。20 世纪50 年代，几乎所有的科学家都认为如果让计算机来充当翻译，就必须像人一样，让他理解词句的含义。于是提出人工智能的概念，让计算机来学习的人类的各种规则。这种方法很快在70 年代走到了尽头。但是基于大量数据、运用概率模型的统计语言学的出现使得自然语言处理柳暗花明。如果没有这些概率统计模型，风靡一时的Siri（个人语音处理）等应用，就不可能实现。
2.结语
大数据时代已经到来，对大数据进行合理的分析，管理和应用必将会推动普通高等学校的大发展，当然也会为社会提供更多的利益和创新性成果。
【参考文献】
[1]赵国栋，易欢欢，糜万军，鄂维南.大数据时代的历史机遇―产业变革与数据科学[M].北京：清华大学出版社，2013.
[2]舍恩伯格.大数据时代[M].浙江人民出版社，2013.
