引论：我们为您整理了13篇课堂大数据分析范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
1 大数据分析环境下开展移动端网络课堂教学的优势
基于大数据分析环境下所开展的网络课堂教学，充分利用了网络环境的优势，并对常规教学中所总结的经验进行拓展应用，移动端是近年来网络发展的主流方向，对传统的教学方法产生了很大的冲击，但同时这也是一种前所未有的机遇，充分利用网络的先进性，结合大数据分析的准确定位，可以帮助提升教学效率，为学生营造出更加高效趣味的学习环境。如何利用好大数据分析来促进移动端网络课堂教学任务开展，也成为现阶段重点的研究课题，这也是文章中将要进行探讨的，无论是技术还是应用方法上，都应该做出创新，为教学任务的发展落实打下有利基础，为教学任务的落实创造有利条件。
2 大数据分析移动端在网络课堂教学中的应用形式
2.1 在课堂交流中运用移动端
交流时知识点巩固的有效方法之一，在常规教学任务完成后，剩余时间很难满足学生有关于知识点交流的需求，借助大数据分析的移动端来开展网络教学，有关于知识内容的交流也不再受时间与地点的影响，能够随时进行师生之间的互动交流。并且大数据分析系统所提供的知识内容也是十分可靠的，能够帮助解决常规教学方法中难以解决的问题，学生也能够充分利用课余时间来完成知识方面的学习。移动端的优势在于便捷与快速，这一点是传统网络课堂所不具备的，在这样的环境下，学生也能够将自己的思路与同学进行分析，在短时间内快速提升学习成绩，实现共同进步。
2.2 实现便捷性资源共享
移动端网络课堂可以通过APP下载来实现学习，注册后可以将个人的学习情况记录在其中，这样在进行下一阶段的学习时也不容易遗忘。每一个注册的账号在大数据分析系统中都具有记忆功能，这样学员在经过一个阶段的学习后，也能够通过系统的记忆功能查看轻松了解这一阶段的学习情况，并通过平台所的信息轻松进行一个阶段的学结，与同学之间实现零距离的资源共享。大数据分析背景下所进行的资源共享更新更加及时，不会受到时间以及距离的影响，并且移动端还存在网络可选择的优势，即使在共享过程中受到网络中断的影响，系统也能够自动保存，以免造成重要信息的丢失，为接下来教学任务的开展奠基了有利的基础。
2.3 模式选择多样性
网络课堂教学模式的选择，与教师的教学习惯有很大关系，在移动端背景影响下，进行网络系统模式选择时，拥有更多的可选择性，可以根据学生的听课喜好以及习惯来对现场进行控制，在这样的环境下，所进行的教学任务也能与学生之间形成良好的互动。应用前首先要确定教学的内容，并根据所总结出的信息来进行云系统下的框架设计，将大数据分析系统结合到其中，这样接下来所进行的工作内容也会更加的顺利。移动端的网络课堂教学软件是可以不断更新的，可以根据学员的喜好来对个人界面进行自定义，这样应用起来也会更加的方便。由于移动端的存储能力是有限的，在大数据分析系统中还会进行内存拓展，应用解决移动端应用期间内存不足的问题。
上述几点是应用期间的具体功能以及有效方法，有目标的对系统进行设计，能够避免出现教育资源、网络资源浪费的现象，也是现阶段十分需要的。除此之外，在应用期间还需要进行技术方面的创新以及强化，降低网络不稳定所带来的影响，可以将大数据分析结合多种网络技术来共同进行，提升系统运用的工作效率，在处理数据过程中也会更更加的稳定可靠。
3 大数据分析的移动端未来发展方向
随着电子设备的不断更新，大数据分析的移动端在发展中也会逐渐提升稳定性与运算效率，在框架设计上必然会更加的简便，这样在运行使用过程中能够节省大量的空间，对网络系统的工作效率提升也能起到促进作用。灵活性也是未来的发展方向之一，使用者可以对应用界面进行定义选择，在应用过程中更符合学员以及教师的操作习惯，在使用性能与稳定性上自然也会有明显的提升，降低系统运行使用期间漏洞出现的可能性。
4 结语
人们应该充分认识到网络技术并不能够解决我们所有的问题。但是近年来人们最为关心的却是如何使用可以利用的网络技术在网络形式越来越多样化的今天，如何正确选择和使用有助于提高外语能力的网络资源才是未来真正的研发核心，因此，未来的研究应着眼于分析不同的学习目的下如何有针对性地选择不同的网络课堂教学模式。
参考文献
[1]黄晓涛，王芬，吴驰，龙涛.云计算平台下网络课堂生成性教学设计框架研究[J].现代教育技术，2013（08）.
[2]杨俊锋.创新课堂教学模式 培养学生国际视野――跨文化混合同步网络课堂的实证研究[J].中国电化教育，2015（10）.
作者简介
篇2
随着大数据技术的发展和大数据分析的成熟，大数据技术及应用必然会成为各高校重要课程。现在，美国的学校已经开设相关课程，比如，大数据分析统计基础、大数据分布式计算、大数据挖掘与机器学习等。国内一些高校也正在尝试开设大数据课程，帮助学生了解大数据，学数据分析。下一步，大数据基础、大数据分析、大数据处理的核心技术等等，必将成为计算机专业的必学内容，也会成为高校重要的基础课程。另外，计算机智能教学系统和教育测评软件将更多地使用在教学中，以记录学生的学习轨迹。而计算机专业的教师也必须熟练掌握大数据技术和分析方法。
（二）计算机教学思维的变化
原来的计算机教学基本是灌输式教学，老师教授的是计算机基础知识、C语言编程的模式、数据库的基本架构，等等。大数据和互联网的发展必然会改变这种授课方式，使知识的接受方式呈现多元化倾向。随着移动互联的发展，学生可以随时随地通过互联网更便捷的获取学习内容。而课堂上单纯的照本宣科、按部就班将不能吸引学生的注意力。因此，教师必须转变教学思维，以更多的案例和互动式教学，引导学生去寻找解决问题的办法，寻找“芝麻开门”的钥匙，只有如此才能让学生有兴趣待在课堂。同时，大数据带来的将是对海量教学案例的数据分析，让教师对计算机教学的难点及教授方法优劣有了更加清晰的认识，不必依靠教学经验去判断教学效果，完全可以驾轻就熟地进行互动教学，启发学生寻找最优解决方案，将是大数据时代下计算机教学的突出特点，这是对计算机专业教学思维带来的革命性变化。
（三）计算机教学模式的变化
目前，计算机教学主要模式是备课—教授—上机—测试，教师主要的精力放在了课前备课。而大数据技术的应用，将会让教师把更多的精力放在课后分析上，形成“备课—教授—上机—测试—数据分析—改进”的模式。在这个模式中，课后的数据分析将是整个教学过程的关键环节。通过大数据分析，可以对一个班的学生进行整体学习行为评价，可以对学生上机测试情况进行细化分析，可以对每个学生的学习习惯进行学习评估，分析学生的学习中偏好、难点以及共同点等，从而得出学习过程中的规律，改进教学方式，提高教学质量。
（四）个性化教学的深入开展
大数据技术的发展，使建立覆盖学生学习全过程、全要素的信息库成为可能，学生大量的试卷、课堂表现留存，学生的学习经历及成长轨迹，学生的家庭情况等等，都将被涵盖在大数据分析中。另外，前述的计算机智能教学系统和教育测评软件，将详细记录学生每次答题的背景、过程和结果。这些信息让教学分析变得更加容易，教师可以利用数据挖掘的关联分析和演变分析等功能，依靠学生的某些学习特征，比如答题持续时间，具体回答步骤和内容（可以细化到每次击键和每个笔划），答对的要素和答错的要素等等，在学生管理数据库中挖掘有价值的数据，并分析学生的日常行为，研究各种行为的内在联系，来据此形成针对学生个性化的教学策略，以帮助学生在学习方面取得更大的突破。
篇3
1．1现状与趋势
在当今大数据、云计算、物联网和移动互联网等新思路、新技术快速发展的又一历史时期，高等教育面临着前所未有的发展机遇，在经历了网络化、数字化、信息化管理阶段之后，“智慧校园”将是在“互联网＋教育”趋势下最重要的发展思路。随着计算机技术的不断发展，各种系统结构化和非结构化数据以前所未有的惊人速度迅猛增长，“大数据”时代已经到来。大数据是指数据结构比较复杂、数据规模大的数据集合。其数据量已经远远超出了一般数据管理工具可以承受的处理时间以及数据处理及存储管理能力。在当今大数据环境下，高校管理系统的数据结构及数据量发生了巨大的变化。在数据存储、数据管理、数据分析及数据挖掘等方面面临着巨大的机遇和挑战。为了有效地利用大数据为高校决策分析提供更好的服务，必须基于大数据建立相应的数据分析系统。
1．2国内外研究与开发综述
随着大数据的发展和教育信息化的不断深入，基于大数据开展的高校校园数据分析与应用逐步受到重视。对大数据的定义始终没有形成统一的意见。维基百科对大数据（Bigdata）的定义是：所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。麦肯锡全球研究院将大数据定义为：无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合。加特纳（Gartner）于2012年修改了对大数据的定义：大数据是大量、高速、多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。而在高校学生数据的分析应用方面，国内外高校均有开展相关的研究。纽约州波基普西市玛丽斯特学院（MaristCollege）与商业数据分析公司Pentaho合作发起开源学术分析计划，旨在一门新课程开始的两周内预测哪些学生可能会无法顺利完成课程，它基于商业分析平台开发了一个分析模型，通过收集分析学生的学习习惯，包括线上阅读材料、论坛发言、完成作业时长等数据信息，来预测学生的学业情况，及时干预帮助问题学生，从而提升毕业率。上海财经大学基于校园信息化数据基础，开发了校务决策支持系统，面向人才培养、内部管理、科学研究和师生服务等方面开展决策分析；华东师范大学利用校园信息化基础数据，开展了校车人数与载客分布分析，提升了校车使用率；利用一卡通数据开展了贫困生的特征确定、潜在贫困生分析、后续跟踪验证，有效提升了帮困扶贫的工作效率。
2需求分析
结合西安欧亚学院信息化建设基础与海量的数据积累，建立“智慧校园”数据分析系统，通过此平台的建设和应用，运用数据挖掘和知识发现，从而在大数据中获取数据之间内在的相互联系，以及其中可能存在的某种规律，从而有效提升校园管理的决策效率，提升教学科研与管理服务的综合水平。通过调查走访各部门，了解教师、学生与行政管理人员的相关需求。主要包括四个方面：一是教学数据分析需求。包括各分院、招生办、教务处等部门对于招生、学生学习行为、教学质量、学科建设与学生就业等方面的分析。二是生活服务数据分析需求。包括图书馆、后勤等部门对于学生的消费行为即图书借阅、网络行为、资源利用等项目的分析。三是财务、人事、宣传等部门对于全校的资产、师资力量、宣传效果等项目的分析。四是研究发展部门对于全校科研项目与成果完成情况的分析（见图1）。
3系统方案设计
3．1框架设计
结合需求情况，开展系统的总体框架设计，初步将系统分为三大板块，包括数据监测、决策支持和查询定制（见图2）。
3．2系统方案
系统总体架构包括四个层次，分别是数据引擎、数据挖掘、数据库解决方案和交互平台。数据引擎部分将集成校园WIFI、固网、一卡通、教务系统等各类信息系统的数据，形成数据源，数据挖掘将通过分布式计算架构和数据分析平台对潜在数据进行分析与建模，通过数据库建立本系统的分析数据库，最终通过PC、手机等客户端向用户进行呈现（见图3）。
3．3典型应用研究内容
3．3．1教学质量评估教学质量评估属于高校定期必须完成的任务，教学评估的主要目的是更好地发掘出教学过程中存在的一些问题，从而及时地对教学方法进行调整，最终实现教学质量的提升。将大数据运用到高校教学评估系统之中，不但能够在很大程度上提高高校教学管理的科学性，同时还可以提高信息化教学的实用性。把基于大数据挖掘的算法运用在教学评估工作之中，找出教学效果、信息技术在教学中的应用、师生之间的沟通互动等因素之间的联系，从而给高校的教学部门带来非常科学的决策信息，同时让教师可以更加有效地开展教学工作，提高教学质量。
3．3．2教师教学能力分析以往的教学缺乏大量数据支撑，教学的质量高低主要靠教师自我度的把握。现在，可以通过在线课堂等技术，搜集大量课堂情况信息，比如学生对知识点的理解程度、教师课堂测试的成绩、学生课堂纪律等。通过这些数据的分析，了解教师熟悉教案的程度、课堂氛围等，改善教学水平。也可以通过深度分析学生在教学过程中教师的课堂表现，从而发现课程的闪光点以及不足，从而让教师能够进一步地对课程教学进行改善，提升教学质量。
3．3．3个性化课程分析个性化学习是高校教学改革的目标，过去的班级制教学中无法很好达到这一点，通过把大数据挖掘技术和学习内容结合起来，指导学习者规划学习发展方向，制订学习规划，实现个性化学习功能。通过评估个人情况，根据分析结果推荐可能取得优秀成绩的课程方案。首先获取学生以往的学习表现，然后从已毕业学生的成绩库中找到与之成绩相似的学生信息，分析前期成绩和待选课程结果之间的相关性，结合专业要求和学生能力进行分析，预测学生选择的课程中可能取得的成绩，最后综合权衡预测学生成绩和各门课程的重要性，为学生推荐一份专业课程清单。
3．3．4学习行为分析通过一卡通门禁信息、网络信息、课程信息、在线教育系统等相关数据，可以把学生到课堂时间、上课表现、作业完成情况、自习情况等学习信息记录下来，进行变量分析。当一些与学习行为有关的因素（如旷课、纪律问题、课堂表现）发生变化时，对学生提示并进行分析。通过这种系统分析，可以很好地规划学生的学习时间，提高学习效率。
4技术创新点
4．1大数据环境下提升数据挖掘范围
相比于传统常规环境下的数据获取渠道，大数据环境下，校园数据的获取更为广泛和准确。常规环境下的数据主要以经费收支、课程建设、问卷、访谈、课堂观察等来源，而在大数据环境下，通过对事件数据、舆情数据、一卡通、日志搜索等数据的抓取与分析，更能够准确地反映实际校情。
4．2可视化技术展现数据分析结果
利用大数据分析的数据挖掘与可视化分析，能够直观地呈现大数据特点，同时能够非常容易被使用者所接受，就如同看图说话一样简单明了。智慧校园中，结合学生学习、生活消费的各类数据，通过系统分析与图表展现，让用户只管了解数据分析的结果。
4．3数据质量管理提供重要支持
篇4
信息科技的不断进步引领了大数据时代的到来，大数据技术以超高速计算、海量数据存储以及移动互联网技术等为依托，席卷了全球，带来了生产、科技、教育和生活等方方面面的革新。在教育领域，迄今为止，大多数院校仍采用以工业化批量输出为特点的传统教育模式，在强调个性化的今天，荼毒着学生们的个性化发展，亟待创新，大数据技术的海量数据分析技术为教育的革新提供了可能，在英语教学方面，将大数据技术与高校的公共英语网络课程教学进行有效结合，主张因材施教是未来教育的一大发展趋势，对其接触并深入探讨有利于增加实践经验，以不断完善其进程。
一、大数据时代特征
以2013年为界，大数据思维成为我们解决问题的又一新思路，海量数据分析处理技术是大数据时代的主要特征，依托以海量数据存储为特点的云技术，使得我们在分析问题时能够摆脱抽样分析法，而能够通过对所有存储着的真实数据的分析，得到一些更加有意义的信息。大数据时代的特征主要包括五点，简称5V，分别是存储海量----Volume，运算高速----Velocicy，类型多样----Variety，数据真实----Veracity以及分析有价值----Value。大数据分析技术的广泛应用给各行各业带来了前所未有的革新，不断地改变着人们的生活和工作方式。现在，在社会的各行各业，每天都会产生海量的数据，特别是移动互联网的普及，将每个人类个体与互联网联系在一起，通过互联网数据的跟踪和分析，能够了解每个人的生活、学习方式以及性格等等。特别是在教育领域，慕课、视频课程的出现改变了W生们的学习方式，使得学生们能够根据自己的个人意愿去发展自己的个性化教育，不再受制于地域、时间以及资源有限性等，并且以大数据分析技术为工具，能够掌握学生们的学习情况，从而给予教育工作者更多有价值的反馈，以提高教育质量。
二、大数据技术与高校公共英语网络课程教学结合的优势
在大数据时代的技术背景下，将大数据技术与高校的公共英语网络课程教学进行巧妙融合是提高学成果的一大有效手段。高校的公共英语教学属于基础型科目，面向的是全体同学，以大班教学为主，即使是网络课程的多样性，也无法实现每个同学的个性化教育，从很大程度上限制了个体的发展，而大数据分析技术的引入则很好地解决了这一问题，通过对海量数据的分析，能够得到一些对教育有价值的信息，从而能够有效指导教育的下一步进展。
大数据技术与高校公共英语网络课程教学结合的优势主要表现在三方面，一是学生个体，二是教师教学，三则是网络教学平台建设。学生是该项目的直接受益人，通过建立英语网络教学平台，在该平台上一系列相关的教学资源，能够使得学生随时随地进行学习，完美地突破了时间和空间的限制，学生可以在英语网络教学平台上通过观看教学视频的方式习得所需知识，还可根据自己的知识理解能力和时间安排自行安排学习进度和视频回放，极大地增加了教育的普及度，学生们还可以通过在线互动的方式来和老师同学交流，有效地解决了答疑的问题，另外，学生们的在线学习记录均会被记录存储在数据库中，教学视频的者和教学平台的管理者均可以通过对单个学生学习轨迹数据的分析处理，掌握该学生的学习习惯和学习思维，从而方便高校制定针对个性化的教学方案。该项目的实施有利于提升教师们的教学能力，网络在线课程的数据收集，通过大数据技术的处理能够很容易地指导某个知识点同学们的理解程度，例如对于某一部分教学视频，学生们的浏览量数据明显很高，或是对于某一知识点的测验题，学生答错的概率明显高，这就说明该知识点是学生们的难点，下一定的教学资料准备就要进一步解决这一知识点；数据的关联性分析是大数据处理技术的又一大能力，它能够通过对众多看似毫无关联的数据进行分析处理，运用高效的数据分析技术取得一些关联信息，来指导教师们的教育教学活动进展。大数据技术还能够指导英语网络教学平台的建设，教学平台建设之初，因为缺乏实际经验，一定会存在很多不足之处，完善其建设的措施除了调查问卷等这些被动式的方式之外，还可以主动进行浏览量、学习时间分布、学习停留时间，知识点视频点击率等数据分析，以合理规划教学内容、资源上传时间、资源关联内容等，来完善英语网络教学平台的建设。
三、大数据与高校公共英语网络课程教学结合的优化策略
鉴于大数据分析技术对教育教学的显著优势，将大数据分析技术与高校的公共英语网络课程教学结合起来是教学模式改革的一个好思路。但是在大多数院校的实际施行中，由于经验欠缺，使得这一项目成效虽有提升，然却差强人意。分析其症结，主要是在改革方式、教师培训以及教学管理上存在问题，要完善该项目，必须合理选择英语教学模式、加强教师队伍的建设和加强教学管理，下面具体展开论述。
1、合理选择英语教学模式
新时代英语教学模式主要分为三种，一是反转课堂，二是微创新课堂与小微课，三是慕课。每种模式均对应着不同的教学方法，反转课堂是将传统的授课模式完全反转，即知识点内容学习由学生课下在教学平台上完成，课堂不再用于知识点的讲授，而作为小组讨论和知识点答疑的场所，这种教学模式完全颠覆了传统的填鸭式授课模式，主张以学生为主体，充分发挥学生们学习的主观能动性，在英语教学中，还能提高学生们的口语交际能力，是一种高效的英语教学方式，适合校园网建设完善、硬件设备齐全的绝大部分高校，但是对学生们的自主学习能力要求较高。微创新课堂是介于反转课堂模式和传统教学模式之间的教学方法，它综合两种教学模式的优点，未完全摒弃传统课堂讲授知识点的教学模式，而是将课堂的课时分为了两部分，一般是以6：4的比例将课堂分为讲授和互动环节，并且还包括教学平台上的小微课，这种教学方式适用于个性化教学，规避了学生们不同自学能力的差异。慕课是大规模上课程的简称，是一种完全的网络在线教学模式，教师们将教学视频、教学课件、测验题、课程作业等完全到教学平台上，并设置作业提交期限、成绩提交期限以及课程截止日期，由学生们自主安排时间，这种教学模式脱离了实体的课堂，完全突破了空间的限制，适合于通识教育教学。三种教学模式各有优缺点，各大高校要依据自己学校教师、学生以及学校设施的齐全程度，因地制宜，合理选择教学改革的模式，切忌盲目跟风、不顾实际。
2、加强教师队伍建设
教师是教学活动的支持者，决定着教学活动的进程和质量，教学改革的实施与教师的能力密切相关，新时代教学模式的改革要求教师有着相当熟练的信息技术操作能力以及与时俱进的知识信息更新能力，因此对各大高校来说，积极引进新一代优秀教学人才以及加强对老教师的教学能力培训显得十分重要。积极引进人才，更换新鲜血液，加强能力培训是提升教师队伍整体专业素质的主要手段，只有建立高质量的教师队伍，才能保证教学改革的不断创新以及新思路的提出。
3、加强教学管理
教学管理工作是完善教学质量的重要保障，加强教学管理工作主要从以下几个方面展开。一是要基于经验总结和大数据分析为教师们的教学安排提供建议和指导，例如要能够依据网络大数据分析技术合理划分学生们的英语能力等级，并根据不同的等级区间实行分级教学；要能蛞谰荽笫据分析技术得出最高效的视频授课时长，并根据学生们的不同等级设置视频倍速调节按钮；要能够基于大数据处理技术给授课教师提出具体建议，以提高学生们的学习兴趣和自学能力，以发展学生们的个性化学习。二是针对新的教学模式，首先实行教学试点，然后根据教学成果验收不断改进该模式，直到形成比较完善的体系，再进行全校范围推广。三是加强对教师的监督，合理量化教学劳动成果，保证新型网络教学模式能够有效实施。
结语：
高校公共英语的网络课程教学是一种新的教学模式，它依托于网络技术的普及，而大数据时代的到来，则为海量网络数据的处理分析提供了可能，由此能够为依托数据的教学活动提供关联性分析，以此指导高校的英语教学，从而能够为学生制定个性化学习方案、提升教师的教学能力以及完善网络教学平台的建设。但是，目前大多数高校的英语教学网络课程建设在教学方式的选择、教师队伍的建设以及教学管理上还存在着一些问题需要解决。但无论怎样，大数据与高校公共英语网络课程教学的有效融合是大势所趋，因此各高校仍要积极探索，不断完善教育的革新。
参考文献：
[1]张燕南.大数据时代思维方式对教育的启示[J].教育发展研究，2013，45（21）：14-15
[2]宓秀梅.大数据时代的英语教学及教师角色定位研究[J].中国信息技术教育，2015，66（18）：71―72.
篇5
大数据给法学教学带来了对于如何分析学生学习情况的全新认知方式。
二、大数据为民办院校法学教学改革带来的新的发展机遇
民办院校的教师师资力量弱，学苗差，学生考研率低，就业率低。长春财经学院在法学教学改革中，引入翻转课堂教学模式。而大数据作为一种新的研究方式，可以为翻转课堂提供更好的数据分析。(一)辅助提升法学学情分析。利用大数据可以从海量的数据分析中，提供教学需要的学生学习情况的信息。促进教师进行教学改革，提升教学效率。1．大数据对学习过程进行监控大数据则可以通过对学生线上学习过程进行监控，为教师提供数据帮助教师掌握学生学习情况。如为了防止学生观看视频的学习过程中有偷懒行为，保证学生学习的效果以及成绩的真实性，超星等网络平台也采用了许多新的手段。2．大数据对学生学习效果提供统计数据大数据可以帮助教师对学习效果进行统计。如，提供随堂测验的统计数据等。在教学实践中，如何对学生的学习效果进行合理的评价，仍是一个需要进一步改革的问题，尤其是采用翻转课堂教学模式下。(二)辅助配置教学资源。大数据可以辅助教学资源的优化配置。在当前的教学改革工作中，要注重大数据的分析，特别是对于学情的分析，确保教学改革取得应有的效果。通过利用大数据对学生学习情况进行分析，查找规律，辅助教师评估每个学生的学习质量、效果及学习的困难点，从而合理分配教学资源。(三)促进教师和学生的良性互动。在网络信息时代，学生对于知识的需求量越来越大，社会对于学生的能力的要求也越来越高，要求上岗即能上手，因此，学生需要真正能够利用所学知识解决问题。而大数据可以更好的促进二者关系的良性互动。
三、大数据时代民办院校法学教学改革面临的主要挑战
在大数据时代，法学教学改革迎来了新的问题。当前，法学教学改革中面临着许多与大数据时代相关的挑战，其中较为典型的问题包括如下几个方面:(一)大数据对真实学情的掌控上，仍需完善。目前，超星尔雅平台已经建立起了教学互动平台，利用大数据对学生的网络学习过程及效果，及时进行统计分析。然而，在实践中，依然存在大数据无法掌控的问题，如不能真实的反映学生的学习效果。(二)如何运用大数据分析学情，仍需论证。目前，大多数的教师认为，目前大数据可以作为学情分析的参考，如分析学生的学习习惯，但不能以此作为认定学情分析的标准。综上，在不断的深入法学研究的方方面面，大数据为法学研究提供数据参考，也为我们法学教学提供数据分析，为法学教学的现代化提供有益的辅助支持。我们要提升重视现代化科技力量的运用。利用大数据对海量数据分析、整合，从而发现学生学情的新规律，提升法学教学水平，在运用大数据时，需要注意数据固有的局限性，对数据分析进行恰当合理的利用。
［参考文献］
篇6
近二十年来教育领域发生了许多重要的变化，包括教学内容的多元化、教学方法的现代化，这些变化得益于计算机、互联网等信息技术的长足发展。目前，信息技术的另一个制高点――大数据应用领域已经取得了突破性的进展，一个大规模生产、分享和应用海量数据的时代正在开启。
如何有效利用这些数据，使其服务于教育领域，优化教学过程，是教育工作者们亟待解决的问题。本文阐述了数据分析在英语翻转课堂教学中的应用，将标准化学习为主的教学方式转变为以学生为主体的个性化教学。
一、数据分析的概念
本文应用的数据分析技术包括数据挖掘和数据呈现两个方面。
数据挖掘，是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程。
数据呈现，是指经过数据挖掘以后形成的复杂信息，通过技术手段，以直观、清晰的方式呈现给用户，近年来数据可视化是数据呈现的一大热点。
数据可视化技术通过计算机图形图像和数据技术，将数据中隐藏的信息，以交互方式形象生动地展示给用户，辅助用户分析数据，发现数据中隐藏的特征、关系和模式，进而发现其中蕴含的规律。
在本文中，数据分析的对象主要包括：在翻转课堂教学过程中，教师的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库，以及学生在学习过程中产生的状态数据库。
二、英语翻转课堂的特点
“翻转课堂”源于美国的“Flipped Classroom”，是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授，课后学生通过练习消化；而翻转课堂则以学生为主体翻转过来，其模式是课前学生自主学习，课堂上教师引导学生内化知识。
翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识，而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法，引导学生学习的兴趣，让学生通过实践获得更牢固的知识和自主的学习能力。
英语教学与翻转课堂的完美融合，主要表现为以下几个方面：
1.课前自主学习环节
互联网为翻转课堂的课前教学提供了大量的优质教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标，然后通过对互联网教学资源进行筛选形成课程学习资源库，之后在教学平台上，同时鼓励学生自主查阅资料。
学生学习资源后，通过教师的系统化知识自测题，了解自己对知识的掌握程度，检测自主学习的情况，教师也能获得学生整体的课前学习状态情况。
2.课上内化环节
教师对学生群体具有的共性问题进行讲解，课上侧重学生的语言实践，利用团队协作、分组对抗等生动灵活的教学方式，促进学生在课上活学活用，对知识内化。
3.课后拓展环节
教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，巩固学习效果。
三、基于数据分析技术的英语翻转课堂教学
1.可用工具：Excel、Infogr 与大数据魔镜
Excel作为常用的分析工具，可以实现基本的数据分析工作，包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作，特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。
Infogr就是信息（information）和图像（graphic）的有机融合。在其官方网站infogr.am，教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图，其不仅使用门槛低，而且能够使教师和学生在短时间内获得有效的学习状态信息。
在本文中，主要使用Excel和infogr来制作和呈现学生个体学习特征库，并给予个性化指导与建议。学生在阅读自己的图像档案时，会用一种欣赏的态度观看，通过仔细咀嚼启动脑中图像分析的成份，对自己的优点和缺点理解更深刻。
大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点，主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据，将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中，使用大数据魔镜来分析教师资源的内容和组成成分，以及以时间轴为基准的学生学习行为数据库。
篇7
[3] 李治. 基于覆盖控制的FDD-LTE网络质量管控体系研究[A]. 2015 LTE网络创新研讨会论文集[C]. 2015.
[4] 维克托・迈尔-舍恩伯格，肯尼斯・库克耶. 大数据时代[M]. 杭州： 浙江人民出版社， 2013.
[5] 中国联通河南省分公司. 中国联通移网用户感知大数据分析系统项目建议书[Z]. 2016.
[6] 中国互联网络信息中心. 第37次中国互联网络发展状况统计报告[R]. 2016.
[7] 中国联合网络通信集团有限公司. 2016年运维专业线考核指导意见[Z]. 2016.
篇8
一、研究理论概述
1.泛在学习理论
泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。
2.学习生态理论
学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。
3.有效学习理论
有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。
二、当前英语泛在学习模式存在的主要问题
1.传统课堂教学和线上教学环节缺乏有效衔接
首先，魍晨翁媒萄Ш拖呱辖萄г诮萄Ы谧唷⒅识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。
2.泛在学习缺乏生态性系统设计，学生英语泛在学习的用户黏性不高
当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。
3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境
建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。
三、基于大数据分析的英语泛在学习生态系统
移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型（图1）。
1.大数据采集子系统
首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。
英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。
网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。
2.大数据存储子系统
大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同r通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。
3.大数据分析子系统
认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。
4.大数据应用子系统
大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。
语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。
基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。
参考文献
[1] 张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.
[2] 曹贞.以有效学习为目标的大学课堂教学[J].教育与职业，2007（26）.
篇9
DOI：10.16657/ki.issn1673-9132.2016.34.020
一、引言
随着大数据时代的到来，数据分析在各行业的重要性日益凸显出来。大数据时代要求人才具有极强的“数据视野”、“数据意识”和“数据能力”，即对所处行业数据的形式种类详尽把握，对数据的作用深刻理解，对数据分析方法和分析软件熟练运用。其中“数据能力”是前两者的基础，是实现大数据所有思想和理念的根本保证，是现代经济管理人才的重要基本素养和技能。
我国的财经类院校肩负着为社会培养经济管理类高级专业人才的重任，在大数据时代，社会对于经济管理类高级人才在数据分析方面的要求极大增加，现代经济管理理论的发展趋势也体现出越来越重视数据分析的特点。这要求人才既有深厚的经济管理理论功底，又能够熟练使用数据分析工具对业务数据进行分析，并得到结论。特别是在研究生教育层面，对数据分析能力培养更加重要。
然而，目前在研究生数据分析能力的培养方面各财经类院校均存在着较多的不足。首先是覆盖面小，除各院校的统计学院（或类似学科的学院和专业）外，强调这方面能力的培养的学院和专业较少，导致研究生对数据的运用和分析能力不足；其次是形式单一，主要以课堂教学为主，完全忽视了数据分析的实践性，教学效果不好；再次是教学所用软件平台薄弱，多数使用SPSS，极少数专业学习SAS，对于在学术界和业界非常流行R语言、python等平台则少有涉及。因此，合理设计数据分析类型课程，提高经济管理类研究生在数据分析方面的理论水平与实践能力，是广大财经类高校不得不面对的迫切问题。本文讲就财经类高校数据分析类课程的特点、建设思路和建设方案，结合笔者在教学实践中的一些心得谈一谈自己的看法。
二、财经类高校数据分析课程的特征
数据分析的目的就是从数据中提取有价值的信息，进而形成知识。因此在绝大多数专业领域均有大量的数据分析需求，对人才的数据分析能力均有较高的需求。从财经类高校的专业分布看，可以把对数据分析能力的需求分成三个不同的类型。
第一类是以统计学院、信息学院（或类似学科的学院和专业）。这两类专业的教学主要突出理论性、基础性和方法性，立足于对学生的“数据视野”、“数据意识”和“数据能力”进行全面训练，使学生能够在毕业后在任意领域迅速承担起高级数据分析的任务。
第二类是经济学门类的相关学科。这类学科对于数据分析教学的要求偏重应用，即学生的“数据视野”、“数据意识”，但由于部分专业（如数量经济学）对数据分析能力要求较高，因此对于“数据能力”的培养也需要兼顾。
第三类是管理学门类的相关学科。当前的管理学实践离不开数据，对数据分析教学主要是应用层面的。要求学生具有良好的学生的“数据视野”和“数据意识”，而对于学生的“数据能力”的培养则并没有太高要求。
三、财经类高校数据分析课程建设的思路
基于上述分析，研究生数据分析课程建设应当采取分层设课的原则，基于不同的教学需求，设置不同的课程群。
对于上述第一类专业，需要在专业核心课程群的基础上，重点建设大数据相关课程。如分布式计算、非结构化数据分析、R语言、python语言等。在教学中，案例化教学和上机实操应当成为教学的主要形式，尤其软件类课程应当在机房进行，保证学生有足够时间熟悉操作并能随时与教师互动。
对于上述第二类专业，需要以一门基础课程为先导（如统计学导论），在配合若干专业课与软件课的组合，如计量经济学、时间序列分析、纵向数据分析与Eviews、SAS和R语言的配合。在教学时，理论与实操并重，在实操方面突出学生的软件使用能力训练，SPSS类型的软件不应当成为此类专业的主要数据分析平台（学生应当在学习专业课程时自主学习使用）。
对于上述第三类专业，可以考虑以一门数据分析课程为基础，配合合适的软件平台，同时在其他专业课程教学中突出各个课程的数据分析教学内容和实践环节，既可以基本达到教学目的。这类课程教学的重点在于对数据分析方法模型的理解，切忌死记硬背，同时辅以一定的案例和上机实操。在软件平台使用上，以SPSS这类拥有完善的GUI环境，所见即所得的平台为主，也可以使用R语言强大的图形能力作为演示工具，在演示的同时潜移默化地使学生了解R系统，进而为其进一步学习建立基层。
四、财经类高校数据分析课程建设方案――以R语言课程为例
在上述三类专业的数据分析课程建设中，R语言均扮演了重要角色。因此本部分将以R语言课程为例介绍建设方案。
（一）R语言的优势
R语言作为功能全面地数据分析平台，在国际学术界和业界得到了广泛的认同，是应用最普遍的数据分析软件之一。与其他统计分析平台（如SAS、SPSS、S-PLUS等）相比，R语言具有若干明显的优势：
第一，完全免费，完全开源。与SAS多达几十万元的价格相比，R语言是一个完全免费的平台，且功能同样强大。
第二，安装简便，更新迅速，功能完善。R语言的安装对于硬件的需求很低，且拥有Windows、Mac、Linux等多个平台的版本。并且R通过其大量的程序包实现了功能的扩展，用户总是能通过下载功能包获得最新的分析模块。
第三，R语言是被国际学术界广泛认可，绝大多数国际知名高校都将R作为基本的教学和科研工具。
第四，R语言既是编程语言，又是高度功能化的数据分析平台，同时具有编程语言的灵活性和功能化数据分析软件的易用性。
（二）开展研究生R语言教学的必要性
首先，作为一种编程语言，R语言的教学可以训练学生抽象思维、逻辑思维能力，同时作为一种数据分析平台，R语言可以训练学生数据分析模型的应用能力和实际操作能力，这一功能是其他非语言类软件系统无法实现的。
其次，在研究生教学中开设R语言课程，可以极大提升学生在求职就业、考博和出国深造方面的竞争力。由于R语言在国内外学术界和业界有着巨大的影响，因此熟练掌握R语言无疑会使我们的研究生更加具备竞争力。
（三）研究生R语言教学的现状及改革的迫切性
从当前的教学现状来看，R语言仅仅是少数专业才有的课程。但是基于本人这几年的教学和指导研究生的经验来看，当前我国财经类高校研究生的动手能力较弱。其根本原因之一是缺少数据分析能力的训练。若要在不过分增加研究生课程量的前提下迅速提高研究生这方面能力，R语言这种将抽象思维、逻辑思维、数据分析模型和数据分析实操紧密集合的平台是最好的选择。
（四）R语言教学的内容划分
R语言集合了计算机语言与数据分析系统的特点，既能像SPSS那样通过简单操作即得到结果，又能够项C语言那样进行新功能的开发，尤其是其强大的图形能力，更为数据分析人员提供了强大的数据可视化平台。为了能够为学生全面地讲授上述内容，需要对课时进行合理分配，辅以合理的教学模式和考核模式。下面本文将以48学时的研究生课程为例，介绍R语言课程的基本内容和结构。
1.教学内容和学时分配
第一部分，R语言简介（2学时），介绍R语言的历史、基本操作环境、相关网站、系统本身和软件包的安装方法以及参考书籍等。
第二部分，R语言的数据结构（12学时），介绍向量、因子、索引、数组和矩阵、数据框、列表等概念和相关算法。这部分是后面教学的基础，同时也是R语言区别于其他编程语言的重要方面，在教学时要突出对因子、索引（以及利用索引实现筛选等功能）、数据框等数据结构与数据分析的关系的介绍。
第三部分，R语言的编程结构（12学时），介绍成组、选择和循环三种结构。在这部分教学中，重点在不能按照传统程序设计语言的模式进行教学，要突出数据分析的特征，可以考虑使用R语言自己编制景点统计方法的代码，如最小二乘法、距离判别、快速聚类等。
第四部分，R语言的绘图功能（12学时），介绍高级绘图语句、低级绘图语句、交互绘图语句以及ggplot2软件包等。绘图是R语言的优势，允许使用者自由的定义图形，尤其是ggplot2软件包的出现，更是将R的绘图功能推上了新的高度。这部分不但是上述第一类、第二类专业研究生所需要掌握的内容，也是第三类专业研究生应当了解的内容。
第五部分，R语言的基本统计功能（10学时），经过前述四个部分的教学，学生已经对R语言具有了较为深入的了解，并应该具有独立编制代码的能力。在此基础上，可以进行本部分的教学，即对于使用R语言实现诸如回归分析、多元统计分析、时间序列分析的方法进行介绍。由于这一部分功能均有对应的软件包和函数，因此在软件操作方面非常简单，如果跳过前面几个步骤直接进行这部分的教学会使学生对R语言一知半解，缺少对R语言核心知识的理解。
2.教学及考核方式
由于R语言是一个操作性非常强的语言平台，传统的课堂教学+上机的教学模式会使得理论与实践脱节。因此建议该课程全程在机房进行，这种教学方法的优势有三个方面：
第一，教师讲解更到位。编程类课程重要的是思考过程而不是结果，因此传统的课堂上听讲，上机课练习的模式会使得思考过程与结果脱节。而在机房上课则可以使学生跟随教师的讲解随时练习和实验，使得教学效果更好。
第二，师生互动更容易。学习编程的过程就是不断试错的过程，学生需要不断地从发现错误――解决错误的过程中提高能力，而在这个过程中教师与学生的互动非常重要。
第三，课堂练习更直接。课堂练习在学习编程过程中具有非常高的重要性，传统授课模式下，无法做到当天的学习内容当天联系，是知识技能的掌握不牢，效率低下。
在考核方面，建议采取开卷上机考核的方式。由于R语言的教学具有极大的实践性，因此“会用”才是最终的目的。同时，由于R语言极强的可扩充性，因此单纯地考查学生对于R语言中一些功能代码的记忆没有任何意义，采取开卷的方式，重点考查学生解决数据分析问题的能力的上级考试才能够实现对学生R语言学习水平的测度目的。
五、结论
当今社会已进入大数据时代，任何财经类专业人才的培养脱离了数据分析类教学内容都是不能适应社会需求的。而数据分析课程的理论与实践并重的特点，要求在教学过程中既重视数据分析理论模型的讲解，又重视数据分析平台的训练。只有这样，才能使得财经类人才的培养跟上市场对于人才需求内容的转变，培养出符合市场需要的人才。
篇10
以计算机网络课程为例，该课程包括“在线视频”“在线作业”“在线实验”“学习指导”“讨论”五大模块，笔者收集了学生的学习数据，经综合分析，其结果如图1所示。
从图1可以看出，最终获得课程学分的学生在不同任务方面花费了不同的时间。学习视频和完成作业是耗时最多的内容，在实验与学习指导方面耗时明显较低。教师可以针对这些不足采取相应的措施，诸如增加课堂实验、随堂辅助等。
笔者继而针对其他指标展开了研究，包括每日的学习人数、基于评估角度的课程指标的访问量、基于学习角度的课程指标的访问量，如图2所示。
由图2可以看出，整个学期的学生访问情况前段呈平缓态势。到了学期末，访问量明显减少；对图3、图4进行对比，可发现学习当中涉及课程评估的，学生的积极性都较高。
二、思考及讨论
数据分析为新教改提供了一扇广阔的大门，将在线教学平台与大数据分析技术相结合，能够深入发掘学生的学习规律，解决学生在学习中遇到的深层次难题。同时，在线教学平台能够提供多样化的传统课堂教学方法，能在一定程度上确保教育公平，做到因材施教，成为推动教育事业进一步发展的动力。然而，这种新兴的教育方式并不能够替代传统的课堂教学，因此，在现阶段，我们可以将其作为一种辅助传统课堂教学的手段加以实践。
1.国家层面
推广在线教学平台需要信息技术的支持，西部欠发达地区网络设施还不够到位，国家需要提供更多的财力物力用于网络铺设，以确保在线教学平台能够更好地在全国得以推广。同时，国家需要增加在线教学平台的试点，多调研，出台更多的法律法规、行政管理政策，为在线教学平台活动的推广奠定基础。
2.学校层面
学校需要结合本校学生的特点，有选择地开设部分在线教育课程，力求符合本校学生的专业特点，注重引导教师与学生展开情感的沟通。
3.教师层面
新的在线教学平台对教师的教学水平提出了更高的要求，教师需要改变传统教学观念，意识到信息技术对课堂教学的正面效应。在制作在线课程时，既要有合理的教学框架，以增强课程理论性，在丰富知识的同时，综合考虑学生的接受能力，力求使课程生动而易于理解。同时，教师需要及时通过在线教学平台分析学生的学习情况，及时形成反馈，反哺教学。
篇11
1.1 “大数据”提供新的教育平台
自2011年开始美国教育领域率先掀起了在线教育的改革浪潮，智能学习平台在全球逐渐兴起，如Coursera等。全球多所高校通过在线教育平台免费开放课程，实现了教育资源的共享和交流。这种在线学习平台改变了传统的面对面教学模式，必将给现代教学改革带来深刻的影响。
1.2 “大数据”发展新的教学模式
大数据时代线上学习逐渐成为学习知识的主要途径，并且能轻而易举获取最优秀的教学资源。除此之外，它还能对学习者的学习行为自动进行提示、诱导和评价，进而弥补了缺乏面对面交流指导的不足。通过智能分析、整合大量的在线学习行为，它能很轻易地掌握学习规律和特征，然后针对具体学习者提供有针对性的辅导，最终实现在线学习和即时交流学习心得，以及实现学习互动。
1.3 “大数据”重建教学评价方式
传统教学评价活动主要是学生根据任课教师的授课表现进行评价，以及教师依据学生考试成绩和平时成绩等对学生进行评价。但是，传统教学评价活动往往缺乏沟通的及时性和互动性，教学评价结果无法实现即时反馈。比如教师无法明确知道哪些教学方式是最受学生欢迎和接受的。而大数据技术通过分析师生长期教学行为，得出具有个性化的教学行为和规律。“大数据”评价方式从技术层面以更科学的方式归纳总结教学活动规律，它实现了过程导向评价而非结果导向评价。
2 大数据环境下教学模式创新的动力机制分析
近年来随着技术的不断成熟发展，“大数据”为传统教学模式的创新和改革注入了新的活力和动力。“大数据”环境下教学模式的创新，主要通过三个层面的三种转变来实现：一是教师层面从经验式教学向数据分析式教学转变；二是学生层面从依赖课堂和教师向分析自身学习行为转变；三是媒介层面从简单、单一的工具向多样、复杂的多媒体介质转变。
2.1 教师层面：从传统教学经验转向海量数据理性分析
传统教育领域主张，由富有教学经验的几十年老教师通过传、帮、带年轻教师的方式发展教师队伍。这一主张在今日仍然被广泛应用。这主要是因为，老教师经过多年教学实践形成和积累了丰富的教学经验，而这种教学经验的多少、优劣与教师的教学质量紧密相关。归根结底，教学经验的积累和运用仍然是属于有限理性范畴。在大数据时代，计算机会对存储的海量教学记录进行分析，并且能及时为有需要的教师提供相应的教学解决方案，此种教学解决方案是建立在理性的数据分析基础上的。因此，在大数据时代教师的授课方式也将迎来全新的转变，教学经验在教学活动中的优势地位将得以改变，逐渐向教学案例理性分析转变。
2.2 学生层面：从依赖于课堂和教师转向对自身学习过程的数据分析
如今的教学授课方式仍然是“一对多”的教学模式，这种“大锅饭”式集体授课方式在有限的时空范围内无法真正实现“因材施教”。在传统课堂教学中，授课教师无法照顾到每个个体差异而提供相应的教学措施，教师对课堂教学节奏的把握仍然是基于教师的经验判断，教学过程仍然是按部就班地开展。在大数据环境下实现对个体学习数据的分析是完全可能的，也就是数字化学习过程，而通过现代媒介工具则是完全可以实现数字化学习过程的。比如，通过测试题库的完成时间和答题准确率等学习记录数据，计算机针对数据进行分析，进而发现个体学生需要重新掌握哪些知识点，哪些知识点又是需要进一步巩固的，这样，学生的学习行为与知识点建立了联系，而大数据又能因人而异提供有效的指导，使每个个体能够有的放矢。
2.3 媒介层面：从简单、单一的工具转向丰富、多样的多媒体介质
传统教学模式下教材是主要的学习资源，而板书、PPT展示是主要的授课手段，这些学习载体和工具都是单向沟通的，知识接收者的信息反馈并不畅通，更别提挖掘和分析知识接收者的学习行为了。随着信息技术的发展，数据量、数据处理能力都得以质的发展，这都是依靠现代丰富的、多样的媒介工具和分析工具而实现的。通过这些工具和媒介，知识传播者和知识接收者之间的界限被打破，两者可以实现即时的沟通和交流，能更贴近接收者，理解接收者的需求。
3 “大数据”教学模式的特征分析
3.1 注重教学的预测性判断
“大数据”对传统教学活动和教学过程进行了改良，一方面“大数据”通过大量数据分析会对教学活动出现的新情况进行调整；另一方面，新知识点和新教学法随时会被挖掘出来，教学内容和知识更具有前瞻性。“大数据”的重要功能，是在复杂的教学过程中根据海量数据进行分析，进而归纳总结出具有预测性的内容。比如个体学生采用什么样的方式巩固知识和活学活用更为有效，何种教学方式与当前学生学习特征更为匹配等等。此外，通过对教学数据的分析，可以总结出学生的学习行为特征和倾向，以有效预防教学过程中不适行为的出现。
3.2 教师的专业知识与数据分析能力并重
教师的专业知识不仅是影响教学活动重要因素之一，而且还是学生衡量教师教学能力的重要标准之一。教师的专业知识要求在任何时候都是占有重要地位的，但是在大数据时代下教师还需掌握教学数据分析的能力。如何在海量数据中挖掘出具有教学意义和教学价值的知识和内容，是教师在今后教学活动和教学过程中必须掌握的一项技巧和任务。通过对教学数据的挖掘、分析和解读，对与授课对象相关的数据分析，以及如何有效利用有用数据应用到具体教学活动中，促进学生可持续发展，是极其重要的。
3.3 个性化教学成为主流，真正实现因材施教
篇12
移动互联技术迅速发展及其在教育教学中的应用，推动了新一轮课堂教学的创新与变革，传统课堂向数字化、智能化课堂发展。随着智慧教育理念的提出及发展，信息技术环境下智慧课堂的构建成为教育技术界越来越关注的研究热点。
一、智慧课堂的概念及其意义
不同视角下对于“智慧课堂”有不同定义，这里从信息化视角来理解“智慧课堂”的概念。从实际开发和应用来看，“智慧课堂”可以定义为“以建构主义学习理论为指导，利用‘互联网+’时代的大数据、移动互联、云计算等新技术构建的信息化、智慧化、高效互动的课堂。”它应用“云+端”服务方式，通过智能推送、动态学习数据采集和即时分析，实现基于数据的教学决策、实时全面的教学评价、全过程的交流互动、个性化的资源推送，从而变革和改进课堂教学的结构和模式。智慧课堂是信息技术和教育教学深度融合的产物，也是翻转课堂发展的新体现、新趋势。
在大数据时代背景下，传统课堂教学面临新的挑战和机遇，利用学习数据分析来改进教学行为是变革传统课堂的有效手段。国内外许多教育机构和部门都十分重视教育数据挖掘和学习分析技术的应用，2012年美国国家教育部了《通过教育数据挖掘和学习分析促进教与学》的报告；2016年4月，清华大学与学堂在线共同正式对外了一款免费线上教学工具――雨课堂，它通过微信服务号连接师生的智能终端，实现对课前-课上-课后教学全过程的动态学习数据收集和分析，雨课堂的推出为智慧课堂构建提供了环境和技术支持。
利用雨课堂构建基于学习数据分析的智慧课堂，适应教育信息化和大数据背景下的学校课堂教学改革创新的需求，具有重要的现实意义和价值：
1.有助于实现个性化、高效互动的课堂
大数据背景下基于学习数据分析的智慧课堂，变革了传统课堂教学结构和模式，从以教师为中心的知识传授为主转向以学生为中心的能力培养为主，从“先教后学”转变为“先学后教、以学定教”。课外，学生自主移动学习，师生交流互动，教师依据课前预习数据反馈，进行个性化指导，同时设计有针对性、个性化的课堂教学；课堂上，师生一起协作探究解决问题、完成学习任务，将课堂时间的运用发挥到极致。这种课堂内外的教与学能够提高学生学习自主性、积极性，实现师生之间的更多互动，在某种程度上活跃了课堂氛围，从而达到高效的课堂教学。
2.有助于实现全过程多元化的学习评价体系
智慧课堂利用大数据和云计算技术，对学生的课前-课中-课后学习全过程进行动态、实时记录和统计反馈，从而能够更全面、客观、真实地对学生学习情况及教学效果做出评价。这种全过程多元化的学习评价方式，一方面对学习活动起到引导作用，利于对学生进行个性化的指导；另一方面，帮助教师改进教学策略，使教学活动的开展更有效地促进学生的学习。
3.有助于丰富和发展智慧课堂的理论和实践，推动课堂变革和创新
将雨课堂应用于传统课堂教学中，探索基于学习数据分析的智慧课堂模式，并在具体课程教学中开展实践，这为智慧课堂的研究提供了参考，为一线教师开展混合式、翻转课堂教学提供借鉴。同时，引起教师关注并尝试运用新技术进行教学改革实践，推动传统课堂的变革和创新。
二、雨课堂支持下的智慧课堂构建
1.雨课堂支持下的智慧课堂架构
在对雨课堂特点及其功能研究基础上，构建基于雨课堂的智慧课堂架构（如图1所示）。雨课堂是应用于PowerPoint中的一个插件，采取“云+端”的服务方式，通过云计算、云存储和云服务等为课前-课中-课后教学的各个环节提供信息技术支持。教师只需要会PPT和微信就可以快速便捷地部署智慧课堂。在学生端，雨课堂提供课前预习自测、课内“不懂”按键、弹幕和随堂测试等功能，帮助学生预习、巩固知识并反馈学习情况；在教师端，可以推送PPT课件、分享链接和微课视频、测试、统计和反馈学生学习数据，帮助教师及时把握学生学习情况、学习效果以及学习轨迹。雨课堂支持下的智慧课堂打破了传统课堂的围墙，具备实时动态学习数据的采集和即时分析功能，实现了智能、高效的教学交互与反馈，改变了传统课堂的教学方式。
2.基于全过程学习数据分析的智慧课堂教学模式
智慧课堂的核心理念是用数据改变教育，学习数据是客观真实地反映教学过程、教学效果的重要依据。实时、客观、全面反映当前教学状态，是一线教师的迫切需求，传统课堂上教师面对几十位学生，很难及时准确地把握每位学生的学习情况、有效调控教学进程。智慧课堂基于学习数据分析，使课堂教学从依赖于教师的教学经验及直观判断转向依赖于学习数据的分析反馈，用数据说话，依靠客观、实时的学习数据对教学情况进行判断和调整教学策略，实现智慧、高效的课堂。
在χ腔劭翁锰氐恪⒓芄寡芯康幕础上，同时结合雨课堂的技术特性，设计基于全过程学习数据分析的智慧课堂教学模式（如图2所示）。课前，通过推送预习资料，进行预习情况统计分析和检测，深化学情分析，优化教学设计；课中，通过“不懂”按键、发送弹幕、随堂测验，进行即时学习数据分析和反馈，调整教学策略和教学进程；课后，通过作业数据统计分析，进行针对性指导，推送拓展学习资料，实现个性化学习。雨课堂的技术支持对课前-课中-课后整个学习过程提供实时动态学习数据采集、分析和智能推送。
三、智慧课堂应用实例
利用雨课堂开展智慧教学的准备工作非常简单，教师只要安装好雨课堂插件，然后在手机微信里关注雨课堂后，进入我的课程页面点击“我要开课”即可创建课程和班级，创建成功的班级对应有专属的二维码和邀请码，教师可以通过班级QQ群或微信群告知学生，学生扫码或输入邀请码进入班级，这样便快捷地完成了智慧课堂的部署。
下面以高校公共基础课《计算机应用基础》中的“计算机网络”一课为例，具体阐述雨课堂支持下的智慧课堂教学实施过程。
1.课前环节
（1）预设教学目标和内容
教师根据之前对于课程内容及学生情况的学情分析后，预设本次课的教学目标，确定教学内容（如表1所示）。
（2）预习资料和预习反馈
教师利用PowerPoint中的雨课堂插件将上课PPT课件快速转换成可以随时推送的微课课件，同时还可以轻松插入慕课视频（如计算机网络MOOC视频）和网络视频（如局域网组建），在预习内容最后添加了客观题作为课前预测。微课制作完成后，教师将预习课件生成并推送到手机，在手机微信端点开收到的推送后预览课件并针对性对每页添加语音讲解，最后至班级。全班学生收到推送课件后，随时随地进行移动学习、完成预测并即时得到自动评分，另外，学生可以“报告老师”提出预习中的疑问或想法。教师也可以实时查看到已预习学生人数、预测题各题答题情况，浏览学生反馈并和他们进行课前互动交流。
（3）优化教学设计
教师在手机端实时看到的学生整体预习情况统计以便第一时间掌握学生课前预习情况，随时记录教学设计与备忘等，根据课前预习反馈，深化学情分析，明确教学重点和难点，优化教学设计，以便精准教学。如课前预测题答题情况的统计我们发现大部分学生对于网络协议、网络地址的理解有一点困难，需要课堂中对这些问题重点解决；个别学生给老师的报告中反映出学生对于计算机网络的认识只在表层，引发我们思考如何让学生更深层次地理解计算机网络和设计教学。
同时，教师通过邮件获取课前每位学生预习情况统计详细数据（如每位学生观看页数、观看的页面、预习时长、预测题评分统计），精确掌握每位学生的预习情况和学习行为，以此作为一对一个性化指导以及过程性评价的依据。
2.课中环节
（1）开启授课，进入课堂
教师开启雨课堂授课后，手机微信端即刻收到推送并点击推送信息，等待学生进入；学生用微信扫码或输入邀请码签到进入课堂，教师可邮件得到课堂情况统计详细数据了解学生的到课情况。等所有学生扫码完毕后教师点击开始上课，手机变遥控器控制课件的播放，学生端同步接收到课件。
（2）课程导入，分享与展示
教师将课前做的投票调查结果分享给学生，课前调查统计发现89%的学生之前极少接触计算机网络方面的知识。同时将预习情况反馈给学生，使学生之间有比较和定位，使他们做好课堂学习的心理准备。教师从“什么是计算机网络？”、“网络的功能是什么？”这几个问题入手进行提问，学生分享观点，展现课前自学成果，通过学生互评，教师展示本次课的教学内容和目标，进而展开更深层次内容的学习。
（3）精讲与拓展
教师根据教学目标并依据直观的学习数据进行针对性教学，学生在听课中发现有不明白的内容可以随时点“不懂”第一时间反馈给老师，老师能实时看到课件中每页“不懂”的人数，及时知道学生学习情况，并调整教学策略。如授课中发现在讲解网络地址时有很多学生对“子网掩码”都不懂，教师就以实际的一个操作演示进行说明，使学生有了进一步的理解。课间，教师开启“弹幕”功能，让学生把自己的想法都弹到屏幕上和大家一起分享，实现了师生之间、生生之间的课堂互动，活跃了课堂气氛。
最后，教师介绍计算机网络前沿知识进行拓展，并下达新的学习探究任务，如物联网、电子商务等大家感兴趣的话题，教师为学生分组并设计组织学习活动，学生开展小组协作探究学习，进行互动讨论。
（4）实时测评和反馈
学生完成学习探究任务后，教师把随堂测验推送到学生手机端，学生当堂完成并提交后，能即刻看到得分及答案，教师也会即时得到统计数据（如每位学生的得分、成绩分布、各题答题情况），还可以通过邮件获取试题统计详细数据来准确把握每位学生的学习情况，以便课后的个性化指导。另外，教师将分数分布公布至大屏幕，让学生清楚意识到自己在班里的水平，有助于课后的复习巩固。这个阶段是检验课堂教学效率的有效手段。
（5）总结点评
教师通过“不懂”、“弹幕”、随堂测评得到的实时反馈，对知识点进行总结和点评，对重难点补充讲解，对共性问题进行答疑。学生在及时得到教师的点评和总结后，对所学的新知识进行巩固内化。
3.课后环节
（1）课后讨论和投票、拓展学习
为了让学生结合所学网络知识并联系实际展开思考，教师课后作业（“大家一直都在说IPv4的地址不够用了，但IPv6推出至今，并未得到广泛应用。为什么会这样，到底是什么原因？我们还需要IPv6吗？”），学生“报告老师”阐述各自的想法，教师可以和学生互动交流探讨问题并个性化指导，从而学生可以深化知识的学习，培养了探究能力。同时，教师还可以投票，调查了解学生对于课程内容、教学方法、效果等方面的反馈。
另外，教师通过推送和分享链接方式给学生推送课后拓展材料，如网络信息安全、Internett学应用、组网案例等，学生根据自己的兴趣和能力有选择地自主学习。学生也可以随时点击查看每次上课课件，重点复习课堂中点“不懂”和收藏的内容，实现个性化学习。
（2）总结改进
教师依据学生课堂的学习情况、课后讨论及投票情况，对教学全过程进行回顾与总结，记录下教学设计，从而来优化教学方案、改进教学策略。
四、结束语
雨课堂支持下的智慧课堂模式基于混合学习理念，应用“云+端”设备，将移动技术与教学深度融合，直接、动态、即时的全过程学习数据，详实记录了课前-课上-课后教学全过程，整个教学过程的教学数据转换为改进教学的决策依据，使教师的教学决策从以经验驱动转变为以数据驱动，“用数据说话”，展现了教师基于学习数据分析的教学机智。同时，智慧教学的模式融自主学习、协作学习和探究学习于一体，能培养学生独立探究、合作沟通和创新能力，实现了课堂内外多渠道的交流互动，充分调动学生的积极性，从而提高课堂教学效率，促进教学效果。
当然，这种智慧课堂模式在不同学科教学中的应用，将存在新情况、新问题，有待研究者们根据教学实际去思考、更新和发展。笔者也将在目前对于智慧课堂研究基础上继续进行应用研究，积累实践教学经验，从而不断改进和完善。
参考文献：
[1]孙曙辉，刘邦奇，李新义.大数据时代智慧课堂的构建与应用[J].中国信息技术教育，2015（13）：112-114.
[2]孙曙辉，刘邦奇.基于动态学习数据分析的智慧课堂模式[J].中国教育信息化，2015，（22）：21-24.
篇13
关键词 ：大数据；多媒体；顾客体验；数据挖掘
中图分类号：F241.21文献标志码：A文章编号：1000-8772（2014）22-0220-02
收稿日期：2014-07-20
作者简介：阳昆（1979-），女，湖北武汉人，硕士，讲师。研究方向：生涯规划，就业指导。
一、引言
著名的未来学家弗里德曼在《世界是平的》这个书里面，提出了互联网3.0时代的概念，告诉我们通过宽带及互联网，个人可以变得更加强大，而世界怎变得更小。比如，现在青年学生可以通过软件的客户端，点击不同老师甚至不同学校的的同一门课程。各种微课堂，e——learning课堂的层出不穷，给予学生们更多的拇指投票的权力，学习方式和教育模式的变革也导致高等教育机构的管理和服务的革新。显而易见，青年学生对移动互联网的日益增长的需求与传统的高等教育的供给模式矛盾将不断深化，大数据的到来，也带来了象牙塔的革命！高校的就业指导工作是高校教育供给机制的促进和改良剂，也是提高象牙塔学生就业质量的重要环节。如何在大数据特别移动互联网时代因时而动，率先占据主体地位，获得就业指导在互联网时代的话语权，是个值得探索的话题。
二、传统的高校就业指导工作在大数据时代危机重重
1.就业指导形式已经无法满足现代大学生个性化、多样化、特质化的需求。
传统的就业指导表现为更多的是行政性指导和形势政策的分析报告会和辅导员、班主任的个人谈心形式，传统的满堂灌、一言堂在高校的课堂，班级的会议中屡见不鲜，效果是可想而知的。现在的大学生大多数都是中国互联网的同龄人，他们甚至比高校老师更懂得、更需要大数据时代的红利和前景。学生价值多元、个性多样、需求多角度的现状给予高等教育的学生管理和服务的驾驭能力提出了新的挑战。
2.高校的就业指导的主体地位也面临着多媒体、多信息服务平台的挑战。
由于大数据时代特有的互联网和软件平台，个人价值的尊重与诉求得到空前的表现，人性化、个性化的服务性的理念凸显出来。人人都是麦克风，个个都有发言权，互联网时代，将使得在家上学、教育空间设计、面向未来的学校界限的消失成为趋势。多种媒体和信息平台更加充实着90后大学生的网络生活（他们可能是中国生活网络化程度最高的群体了），而青年大学生都处于自我价值逐渐形成时期，社会阅历不足，分析能力和判断力尚未成熟。多元化价值观、一些消极、不健康的价值取向借助互联网、大数据时代的便车，也进入了校园，这对高校的就业指导的主体地位和话语权提出了严峻的挑战。
3.高校的就业指导教师的数据分析能力将在大数据时代面临着提升。
高校的就业指导老师承担着课堂的授课和课下的指导工作，他们必须具丰富的专业知识和一定的人生阅历，对行业和时代的发展趋势有一定的分析与判断能力。他们的专业能力是衡量教学和指导质量最重要的方面，也是学生衡量一个教师优劣的重要标准。面对着与互联网同龄的90后们，尽管专业知识占据着重要位置，尽管他们有着丰富的社会阅历，有种重要的能力可能乃至将来会成为评估一个教师专业化的重要指标——教育数据的分析，老师如何从学生纷纷复杂的教学活动中、实际指导工作中，通过对相关数据的分析、关联、总结与预测、有效提高学生的成绩，理性引导他们充分就业、完成职业生涯的良好开端，数据分析的能力显得尤为重要。
4.数据分析技术及成果应用尚未引起高校的足够的重视
当前高校的就业形势严峻，使得各个高校异常重视毕业生工作，从计划到总结，从过程到结果，高校的毕业生工作可谓是事无巨细。虽然就业工作总结能够使高校的就业指导工作、甚至人才培养工作得到回馈，但由于很多高校尚未转变观念，或因技术条件不足，尚未将数据分析的技术及其成果应用于就业指导的全过程，这个只是零散的，不规则的，部分的，阶段性的，反馈的结果也带有片面性。学生对人才培养质量的满意程度、学生的就业规律这些都隐藏在数字下面，潜在价值尚未体现。
三、更新观念、转换思维，积极应对大数据时代的挑战
1.形成以学生为中心，学生职业价值观为核心，满足学生需求，劳动力市场需求，建立起劳动者与劳动市场双向动态匹配指导的新模式。
在注重体验和个人价值的大数据时代，高校的就业指导将在基于大数据以及软件平台应用背景的前提下，以学生个人体验为中心，以学生需求、劳动力市场为两个基本点，对在校大学生提供实时、在线、个性化、全程化的就业信息服务的全过程。积极、主动、关注学生的服务体验经验、贴近学生的心灵，走进互联网特别是移动互联网将是大数据时代高校就业指导服务将是学校在各种媒体和平台的竞争中拔得头筹的关键。就业指导服务部门将于学生工作工作部门合作，积极开展对学生就业价值观、职业价值观的引导和教育工作，发挥校内主流媒体的舆论导向作用，通过课堂与课下、线上与线下的的教育和实践工作，引导学生正确、理性对待社会的不良职业价值理念和人生观，形成积极、健康的职业价值观。
不可否认，传统的大课堂、传统的咨询与辅导将依旧坚守在课堂中，更多的是就业指导人员深入互联网，进入微信群，走进学生的网络社交空间，贴近学生的现实交往群体，就业指导人员将和就业求助人员将建立平等的对话关系，倡导关注学生体验，提升学生就业指导服务的满意度。
2.以生涯发展为基本点，熟练运用数据挖掘和分析技术，提升学生的就业质量
自职业规划大师舒伯提出以自我发展为核心的的生涯发展理论后，如何引导学生进行连续而又稳定的职业生涯规划和实践变成了就业指导的发展方向，这项工作则在大数据时代中走向了积极的实践阶段。高校就业指导部门将从海量的学生个人信息和劳动市场信息的挖掘与分析中，找寻个性不同、需求迥异、价值多元的个性化的就业指导服务类型来匹配学生的需求，届时，实时、在线的形势政策分析报告会与量身定做的“微服务”、“微自信”“微指导”将同时进入学生的移动职能终端中，比如在线职业倾向测评、在线面试指导、在线的求职策略，在线工作分析等，学生通过移动智能终端将大大提升他们的求职成功率。学生甚至可以根据个人喜好、需求选择不同的就业指导信息服务载体，学生将从传统的就业指导的接受对象反客为主，成为就业指导服务的的主体。就业指导管理及服务部门将因学生需求不同不断运用海量数据挖掘技术与分析技术，学生的数据将有效得到整合、挖掘、分析，数据潜在的价值将得以体现。高校就业服务部门随之探求企业需求规律、学生求职轨迹、市场及行业发展趋势，不同性别、不同地域、不同种族学生的求职，为学生提供更加真实和具体的就业信息服务，学生稳定就业、高校有效指导、劳动力市场需求得到有效反馈，最终实现三者的动态平衡。
3.避开盲点——保护求职者个人隐私，将成为大数据时代高校就业指导工作新亮点；
自从美国的斯洛登披露了棱镜事件之后，大数据无处不在的第三只眼使得互联网社会的公民都毫无任何隐私而言。学生在校期间的数据是否由于信息安全的不确定性将被社会上的不法机构或者不法分子侵占，作为不正当的使用。而青年学生普遍存在网络个人隐私保护意识淡薄，使得在就业系统系统中，学生的人格倾向、兴趣倾向、身体等个人隐私信息，如何被有效保护和有效识别，高校的学生工作服务系统，高校就业指导服务系统，等其他社会力量的多远参与，将是高校就业指导工作中数据隐私保护的多元力量。
4.倡导建立终生、多媒体、多渠道的教师学习模式，打造一支适应大数据时代就业指导的服务团队。
大数据时代的4个V（volume，Varity，Value，Velocity）在一方面提高了就业指导服务的效率的同时，也给就业指导人员提出了更高的挑战。大数据时代是云技术、分布式处理、数据挖掘和数据分析技术大张旗鼓的时代，数据勘探和数据分析软件可以通过提供实时反馈学生职业生涯规划的实现状况来帮助学生，教师可以使用这些工作来研究学生的职业发展模式并修正后期规划以便满足学生个人的需要，而这些都需要就业指导的人员对新技术、新媒体、新渠道、新的数据分析方法的理解、掌握和应用，只有不断学习，不断适应，才能打造一支业务过硬的就业指导队伍。
5.建立一个中心，两个基本点的线上与线下、实时与多时就业指导服务的绩效评价体系。
正如《世界是平的》所说，互联网的无线小与个人价值的无限大形成了一个极大的反差。在倡导个人主观体验，个人价值的大数据时代，就业服务的多媒体和多视角给就业服务的绩效评价体系新的思考方向。评价就业指导的服务，可以以学生主体满地度为中心，学生家庭、供职单位为两个基本点的线上与线下、实时与多时、多角度的就业指导辅导的绩效评价体系。以评促进，以评促改，以评促建，切实让高校在大数据多媒体的时代下最大程度地获得影响学生职业与就业行为的影响力。
参考文献：
[1]王国强沙嘉祥吴艺雄关于在教育业倡导顾客满意战略的一些想法第八届亚太质量组织（APQO）会议，2002年9月15日.
[2][日]城田真琴著，周自恒译大数据的冲击人民邮电出版社2013.6.
[3]白永生焦艳新媒体背景下就业指导课课程教学改革教育与职业2012.9第26期.
