引论：我们为您整理了13篇统计学的数据分析范文，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
5月26日有幸听了万贵秋、程来魁两位教师关于复式折线统计图同课异构课和吴文涛名师关于折线统计图的展示课，我也曾教过这一单元，然而我的教学重统计图的绘制轻数据分析，三位教师与我截然不同的教学思路让我感悟颇深。统计学是通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。分析数据是统计的核心，也是本单元的重难点之一。如何在课堂教学中突破这一重难点我有以下看法：
一、感知数据
《新课程标准》指出：在"统计与概率"中，帮助学生逐渐建立起数据分析的观念是重要的。数据分析包括：了解在现实生活中有许多问题应当先做调查研究、收集数据，通过分析作出判断，体会数据中是蕴涵着信息的。数据分析的第一步要调查研究收集数据，在这一过程中感知数据不再是简单的数字，它的背后蕴藏着数学信息。在课堂教学中采取的是：
（一）选取贴近学生生活素材，加强学生对数据的感知。本次课堂上万贵秋教师调查学校趣味数学魔方选拔赛郭宇和徐伟的成绩，吴文涛教师调查学校足球队方瑶投篮的成绩，这两个发生在学生生活中的问题进行调查，既增加了学生对收集数据的亲切感，又激发了学生挖掘的数据背后隐藏的数学信息的欲望。
（二）选取具有统计意义的真实的生活素材，加强学生对数据的.感知。程来魁教师选取的是调查全国人口老龄化这一具有统计意义的事情。首先让学生了解到抽样调查是统计中常见的调查方法，调查全国人口老龄化，只需抽样调查上海老龄化情况。而每年出生人口数和死亡人口数是连续性变量，非常适合用复式折线统计图来表示其变化。学生从视频中看到这一令人震惊的事实，激发其探究的欲望，同时在真实的死亡人口数与出生人口数中，增加学生对数据的感知，无形之中会将两者进行比较。
二、数据读取
学生会从收集的数据感知一些大略的信息，第二步就要整理数据了，整理数据的方式一般就是统计表，统计图等。在以往我的教学中我通常会教授学生绘制统计图，再读统计图中的数据。一节课大部分时间用在画图，特别是横轴和纵轴的填写，而读图时间会过少。这样的教学往往导致学生会成为画图的高手，读图的哑巴。此次三位教师都是通过读图来画图，万贵秋和程来魁教师都是通过读两个折现统计图来画复式折现统计图，吴文涛教师是通过读条形统计图来画折现统计图，从学生已有的作图起点出发不仅让学生自主的探究统计图的制法及注意事项也为后面的读数，数据分析大大节省了时间。读懂统计表中的数据为后面的数据分析做铺垫。
（一）读显性数据
显性数据就是统计图中直观的信息。读图标，图例，横轴、纵轴、以及点的信息。这部分内容很直观，加之有以前学习条形统计图的经验，学生较易掌握。
（二）读隐性数据
隐性数据即是通过显性数据得出的统计量。在运用统计量时一定要注意其统计意义。比如平均数、中位数、众数。平均数是一个虚拟的数，它能反应一组数据的总体水平。中位数是个半虚拟的数，它则能反应一组数据的中等水平。一般而言，平均数作为数据代表相对可靠和稳定，但遇到极端数据时它则不能反应这组数据的基本情况。在万老师执教的这一课里面有同学提出了用平均数来反应两名同学玩魔方的总体水平，从而决定由谁参加决赛，这个结果与我们从统计图数据变化趋势分析的结果大相径庭。造成两种不同的结论的原因在于这个同学没有看到极端数据对平均数的影响，一次失误能拉下一个学生比赛的平均分，但是这时的平均分并不能代表这个同学的整体水平了。
三、数据比较
读懂数据，了解数据所蕴含的信息，我们还要更深层次的挖掘数据的隐藏信息。这一部分的数据分析是通过数据比较来完成的。
（一）横向比较
在折线统计图中了解了点所代表的信息，再引导学生横向观察折线统计图，相邻的两个点之间的线段的方向代表数据的增减；线段的陡平代表数据增长的快慢，整条折线有代表数据的发展趋势，由部分到整体挖掘数据隐含信息。在吴老师的教学中这一细节做的非常的到位，从点，(fanwen.chazidian.com)线段，折线三个方面深挖信息，并通过整条折线的趋势做了预测，预测方瑶的后两次成绩。万老师执教的这一课也从整体折线趋势预测两个同学的下次成绩，从而得出决策。
（二）纵向比较
数据之间纵向比较主要体现在复式折线统计图里，两个量之间的差距是同一纵轴上两点间的距离，也是复式折现统计图中蕴含的一个重要信息。比如万老师的这节课通过比较两个同学每次成绩相差多少，判断两个同学成绩的变化。又比如程老师执教的调查人口老龄化，其中自然增长数等于出生人口数减去死亡人口数，就是比较两个量间的差距变化从而判断人口是呈正增长还是负增长，以及增长的幅度来判断人口老龄化的情况。
篇2
（一）权限管理
权限管理包括权限设置和密码查询。系统分为教务参谋、考务中心、考试成绩录入员、系统管理员等四级权限。系统管理员可以设置教务参谋和考务中心，还可以查询帐号初始密码。考务中心将教员设置成考试成绩录入员后，教员才有录入成绩权限。
（二）数据维护
数据维护包括录入、修改考试（补考）成绩、生成补考计划、修正考试成绩、填写考试分析报告等。录入成绩前要录入考试信息（课程名称、考核科目、考试性质、权重、考试日期等信息），首先在单位树里选择教学班（如果该教学班没有学员或学员还没有编排学号不能录入考试信息）系统自动带入该教学班对应的专业类型并在下拉列表中列出已安排考试的课程，选择课程后系统自动带入课程名称、考核科目、考试性质（毕业考试、考试和考查）、学时、学期、考试日期、授课单位等信息，权重默认为1（1表示100%，如输入0.5表示50%）当一门课程包含多个考核科目时需要录入相应权重，考试信息保存后，学员下拉列表中列出了该教学班该课程所有未录入成绩的学员，成绩可以录入分数，也可以设置缓考、缺考状态，保存学员成绩后下拉列表中同时移出该学员（修改考试信息和成绩，同录入相似，不再详述），录入完该课程所有学员的成绩后，将成绩上报到考务中心审核成绩，上报成绩后不能修改和删除考试成绩。教务参谋可以安排不及格、缓考、缺考的学员参加补考，系统根据时间段自动生成补考计划，补考计划分为学期补考和毕业补考，补考的组考单位录入补考成绩，流程参照考试成绩录入。公布成绩后学员对成绩有异议，复查后确认有误，经批准由教务参谋对该考试成绩进行修正。教员根据考试成绩录入考试分析报告，考试分析报告包括：基本情况、综合分析、意见建议、评价结论等内容。
（三）数据审核
数据审核包括审核考试（补考）成绩、审核考试分析报告。考试成绩审核分为考务中心审核和教务科审核两级审核，教务科审核通过后，教员和学员才可以查询成绩。考务中心审核成绩时，选择要审核的课程系统弹出此课程考试的详细信息，并列出所有学员的考试成绩，同时统计出优秀，良好，中等，合格，不合格的人数。点击“通过”后，交由教务参谋审核。点击“不通过”，则将此信息打回录入人处。教务参谋审核过程与考务中心审核类似，不再叙述。
（四）查询统计
查询统计包括考试信息查询、考试成绩查询、学员队（学员）平均分统计、合格率统计、实考人数统计等。根据不同登录用户控制查询范围，如：学员查看本人成绩，学员队干部查看本队成绩、教员查看担负课程成绩，教务参谋查看全部成绩等，只有教务参谋才有统计功能。
（五）导出打印
导出打印包括：打印考试成绩表、打印考试分析报告。系统可以直接打印成绩，也可以导出word、excel、PDF等格式。
三、数据挖掘应用
（一）概述
数据挖掘是解决数据丰富而信息贫乏的有效途径，其实质是从大量数据中提取隐含的、未知的和潜在有用信息的过程。其在分析大量数据中具有明显优势，并已成功地应用到了多个研究领域，但在教育领域中应用还不够深入，将之用于军队院校管理尤其是成绩管理中至今还不多见。
目前最常用的几种数据挖掘方法有决策树、神经网络、遗传算法、概率论和数理统计、关联规则以及粗糙集和模糊处理技术等。
（二）决策树算法
顾名思义，决策树就像一棵树，它利用树的结构将记录数据进行分类，树的一个节点就代表某一个条件下的一个记录集，根据记录字段的不同取值建立树的分枝；在每个分支子集中建立下层节点和分支，就形成一个决策树。采用决策树，可以将数据规则可视化，也不需要长时间的构造过程，而且每一条从根结点到叶节点的路径的含义是可理解的，精度较高。这种可理解性是它的一个显著有点。
决策树构建以后就可以依据决策树的规则对数据进行判定。决策树可以分为分类树和回归树两种。分类树对离散变量做决策树，回归树对连续变量做决策树，一般的数据挖掘工具允许选择分裂条件和修剪规则，以及控制参数来限制决策树，决策树主要应用于分类。
决策树方法的起源是概念学习系统CLS，然后发展到ID3 算法，最后又演化为能处理连续属性的C4.5算法。
（三）数据挖掘过程
1.确定数据对象，收集数据以及数据预处理
定义清晰的挖掘对象，认清数据挖掘的目标是数据挖掘的第一步。数据挖掘的最后结果往往是不可预测的，但是要解决的问题应该是有预见性的、有目标的。本文将挖掘的对象定义为同一专业三种不同类型学员的“步兵分队战术”课程中的“科目1”、“科目2”、“科目3”三个考核科目成绩信息，确定了数据对象后，从考试信息表和考试成绩表中选择出适用于数据挖掘应用的数据进行数据集成。数据集成好以后，就需要对数据进行预处理。数据预处理包括：去除错误数据和数据转换。错误数据，在统计学中称为异常值，应该在此阶段发现并且删除，否则，它们将导致产生错误的挖掘结果，同时，需要将数据转换成合适的格式。本例中首先要把原始成绩选取出来，去掉补考成绩，然后把原始成绩为缓考和缺考的数据删除，接下来进行数据转换，采取数据概化，定义90
2.构建决策树
数据预处理后，使用数据预处理得到的训练集，采用C4.5算法构建决策树。本例中，样本数据为2008-2011级A类、B类学员，2007-2010级C类学员，总数为2109名，随机抽取大约70%作训练集，其余30%作测试集，通过SQL Server 2000中的Analysis Service（数据分析服务）工具生成决策树。
3.规则提取
决策树生成以后，遍历决策树，也就是从根到叶发现若干条路径，每一条路径对应一条规律，整棵树就形成一组规则，然后通过分析规则发现最有用的子集，形成规则集。
4.结果分析
通过数据挖掘结果发现C类学员基本技能最好，但是理论知识掌握欠缺，综合实践能力较好；A类学员基本技能较好，理论知识掌握好，综合实践能力好；B类学员基本技能较差，理论知识掌握较好，综合实践能力有待提高。根据分析结果，可以对不同类型学员有针对性地改进教学重点，做到固强补弱，提高学员能力。
四、结语
应用数据挖掘技术来提高成绩的分析水平，通过对成绩深入、科学的分析，提取隐藏的数据信息，为院校管理部门决策提供依据，进一步提高教学质量水平是有很重要的实际意义。
参考文献
[1] 赵辉.数据挖掘技术在学生成绩分析中的研究及应用[D].大连海事大学，2007.
[2] 李文峰.数据仓库、OLAP和数据挖掘技术在国防生管理决策中的应用[D].重庆大学，2007.
[3] 黄杰.数据挖掘在军队人才培养上的应用研究[D].重庆大学，2005.
篇3
能够根据具体问题背景选择合适的统计图是学生统计素养的一个重要内容，也是学生对数据分析能力的一个表征。扇形统计图是在学生认识了条形统计图、折线统计图后的小学阶段的最后一个统计内容，该内容增加了选择合适统计方法的难度，使“数据分析”变得尤为重要。因此，教师在教学中要以数据为载体，以学生原有知识经验为基础，引导学生展开渐进式思考，探寻统计的有效方法，培养数据分析观念。
一、引发认知冲突，点燃统计内需
学习是一种由外而内的过程，学习最大的动力来自学生心灵深处，源自于自身的认知冲突。教师在教学中创设教学情境的目的正是为了借助外部环境的刺激，引发学生的内部认知冲突，促使学生在矛盾中生成新的需要，将学习不断引向纵深。苏教版六年级下册的“扇形统计图”一课意在使学生通过联系百分数的意义，体会扇形统计图描述数据的特点。为了让学生深刻领会扇形统计图的特点，教师在教学中改变了教材的编排顺序，没有直接出示例题中的扇形统计图，而是引导学生感知数据，造成他们认知上的矛盾冲突，点燃他们新的统计内需，逐步引出扇形统计图。教师这样给学生出示例题：我国陆地总面积大约是960万平方千米，其中丘陵占9.9%、山地占33.3%、高原占26.0%、盆地占18.8%、平原占12.0%。“同学们能否根据数据设计出一个统计图反映出我国陆地各地形分布情况？”教师边出示条件边提问。学生一听说设计统计图，马上联想到以前学习的内容，有的说：“我们可以画出条形统计图。”有的说：“我们可以设计成折线统计图。”教师表扬了学生善于联系旧知的意识后说：“请同学们想一想条形图与折线图分别用来反映什么？例题中的数据表示什么含义，可以用它们来表示吗？”教师的提示唤醒了学生的数据意识，经过对数据的观察与思考，学生们一致认为：“条形统计图用来直观反映数量多少，折线统计图反映了数量的增减变化，这道题中的数据都是百分数，表达的是部分量与总量的关系，看来以前学的那两种统计图不合适。”“那该怎么办呢？”一个女生迫不及待地问道。“是啊，我们该用怎样的图形来表示部分量与总量之间的关系呢？”教师故意装作不知，“看来我们必须另找出路了。”
二、引导自主思考，点化绘制图形
面对学生的急切心理，教师没有直接将“扇形统计图”推出，而是借助生活情境的观察感悟，引导他们自主思考，摸索出扇形统计图的特点和画法，逐步点化学生绘制出扇形统计图。“先请同学们来看一个有趣的拼盘。”教师边说边给学生展示了一张课前制作的地地形分布模型：用一个圆形塑料盘代表我国陆地总面积，在圆盘内用各种颜色的橡皮泥分别表示不同地形。教师用这个拼盘图对学生进行暗示启发，学生甲一点就通：“原来百分数关系可以用圆与扇形来表达，用一个整圆表示总量，用扇形表示各部分量。”学生乙补充道：“平原占12.0%，表示平原面积占我国陆地总面积的12.0%，我们可以用一个圆来表示我国陆地总面积，在圆内画出一个扇形表示平原面积。” 教师接着说：“同学们的悟性真高，像拼盘那样表示各部分量与总量之间关系的统计图我们称为扇形统计图。下面，就请同学们自己尝试着画出我国陆地各种地形分布情况统计图。”然后教师又引导学生根据各百分数的含义，讨论如何绘制出各个扇形。学生丙联系圆心角的知识道出了平原部分的画法：“一个圆是360°，360°的12.0%是43.2°，在圆内画出一个圆心角是43.2°的扇形就表示平原的面积了。”在学生丙的引领下，同学们迅速算出其他扇形的圆心角度数，并画出了完整的扇形统计图。
三、引领梳理反思，点醒对应思想
为了实现“教是为了不教”，教师在教学中经常引领学生梳理思路，反思学习得失，总结学习经验，使他们获得了质的提升。在学习“扇形统计图”一课的过程中，由于有了先前基于数据分析的精心引导，学生亲历了统计方法的选择与统计图的绘制，对扇形统计图的特点和作用了然于心，读懂扇形统计图自然不成问题。因此，在组织学生对统计图中的信息进行简单分析之后，教师增设了一个“回顾反思”环节，让学生回顾整个统计活动经历，使学生懂得了不同的问题背景需要用不同的数据分析方法，各种统计图的选用必须与数据意义相适应。如反映数量增减可选择折线图，要表达数量多少可选用直条图，要反映各部分量与总量之间的百分比关系可选择扇形统计图。高年级学生的类比分析能力比较强，教师让他们通过简要梳理与反思，能使他们明晰数据分析方法的选择的重要性，对数据分析方法的选择有清晰的认识，进而点醒他们的数学思想。
四、结束语
总之，统计教学是一个系统而完整的活动过程，从对问题背景的理解、对数据的解读、对统计方法的选择，再到图形的绘制等，这一切都离不开科学严谨的分析。数据分析是统计的核心，教师在统计教学中应以数据为核心，引领学生在科学分析中选择出合适的统计方法，从而圆满地完成统计任务。
篇4
场景1：有教师在课堂上出示用左耳或右耳接听电话的人数统计，要求学生计算相应的比例。这种数据于学生而言缺乏实际意义，统计的结果也不涉及相关处理问题，反映出教师对数据的理解不到位。
场景2：教学中，教师给出一些商品的单价，要求学生统计单价超过5元的商品。统计的缘由没有给出，不过是单纯的筛选技能训练，没有体现统计的必要性及其意义，反映出教师对统计概念的理解不到位。
场景3：教师提供多种饮料，如绿茶、红茶、奶茶、可乐等，要求学生从中选择自己最喜欢喝的三种，再根据全班的选择情况整理数据，列出最受班级欢迎的三种饮料。最后，教师给出专家建议“健康的饮品包括水、纯果汁、奶”，要求学生结合课堂统计的数据结果，在调查报告中表达自己对中学生选择饮料问题的看法和观点。由于此三种饮品没有完全出现在此前供学生选择的范围内，自然没有一个学生的选择与专家建议的健康饮品吻合，于是，学生回答，“不管喝什么，只要健康就好”。数据统计的目的就是为分析、决策提供数据支持，而该场景中数据分析部分与前面的统计结果相互脱节、没有关联，或者联系不够紧密，反映出教师对分析的理解不到位。
上述场景反映出的根本问题是，教师对数据统计与分析的内涵或者核心指向理解不足。“数据统计与分析”属于“信息加工与表达”中表格信息加工与表达部分的教学内容，与数据管理部分的内容具有相似的核心指向，即关注“关系”的挖掘与表达，而关系是隐藏在数据之中的，需要通过相关的操作，如借助公式与函数的计算、排序、筛选等，将数据间的关系挖掘出来，可以借助图表的形式进行直观表达，即通过可视化方式清晰展示。
关于数据统计与分析，信息技术课程教学纲要或者课程标准中都有针对性的要求，譬如，2012年中国教育技术协会信息技术教育专业委员会研制的《基础教育信息技术课程标准2012版》中，初中学段在“模块二：信息加工与表达”中对表格部分的要求如下。
1.能列举1～2种常见表格编辑软件，尝试简单编辑操作，理解二维表格的共同特征。
2.根据需求能在文档中绘制或套用表格，并对其属性能按要求进行调整和设置。
3.能应用电子表格进行简单数据的统计、处理，科学地借助折线图、直方图、饼图等直观表达数据。
4.从不同的角度和立场出发，通过对相同数据做不同的加工，表达不同的观点，或对相同数据做不同的解读，感悟信息加工和利用的选择性、多元性和复杂性特征。
上述4条描述涉及表格中数据的统计、表达、分析，关注到数据间的关系挖掘。
“数据统计与分析”涉及对数据的加工、处理，从中获取信息并加以解读。因此，可以从DIKW金字塔模型获得直接的借鉴。
解决之策：DIKW金字塔的启示
DIKW金字塔是关于数据、信息、知识及智慧的体系，如图1所示。
数据（Data）：可以是数字、文字、图像、声音、符号等，属于事实的记录，表达的是没有指定背景和意义的描述。
信息（Information）：是经过相关处理的数据，强调的是数据与数据之间的关系。
知识（Knowledge）：是有意义的信息，表现为信息和信息之间的关系。由信息到知识的转变过程，是一个对信息判断和确认的过程，需要结合经验、上下文联系、诠释和反省。
智慧（Wisdom）：是富有洞察力的知识，是运用知识分析和解决问题的能力，可以简单归纳为正确判断和决定的能力。
显然，DIKW体系同样关注关系的挖掘，即数据之间的关系、信息之间的关系，因而可以用来指导“数据统计与分析”部分的教学。
从问题解答的角度观察，信息层回答的是“是何”的问题，知识层解决的是“如何”的问题，智慧层则涉及“为何”的问题。早期研究中有学者曾指出，信息技术中的技术包含三层内涵：（1）动手做的技术，即基本技能；（2）如何做的技术，即设计和规划的技术；（3）为何做的技术，即技术的思想和价值。[1]三层内涵的观点涉及技术是何、如何、为何的问题，与DIKW模型具有共通之处，这为DIKW模型在数据统计与分析中的应用提供了佐证。
从DIKW的视角来看，数据统计与分析的过程也是追求实现“数据—信息—知识—智慧”持续变化的过程。即从数据开始，以形成智慧为最终目的。具体过程是：借助相关操作对数据进行处理、加工，明确数据之间的关系，提取出有意义的信息，进而将信息组织成知识，促进学生明确“如何去使用”，再进一步，当学生明确应该何时使用及为什么要使用时，便形成了智慧。
据此，数据统计与分析中的几个
关键词 ，即数据、统计、分析，都需要有专门的指向，符合内在的规定性，且数据、统计、分析应当做到前面环节为后续环节奠定基础，后续环节又必须在前面环节的基础上展开。具体来说，数据需要为统计服务，统计是建立在数据提供的基础上；统计的结果是为了进行分析，分析必须依赖于统计结果；分析的目的是为了提供决策的依据。这些关系必须在教学中予以体现，方能体现数据统计与分析的要义。
实践之道：基于DIKW的教学思路
从DIKW的视角，数据统计与分析教学需要经过三个过程：“数据信息”、“信息知识”、“知识智慧”。从关系发掘的角度，即隐性关系显性化、显性关系知识化、知识运用自动化，下文展开具体阐述。
1. 隐性关系显性化
隐性关系显性化，即从数据到信息的过程。数据可以是教师为学生提供的原始资料，或者是收集来自学生的资料。因为需要借此学习相关技能操作，如公式与函数的使用、排序、筛选、图表表示等，因此数据主要是数字形式，如考试成绩、购物费用等，根据需要也可以适当包含文字，如学生的血型、爱好等。
为了从数据中提取有意义的信息进而展开分析，数据需要符合一定的要求：其一，数据最好能够贴近学生，具有真实性。小至与学生个体相关的数据，大至与学校、社区、城市、国家相关的数据。贴近学生生活经验或学习经验的真实数据才能激发学生的兴趣，促进学生通过操作发掘数据之间的关系，形成有意义的信息。从教学实践来看，课堂或者课前收集来自学生的鲜活数据相对容易调动学生的积极性。其二，数据需要具有潜在的意义，即有统计价值，场景1中接听电话用左耳还是右耳的例子之所以失败，就是因为数据不具有统计价值，从数据中无法提取出有意义的信息。其三，数据要具有统计的必要，即数据要达到足够的量，少量数据往往无法体现出用计算机统计的优势。在数据量足够的情况下，可以通过人工计算与计算机统计的对比凸显计算机统计的优势和价值。
在数据有效的基础上，统计承担着从数据中提取信息的功能。为了保证将来从信息到知识的转变，统计所得信息当存在分析的可能、必要及价值，否则统计本身就没有意义。譬如，场景2中让学生统计购买的商品中单价超过5元的商品，数据本身没有问题，但这种统计的结果似乎没有分析的意义及价值，因而统计本身就失去了意义。
从数据到信息的转变需要学生借助一定的技术操作来实现，这个阶段涉及的技术属于动手做的技术，即技术的底层。例如，统计过程可能涉及计算、筛选、排序，统计结果的呈现涉及各种图表的使用。
2. 显性关系知识化
显性关系知识化，是指由信息到知识的转变。美国佛罗里达国际大学豪恩斯坦认为，信息是别人内化的知识，知识是自己内化的信息。[2]所以，如果信息是输入，知识在某种意义上便是输出。这意味着从信息到知识的转变需要学生在认知层面形成理解。这一阶段涉及的技术属于无形的技术。
此阶段是对数据统计结果进行分析的过程。譬如，统计全班学生血型，根据四种血型的统计结果，引导学生明确血型的相关知识。又如，统计不同品牌货物销售情况，从不同角度（商场、品牌负责人、顾客）去分析，得出不同的结论。若收集的数据与学生个人或家庭相关，则分析的结果最好能够凸显因人而异，从而促进学生在体验到分析意义的基础上，树立利用数据统计与分析为自己的学习、生活服务的意识。
譬如，《Excel中数据的处理》[3]中，教师要求学生将自己家庭衣、食、住、行、用等数据输入到碳排放计算工作表中，完成相关计算，并根据数据回答问题：
1.我们家（ ）方面碳排放最高，（ ）方面碳排放最低。
2.我们家年人均碳排放（ ）kg，和全球人均目标碳足迹2000kg比较，我们家是（高碳/低碳）生活。
3.为了应对气候变化，我们家应该从以下方面减少碳的排放。
每个学生获取的数据不同，结论自然就不同。这种差异性体现了一种真实，也帮助学生理解统计与分析的实际意义。
分析在统计与决策之间发挥着承先启后的作用，“承先”是指，分析必须依据统计所得结果来进行，体现两者的紧密联系，以保证分析的价值及统计的意义；“启后”是指，分析需要为后面的选择、决策提供依据与基础，因此需要恰当设计分析的内容，以保证决策得以进行。
譬如，《Excel中数据的处理》中1、2两个问题的分析必须建立在前面数据计算的基础之上，3题的回答又依赖于1、2分析的结果，充分体现出统计分析为决策提供数据支持的功能，促进学生对数据统计分析加深认识与理解。
3. 知识运用自动化
知识运用自动化，即从知识向智慧的转变过程，是指在学生掌握知识之后，借助一定量的知识应用练习，熟悉了知识的应用环境及方法之后，在不需要专门选择知识的情况下无意识地运用知识，达到自动化效果的过程。这一过程显然不是一蹴而就的，需要经历几个状态：在知识应用练习之前，处于“无意识的不用”状态；经过知识应用训练，基本掌握了知识应用场合及方法，但还不够熟练，遇到问题时，需要有意识地思考选择相应的知识，该阶段可以称为“有意识的应用”状态；经过足够的知识应用练习之后，学生对知识的应用形成更深的感悟，可以在无意识中，即自动选择某种知识应用于问题解决中，此时就进入了“无意识的应用”状态，达到此状态，即完成了由掌握知识到生成智慧的转变。
具体到数据统计与分析的教学中，就是根据分析结果进行选择或决策的过程。智慧指向正确判断和决定的能力，因而在数据统计与分析后期，需要引导学生依据分析的结果进行选择、决策。智慧倾向关心未来，含有暗示及滞后影响的意味，与此类似，课堂上的选择抑或决策只能更多发生于认知层面，形成的是决策时的心理倾向，但追求的是持续影响学生并实现将来在现实情境中的外显行为的变化。因而，知识运用自动化在一次课内未必能够实现。
同数据分析类似， 决策可以因人而异。譬如，《Excel中数据的处理》中的问题3。教学中需要引导学生根据实际做出符合需求的决策。譬如，《Excel综合运用》[4]案例中，教师课前安排学生对自己居住小区的人居环境从自然、人文、社会、建筑和支持网络几个方面进行评价，课堂上则围绕用Excel软件对若干个小区的人居环境状况作系统的分析，涉及Excel数据加工技术的综合应用，如排序、筛选、分类汇总等，然后得出结论，哪个区的人居环境综合比较好。最后环节是引导学生的实际应用：
是不是××区的人居环境比较好，我们都要住在那个区？在选购住所的时候，首先应该考虑自己的需求，根据实际需要确定自己的选择。
（1）假如你是一名在南京一中读高一的学生。
需考虑因素：你的父母希望你上学路途中花费的时间比较少，小区居民的整体文化素质比较高。
（2）假如你的爷爷奶奶退休了，考虑给他们选择一处房屋。
需考虑因素：空气新鲜，小区休闲设施齐全，邻里关系和睦，靠近你家现在的住处，方便照顾老人。
该案例是在对真实数据进行统计的基础上，通过分析引导学生明确如何选择、为什么要如此选择，关注学生在掌握知识的前提下生成智慧。学会选择，这就是智慧，影响着将来的选择行为，即根据实际需求进行选择，其实不仅是小区的选择，也包括人生中的其他选择。
知识运用自动化阶段的教学要求：其一，必须为学生提供需要决策的情境，以促进学生在类似情境下的顺利迁移。这一点需要在数据呈现的同时即提供给学生，以促进学生明确数据处理的根本目的。其二，决策需要根据分析的结果来进行，让学生充分体会到分析的目的及价值，即为决策提供依据。
按照上述隐性关系显性化—显性关系知识化—知识运用自动化的思路，教学中引领学生经历数据的收集、整理—处理、加工—分析、表达—选择、决策这一完整过程，促进学生对数据处理形成整体感知与理解。
数据统计与分析的完整过程是从数据收集与录入开始，经过表格规划与修饰、数据处理与统计、图表与分析等，因此，未必在一节课内完成，但整个部分的教学经历完整过程即可。也可以在综合应用或者复习课上，带领学生经历此完整过程，为了在一节课内实现，可以简化部分细节，如使用半成品策略，以凸显整个流程。
结束语
从DIKW金字塔模型的视角观察“数据统计与分析”的教学，意义在于：明确数据统计与分析的教学不能止步于简单的数据收集、整理、加工，其意义主要体现于在此基础上的分析及进一步的决策。即教学中在由数据到信息的转化基础上，关注显性关系的知识化并追求知识运用的自动化。
显然，DIKW模型也适用于信息技术课程中的其他内容，譬如DIKW体系经常应用于信息科学，因此可以应用于搜索技巧及数据挖掘。
注： 本文为江苏省教育科学“ 十二五” 规划课题“ 信息技术课程思想及其应用研究” （ B -b/2013/01/039）的研究成果。
参考文献
[1]李艺.高中课改实验进行时[J].中小学信息技术教育，2005(1).
[2]盛群力.21世纪教育目标新分类[M].杭州：浙江教育出版社，2008:67.
篇5
生源是学校的生命线，是制约高职院校发展的主要因素，这两年高职生源的变化，特别是生源的多样化，已成为影响高职院校教育教学工作的重要因素。以前学生生源来自高考普招，成绩基础好，学习的主动性和积极性高，有一定的求知欲，开展课程教学比较容易，课程教学的效果好。现在的生源多样化，导致学生的学习态度、主动性和积极性下降，对课程教学造成很大的影响，课程教学实施困难。目前需要研究好学生的学情，采取相应的对策。
1 学生学情分析
对于学生的学情，生源的多样化，导致学生分化较大，部分学生成绩优秀，动手能力强，能认真钻研专业技术，在国内各种竞赛中获奖，毕业后能在工作岗位中有很好的发展，但也有很多学生不爱学习，课堂不认真听讲，不喜欢动手操作，不喜欢实训，甚至对于专业不感兴趣。
1.1 学生的生源状况
最近两年生源状况如表1所示，数据通信课程教学针对2015级大二学生。
从表中可以看出生源的多样化：生源混编、自主单招和专业混编。学生的基础不同，这就给数据通信课程教带来了困难。
1.2 学生的课程安排状况
从表2中可以看出，学生课时较多，课表安排很满，每周28节课，学生任务重，学生没有自由的时间学习自己喜欢的课程和技能。只能被动的学习课程，长时间会导致学生学习疲劳，对于上课变得麻木，缺少主动参与课程教学活动。同时对于专业课程，方向较多，学生每个方向都学，导致广而不精。
1.3 调查问卷和访谈结果分析
针对学生的学习态度、兴趣、学习方法习惯和将来就业意向，进行调查问卷和分析。调查统计结果如图1、2、3、4所示。
从学情调查结果的分析中可以看出，学生的学习态度比较差，只有很少的学生有明确的学习目标，很多学生学习被动，甚至有旷课的，不想上课的。学习习惯比较差，不交作业或缺交作业，很多抄袭别人的作业，独立完成的很少。对于将来的就业意向，一半学生想良好就业，其他学生想创业或自主择业，还有部分学生没想好的。
2 数据通信课程教学改革
2.1 以职业认证为导向
以网络工程师的能力培养作为本课程改革教W的出发点，课程教学内容围绕网络工程师的考核内容，首先统计分析认证的重点知识，所占比例，制定课程的教学内容的重难点。
依据网络工程师的考核要点，对于网络技术课程的教学，实施改革，通过修改大纲和授课计划，注重认证的考核内容，提高实践教学的比例，注重学生的实践操作能力，增强学生的学习兴趣。如表3所示。
2.2利用华为网院的网络资源
鼓励学生通过华为网院，在线自主学习专业知识，提高专业技能。同时为学生的考证提供方便，申请折扣号，减轻学生进行网络工程师认证的负担。在学生学完每个阶段，对于所学内容进行知识的测试，让学生明白自己的掌握情况，同时也让老师了解教学效果，进行教学方法的调整。
2.3 对于学生进行分类教学
对于学生在二年级可以分专业方向，把学习的专业更细化，让学生学习自己感兴趣的方向，同时能减少学生的课时，让学生有时间去思考，引导其去主动学习，防止把时间浪费在过多的专业课程上，使学生学有所长，在学校中能很好地掌握一门专业技能。
课程结束后，对全体学生组织技能竞赛，对于表现好的学生进行奖励，让学生感受课程学习的成就感，同时明白技能的重要。
3课程教学改革的建议
首先通过校园图书馆、互联网等媒介广泛搜集文献资料，查阅有关高等职业院校学生的学情，了解国内外相关理论，分析其成功经验和存在问题，为课程教学提供理论基础。
然后通过设计调查问卷，搜集相关信息，了解学生的学情，通过具体学生的访谈，分析学生的的特点、发展前景和存在问题，找到相应对策。
最后通过课程教学的开展，找到提高学生学习兴趣的途径，进行数据通信课程的教学改革，找到解决问题的策略，为人才培养提供依据和教育教学改革提供方向。
4 结束语
学生生源的多样化及生源质量的下降，给高职教学造成了很大的难度，高职教学应该分析学生的学情，了解学生的状况，开展课程教学改革。本论文具体改革的步骤通过问卷调查、访谈、数据统计分析学生的学情，然后基于数据通信课程具体教学改革探索，找到改进学生学习方法、提高专业兴趣和技能的建议策略，从而为后面学生的培养提供一定的理论参考和行动策略。
参考文献
[1] 吴玉章，方建群.从学情调查探析高教改革的若干细节问题[J].医学教育管理，2015.
篇6
一、引言
辍学率居高不下已成为国际远程教育领域的共性问题之一。世界各国开放大学的招生规模不断扩大，但极高的辍学率给学生、院校和社会带来了较大影响，也困扰着远程教育的发展。
英国开放大学作为世界远程教育的翘楚，目前的毕业率仅为22%，是英国全日制普通高等教育毕业率（82%）的1/4左右，是业余高等教育毕业率（39%）的一半左右；其他远程开放教育院校的毕业率则更低，如印度安姆贝德卡大学为14%、南非大学为6%、加拿大阿萨巴斯卡大学为5.3%、美国的凤凰城大学为5%。[1]
在我国，开展网络高等学历教育的试点高校先后开设了300余种专业、1500多个专业点，设立了9000多个校外学习中心，累计招收网络远程教育本、专科学生1000多万人[2]，学生人数位居各类教育形式之首，但也受到高辍学率的困扰。目前，远程教育学生的辍学问题还没有在我国引起充分重视，对辍学者的行为研究和理论模型十分缺乏，甚至很多远程教育院校没有完整的辍学统计数据，更谈不上对辍学问题的分析、研究和干预。
西南交通大学网络教育学院自2001年起作为全国首批网络教育试点高校之一开始招生，截止2012年12月31日，先后共开设了47个专业，设立了59个校外学习中心，累计招收网络本、专科学生十万余人，总体辍学率为8.30%。西南交通大学网络教育学院（以下简称“学院”）的学生分布广泛，影响其辍学的因素复杂多样。在日常学籍管理工作中，学院对所有辍学学生均严格要求办理相关辍学手续，并详细记录了所有辍学者的辍学时间、辍学原因等相关数据。
本研究以学院2008～2012年（共5年）的所有学籍数据为研究对象，对之进行多视角的挖掘分析，以期为远程教育辍学研究提供一个完整的实证案例，为各远程教育院校、学习中心降低辍学率提供相关参考和借鉴。
二、数据样本及研究方法
1. 研究对象及数据来源
本研究利用学院“教务管理数据库”平台，选择2008年春季～2012年秋季（共10个学期）全部学生的学籍数据，共计135670条，建立“2008-2012年学籍状态数据库”，并关联毕业生学历数据表、辍学学生数据表、学习中心数据表、各专业数据表等相关数据，全面分析、挖掘2008～2012年间辍学情况。
2. 数据指标定义
本文中，辍学率=辍学人数/招生注册数。其中，“招生注册数”指已经完成了学籍注册、获得学号、具有学籍的学生总数，包括在读、已毕业和辍学流失三类学生；“辍学人数”包括辍学、开除、已达最长学习年限但未完成学业而被清退的三类学生数。
3. 数据预处理
（1）将所有辍学学生按照入学时间、学习层次、专业、性别、年龄、学习状态等进行分类、整合，从多视角计算、分析其辍学情况；
（2）对学院先后开设的47个本、专科专业进行归一处理，分为文法类、理工类、经济类三个大类，分别统计其辍学等相关数据；
（3）将所有辍学学生按学习中心所在的行政区划进行分类，共得到27个省（市）/自治区的有效数据，将其再按照地域方位划分为东北、西北、西南、东南、中部共五个区域进行统计；
（4）计算所有已辍学学生“参加过考试的学期数”，得到其有效在读的时间，即“修业时长”，并将该数据进行归类统计；
（5）对专升本辍学学生的统考通过情况进行分类统计。
4. 统计分析方法及研究工具
本研究采用SQL、FOXPRO、EXCEL等数据库软件，对所有数据进行采集、统计，并对数据进行关联、求和、百分比、标准差等计算处理。
三、辍学总体情况
根据统计数据（表1），2008～2012年学院共计招收本、专科学生135670人，目前在读或已毕业人数125768人，辍学人数共9902人，总体辍学率为7.30%。其中，高升专辍学人数6154人、平均辍学率7.28%，专升本辍学人数3748人、平均辍学率7.33%。
我国网络教育学制为2.5年，目前2008～2010年入学的学生已到毕业时间，2011、2012年入学的学生仍处于正常在读年限内。根据2008～2012级各层次辍学率逐年分布图（图1），2008～2012级总体辍学率呈现下降趋势，且各年级专升本辍学率普遍高于高升专辍学率。2008级专升本辍学率达到最高值（11.95%），高于平均辍学率4.65个百分点。
四、辍学率变化趋势及差异比较
学生辍学涉及很多因素，如学习基础和能力、经济状况、环境变化、工作调换、出国、生病、怀孕，等等。但学生在填写“辍学原因”时，往往只简单地填写“自动辍学”或“工作原因”等，由此难以得到学生真实的辍学原因。因此有必要对所有辍学数据进行不同视角的观察和分析。
1. 辍学时间的情况统计
从表2和图2可以看到，辍学时间主要集中在每年的4月和10月，其辍学率分别为15.26%和21.63%。平均月辍学比例的标准差值为0.0579。在每年春、秋季学期，新生入学注册的时间大约是3月和9月，4月和10月为新生入学后的第一个月。
结合已辍学学生参加考试的学期数（图3），可以看出辍学学生的“修业时长”主要集中在前两个学期，其中没有参加任何学习就辍学的学生占辍学总人数的21.94%，为最大值。此后逐渐下降，在第5个学期出现一个小高峰（14%）。已辍学学生参加考试学期数比例的标准差值为0.0806。由此可见，辍学学生主要集中在学习的早期阶段，较有代表性的时间段为新生入学一个月左右的时候及学习时间到达学制2.5年的时候（第5个学期）。
2. 各专业学生的辍学情况
从表3和图4可以看出，专升本学生的辍学率略高于高升专学生；文法类和经济类学生辍学率相对较高，理工类学生辍学率较低。但总体来说，各大类专业学生间的辍学率区别不大，标准差为0.01150。
3. 不同性别、年龄学生的辍学情况
从表4和图5可以看出，女生辍学率的标准差为0.0126，大于男生0.0073的标准差，总体标准差为0.0087。20～46岁的辍学率变化幅度虽然不大，但呈现明显的规律：26岁以前男女生辍学率整体高于26岁以后；21～25岁学生辍学率最高，31～35岁学生辍学率最低；20岁左右的学生，男女生辍学率无明显差别；21～30岁的学生中，女生辍学率高于男生，其中21～25岁的女生辍学率达到9.65%，为所有年龄段学生中最高；26～30岁学生中，男女生辍学率基本一致；30岁以上学生中，男生辍学率高于女生，其中31～35岁学生中，女生辍学率为6%，为所有年龄段学生中最低；46岁以上的学生中，男女生辍学率趋于一致。
4. 不同地区学生的辍学情况
通过对不同学习中心所在行政区域的辍学情况进行统计，共得到27个省（市）/自治区的有效数据。将该数据按照地域方位划分为东北、东南、西北、西南、中部共五个区域，进行进一步归类统计，得到以下数据（表5）。
通过不同学习中心所在地区总体辍学率分布图（图6）可以看出，地处西北地区的学习中心其学生辍学率最高，达到9.25%；其次是东南、中部和西南地区，分别为8.00%、7.25%和6.54%；东北地区辍学率最低，为4.15%。不同地区辍学比例标准差为0.0318。
5. 专升本已辍学学生的统考通过情况
根据教育部和网考委的相关规定，网络教育专升本学生必须通过公共基础课全国统一考试（以下简称“统考”），因此对统考通过情况的统计是分析学生辍学原因的重要依据。从专升本辍学学生统考通过情况的统计（表6、图7）可以看出，专升本学生辍学总人数为3748人，其中仅通过英语统考的人数为170人，占专升本总辍学人数的4.54%；仅通过计算机统考的人数为169人，占专升本总辍学人数的4.51%；两门统考均未通过的人数为3408人，占专升本总辍学人数的90.93%；两门统考均通过却辍学的学生仅1人，占专升本总辍学人数的0.03%。该生为女性，年龄25岁，于2010年秋季入学，机械设计制造及自动化专业，辍学时间为2012年6月，参加过3个学期的期末考试，在读期间共选修16门课程，其中9门课程通过，7门课程均因“缺考”而未通过。经调查了解，该生因工作地点频繁变动而无法继续学习。
五、辍学原因分析及讨论
通过以上对各项辍学数据的统计和分析，以及各类数据的标准差值，可以看到，对辍学情况影响最大的因素为专升本统考的通过情况。网络教育对学生的入学水平没有严格的要求，入学后各门课程的教学、考试标准也由各院校自行把握。然而面对“统考”这一国家统一考试，学生的通过情况则与其入学水平呈正向关联。如何有效提高学生的学习能力和真实水平，是网络教育解决专升本辍学问题的重要因素。
统计结果显示，辍学往往发生在学习的早期阶段，具体时间是入学后第一个学期的一个月内。此外，第一次考试后也是辍学的高发时间段。数据无法体现出其具体原因是什么。但根据日常教务管理经验，笔者推测可能是学生入学后发现学习的难度超过了预期，也可能是第一次考试的通过情况让学生丧失了继续学习的动力。不管何种原因，在此期间于学习支持服务中提供积极指导和早期干预是非常重要的。
不同性别和年龄对学生保持率的影响也不容忽视。在数据统计中，相对年轻的学生更容易辍学。网络教育的学生往往是在职学习的成人学生，工学矛盾十分突出。学生需要有很强的时间管理能力，能合理规划生活、工作和学习的时间，能按部就班地完成每一阶段的学习。网络教育现有的学习支持服务主要是解答问题和满足需求，这类服务的对象是那些已经具有良好“活跃度”的学生，此类学生往往具有较高的保持率。而那些相对“安静”或“冬眠”的学生则需要更多的主动帮助、按时提醒和及时干预。
在我国，地区经济发展水平不均衡，东部经济发展较快，西部经济则相对落后。在日常教务管理工作中，我们经常遇到西部或偏远地区学生因为经济原因而辍学的情况，比如付不起学费、买不起电脑等；另一方面，在东部等经济发达地区，人员流动性较大，很多学生因为工作变动频繁或工作地点不能提供良好的远程学习条件而放弃学习。网络教育可以通过多样化的学习和考试方式，甚至是便携式移动终端来解决学生在时间和空间上的不便；通过贷款等资助方式解决学生的学费问题。
不同专业对学生辍学的影响主要体现在专业间难度不同以及学生入学水平的差异上。部分学生因为选错了专业但又不符合转专业的条件而选择辍学。因此，在入学时学习支持服务人员帮助学生选择适合的专业是降低辍学率的积极做法。另外，帮助基础较差的学生提高学习水平、激发学习兴趣至关重要。网络教育通过提供灵活的课程结构、适中的课业负担、多样的学习方式，能有效提升学生保持率。
当然，无论采取何种措施来降低学生的辍学率，都需要花费院校、学习中心、学习支持服务人员的时间、精力和成本。目前，我国远程教育院校的收入主要来源于学生缴纳的学费。有研究表明，招收一个新生的费用远高于挽回一个辍学者的费用[4]。因此，挽救一个学生的成本会换来数倍的回报，对院校、学习中心甚至学生本人，带来良好的成本-效益。
目前我国远程教育对辍学学生的关注度并不高，降低辍学率的工作任重而道远。各远程教育院校需要不断提升服务水平、完善辍学数据统计；学生则需要保持学习动力、提高学习水平，获得更好的远程学习体验。
[参考文献]
[1] 刘永权，李莹. 破解远程开放教育高辍学率的难题——访英国开放大学奥蒙德·辛普森教授[J]. 开放教育研究，2012，（10）.
[2] 孙崇正，安哲峰. 基于网络远程教育的高校创新性人才培养模式改革研究[J]. 现代远距离教育，2011，（2）：43-46.
[3] 刘永权，牛健，李莹. 透视国外远程教育降低辍学率的窗口——对英国开放大学扩大参与中心2010年报告的解读[J]. 现代远程教育研究，2011，（6）.
篇7
【Abstract】Objective To study the morphological changes at the megakaryocytic system in thrombocytopenic diseases and thrombocytosis disease.Methods This issue retrospectively analyzed 96 cases of various diseases thrombocytopenia, thrombocytosis 36 cases. We observed their morphology again and aimed at the rule of its change.Results The results showed abnormal morphology in both idiopathic thrombocytopenic purpura and myeloproliferative disorders, whereas the morphology abnormality of megakaryocytic system in secondary thrombocytopenia mostly occurred in hematopoietic diseases and had the similar appearance. Conclusions The change of morphology at the megakaryocytic system has certain significance on classification the cause of thrombocytopenia and thrombocytosis.
【Key words】 megakaryocytic systems; thrombocytes; morphology
近年来血小板减少性紫癜(thrombocytopenic purpura,TP)和血小板增多的病因分析和诊断方法不断改进，但是，骨髓形态学的诊断依然占有主要的地位，本文回顾分析180例血小板减少及血小板增多的骨髓象，着重分析巨核细胞以及血小板的形态改变，以探讨不同病因的血小板减少和增多的巨核系统形态异常的表现在疾病诊断中的价值。
1 材料与方法
1.1 观察对象 自1991年到2006年我科收治的180例血小板数量异常，经骨髓检查及临床确诊的病人，首诊为原发性血小板减少性紫癜(ITP)48例，继发于造血系统疾病的血小板减少96例，其中再生障碍性贫血(aplastic anemia,AA)22例，骨髓异常增生综合征(myelodysplastic syndrome,MDS) 32例，巨幼细胞性贫血(megaloblastic anemia ,MA)19例，急性白血病(acute leukemia ,AL)23例。原发性血小板增多症(essential thrombocytosis ,ET)3例，其它骨髓增殖性疾病33例，包括真性红细胞增多症(polycythemia vera ,PV)9例，慢性粒细胞白血病(chronic myelocytic leukemia ,CML)24例。
1.2 检查方法 瑞氏染色的骨髓片，在显微镜下，1000倍放大观察骨髓涂片中巨核细胞的胞体大小变化，胞核大小及形状的变化，核染色质的疏松与致密，胞浆中颗粒的多少与血小板的形成，血小板的大小与颗粒的多少。
2 结果
原发性血小板减少性紫癜与继发性血小板减少的巨核系统形态变化,见表1。48例原发性血小板减少性紫癜的骨髓巨核细胞出现胞体大，核疏松肿胀41例，核多分叶43例，胞浆颗粒减少47例，血小板生成障碍48例，出现巨大血小板19例。22例继发于再生障碍性贫血的血小板数量减少的骨髓巨核细胞以数量减少为主，形态基本正常。32例继发于骨髓异常增生综合征的血小板数量减少的骨髓巨核细胞出现核疏松肿胀15例，核多分叶17例，胞浆内颗粒减少29例，小圆巨19例，血小板生成障碍28例。19例继发于巨幼细胞性贫血的血小板减少的骨髓巨核细胞出现核疏松肿胀19例，核多分叶19例，胞浆内颗粒减少19例，可见大血小板。23例继发于急性白血病的骨髓以巨核细胞减少为主，可见核多分叶3例，大血小板3例。血小板增多的疾病的巨核系统形态变化,见表2。3例原发性血小板增多症的骨髓巨核细胞胞体小，核染色质浓缩致密，胞浆颗粒增多，血小板堆积成团，以小血小板为主。9例真性红细胞增多症的骨髓巨核细胞未见明显异常，可见小血小板。24例慢性粒细胞白血病的骨髓巨核细胞胞体较小23例，可见小圆巨19例，可见大量散在及成堆分布的小血小板。
3 讨论
骨髓涂片中病态巨核细胞及异常血小板的检出对部分血液系统疾病的诊断与鉴别诊断具有一定的价值［1-2］，尤其是原发性血小板减少性紫癜与继发性血小板减少性紫癜的鉴别诊断［3-4］，对原发性血小板增多症与继发性血小板增多症也有参考价值。本组病例中原发性血小板减少性紫癜的巨核细胞胞核以疏松肿胀为主，占85%。而原发性血小板增多症的巨核细胞胞核则表现为核浓缩致密。原发性血小板减少性紫癜的血小板以大血小板及巨大血小板为主，占40%，血小板内颗粒减少。原发性血小板增多症的血小板以小血小板为主，颗粒密集。继发性血小板减少的疾病当中，骨髓增生异常综合征的巨核细胞的病态改变与原发性血小板减少性紫癜有相似之处，都可表现为核疏松肿胀，核多分叶，胞浆颗粒减少。巨幼细胞性贫血的巨核细胞病态改变也与原发性血小板减少性紫癜相似，同样表现为核疏松肿胀，核多分叶，胞浆颗粒减少。继发于再障和除M7以外的急性白血病的巨核细胞以数量减少为主，形态未见明显异常。淋巴细胞样的小圆巨常见于骨髓增生异常综合征和慢性粒细胞白血病，并可在外周血中出现。本文认为原发性血小板减少性紫癜与原发性血小板增多症的巨核细胞及血小板的形态异常表现是完全不同的。原发性血小板减少性紫癜与继发性血小板减少性紫癜的巨核细胞和血小板的形态异常表现有相似之处。原发性血小板增多症与其它骨髓增殖性疾病也有相似之处。所以，形态学诊断必须结合其他系统的形态变化及其临床表现才能作出正确的诊断。
参考文献：
［1］ 曾衡军, 王有元, 张秋桂,等. 骨髓病态巨核细胞与血液系统疾病［J］. 南华大学学报. 2004，32(2):239-240.
篇8
首先，启动Excel，点击工具菜单中的“加载宏”选项，在出现的对话框中选中“分析工具库”，确定安装后，在菜单栏的“工具”下会出现“数据分析”选项。
2 使用Excel进行数据统计描述
用Excel可进行数据的统计描述，包括：（1）集中趋势（集中指标），它包括算术平均数，中位数，几何平均数，众数等。Excel提供有现成的公式及内置函数可进行这几个指标的计算。如首先输入一组数字，然后建入公式=AVERAGE（常数），=MEDIAN（常数），和=MODE（常数），按回车健可得到算术平均数，中位数和众数；（2）离散趋势（变异指标），它包括全距，百分位数，四分位数间距，方差，标准差，标准误，偏度系数和峰度系数等。而其中以方差，标准差，百分位数和标准误较为常用。同样在电子表格中建入公式=VARP（常数）和=VAR（常数）两函数可计算总体方差和样本方差。建入公式=STDEVP（常数）和=STDEV（常数）便可得到总体标准差和样本标准差。
3 t检验
t检验是医学统计分析中最常用的统计分析方法，用来检验标准试样测定结果的平均值与标准值之间是否有统计学意义。Excel“数据分析”中提供了多种不同条件的t检验工具，如“平均值的成对二样本分析”，“双样本等方差假设”，“双样本异方差假设”及其他统计分析工具，当样本中的观察值存在配对关系时，可以使用“平均值的成对二样本分析”t检验。例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t检验并不假设两个总体的方差是相等的。例如，用某药物治疗高血压患者10名，治疗前后舒张压变化如下：
在工作表中输入上面的数据，比如数据区为A1至J2。分析时，在“工具”菜单中，单击“数据分析”命令。在数据分析对话框中，选择t检验：平均值的成对二样本分析，拉出平均值的成对二样本分析对话框，其中有如下输入项：变量1的区域：输入需要分析的第1个数据区域的单元格引用。该区域必须由单列或单行数据组成。可单击输入框右面的按钮，回到电子表格上自数据开始的单元格向结尾的单元格拖动。此时变量1的区域（A1~J1）自动进入输入域中。然后单击输入域右面的按钮，回到原对话框。变量2的区域：输入需要分析的第2个数据区域的单元格引用。该区域必须由单列或单行的数据组成。输入方法同前。变量2的区域为（A2~J2）。假设平均差：在此输入期望中的样本均值的差值。缺省为0值，即假设样本均值相同。标志：如果输入区域的第1行或第1列中包含有标志项，应选中此项：如果输入区域没有标志项，Excel将在输出表中生成适宜的数据标志。这里选中此项。α在此输入检验的统计意义水平。该值范围为0～1之间。缺省为0.05。
输出区域信息可选择如下单选项：输出区域和新工作簿。我们选择新工作表，结果为平均95.88889，方差80.86111，观测值9，泊松相关系数0.881366，假设平均差0，df 8，tstat 5.230769，P（T≤t）单尾0.000396，t单尾临界1.859548，P（T≤t）双尾0.000792，t双尾临界2.306004。两组比较差异有统计学意义（P
4 方差分析（analysis of variance，ANOVA）和卡方检验
在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、可重复双因素分析和无重复双因素分析，现简单介绍方差分析的应用。
单因素方差分析：在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，具体的格式如表，表中每个水平的试验数据结果放在同一行内。数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容如下：（1）输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取；（2）分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行；（3）如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取；（4）α：显著性水平，一般输入0.05，即95%的置信度；（5）输出选项：按需求选择适当的分析结果存储位置。 双因素无重复试验方差分析 与单因素方差分析类似，在分析前需将试验数据按一定的格式输入工作表中。 数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素无重复方差分析”，出现一个对话框，对话框的内容如下：（1）输入区域：选择数据所在区域，可以包含因素水平标志；（2）如果数据输入时选择了因素水平标志，请选择标志按钮；（3）显著性水平α：根据实际情况输入，一般选择0.05；（4）输出选项：按需要选择分析结果存储的位置。
可重复双因素分析：双因素可重复方差分析与双因素无重复方差分析数据输入的区别在于对重复试验数据的处理，就是将重复试验的数据叠加起来。 数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素可重复方差分析”，出现一个对话框，对话框的内容基本与双因素无重复方差分析相同，区别在于每一样本的行数选项，在此输入重复试验的次数即可。若须对数据进行方差分析时，在输入区域选择数据所在区域及因素水平标志，在每一样本的行数处输入3，即每种组合重复3次试验，显著性水平选择0.05。在输出选项中可以按照需求选择分析结果储存的位置。选择确定以后分析结果。在工具菜单中均有现成的这3种分析工具。
5 非参数检验
Excel也没有提供非参数检验的分析工具，但可利用其提供的函数和公式可进行分析。如利用IF（指定要执行的逻辑检验函数）和COUNTIF（ 条件函数 ）进行编秩。利用=SUMIF（条件单元格求和函数 ）计算正负秩和。=COUNT（个数函数）利用=ABS和=SQRT计算绝对值和z值。
6 相关回归
为了反映两个或多个变量之间的关系，描述相关关系的方向与密切程度，需采用相关分析；为了反映两个或多个变量之间的依存关系，建立回归方程，采用回归分析。先将数据输入工作表中，然后用Excel提供的函数可进行线性回归（linear regression）又称简单回归的分析和Spearman等级相关分析，用菜单中的“工具数据分析相关糸数可进行相关分析。用“工具数据分析协方差工具可进行协方差分析。用Excel的XY散点图工具可以进行散点图的绘制。
Excel是一种使用极方便的电子表格软件，它有强大的数据管理功能，不仅能够根据需要分类管理数据信息，能进行数据统计、筛选、排序、汇总、汇制图表等，还能利用其强大的函数功能以及分析工具库为建立复杂的统计或计量分析工作带来极大的方便。
篇9
教研组长
时间
2020年4月14日
地点
一年级数学教研组
主持人
记录人
参加人员
一年级全体数学教师
缺席人员
无
教研主题
统计教学重在培育儿童的数据分析观念
活 动 内 容 及 过
老师发言：
今年在疫情肆虐的情况下，大数据起到了非常大的作用，通过数据的收集和整理解决了很多的问题。那么我们本册教材的第一单元就安排了数据收集整理，让我们的孩子从小都意识到数据的重要性。统计教学对于我们低年级孩子来说，还需要老师的帮助和引导去确定分类的标准，再去进行分类和整理。在整理的过程中还要引导孩子们怎样做到不重复，不遗漏。教学中还应注重选择贴近儿童生活的真实任务，使他们在经历收集数据，整理数据和分析数据的过程增强应用意识，感受统计的价值！
统计教学不仅仅是让儿童认识绘制统计表、统计图。掌握计算平均数等知识技能。重要的是培养数据分析观念。
下面请大家勇跃发言！
老师发言：
对于统计表孩子们在分类统计着方面还是有点欠缺！有时候会找不到具体应该分哪两类！
老师发言：
从对吴正宪老师的讲课学习中，我体会到了数据分析观念的重要性，认识到了培养学生的数据分析观念，对于他们今后一生的发展的重要意义。对于学生数据分析观念的培养，要把培养他们运用数据解决问题的意识放在首位，通过紧密联系学生生活的教学方法，循序渐进地进行培养，在以后的统计与概率教学中，我会让学生通过数据分析、搜集整理来真正理解统计的意义，从而培养学生数据分析观念的素养，为他们今后进一步的学习打下良好基础。
老师发言：
通过学习吴老师的讲座，感受到统计教学和现实生活紧密相连。我们在教学中，不要单纯为了统计教学而进行教学，要让孩子们再具体情境中产生收集数据的欲望，并根据数据进行分析，找到解决问题的合适方法。
针对低年级学生来说，就算他们目前在统计上还不具备足够的知识，他们也不需要害怕，我们应该在他们很小的时候就开始学习统计。
统计的教学，其实不需要任何起点，我们只需要从学生感兴趣的问题开始，这与传 统数学课是非常不同的。在统计课上，学生除了学习统计知识外，更重要的是要体验统计过程。也就是提出问题，收集数据，分析数据，理解与推断，交流。孩子们可以提出非常简单的问题作为开始，要注意没有坏的问题。当然，问题可以在老师的帮助下有所发展。比如学生提出问题我们班最喜欢的电影是什么？老师可以说这是一个好问题，不过男生跟女生的答案可能会很不一样。当然，另一个重点是所提的问题要是一个基于数据的问题。学生还需要知道，提出问题后，需要获取好的数据，而有些数据是不容易获得的。所以孩子们需要对他们的问题有所规划，然后将需要研究的问题转化为具体的调查问卷，以便下一步的数据收集。
因此，统计教学培养孩子们的大数据观念，逐步提升孩子们的眼界，格局，做任何决定不是一拍脑门的盲目，而是有理有据分析、推理的结果。
郑海变老师发言：
通过学习吴老师的讲座明白了数学来源于生活，生活离不开数学。数据分析观念是统计思想的一个重要组成部分。学生数据分析观念的培养都离不开对生活中的数学问题的探究。这就要求我们培养小学生的数据分析观念，以数学的眼光解决一些实际问题。学生数据观念的培养，就是通过解决生活中的实际问题来实现的，最终以问题的解决为目的.
李景老师发言：
统计图表将数字信息用图表的形式直观的表达出来，使数据之间的关系得到直观的发展。统计图表在统计中发挥着较大的作用，并且呈现形式多种多样。教学中要让学生力求通过具体的操作活动体验统计的必要性和重要性。
篇10
作为我国高等教育一支重要生力军――高等职业教育近几年来的发展可谓迅猛，无论是学校数还是学生人数，高职专科的规模已是我国高等教育的半壁江山。高职教育对人才的培养目标是为国家和地方经济的发展输送适应生产、建设服务等一线急需的应用型高素质人才，《国务院关于大力发展职业教育的决定》中就提出了“坚持以就业为导向，深化职业教育教学改革”，要求加强职业院校对学生实践能力和职业技能的培养。
1 现状
目前，高职学生在学校完成系统的课程学习依然是高职教育教学的主要方式，在此过程中，由于学生个体特性、就业意向、专业方向等各种因素的影响，获取的知识无论从方式方法、内容结构，还是真正掌握的程度来说都因人而异，而这其中有相当大的部分是学生主动性选择的结果；此外，在高职教育教学改革的尝试中，大类招生、拓展专业等多项措施在很多职业院校中已然试行，这就给予学生更多的自和选择的机会。
然而，在自主选择的过程中，由于没有一个可参照的、适合自己的挑选标准，高职学生进行各项选择时在很大程度上有着“扎堆随大流”、“哪个课能混好过”的心理，这就导致主动选择的课程，其学习过程并不顺畅、学习效果也不理想，没有提升自身知识结构的质量。这种高职教育中教与学环节的脱节会对高职学生的能力培养产生有着不可忽视的影响。
2 研究思路
随着教育信息化的深入发展，先进的信息技术手段在教育教学的方方面面都得以有效利用，这也为学生综合能力培养的探索与尝试提供了新的途径，数据挖掘技术就是其中很重要的一种。数据挖掘指的是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。在此过程中，数据源必须是真实的、大量的、含噪声的，而从中发现的是用户所感兴趣的知识内容，这些知识应该是可以接受和理解、并且能加以进一步运用的。
数据挖掘技术之所以在教育行业有更为广泛、实际的应用，这是由于各个学校都会有自己的一整套数据库系统，用于记录学生的学籍信息、课程教学过程等历史数据，这样，就可以尝试运用先进的数据挖掘技术和智能分析工具，通过对高职教育研究和教学过程中积累的海量数据进行采集分类、挖掘和分析，从多角度、多层次出发，构建识别个体特点、知识构成和获取方式等要素之间关联模式的数据模型。数据挖掘是一门交叉学科，其理论和方法有很多，包括K-最近邻分类器、判别分析、人工神经网络和分类树等，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在这里就是要将数据挖掘方法与高职教育教学研究相结合，设计实际的分析应用系统，具体来说：
（1）数据挖掘技术面向高职教育这一特定领域中的主体――高职学生，针对专门的指标，包括个体特性、专业要求、就业意向等，着眼于课程这个知识载体，对它们之间的关系进行深层次、智能化的挖掘、分析；
（2）数据挖掘的应用会具体到建模、变量筛选和导入等方面，而不只是一些抽象的挖掘算法的研究；
（3）数据分析采用先进的商业智能工具，同样，数据的展现手段基于平台，具有开放化、模块化、网络化特点。
3 系统框架
系统定位于个性化学习分析，其框架结构参见图1，主要由数据集成、数据建模、数据分析及展现等部分构成。具体来说，数据集成模块完成定义数据结构、装载、清洗、合并数据的功能；数据建模是指建立数据分析OLAP及数据挖掘模型；数据分析旨在分析和比较各种不同算法得出的结果，寻找最为匹配的算法，而数据展现的作用是根据分析结构灵活创建数据报告。
图1 系统框架结构
在此架构下，各个子系统的功能如下所述：
（1）数据集成。分析和归纳课程教学过程中产生的系列数据，根据其特征和行为设计及定义便于分析和挖掘的数据结构，然后并进行数据集成。数据集成的工作包括从异构数据源获取数据，将其进行清洗、转换、合并，然后加载到数据仓储中。数据集成执行的时间、相互的顺序、成败对将来的分析结果的有效性则至关重要。
（2）数据建模。典型的数据挖掘工具将在构建了数据仓库后进行分析并生成结果，一些工具也可以使用关系型数据进行分析，数据分析的结果独立于数据仓库中使用的数据。数据挖掘核心的部分就是选择挖掘算法并建立数据模型，这样就可以根据学生个体信息、学生成绩等数据之间的关系将这些学生划分成分析有意义的组群并预测他们的行为；当把这些组发送回分析过程时，数据挖掘引擎允许分析人员和用户根据这些簇进行划分和细化。
（3）数据分析与展示。以学生个体信息和课程数据为输入，利用所筛选出的最佳建模方法，逐步提出一个可实现个性化学习分析的数据模型，以衡量及提高模型预测的准确度。将分析结果以特定的客户端或Web方式进行展现，以建立的分析结果展示平台，具有高度的开放性、通用性和可扩展性。通过建模创建了正确的模型，数据挖掘的重点就从分析转到结果上，数据报告的展现方式有多种，可通过专业的报告工具，也可自行编写Web网站进行。
4 结束语
在高职教育教学研究中运用先进的数据挖掘技术手段，针对各项课程教学、学生管理数据进行深度挖掘、分析，研究个性化学习模式，为学生的自我学习规划提供具体化、智能化分析结果以供参照，在此情况下，先进技术手段的支持，对教与学都有着不可忽视的影响。同时，也为人才培养的探索与尝试提供新途径。
参考文献：
[1]赵云鹏，石丽，刘莹.基于数据挖掘的高校规模分析及应用研究.第九届全国信息获取与处理学术会议论文集[C].2011.
[2].数据挖掘在高职院校教学管理中的应用[J].清远职业技术学院学报，2010（12）.
篇11
随着远程教育技术的发展，教学数据不断膨胀，目前，多媒体信息在整个远程教育系统中，都是以文件形式存在，直接由操作系统管理，但是随着分布式计算技术的发展，对多媒体信息进行高效的管理、存取和查询已经成了迫切的需求。因此，研究、引用并建立新型的基于分布式数据仓库的远程教学系统模型，将有助于提高远程教育教学质量与学习的效率。
二、数据仓库及其为何适用于远程教学系统
1.数据仓库及其特点
“数据仓库之父”W . H . Inmon在Building the Data}axehous。中提出:数据仓库是支持管理决策过程的、面向主题的、整合的、稳定的、随时间不断变化的数据集合。我们可以这样了解数据仓库的概念:数据仓库为支持海量存储和高层决策分析提供了一种解决方案。它抽取和净化来自不同应用系统的数据，从事物发展和历史的角度进行组织和存储，并通过对这种集成化数据的分析和挖掘，为最终用户提供综合性和分析性的深层次信息，是基于传统数据库技术的一种应用拓展。根据以上概念分析出数据仓库的四点精髓:(I)面向主题;(2)集成性;(3)不易失性;(4)时变性。[2]根据这四点精髓内容，本文构建了基于分布式多媒体数据仓库技术的远程教育的教学辅助平台。
2.基于数据仓库远程教学系统实施的可行性
远程教育中，教学是一个主要的活动，目前的教学模式主要分为同步型和异步型。无论是同步型还是异步型教学模式，为了更好地讲授某个课题或者知识点，需要使用文字说明或动画，甚至要配上音乐的解说，这时候就需要用到多媒体数据仓库和多媒体信息处理技术。在日益膨胀的教学数据背后隐藏了许多重要的信息，如果我们希望能对数据资料进行更高层次的分析，以便更好地利用这些数据，反馈到教学活动中，就需要建立一个高效的多媒体数据仓库模型。目前关系数据库系统可以高效率地实现数据操作的基本功能，但是无法发现数据中存在的关系与规则，无法根据现有的数据预测未来的发展趋势。
同样在教学活动中，教师常常需要对学员的课堂学习反馈、理解能力、本身掌握的基础知识、掌握的知识点、考试结构等各种数据统计分析，以便在教学活动中改进。这种统计的数据很多，而且是多面性的，只做简单的分析很难得到所需要的指导性的教学改进。
三、基于分布式数据仓库的远程教学系统解决方案
通过数据仓库技术构建一套对文本、数字、文档、图像、声音和影像进行综合处理，并提供强大的数据管理和检索功能的远程教育辅助平台。系统主要包括教学信息的采编与整合、非结构化及多媒体信息管理与用户管理、信息资源服务与利用等几个模块组成，实现信息资源的采集、管理与服务一体化;多媒体技术是目前比较热门的课题，它允许信息以文字、图像、声音等多种形式表现，并能将这些多媒体信息保存、管理、加工和传输。多媒体数据仓库将多媒体信息保存在计算机数据库中，用统一的机制管理和控制数据，确保数据的安全和正确，并给数据的使用和维护带来极大的方便。
1.系统的外部结构
分布式多媒体数据仓库技术平台的外部结构体系可以分为四个部分:
(1)数据采集处理部分;
(2)数据存储加工部分;
(3)数据输出部分;
(4)数据反馈部分。
其结构如图1所示。
在数据采集处理部分，需要对各种异构数据资源进行标准化与规范化标引，采用基于XML数据交换处理方式;在数据存取加工方面，采用分布式海量非结构化的资源管理模式，整个数据加工过程中，要全面整合各种标准的信息资源，如MS-Office ， S2 ， PS2 ， PS ， PDF ， HTML ，TXT，XMI，，MARC，BMP，JPG，JPEG等;实现图像、文字、音频、视频等多媒体信息的关联管理，并根据远程学员的需要，实现智能地提取、检索需要的教学资源，实现各种异构资源的统一化管理，实现整个资源的完整不可分割性。
2.系统的功能
(1)多媒体数据的处理方式
1)视频资源播放
学员可以根据自己的需要选择某个教师、某个教育实验的录像或者自己感兴趣的资料来进行播放。播放时用户可以自由选择一定的播放速度。系统为用户提供了暂停、慢放、快放的功能。播放模块中，在用户面前主要有三类库:授课资源库(正常上课讲授，也可以选择教师)、课件资源库和习题讲授库。授课资源库存储了各科按照教学大纲的书本讲授资源，它以章节为单位存储在多媒体数据库中。课件资源库存储着各个科目对应的课件，同样这些课件资源也按照各个科目的章节存储在数据库中，学员从数据库中检索授课知识要点的时候，系统可以列出相关的课件供学员参考学习。习题讲授库以题为单位存储在数据库中，它与授课资源库同样是紧密结合的，学员可以根据自身的学习情况，查看相关的习题讲授资源，这样就实现了从学习到自身检验的一个过程。
2)资源的检索
学员可以根据课程的各类信息对多媒体数据库中的信息进行检索、播放。系统提供对基于信息内容与关键字段的逻辑组合查询、任意词查询、二次查询、多字段复合查询与距离查询等灵活简便的查询方式，满足不同层次用户的查询需要，提供关联检索功能，方便学员能快速搜索到自己需要的学习信息。
课程资源库的检索主要包括:学校、科目、授课教师、授课内容及内容的深浅度;
课件资源库的检索主要包括:学校、科目、制作教师、课件名称、课件大小、课件类型及格式;
习题讲授课的检索主要包括:学校、科目、讲授教师、题目类型、难易度、相关的课程
3)视频编辑
通过对相关的录像资源进行编辑可以使之更加紧凑。整个平台的视频主要涉及到这三块:课程视频资源库的编辑、课件视频资源库的编辑和习题资源库的编辑。课程视频资源库的编辑将为学员提供大量的课堂讲授视频资料，它是以课程的章节为单位来分割编辑，然后通过格式转换及接口程序存储到多媒体数据库中;课件资源编辑同样也以章节为单位，通过平台的格式转换和接日程序存储到多媒体数据库中;习题讲授课可以编辑成以题为单位，存储到多媒体库中。
4)存储接口处理
目前在实际应用中，我们可以参照Oracle8i系统中的intermedia多媒体部件来处理统一的接口问题，然后所有资源数据由多媒体数据库来统一维护，统一备份，这样就可以简化管理。
5)教案资料信息采集
主要是将一些由Office办公系统编辑的电子教案文档通过格式转换后存储到多媒体数据库中。
6)师资及课程管理
提供课程介绍，包括课程的整体框架、内容要求及考试方法等;推荐课程学习进度表和指导性建议;教师授课要点，包括多媒体课件的组成框架及使用提示、教案提纲和补充材料索引等。师资管理:提供教师介绍，包括本院校各学科优秀教师和聘请的全国知名专家教授情况介绍;各学科任课教师的基本情况，包括职称学历、学识水平及教学能力等。
(2)习题库统计、分析与反馈
授课教师可以根据学员的考试情况来统计考试中的各类信息，从而了解学员对知识的掌握程度，并且根据学员的掌握情况，调整自己的教学方式或角度，让学员更易接受新的知识点，提高了远程教学的质量与效率。在远程教育中，由于学员的价值观、生存发展状况、兴趣爱好等存在着差异，以及学员的社会角色、所处的社会环境、本身的受教育程度、学习的能力各不相同，因此学员的学习存在着需求的多元化，如何能做到多元化的学习呢?
第一是通过系统反馈，在同步教学中对各个层次的学员做到有针对性的讲授;
第二是在异步教育中，根据知识的难易度制作不同的视频资源及各种扩充知识点;
第三是在查询系统中，教学辅助系统平台根据学员查询条件自动把查询结果及相关联的资源(如课后问题、测试题目)提供给学员，学员可以根据系统提供的资源有针对性地学习;
第四是类别分组，采用数据仓库技术可以对具有相似查询浏览记录的学员进行分组，系统还可以分析他们的共同特征，反馈给教师及平台管理者，以便提供更适合、更面向学员的讲学或者课件资源等;系统记录浏览者的身份，如果有相关资源更新后，系统自动将相关资源信息以电子邮件等多种形式发送给关注学员，以便能让学员学习和了解更多的知识。
3.系统的内部处理流程
系统内部处理流程如图2所示。
用户在使用系统时，通过Web方式提出查询要求，系统通过外部接口程序生成查询条件，根据查询的条件自动检索相关库，并综合分类临时库(如教学安排库等)后确定数据挖掘目标与主题，系统根据目标主题建立挖掘模型，然后建立临时数据仓库，通过数据处理相关工具进行下一步的分析，建立与原始库的数据处理通道，如多线程查询知识库、系统库、视频库等，然后再通过建立的临时数据处理通道，将通过此查询条件的结果存储于大型分布式数据仓库，再通过OLAP处理服务器进一步处理由原始仓库得来的数据，可以使用联机分析及OLAP分析工具或者深层数据挖掘工具等进行分析，将处理好的一定范围内的结果以多种形式显示在用户界面上，用户可以打印结果、制作相关的报表或者获取各种统计分析数据。如果无法根据查询条件查询到匹配的内容，系统将根据查询结果自动反应给系统管理员或者决策分析者;还可以将分析结果反馈给系统分析库;管理者可以根据系统反馈的结果来相应地调整教学内容、教学安排等，并根据各种统计分析报表来增加或者调整原始资源库的内容。通过这样的手段，一方面，教学资源库不断完善;另一方面，在教学上，教师也能不断地调整自己的教学方式，以便能让更多的学生接受更多的知识。同样，考试处理模块也能形成这样的数据挖掘方式。使用系统强大的数据统计功能后，用OLAp数据挖掘工具加以分析，可以得出学员对各个知识点的掌握程度，便于在试题评测时，能有重点地加以分析，让学员将此知识点掌握得更牢固。
4数据仓库在远程教学系统中的运用
目前远程教育中的教学任务主要是以下几个方面:教学任务安排、教学讲义制作(课程安排)、多媒体课件制作、作业管理、考试管理和成绩考核等。在这些活动中产生了大量的数据并形成了各自的事务型数据仓库，如考试库、成绩库等。从这些数据库中获取有用的知识并用于相关的教学活动，是远程教育提高教学质量与学习效率的重要手段。数据挖掘和数据仓库在远程教育中的应用主要有以下几个步骤，如图3所示。
(1)由事务型数据库作为源系统组成数据仓库与数据集市;
(2)根据具体的业务需求确定数据挖掘目标，并由此采取相应的数据挖掘方法对数据仓库和数据集市中的数据进行分析以得到相关知识，并由此构成事件处理库，如考试中的错题分析、知识点的归纳等;
(3)将获取的相关信息再应用到远程教学中，如提高课件质量、转变授课模式，对考试中犯同样错误的学员进行归类，做有针对性的讲解等;
(4)评价应用结果再次反馈到数据挖掘过程以改进数据挖掘方法。
练习和测试是远程教育中一项基本的教学活动，也是整个系统数据挖掘和分析的重要应用，是评测教学活动的成功标准之一。为了能了解学员的学习情况，练习和测试是必不可少的。目前对于统计考试情况(正确率、错误率、各种题型等)采用的分析方法常常是粗略的，往往也只是根据报表凭经验做出决策，这不仅是相当困难的，而且不够客观。数据挖掘提供了进行练习与测试组合数据库分析的环境，其多种方法可以为此进行测试分析通过数据挖掘技术，可以从错题量、错题类型、知识点出发，利用近邻算法寻找归类，从课程分析一直到试题分析，并把可能会影响正确结果的相关支持集中归类，如果数据库中没有，则补充，再讲解(视频资源)，如果有问题，则由系统自动反馈给学员，让其充分掌握。
四、系统的特点
1.强大的数据处理能力
系统与强大的分布式多媒体数据库相连，可以由多台机器分布式地联机操作处理数据，处理速度快，操作方便。
2.统计准确
手工统计除面临统计工作量大之外，还有一个重要的问题就在统计过程中容易出错;有时候可能因为统计的出错，导致分析决策的失误〕在几万甚至几十万的数据面前，要想完全精确是非常困难的但是运用计算机系统来统计便可完全克服这个困难。只需要制定相关的统计规则，系统便可以根据规则来统计出我们所需要的教学数据。
3.快速、高效
篇12
Efficacy analysis of emergency bedside skull rinse under local anesthesia drainage and traditional drilling drainage in the treatment of chronic subdural hematoma
FENG Weijian XIA Junbiao CHEN Hanming CHEN Xinghuo MAI Jianpei YE Jianjun
Department of Neurosurgery， People's Hospital of Gaoyao City， Guangdong Province， Gaoyao 526100， China
[Abstract] Objective To observe the clinical efficacy of emergency bedside skull rinse under local anesthesia drainage and traditional drilling drainage in the treatment of chronic subdural hematoma （CSDH）. Methods 113 cases of CSDH patients from January 2007 to January 2012 in People's Hospital of Gaoyao City were selected and divided into observation group with 56 cases and control group with 57 cases according to the surgical methods. Observation group was treated with emergency bedside skull rinse under local anesthesia alone drainage， control group was treated with conventional drilling drainage. The efficacy and the occurrence of postoperative complications were compared. Results The cure rate and the total effective rate of observation group were 64.3%， 98.2% respectively， which were higher than those of control group （42.1%， 87.7%）， the differences were statistically significant （χ2 = 9.715， 7.680， P < 0.05 or P < 0.01）. 2 cases of tension pneumothorax， 2 cases of intracranial subdural effusion and 2 cases of gas accumulation， 1 case of intracranial hemorrhage in control group were found， and 1 case of subdural effusion and 1 case each of pneumocephalus in the observation group were found， the difference of complication rate was statistically significant （χ2 = 4.348， P < 0.05）. Conclusion The efficacy of emergency bedside skull rinse under local anesthesia drainage for CSDH is definite， has fewer complications and is worthy of promotion.
[Key words] Skull rinse under local anesthesia drainage； Chronic subdural hematoma； Clinical efficacy
慢性硬膜下血肿（chronic subdural hematoma，CSDH）是指颅内出血血液积聚于硬脑膜下腔与蛛网膜之间、伤后3周以上才出现症状，血肿具有包膜[1]。CSDH常由脑皮质通向静脉窦的桥静脉撕裂所致，占颅内血肿的10%，是神经外科常见病之一[2]。该病起病隐匿，临床特征不明显，易造成漏诊、误诊。目前钻孔引流术是治疗CSDH的首选方法，但易引起张力性气颅、血肿复发、脑损伤、颅内出血、颅内感染、低颅压、癫痫等并发症[3]。本研究在对部分病例采用急诊床边局麻下锥颅免冲洗单纯引流术治疗CSDH，取得了满意的临床疗效，现报道如下：
1 资料与方法
1.1 一般资料
收集2007年1月～2012年1月高要市人民医院（以下简称“我院”）收治的CSDH患者113例，均经MRI、CT及其他临床检验结果确诊。其中男79例，女34例，年龄52～78岁，平均（62.3±10.7）岁。血肿部位：单侧82例，双侧31例；42例具有明显外伤病史。血肿量根据多田公式计算在45～260 mL，平均（62.3±10.7）mL。术前格拉斯哥昏迷评分（GCS）≥8分，疗程2周～8个月。根据治疗方案的不同将113例CSDH患者分为两组，观察组56例行急诊床边局麻下锥颅免冲洗单纯引流术，对照组57例行传统单孔引流冲洗术。两组患者性别、年龄、GCS评分等一般资料比较，差异无统计学意义（P > 0.05），具有可比性。见表1。
表1 两组患者一般临床资料比较（x±s）
注：GCS：格拉斯哥昏迷评分
1.2 方法
两组术前均采用头颅CT扫描标记血肿最厚点。观察组手术方法：予头部局麻后，采用直径3 mm钻头，与血肿长轴平行而与颅骨成45°角，将颅骨钻透，钻透颅骨的孔径应稍小于引流管管径，硬脑膜表面血管采用双极电凝，然后采用将血肿包膜以及硬脑膜刺破，待陈旧性血液在压力的推动下涌出时立刻使用凝胶海绵将硬脑膜破口堵住，缓慢释放，压力降低后，将血肿包膜打开并彻底止血。将引流管（附有导丝）于最后一个侧孔处折弯120°～150°，通过硬脑膜电凝处沿着血肿壁上层斜向缓慢进入血肿腔适当深度后，发现酱油样陈旧血流出时，迅速拔出导丝，引流陈旧血，夹闭引流管并接无菌引流袋，导管置入后凝胶海绵塞住引流管周围，骨孔骨缘采用生物蛋白胶进行处理至无渗血，术毕。手术完成后嘱患者取平卧位，将引流管抬高至穿刺点上方10～15 cm，开放引流。调整引流管高度使其持续、缓慢引流，术后12 h的引流量为总引流量的1/2～2/3为佳，术后24 h将引流管放低，再持续引流1～2 d，无液体流出时可将引流管拔出，并复查头颅CT。
对照组手术方法：对患者作基础麻醉及局部麻醉后，在患者头皮上做3～4 cm切口，于CT扫描标记血肿最厚点附近钻1～2个孔，硬脑膜血管电凝后，硬脑膜作十字切口，将带有多个侧孔的硅胶引流管置入硬脑膜下腔。经引流管注入常温的0.9%氯化钠溶液，反复冲洗至冲洗液颜色清淡，并注意观察引流管通畅，接引流袋采取闭式引流，术毕。术后通过复查CT来决定是否拔出引流管。
两组患者术后给予静注补液以维持颅内高压，利于塌陷的脑组织回复。禁用脱水利尿药，给予改善循环药物，并常规行抗生素治疗，积极预防各种并发症，加强各项专科护理。术后第1、15天复查头颅CT，观察张力性气颅、血肿复发、硬膜下积液、颅内出血、颅内感染、颅内积气、癫痫等并发症情况，1个月后进行疗效对比分析。
1.3 疗效评价
术后30 d依据患者临床具体表现及CT、MRI复查结果对疗效进行评价。治愈：血肿消失，症状和体征消失，恢复正常生活和工作；好转：血肿消失，症状和体征好转，有轻度神经功能障碍，生活尚可自理，可正常工作或丧失部分劳动能力；未愈：血肿未完全消失或加重，症状和体征无改善，无自主生活能力。治愈率加好转率等于总有效率。
1.4 统计学方法
采用统计软件SPSS 17.0对数据进行分析，正态分布计量资料以均数±标准差（x±s）表示，两独立样本的计量资料采用t检验。计数资料以率表示，采用χ2检验。以P < 0.05为差异有统计学意义。
2 结果
2.1 两组疗效比较
术后30 d，观察组的治愈率及总有效率分别为64.3%、98.2%，对照组治愈率及总有效率分别为42.1%、87.7%，两组比较，差异均有统计学意义（均P < 0.05或P < 0.01）。见表2。
表2 两组患者临床疗效比较[n（%）]
注：“-”表示数据
2.2 两组患者术后并发症比较
观察组术后出现硬膜下积液和颅内积气各1例。对照组出现颅内出血1例，张力性气颅、硬膜下积液及颅内积气各2例。两组均未出现颅内感染、血肿复发及癫痫。两组并发症发生率比较，差异有统计学意义（χ2 = 4.348，P < 0.05）。见表3。
表3 两组患者术后并发症比较（例）
注：与对照组比较，χ2 = 4.348，P < 0.05
3 讨论
目前，关于CSDH的出血来源及确切发病机制尚未完全明了，Kaliaperumal等[4]报道超过一半的患者具有明显的外伤病史或已患血管性或出血性疾病，颅骨与脑产生相对运动，造成位于硬脑膜与皮质或桥静脉间的小交通动脉发生损伤，出现渗血，血液长时间聚集在硬膜下腔，进而发生炎症反应形成包膜。与此同时，渗血的持续进行消耗了大量的凝血因子、纤溶亢进、因炎症而形成的包膜内层不断受到炎症刺激，会产生通透性较高的毛细血管，增加了血液渗出，随着包膜外层的纤维化，扩大了血肿范围，是患者逐渐出现头痛头晕、恶心呕吐、肢体功能障碍、意识及精神障碍等颅内压增高表现[5-6]。
根据CSDH的形成机制可知，其早期临床症状并不明显，待出现症状时，硬膜下水肿已经形成，因此确诊后应及早手术治疗[7]。单孔引流冲洗术凭借其安全、简单、易操作、疗效满意的优点，一直以来都是治疗CSDH的首选。但是就临床手术而言，单孔引流冲洗术后引流管堵塞、硬膜下积液、癫痫、颅内积气及张力性气颅仍令人困扰[8-9]；并发急性硬膜下或外血肿、脑内水肿、癫痫等常与骨孔直径、引流管直径及硬度、引流管插入时是否误伤脑组织或脑表面血管有关；张力性气颅主要与关颅时遗留气体或引流时进入空气有关。
为了进一步提高钻孔引流手术的疗效并减少其并发症的发生，我院采用急诊床边局麻下锥颅免冲洗单纯引流术治疗CSDH，并与传统的单孔引流冲洗术比较。结果显示，局麻下锥颅免冲洗单纯引流术的治愈率及总有效率分别为64.3%、98.2%，均明显高于单孔引流冲洗术（P < 0.05或P < 0.01）；单孔引流冲洗术后出现张力性气颅、硬膜下积液及颅内积气各2例，颅内出血1例，而局麻下锥颅免冲洗单纯引流术后仅出现硬膜下积液和颅内积气各1例，两组并发症发生率比较，差异有统计学意义（P < 0.05）。提示下锥颅免冲洗单纯引流术的治疗效果优于传统的单孔引流冲洗术。分析其原因可能是[10]：①床边局麻后立刻进行手术，便捷快速，操作简单，手术耗时短，对患者造成的痛苦小。②穿刺方向与血肿长轴平行，与颅骨成45°角，引流管的置入咬一斜坡骨槽，利于引流管进入入硬膜下腔，避免因垂直插入引起的蛛网膜或脑实质损伤；由于血肿腔压力较高，硬脑膜破口小，使得头皮软组织收缩围紧引流管以避免空气逸入，减少了颅内积气的发生，还能防止陈旧性血液由管外流出[11]。③使用明胶海绵堵置入骨孔并用生物蛋白胶对骨孔骨缘进行处理，可减少术后硬膜外血肿的发生率。④引流管凸出额叶并进行充分灌注排气，可将硬膜外积液充分引流，减少CSDH的复发。⑤术后患者病情平稳，引流管引流时间短，降低颅内感染的发生概率，引流管高度可适当调节以持续限速引流，加上合理的护理措施[12]，可有效避免因颅内压下降过快而造成颅骨与脑产生相对运动加速，进而减少了烦躁不安、剧烈头疼、癫痫发作或意识障碍等情况的发生[13]。
综上所述，急诊床边局麻下锥颅免冲洗引流术对CSDH的临床疗效确切，减少了并发症的发生，值得临床推广使用。
[参考文献]
[1] 杜春富，吴建兵，曹毅，等.上矢状窦硬膜外血肿手术止血方法探讨[J].中国神经精神疾病杂志，2012，38（6）：367-369.
[2] Adeolu AA，Rabiu TB，Adeleye AO. Post-operative day two versus day seven mobilization after burr-hole drainage of subacute and chronic subdural haematoma in Nigerians [J]. Br J Neurosurg，2012，26（5）：743-746.
[3] 陈祎招，徐如祥，赛力克，等.高血压脑出血神经内镜微创手术与开颅血肿清除术的临床比较分析[J].中国神经精神疾病杂志，2010，36（6）：616-619.
[4] Kaliaperumal C，Khalil A，Fenton E，et al. A prospective randomised study to compare the utility and outcomes of subdural and subperiosteal drains for the treatment of chronic subdural haematoma[J]. Acta Neurochir，2012，154（11）：2083-2088.
[5] 郑红云，郎黎薇，汪慧娟，等.133例慢性硬膜下血肿患者行钻孔引流术的护理[J].中华护理杂志，2012，47（4）：355-356.
[6] 刘怡东.120例老年慢性硬膜下血肿患者两种治疗方法的比较[J].吉林医学，2012，33（28）：6095-6096.
[7] 李克栋，武娟.锥颅免冲洗单纯引流术与传统钻孔引流术治疗慢性硬脑膜下血肿的疗效分析[J].临床和实验医学杂志，2012，11（8）：592-593.
[8] 王宝侠，许一萍，张彦芳，等.锥颅置双腔管冲洗引流治疗慢性硬膜下血肿[J].中国临床神经外科杂志，2011，16（2）：107-108.
[9] 张晶，刘藏，侯瑞光，等.微创钻孔引流术治疗慢性硬膜下血肿[J].中华医学杂志，2012，92（3）：203-205.
[10] 秦赢，王海峰，徐宁，等.老年人机化型慢性硬膜下血肿8例临床分析[J].中国老年学杂志，2012，32（5）：1063-1064.
[11] 宋业纯，吕胜青，张银，等.3种微创技术治疗慢性硬膜下血肿的疗效分析[J].第三军医大学学报，2012，34（14）：1458-1460.
篇13
基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。
怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。
这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。
（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。
（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。
（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。
（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。
数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。
参考文献
