引论：我们为您整理了13篇统计学中常用的基本概念范文，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.体育统计学教学模式重建的必要性
体育统计学作为一门体育交叉学科，在揭示体育现象规律和促进体育事业科学发展方面发挥了重要作用。目前，体育统计学教学效果比较差。从近几年发表体育文献中，体育统计方法使用不当现象严重，忽略了使用的条件和范围。体育科技论文中误用体育统计指标、方法和结论现象严重，原因是多方面的。体育统计学教材编排不当、理论抽象、教学方法不当和忽略体育统计的应用，其中忽略学生的实践能力是最主要的原因。[1]因此，新的体育统计学的教学模式重建是体育统计发展的必然趋势。
2.分析与讨论
2.1体育统计学的教学内容进行优化
统计知识对于数理基础较差的体育专业学生而言，接受能力受到了一定的限制。应根据目前学生的数理知识水平，选择适合学生自身水平的体育统计教学内容。教师应使学生掌握体育统计学的基本概念和基本原理，强调统计方法的使用范围和注意事项，才能在应用时不会迷惑而误用。课程应包括三个方面：首先是一些常规的统计内容，包括体育统计的基本概念与常使用的统计量、在体育现象中常用的统计检验方法、在体育科研中常用的统计设计和问卷（量表）的信、效度检验；其次是多元的统计，包括相关与回归、聚类、判别和主成分与因子等统计分析；最后是在体育科研中spss统计软件的使用。教材应该根据上述三个方面进行选择，要求教材的内容通俗易懂，案例联系实际，适合体育专业学生的特点，逐步完善本课程的教材体系。
2.2体育统计学的教学实践进行强化
为了改变传统的教学模式，教师通过模拟现场教学，利用学校组织的体育活动搜集数据资料完成教学实践。[2]比如学校组织的篮球比赛，进行“某个篮球代表队与其它队伍的各项篮球技术指标进行T检验”的实践教学。教学实践的具体操作过程：确定研究对象和和样本、进行简单随机抽样、选择测定方法、发放调查问卷、进行回收和审核、整理资料、录入数据和资料分析等过程。让学生亲身体验统计的全过程，学会制作统计表，某个篮球代表队的各项技术指标统计，与其它队伍进行T检验验证是否存在明显差异。
2.3体育统计学的教学方法和手段多样化
2.3.1理论联系实际
体育统计学的基本概念和理论比较抽象，如果能联系实际就能使教师讲解和学生理解起到事半功倍的效果。在教学中运用体育实例或体育科研论文中的统计案例，能使理论知识形象化，拓宽学生视野，了解体育领域中统计知识的运用，激发学生学习的兴趣。
2.3.2运用多媒体进行辅助教学
体育统计学课程必须借助多媒体辅助教学。基本概念、基本理论、案例分析、计算程序和SPSS操作使用多媒体，可以节约时间，能使抽象的统计知识形象化，提高教学效果。教师课前要精心制作PPT，使讲解与演示结合，只要课前精心设计课件，演示就相当方便。因此，体育统计学课程宜使用多媒体辅助教学。
2.3.3课堂师生进行互动
教学中师生互动是以学生为中心的教育理念，师生双方通过互相影响进行合作教学的过程。互动教学是以学生为中心，使学生在学习中形成主动思考的良性循环。教学活动中师生互动，能提高学生学习的积极性，引导学生主动思考，可以使学生灵活应用学到的知识。因此，教学互动不但能提高学生学习的自觉性，而且能培养学生灵活的思维方式。
2.3.4中英文结合教学
SPSS统计软件大多数都是英文版的，因此在教学中一定要中英文结合教学。虽然英汉双语教学条件还不具备，但教师可以通过幻灯片介绍关于操作SPSS软件的重点英语单词，可以降低学生操作SPSS统计软件的难度。
2.4体育统计学的教学评价进行标准化
体育统计学的评价方式宜采用动态发展的评价模式，将过程和结果结合起来进行综合评价。[3]
2.4.1出勤考核
出勤考核是维持课堂的前提，教师作为一个监督员，可以通过点名和布置课堂作业等手段完成出勤考核，让学生养成一个良好的习惯。
2.4.2综合应用考核
综合应用考核由撰写调查报告、案例分析考评和计算机操作三个部分组成。
在体育统计教学中，要求学生进行一定的调查，让他们对调查亲身体验，通过报告的形式进行考核。分析体育案例一般都综合运用了多种体育统计学的统计分析方法。如综合指标分析法、抽样推断分析法和相关回归分析法等。体育统计教学和知识的运用都离不开计算机进行辅助教学。
3.结论
在“知识经济”视角下，体育统计教学模式应以培养学生的实践应用能力为根本出发点，改变传统重理论的教学模式。理论联系实际，使教学方法多样化，调动学生学习的积极性，有效提升学生的分析能力。闭卷考核和综合考核相结合，真正考评学生解决体育问题的能力。体育统计教学模式要让学生体会体育统计思想，主动设计方案、整理数据和制定决策，为维护自己的观点寻找论据。
【参考文献】
篇2
范例教学法，是指教师根据教学目标的需要，采用范例进行讲解及组织学生对范例进行研讨，引导学生从实际范例中学习、理解掌握一般规律、原则、方法及操作实验，从而有效地将理论知识和实践技能相互结合的一种教学方法。
在第一章概述中，要求理解统计和统计学的含义，对于高一新生来讲，面对这些专业术语，很难理解，这时教师采用“讨论教学法”效果要好，第一步，教师设疑，什么是统计？统计与统计学有什么关系？第二步，学生自主思考，自由讨论，每个小组选一位发言人回答上述问题；第三步，教师总结发言，概括各种意见和分歧，帮助其得出结论，切入主题。
在讲解什么是总体、总体单位、标志、指标、指标体系、变量时，采用范例教学法，学生更易接受。以研究本班学生的语文成绩为范例，指出总体是全班的所有学生，总体单位是本班的每一位同学，每位学生的成绩是数量标志，全班语文总分是统计指标，并且语文总分、数学总分、英语总分、政治总分、专业综合总分又构成了一个总成绩的指标体系，同时对于各位学生而言各科成绩又不尽相同，那这个可以有不同取值的成绩就是变量，各种分数就是变量值。通过这个范例，夯实学生对上述概念的认识，并以此为例，举一反三，指导学生再投入到其他经济现象的讨论中。
二、案例教学法与情境教学方法的交叉应用
案例教学法是一种以案例为基础的教学方法。在教师的指导下，学生通过了解案例发生的背景，反映的事实，找出案例中存在的问题，或者案例中应用的方法措施，引导学生掌握案例分析的基本步骤，从案例中分析其反映的本质内容。这种教学方法可以激发学生的思维能力，培养学生独立思考的能力，有助于学生学习能力的提高。
情境教学法是指教师在教学过程中，有目的地将一些在日常生活中常见的场景，引入到课堂中，是学生在情境中体验，从而帮助学生深刻理解教材的内容，激发学生学习的兴趣。
在教学中，通过设置一些学生常见的生活案例，引入到授课中，引导学生亲身感受统计学的魅力，从而将学生学习的积极性激发出来。例如，在讲授“调和平均数”时，就可以应用学生比较常见的场景为案例。例如，红富士苹果的价格，甲乙丙三个超市，分别是3元、3.25元、3.5元，若在3个超市各买10元的该苹果，请计算其平均价格。通过预设学生日常相关的实例，引起学生学习的兴趣，通过简单的运算公式，得出蔬菜的平均价格。这样，将生活情境和案例分析结合起来，让学生把实际生活与统计学联系在一起，在激发学生学习兴趣的同时，还可以激发学生认真思考，引导学生深刻理解所学内容。
三、对比教学法与归纳总结教学法的交叉应用
对比教学法可以帮助学生更好地掌握、理解学习内容，激发学生探究性的学习热情，使学生能够准确把握基本概念，理解抽象的公式。
归纳总结的教学方法是将一些具有相同特性的内容，总结在一起，可以将学习的内容进一步巩固和理解。有助于学生自主学习能力的培养。
在《统计基础知识》的教材中，有许多的基本概念比较难理解，也比较容易混淆。例如在第二章中我国常用的几种调查组织方式，利用对比教学法，可以是学生更加容易的理解这些概念，同时利用归纳总结法，将这些容易混淆的概念，通过表格的形式，总结在一起，形成一个基本的学习构架。
四、启发性教学与强化训练结合应用
在教学过程中，教师应该尽量减少讲授教学。因为，讲授法的教学方式，不能够打开学生的思维能力，学生只能被动的接受教师传授的知识，丧失了独立思考的能力。因此，教师在教学过程中，应该采取引导启发式教学，例如在案例分析中，可以引导学生在案例中发现问题，同时，提出应该如何解决这样的问题。将问题留给学生，教师做一些引导，从而培养学生发现问题、解决问题的能力。然后，在将一些类似的案例，或者题目，让学生进行强化训练，巩固所学知识。
五、总结
《统计基础知识》这门课主要研究自然和社会现象总体的数量特征和数量关系，进而从数量上认识客观世界的一门独立的方法论科学。它在众多的专业课中，内容比较抽象，属于比较难的一门课程。因此，教学方法的恰当运用，会使得教学任务得到事倍功半的效果。
参考文献：
[1]鲍爱芳.学以致用中职学生必备的能力.科技信息，2011，（11）.
篇3
1.多媒体及统计软件在教学中应用的意义。多媒体教学能够把抽象的理论转化为具体、形象、动态的教学内容，收到事半功倍的效果。比如在介绍几种常见的田间试验设计时，课件动态的演示了各种设计方法的特点，取得比较理想的教学效果。
生物统计是一门应用性很强的科学，非常强调理论与实践的结合。教师在教学过程中必须要重视实践教学环节，多媒体手段在这方面有着不可低估的作用，除了可以通过课件演示大量的案例分析外，还可以通过课堂实验、布置实践练习等多种形式使学生有创造性的参与到生物统计学的学习实践中去。生物统计基本概念的理解与统计分析方法的掌握是生物统计学课程教学的主要目的。而生物统计中常用的统计分析方法，如：相关性、方差分析与回归分析等，有大量的公式及计算，学生普遍反映难学，学了电不知如何用。
2，多媒体及统计软件在实践教学中的探讨。在计算机及网络非常普及的今天，统计计算技术不再是统计学教学的重点了，统计思想、统计应用才应该是重点。现代统计方法的实际应用离不开现代信息处理技术。那么，如何在教学内容上结合实例，教学手段上借助计算机及DPS数据处理系统(以此软件为例)，作者在生物统计分析方法的实践教学上作了如下探索：
2.1 实例的选择与设计。以实际中的事例、数据为载体，将抽象的统计分析方法放在对具体问题的分析、解决中进行学习。实例的选择必须与所进行的教学内容相吻合，在很多情况下，它不一定运用到这一部分内容的所有知识点，它可能涉及该部分前后的内容，以至跨学科的知识。而且，在实例的选择与设计时，还必须考虑搜集数据资料的可行性以及对这一方面进行分析的背景知识，包括理论的及经验的。
2.2 搜集数据资料。作为课堂教学的实例，必须是准备好的数据资料，可以在课堂上演示或引导学生进行相应的统计分析。当然，也可以设计方案后，要求学生自己动手搜集资料，进行相应的数量分析。根据农业院校的学生多数来自农村的特点，每年利用寒暑假时间，组织学生开展社会调查活动，亲身完成某项工作。例如，让学生自己设计一个调查问卷和调查方案，进行一次农业生产调查活动，从具体调查对象和单位的确定，样本的抽取，问卷的发放、回收与审核，数据输入与资料整理，一直到调查报告的撰写。学生只有通过具体的实践，才能加深对所学基础知识的理解；只有经历了实践的全过程，才能系统地掌握各个环节的基本技能。
2.3 围绕具体的教学目的，进行统计数量分析。采用实际中的事例与真实的统计数据为载体，将抽象的统计分析方法学习放在对具体问题的分析、解决中的教学法，既有利于培养学生阅读、理解、分析、判断统计数据的能力，又从一定程度上解决了统计学教学中长期存在的理论与实践相脱节，学生学了不知如何用的问题，对于提高学生今后从事科学理论研究与农业生产实践的能力都是非常有用的，是提高学生综合素质的重要方面。
下面就以方差分析为例来说明软件在实验教学中的应用。方差分析是将总变异剖分为各个变异来源的相应部分，从而发现各变异原因在总变异中相对重要程度的一种统计分析方法。这一章的内容并不多，但公式多，计算量大，而统计分析软件的强大功能完全可以免除大量繁琐的计算，直接给出所需要的计算结果。在这一章的教学中，在介绍有关概念及分析步骤后，以实际的统计数据为例，并借助DPS统计分析软件，在对该例的系统分析中解释有关概念的意义，演示方差分析和多重比较方法的具体应用。
以第二松花江流域水稻主产区的5个试验地点：前郭红光农场、榆树大坡、德惠朝阳、九台其塔木、吉林乌拉街，4个供试品利：农大8、农大19、通9574、吉丰8的1年多点试验为例，进行产量的方差分析。DPS数据处理系统操作如下：
第一步：打开DPS数据处理界面，在英文状态下，将产量数据按横向地点(每地点3次重复)，纵向为品种进行输入。
第二步：将数据模块选中后，打开菜单中的专业统计品种区域试验一年多点，选中后在出现的对话框：区试地点数、区试品种数、区组(重复)数中分别输入5、4、3，按确定键，随后系统自动分析出该试验的量差异和多重比较。将其进行推理后的结果如下表：
篇4
对统计思维的培养很大程度上依赖于对基本概念与原理的准确把握。虽然不同统计模型的具体方法不同，但均由样本容量确定、随机抽样、参数估计、假设检验、统计推断、统计预测、模型验证等一系列环节构成。由样本、统计量、抽样分布、置信区间、弃真概率α、取伪概率β、检验效力(powerofatest)、P值等概念所表达的统计思想在不同统计模型中是完全一致的，因而在条件允许时，应该用统计模拟方法进行直观化教学，以加强对概念和基本原理的把握。
1.2统计模拟方法辅助教学
随机模拟试验可以加强学生对统计基本概念和理论的理解，及分析问题、解决问题的能力[1]。例如，对显著性水平为α置信区间的正确理解应该为:(1)由两个随机变量(上下限)所确定的一个随机区间;(2)在同等条件下无限多次反复抽取相同容量的样本时，随机区间包含未知总体参数的概率为1-α。对此抽象概念的直观教学，可以用统计软件如S+简单完成。对于其他概念，如抽样分布、假设检验中弃真和取伪错误概率、检验效力、线性回归模型参数估计量的抽样分布、预测误差分解、离差平方和分解等，均可利用统计模拟进行直观化教学。另外，统计模拟还可以取代部分定理和结论的证明，通过模拟试验进行经验性验证。
1.3理论和实验技能的同步提高
首先应加强实验环节，使学生掌握一种常用统计软件的基本使用方法。SAS由于数据结构简单、功能强大、运算速度快而应成为首选。另外，S+具有强大的、可编辑的图形功能和易于编程特点，可用于统计模拟。共享统计软件R有与S+几乎完全一致的语法，为S+的使用提供了方便。虽然学生可以用统计软件快速完成统计运算，但由于理论知识的不足而无法正确地提取和解释软件输出结果。对这个问题的解决可以一方面保证一定的实验学时，加强对统计结果的分析能力。另一方面，通过课堂讲解、课后作业和统计模拟实验的形式加强理论学习。加强理论学习的观点，在学时压缩的前提下与一些学者的观点相左[2]。我们认为统计软件的使用，一方面减轻了时间负荷使学生有更多时间用于理论学习，另一方面也对理论水平提出更高的要求，即要求学生能够理解和利用软件分析结果。在有限学时内，加强理论学习的核心在于精讲式和概论式教学的有机结合。
1.4精讲式和与概论式教学的相互结合
数理统计的内容极其广泛，不加选择的教学使学生难以抓住重点。应在数学基础允许的前提下，重点地讲解核心内容。例如单一正态总体统计分析虽然简单，但涉及了所有核心统计概念，应作为重点内容讲解。根据统计模型间的区别与联系，应注意将核心结论自然地扩展到相近或相似的统计方法中去。如简单线性回归向多元线性回归、协方差分析、方差分析乃至非线性回归的自然扩展。与精讲相对应的，可以进行一定学时的概论式教学，对专业领域内的常用分析方法进行一般性介绍，并以典型案例分析的形式拓宽学生的眼界，做到点面结合。
1.5典型案例分析
典型案例分析指对科技论文中常用统计方法的剖析和讲解。典型案例分析可以使:(1)学生体会到统计方法在实际科研和生产中的应用，培育学习兴趣；(2)实际案例基本上包含了统计分析的各个方面和环节，可以使学生直观地体会统计分析的内涵。对典型案例的进行详略得当、点面结合的分析，可以使学生建立统计分析的系统观念；(3)通过案例分析使学生能够学习科学研究的内涵与方法，并融会贯通地掌握统计分析在本专业的应用。概论性地介绍一些统计方法在专业领域的应用，不必苛求对统计方法和理论的深刻理解，仅要求学生体会具体案例中随机抽样、参数估计、假设检验、统计推断、统计预测、验证模型等环节所体现的统计思维方法，及对具体案例和所用统计方法的感性认识。同时，应该抽出一定的学时(如2学时)对高级统计分析方法进行概论式介绍。
1.6自学能力和学习兴趣的培养及考核方式
授人以鱼，不如授人以渔。课堂教学永远无法包含将来所需要的全部知识，因而培养学生的自学能力和激励学习兴趣应成为教学指南。典型案例分析、模拟研究项目、统计模拟验证、课堂讨论、概论式介绍应用现状和前景都是激发学习兴趣的有效手段。课后作业是督促学习、培养自学能力和检验学习效果的主要手段。精心设计的作业，不仅可以帮助学生及时地理解和消化课堂所学知识，而且是培养自学能力的主要途径。可以将简单的理论证明和一部分教学内容以作业形式让学生通过自学完成，逐渐培养自学能力。平时作业成绩、分段考核成绩、实验成绩、课程设计应在总评成绩中占50％左右的比例，这样不仅可以保证以上教学环节的实施并达到预期效果，还可以减轻期末考试时的学习压力。考试可以采取分段多次考核的方法，以2～3次为宜。这样教师和学生都能及时发现教与学中的问题并及时加以调整，减轻终考压力，以免一次考试决定成绩和突击学习应考的现象。
2教学内容和教学结构的思考
虽然数理统计内容庞大，但在本科阶段所涉及的教学内容均为基础统计方法。对生物学而言主要包括与正态分布相关的统计模型，如单一正态总体的统计模型、线型回归、协方差分析、方差分析和非线性回归分析等，及与二项分布和泊松分布相关的统计模型，如二项分布的统计分析、逻辑斯第回归以及关联表等。根据以上内容的区别与联系，我们考虑按照如下顺序实施教学。
2.1单一正态总体的统计模型
指的是对一个正态总体的统计分析，包括参数点估计、区间估计、假设检验、两个正态总体参数的对比分析等。虽然在概率论教学中有所涉及，但强化这部分内容的教学对建立统计思维方式有极其重要的意义。通过这部分内容的学习，应该使学生准确把握样本、统计量、抽样分布、置信区间、假设检验中弃真概率α、取伪概率β、检验效力、P值等重要概念，为后续学习奠定基础。在实际应用中，对数据进行正态性检验是不可或缺的，需要增加QQ图的原理与应用教学内容，即可以使学生了解这一简单而广泛应用的图形判别法，又可以强调在统计分析中必须对模型所依赖的假设进行验证的统计思想。
2.2线性回归线型
简单线性回归的参数估计、参数估计量的抽样分布以及参数假设检验等内容的推导证明仅涉及二元函数极值、数学期望和方差的基本性质、以及简单的代数运算，因而在学时允许时应尽量加以证明，使学生知其然知其所以然。应介绍用图示法判断线性回归模型的IID假设是否满足。由于对非IID数据的广义线性回归方法已经成熟，故无需对非IID模型的传统矫正方法多做介绍。对于线性回归中的统计预测，应着重使学生掌握预测误差的来源，即参数估计量和模型内在随机误差项两个因素对预测的影响。多元线性回归在基础统计学中占有核心地位，是衔接回归分析和方差分析的纽带。由于多元线性回归的推导涉及随机向量和随机矩阵，而不宜进行详细的推导。可以首先将简单线性回归主要结论用矩阵表示出来，并推广到多元线性回归。在多元回归阶段应强调:(1)应客观地评述预测变量数目对确定系数R2的影响作用，避免在模型评价时对R2的过度依赖；(2)应使学生理解回归模型中的方差分析是对多个参数同时为0的假设进行检验，以便于和以后试验设计与分析的学习衔接起来；(3)离差平方和的分解的意义及参数子集的F检验；(4)对拟合残差的图形分析法，使学生能够对IID的假设满足与否进行判断；(5)回归分析和相关分析的区别与联系。
2.3协方差和方差分析
通过对多元线性回归模型引入离散型的回归变量而介绍协方差分析方法，使学生学会如何构造虚拟变量，并通过虚拟变量将离散型的回归变量加入到回归模型的方法。虚拟变量的理解和使用，对逻辑斯第回归、方差分析、非线性回归的假设检验的学习非常有帮助。在理解协方差分析和多元线性回归的关系后，自然而然地将多元回归过过渡到方差分析，即全部回归变量均为离散型的多元线性回归模型即方差分析模型。可通过对虚拟变量加以限置的方法(使数据矩阵满秩)，用多元回归方法进行方差分析。由于方差分析数据矩阵的特殊性，可以方便地推导出单因素和双因素方差分析的公式。通过以上学习，应该使学生建立回归分析、协方差分析和方差分析属于同一类模型的概念。
2.4非线性回归
篇5
1资料与方法
1.1临床资料
将我院2014级内科学210名学生作为研究对象，男82名，女128名，年龄范围18～22，平均年龄（20.28±1.11）岁，随机分为A组、B组、C组各70例。三组研究对象资料对比，差异无统计学意义（P＞0.05），具有可比性。
1.2方法
A组采用LBL教学法开展教学活动，主要是根据章节内容理论课程由教师进行主导式传统理论进行授课。B组采用PBL教学法开展教学活动，由10～12名学生组成学习小组，选派组长，并配1名经验丰富的导师；老师需要制定1个典型案例进行分析，分为2～3幕形式分次设计围绕教学计划制定相关题目；导师要提前2周将下次需要进行讨论的内容布置给学生，小组成员对这些问题进行专题讨论。利用相关书籍、教科书以及网络资料等查找相关答案，最后组织学生在课堂上进行问题讨论，教师进行提问、总结与分析。C组采用LBL＋PBL教学法开展教学活动，将两种教学方法进行结合，对于部分章节应由教师展开主导式教学，而对于一些实践性内容，则由学生组成学习小组，由教师引导学生以主体地位参与学习，这一事实过程和B组相同。
1.3观察指标
试验结束后对学生进行分离方式考核，根据教学大纲要求进行命题，采用百分制形式进行评价，分值越高，成绩越好。对学生进行教学方法满意度调查[3]，包括课堂气氛、师生交流、学生自主学习能力、学习积极性、自我评价等方面，分值为100分，得分在80分以上（包括80分），可视为满意，见表1。（82.14±2.05）分，C组学生考核成绩为（94.82±1.87）分，C组学生考核成绩明显高于A组和B组，差异有统计学意义（P＜0.05）。
2三组研究对象满意度调查
A组学生满意48例，满意率为68.57%（48/70），B组学生满意52例，满意率为74.29%（52/70），C组学生满意69例，满意率为98.57%（69/70），C组学生满意度明显高于A组、B组，差异有统计学意义（P＜0.05）。
篇6
适合于应用型人才培养的统计学教材是教师授课的依据,目前真正适合独立学院经济管理专业使用的统计学的教材较少,而现有的统计学本科教材又存在难度偏大、理论内容偏多、实践技能操作偏少的弊端,更加适用于研究型人才的培养对象使用,对于数学基础普遍较为薄弱的独立学院的学生来说,用现有的教材教学,学生学习起来困难就更大。而且,在教材的内容组织上大多数教材侧重对于统计方法的介绍和讲解,对统计方法在本专业领域的实际应用介绍的较少,无法适应应用型人才培养目标的要求。针对上述情况,一些独立学院已开始探讨联合编写符合应用型人才培养目标的统计学教材。笔者认为,应用型本科统计学教材在内容体系的构建上应遵循“基础知识够用、专业知识实用”的原则,具体设计思路包括以下几点:(1)教材应保证统计方法体系的完整性,为学生学习其他专业课程提供必要的数量分析方法;(2)教材应侧重于各种统计方法在经济管理领域的实际应用,在例题、案例和实训题目的选编上要尽量贴近社会生活和企业实际需要,也可以考虑从其他专业课程中挖掘应用统计方法解决的实际问题;(3)适应企业对管理型人才所应具备的统计知识和统计技能的要求,使非统计专业的学生对现代企业统计工作的地位、作用、统计工作流程有一定的基本了解;(4)使学生熟练掌握应用Excel软件进行统计数据的整理、显示和分析,学会开展社会调查、市场调查、企业经营活动效益分析等技能;(5)使学生能够读懂国民经济中常用的统计指标的含义,更好地认识国家的宏观经济形势,理解国家采取的各项宏观经济调控政策,以便能够科学、合理地安排好个人的消费、投资及经营等活动。
二处理好理论教学与实践教学的关系
针对于应用型人才“强基础、重实践”的人才培养要求,统计学的教学模式也应做出适当的调整。首先,在统计学的教学计划中应当根据实际需要对理论课和实践课的课时做出合理分配。从教学计划看,以往多数独立学院的统计学教学大都以理论课为主,实践课所占的课时普遍不足,甚至有的学院根本没有安排实训环节。这种偏重于理论知识的传授、轻视实践技能训练的现状必须予以改变。切实的做法就是各学院要从实训课时和实训条件上予以保证。从以往的教学经验看,非统计专业的统计学理论课与实践课的课时比重大体在3:1左右比较适宜。其次,教师还应注意理论课与实践课在内容上的相互配合与衔接,做好统筹安排。
三综合运用多种教学手段,提升统计学理论课的思想性和趣味性
目前随着计算机的发展,统计计算技术已不再成为统计学理论教学的主要内容,统计公式的推导和记忆、数学理论的证明也已不再是理论课教学的重点,在这种情况下,教师应将侧重点放在如何向学生传达统计方法背后的统计思想,帮助学生从应用的角度学会用数据分析问题,包括如何收集、处理、分析和解释数据,从而达到用数量解释客观问题及分析其发展趋势的目的。为此,就需要教师在理论课的教学中做到既能综合运用传统的讲授法及案例教学方法,又能利用多媒体演示教学等多种现代教学方法和手段。应该说不同的教学方法各有其优势,但把多种方法结合起来运用就能大大提升统计学理论课的思想性和趣味性。例如:传统的讲授法对于统计基本概念、基本原理的讲解比较适合;案例教学法通过在课堂教学中组织学生对典型统计案例展开讨论,有利于加深学生对统计思想的深入理解,提高学生应用统计方法分析和解决实际问题的能力;在统计学教学中引入多媒体教学手段,一方面可以向学生演示如何使用Excel软件进行数据的处理,另一方面也可以用多媒体课件展示各种统计表和统计图,形象、生动、直观,能够提高学生学习统计学的兴趣和对统计学的感悟和理解能力。
四重点加强统计学的实践教学环节
当今社会对现代的经济管理型人才所应具备的统计基本技能的要求概括起来主要包括:了解统计的基本知识、掌握各种社会调查和市场调查的基本方法、能够熟练应用Excel、SPSS等统计软件进行数据的整理和分析、掌握各种类型的调查报告和统计分析报告的撰写技巧等。开展统计学的实践教学,是提高学生统计方面实际工作技能的重要途径。加强统计学的实践教学,教师应认真研究和不断完善统计学实践教学的内容体系,进一步规范实训教学的方法和步骤,从而不断提高实践教学的质量和效果。具体说,应控制好以下四个方面的实践教学环节:
(一)认真编写实训教学大纲和指导书
编写《实训教学大纲》和《实训指导书》是实施实训教学的首要步骤。具体包括:明确实训的目的和基本要求、设计适当的实训内容、确定实训课时的安排、教学软件的采用、考核方法及实训内容的操作指导等项内容。
(二)实训课教学过程的组织实施
实训课教学过程的组织是保证实训教学取得预期效果的关键步骤。具体步骤包括:
1将学生进行合理分组,明确实训小组组长的职责和职权。如:实训组长负责组织本组成员按教师的要求开展实训活动,对组内成员进行工作分工,对本组成员完成工作的进度和质量进行控制,对本组成员的实训表现进行评价。
2教师讲解实训指导书。使全体学生明确实训的目的、实训内容和考核方法,以及实训内容的技术操作要领。
3教师在实训过程中对学生进行即时的指导。及时解决学生在实训过程中遇到的问题
4教师应做好实训小组阶段性工作成果的质量把关。如:教师在实训小组完成第一阶段统计调查方案和调查问卷的设计时要进行把关,以保证后续统计调查取得数据的质量
5在实训中注意调动和发掘学生的创造力。如:教师在指导学生应用统计软件绘制统计图的过程中,要求学生不仅要能够选择适当的图形来显示数据,而且要熟练掌握软件中图表功能的使用,对统计图进行适当的修饰和美化,以增强数据的表现力和艺术感染力。
6适当引入范例,提高学生撰写调查报告的能力。如:在指导学生撰写调查报告的过程中,教师不仅对调查报告的内容结构提出了规范性要求,还适当引入了某市场调查公司所做的调查报告范例供学生学习,使学生很快掌握了调查报告的写作要领。
7教师要控制好整个实训的进度和效果。教师要提醒各实训小组在规定的时间完成规定的实训内容,以保证整个实训过程的进度和效果。
(三)学生实训情况的评估及实训成果的应用
每位学生要对个人实训课进行总结,教师也要对各实训小组的实训表现和实训成绩在课堂上进行总结和评估。即:评估学生是否充分参与了实训内容,学生的实训表现和实训成绩是否达到了预期目的。对实训效果显著和实训成果突出的班级和个人,教师可建议将学生的实训成果制作成展板在校园内进行展出,以利于学生间的相互学习与交流。
(四)教师对实训课教学效果的评估
实训课教学效果的评估,是指由教师对本人已实施的实训教学是否达到预期教学目的的评价。教师自我评估的内容包括:本人编写的实训教学大纲和实训指导书是否适用,实训内容和时间安排是否合理、实训小组的划分是否科学、是否恰当地解释和回答了学生在实训中提出的各种问题,在组织学生、引导学生开展实训活动中还有哪些不足之处等。评估的目的是为了进一步改进教学工作,不断提高教学的效果和水平。
五应用型人才的培养对教师的综合素质和实践能力提出了更高的要求
应用型人才的培养目标对教师的综合素质和实践能力都提出了新的、更高的要求。要求教师具备多方面的知识和能力:(1)首先教师要有深厚和扎实的统计专业理论知识;(2)教师要能熟练掌握各种统计软件的使用,并指导学生完成上机操作;(3)教师还应具备经济、管理方面的专业知识,统计学的授课教师最好能够同时讲授其他二到三门经济管理方面的专业课程,如市场营销、质量管理、财务管理、证券投资等课程,这样有利于为统计方法找到更多实用的案例;(4)教师还要了解现代企业的统计活动和国民经济统计的基本知识,以更好地满足企业需求和拓宽学生的知识面。这就需要教师必须不断加强自身的业务学习,还要注重加强与同类院校同行间的业务交流,同时要深入实际,积极创造条件到有关企业、单位去调查、了解企业对人才技能的实际需求,加强人才培养与社会需求的对接,进一步促进统计学教学内容和教学方法的改革。
参 考 文 献
[1]张晓庆,赵鹏,黄剑桥.统计学课程的实践教学探讨[J].大连民族学院学报,2006(7).
[2]马赞军.大学统计学教学模式探讨[J].统计教育,2006(3).
篇7
目前信息技术已渗透到包括医学在内的各个领域。随着医院信息系统（HIS）的应用和发展，数据库中的数据量迅速膨胀，数据库规模逐渐扩大，复杂程度日益增加。尽管积累了大量的业务数据，但真正能将这些数据的价值挖掘出来，并运用到医院的临床辅助诊断和日常管理决策中的却很少。提出建立基于HIS系统的医学信息数据仓库，在此基础上，对数据仓库中的医疗数据进行疾病监测、预测、医院管理辅助决策等方面的数据挖掘。为医务工作者、临床管理人员、科研人员提供辅助决策与综合分析的工具。在医疗方面具有重要的意义。
二、数据挖掘相关概述
（一）数据挖掘的概念及特点
数据挖掘是20世纪80年代后期出现的一个数据和信息系统应用的学科前沿，又被称为数据中的知识发现（ KDD ），数据挖掘（ Data Mining） ，是从海量数据中挖掘出隐含在其中的知识。数据挖掘一般有如下几个步骤 ： 数据收集、整理、挖掘、挖掘结果评价、分析决策。这需要一个循环反复的过程才可能达到预期效果。详细来说，所在的应用领域不同，则其处理方法也不一样，例如在医学领域中步骤为：一、在该领域中认识到所要处理的问题具有的意义，并确定目标及标准；二、了解并清楚数据用途；三、根据研究的领域处理数据、建立数据仓库，这是一个动态的循环过程；四、数据挖掘，包括数据模型选择、训练和验证过程、建模和模型评价，对于同一过程可利用不同的算法，这仅仅是对数据的不同角度理解，每种算法均有合理的可能性，实际运用中要反复验证和比较；五、对结果进行评估，给予提取的新知识以合理解释，并需要具有一定的应用价值。
（二）数据挖掘的常用技术
数据挖掘是一门诞生时间不长却飞速发展的计算机分析技术， 在这些年来， 数据挖掘理论日趋成熟， 并在实践中大放异彩。在各个领域的应用中， 最常用的数据挖掘技术主要有决策树、神经网络、关联规则、聚类分析、统计学、模糊集和粗糙集等。
（1）决策树。决策树技术是用于数据挖掘中分类和预测的主要技术。决策树学习算法是对分类问题进行深入分析的一种方法。决策树能从一个或多个预测变量中， 针对类别因变量的选项， 预测出个例的趋势变化关系等， 也可以由结果来反推原因。就其方法论而言， 决策树分析与判别分析、聚类分析、非参数统计以及非线性估计所提供的功能是一样的。但是决策树的设置形式灵活， 使得其更具吸引力。常用决策树算法有： CLS算法， ID3算法， C4.5算法， CART算法， SLIQ 算法， SPR INT算法， PUBLIC算法等。
（2）神经网络。在数据挖掘中， 对神经网络的改进重点是为了解决两个问题： 知识表达和知识获取。知识表达是使神经网络中抽象的权值代表一定的知识。知识获取是给定一个已经训练好的神经网络，从中提取显式的知识。神经网络是一个不依赖于模型的自适应函数估计器， 其突出的优点是能够并行处理， 并具有学习能力、适应能力和很强的容错能力， 可以建构非线性的模型， 模型的准确度高， 具有良好的推广性， 对于未知的输入也可以得到正确的输出， 可以接受不同种类的变量作为输入， 可应用的领域相当广泛， 模型建构能力强， 具有模糊推论能力， 允许输出输入变量具有模糊性。
（3）关联规则。关联规则用来揭示数据与数据之间未知的相互依赖关系， 他的任务就是： 给定一个事务数据库， 在基于支持度/置信度框架中， 发现数据与项目之间大量有趣的相互联系， 生成所有的支持度和可信度分别高于用户给定的最小支持度和最小可信度的关联规则。优秀的关联规则算法主要有： Apriori算法， AprioriTid算法， FP-Tree算法。
（4）聚类分析。聚类分析是由样本分组， 寻找到多维数据点中的差异之处。它与判别分析不同在于： 聚类分析的分类方式并不需要预先设定一个指针变量， 它属于一种非参数分析方法， 所以并没有非常严谨的数理依据， 也无需假设总体为正态分布。聚类分析的一般过程是： 搜集数据， 转换成相似矩阵。聚类分析可以作为一个获得数据分布情况， 观察每个类的特征和对特定类进一步分析的独立工具。通过聚类， 能够识别密集和稀疏的区域， 发现全局的分布模式， 以及数据属性之间的相互关系等。主要的聚类分析方法有： 距离的方法， 基于层次的方法， 基于密度的方法， 基于网络的方法。
（5）统计学习。统计学习理论是一种专门研究小样本情况下机器学习规律的理论。机器学习的研究目标是以观测数据为基础， 通过对数据的研究得出目前尚不能通过原理分析得到的规律。然后利用这些规律去分析现实中的客观现象， 对未来的数据进行预测。现实应用中存在着大量人类尚无法准确认识但却可以进行观测的事物， 因此机器学习在从现在科学技术到社会、经济等各领域都有着十分重要的应用。
贝叶斯学习： 贝叶斯推理是在知道新的信息后修正数据集概论分布的基本工具， 用来处理数据挖掘中的分类问题。
回归分析： 回归分析方法是研究相关关系的一种有力的数学工具。它是建立在对客观事物大量试验和观察的基础上， 用来寻找隐藏在看上去不确定的现象中的统计规律的数理统计方法。
（6）模糊集和粗糙集： 模糊集用隶属函数来刻画对象对集合属于程度的连续的过渡性， 即元素从属于集合到不属于集合的渐变过程。模糊集是一种边界不分明的集合， 一个元素对于模糊集合来说， 它可以既属于该集合又不属于该集合， 边界是模糊的。粗糙集理论是一种刻画不完整性和不确定性的数学工具， 能有效地分析和处理不精确、不完整等各种不完备的信息， 并从中发现隐含的知识， 揭示潜在的规律。粗糙集和遗传算法相结合、和模糊集相结合， 以及和神经网络相结合来用于数据挖掘。
三、数据挖掘在医学中的应用
（一）疾病诊断：正确的诊断对于指导病人的用药及康复显然是重要的，在临床中有些疾病错综复杂，数据挖掘的有关分类分析可以应用于疾病的诊断。粗糙集理论、神经网络、模糊逻辑分析在疾病诊断方面是有效的。例如Roshawrma Scales等基于人工神经网络理论及模糊逻辑开发的对心血管疾病诊断的工具对疾病诊断的正确率达到92%。采用数据挖掘可以通过对患者资料数据库中大量历史数据的处理，挖掘出有价值的诊断规则，根据患者的年龄、性别、辅助检查结果、生理生化指标等给出诊断结论，并进一步排除人为因素干扰。
（二）疾病相关因素分析：在病案信息库中有大量的关于病人的病情和病人的个人信息，包括年龄、性别、居住地、职业、生活情况等，对数据库中的信息进行关联规则分析可以发现有意义的关系及模式，某种疾病的相关发病危险因素分析可以指导患者如何预防该疾病。
（三）疾病预测：确定某些疾病的发展模式，根据病人的病史预测病情的发展趋势，从而有针对性的预防疾病的发生。应用粗糙集理论根据以往病例归纳出诊断规则，用来预测新的疾病的发生，现有的人工预测早产的准确率只有17%～38%，应用粗糙集理论则可提高到68%～90%。
（四）在医疗质量管理中的应用：医疗质量管理的核心是数据、标准、计划以及治疗的质量，这些质量可以用不同的指数来衡量。数据挖掘可以发现新的关于数据、标准、计划以及治疗的质量指数的假说并检验这些指数是否有效。利用数据挖掘技术构建数据模型、选用适当算法就可以实现预测医院利润、未来一些时间段内哪些药品使用频率最高，哪些疾病发病率最高等和人们的现实生活密切相关的一系列问题。
（五）在医学图像中的应用：医学领域中越来越多地应用图像作为疾病诊断的工具，如SPECT、CT、MRI、PET等，数据挖掘可以应用于医学图像的分析。Sacha等成功地运用基于贝叶斯分类的数据挖掘模式对心肌SPECT图像进行分类诊断。
（六）在药物开发中的应用：一些新药的开发研究，其重要关键的是对先导化合物的发掘。一般有2种途径：随机筛选、意外发现和定向发掘。采用数据挖掘技术建立的药物开发系统可以用来寻找和药效学相关的化学物质基础，确定药效基团，进一步指导新药的研究，缩短开发周期，降低开发费用。
（七）在遗传学方面的应用：用序列模式分析DNA序列，不同基因在疾病的不同阶段可能起着不同的作用。若能找到疾病发展的不同阶段遗传因素序列，就有可能开发针对疾病不同阶段的治疗药物，取得有效的治疗效果。
四、展望
目前数据挖掘技术在医学领域的应用还处于起步阶段，但随着该方法的日益普及，其必将在医学领域得到更加广泛的应用。医学数据挖掘是计算机技术、人工智能、统计学与现代医学相融合的产物，是面向整个医学信息库提取知识的过程，是医疗服务整体决策科学化的重要组成成分；而由于医学数据挖掘对象的广泛性、算法要求高效性、提取知识以及决策建议要求更高的准确性加之现有医学信息库相对于数据挖掘的要求还存在不完备性；这些都需要计算机、数学、统计学以及广大医疗工作者的多方协作，从而在信息的多方融合、算法的高效性、获取知识准确性等关键技术上得以更大的突破。
五、结语
医学领域的数据构成一个复杂的数据库，包括电子病历、医学影像、病理参数、化验结果等。随着数据挖掘技术的广泛应用和各种挖掘算法的不断改进完善，结合生物医学信息自身的特殊性和复杂性，处理好挖掘过程中的关键技术，使数据挖掘技术在处理生物医学资料中的功能日益强大。数据挖掘技术在生物医学研究、医疗卫生管理与决策中的应用范围也会越来越广，并带来可观的经济和社会效益。
参考文献：
[1]康晓东.基于数据仓库的数据挖掘技术[M].北京：机械工业出版社，2004.
[2]张世红，徐国桓，刘会霞，龚文涛.数据挖掘在医学上的应用[J]. 医学情报工作.2004-6
篇8
中图分类号：TP312
文献标识码：A 文章编号：1672-7800（2016）008-0023-03
0 引言
聚类分析是数据挖掘的一个重要研究领域，在统计学、生物学、模式识别、机器学习和社会科学中有着极为广泛的应用。所谓聚类，就是将数据对象分成多个类或簇，使得同一簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。k-均值聚类是聚类分析中最经典的算法，算法简单，可用于多种类型数据的聚类。但当数据集为非凸时，k-均值聚类往往陷于局部最优，聚的效果欠佳。此外，对于大小或密度不均匀的簇，k-均值聚类通常无法处理。
谱聚类是一种新型的聚类分析方法，可以克服k-均值聚类等经典方法的某些缺陷。谱聚类方法以图论中的谱图理论为基础，将聚类问题转化为图最优划分问题。在众多图的最优划分准则中，归一化割集准则的划分效果相对较好，是谱聚类中常用的划分准则。对于给定的划分准则和聚类数目k，谱聚类通常采用多路谱聚类算法将数据集划分为k个簇。
最早的谱聚类算法是Ng、Bach和Jordan提出的多路谱聚类方法。代表性的谱聚类算法还有Meila提出的多路归一化割谱聚类方法；Vidal 提出的子空间谱聚类方法；Wang等提出的多流形谱聚类方法；Cheng等提出的低秩谱聚类方法；Elhamifar等提出的稀疏子空间谱聚类方法。
在众多谱聚类算法中，多路谱聚类方法和多路归一化割谱聚类方法因其划分效果较好，算法复杂度也较低，被广大学者普遍接受。但这两种算法尚有一些问题有待研究，例如：如何选取包含聚类信息的特征向量？如何确定较合理的聚类数？
本文在多路谱聚类算法的基础上，对特征向量组的选取问题进行研究，提出一种特征向量自动选取的谱聚类算法，并根据数值实验对该算法进行性能测试。
1 谱聚类算法的基本概念与原理
谱聚类的基本思想是将聚类问题转化为图的最优划分问题，利用图的最优划分准则，使划分出的子图之间的边权之和较小，而子图内的边权之和较大。本文算法设计过程中涉及到的基本概念、性质及原理如下：
1.1 谱聚类矩阵
设数据集为{p1，p2，…，pn}，将pi视为图G（V，E）的一个顶点vi，i=1，2，…，n，对边赋权Wij，Wij通常是根据顶点vi，vj间的距离经过某种适当的变换而得，这样就得到一个基于样本点相似度的无向加权图G（V，E，W），从而将数据集{p1，p2，…，pn}的聚类问题转化为在图G（V，E，W）上的最优划分问题。
图划分准则的合理性决定着聚类结果的优劣。由于图划分问题是一个NP难问题，所以首先要将图划分问题转化为连续松弛形式，进而再将其转化为某些谱聚类矩阵的谱分解问题[2]。
常用的谱聚类矩阵如下：
1.3 高斯核参数
在谱聚类算法中，通常先要计算顶点间的距离矩阵，然后再用高斯核函数法将距离矩阵转换为相似矩阵，进而得到各种谱聚类矩阵。根据所选高斯核参数的不同，高斯核函数可分为局部尺度高斯核函数和全局尺度高斯核函数两类。通常采用全局尺度高斯核函数将距离矩阵转化为相似矩阵，具体方法为：
在将距离矩阵转换为相似矩阵的过程中，高斯核参数σ起着极为重要的作用。不同的高斯核参数可能导致不同的划分结果。本文算法中采用Zhang等[11]提出的高斯核函数法。
2 基于特征向量自动选取的谱聚类算法
2.1 算法理论基础
下面给出几个理论结果，它们是本文算法的理论基础。
引理1：非对称规范Laplace矩阵Lrw的性质[2]。
（1）λ，x分别是Lrw的特征值和特征向量的充要条件是λ，x是广义特征值问题Lx=λDx的解。
（2）Lrw具有n个非负、实的特征值：0=λ1≤λ2≤…≤λn。
引理2：连通子图的数目与Lrw的谱之间的关系[2]。
Lrw的特征值0的重数等于图GV，E，W的连通子图V1∪V2∪…∪Vk的数目；特征值0的特征空间由这些子图的指示向量组成。
2.2 算法原理
引理1 确保了Lrw的特征值的实值性和非负性。引理2表明，Lrw的理想情形包含不同类间完全分离的情形，即Lrw的理想情形一般优于相似矩阵和Laplace矩阵的理想情形。另外，Lrw的包含聚类信息的特征向量构成的矩阵具有分段常值性，即它反映的聚类信息比较明显。综上，本文算法中选用Lrw作为谱聚类矩阵。
在经典的谱聚类算法中，往往选定谱聚类矩阵的前k个特征向量，得到特征向量空间，再用k-均值聚类等传统聚类算法对特征向量空间的特征向量进行聚类，从而得出聚类结果。这种作法的局限性在于，当k较大时，选取的k个特征向量不一定包含聚类信息，从而导致聚类结果出现偏差。特别是当聚类数k有误差时，聚类结果会较混乱[6]。
为了解决上述问题，本文提出两个应对策略。首先，为避免遗漏包含聚类信息的特征向量，选取较多的Lrw的特征向量进行分析、判断。当n较大时，究竟选取多少特征向量进行分析比较合理目前尚无定论。综合考虑划分效果和算法的复杂度，本文选取前ln（n）个特征向量进行分析。其次，采用本征间隙法[12]判定选取的特征向量中是否包含聚类信息。
所谓本征间隙是指相邻两个特征值的差。本征间隙法的原理是，根据矩阵摄动理论，本征间隙越大，选取的k个特征向量所构成的子空间就越稳定。
虽然本征间隙法理论上并不能保证找出全部包含聚类信息的特征向量，但由于此方法简单易行，而对特征向量分段常值性的检验能在一定程度上弥补此方法的缺陷。
2.3 算法步骤
根据上述分析，本文提出一种特征向量自动选取的谱聚类方法，具体步骤如下：
3 数值实验
为了检验新算法的聚类性能，本文选取了4组典型的子空间谱聚类仿真数据进行实验，结果如图1～图4所示。
图1中的数据类数较多，但聚类难度并不大；图2和图3中的数据无法用传统方法聚类，适合用谱聚类，其中图3中的数据聚类有一定难度；图4中的数据量大，且密度相差较大，经典谱聚类算法的效果往往欠佳。上述聚类效果图显示，本文提出的特征向量自动选择谱聚类算法对各类子空间聚类问题具有极佳的聚类效果。
4 Y语
本文根据非对称规范Laplace矩阵特征向量组的分段常值性，增加了待分析特征向量的数量，并利用本征间隙方法判断特征向量中是否包含聚类信息。数值实验表明，这种算法对典型的谱聚类问题可获得质量较高的聚类结果，在一定程度上解决了特征向量的自动选取问题。
需指出的是，本文提出的算法较适用于独立子空间情形，而对于不满足独立子空间的情形或者是复杂的多流形情形效果欠佳。另外，与经典的谱聚类算法相比，本文算法具有较高的复杂度。
参考文献：
[1]JAIN A，MURTY M，FLYNN P.Data clustering： a review[J].ACM Computing Surveys，1999，31（3）： 264-323.
[2]LUXBRUG U.A tutorial on spectral clustering[J].Statistics and Computing，2007，17（4）： 395-416.
[3]VERMA D，MEILA M.A comparison of spectral clustering algorithm[R].Washington： University of Washington，2003.
[4]NG A，JORDAN M，WEISS Y.On spectral clustering： analysis and an algorithm[C].Advances in Neural Information Processing Systems.Cambridge： MIT Press，2001： 849-856.
[5]BACH F，JORDAN M.Learning spectral clustering[C].Advances in Neural Information Processing Systems.Cambridge： MIT Press，2004： 1-13.
[6]MEILA M，XU L.Multiway cuts and spectral clustering[R].Washington： University of Washington，2003.
[7]VIDAL R.Subspace clustering[J].IEEE Signal Processing Magazine，2011，28（2）：52-68.
[8]WANG Y，JIANG Y，WU Y，et al.Spectral clustering on multiple manifolds[J].IEEE Transactions on Neural Networks，2011，22（7）：1149-1161.
[9]CHENG B，LIU G，WANG J，et al.Multi-task low rank affinity pursuit for image segmentation[J].ICCV，2011（15）：36-39.
篇9
一、 联合分析的发展及基本概念
联合分析（conjoint analysis），早期称为联合衡量，是1964年由数理心理学家R.Luce和统计学家J.Tukey提出来的。1971年由P. Green和V.Rao引入消费者行为研究领域，成为该研究领域内最重要的研究方法之一。1978年F.Carmone、P. Green和A.Jain等人将联合衡量改为联合分析。
在理论发展过程中，应用性的研究占据了理论发展的主流，伴以渐进的理论性研究。这充分表明了联合分析法在现实中的有效性。随着该方法的广泛传播，其应用范围从市场调研领域延伸到更广阔的涉及选择偏好的领域，涵盖了金融、医疗卫生、农村消费、流通业、会展以及选举等领域。据Witt ink调查，在1981～1984年间，联合分析法应用于商业研究的例子平均达400例。
二、联合分析的理论和应用原理
联合分析法，又称结合分析法，是对结合效应的评价，从而有效地解决了传统调查方法中需要调研对象独立评价属性的问题。联合分析有三种主要形式，包括权衡矩阵法、两两比较法和全轮廓法，其中又以全轮廓法最为常用。该方法提供给研究的参与者一系列的产品描述，参与者被要求浏览所有的描述，做出一系列的评价，对调研结果进行数学方法分析后，就可以导出该类产品的各属性的效用值。
对于市场研究领域，在联合分析之前的所有方法几乎都会使用重要性比率尺度来度量产品属性的重要性水平，即都会直接向消费者提问一个产品中他们最看重的属性。这种方法有几个严重的缺点。首先，调研的经验表明，如果不限制条件的话，消费者倾向于认为每个属性几乎都是同等重要的。其次，消费决策很大程度上依赖的是整体的判断。当消费者被要求分离各种属性并且对各属性进行量化评价并且描述某个属性水平的高低将驱使其购买一个产品而不是另一个产品时，即使是最老练的消费者也将感到无所适从。
在联合分析中产品被描述成为轮廓，每一个轮廓由能够描述产品重要特征的属性和赋予每一属性的不同水平的组合构成。消费者在实际购买时并不是基于产品某一属性而是综合考虑产品各个属性及属性水平从而做出购买决策的。因此消费者对某一产品轮廓的评价可以分解成构成这个轮廓多个属性水平的评价以及不同属性在决策时所占的权重。在联合分析中用分值也叫做效用来描述消费者对某一属性水平的偏好。联合分析能够较好地模拟消费者购买的实际过程，从而客观、真实地测量消费者对某一产品的偏好及产品不同属性在购买过程中的重要性。
三、联合分析的实证研究
2008年到了，我国的3G（第三代通信手机）市场即将开启。根据UMTS2006年的数据，全球市场上仅CDMA2000终端的商用手机就已达1130款。对于即将到来的3G时代，我国的手机设备生产商该如何把握市场？什么样的3G手机最能吸引消费者？它又应具备哪些功能？价格如何？下面就通过联合分析的方法来探究这些问题。
（一）确定3G手机的属性和属性水平
联合分析首先要对产品的属性进行识别。这里的属性有两个要求。第一，它们应该是影响消费者偏好的突出因素，对市场而言是最重要的；第二，属性和属性水平应该是可衡量、可操作的。通过对于国外3G手机的分析并综合考虑以上两个因素，本文选择有关3G手机的4个属性，每个属性均包含3个水平：价格（2000、2500、3000）、品牌（三星、索尼-爱立信、夏新）、屏幕尺寸（1.8、2.2、2.5英寸）和内存容量（256M、512M、1G）。
（二）产品模拟
联合分析将产品的所有属性和属性水平进行整体考虑，生成一系列产品。本文采用全轮廓法展示产品轮廓。本文选定4个属性每个属性3个水平，消费者则需要对34=81种产品进行评价，远远超过了消费者理性的评价能力。因此，采用正交设计的方法来减少3G手机展示的轮廓数量（借助SPSS件DATA模块中的orthogonal design功能）。
（三）数据收集与分析
本文的数据来源于在南京市某高校随机抽取的76名学生，其中男生38人，女生38人。每位被调查者利用九级里克特量表对上述9个3G产品轮廓进行评价，1为毫无吸引力，9为非常有吸引力。通过调查可以得到这76名学生对9个轮廓的评分结果，并且通过建立SYNTAX文件，通过SPSS软件的编程来编制联合分析的程序，得出数据分析结果（见表1）。
1、对消费者群体的联合分析。对76名受访者综合的群体效用值和属性相对重要性的分析包含以下统计量：属性的相对重要性或属性的相对重要性权重、属性水平的分值（效用）、联合分析模型的预测评分与实测评分之间的相关关系等等。从中可以发现，消费者在购买3G产品时依次考虑的因素是品牌、内存容量、屏幕尺寸和价格。从效用值分析可以看出，效用值越大表示消费者越偏好该属性水平。在价格方面消费者最偏好2000元，其他依次为2500元和3000元；在品牌方面消费者偏好三星，其他依次为索尼-爱立信和夏新；在屏幕尺寸方面消费者偏好2.2英寸，其他依次为2.5英寸和1.8英寸；在内存容量方面消费者偏好1G内存，其他依次为512M和256M。
2、对不同性别消费者的联合分析。从不同性别来看，男性和女性在购买3G手机时考虑的因素权重有所不同，女性消费者对价格的关注要高于屏幕大小，并且非常重视手机品牌；而男性消费者对手机的内存容量和屏幕大小的关注高于女性。而在属性水平的效用方面，两者没有明显的差别。
（四）估计和验证
Kendall’s tau检验的预测评分值与实际评分值的相关系数高达0.933，双尾检验显著性水平为.000。Pearson’s R检验的实际评分值与预测评分值的相关系数高达0.992，双尾检验显著性水平为.001。由此可见，两个相关系数的检验都是非常显著的，模型拟合的精度是相当高的，所以认为联合分析模型所做出的假设和得出的成分效用值是合理的，可以说明受测者在选择3G手机产品时的偏好结构。
（五）数据应用
通过计算所有轮廓组合的效用值，我们可以找到消费者最为偏好的几种3G手机组合。本文采用加法模式计算轮廓效用，公式为：
通过计算，应用结果能够给出效用值总和排在前五位的产品组合依次是：（三星+2000元+1G内存+2.2英寸屏幕）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）、（三星+3000元+1G+2.2英寸）。
由此发现，在四种属性的所有水平组合中，消费者最偏好三星的品牌并且要求有1G的容量，价格和屏幕大小对消费者偏好的影响并不大。在品牌知名度高内存容量大的情况下消费者还是愿意以高价来购买。同样地，下面对不同性别消费者的偏好进行分析，女性效用值最高的五种组合依次是：（三星+2000元+1G+2.2英寸）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）、（三星+2000元+1G+1.8英寸）。男性效用值最高的五种组合依次是：（三星+2000元+1G+2.2英寸）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+3000元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）。
由此可见，男性消费者和女性消费者都偏爱内存容量大、知名度高的3G手机，相对而言女性消费者对手机价格更为敏感，而男性消费者更愿意为手机功能的增强而出高价。
四、实证研究对决策的指导作用
应用联合分析得出的数据，可以为3G手机制造商策略的制定指明方向：
（一）协助市场细分
联合分析法不仅可以进行消费者总体效用分析，也可以进行单个消费者的效用分析，从而得出不同消费者对属性水平的重视程度。若将看重同种属性的消费者归类并找出改消费群体的特征，则可作为一个细分市场。本文受限于取样范围，消费者的对属性的相对重要性权重水平的结构相对稳定。随着取样范围的扩大，联合分析法的市场细分功能将会得到更好的体现。
（二）设立企业标杆，有助营销策略的制定
联合分析法的一个好处就是将某些定性的属性进行量化，明确地指出了品牌的重要程度，为企业的品牌推广投入量决策提供重要的依据。同时，优势品牌能够影响消费者的选择偏好。而分析得出的市场主导品牌信息可以为企业设定营销管理标杆，有助于企业指定跟随性的营销策略，从而较好地追踪消费者偏好，避免市场风险。3G手机市场的品牌重要性权重高达50%，同时，三星公司的品牌效应最强，成为3G手机行业的领导品牌，自然成为其他手机制造商营销部门的重点关注对象。
（三）价格策略的制定
商品的细分市场中常有出现价格敏感性较高的消费群体。联合分析法能够测量出该类消费者对价格属性的相对重要性权重，亦可以将其看作相对价格敏感度。若保持效用值不变而改变价格与其他属性水平，则可以测量出价格相对于其他属性的敏感程度。
（四）最佳轮廓的选择（新产品设计）
联合分析法的一个重要功能是可以模拟一种效用最高的产品轮廓，亦即消费者满意度最高的产品。结合市场细分，可以设计出更忙满足差异化需求的各种产品。通过以上分析发现，中低价位、内存容量大、屏幕2.2英寸的国际知名品牌的3G手机对消费者吸引力最大，但是这些属性水平往往很难由一款手机兼具。而联合分析可以将各种轮廓效用自高到底排列，手机制造商可以根据自身的资源与能力选择最能够满足消费者要求的产品进行开发。
（五）市场占有率预测，有助于整体战略的制定
通过目标产品效用值与市场所有产品（或主要）轮廓的总效用值之间的比较，不同产品的效用可以转换成预测的市场占有率。市场占有率能够准确实现将对公司的整体市场战略产生重要的影响。因此，通过联合分析法预测市场占有率，可以减低战略制定的不确定性。
参考文献：
1、Green.Paul E.Hybrid Models for Conjoint Analysis: An Expository Review[J].Journal of Marketing Research,1984(21).
2、Wittink R. Commercial Use of Conjoint Analysis: An Update [J]. Journal ofMarketing.1989(53)．
3、孙祥,文.消费行为研究中的联合分析法[J].心理科学进展,2005(13).
篇10
目前，C程序设计公共课教学过程中存在很多不尽如人意的地方，例如，教学平台单一，没有考虑各专业的独特性；过分注重知识的灌输，忽略教学对象的感受等。计算机教育新方法的探索迫在眉睫。
1.1 传统教学方法的弊端
在内容组织上，C语言教材虽然依据逻辑思维方式进行了归类，但难点较为集中，尤其是数组和指针等章节难度更大。教师在授课的过程中常常从自己的角度出发，采用填鸭式的教学方式，参考自己的讲义，并用幻灯片在讲台上讲解语法和算法思想，他们无法也无从得知学生的掌握情况。幻灯片尽管包含的信息量巨大，但学生分不清主次，只能看到做好的程序结果，无法看到程序运行中的意外错误，更不用说调试。常见的传统教学方法及其弊端如下。
1）先部分后整体的方法。
这种方法首先讲述预备知识，如变量、数据类型、函数等基本概念，然后把c语言分解成几个骨干部分依次讲述，注重单个知识点的顺序传授和语法规则的阐述，辅之以相应算法的讲解，重点放在讲解c语言语法上。其优点是循序渐进，但只对计算机专业的学生比较奏效，因为他们对基础知识掌握的比较牢靠，对于非计算机专业的学生来说，如果把重心放在语法学习上，容易使其陷入迷茫，消磨学好C语言的意志。
2）任务驱动法。
该方法在教学过程中的流程是：提出任务一提示引导一自主思考一协作学习一解决问题一巩固练习。该法对培养学生的学习能力有一定帮助，但是非计算机专业的学生对于公共课的重视程度有限，而且不一定在刚学习时就理解编程，可能会觉得C语言深不可测，从而产生畏难情绪，更加不想学习。
3）采用多媒体为主、板书为辅、教师或学生现场编程调试、精讲多练的教学方法。
教师可以运用PPT来生动诠释要讲授的内容。教师跟学生要做好互动，这样更容易理解、消化所学内容。
在科技迅猛发展的今天，多媒体成为教学过程中不可缺少的工具，但是过多依靠多媒体进行演示，除了增加同学们学习的负担外别无好处。只有合理利用多媒体辅助教学才可能取得良好的教学效果。
1.2 学生的困惑和教学难点
在大学的专业环境下，非计算机专业的学生对公共计算机课程的学习缺乏动力，而传统教学方法的基本特点是以知识的传授为中心，过分强调了教师的作用，扼制了学生的个性和创造性，忽视了学生的主动性与潜能的发挥，不利于学生更好地掌握c语言这门课程。学生普遍觉得c语言规则很多、格式繁琐不易掌握、老师上课枯燥，即使课本上的知识掌握了，编写一个完整的程序还是比较困难。另外，许多学生在最初的数据结构、运算符和表达式章节就落后于教学进度，后来随着课程的进行，越发觉得枯燥无味；下课后学生很难和老师再见面，最多是通过电子邮件进行沟通，许多程序问题很难解决。学生在上机的过程中缺乏必要的指导，当面对陌生的开发环境，程序的许多部分无法理解，出错时自己无法调试，而学生十分渴望运行一个完整的程序，学习热情也在这一过程中逐步消磨殆尽，久而久之，就会觉得c语言编程枯燥无味，自然产生放弃的念头。
1.3 课程问卷调查结果
C程序设计教学的最终目的就是让学生能针对现实应用中的具体问题分析、设计、编码、调试、得出结论。笔者对生物科学、地理信息系统、数学、统计学等专业的400名同学（如表1所示）进行了调查，针对学生在C语言学习中存在的主要问题和困难，设计了6个常见问题（可多选），调查问卷结果如表2所示。从表2的调查结果来看，有一半的学生选择了“感觉与专业无关，不愿意学”，在起步时就打消了学习的兴趣，这样学习的效果显然不容乐观。
2 “专业化”教学新模式设计
2.1 “专业化”教学新模式的意义
在当前时代背景下，随着信息技术的高速发展，专业学科与计算机及信息技术的融合明显提高了各学科的教学与科研水平；同时，既懂专业又懂计算机技术的专业复合型人才大量涌现。既有需求，又有条件，必然会产生变革。“专业化”教学新模式也会赋予公共课以新的涵义。
程序设计语言类课程属于计算机公共课教育的第2个层次，即计算机技术基础教育，一个好的教学模式对于培养自身专业与计算机专业相结合的新型专业人才至关重要。C程序设计课程“专业化”教学的过程就是将C语言的基础内容不断与专业相融合的过程，这个过程的表现形式很多，有基础内容与专业内容的融合，有基础内容基本不变，任课教师融合到各专业中，以与专业相关的项目为出发点进行基础内容的介绍等。
2.2 正确定位课程教学目标
对非计算机专业的学生而言，只要求其掌握C语言基本语法和常用算法，具备基本的编程素养和解决本专业应用问题的能力，并以“必要、够用”为度，避免在学习程序设计过程中陷入语言繁杂的语法和格式中。不同专业需要做出不同的教学目标定位：以应用为背景、以程序设计方法为主线、以语法和结构为基础、以培养能力和提高学习兴趣为目的，变应试为应用，让学生从多角度、多方式了解和掌握c语言以及程序设计的精髓。例如，统计类专业重点学习算法和数值处理技术，信息系统类专业重点学习与数据库交互处理的技术。
2.3 精心设计导课方法
第一堂课不应急于进入课程的讲解，可以通过绪论的介绍让学生了解随着计算机技术的迅速发展，计算机学科不再是一门独立的学科，它已逐步渗透到其他各学科中，形成交叉学科。要引导学生共同思考这样3个问题：（1）为什么要学C语言？（2）C语言学什么？（3）怎样学好C语言？
问题（1）促使学生树立C语言的普遍适用思想，根据各专业的不同特点，使其明白，学习C语言不但不是没有用处，而且是大有好处。c语言虽然是一门基础性计算机语言，但后续很多专业课程都将用到该程序设计的相关思想和技术，由此引起学生在思想上的重视。以生物专业为例，生物学数据通常都是存储在庞大的数据库和文本文件中，如果要手工处理和分析这些数据几乎是不可能的，所以需要通过编制计算机程序自动完成这些过程。
问题（2）主要让学生明确本课程的教学目标和教学内容，强调学习的主旨：除掌握c语言最基本的语法等基础知识外，重点是要建立程序设计的思想，并能通过编程去解决一些实际问题。学生在明确目标后，在学习过程中就能做到心中有数。此外，可以引导学生了解自身专业将来主要的研究方向，并发掘c程序设计工具在自身专业应用中可能会起到的作用，以此激发学生的学习热情。
通过问题（3）的提出，介绍一些好的C语言学习方法和经验，学生在明确课程的性质、目标等情况后，不妨通过演示一些比较有趣的实用程序，如游戏程序、音乐程序、画图程序等，让学生建立对C语言的初步认识，与此同时充分调动学生学习c语言的兴趣和积极性。
2.4 针对不同专业，培养学生的实践应用能力
2.4.1 项目驱动，在实践中融汇理论知识
通过开发项目，引导学生创造性地运用知识和能力，自主地发现问题、研究问题和解决问题，促使其在研讨中积累知识、培养能力和锻炼思维。建立学生学习、研究小组；建立竞赛式的学习机制；培养学生快乐协作、多角度看问题的能力，同时在紧张刺激中激起学生的求知欲。教师也可以在项目实践中真正了解教与学的缺陷，推进教学模式转变。在教学中，也可以用项目串联程序设计的理论知识，完成“教、学、做”，同时，通过项目整合程序设计的理论知识。
2.4.2 立足学生专业应用背景，激发学习兴趣
激发学生的学习兴趣是学好一门课程的基础，也是优质课堂教学质量的必要条件。只有将c语言融入到专业应用中，才可能达到提升学习兴趣的效果。教师应立足于所授学生的专业背景，充分备课，精心选择适合学生专业的项目或者大作业，进行教学设计。
选择的项目要具备典型性、针对性、实践性特点。例如，对于信息系统类专业，可以选用各种管理系统的项目引导课程的教学。教师可以通过系统菜单的选择，介绍c语言选择结构、循环结构的主要思想和应用技巧，以及通过信息的查询、更新等操作介绍结构体使用和文件访问的方法。对数学、统计学专业，可以将计算器的设计作为引导项目，培养学生的自主创新能力，期间介绍C程序设计中的函数、标准输入输出、数据类型等概念和使用方法。对生物学专业，可以选取ACM竞赛中生物方面的应用题目来激发学生的求知热情（如“肿瘤检测”“细菌繁殖”等），在分析题目时可以介绍数组、函数等用法。
2.4.3 制订科学合理的课程考核评价方案
基于C程序设计课程“教、学、做”的特点，现行学习评价有碍于学生动手能力的培养，对素质教育的激励性较差。笔者认为，改变教学方法固然重要，改变大学教育模式中的考核方式也至关重要。大学考试应该改变传统的只考书本和课件的现状，要多结合实际应用，改为以在线竞赛、实训项目等的完成情况评价学生的学习效果，并从项目活动记录、资料的收集整理、成果效果的展示、实训报告的总结以及合作态度、出勤情况等全方位地评定学生成绩。要注重学生的学习过程以及研究性体验，突出能力型、素质型培养目标，淡化追求高分、及格“万岁”的应试型学习目标，减轻学生的考试压力。
3 实践结果
为了检验“专业化”教学新模式的实用性，笔者对表2所示的400名同学再次进行了调查，以学习兴趣激发、课堂教学质量、理论学习效果、分析问题能力、逻辑思维能力、实践动手能力6个方面为评价指标，对调查结果加以统计，结果如表3所示。根据表3的分析可以看出，“专业化”新模式在“C程序设计”教学实践中取得了较大的突破，能够充分调动学生们的学习热情，大大提高教学质量，学生分析问题和解决问题的能力得到了大幅度的提升。与专业结合的公共课教学新模式为非计算机专业学生学习c语言提供了一个切实可行的方法。
4 结语
实践表明，教师采用“专业化”教学新模式后，约89%的同学在C程序设计课程的学习上取得了真正的收获，显著改善了过去单纯强调知识掌握的教学模式，增强了非计算机专业学生学习c程序设计课程的主动性和积极性。该教学方法立足于学生专业，以项目作为驱动，强调学生主动学习和探索的过程，为学生牢固掌握知识、应用知识提供了一个很好的平台。多个班级的教学实践结果表明，该教学模式有针对性，课堂气氛活跃而不失严肃，学生学习热情高昂，学习效果大大改善；学生们也掌握了独立分析问题的能力，善于动手动脑。
参考文献：
[1]郭炜，李文新.程序设计类实习课程如何准确考查学生学习情况[J].吉林大学学报：信息科学版，2005（增刊1）：99-103.
[2]汤旭慧，宋荣，唐建东.基于工学结合的高职电子类专业C语言教学新模式的探索[J].中国职业技术教育，2008（10）：13-14.17.
篇11
一、 问题的提出与文献综述
随着高校成本分担机制的推行和学费收入在高校经费收入中所占比重的提升，高校学生已从传统的“知识、技能的接受者”转化为“知识、技能的需求方和消费者”，成为影响高等教育机构行为及其职能的一个主体性角色。高校教学活动的成败与否已不再单纯取决于高等院校单方因素。教学活动在实施过程中受到高等院校与其学生——来自供求双方的影响和制约。为此，从稳定与提高高等教育质量，保障教学活动顺利开展的角度出发，无论是在课程内容设计，还是在教学实施运作等方面，院校都必须密切关注教学活动最直接、最深入的参与者，即学生的教学满意程度[1]。对学生评教的研究者在学术界也不乏其人。胡子祥建立了高等教育服务质量的评价模型，将质量分解为9个维度，并检验了模型的信度和效度[2]。张雪梅、刘若兰选取台湾高等教育数据库大三学生问卷资料，将评价高教质量的“过程指标”分为校园支持等6个维度，发现这些指标能反映出学生心中的高等教育质量[3]。鲍威通过2006年实施的学生教学评估问卷调查，考察范围包括教学课程的结构性、教学的顺应性、教师的教学态度和校园学术环境4个维度，试图全面综合地把握高校的教学服务[1]。岳昌君、胡丛采用2007年全国高校毕业生的抽样调查数据，将高等教育质量分解为10个分项指标进行考察，包括基础知识、职业技能等[4]。张倩、岳昌君利用2008年“首都高校学生发展调查”本科高年级学生数据对高等教育质量评价和学生满意度进行了分析，采用因子分析的方法提取了高等教育质量评价的六大因子[5]。虽然已有较多对学生评教的研究，但对课堂教学的微观研究还不够，教学管理部门的作用在评价中也有所缺失。因此，切实关注教室内的课堂教学活动，分析博士研究生对微观课堂教学的满意度，完善博士研究生课堂教学评价体系，科学合理地设计博士研究生课程是十分必要的。
二、 数据来源及研究方法
（一） 研究对象
本研究采用方便抽样的方法进行问卷调查，于2010年11月在W大学2010级博士生中实施了调查。W大学是一所教育部直属的、以人文社会科学为主的综合性重点大学，是国家“211工程”、“985工程”重点建设高校，2010级在校博士研究生800多位。具体调查方式为：利用全校博士研究生的政治课课堂休息时间发放问卷按照培养方案要求，政治课是W大学所有博士研究生必修的公共基础课。，分两次调查，共发放问卷300份，回收238份。在被调查者的性别构成上，男性占56.7%，女性占43.3%；在学习方式上，脱产读博的占73.5%，在职读博的占26.5%；从年龄构成看，样本年龄的中位数为28，最小者22，最长者45，30岁及以下的占64.2%，31岁到40岁的占34.1%，41岁及以上的占1.7%。
（二） 测量工具
以自制调查问卷为主要测量工具。由于是研究者自编的问卷，因此需要对其进行信度分析。信度是指由多次测量所获得结果之间的一致性或稳定性[6]260。运用SPSS对问卷的所有题目进行信度检验，得到α=0.892，标准化值为0.883。一般来说大于0.7说明问卷比较可信。问卷共包括4部分内容，第一部分是博士研究生基本信息，作为对博士研究生群体构成特征和比较不同性别、学习方式等的博士研究生对课堂评价差异分析的基础。第二部分是博士研究生对课堂教学的总体评价，包括课堂重要性评价、课前评价、课堂形式内容评价、课堂实质内容评价、课堂考核方式评价、课后评价以及课堂教学管理评价7个方面。第三部分是博士研究生对课堂教学的满意度评价，问卷共列举了19项课堂教学中的积极行为，根据对这一行为描述的认同程度，允许被调查者运用四级评定法（很同意、同意、反对、很反对）表达个人满意度。第四部分是开放式题目，考察博士研究生就课堂教学问题对教师和教学管理部门的意见和建议。
（三） 数据处理
问卷回收后，运用SPSS17.0录入数据建立数据库，并进行统计学分析。数据主要处理如下：
1. 统计描述。运用SPSS17.0对所获数据进行频数统计、描述分析等，展现数据的基本情况。
2. 方差分析。方差分析基本思想是通过分析试验中由不同水平引起的差异和随机因素造成的差异对总差异程度的贡献大小，确定考察因素对试验结果影响的显著性，要求各总体具有方差齐性。通过方差分析考察影响课堂教学评价得分的因素，分析性别、学习方式、课程重要性的认识等不同因素的不同水平之间的差异是否显著。
3. 卡方检验。卡方检验既可用于推断某个变量是否服从某种特定分布的拟合优度检验，也可用于推断两个离散变量是否存在依从关系的独立性检验或推断几次重复试验的结果是否是相同的同质性检验[6]260。
4. 因子分析。因子分析是一种用来分析隐藏在表象背后因子作用的一类统计模型和方法。在实际问题的分析过程中常采用因子分析去除重叠信息，将原始的众多指标合成较少的几个因子变量来分析。
三、 研究结果与讨论
（一） 博士研究生对课堂教学的评价
第一，课堂地位的总体性评价。这一指标主要解答现实中的两方面疑问：已经读博士了是否还用上课和在职博士研究生是否有必要上课。从问卷调查结果看，博士研究生对课堂教学的重要性给予了较高的肯定性评价，85.8%的博士研究生认为研究生课程教学对研究生的培养质量起到“很重要”和“重要”作用。另外，从选课数量看，大部分博士研究生都选了4或5门课（占总人数的65.5%），由此可见，学生主观上比较肯定课堂教学的地位，并按照培养方案规定的学分要求选择了较多的课国外学生通常每学期只有两到三门课，我国博士研究生培养模式中，课程负担相对而言较重，但这与很多复杂因素相关，不能据此认为孰优孰劣。。为了进一步考察女性博士研究生比男性博士研究生是否更重视课堂？脱产学生是否更重视课堂？需要进一步进行单因素方差分析。首先，运用SPSS进行的oneway ANOVA过程的输出结果显示，levene统计值在0.05的显著水平下都是显著的，符合方差齐性的假设。其次，学习方式、性别的方差分析F统计值分别为3.145、0.414，伴随概率分别为0.078、0.521。说明学习方式不同导致的对课程重要性评价的差异是显著的，而男女博士研究生对课程重要性的评价并无显著差异。
第二，课前评价。该评价主要考察教学活动是否遵循了科学的教学规律，教师是否做到了上课前已经使学生对课程内容有了一定的认识和准备。调查发现，这一情况并不乐观，在回答“总体而言，是否有课程的课程大纲”这一问卷问题时，69.6%的学生选择了“否”。教学论认为，课程大纲对保证课堂教学质量具有重要作用，由此看来W学校在这方面尚需做很多工作。
第三，课堂形式评价。该评价主要考察博士研究生对教学方法与教学手段的评价。首先考察博士研究生是否关注课堂在教学方法与手段上的形式内容，还是只关注课堂实质内容。调查发现，57.1%的博士研究生对教学方法在意，略微高于“不在意”的比例（42.9%）。结合问卷开放式问题的分析，调查表明教学方法是学生认为影响教学效果的重要因素之一。这一结论与教学论关于教学方法的认识是一致的，说明即使是博士阶段的教学活动，也要遵守这一规律。此外，在备选的8种教学方法中，学生最喜欢的教学方法（多选题）为：课堂讨论法（24%）、问题或案例教学法（22.7%）；学生认为最常用的教学方法（多选题）为：讲授法（66.4%）、课堂讨论法（10.3%）；学生认为最有效的教学方法（多选题）为：课堂讨论法（23.4%）、问题或案例教学法（20.2%）。综上，学生最喜欢和认为最有效的方法首先均为课堂讨论法，其次为问题或案例教学法，再次为讲授法。而在教学手段评价上，近一半的人认为教学手段对教学效果的影响力不大，近30%的人认为影响力因课程而异。可见，博士研究生对教学方法的要求高于对教学手段的要求。
第四，课堂实质内容评价。该评价主要考查学生对课堂存在的主要问题的认识和评价。238个被调查者中有231个回答有效（占被调查者的97.1%），7个缺失值（占2.9%）。231个被调查的回答次数总计为485次。学生认为的问题主要集中在“教学方法呆板且课件无吸引力”（19.6%）、“过于注重学术性忽视实践性，因而缺乏吸引力”（16.9%）、“教师不重视，因而投入时间不足且上课随意性太强”（15.7%）、“学生自己不重视”（13.6%）、“教学内容陈旧”（10.5%）。需要引起重视的是，课堂之外的原因——教师和学生不重视占到了29.3%。
第五，课后评价。该评价主要考察博士研究生与课程相关的课后学习情况。问卷题目“您平均每次课（3学时）的课下准备时间多久”的回答结果可以说是令人吃惊的，“不准备”的学生占19.6%，不超过3个小时的学生占52.8%，两者累计占72.4%。博士研究生课下不为课程做准备或很少做准备，是否与课外任务繁重而无暇备课有关？首先，从客观上来看博士研究生的课外闲暇时间多少与备课时间的关系。通过单因素方差分析发现，即使脱产读博的学生和在职读博的学生课外闲暇时间差异很大，但两个群体在课下准备时间上没有显著性差异。其次，从主观上看博士研究生对课外任务繁重程度的体验与备课时间的关系。调查发现43.9%的博士研究生认为课外学习任务“很繁重”，53.6%的博士研究生认为“一般”，只有2.5%的博士研究生感觉课外学习任务“轻松”。由此可见博士研究生主观感受的课外学习任务还是比较重的，进一步对“课外任务繁重程度感知评价”与“每次课下准备时间”两个分类数据进行卡方检验，发现在90%的置信水平上二者具有负相关关系，即博士生感觉课外学习任务越繁重在备课上投入的时间就越少。
第六，课堂考核方式评价。该评价主要考察学生课程考核方式的倾向性以及对研究生院制定的有关课程考核的具体管理规定的看法。74.6%的博士研究生认为应考虑作业的因素，选择“考勤”、“课堂发言”和“期末考核”的比例也都超过了一半（因为是多选题）。由此可见，教学管理部门应该允许采用多样化的课程考核方式。这也反映在对“博士研究生学科综合考试采用考试方法而不能用考查方法”这一规定的不满上，72.8%的博士研究生认为这一规定不合理。此外，在成绩评定上不应赋予期末考核的比重过高，多数学生认为这一比重应该在50%左右，不宜超过70%。
第七，课堂教学管理评价。从博士研究生的角度看教学管理部门参与评价课堂教学效果的正当性。调查发现，86.4%的学生仍寄希望于学校对教师的教学效果进行评价，与目前管理部门对博士研究生教学管理较少、重视本科教学的现状相比，博士研究生课堂教学的管理、评价工作也需要管理部门予以重视。
（二） 博士研究生对课堂教学满意度的评价
为了进一步从微观上发现博士研究生对课堂教学各方面的满意度，同时也为了验证问卷第一部分所得出的宏观结果，研究问卷的第二部分从教学基本功、教学吸引力与教学规范性3个方面设计了19个提问项目。通过因子分析的方法对这19个有关满意度的提问项目进行深入剖析，试图发现其背后的结构性特征。在应用因子分析方法前需要注意这一方法的一些事项[7]：第一，样本量不能太小。一般而言，样本量至少应是变量数的5倍以上。本研究进行因子分析的变量数为19个（见表1），样本量为238个，符合要求。第二，各变量之间应该有一定的相关性。如果相关系数矩阵中大部分相关系数都小于0.3，且未通过统计检验，那么这些变量不适合做因子分析。经计算19个变量之间两两相关的皮尔森相关系数，发现相关系数绝大部分都大于0.3，且通过α=0.05水平的显著性检验。第三，KMO检验。用于检验变量间的偏相关性，取值在0—1之间，大于0.9表示非常适合作因子分析。本研究的KMO检验取值为0.917，非常适合。
对19个变量进行因子分析，按照特征值大于1的原则提取3个因子，3个因子总计解释了总体方差的62.693%，基本上满足因子分析的要求。通过方差最大化方法进行因子旋转，得到旋转后的3个因子（见表1）。
表1关于博士研究生课堂教学满意度的因子分析结果
名称提问项目因子载荷
F1F2F3
F1教学基本功教师上课认真负责0.6240.0670.539
教师课前准备充分0.6330.1490.541
能有效利用课堂时间，且信息量大、重点突出0.6740.4230.165
能讲清基本概念和基本理论，并联系实际0.5560.4580.200
多媒体课件制作规范，且运用适当0.6690.0970.290
讲授熟练0.4380.2860.398
对教师的教学态度满意0.6970.1150.299
对课堂教学效果满意0.7390.3350.013
教师上课认真负责0.6240.0670.539
F2教学吸引力课程目标和教学计划合理明确0.4250.5210.318
教师经常鼓励学生进行研究性学习0.0460.8110.288
教师经常鼓励学生发表自己的见解0.0740.8520.200
教学方法灵活，且善于利用讨论和案例等新颖的教学方法0.4890.6670.039
对教师的课很有兴趣0.4630.4980.243
教师善于提出问题启发同学思考0.4020.6850.089
F3教学规范性
教师批改作业及时认真0.2510.4160.429
能按规定时间上课0.1800.1700.887
能按规定地点上课0.1730.1800.875
教学学时得到了保证0.2460.2420.759
方差贡献率23.07319.98419.636
注： 因子抽出方式：主成分法；旋转方式： Varimax
根据每个因子对应的列载荷系数对因子命名。对因子1影响力较大的变量有：“教师上课认真负责”、“教师课前准备充分”、“能有效利用课堂时间，且信息量大、重点突出”等9个变量，这些变量集中反映了教学的基本能力和要求，因此将因子命名为“教学基本功”。对因子2影响较大的则有：“课程目标和教学计划合理明确”、“教师经常鼓励学生进行研究性学习”等6个变量，要求教师不仅要达到课程目标和教学计划上的基本要求，而且要注重灵活性以及与学生互动等，可命名为“教学吸引力”因子。因子3则包括了“教师批改作业及时认真”等与教学基本任务、基本时间地点要求有关的4个变量，可将其命名为“教学规范性”因子。进一步通过描述统计（descriptives）发现，教学吸引力是当前博士研究生对课堂教学满意度最低的方面。这与问卷第二部分关于“课堂中存在的主要问题”的调查结果非常一致。
（三） 博士研究生对教师及教学管理部门的意见
在问卷第三部分设计了两个开放性问题：“针对研究生课堂教学，您对教师有什么建议和意见”和“针对研究生课堂教学，您对学校管理部门有什么建议和意见”。238个填了问卷的博士研究生中，122个博士研究生表达了意见。本文采用词频分析方法，根据主要关键词出现的频次，将博士研究生提出的建议整理如下：
第一，互动。33个博士研究生提到了有关加强促进师生互动的要求，但同时希望“讨论要针对具体问题”，“教师要有控制力”。第二，内容。46个博士研究生针对课程内容表达了自己的意见，主要有3点：首先希望教师将教学与科研相联系，“深入学术，培养学术精神和健全人格”；其次，课程内容还要具备前沿性和开放性，注重理论联系实际；最后，要有全球视野。第三，方法和手段。26个博士研究生就此提出了自己的意见，这与前文关于教学方法和教学手段的调查结果一致，甚至有人认为过于强调多媒体等教学手段对授课效果有负面影响。第四，教师。26个博士研究生对教师的教学态度表达了不满，5个博士研究生指出个别老师的教学基本功较差。第五，学时、学分与课程考核。11个博士研究生提出，应该减少对博士研究生学分的要求，减少必选课增加选修课，减少公共课的课时等。12个博士研究生希望采用多元化的成绩考查方式。第六，课堂管理与监督。被调查者对此表达出了截然相反的两种意见。38个博士研究生虽然同意加强课堂管理和监督，但反对简单化的巡视课堂，提出应该允许和鼓励教师创新课堂教学模式，比如一些专业课可以不在教室进行而是走出教室去实践；与此相反，还有10个博士研究生认为可以用点名、签到等方式严格考勤、严格课堂考勤管理。
四、 结论与建议
第一，博士研究生对课堂的重视与失望并存，这一失望可能源于对教学吸引力和教师教学态度的不满，因此要求规范课堂教学。尽管在职读博的学生与全日制脱产博士研究生在课堂重要性的评价上有差异，但总体来说85%以上的学生主观上仍然认为课程教学在保证研究生培养质量方面有着重要作用。但是，在评价“研究生课堂教学中存在的主要问题是什么”时，又有13.6%的人选择了“学生自己不重视”。重要却不重视，从中可以看出博士研究生对课堂教学存在一定程度的失望。为什么会失望？结合因子分析和描述统计过程发现，博士研究生对教师的教学基本功和教学规范性（尽管有层次性：对时间地点规范满意，对课前提纲等不满）基本满意，但对教学吸引力的满意度评价不高。这就需要教师着力追求教学吸引力，但是结合主观题的调查结果发现，教师不能简单追求吸引力，更要注重对课堂的控制力以及知识的系统性、完整性。
第二，博士研究生对教学手段要求并不高，重视和希望教师对教学方法进一步改进，应结合学生需求完善对博士研究生的课堂教学评价管理。首先，要建立以学生为主的评教体系，使学生敢于给出真实的评价结果。其次，教学评价指标上应该侧重于教学方法和教学效果的评价，轻教学手段等形式评价。评价指标中应该少些形式上的强硬要求，比如不应再把是否使用多媒体等作为一个指标（而这一指标却是目前很多学校的教学管理部门对教师的课堂教学进行评价时的必备指标）。再次，评价应该与培训相结合，虽然博士研究生课程任课教师的教学水平普遍较高，但是调查中也有不少博士研究生指出一些老师的普通话都有问题，还有一些年轻老师科研水平高，教学水平差。最后，也是最根本的，就是对教师的评价体系应该改变重科研轻教学的状况，才能从根本上改变某些教师教学态度不端正的局面。
第三，博士研究生对课程的学时、学分存在不满，应进一步科学合理地设计课程体系。首先，应该减少对博士研究生的学分要求。虽然博士研究生的课下准备时间与是否为全日制脱产博士研究生无关，但是博士研究生依然普遍认为现在的课程过多，学分要求过高。其次，应减少部分课的学时，对于政治、英语以及小语种等公共课，应该采取合理办法允许学生免修、免考等（目前已有相关办法，但仍应继续完善），使博士研究生将更多时间花在科研上。再次，减少必修学分的要求，增加选修学分的比重，多提供选修课，且最好能一门课由多位老师开设。最后，各学期的课程应该合理均衡分配，不要过于集中在一个学期。
参考文献
[1]鲍威.学生眼中的高等院校教学质量——高校学生教学评估的分析[J].现代大学教育，2007（4）：1622.
[2]胡子祥.高等教育服务质量评价模型研究[J].现代大学教育，2006（2）：6167.
[3]张雪梅，刘若兰.构建以学生校园经验与学习成果为高等教育质量评鉴指针之研究[J].高教发展与评估，2007（5）：3443.
[4]岳昌君，胡丛.毕业生对高等教育质量评价的实证研究[J].大学·研究与评价，2008（3）：5662.
