数据分析课程范文10篇

时间:2024-05-05 13:16:27

导语:这里是公务员之家根据多年的文秘经验,为你推荐的十篇数据分析课程范文,还可以咨询客服老师获取更多原创文章,欢迎参考。

数据分析课程

课程思政在数据新闻与数据分析的实践

摘要:培育新媒体环境下的卓越新闻传播人才,需以落实立德树人的根本任务为基础。作为融合新闻系列课程之一的“数据新闻与数据分析”课程,可通过将思政元素融入教学目标、挖掘课程内容思政元素、建设经典教学案例库、树立优秀数据新闻团队榜样、反思不良数据新闻应用、灵活巧设教学环节、提升教师思政能力等方式,使思政元素内化于课堂教学,外显于学生成长,种好课堂责任田,为党和人民培养优秀的新闻传播后备人才。

关键词:课程思政;数据新闻;新闻传播人才培养

“强化思想引领和价值塑造,构建思想政治教育、职业道德教育、专业知识教育‘三位一体’新闻传播育人体系”①是2.0版卓越新闻传播人才教育计划的要求。打造新闻传播人才德育新模式,要求任课教师不仅要传授专业知识,还要注重思想引导和价值引领,以课程思政作为卓越新闻传播人才培养的有力抓手,将思想政治教育元素有机融合于专业课程教学中,以全新的德育模式培养新闻传播人才。“数据新闻与数据分析”课程是新闻传播学专业中实践性较强的新闻传播业务类课程,这门课程在培养学生掌握从数据到发现新闻、基于数据讲好新闻故事技能的同时,也要通过实施课程思想政治教育激发学生的社会责任感,培养学生正确的价值引导能力,使其未来能以过硬的专业技能、坚定的立场和满腔的热情从事我国社会主义新闻传播工作。

一、在教学目标中融入课程思政“数据新闻与数据分析”

课程是学科专业选修课,为新闻传播学专业学生开设。该课程的主要任务是向学生介绍数据新闻学的基本理论、方法和工具。为了胜任数据新闻领域的工作,学生需要知晓数据新闻的历史、经典案例或范例。“数据新闻与数据分析”课程注重培养学生的数据素养、批判性思维,引导学生理解具体的数据分析,了解数据可视化相关软件,基本掌握统计学概念、原理、方法及SPSS统计软件的应用,能正确运用数据结果发现值得讲述的故事(发现问题),运用数据讲故事(分析解决问题),并最终创作完整的数据新闻作品。“思想政治工作从根本上说就是做人的工作。”②在把思想政治教育融入专业课教学的过程中,要想最终实现“立德树人”的人才培养目标,除了强调传授基础知识、专业技能外,还应重视提升大学生的人文道德素养,使学生成为“德才兼备”的人才。对“数据新闻与数据分析”课程而言,“才”指学生对数据分析、数据可视化各种技能的掌握,“德”则指在数据新闻作品创制过程中诚实耐劳等道德品质的养成,以及对数据伦理与新闻传播伦理规范的遵守。因此,对“数据新闻与数据分析”课程的思政教育而言,应把立德树人的内容融入课程的教学目标中。通过对数据新闻的基本理论、方法和工具的系统讲授,使学生遵守新闻伦理与数据使用规范,熟悉数据新闻制作流程,运用数据结果发现故事、讲述故事,最终创作完整的数据新闻稿,并在此过程中养成良好的职业道德品质和家国情怀,为成为有知识、有温度、有情怀的新闻传播人才打牢思想基础。

二、在教学内容中挖掘思政元素

查看全文

数据分析基础课程思政实践研究

摘要:在提质培优背景下,课程思政“大有可为”也“大有作为”。文章以专业基础课程——数据分析基础课程为例,研究如何贴合课程特色,对课程思政进行一体化设计,并在实践中检验课程思政成效,从而充分发挥专业基础课程的育人价值,落实立德树人的根本任务。

关键词:课程思政;总体设计;实践成效

2015年10月,党的十八届五中全会正式提出“实施国家大数据战略,推进数据资源开放共享”。[1]2021年《政府工作报告》也提出“加快数字化发展,打造数字经济新优势,培养数智化人才”。[2]随着大数据行业的发展,企业的数据能力、构建意识不断增强,更多的企业在不断引进专业数据人才。2020年,教育部出台的《职业教育提质培优行动计划(2020—2023年)》提出,职业教育要强化工学结合、知行合一,健全德技并修育人机制,落实立德树人根本任务,完善多元共治的质量保证机制,推进高质量发展。一方面是数据人才的稀缺,一方面是职教改革的迫切需要,因此,数据分析基础课程的课程思政建设“大有可为”也“大有作为”。本文按照提质培优的要求,遵循“一体化设计、结构化课程、颗粒化资源”的建构逻辑,对数据分析基础课程的课程思政进行实践探讨。

1数据分析基础课程的课程目标

数据分析基础是江苏信息职业技术学院(以下简称我校)面向所有专业开设的一门专业基础课。课程根据行业需求和“00后”学生特点,依据各专业人才培养目标进行设置,按照岗位能力分析应该掌握的知识点和技能点,形成课程教学目标,并细化为具体的知识点和能力点。以数据分析在各行业的应用为主线,对金融大数据、电商大数据等进行分析,培养学生的数据思维,使学生掌握数据分析的实用技能,最终达到知行合一、学以致用的目的。在专业教育的同时,以新时代中国特色社会主义思想为指导,坚持知识传授与价值引领相结合,注重课程思政教育教学改革建设工作,深入挖掘数据分析基础课程蕴含的思想政治教育资源,充分发挥专业基础课的育人价值,将价值塑造、知识传授和能力培养三者融为一体,培养“德、智、技”全面发展的高素质应用型人才。

1.1培育和践行社会主义核心价值观(德)

查看全文

统计学数据挖掘实验教学探索

摘要:大数据时代,数据分析各环节的变化对统计学专业人才培养模式的变革起到了催化作用.数据挖掘作为拓展和提升大数据分析方法与思路的应用型课程,被广泛纳入统计学本科专业人才培养方案.本文对大数据时代数据分析师的职业需求进行了调研,在此基础上提出了基于R语言的项目式数据挖掘实验教学模式.教学实践结果表明,通过项目式学习,可以让学生在掌握理论知识的基础上,进一步提升分析问题和解决实际问题的能力,进一步适应大数据时代数据分析师的职业要求.

关键词:统计学;数据挖掘;实验教学;数据分析师;项目式学习

1引言

2016年美国统计协会(AmericanStatisticalAsociation)对统计学的内涵给出一个较为简洁的说明,将统计学定义为:“thescienceoflearningfromdata”,即从数据中学习的科学[1].该定义实际上与数据科学(DataScience)的内涵如出一辙.笔者以为ASA之所以对统计学做出这样的内涵解释,实际上表明在大数据浪潮中,统计学正走在变革的道路上.大数据时代,数据的产生、收集、分析与应用等环节都发生着深刻的变化.互联网技术的高速发展使每个人成为数据的生产者,数据生产已经突破了时间、地点的限制,数据量也由抽样数据向大数据转化;数据的存储类型由纸和笔记载的关系型结构化数据向半结构、非结构和异构的网络数据类型转化;数据的采集由根据统计分析目的的调查式收集向基于大数据技术的自动化采集方法转化;数据的分析由传统的验证型分析方法向探索型分析方法转化;数据的应用由辅助管理决策向引导变革转化.以上变化正在重塑数据分析流程,而数据分析模式的变革必然引起教育模式的改革.事实上,在大数据洪流的冲击下,统计学专业的人才培养模式已经悄然发生变化.当前,统计学专业融合大数据、计算机、人工智能等相关学科知识,引导学生认识和掌握数据处理的新技术,推动交叉学科应用型人才的培养,已经成为共识.其中,在统计学专业课程体系中引入数据挖掘课程就是典型的代表.数据挖掘技术在一定程度上弥补了传统统计分析方法的不足,可以进一步增强学生探索性数据分析的能力,更加适应大数据时代的需求.与统计学强调推断理论和方法不同,数据挖掘强调经验,着重于从数据中挖掘有用的模式和价值,只要能够有效地解决问题,方法和模型本身并不重要.因而,笔者认为数据挖掘课程能够拓展统计学专业学生数据分析的思路和方法,进一步加深对数据分析内涵的理解.由此,本文致力于探索大数据背景下统计学专业数据挖掘实验课程教学模式,以提升统计学人才实践应用能力,使其不断适应大数据分析的需求.

2大数据时代市场对应用型统计人才的新需求

数据分析师是统计学专业大学生毕业后的主要职业选择之一.数据分析师是指在不同行业中,专门从事数据搜集、整理、分析,并依据数据做出行业或市场研究、评估和预测的专业人员;是以实际数据为依据,对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才[2].为了客观分析大数据时代应用型统计人才需具备的知识、能力和技术,本文通过智联招聘网对企业公布的数据分析师职位招聘信息进行了调研,这些招聘信息都是面向应届本科毕业生的,具有较强的针对性,调研时间为2018年8月3日.本文调研了七家上市公司[3],有国企事业单位、互联网公司、金融公司、网络游戏公司、网络媒体公司等,各公司对数据分析师的岗位职责、知识要求、能力要求和技术要求见表1所示.从数据分析师的岗位职责来看,不同类型的企业虽然具体要求不同,但是核心职责是相同的,主要有三个方面:负责业务部门的数据需求分析,也就是通过调研了解业务部门的需求,确定数据分析对象和目的;构建业务数据分析指标体系,即如何开展数据分析工作,确定数据采集、处理和分析及结果解读等环节的指标、方法、模型及数据分析工具等;为业务部门提供数据决策支持,包括撰写调研报告、数据分析报告及设计数据产品和开发数据分析工具等等.从岗位职责的核心要素来看,数据分析师是非常契合统计学专业的人才培养目标的,从调研到设计到分析到结果解读,是数据分析的一个完整流程.但是,也可以看出很多企业在数据分析中特别强调了数据挖掘方法,如北京计算机技术及应用研究所强调用户行为挖掘和个性化推荐、金融界强调用户行为数据和网络日志数据挖掘,而这些都不是传统统计学分析方法的范畴.从知识要求来看,大部分企业都要求数据分析师具有统计学专业背景,但互联网公司特别强调统计学、数学和计算机的交叉和融合.实际上,数据分析师作为复合型人才,除了掌握必要的统计分析理论和方法外,数学建模和编程能力都是必不可少的.从能力要求来看,较强的数据敏感度和清晰的逻辑思维能力是核心要素.其次,从业务来看,数据分析师需要同不同的部门打交道,沟通协调能力和团队协作能力也是必不可少的.从技术要求来看,大部分企业都要求数据分析师至少要掌握一种统计分析软件,如SPSS或MATLAB;至少要熟悉一种编程语言,如Python或R;至少要掌握一种数据库技术,如MySql/Oracle/SQLServer等,最简单的是excel.在高校及商业统计分析领域,R语言是当前最受欢迎的统计编程语言之一.综合以上分析可以得出,统计学专业的学生要想成为出色的数据分析师,除了具备坚实的统计学理论和方法外,还需要具备良好的计算机能力,如数据库技术和编程能力.更重要的是,数据挖掘方法与技术作为大数据技术的基础已经成为数据分析师必备的技能,也是企业招聘时重点关注的技术.

查看全文

医药经济数据分析能力研究

【摘要】创客教育理念在医药经济管理专业学生数据分析能力培养中有着重要的作用。以医药院校为例分析了医药经济数据分析能力培养的现状和问题,从创客视角提出了医药经济数据分析能力的培养机制及保障体系。

【关键词】创客;经济数据分析;培养机制

一、研究背景

为适应医药经济和卫生事业发展需要,医药院校陆续开设了医药贸易、人力资源管理、公共事业管理、医疗保险、医药营销等经济管理类本科专业。各专业都是属于经济管理与医药学交叉融合而形成的新兴交叉专业,旨在培养学生扎实的经济管理、医药学理论基础以及较强的医药产业经济分析能力,医药数据处理能力以及创新创业等社会实践能力。当前医药市场经济信息量大,需要借助于经济模型和计量软件分析处理市场数据,拟合医药市场变化趋势,进行市场预测,为政府决策和企业项目策划提供依据。而医药经济管理各专业的培养目标就是培养学生扎实的医药经济理论知识和一定的理论建模和数据分析处理能力,能够运用经济学模型和计量统计软件,分析医药市场数据信息和存在问题,模拟医药经济变化趋势,为政府制定医药产业政策、企业拓展市场以及经营决策提供理论支持和模型参考。因此,在专业建设中要更加注重学生经济分析、数据建模和计量分析能力的培养。医药院校在医药经济管理专业建设和学生专业素养培育存在“重医药、轻经管”、“重理论、轻实践”的现象,学生经济理论和数理基础薄弱,市场调研和数据采集能力不足,急需培养医药理论和经济管理理论交叉复合型人才,能够在经济调研基础上,构建经济学模型,借助计量统计软件进行数据分析,研究医药市场突出问题及对策,为社会提供理论和数据支持。基于医药经济创客实验室已经在医药本科院校建立,因此,本研究将从创客视角提出医药经济管理交叉专业本科生医药经济数据分析能力的培养机制和保障体系。

二、医药院校医药经济数据分析能力培养的现状

1.实践基础。医药院校经济管理学院在经济管理专业建设中重视学生实践能力的培养质量。经过多年的课程建设、师资培养以及创客实验室的建设,以创客空间为基础的本科生医药经济数据能力培养机制已经初步建立并具有了一定的实践基础,主要表现在:第一,课程基础建设。医药院校经济管理学院已经建立了以经济课程、数理课程、统计学课程和相关实验课程为核心的创客模式的经济数据分析课程体系。医药经济管理相关专业开设了《宏微观经济学》、《统计学原理》、《计量经济学》、《医药高等数学》、《概率论与数理统计》、《线性代数》、《经济分析与预测》、《管理定量分析》等一系列经济与数理类课程,相关经济计量分析课程的开设培养了学生经济分析能力、市场调研能力、数据分析能力以及市场分析与预测的能力,这些为学生医药数据分析能力培养提供了必要的知识储备。第二,师资队伍建设。医药院校经济管理学院在经济学、统计学、计量经济学以及实验指导教师方面师资配置较为充足、师资结构合理,教师普遍具有扎实的经济学及统计学理论基础,具备计量分析及数据建模能力,撰写过高水平的计量分析学术论文,承担省级重点课题多项,具有指导学生运用软件平台进行创新创业模拟比赛的经验。此外,还邀请校外医药企业专家和实训基地的老师作为学生创新创业的指导专家,这在实践教学环节充实了学院的师资力量,为数据分析、项目运行提供了师资队伍储备。第三,实验室建设。医药院校经济管理学院重视实验室建设,建设了医药贸易综合实验室和金融统计分析实验室,购置了相关统计分析软件、金融分析软件、会计电算化软件以及国际贸易模拟软件,建立了教学互动软件平台,便于学生交流互动与教师指导。第四,创新创业平台建设。医药院校经济管理学院重视大学生创新创业平台建设,特别是已经建立了医药创客实验室平台。创客实验室是以互联网为载体,以学校实验室为核心区域,以学校项目孵化基地为支撑,以经济数据处理能力和创新创业实践能力提升为培养目标而建立的集创意交流、数据处理、市场模拟、成果展示以及项目孵化功能为一体的创新创业平台,医药产业创客实验室的建立为学生提供一个创意交流、数据处理、市场模拟、成果展示以及项目孵化的创新创业基地,有利于学生医药经济数据分析能力的培养与提升。

查看全文

计算机基础课程个性化教学研究

摘要:随着社会的发展,包括云计算、大数据在内的诸多高新信息技术逐渐浮出水面,目前已在商业、农业乃至服务业等多个领域展露效能,近年来更与教育领域发生结合。基于大数据技术的大数据分析能够对教学过程、教学效果等多方面的因素形成有效把控,继而提高教学质量,实现教育的改革创新。而随着近年来教育水平的提升,我国教育部正式在《关于“十三五”期间全面深入推进教育信息化工作的指导意见》中提出了教学模式优化的必要性,个性化教学正是我国教育未来的不二方向。现为迎合这一趋势,本文将对大数据分析及个性化教学进行阐述,并以计算机基础课程为例对基于大数据分析的个性化教学方法做出探究。

关键词:计算机基础课程;个性化教学;大数据分析;概念;方法

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[1]。个性化教学是一类能够尊重学生个性、兴趣乃至特长并进行因材施教的教学方法。由于学生间存在素质差异,针对不同素质学生开展不同模式的教育可以使教育效率与质量得到显著提升[2]。大数据技术能够通过云数据分析与计算将结果直接呈现于教师面前,教师据此对学生实际学习状况做出实时追踪与评测,并依据其实际状况制定不同的个性化学习计划,精准地把握学生在学习中存在的弊病并予以补足,实现从传统的任务导向教学向数据导向教学的轻松转变,其应用意义不可谓不深远。

1大数据分析在个性化教学中的应用意义

1.1转“被动”为“主动”

在基于大数据分析技术的个性化教学模式下,学生以往的学习行为皆会以数据信息形式被大数据分析系统纳入数据处理范围内。借助该类数据的分析,教师可以轻而易举地发现学生与众不同的优势及潜力,这些优势及潜力或许学生自身都未曾发现,而教师发现后可以此为依据为学生设定学习计划,选择个性化教学方向,更好地适应学生的学习状况。在这种教学方式下,许多在过去认为“学习难”的学生能够真正发现学习的乐趣,从根本上来讲,这正是一种“授之以渔”的方式。通过此类大数据分析学生能够真正实现从“被动学习”转变为“主动学习”。

查看全文

智慧教室数据分析平台研究

摘要:在现代化大学的建设进程中,面对日趋庞大复杂的学生考勤信息数据量时,以往的考勤统计方法已经不足以应对,本平台为针对高等学校智慧教室的数据分析平台,其中主要包括学生和管理员两个用户类型。平台针对高校的大学生和管理者,将规模巨大的考勤数据信息进行分析,供学生和管理人员进行使用,以期提高教学质量,工作效率。

关键词:高等学校;智慧教室;数据分析

一、智慧教室数据分析平台开发目的

随着计算机技术和“互联网+”的迅速发展,当前的我们正处在一个信息化的时代。在现代化大学的建设进程中,学生的日常上课出勤管理在高校诸多管理系统中有非常重要的地位,所以开发一个便利的学生考勤管理系统对于高校现代化进程来说非常重要[1]。面对日趋庞大复杂的学生考勤信息时,传统的方式方法已经不能够满足当前的需要。因此开发一个用于系统化管理分析智慧教室学生刷卡数据的分析平台是亟待需要的。通过对智慧教室数据的分析掌握学生的出勤情况,更好的为学校和教师制定教学计划和对学生的考核。对数据的分析得到学生对不同的课程的喜爱程度或不同课程出勤不同的原因。使老师和学生能从静态的考勤信息中获取有价值的信息。该平台的应用,将会对学校在课程开设、课程时间的制定上有一定指导意义。

二、智慧教室数据分析平台总体功能

智慧教室数据分析平台总体功能E-R图如下图所示。

查看全文

大数据下投资学课程教学改革研究

[摘要]大数据时代的到来为证券投资提供了丰富的数据资源,既优化了投资决策渠道,也极大地拓展了投资者的视野。研究对大数据背景下投资学课程教学现存的问题,如大数据思维模式的冲击、资产选择和配置方式、数据类型和综合决策等方面的挑战进行系统分析,继而以“有效市场理论”展开了该课程的案例教学探讨,从数据采集、数据分析和决策制定三个角度探究了课程教学的改革措施,为培养创新性金融专业人才提出一些建议。

[关键词]大数据;教学改革;投资学

一、引言

经济社会的快速发展带来了海量的数据,这些海量数据之间的价值关联逐步凸显;从各种类型数据中快速获取有价值信息的能力,就是大数据技术。大数据量(Volume)、多类型(Variety)、快速(Velocity)、价值(Val⁃ue)和真实(Veracity)等特点使得传统数据分析和决策方式变得更为困难。如何进一步确保高校教育的与时俱进,充分挖掘大数据时代课程教学的特点,深化学生创新能力和实践能力的培养是高校教育改革面临的重要任务之一。投资学是金融学专业一门重要的基础课,包含较多的理论知识和实践经验。随着教育行业信息化持续推进,教育改革的深化和发展需要在大数据思维引领下进行[1]。面对复杂、海量的数据,投资者如何制定投资决策变得越来越有挑战性。金融创新型人才不仅需要具备扎实的金融理论知识,同时也需具备大数据分析和综合决策的能力。大数据时代的到来对经济、金融类专业学生能力培养提出了新的要求,这不仅体现在投资学等专业课程上,对数学、统计学、计算机技术等课程的教学也提出了相应的要求。挖掘大数据时代的课程教学特点,深化创新教育,培养大学生创新能力和实践能力是高校教书育人所面临的重要课题。本文从投资学课程教学出发,研究大数据时代课程教学的改革特点和推进途径,为深化高校经济类专业课程教学改革提供有价值的参考。

二、投资学课程教学面临的挑战

大数据概念已植根于金融类专业教学中,这不仅推动了金融实务的持续创新,更催生了金融模式的深刻变革。经济社会的发展使得培养创新型金融专业人才离不开大数据,这不仅为高校专业课程教学深化改革指明了方向,同时对现有的教学模式也提出了新的挑战。(一)大数据思维对金融问题分析提出新要求。基于大数据的经济、金融研究与传统计量研究方法相比出现很多新的特征,比如数据的采集、清洗、分析、使用等均有别于传统的方法,这也意味着对问题的思考和分析不能墨守成规。目前,大数据技术已经逐渐渗透到银行、保险、证券、金融监管等方面,并逐步走向成熟。大数据逻辑与传统逻辑有明显区别,如传统方法是理论假说检验驱动,而如今是大数据驱动的归纳推理;大数据是自下而上的推理归纳方法,而传统逻辑则是自上而下的演绎推理方法[2]。(二)优化资产选择和资源配置决策方式。作为投资学核心内容的资产选择和优化资源配置方式需要优化。对投资者而言,股票、债券、期货、期权等金融产品的数据采集变得容易,这拓展了资产选择渠道和优化配置的视角。然而,数据量庞大、低价值密度的特点使得寻找有价值的信息辅助决策更为困难;如何有效利用海量数据挖掘出有用的信息,并构建个性化的投资方案日益重要。海量数据加简单逻辑形成有价值的信息是一件极富挑战的工作[3]。(三)数据类型多样化对分析提出新的考验。大数据时代不仅需要对海量的结构化数据进行分析,同时也需要对半结构化数据和非结构化数据进行分析整理。传统的金融理论,比如组合投资理论、有效市场理论和资产定价理论大都是基于结构化的数据展开分析的,教学和实证过程中也大多依赖于结构化数据。然而,仅对结构化数据进行分析的结果可能有所偏倚。实践证明,对于文本、网页等非结构化数据的分析也同样重要。半结构化数据(及非结构化数据)和结构化数据同样隶属于整体样本中的一部分,不管是哪种数据都夹杂着有价值的数据和无价值的数据。这方面,从金融文献研究、投资者情绪研究的相关研究成果中可见一斑。同时,大数据可扩充的性质要求对各种数据能有效及时地甄别,区分数据的价值。这就要求课程教学特别是案例教学不能仅停留在结构化的数据分析上,而是要拓展到非结构化的数据分析。事实上,教学过程中对结构化数据的重视远超过非结构化数据,而非结构化数据恰恰是大数据时代的产物和分析的基础[4]。从具有价值的数据整体挖掘出其内在反映的真实信息并找到简单逻辑变得极为关键,这将关系到下一步的投资决策。非结构化数据分析其内在信息时较为困难,需要进一步完善其分析的方法和技术。(四)综合决策的挑战。权衡投资风险及收益并做出符合自身效用最大化的决策是投资的核心工作,这需要建立在对大数据的处理分析上。分析问题的途径多了,就会对投资者的综合决策能力提出新的挑战:不仅要考虑到投资者的个性特点,同时也要求对多渠道分析结果进行归纳和总结。更为显著的是,传统的抽样实证方式难以实现对问题的系统分析,在大数据背景下,数据样本总体实证更为重要。传统实证研究和教学的基本逻辑可以归纳为:先确定研究目标、现象总体和个体,再确定所需变量或指标,最后向全部个体或部分个体获取数据。显然,是先有总体再有数据。在大数据背景下难以识别数据的基本特征,很多情况下无法事先掌握所关注问题的完整数据;这种情况下,只有找出这些数据背后的承担者才能构筑总体,所以是先有数据后有总体。目前,受大数据分析技术局限性和经济学专业学生数据处理能力的影响,投资学课程的大数据教学方式改革进展缓慢。大数据分析有利于提高投资决策的效率,是投资学课程教学改革值得探索的研究方向,也是经济、金融等专业适应新形势教学改革的必要探索。培养金融类专业人才需要对投资学教学进行改革,以适应社会的发展[5-6]。

查看全文

新闻传播人才数据分析能力培养路径

摘要:本文基于新闻传播人才数据分析能力培养实践,提出面向问题解决的数据分析能力培养路径。在此基础上系统化构建指向培养路径实现的数据分析能力培养体系,该体系包含课程、实训、师资三个子体系。

关键词:大数据时代;新闻传播;数据分析;培养路径;培养体系

大数据时代高校人才培养面临新挑战,受技术发展影响深刻的新闻传播专业更是如此。新闻传播教育融入大数据内容迫在眉睫,然而现实培养效果不尽如人意。分析其原因是当前培养方式主要停留在课程层面,通过直接在传统课程体系中加入一门或几门数据类课程实现,课程设置缺乏理论依据,课程之间缺乏逻辑关联。数据分析能力独立于新闻传播传统核心能力培养之外,需在专业内生需求驱动下,系统化设计培养路径与培养体系,设计过程需充分考虑专业特点。

新闻传播人才数据分析能力培养路径

大数据时代新闻传播生态面临重大调整的同时也深度参与时代形态塑造,因此数据分析能力培养目标指向:深刻理解大数据内涵,既能利用数据分析方法支持新闻传播领域需求,也能清楚认识新闻大数据在解决其他领域问题上的潜能。培养路径设计亦围绕该目标实现,主要内容包括:(一)强化数据分析思维培养,弱化技术细节传授。数据分析能力分为两个层面:数据分析思维能力与数据分析技术能力。前者包括:理解分析方法背后数学逻辑,明晰方法适用问题类型,能正确解释分析结果;后者包括:根据数据分析方法特点能利用可视化软件或编写程序实现数据分析过程。因此,数据分析能力培养方式细化为三种:数据分析思维与技术并重培养;重技术实现,弱分析思维培养;重分析思维,弱技术细节培养。毋庸置疑,思维与技术并重培养最为全面,但在加重学习负担的同时不可避免地会压缩其他能力培养空间。正如哥伦比亚大学教授James W.Carey所言“新闻学的学术来源应该根植于人文科学和人文类的社会科学中,新闻应该与政治、文学、哲学、艺术、历史联系”[1],并重式培养不免舍本逐末,影响人才整体培养目标实现。得益于集成软件的可视化操作以及新一代编程语言丰富的可调用程序“包”,数据分析技术实现难度降低,为“重技术实现”培养方式创造条件。但集成操作在封装数据分析过程的同时也导致学生对方法内涵及其背后逻辑理解不透,缺乏举一反三的能力,更无法融合知识背景对分析结果进行深度解读。另一方面,计算机性能提升促进数据分析方法快速迭代,从技术角度培养学生,容易导致教学内容滞后或在该能力培养上投入过多时间。因此,笔者倾向“重分析思维,弱技术细节” 培养模式。该模式重点讲授数据分析方法原理,适用问题场景以及对分析结果进行有效解释。在原理讲授上可根据内容难易程度采用不同方式,例如对于基于单一数学公式的可直接补充数学知识;对于涉及复杂数学原理的,可采用通俗的符合现实逻辑的语言来讲述。无论采用何种讲授方式,其目的就是让学生真正理解数据分析方法内涵,切实具备将方法应用到现实问题解决的能力。(二)开展信息素养教育,提高信息检索与连接学习能力。采用“重思维,弱技术”培养方式必然存在两个弊端:一是学生技术实现能力不足;二是无法及时跟进技术前沿。总结教学实践,笔者认为开展信息素养教育是解决这两个问题的关键。“信息素养”概念由美国信息产业协会提出,根据Doyle在《信息素养全美论坛的终结报告》中下的定义可知:理解信息在问题解决上的重要性,描述面向信息需求的问题,利用工具获取目标信息,选择有效信息并将其准确运用到问题解决上是开展信息素养教育的目的[2],也正是克服“重思维,弱技术”培养方式下人才技术短板的关键。首先,针对技术实现能力不足问题,可通过与有技术优势的专业人员合作来弥补。识别合作对象是开展合作的前提,当前数据分析方法种类繁多,在解决现实问题时需要与有不同技术专长的对象合作。因此仅依靠人际网络很难全面识别,需运用信息检索技术,多渠道获取信息才能更全面定位潜在合作对象并与之建立关联。另外,不同专业人员的思维习惯以及对问题的理解存在差异,这种差异将影响合作效果。为提高沟通效率,除加强本专业学生沟通技巧外,关键在于提高学生对信息处理需求进行准确的、符合专业逻辑的描述的能力,而这正是信息素养教育内容之一。其次,针对无法及时跟进技术前沿问题,除了需要授课教师及时更新授课内容,保证课程紧跟技术前沿,更为重要的是培养学生连接学习能力。连接主义学习理论认为数字时代的学习可以看作在特定时间访问与使用所需信息的过程,与之对应,连接学习能力就是在学习需求驱动下获取与利用分布广泛的信息的能力[3] [4]。信息素养教育正是该能力的养成途径之一。(三)深化人文社会学科教育,促进深厚人文素养养成,提高数据分析结果的深度解读能力。上述两条路径培养学生适应大数据时代发展的能力,但在发挥新闻传播专业优势方面效果有限。本节将探讨新闻传播专业在数据分析流程中的优势以及如何强化这种优势。面向问题解决的新闻传播人才数据分析流程可划分为:问题解析、数据分析结果获取、数据分析结果解读三个阶段。问题解析阶段任务包括:判断问题是否可采用数据分析方式解决,如可行需要采集那些数据、选择那些数据分析方法,该阶段考验学生的数据分析思维。数据分析结果获取阶段任务包括:确定数据获取渠道并明确采集需求;定位专业人员并与之建立关联;通过与专业人员合作获取数据分析结果,该阶段需要学生具备坚实的信息素养。数据分析结果解读阶段任务包括:准确理解数据分析结果,融合背景知识对结果进行深度解读,形成可供阅读的分析报告,该阶段需要学生具备深厚的人文素养。近年来,数据分析结果解读在分析流程中的重要性日益凸显,深厚的人文素养是开展深度解读的前提,而这正是新闻传播专业学生的优势所在。一方面,新闻传播专业重视人文主义教育,与文学、历史学、哲学等不断交融,培养学生人文情怀、独立思考能力与批判精神[5]。更有学者呼吁在当前环境下更要加强文史哲教育,夯实新闻传播人才的人文基础[6]。另一方面,新闻传播学科内在基因强调与法学、经济学、政治学等社会学科交叉,培养学生跨界能力[7]。由此可知,数据分析过程中凸显新闻传播专业优势的关键在于深化人文社会学科教育,促进学生深厚人文素养养成,提高数据分析结果深度解读及对解读结果准确描述的能力。

新闻传播人才数据分析能力培养体系

查看全文

大数据自适应学习分析模型研究

摘要:当前我国科学技术发展速度不断加快,传统教学模式已经无法满足现阶段人们的实际需求。在互联网的背景下,人们对于个性化的重视程度不断加深,在进行学习时,更喜欢用自己的方式。终身学习、碎片化学习以及移动学习等新兴的学习方式,让人们有更多的选择。自适应学习可以满足人们个性化的需求,因此当前对于自适应学习设计进行研究分析,可以为之后自适应学习系统的发展提供相关的理论依据。本文对于大数据分析以及应用现状进行阐述,分析基于大数据的自适应学习模型,探讨自适应学习设计未来发展趋势,希望可以推动我国自适应学习方式得到进一步的发展。

关键词:大数据;自适应学习;模型

现阶段大数据以及互联网等信息技术的新兴,使远程教育以及在线学习等自主方式得以实现。就目前的情况分析,我国普遍使用的网络在线平台有MoodleSaKai或者Blackboard等网站,这些平台对于教师课程管理及教学管理较为重视,可以为人们提供更加自主的学习服务。但是其中学习界面、学习顺序以及学习资源依旧属于重复出现的状态,无法较好地调动起人们的学习积极性。在大数据的前提下,可以使远程教育将规模化和个性化达到一定的平衡,有效地满足人们个性化需求。通过大数据分析,能够对于学习者自身的学习特征、学习的实际规律以及学习者当前最为迫切的需求,进行认知,从而有针对性地进行自适应学习设计,打造个性化学习方式。利用大数据进行分析,得到的结果可以对学习者可能需求或者爱好的资源进行推荐,满足其个性化需求。

一、大数据分析以及应用现状

近些年来我国经济发展速度增快,大数据分析技术受到了各个领域的重视。通过使用大数据技术,可以对于原始性的数据进行分析以及合理地推算预测,将所收集的数据直观性地展现出来。但是也有人认为,大数据技术在进行分析的过程中,忽略了准确性,只是对于事物发生变化规律的分析,并没有对其内在的因果进行分析。这使得我国自适应学习在发展的过程中,较难使用大数据分析技术。一方面是由于我国自适应学习设计数据除了具备数据量大的特点之外,还具备区域种类多、较为复杂,会出现较大的差异,并且对于某一块学科自适应学习设计进行数据分析时,总量可能并不大,所以无法进行大数据分析技术的利用[1]。另一方面,我国自适应学习设计的相关数据之间存在着鲜明的区别,如果仅仅只是对于数据之间的关系变化进行分析,其中内在的因果无法进行确定,那么使用大数据分析技术得到的结果并无法保障实际价值。当前对于我国自适应学习设计的相关数据的特征进行科学合理地分析,建立相应的数据分析流程。在进行数据分析的时候,需要根据实际的具体情况将数据合理地运用在自适应学习设计分析流程中。所谓的数据准备并不仅仅是指数据的样本,而是根据实际情况的目标分析,从数据库中将有关的数据全部调取出进行准备,并且需要专业的技术人员,根据实际的情况对于调取出的数据进行挑选清理,将其中不符合常规、出现重复以及没有实际作用的数据进行清理。在数据挖掘的过程中,需要与我国自适应学习设计实际情况相结合,根据数据的类型、格式以及出现的具体化问题进行分析。对于将发掘的方式进行综合化的对比,选择最合适的方式,便于我国自适应学习设计相关数据的整理,加快数据的处理效率,并对于数据所展示出的内在含义进行分析,得到其中存在的规律。专业的技术人员需要将根据实际情况采集到的数据进行分析处理,并且对结果结合实际情况,通过表面的问题找出内在的关系,进一步找到对于方案的优化措施,这一系列的行为便被称为诊断剖析。在进行方案的优化过程中,应该具有针对性,可以对于其中的问题进行具体化分析,并且预测出方案进行后的效果,找出解决的措施。实施评价则是在进行方案的强化后,对于实施的效果进行评价,并且把实施之前以及实施之后的效果相对比,分析以及总结其中的不足之处,并且将其记录到数据库中,为之后的大数据分析进行铺垫。应该注意的一点,便是在进行自适应学习设计大数据分析的过程中,需要进行不断的优化,分析以及发展[2]。在数据分析流程中,如果其中某一环节没有达到预期的效果,那么便相当于失败。需要对于之前的每一步进行重新调整,保障数据分析达到预期的目标。除此之外,当数据不断增加后,生产状态会出现变动,这便需要不断进行大数据分析以及方案优化,以便达到预期的目标效果。

二、基于大数据的自适应学习分析模型研究

查看全文

高校数据科学与大数据技术研究

摘要:数据科学与大数据技术专业是因互联网技术的快速发展而产生的新专业,该专业以数学、统计学和计算机科学为三大主要支撑学科。该文首先讨论了数据科学与大数据技术专业的人才培养目标,从5个方面讨论了人才培养目标,然后以大数据工程师、数据分析师、数据挖掘工程师和大数据开发工程师为例,研究了该专业的岗位任职要求。根据该专业的人才培养目标,结合该专业的岗位任职要求,该文以湖北工程学院为例,从专业基础课、专业主干课、专业选修课和专业实践课这四个方面探讨了该专业的课程设置,以期为相关院校该专业人才培养方案的制订和课程设置提供一定的参考。

关键词:数据科学与大数据技术;课程设置;地方高校

随着互联网技术的不断发展,社会媒体以及各种经济和社会活动产生了海量的数据,数据的类型呈现多样化的形态,既包括结构化数据,也包括非结构化数据,如音频、图像和视频等。对这些数据进行充分利用,不仅需要数据科学理论上的发展,还需要大量掌握数据科学技术的专业人才。自2016年2月教育部批准北京大学、对外经济贸易大学和中南大学等高校开设数据科学与大数据技术专业起,许多高校纷纷设立数据科学与大数据技术专业。截至目前,我国共有500多所高校获批设立该专业。从众多高校开设的情况来看,数据科学和大数据技术专业的设立主要分布在计算机学院、数学与统计学院、商学院和信息学院,也有的学校开设在理学院。数据科学与大数据技术专业以传统的数学、统计学和计算机科学为三大支撑学科,并且涉及多学科的特定知识,也出现了许多处理大数据的技术和平台。由于数据科学与大数据技术专业开设时间较短,很多高校还处在摸索阶段,没有太多可借鉴的经验。如果只是修改数学专业、统计学专业和计算机专业的培养方案,不从具体实施方面着手操作,很难培养出符合国家和地方经济发展、符合市场需求的专业人才。一些作者对此进行了有益的探索,2018年朝乐门等[1]研究了数据科学与大数据技术专业的特色课程,2019年孙书韬等[2]分析了北美知名大学数据科学专业课程体系,文献[3][4][5]探讨了计算机学院和信息学院数据科学与大数据技术专业的课程体系,文献[6]分析了大数据专业课程体系设计中存在的主要问题,提出了“软”“硬”两套课程体系路线。湖北工程学院是第三批成功申请数据科学与大数据技术专业的学校之一,该专业由湖北工程学院数学与统计学院负责申报,开设在数学与统计学院。经过这两三年的探索和实践,对该专业已积累了一定的经验。下面就以湖北工程学院为例,从该专业人才培养目标、专业的岗位情况、专业基础课、专业主干课、专业选修课和专业实践课这几方面进行阐述与分享。

1数据科学与大数据技术专业的人才培养目标

本专业培养德智体美劳全面发展,适应环境变化和社会发展的需要,具有良好的政治素质与道德修养,掌握专业相关的学科基础知识与基本技能,具备从事大数据系统的分析、设计、实现、运行和维护能力的高素质应用型高级工程技术人才,能够在智慧城市建设和大数据相关领域内进行数据挖掘、大数据分析、大数据开发和数据可视化等工作。本专业学生毕业3~5年后应达到如下预期目标:培养目标1:掌握数学知识、自然科学知识、工程基础知识和数据科学与大数据技术专业相关知识。培养目标2:具备较强的大数据工程项目的设计、开发、应用及大数据运维部署等实践应用能力。培养目标3:具有良好的团队合作、沟通交流和项目管理能力,能够作为团队成员或领导团队完成项目的实施,具备创新精神和创业能力。培养目标4:能跟踪学习数据科学领域新技术,具有较强的终身学习能力和可持续发展能力。培养目标5:能适应环境变化和社会发展的需要,具有国际视野,把握时代特征与社会需求,具备良好的个人素质、职业道德、人文素养、专业素养和社会责任感。

2数据科学与大数据技术专业的岗位情况

查看全文