久久久国产精品视频_999成人精品视频线3_成人羞羞网站_欧美日韩亚洲在线

0
首頁 精品范文 統計學的數據分析

統計學的數據分析

時間:2023-07-11 17:37:50

開篇:寫作不僅是一種記錄,更是一種創造,它讓我們能夠捕捉那些稍縱即逝的靈感,將它們永久地定格在紙上。下面是小編精心整理的12篇統計學的數據分析,希望這些內容能成為您創作過程中的良師益友,陪伴您不斷探索和進步。

統計學的數據分析

第1篇

關鍵詞:大數據時代;統計學;影響

隨著大數據時代的到來,各企業采用了新的策略,獲得了更多的利潤。對于統計專業來說,改變發展策略,使培養出來的專業人才能夠適應大數據背景的需求是其主要任務。目前,高校統計學專業逐漸認識到大數據時代綜合性人才培養的重要性,并對專業建設進行了相關改革。

一、大數據時代對統計學的影響

大數據時代的到來對現代統計專業的發展造成了新的沖擊,要確保培養出來的人才能夠起到應有的作用,首先要了解大數據時代對統計專業所造成的影響。

(一)大數據時代使數據結構和數據性質發生變化

網絡技術以及基于網絡技術的電子商務等新的數據記錄模式標志著大數據時代的到來。大數據時代,不再依賴于抽樣調查的記錄模式,網站瀏覽、視頻監控都將形成大量數據。傳統的數據結構甚至是數據性質發生了變化。大量的數據信息對于需求者來說,如何甄別其可用價值成為關鍵。傳統的數據可以二維表格顯示和整理。但大數據時代所產生的數據具有多樣化和復雜化特征,往往包含了大量的音頻、視頻、HTML等。這要求大數據的收集具有較強的目的性,才能實現其價值。

(二)大數據時代要求統計分析方法和統計思維更新

大數據時代的主要特征為數據多且復雜,數據分析要求分析者對總體進行分析。在這一背景下,參數統計不再具有意義,假設檢驗法也隨著總體分析而失去價值。數據的復雜化對傳統大數據統計思維造成了巨大的沖擊,要求統計者具有活躍的思維。只有對傳統數據的改變進行分析,并且樹立新的統計方法。

二、大數據時代下的統計學發展新策略

為適應大數據時代的需求,統計學專業的發展勢必要對傳統模式進行改革。目前,多數高校統計學專業已經認識到大數據對于其發展帶來的沖擊。為此,本文提出了以下策略,以及能夠幫助統計學取得更好發展。

(一)加強統計應用性教學

根據大數據時代數據的總體分析特征,數據分析人員應掌握全面的分析方法。在人才培養過程中,應致力于培養實踐分析能力,提高數據和資料收集能力,并且培養其強烈的數據價值觀,使其能夠從眾多數據中找到所需的。另外,對傳統模式進行改革,增加大數據統計內容,以適應時代的需求。基于大數據的結構特點,實施資料透視化教學,提高分析者對復雜數據的分析能力。

(二)培養大數據統計思維

在人才培養過程中,新的統計思維的培養具有重要意義,即強調數據分析實踐能力的提高。統計思維的培養有助于數據分析者對復雜的數據進行區分,從而整理有效信息。在大數據時代,不僅要以傳統的平均思維、動態思維和變異思維為基礎,還要注重基于整體分析的大數據思維。另外,還要培養數據分者的復雜性思維,以應對復雜的數據庫。總之,大數據時代需要數據分析者具有全面的、創新性的思維。

(三)強化基礎性統計知識

統計學自身具有復雜性,其改變多且抽象。基礎的統計知識是進一步掌握大數據分析思維的基礎,可見學習基礎性統計知識的重要性是不言而喻的。為此,應該采取深入淺出的方法,利用多媒體等方式使復雜的數據統計清晰化、簡單化。結合具體的案例使數據分析者正確認識統計概念、掌握統計原理和方法。此外大數據分析不再是一種專業,而是更傾向于一種技術,這要求我們將大數據分析與統計學以外的相關知識相互聯系。注重真實相關與偽相關的講解,強調商務智能的開發和分析。只有具有堅實的基礎,才能確保數據分析者大數據分析思維的養成,適應現代社會的需求。

(四)加強復合型人才培養

為適應大數據時代的需求,復合型人才的培養是關鍵。所謂復合型人才,是指其不但要具有專業的數據分析能力,還要相應的具備管理以及其從事專業的技術。大數據時代,高校應建立全面的人才培養模式,注重培養人才的數據分析能力、編程能力等,使其真正了解大數據,懂得如何利用大數據對其所處的行業起到積極作用才是關鍵。總之,大數據時代對綜合性人才具有更高的需求,大數據時代不僅培養的是一種能力,而且是一種思維,是對全新模式下的數據的分析和利用。高校作為人才培養的重要基地,其教學模式的改革、對大數據時代所需教學模式的認識是高校的主要任務。

三、總結

統計學是經濟學的基礎課程,傳統的統計人才培養具有定向性。而隨著大數據時代的到來,數據產生的形式多樣,且具有復雜性。大數據分析不僅是作為一種專業存在,而是應以一項必備的技術而存在。大數據時代,傳統的統計思維和統計方法發生了改變,統計人才培養方式的改革也就勢在必行。(作者單位:海南師范大學)

參考文獻:

[1] 朱懷慶.大數據時代對本科經管類統計學教學的影響及對策[J].高等教育研究,2014(3).

[2] 姚壽福.經濟管理類本科專業統計學課程教學改革思考[J].高等教育研究,2012(3).

[3] 孫耀東.大數據背景下統計學專業課程教學探究[J].廊坊師范學院學報(自然科學版),2015(06).

第2篇

關鍵詞:大數據時代 數據分析 理念 辨析

中圖分類號:C8 文獻標識碼:A 文章編號:1674-098X(2017)01(c)-0136-02

近年來,對大數據的研究和應用已經受到我國各界人士的廣泛關注,國家統計局已經把信息處理技術列為關鍵性的創新技術工程之一。隨著我國大型計算機的迅速發展,處理大規模的復雜數據的能力逐漸提升,從這些大數據中提取有效信息的能力也逐步加強,毫無疑問,我國進入大數據時代的腳步將會進一步加快,人們將會感受到大數據時代下給其帶來的生活、工作上的便利。

1 大數據和大數據時代簡介

1.1 大數據

大數據是指遠大于一般數據的巨量資料,需要人們通過全新的處理模式才能獲取其中有價值的數據信息。“大數據”這一概念最早由維克托在《大數據時代》一書中引用得來,最開始對其定義為:不通過傳統的隨機分析方法直接對所有數據進行分析處理,主要有大量、高速、多樣和價值4個特征。

大數據可以分為大數據技術、大數據工程、大數據科學和大數據應用等領域。目前受到最多應用的是大數據技術和大數據應用。人們通過收集數據,提取有效信息就可以為企業發展或者社會活動提供最有效的實施途徑。因此,可以這樣說,在大數據的王國里,最成功的企業就是那些善于運用機遇的公司。

1.2 大數據時代

大數據時代是建立在信息時代的基礎上,通過互聯網、物聯網等渠道廣泛搜集海量數據資源并對其進行存儲、提取和展示。在大數據時代,幾乎所有人都能夠享受從任一數據中獲得所需要的信息,大數據時代也具有社會性、廣泛性、公開性和動態性4個特征。大數據時代的發展將會引領社會眾多領域和行業的變革,對人類的生產、生活方式產生深遠影響。

在大數據時代下,傳統的數據分析思想已經不再適用,應該做出改變。首先,應該轉變抽樣思想,大數據時代下的樣本即總體,已經不再依靠少量樣本分析事物的相關規律;其次,要轉變數據精確測量的思想,大數據時代要學會接受繁冗復雜的多樣性數據;最后要轉變探究事物的因果關系思想,轉為研究事物的相關規律。以上思想的轉變,均與統計學有關,因此,下面將分析大數據對統計學帶來的具體影響。

2 大數據對統計學研究工作的影響

2.1 大稻莘岣渙送臣蒲У難芯慷韻

大數據影響的領域范圍非常廣泛,在大數據時代,不僅能夠對以結構數據為度量單位的客觀主體,還可以對不能用數據衡量關系的文本、圖片、音像等非結構數據進行分析,大大擴展了傳統統計學的研究范疇。

2.2 大數據影響統計學的工作進程

統計學是對所搜集的數據進行整理和歸納的方法論學科。大數據時代的資料十分豐富,分析數據已經不再需要抽取樣本了,因為數據總體即是樣本。此時,傳統的統計學抽取樣本分析的工作方法已經不再適用,而是被現代化通過傳感器自動采集數據的方法所取代。

3 大數據時代下數據分析理念辨析

3.1 數據分析理念

傳統的數據分析是指用統計學方法將收集的數據資料進行系列分析,以便最大化地開發數據中的功能,從中提取有價值的數據,再和未經處理的數據進行對比,發揮數據的作用。大數據時代下的數據分析,由于數據量非常大,數據本身的動態特性使人們要研究的數據難度加大,因此,大數據時代的數據分析一般利用統計學的理念,采用更廣泛的方法統計和分析數據,以此擺脫對數據樣本的依賴,也可以避免數據的流動性給分析結果帶來的不確定性。大數據時代更加注重數據的增值分析工作,研究數據的未來走向,使其中有價值的數據可以增值,將有效數據有機整合,能夠及時發現問題和解決問題。

3.2 數據分析的主要程序

3.2.1 數據整理

統計數據的整理主要分為4個步驟:審核統計資料、對資料進行分組、匯總和編制統計表格或圖表、保管和公布。當統計對象為數據資料龐大、類型復雜、要求處理速度快的大數據時,這些步驟就顯得繁冗了,尤其是圖表的繪制是沒辦法實現的,因此,只需要對資料進行審核和存儲。大數據的審核和存儲不同于傳統意義上的數據審核和保存,大數據時代利用先進的現代化工具進行數據的審核和保存。

3.2.2 數據的開發

傳統數據的樣本量較小,目的主要著眼于解決問題,數據的時效性較強,數據的使用價值會隨時間流逝而降低。而大數據的流動性很強,隨著時間的推移會越來越壯大,而且具有推陳出新、價值重塑的可能,因此,在大數據時代,數據是會不斷增值的,開發大數據,是一項有重要意義的工作。

3.2.3 數據的應用

其中分別對教育、運輸、消費品、電力、石油與天然氣、醫療護理、消費金融等進行分析和預測。根據這些行業的特點,可以總結出大數據挖掘商業價值的基本方法為:客戶群體細分,為每個群體量定特別的服務;模擬現實環境,發掘新的需求的同時提高投資的回報率;降低部門聯系,提高整條管理鏈條和產業鏈條的效率;降低服務成本,發現隱藏線索產品和服務的創新。從圖1中可以看出,大數據的應用群體十分廣泛,能否對獲取的數據及時、迅速處理,對該行業的發展具有重要意義。

4 結語

該文主要對大數據時代下數據分析理念進行了相關的分析和研究。首先對大數據及大數據時代的概念做了簡要闡述,接著分析了大數據對統計學的兩點影響,最后分析了大數據時代下的數據分析理念。總而言之,在現代社會,大數據的應用已經成為時代新的特征,能否從海量數據中提取有價值的信息做出相應的預測,對于企業或者個人的發展具有重要意義。

參考文獻

第3篇

【摘要】所謂統計思想,就是在統計實際工作、統計學理論的應用研究中,必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋,提出關于統計思想認識的三點思考。

一、關于統計學

統計學是一門實質性的社會科學,既研究社會生活的客觀規律,也研究統計方法。統計學是繼承和發展基礎統計的理論成果,堅持統計學的社會科學性質,使統計理論研究更接近統計工作實際,在國家和社會得到廣泛發展。

二、統計學中的幾種統計思想

1統計思想的形成

統計思想不是天然形成的,需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括,才能逐步形成系統的統計思想。

2比較常用的幾種統計思想

所謂統計思想,就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述

2.1均值思想

均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論,是統計學的基本思想。均值思想也要求從總體上看問題,但要求觀察其一般發展趨勢,避免個別偶然現象的干擾,故也體現了總體觀。

2.2變異思想

統計研究同類現象的總體特征,它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差,是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。

2.3估計思想

估計以樣本推測總體,是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設:樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響,在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。

2.4相關思想

事物是普遍聯系的,在變化中,經常出現一些事物相隨共變或相隨共現的情況,總體又是由許多個別事務所組成,這些個別事物是相互關聯的,而我們所研究的事物總體又是在同質性的基礎上形成。因而,總體中的個體之間、這一總體與另一總體之間總是相互關聯的。

2.5擬合思想

擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在,所有實際事物的關系都表現得非常復雜,這種方法就是對規律或趨勢的擬合。擬合的成果是模型,反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。

2.6檢驗思想

統計方法總是歸納性的,其結論永遠帶有一定的或然性,基于局部特征和規律所推廣出來的判斷不可能完全可信,檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。

3統計思想的特點

作為一門應用統計學,它從數理統計學派汲取新的營養,并且越來越廣泛的應用數學方法,聯系也越來越密切,但在統計思想的體現上與通用學派相比,還有著自己的特別之處。其基本特點能從以下四個方面體現出:(1)統計思想強調方法性與應用性的統一;(2)統計思想強調科學性與藝術性的統一;(3)統計思想強調客觀性與主觀性的統一;(4)統計思想強調定性分析與定量分析的統一。

三、對統計思想的一些思考

1要更正當前存在的一些不正確的思想認識

英國著名生物學家、統計學家高爾頓曾經說過:“統計學具有處理復雜問題的非凡能力,當科學的探索者在前進的過程中荊棘載途時,唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單,因為我們所面臨的現實問題可能要比想象的復雜得多。此外,有些人認為方法越復雜越科學,在實際的分析研究中,喜歡簡單問題復雜化,似乎這樣才能顯示其科學含量。其實,真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是,有些人認為只有推斷統計才是科學,描述統計不是科學,并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的,至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論,并且注重于把統計學應用于人類事物,試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念,如GNP、人口增長率等等,均是凱特勒及其弟子們的遺產。

2要不斷拓展統計思維方式

統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知,邏輯推理方式主要有兩種:歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設,即以所掌握的數據信息為依據,歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化,尤其是在根據必然性去研究和認識偶然性方面,具有很大的作用。

3深化對數據分析的認識

任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著,但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面:一是基于同樣的數據會得出不同、甚至相反的分析結論;二是我們所面對的分析數據有時是缺損的或存在不真實性;三是我們所面對的分析數據有時則又是海量的,讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段,分析的方法技術已經有了質的飛躍,但與人類不斷提高的要求相比,存在的問題似乎也越來越多。所以,我們必須深化對數據分析的認識,圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的,不斷拓展研究思路,繼續開展數據分析方法技術的研究。

參考文獻:

陳福貴.統計思想雛議[J]北京統計,2004,(05).

龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).

第4篇

統計學在大多數人的心目中是一門很難掌握的學科。對于統計理論的研究來說,大概的確如此。然而應用統計學作為與生活密切相關的學科,能教給我們思考和判斷問題的方式,是一種基本的思考方法和思維能力。在日常生活和教育教學工作中,經常會遇到各種各樣的信息和數據資料,如何基于這些資料做出更為明智的判斷和決策?這就是應用統計學要解決的問題。學習統計知識,是教育工作者提高基本科研能力和素質的有效途徑之一,也是我們每一個人必備的思維能力。

首先,統計學的思想和方法與中小學教師的日常教學和科研工作密不可分。如何了解調查數據背后所隱含的規律,如何探求發現這些規律以便更好地指導教學,是每一位中小學教師應該思考的。這里,我推薦戴維.S.穆爾著,鄭惟厚翻譯的《統計學的世界(第五版)》(中信出版社,2003年)和Gudmund R.I Versen 和Mary Gergen著,吳喜之、程博、柳林旭、仝莉萍等翻譯的《統計學:基本概念和方法》(高等教育出版社,施普林格出版社,2002年)。這兩本書作為統計學的普及教程,具有以下特點:第一,通過實際生活中的例子讓我們逐漸明白統計學的基本思想和方法。書中回避了純數學式的描述,以風趣的語言、清晰直觀和容易理解的實例闡述了統計學的基本概念和統計學在各行各業的各個方面所扮演的重要角色,通過一個個真實的、與我們生活息息相關的小故事,讓我們在不知不覺中增長統計學的專業知識,提高分析水平和思考能力。第二,強調學習應用統計學知識的重點在于思考,在于理解所學知識的實際應用價值。比起套用統計學公式,學會運用統計學的思想來思考更能夠訓練思維,更有助于解決錯綜復雜的實際問題。這兩本書立足于滿足人們對統計信息日益增長的需要。通過這兩本書,我們可以了解統計領域的主要思想是如何與現實世界相聯系的,以及如何為解決實際問題服務的。中小學教師的日常教學和科研通常會涉及許多數據信息,如學生考試結果的數據、學生每天花費在作業和活動上的時間、學生的心理健康狀況等等,采用統計學技術來了解學生學習和教師教學過程中的規律是指導與服務教學必不可少的內容。

其次,中小學教師在掌握基本統計思想和方法的同時,應該學會使用計算機技術來解決日常教學和科研中的數據分析問題。正如大部分學習統計學的教師所敏銳地意識到的那樣,隨著計算機技術的發展,統計學的教學方法已經發生了戲劇性的變化。計算機與教學環境的結合,尤其是界面越來越方便友好的辦公軟件和統計軟件的使用,使得看似復雜和繁雜的工作變得易于操作,這也大大增強了統計方法的應用能力。在了解應用統計知識的同時,我建議大家學會使用簡單的、易操作的數據分析軟件,以便促進統計方法的實際應用。SPSS專業統計軟件是當前最流行的數據分析工具之一,是主要應用于社會統計學領域的數據分析軟件,具有友好的界面和菜單操作功能,非常易掌握。這里我向大家推薦駱方和我本人參與編著的《SPSS數據統計與分析》(清華大學出版社,2010年),本書并不力求面面俱到,并非要全面地介紹SPSS的各種功能和操作,而是有重點、系統地介紹常用功能,并且結合具體案例介紹了怎樣綜合應用這些功能。此外,本書還對一般教學研究方法,如問卷調查,需要用到的數據搜集、編碼和錄入等相關知識進行了介紹,以便全面提高讀者的應用能力,確保讀者通過學習可以獨立完成數據分析工作。同時,本書還附有學習光盤、案例數據和電子教學資源,便于初學者練習和操作。另外,Office辦公系統中的軟件Excel也具有統計功能,借助Excel,我們不用在電腦上安裝任何其他的專業軟件,就可以輕松完成基本的數據分析。在這里再向大家推薦一本參考書,由梁燁、柏芳和李嫣怡編寫的《Excel統計分析與應用》(機械工業出版社,2009年)。本書精選了62個專業案例,以實驗教程的形式講解了如何以Excel為工具來解決各種統計分析問題。“即查即用,學以致用,實用夠用”是此書的編寫宗旨,同時配套的光盤資源和多媒體教學動畫,也有助于全面提升讀者自己動手解決實際問題的能力。這兩本統計數據分析的軟件教程還有一個共同點,就是同時提供了一些熱點問題的統計分析,這有助于提高讀者的綜合應用能力,從而提高其在教學和研究工作中應用統計方法的動手能力。

統計是從信息和數據中找出規律性的信息,并做出判斷和結論。每天的生活和工作都要求我們認真觀察,善于思考。戴維.S.穆爾在《統計學的世界》一書中有個典故:許多統計學家在第二次世界大戰中發揮了重大的作用,沃德是其中之一。他發明的一些統計方法,在戰時被視為軍事機密。沃德在被咨詢飛機上什么部位的鋼板需要加強時,畫了飛機的輪廓,并且標出返航的戰斗機上受敵軍創傷的彈孔位置。資料積累了一段時間后,機身各部位幾乎都被填滿了。于是沃德建議,把剩下少數幾個沒有彈孔的位置加強,因為這些部位被擊中的飛機都沒有返航。這件事情會給你怎樣的啟示呢?掌握和應用統計學的基礎知識,將有助于你更加睿智地做出決策。

參考文獻:

[1]戴維.S.穆爾.統計學的世界(第五版)[M].鄭惟厚譯.北京:中信出版社,2003.

[2]Gudmund R.I versen, Mary Gergen.統計學:基本概念和方法[M].吳喜之,程博,柳林旭,仝莉萍等譯.北京:高等教育出版社,施普林格出版社,2002.

[3]駱方,劉紅云,黃.SPSS數據統計與分析[M].北京:清華大學出版社,2010.

[4]梁燁,柏芳,李嫣怡.Excel統計分析與應用[M].北京:機械工業出版社,2009.

(作者單位:北京師范大學心理學院)

第5篇

培養數據分析觀念是小學數學“統計與概率”領域內容的核心目標,《義務教育數學課程標準(2011)》后,特別是在2015年教育部提出“核心素養”以來,數據分析觀念的培養得到前所未有的關注和重視。

數據分析是反映由一組數據引發的思考,人們可以分析與推測出可能的結論。數據分析強調的是數據,是實證判斷,而不是憑感覺臆斷,既要回顧分析,又要做出預期,既要關注局部,又要關注整體。因此,數據分析觀念的培養需要學生親歷與體驗。

史寧中教授在他的《基本概念與運算方法》一書中指出:“統計學研究的基礎是數據,是通過對數據的分析得到產生數據背景的信息。”統計學與數學有所不同,數學研究的基礎是抽象了的定義與假設,而統計學強調的是數據,是數據分析觀念。如平均數在數學里只是一個算式的運算結果,而在統計學里是一個重要概念,使用平均數反映一組數據的水平以及產生的影響。

當前,教師們關注與研究更多的是數學,對統計學的認識還比較模糊,在實際教學中難免出現偏差。那么,如何引導學生經歷統計過程,更好地促進和培養數據分析觀念呢?筆者認為,“統計與概率”教學要重視以下四個方面的轉變。

一、資源利用變虛擬為真實

教材提供的活動設計,或出現的一組數據,本質上都是虛擬情境,學生難以獲得真實的經歷與體驗,如果開發真實的活動資源,經歷真實的統計過程,效果更佳。

例如,教師組織課堂內的統計活動――摸球游戲:袋子里裝了10顆球,有紅球和黃球。不打開袋子看,你怎樣才能知道紅球多還是黃球多?要求先討論摸球規則,再分組進行“我摸你猜”的摸球游戲。學生根據小組內的摸球統計數據,初步猜想哪種顏色的球多,感受小數據信息的作用。接著,學生進行小組摸球情況對比,分析與大多數摸球情況不同的個案,探討能讓實驗判斷更為準確的方法。最后,匯總全班數據,感受數據信息量變大之后給“哪種球多”的判斷帶來的變化。學生經歷試驗、猜想與驗證的過程,感受隨機現象的不確定性,以及隨機現象背后隱藏的一般規律。有些統計活動還可以從課堂內延伸到課堂外,使學生親歷實實在在的統計過程。

二、統計活動變“一般”為內涵

小學階段的統計方式最為簡單,無非是收集數據、整理數據與簡單的數據分析,但從統計背景和統計學的視角看,在統計過程中還可以從以下方面挖掘內涵。

1. 樣本感知。

例如,教學中進行“全班學生最喜歡哪個體育項目”的調查活動,教師不應著急調查統計,讓學生先對樣本的選擇有初步的感受。引導學生選擇與討論:三種調查方法,哪種比較合適?(1)問自己最要好的幾位同學;(2)問自己小組的所有同學;(3)問全班同學。然后,再次討論:要知道全校同學最喜歡哪種體育項目,你認為哪種方法比較合適?(1)問全校學生;(2)調查每個年級的一個班級學生;(3)在校門隨機詢問部分學生。引導學生聚焦樣本的代表性與可操作性,建立樣本概念,感知總體與抽樣調查的樣本選擇。

2. 嘗試方法。

在收集數據與統計數據的過程中,不同情況下采用的統計方法也會不一樣,教師需要提供給學生嘗試不同方法的機會,感受調查方法的多樣性和不同方法的優點。

例如,每學年末的不同學科教師的滿意度調查,先采用逐一詢問同學后畫正字的統計方式,讓學生感受該方法效率的低下;然后采用全班舉手的方式,學生感受快捷與方便,但又發現這樣統計真實性受到影響,學生對這樣的調查統計沒有心理安全感,進而討論更科學的調查統計方法。最后采用不記名問卷統計完成調查任務,學生對無記名問卷的真實性有了初步的感受。如果用網絡無記名調查問卷的方式,學生在規定時間內,可以在不同地方完成問卷,時效更佳。

3. 體會價值。

一般情況下,課堂上教師都會讓學生說一說統計與統計結果的用處,比如調查統計學生最喜歡的運動項目,那么就可以建議學校多開展這項體育活動,但這就像是一場模擬活動,學生還是沒有獲得真切的價值體驗。我們所期待的效果是,通過統計活動,學生可以發現問題,讓他們看到事物的發展變化,才能更好地體驗統計的價值。

例如,筆者針對校園周邊環境臟亂差的現象,組織學生開展研究性學習活動。學生通過調查,發現校園周邊臟亂差現象的成因是小攤小販占道經營,不僅阻礙學生通行,還留下了許多垃圾。隨著調查的深入,他們發現在小攤販購買早餐的主要群體是學生。進一步在五年級開展的問卷調查中,學生發現:經常在小攤販吃早餐的學生占全年級總數的34%,其中外來務工人員子女占92%,主要原因是父母沒時間準備早餐。取得第一手數據資料后,由學生策劃的“家里吃早餐,安全又健康”的活動隨即展開:給家長一封倡議書,開設保健與養生課,與街道、城管等多部門齊抓共管,使得校園周邊環境得到徹底改善。在調查、統計、分析、活動的過程中,學生真切感受到調查統計對具體事物所產生的變化,體現了它的實用價值。

三、統計圖的選擇變“絕對”為“相對”

在小學階段,主要有三種統計圖供教學選擇,它們都可以直接表述數據,但還是有各自的特點:條形統計圖能清楚地表述數量的多少,扇形統計圖能清楚地表述數量所占的比例,折線統計圖能清楚地表述數量的變化情況。一般統計圖選擇的標準是:離散的數據用條形統計圖,連續的數據用折線統計圖。但統計學與數學不同,統計圖的選擇只有“好壞”之分而無“對錯”之分,也就是說,要表述離散數據的變化規律或發展趨勢,也可以采用折線統計圖,要表述連續數據的多少,也可以用條形統計圖。

例如,要表述兩個班在運動會4個項目上的成績對比。

如果用折線統計圖表示,也能清楚地反映1班各個項目成績總體高于2班,但在第三個項目成績對比中出現反差,2班的得分明顯高于1班,要引起1班的重視,查找原因;而2班在第三個項目上總結成功經驗,在其他項目上要總結經驗教訓、改變策略。

因此,統計圖選擇的關鍵在于你要表達什么,能達到目的即可,教學時切忌一刀切。

四、統計課程變單一學科教學為學科整合

“統計與概率”作為數學課程重要內容,分布在每一冊教材中,它作為數學教學的一個模塊,意味著課時量有限,讓學生充分體驗統計過程有一定難度。教師需要拓展統計教學的時間與空間,將統計活動滲透到各個相關學科的教學中,與學科教師合作,整合課程內容,更好地培養統計意識,達成提升學生數據分析觀念水平的目的。

舉例來說,筆者所在學校開展全員體鍛活動一年有余,體育教師感覺學生的體質健康水平有了很大提高,這一結論要有說服力,就需要用數據證明,讓學生親歷數據收集、整理、分析與判斷的過程是很有意義的活動。學科教師合作引導學生收集體鍛前與體鍛后同年級身高、脈搏、近視率,以及各項運動水平的真實數據,制作成復式條形統計圖和折線統計圖,條形統計圖對比前后兩年同期學生的健康水平,折線統計圖顯示同一個學生在體鍛前與體鍛后健康水平的差異,數據顯示,學生的脈搏與近視率等各項指標的變化讓人吃驚,學生在經歷統計的過程中體驗運動的重要性。讓人意想不到的是,全校師生在數據面前統一了思想認識,全員體鍛的理念得到持久地貫徹與落實。

第6篇

 

2011年2月,國務院學位委員會進行了學科調整,統計學完全從數學和經濟學中獨立出來,上升為一級學科,設在理學門類中,編號為0714。統計學上升為一級學科后,下設的二級學科包括數理統計學、社會經濟統計學、生物衛生統計學、金融統計、風險管理和精算學、應用統計學。統計學上升為一級學科對統計學專業的教學帶來巨大影響。

 

同時,隨著大數據時代的到來,使得傳統的統計數據收集、處理與分析方法面臨新的挑戰,從而推動統計學的發展進入了一個全新的階段。在統計學上升為一級學科以及大數據時代已經到來的大背景下,統計學專業的課程教學也面臨著新的挑戰,需要進一步改革與調整。

 

一、大數據時代的到來

 

(一)大數據的生成

 

伴隨著人類對客觀世界各領域數字化程度的不斷提高,每天都有大量的數據產生,并且其產生的速度也越來越快。這些數據來源廣泛,其中最主要的來源有:科學研究(如天文學、生物學、高能物理等實驗數據)、社交網絡、電子商務、物聯網、移動通信等。

 

(二)大數據的定義

 

為了應對數據大規模增長帶來的機遇和挑戰,美國《Nature》雜志在2008年9月4日率先提出了“大數據”的概念。國際數據中心IDC 是研究大數據及其影響的先驅,在2011年的報告中定義了大數據:“大數據技術描述了一個技術和體系的新時代, 被設計于從大規模多樣化的數據中通過高速捕獲、發現和分析技術提取數據的價值”。但是大數據是一個新興而且內涵不斷發展的概念,尚沒有統一公認的定義,只能從其特點上加以認識。

 

(三)大數據的特點

 

與傳統數據相比,大數據的特征可以用五個“V”來表示,即Volume(容量大)、Variety(種類多)、Velocity(時效性強)、Value(價值高)、Visualization(可視化呈現)。大數據容量大是個相對的概念,受時間、行業和數據類型等因素的影響;種類多是指數據集的結構異質性,科技進步導致了結構化、半結構、非結構化數據的日益增多;時效性強是指大數據被生成、處理、移動的速度相當快,是區別于傳統數據最顯著的特征,這也增加了對即時分析、加工數據的需求;價值高是指大數據潛在的高價值能為評價和決策提供依據。可視化是大數據分析的關鍵步驟,是對有價值信息加以提煉并顯示的過程。

 

(四)大數據的應用

 

大數據具有5Vs(Volume、Velocity、Variety、Value、Veracity)特點,蘊含著巨大的社會價值、經濟價值和科研價值,已引起了產業界、學術界、政府部門和其他組織的高度關注和重視。

 

近年來,世界發達國家相繼布局大數據戰略,諸如聯合國“數據脈動”計劃、美國大數據戰略、英國“數據權”運動,大力推動大數據發展和應用。大數據已納入我國國家發展戰略,國務院2015年8月31日印發了《促進大數據發展行動綱要》的通知(國發[2015]50號),指出:“大數據成為推動經濟轉型發展的新動力,大數據成為重塑國家競爭優勢的新機遇,大數據成為提升政府治理能力的新途徑。以數據流引領技術流、物質流、資金流、人才流,將深刻影響社會分工協作的組織模式,促進生產組織方式的集約和創新。探索發揮大數據對變革教育方式、促進教育公平、提升教育質量的支撐作用”

 

二、大數據給傳統統計學帶來的沖擊

 

(一)數據收集方法上

 

不同于傳統的調查抽樣方法獲取數據,大數據的收集來源渠道通常為現代網絡渠道,如互聯網、物聯網等。不同的數據源的數據采集需要專用數據采集技術, 如包含格式文本、圖像和視頻的網站數據,通常需要web爬蟲技術。

 

(二)數據存儲上

 

大數據的存儲不同于傳統的數據存儲方式,有固定的格式和結構,對于大數據的數據庫來說,可以直接將所探測到的信號自動容納到其中;大數據需要有先進的存儲設備,傳統的存儲設備已經不能容納如此大量的數據。

 

(三)數據分析上

 

傳統的統計分析方法,難以勝任對非結構化的大數據的分析。當前大數據分析技術的研究可以分為6個重要方向:結構化數據分析、文本數據分析、多媒體數據分析、web數據分析、網絡數據分析和移動數據分析。

 

(四)數據展示上

 

數據可視化的目標是以圖形方式清晰有效地展示數據的信息。一般來說,圖表和地圖可以幫助人們快速理解信息。但是,當數據量增大到大數據的級別,傳統的電子表格等技術已無法處理海量數據。大數據的可視化展示需要專業的軟件來完成。

 

三、大數據時代統計學專業教學改革

 

大數據時代的到來對統計學也帶來了新的機遇和挑戰,特別是大數據對于數據分析人才產生了巨大需求,同時也要求統計專業學生掌握更為復雜統計軟件的編程和操作。大數據背景下,統計學要適應新的形勢,需要對課程教學進行有針對性的改革。

 

(一)大數據時代統計學專業畢業生就業方向定位

 

大數據時代的到來,使各行各業,包括政府、企業、個人都希望能從大數據這座金礦中挖掘出對自己有價值的金子,從而增加了對統計專業畢業生的需求。一直以來,我國統計工作領域主要是政府統計、部門統計、民間統計。傳統意義上,政府及各個部門是統計學學生就業的首選。然而,隨著大數據時代的來臨,越來越多的畢業生選擇發展空間更為廣闊的民間統計。民間統計相對于政府統計來說,涉及范圍十分廣泛,包括各類統計咨詢公司、統計調查公司、統計研究院等,介于市場和企業、行業之間。民間統計的發展前景十分廣闊,可以預見,隨著大數據時代的來臨,統計學作用的提高,民間統計必會成為統計專業畢業生選擇就業的主要渠道之一。

 

(二)大數據時代統計學專業課程設置改革

 

大數據時代,在對統計數據分析人才需求增加的同時,也對統計專業畢業生的大數據處理能力提出了更高的要求,這就需要統計學專業在課程設置上,增加大數據處理與分析方法課程,如《大數據分析方法》、《數據挖掘》等,培養學生能夠使用專業統計軟件(R/SAS/Python)進行大數據的挖掘、清洗、分析等。

 

(三)大數據時代統計學專業學生實踐能力培養改革

 

在課堂教學之外,通過廣泛舉辦大數據技術創新大賽、大數據技術創新與創業大賽、數據挖掘挑戰賽,支持學生成立大數據研究協會,舉辦大數據相關講座論壇等方式,增強學生分析和處理大數據的能力。另外,還要加強校外大數據實踐教學基地建設,通過與通信、互聯網、電子商務等企業大數據開發中心以及大數據研究咨詢機構合作,為學生提供給更多的實習、實踐機會。

 

四、總結

 

總之,面對大數據時代的到來,統計學專業需要積極改革與調整課程的設置,注重學生實踐能力的培養,以適應各行各業對大數據分析與挖掘人才的需求。

 

作者簡介:

第7篇

《義務教育教學課程標準(2011年版)》將原來的“統計觀念”改為“數據分析觀念”,并把“數據分析觀念”作為數學學習的十個核心觀念之一,指出了統計的核心就是數據分析。通過學習,我對數據分析觀念的內涵有了更深刻的認識:使學生了解在現實生活中有許多問題應當先做調查研究,收集數據,通過分析做出判斷,體會數據中蘊涵的信息;了解對于同樣的數據可以有多種分析的方法,需要根據問題的背景選擇合適的方法;通過數據分析體驗隨機性,一方面對于同樣的事情每次搜集到的數據可能不同,另一方面說明只要有足夠的數據就可能從中發現規律,數據分析是統計的核心。

如何發展學生的數據分析觀念,培養他們對數據的分析與判斷能力?下面談談我個人的粗淺看法。

一、讓學生參與數據搜集的全過程

統計學的一個核心就是數據分析。不論是統計還是概率,都要基于數據,基于對數據的分析;在進行預測的同時,為了使預測更合理,也需要搜集更多的數據。培養“數據分析觀念”最好的辦法是讓學生經歷數據的搜集、整理、描述、分析的全過程,讓學生親身體驗進行數據分析的必要性。學生通過大量重復試驗,在頭腦中再現知識的形成過程,避免單純地記憶,使學習成為一種再創造的過程,數據分析觀念也得到了初步培養。

例如,“組織比賽”的情境,學生在操場上討論:“組織什么比賽好呢?”“去問一問同學,他們最喜歡什么活動?”這就使學生認識到統計對決策的作用,引起學生進行調查的愿望。教材緊接著安排小調查,“調查你們班的部分同學,他們最喜歡什么活動,在下圖中涂一涂。”這就要組織學生搜集數據、整理數據,用在方格紙上涂一涂的方式呈現數據。最后安排學生說一說:

(1)一共調查了幾個同學?喜歡什么比賽的同學最多?喜歡什么比賽的同學最少?

(2)喜歡足球的同學比喜歡跳繩的同學多多少個?

(3)如果你們班有一名同學沒來,猜一猜他(她)最有可能喜歡什么活動。

(4)你認為你們班最好組織什么比賽?

(5)根據統計圖,你還能提出什么數學問題?

這就是引導學生分析數據,做出合理的決策。上面的例子就是根據低年級兒童的特點,組織學生經歷統計活動的全過程,發展學生的數據分析觀念。

二、引導多角度分析數據

義務教育階段的統計學習要讓學生有意識地、正確地運用統計來解決實際問題,并理智地分析他人的統計數據,以作出合理的判斷。稻莘治齙墓程應該把重點放在怎樣分析數據上。教師要啟發學生自己想辦法,多角度全方位分析數據,讓學生感悟到我們做統計的目的是解決問題。

案例:《認識中位數》教學中有以下環節:

(課件出示)例題5,出示場景圖,同學們正在進行跳遠比賽,看看他們的成績:

五年級(2)班7名男生的跳遠成績如下表。

(1)分別求出這組數據的平均數和中位數。

(2)用哪個數代表這組數據的一般水平更合適?

(3)如果 2.89m以上為及格,有多少名同學及格了,超過半數了嗎?

(4)如果再增加一個同學楊冬的成績 2.94m,這組數據的中位數是多少?

首先讓學生分組討論: ①表格中的數據有什么特點,有幾位同學的成績,最高是多少,最低是多少?②求數據的平均數和中位數,看看幾位學生的成績與平均數和中位數之間的大小有何關系? ③選擇哪兩個統計表示數據的一般水平比較合適呢?

(5)學生匯報:7名男生跳遠成績的平均數是2.96,中位數是2.89,有5名男生的成績低于平均值,這說明在這里用平均數來代表該組成績不太合適,應選用中位數。

強調:①中位數的求解方法,首先將數據按照大小順序排列好;②找到最中間位置的數據2.89;③矛盾:當數據增加一個后,一共有偶數個數,中間位置出現兩個數據:2.89和2.90,最中間的數找不到怎么辦?學生展開討論。討論結論:一組數據中有偶數個數的時候,中位數是最中間的兩個數的和除以2計算出中位數來。也就是需要求兩個數的平均數,即這組數據的中位數。

數據分析應該把重點放在怎樣分析數據上。因此,我們要啟發學生自己想辦法,讓學生感悟到我們是為了解決問題而來做統計的。通過數據分析,學生從中提取相關信息,根據不同的背景,選擇不同的方法,從而培養學生思維的靈活性。學生從中發現問題,并且思考解決問題的辦法。

三、體驗數據分析的隨機性

數據的隨機性主要有兩層含義:一方面對于同樣的事情每次搜集到的數據可能會不同;另一方面只要有足夠的數據就可能從中發現規律。

史寧中說:“統計與概率領域的教學重點是發展學生的數據分析意識,培養學生的隨機觀念,難點在于,如何創設恰當的活動,體現隨機性以及數據獲得、分析、處理進而作出決策的全過程。”

如二年級有這樣一個課堂教學片段:

組織小組活動:盒子里有3個黃球、3個白球。每次摸出1個,摸之前先猜猜你會摸到什么顏色的球,每次你都猜對了么?

活動結束時,老師詢問:有沒有每次都猜對的同學?(全班只有2人舉手)

師:為什么我們那么多的同學都沒有猜對呢?(此時,兩個猜對的同學急于向大家介紹方法)

生1:黃球和白球摸在手里的感覺不一樣!

師:(饒有興趣地問)真的嗎?讓我們見識一下!

生1:(摸出一球,沒看前猜測)黃色!(拿出后是白色,生1低頭坐了下去)

師:怎么不試了?

生1:沒有信心了。

師:怎么就沒有信心了?

生1:摸在手里分辨不出來。

生2:我發現了,如果第一次摸出來的是黃球,第二次就猜是白球,是交錯出現的。

師:你剛才就是這樣猜的,結果都對了嗎?

生2:連連點頭。

師(半信半疑):還有這個規律?摸1個!

(生2摸出1個白球,放回)

生2:第二次一定是黃球。

(第二次生2果真摸出一個黃球)

師:看來,下次……

生2:第三次該是白球了!

(第三次生2摸出個黃球)

師:這個規律還成立么?

學生直搖頭。

師:通過剛才的摸球游戲,你發現了什么?

生:盒子里有黃球又有白球,摸出一個球,可能是黃球,也可能是白球。

通過學生操作實驗,用實驗獲得數據,再對數據進行分析,這種通過對數據進行分析處理,讓學生體會了數據的隨機性,從而發展了學生的數據分析觀念。

第8篇

關鍵詞:財經類高校;數據分析課程;課程建設

中圖分類號:G64 文獻標識碼:A 文章編號:1673-9132(2016)34-0040-03

DOI:10.16657/ki.issn1673-9132.2016.34.020

一、引言

隨著大數據時代的到來,數據分析在各行業的重要性日益凸顯出來。大數據時代要求人才具有極強的“數據視野”、“數據意識”和“數據能力”,即對所處行業數據的形式種類詳盡把握,對數據的作用深刻理解,對數據分析方法和分析軟件熟練運用。其中“數據能力”是前兩者的基礎,是實現大數據所有思想和理念的根本保證,是現代經濟管理人才的重要基本素養和技能。

我國的財經類院校肩負著為社會培養經濟管理類高級專業人才的重任,在大數據時代,社會對于經濟管理類高級人才在數據分析方面的要求極大增加,現代經濟管理理論的發展趨勢也體現出越來越重視數據分析的特點。這要求人才既有深厚的經濟管理理論功底,又能夠熟練使用數據分析工具對業務數據進行分析,并得到結論。特別是在研究生教育層面,對數據分析能力培養更加重要。

然而,目前在研究生數據分析能力的培養方面各財經類院校均存在著較多的不足。首先是覆蓋面小,除各院校的統計學院(或類似學科的學院和專業)外,強調這方面能力的培養的學院和專業較少,導致研究生對數據的運用和分析能力不足;其次是形式單一,主要以課堂教學為主,完全忽視了數據分析的實踐性,教學效果不好;再次是教學所用軟件平臺薄弱,多數使用SPSS,極少數專業學習SAS,對于在學術界和業界非常流行R語言、python等平臺則少有涉及。因此,合理設計數據分析類型課程,提高經濟管理類研究生在數據分析方面的理論水平與實踐能力,是廣大財經類高校不得不面對的迫切問題。本文講就財經類高校數據分析類課程的特點、建設思路和建設方案,結合筆者在教學實踐中的一些心得談一談自己的看法。

二、財經類高校數據分析課程的特征

數據分析的目的就是從數據中提取有價值的信息,進而形成知識。因此在絕大多數專業領域均有大量的數據分析需求,對人才的數據分析能力均有較高的需求。從財經類高校的專業分布看,可以把對數據分析能力的需求分成三個不同的類型。

第一類是以統計學院、信息學院(或類似學科的學院和專業)。這兩類專業的教學主要突出理論性、基礎性和方法性,立足于對學生的“數據視野”、“數據意識”和“數據能力”進行全面訓練,使學生能夠在畢業后在任意領域迅速承擔起高級數據分析的任務。

第二類是經濟學門類的相關學科。這類學科對于數據分析教學的要求偏重應用,即學生的“數據視野”、“數據意識”,但由于部分專業(如數量經濟學)對數據分析能力要求較高,因此對于“數據能力”的培養也需要兼顧。

第三類是管理學門類的相關學科。當前的管理學實踐離不開數據,對數據分析教學主要是應用層面的。要求學生具有良好的學生的“數據視野”和“數據意識”,而對于學生的“數據能力”的培養則并沒有太高要求。

三、財經類高校數據分析課程建設的思路

基于上述分析,研究生數據分析課程建設應當采取分層設課的原則,基于不同的教學需求,設置不同的課程群。

對于上述第一類專業,需要在專業核心課程群的基礎上,重點建設大數據相關課程。如分布式計算、非結構化數據分析、R語言、python語言等。在教學中,案例化教學和上機實操應當成為教學的主要形式,尤其軟件類課程應當在機房進行,保證學生有足夠時間熟悉操作并能隨時與教師互動。

對于上述第二類專業,需要以一門基礎課程為先導(如統計學導論),在配合若干專業課與軟件課的組合,如計量經濟學、時間序列分析、縱向數據分析與Eviews、SAS和R語言的配合。在教學時,理論與實操并重,在實操方面突出學生的軟件使用能力訓練,SPSS類型的軟件不應當成為此類專業的主要數據分析平臺(學生應當在學習專業課程時自主學習使用)。

對于上述第三類專業,可以考慮以一門數據分析課程為基礎,配合合適的軟件平臺,同時在其他專業課程教學中突出各個課程的數據分析教學內容和實踐環節,既可以基本達到教學目的。這類課程教學的重點在于對數據分析方法模型的理解,切忌死記硬背,同時輔以一定的案例和上機實操。在軟件平臺使用上,以SPSS這類擁有完善的GUI環境,所見即所得的平臺為主,也可以使用R語言強大的圖形能力作為演示工具,在演示的同時潛移默化地使學生了解R系統,進而為其進一步學習建立基層。

四、財經類高校數據分析課程建設方案――以R語言課程為例

在上述三類專業的數據分析課程建設中,R語言均扮演了重要角色。因此本部分將以R語言課程為例介紹建設方案。

(一)R語言的優勢

R語言作為功能全面地數據分析平臺,在國際學術界和業界得到了廣泛的認同,是應用最普遍的數據分析軟件之一。與其他統計分析平臺(如SAS、SPSS、S-PLUS等)相比,R語言具有若干明顯的優勢:

第一,完全免費,完全開源。與SAS多達幾十萬元的價格相比,R語言是一個完全免費的平臺,且功能同樣強大。

第二,安裝簡便,更新迅速,功能完善。R語言的安裝對于硬件的需求很低,且擁有Windows、Mac、Linux等多個平臺的版本。并且R通過其大量的程序包實現了功能的擴展,用戶總是能通過下載功能包獲得最新的分析模塊。

第三,R語言是被國際學術界廣泛認可,絕大多數國際知名高校都將R作為基本的教學和科研工具。

第四,R語言既是編程語言,又是高度功能化的數據分析平臺,同時具有編程語言的靈活性和功能化數據分析軟件的易用性。

(二)開展研究生R語言教學的必要性

首先,作為一種編程語言,R語言的教學可以訓練學生抽象思維、邏輯思維能力,同時作為一種數據分析平臺,R語言可以訓練學生數據分析模型的應用能力和實際操作能力,這一功能是其他非語言類軟件系統無法實現的。

其次,在研究生教學中開設R語言課程,可以極大提升學生在求職就業、考博和出國深造方面的競爭力。由于R語言在國內外學術界和業界有著巨大的影響,因此熟練掌握R語言無疑會使我們的研究生更加具備競爭力。

(三)研究生R語言教學的現狀及改革的迫切性

從當前的教學現狀來看,R語言僅僅是少數專業才有的課程。但是基于本人這幾年的教學和指導研究生的經驗來看,當前我國財經類高校研究生的動手能力較弱。其根本原因之一是缺少數據分析能力的訓練。若要在不過分增加研究生課程量的前提下迅速提高研究生這方面能力,R語言這種將抽象思維、邏輯思維、數據分析模型和數據分析實操緊密集合的平臺是最好的選擇。

(四)R語言教學的內容劃分

R語言集合了計算機語言與數據分析系統的特點,既能像SPSS那樣通過簡單操作即得到結果,又能夠項C語言那樣進行新功能的開發,尤其是其強大的圖形能力,更為數據分析人員提供了強大的數據可視化平臺。為了能夠為學生全面地講授上述內容,需要對課時進行合理分配,輔以合理的教學模式和考核模式。下面本文將以48學時的研究生課程為例,介紹R語言課程的基本內容和結構。

1.教學內容和學時分配

第一部分,R語言簡介(2學時),介紹R語言的歷史、基本操作環境、相關網站、系統本身和軟件包的安裝方法以及參考書籍等。

第二部分,R語言的數據結構(12學時),介紹向量、因子、索引、數組和矩陣、數據框、列表等概念和相關算法。這部分是后面教學的基礎,同時也是R語言區別于其他編程語言的重要方面,在教學時要突出對因子、索引(以及利用索引實現篩選等功能)、數據框等數據結構與數據分析的關系的介紹。

第三部分,R語言的編程結構(12學時),介紹成組、選擇和循環三種結構。在這部分教學中,重點在不能按照傳統程序設計語言的模式進行教學,要突出數據分析的特征,可以考慮使用R語言自己編制景點統計方法的代碼,如最小二乘法、距離判別、快速聚類等。

第四部分,R語言的繪圖功能(12學時),介紹高級繪圖語句、低級繪圖語句、交互繪圖語句以及ggplot2軟件包等。繪圖是R語言的優勢,允許使用者自由的定義圖形,尤其是ggplot2軟件包的出現,更是將R的繪圖功能推上了新的高度。這部分不但是上述第一類、第二類專業研究生所需要掌握的內容,也是第三類專業研究生應當了解的內容。

第五部分,R語言的基本統計功能(10學時),經過前述四個部分的教學,學生已經對R語言具有了較為深入的了解,并應該具有獨立編制代碼的能力。在此基礎上,可以進行本部分的教學,即對于使用R語言實現諸如回歸分析、多元統計分析、時間序列分析的方法進行介紹。由于這一部分功能均有對應的軟件包和函數,因此在軟件操作方面非常簡單,如果跳過前面幾個步驟直接進行這部分的教學會使學生對R語言一知半解,缺少對R語言核心知識的理解。

2.教學及考核方式

由于R語言是一個操作性非常強的語言平臺,傳統的課堂教學+上機的教學模式會使得理論與實踐脫節。因此建議該課程全程在機房進行,這種教學方法的優勢有三個方面:

第一,教師講解更到位。編程類課程重要的是思考過程而不是結果,因此傳統的課堂上聽講,上機課練習的模式會使得思考過程與結果脫節。而在機房上課則可以使學生跟隨教師的講解隨時練習和實驗,使得教學效果更好。

第二,師生互動更容易。學習編程的過程就是不斷試錯的過程,學生需要不斷地從發現錯誤――解決錯誤的過程中提高能力,而在這個過程中教師與學生的互動非常重要。

第三,課堂練習更直接。課堂練習在學習編程過程中具有非常高的重要性,傳統授課模式下,無法做到當天的學習內容當天聯系,是知識技能的掌握不牢,效率低下。

在考核方面,建議采取開卷上機考核的方式。由于R語言的教學具有極大的實踐性,因此“會用”才是最終的目的。同時,由于R語言極強的可擴充性,因此單純地考查學生對于R語言中一些功能代碼的記憶沒有任何意義,采取開卷的方式,重點考查學生解決數據分析問題的能力的上級考試才能夠實現對學生R語言學習水平的測度目的。

五、結論

當今社會已進入大數據時代,任何財經類專業人才的培養脫離了數據分析類教學內容都是不能適應社會需求的。而數據分析課程的理論與實踐并重的特點,要求在教學過程中既重視數據分析理論模型的講解,又重視數據分析平臺的訓練。只有這樣,才能使得財經類人才的培養跟上市場對于人才需求內容的轉變,培養出符合市場需要的人才。

參考文獻:

第9篇

(兗州煤業榆林能化有限公司,陜西榆林719000)

[摘要]隨著信息技術的發展與應用,各種數據信息通過互聯網、云終端、交際圈、物聯網等之間的大規模傳遞,人類進入到一個大數據時代,數據信息之間的傳遞影響著人們的決策成本,傳統的信息不對等所造成的差距條件已經消失,而不起眼的數據卻能夠創造巨大的價值。本文對大數據時代背景下數據分析理念進行分析和指導。

關鍵詞 ]大數據時代;數據分析理念;分析

[DOI]10.13939/j.cnki.zgsc.2015.22.074

在傳統的商業運作模式中,在運營過程中對自身經營發展的分析只停留在數據的簡單匯總層面,缺乏有效地對客戶網絡、業務范圍、營銷產品、競爭對手優劣等方面進行深入解析;而在當今大數據時代,通過所接收的大量內部和外部數據中所蘊含的信息中透露的市場彈性,可以預測市場需求,進行分析決策,從而制定更加行之有效的戰略發展計劃。“大數據”是一個量特別大,數據類別特別大的數據集,并且這樣的數據集無法用傳統數據庫工具對其內容進行抓取、管理和處理。在當今信息時代,很多企業用戶在實際應用中把多個數據集放在一起,已經形成了PB級的數據量;數據類型廣,數據來源種類多,且數據種類和格式日漸豐富,囊括了半結構化和非結構化數據,早已打破傳統的結構化數據范疇,如何在大數據時代背景下進行科學有效的數據分析這需要加強對市場的了解,對泡沫經濟的規避,了解數據所傳遞的信息真假。

1數據化決策的興起與運用

在大數據時代,信息之間的爆炸增長,使得各種信息傳遞非常之快,只需要拿起網絡終端就可以了解到地球另一邊發生了什么。文字、圖形、影像都化作數據流在網絡中以電信號的方式傳遞著信息。數據流在傳遞各行各業的信息同時形成了滲透于各行業的核心資產和創新驅動力。在大數據時代,企業所擁有的數據集合規模及數據的分析和處理能力決定著企業在市場中的核心競爭力。

因此通過數據分析進行決策漸漸成為新的分析理念,例如,在支付寶上進行對電影票房的投資,這些投資通過對導演往期作品和演員的表演張力,及投資方的選角等數據進行分析,預測電影的票房,選取投資可獲利的電影,進行票房投資,從而獲取票房分紅。我國的石油油田根據地震技術的收集數據,進行科學統一規劃的分析處理,形成對地下油田的分析建模,能夠有效直觀地展示地下油藏的分布情況,從而選擇油井的開采點。中國人民銀行通過對人民幣匯率的漲幅,進行數據分析,來制定符合中國國情的外匯貨幣政策,對貨幣進行宏觀調控,這能夠有力的保護人民幣升值時,在國際貿易市場中國進出口貿易所面臨的壓力。在大數據時代背景下,通過直覺和經驗進行決策分析的優勢不斷下降,在商業、政治及公共服務領域中,通過對大數據進行數據分析從而做出符合時代背景的決策,已成了目前的潮流。

2數據分析理念及方法

(1)數據分析要引入統計學思想。在大數據時代背景下,傳統的抽樣分析已經并不適用于對大數據的分析中,在大數據時代應當要轉變思維,轉變抽樣思想,樣本就是總體,要分析與某事物相關的所有數據,而不是依靠少量數據樣本,這樣才能夠在最大限度地明白事物發展變更過程,能夠對數據所表露的信息進行更好地處理[1]。要更樂于接受數據的紛繁蕪雜,不再追求精確的數據,這并不是說其嚴謹性降低了,而是往往不起眼,不符合常理的數據更能夠反映實際的情況。通過對數據網絡之間的聯系進行分析,不再探求難以捉摸的因果關系,通過數據的分析處理更能夠反應數據的變更。這些想法都與統計學相關通過所收集的數據,進行有效的分類處理,能夠更好地反應事物的變化,更有利于做出決策[2]。

(2)數據分析流程。在實際的數據分析過程中,因大數據貫穿區域較廣,在地域和行業之間穿插交錯,顛覆了傳統的線性數據收集模式,而形成了顛覆傳統的、非線性的決策基礎,這種決策方式要求我們通過對數據進行收集,將各行各業所收集的基本信息,轉化為數據,將數據經過初步的整合分類,做出符合當地當時的數據信息,將數據進行深層次的技術處理,將處理過后的信息化為知識,運用到實際的決策中去。在大數據時代,數據的積累并不會貶值,而且還會不斷增值,為了更全面、深入地了解研究對象,往往需要對數據進行整合,這就使得數據的積累尤為重要。

(3)數據分析對統計學的意義。在大數據時代背景下數據分析理念能夠有效地對數據流進行合理地分類處理,進行科學的統計行為,統計與分析主要利用分布式數據庫,或者分布式計算集群來對存儲于其內的海量數據進行普通的分析和分類匯總等,這就意味著所有有用的數據信息均來源于數據分析處理之后的結果。大數據的數據分析理念擴寬了統計學的研究范圍,而不僅僅只是實現數據的對比,而是從根本上豐富了研究的內容,如:一些實時性需求會用到EMC 的GreenPlum、Oracle的Exadata,以及基于MySQL的列式存儲Infobright等,而一些批處理,或者基于半結構化數據的需求可以使用Hadoop,滿足大多數常見的分析需求,對傳統的統計工作有著四個轉變。統計研究過程的轉變,使統計過程成為收集與研究。統計與分析這部分的主要特點和挑戰是分析涉及的數據量大,統計研究工作思想的轉變,數據的收集不斷增加,信息的錄入不斷升級,其對系統資源,特別是I/O會有極大的占用。這就使得能夠更好地進行數據分析處理決策[3]。

3數據分析過程中注意事項

3.1數據分析要明確變量

將數據收集進行處理是為了明確市場中的某一個變量意義,這就使得在進行數據分析的時候要能夠明確地找尋變量存在前后所發生的變化,通過數據對比可以知道該變量在大數據的市場中所存在的影響因素。是否對市場有著風險或有利于市場的開發利用,能夠在數據分析后做出合理決策。

3.2統計中不再追求精確的數據

大數據時代下,數據的不精確性不僅不會破壞總體信息可靠性,還有利于進行剝絲抽繭,從而了解總體情況。大數據時代,越來越多的數據提供越來越多的信息,也會讓人們越來越了解總體的真實情況。錯綜復雜的數據能夠反映數據之下到底是泥潭還是機遇。數據之間傳遞的信息良莠不齊,如果要一一追求準確性不利于統計工作的開展,因此可以將個別的異常值剔除。大數定律告訴我們,隨著樣本的增加,樣本平均數越來越接近總體,這就使得樣本與總體的差異性很小,更加符合實際情況。

4結論

綜上所述,大數據包含結構內外的海量數據,隨著云計算平臺進行大規模收集處理,通過建立數據庫的手段,對數據分流,使用數據挖掘等方法進行處理、分析,使得所數據結果更加符合顯示狀況。數據分析理念是通過闡明存在于世界、物質、感官享受上的復雜網絡關系,從而做出符合時代背景的分析決策。

參考文獻:

[1]維克托·邁爾·舍恩伯格,肯尼思·庫克耶.大數據時代:生活、工作與思維的大變革[M].杭州:浙江人民出版社,2013.

第10篇

目前流行的統計軟件有SAS、SPSS、Statistica、EViews、Excel等,但上述軟件的特點和功能優勢各不相同,所以要根據學生的專業特點和教學要求選用不同的統計軟件或者軟件組合。但是由于專業統計軟件需要安裝后才可以使用,不便于課堂教學使用,也不便于學生的自主學習。而與上述專業統計軟件相比,微軟公司開發的MSOfficeExcel被廣泛應用于統計學的課堂教學當中[4-9]。作為當前使用最普遍的電子表格軟件,它不僅能夠制作圖表,而且還提供了較為強大的統計分析功能,更為重要的是,該軟件比其他專業統計軟件簡單易學、便于掌握、易于推廣。利用Excel提供的統計函數和數據分析工具,結合電子表格技術,可以實現數據管理、描述統計、假設檢驗、方差分析和回歸分析等統計功能,基本能夠滿足管理專業教學對統計分析方面的要求。因此,在統計學課程實驗教學軟件的選擇上,我們首先選擇了Excel軟件,依據Excel軟件中的電子表格功能、函數功能、數據分析功能,形成以Excel為主要統計決策工具的實驗教學內容。但是由于Excel軟件中沒有直接提供箱線圖、莖葉圖、無交互作用可重復的雙因素方差分析、方差分析中的多重比較、非參數檢驗、質量控制圖等方法[9],所以,在學生掌握Excel軟件統計分析功能的基礎上,進一步為學生介紹SPSS專業統計軟件的使用,以提升學生對統計數據的進一步處理能力。這樣就可以更好地滿足統計學課程的教學需要,實現其教學目標。

2實驗教學內容設計

統計學課程的理論教學是實驗教學的基礎和前提,因此必須對實驗教學內容進行合理的設計與安排,使之與理論教學進度協調一致。按照管理專業統計學課程教學大綱的要求,該課程教學的內容基本上可以分為以下幾個部分:數據的整理與展示、描述性統計分析、抽樣分布、推斷統計學、方差分析和回歸分析。因此,統計學實驗教學內容設計為:以收集數據、整理數據、分析數據和根據數據所提供的信息進行統計決策為主線,將統計學課程的實驗教學內容相應地分為四個模塊,即收集數據模塊、整理數據模塊、分析數據模塊和決策分析模塊。將各模塊的內容依據Excel的電子表格功能、函數功能、數據分析功能,結合SPSS軟件的統計功能,形成的統計學課程實驗教學體系。將統計學課程的54學時,按照理論教學與實驗教學學時2∶1進行分配,即其中的18學時為實驗教學。可以看出,統計學課程實驗教學的主要內容及學時安排如下:

(1)收集數據模塊的教學內容主要包括3部分,一是統計數據的錄入;二是統計數據的排序、篩選與數據透視表;三是抽樣方法。安排兩個教學學時。

(2)整理數據模塊的教學內容主要包括2部分,一部分是數據的圖表展示,另一部分是統計函數的學習和運用。安排5個教學學時。其中數據的圖表展示是整理和反映統計資料的主要工具。常用的表格就是頻數分布表;常用的統計圖有:餅圖、條形圖、柱形圖、折線圖、散點圖、雷達圖、直方圖等。本節內容要求學生能夠按照不同的統計數據類型對數據進行分類處理,正確計算和繪制頻數分布表,掌握基本統計圖形的繪制,最重要的是能夠針對不同數據類型,選擇適當的統計圖形來展示其規律。而統計函數主要涉及到數據集中趨勢的測量、數據離散趨勢的測量、以及相關關系等內容,實現對數據的描述性統計分析。通過對統計函數的學習,要求學生熟練掌握表示數據集中趨勢的統計函數,如總和(sum)、均值(average)、眾數(mode)、中位數(median)、百分位數(percentile);表示數據離散程度的統計函數,如方差(variance)、標準差(standarddeviation)、極差(range)、四分位差(quartiledevia-tion)、異眾比率(variationration)、離散系數(coeffi-cientofvariation);以及表示數據分布形狀特征的統。除了基本統計圖表和統計函數以外,這部分內容還包括如何使用Excel數據分析中的描述統計命令和直方圖命令,并將這兩個命令的統計輸出結果和統計函數兩者一一對應起來,以鞏固和強化基本統計知識。

(3)分析數據模塊的教學內容涉及到的統計學理論知識較多,主要包括:參數估計、假設檢驗、方差分析和回歸分析。所以基礎理論知識的掌握程度對學生理解和分析相應的統計輸出結果具有很大的影響。但是這一模塊的實驗教學內容相對比較簡單,涉及到的計算機操作命令主要都集中在Excel的數據分析功能中,如:關于假設檢驗的命令有t-檢驗(平均值的成對二樣本分析、雙樣本等方差假設、雙樣本異方差假設)以及z-檢驗(雙樣本平均差檢驗);關于方差分析的命令有單因素方差分析、可重復雙因素方差分析、無重復雙因素方差分析;關于回歸分析的命令有相關系數和協方差,以及回歸命令。此外,在這一模塊的教學當中,還要注意與統計函數的相互融合,要求學生掌握如:參數估計中的置信區間;假設檢驗中卡方檢驗、F檢驗、t檢驗和z檢驗;回歸分析中的相關系數、協方差、線性回歸、線性回歸擬合方程的斜率和截距等統計函數。鑒于這部分內容的難度及其重要性,安排5個教學學時。

(4)在決策分析這個模塊,主要是培養學生的綜合統計分析能力,使學習過程成為進行研究、探索和應用的新型教學過程。具體方法是將學生分成若干小組,選擇有興趣的問題,以小組為單位進行社會調查實踐活動,綜合應用各種統計分析工具,對數據進行系統的審核、整理、統計和分析,并完成調查報告。這部分內容可以安排3~6個教學學時,讓學生在課外進行。除了上述四個基本模塊的實驗內容以外,根據課程需要,還需補充以下兩個內容,一是概率與概率分布的計算,要求學生掌握經典隨機變量的概率計算,如二項分布、POISSON分布、指數分布和正態分布;二是分位數和p值的計算,如統計中常用的四個分位數的計算。安排3個教學學時。最后,利用3個教學學時,為學生展示和介紹SPSS專業統計軟件的主要功能,重點強調該軟件與Excel操作中的不同之處,譬如在數據輸入前,要先定義變量;箱線圖和莖葉圖的展示;方差分析中的多重比較;非參數檢驗等內容。這部分教學內容也可以結合學生的社會調查實踐活動,以學生的需求為導向,充分發揮學生的主觀能動性,培養學生的自主研究性學習能力。

3實驗教學方式

數學實驗課程內容一般分為基礎實驗、驗證性實驗、探究性實驗、應用性實驗和拓展性實驗五類。在統計學課程的實驗教學中,一方面我們強調基礎實驗,要求學生必須掌握統計軟件的基本操作和主要功能,如統計函數的使用、圖形的繪制和數據分析功能的操作。另一方面,適當增加驗證性實驗和應用性實驗。如運用統計軟件的基本操作和主要功能來展示抽樣分布和中心極限定理的基本內容,加深對抽象理論的感性認識;結合統計實踐調查活動,采用應用性實驗方法,鍛煉學生的數據搜集、整理和加工的能力,以及統計分析能力,綜合運用所學統計學知識去解決實際問題。

4實驗教學的實施保障措施

(1)統計學課程的實驗教學必須與課堂理論教學同步進行,按照理論教學進程有針對性地設計實驗教學環節,保持與課堂理論教學內容的協調一致。

(2)為了確保實驗教學目標有計劃、高質量地實現,應當編寫實驗教學指導手冊,給出詳細而完整的實驗教學設計,包括具體內容、操作步驟、結果分析、時間安排。通過精心選擇的實驗例題、練習題和思考題,促成學生的有效學習和實驗,充分體現實驗教學目標。

(3)必須重視學生實驗報告的撰寫及完成質量。實驗報告不是簡單地將課堂上的實驗過程記錄一遍,而是對實驗中的各種問題及相關知識的總結和思考。所以每次實驗課程結束后,都應要求學生對所學內容進行總結和思考,獨立完成實驗報告,并將實驗報告成績作為評定實驗成績的重要依據。

(4)要加強對實驗教學的考核。對實驗教學成效的考核內容包括以下幾方面:實驗教學基礎材料的準備工作;教師在實驗教學過程中的履責情況;學生對教師個人和教學過程的評估及反饋建議;以及對學生實驗課成績的評價。對學生實驗課成績的評價也應當是全方位的綜合評價,包括課堂上的上機操作表現、實驗報告的完成質量、以及實踐調查活動成果。通過實驗教學的考核方式和內容,引導教師和學生共同努力,實現統計學課程的基本教學目標,提升學生的統計應用能力。

5結語

第11篇

關鍵詞:大數據 市場調查與預測 教學改革 專業特色

中圖分類號:F274

文獻標識碼:A

文章編號:1004-4914(2017)02-237-02

一、引言

信息技術和社會化媒體的飛速發展引發了數據的大爆炸,而龐大的數據集為企業進行市場調查與預測提出了新的挑戰。為了適應新的企業需求,高校《市場調查與預測》課程的人才培養方案和培養模式必須做出相應的調整,引入新的教學方法和人才培養理念,使用更加先進的調查預測工具,為企業培養出具備數據分析能力的優秀人才。

二、課程改革的必要性

(一)大數據時代的要求

隨著大數據時代的到來,企業越來越重視基于大數據的更多樣本,更多實時數據的分析。對于市場專業本科階段的學生來講,雖然不能達到數據分析的專家,但是必須順應時代及企業人才需求的變化,提升數據分析的能力,《市場調查與預測》課程的教學改革迫在眉睫。

(二)傳統教學方法與教學模式存在很多弊端

《市場調查與預測》課程最顯著的特點就是實踐性強,但是傳統的教學方法與教學模式很難達到鍛煉學生實踐能力的目的。主要體現在以下三個方面:第一,傳統的注入式教學方法主要強調的是理論知識的傳授,學生缺乏參與感,很難調動學生的自主性和積極性,培養學生的創新性;第二,傳統課程安排實踐課時偏少,通過查閱各類院校本課程的教學計劃,多數高校實踐課時占總課程課時的比例不足30%,教師很難對整個實踐過程進行監管和指導。第三,傳統的教學模式忽略了對實踐能力的考核,基于實踐課時偏少,實踐成績所占總成績的比重很低且缺乏完整科學的成績評定體系,容易造成學生“搭便車”的現象;第四,《市場調研與預測》課程與《統計學》存在較強的相關關系,在授課過程中如果缺乏課程銜接與配合意識,很容易造成內容的重疊。同時,如果學生的統計學知識不扎實,對數據的分析僅僅停留在問卷調查數據的初步統計,很難提高學生的數據分析能力。

三、課程改革的基本思路

《市場調查與預測》課程的教學改革應順應大數據時展的要求,通過以學生為主體,教師為主導的教學方法,著重培養學生的實踐能力、創新能力和數據分析能力。教學內容上增加數據分析的內容,主要引入SPSS統計軟件的實驗課程,提升學生的數據分析能力;教學形式上采用課題式教學,通過課題式教學與分組合作學習的互動式教學模式提高學生的實踐能力;課程考核上,通過制定公平合理的考核制度提高學生參與實踐鍛煉的積極性,并在提高自身綜合素質的基礎上提高對教師教學的滿意度。

(一)教學內容的調整

依據市場調查與預測統計分析的需要,學生要先修《統計學》課程,通過和《統計學》教師的溝通與配合,《市場調查與預測》課程教學內容減少與《統計學》重復的理論部分,增加數據分析內容,尤其是SPSS操作模塊。與此同時,增加實踐課時。該課程的總課時為48學時,其中課堂理論授課占用24學時,SPSS操作占用12學時,實踐課時12學時。課程理論講授模塊的內容包括:市場調研方案設計、數據搜集方法、市場調研誤差、數據整理與分析、市場調研報告的撰寫、市場預測的基本方法。SPSS操作模塊包括:問卷設計與數據收集、問卷數據的錄入與清理、單變量的一維頻率分析、雙變量的交叉表分析、多選變量的一維頻率分析和交叉表分析、描述統計分析、簡單統計推斷、單因素方差分析、線性相關分析與線性回歸分析。@兩個模塊不是孤立的,而是通過課題式教學完成,學生通過選定的課題展開,圍繞選題在實踐課時完成完整的市場調研過程,應用SPSS完成數據的分析過程,最后以課題小組的形式進行匯報。

(二)教學的組織形式

教學組織形式上主要采用課題式教學與分組合作學習的形式,鼓勵學生按照興趣以4~6人為一組進行組隊,通過發現生活中與市場調查相關的實際問題,參與教師的課題項目,參與大學生市場分析大賽或者結合大學生創新項目等形式確定調研主題,明確調查目的、調查對象和調查范圍,設計調查方案。無論對于教師還是學生,新的科研項目的立項都會面對很多的新問題。在教學過程中,全體師生圍繞共同感興趣的科研課題展開教學與科研活動,形成一個學習型的教與學的團隊。提高學生自主學習與實踐的意識。師生在教學與科研活動中會有新的發現,達到教學相長的目的。

(三)課程成績評定方案的優化

由于《市場調查與預測》的課程加強了實踐環節,所以在最終課程的成績評定中,學生實踐環節的占比要相應的提高。我校傳統課程考核中,綜合成績=平時成績+期末成績。平時成績和期末成績分別占30%和70%。現計劃調整為:綜合成績=實踐成績+期末成績。其中實踐成績和期末成績各占50%。由于實踐環節都是分小組進行,調研報告和最終的匯報只能區分不同小組的最終表現,很難區分小組成員的實踐表現。為了防止小組成員在團隊作業中出現搭便車的現象,所以學生個人實踐成績=小組實踐成績70%+個人平時成績30%。小組實踐成績的評定在匯報過程中采取小組互評和老師評定相結合的方式,其中小組互評占30%,由其他小組評定的平均分計算得來,老師評定占70%,按照課題選題的難易程度及完成的工作量大小來確定。個人平時成績=組長評分30%+老師評分70%,組長評分根據組員的參與度及完成情況決定,老師評分根據小組分工的完成情況決定。這種成績評定結構盡可能的做到客觀公正,讓學生切身體會到自覺參與實踐鍛煉的重要性,促進學生積極投入到實踐鍛煉中,并在提高自身綜合素質的基礎上提高學生對教師教學的滿意度。

四、課程改革與專業特色

由于課程采用課題式教學與分組合作學習的形式,不僅鍛煉了學生的實踐能力和創新能力,而且對學生團隊溝通與合作能力也是一種提升。通過這種教學模式的實踐也可以為市場營銷專業特色的建立指明方向。

(一)以就業為導向

市場營銷專業的學生將來很可能從事市場調研工作,因此如果能在學習的基礎上考取相關證書可以很大程度提高就業率,比如可以鼓勵學生考取中級調查分析師證書。中級調查分析師證書考核的內容主要包括五個模塊:消費者行為學、調查概論、市場調查實務、抽樣技術和調查數據分析。學生可以側重以“消費者行為”為課題開展市場調查,不僅使學生掌握了市場調查的基本理論知識,而且也掌握了市場調查的實務,提高了數據分析的能力,實現了大數據時代企業對新的人才需求的無縫銜接。

(二)以專業競賽為導向

該課程的實踐環節也可以以專業大賽為依托,比如學生的選題可以先以校級大學生創新項目為基礎組織教學實踐,既完成了教學任務,又可以為參加更高層次的專業大賽奠定一定的基礎。在現有課題的基礎上選拔比較好的項目銜接省級大學生創新項目、全國及海峽兩岸大學生市場調查分析大賽等。這種模式既可以加強與全國高校的交流,也可以緊追市場調研實踐教學模式的前沿,拓寬任課教師的思路,促進教學質量的提升,提高教學滿意度。

總之,《市場調查與預測》課程的改革不僅順應了大數據時代的發展,同時也能體現出以市場調研為依托的專業特色。但是我校《市場調查與預測》課程的改革并非一蹴而就,也是一個循序漸進的過程。課程的改革不僅和現有師資水平有關,而且與學校的各種軟硬件配置以及實驗室建設也存在很大的關系。目前我校在《市場調查與預測》教學方面的軟硬件還存在很大的欠缺。如何提高實驗室的利用效率,加強實驗室軟硬件建設,實現SPSS操作課程與理論課程的無縫銜接也是需要我們通過調研來逐步改善的。同時,課程的建O需要長期的投入和努力,我們在提高學生的市場調研實踐能力,增強學生將來融入社會的適應能力的過程中還要不斷摸索和提升,緊跟時展的步伐。

參考文獻:

[1] 段曉梅.基于SPSS軟件的《市場調查與預測》實驗課程教學研究[J].教育教學論壇,2014(9)58~60

[2] 李紅梅.市場調研課程實踐性教學模式研究[J].教育教學論壇,2015(12)107~109

[3] 陳成棟,劉曉云.“市場調查與預測“課程教學改革實證研究[J].中國市場,2012(35)26~28

[4] 趙磊,朱娜.“大數據”時代農業高職院校財經類專業市場調查與預測人才培養方法探討與研究[J].經濟研究導刊,2014(27)187~188

第12篇

[關鍵詞]統計;數據分析;數據收集;數據整理

[中圖分類號] G623.5 [文獻標識碼] A [文章編號] 1007-9068(2017)11-0015-02

小學階段所學的簡單統計,主要是讓學生經歷數據的收集、整理和分析的過程,學會把小組收集的數據進行簡單的匯總,從而感受不同數據總體蘊含的信息既有所不同,又存在關聯。《義務教育數學課程標準》(2011版)明確指出:“數據分析是統計的核心。”可見,小學統計學習的核心目標在于培養學生的數據分析觀念。然而,學生數據分析觀念的培養并不是一蹴而就的,教師應讓學生在親身經歷的統計活動中,逐步感受收集數據對分析和解決問題的作用,從而培養學生的數據分析觀念。下面以蘇教版三年級下冊“數據的收集和整理(二)”第一課時為例,談談筆者的一些教學思考。

一、基于問題,激發收集數據需要

【教學片段一】

師:同學們,我們先來看一段視頻(關于上學時校門口擁擠的情景)。看完之后,你們有什么想法?

生(齊):校門口很擁擠。

師:是呀,每個學校上學時可能都是這樣的情景。看完這個視頻,老覺得,今天我們三年級同學上學方式最多的是乘坐汽車,可以這樣憑感覺下結論嗎?

生(齊):不行。

師:憑感覺可不行,需要統計,我們得用數據來說話!今天這節課,我們就學習怎樣用數據來說話。(板書課題)既然要用數據來說話,那老師就現場詢問幾個同學。

師:有了這4個同學的數據,老師又認為我們整個三年級學生上學方式最多的是乘坐汽車,現在大家怎么想?

生1:只是4個同學的上學方式,還是不能說明整個三年級學生上學方式最多的是乘坐汽車。

師:只知道4個同學的數據,不能下結論。看來得用更多的數據來說話。(板書:收集數據)同學們,我們需要知道哪些數據呢?

生2:知道三年級步行上學有幾個學生,乘坐汽車上學有幾個學生……

師:同學們說的其實就是收集整個三年級學生的數據,怎樣收集呢?

生3:一個班一個班地收集。

師:當數據比較多時,我們就需要給統計對象分組。(板書:分組)今天就先從我們班開始,先分4個小組來收集數據。

(小組收集,組長匯報)

【教學分析】要培養學生的數據分析觀念,首先要讓學生有意識地從數據的角度去考慮問題,引導學生想到通過收集數據來解決問題。因此,課始播放視頻后,筆者提出“今天我們三年級同學上學方式最多的是乘坐汽車,可以這樣憑感覺下結論嗎”這個問題。學生的直覺反應就是不能憑感覺說話,于是“用數據來說話”就水到渠成了。來自學生的生活問題,可以讓學生體會到收集數據很有必要,有了統計之后的數據,才能解決“上學方式最多的是什么”的問題,使學生充分認識到,對有些問題的判斷不能僅憑感覺,要用數據說話,從而真正體會數據在分析和解決問題中的作用與價值,充分感受到收集數據的必要性。

二、解決問題,體會數據蘊含信息

【教學片段二】

師:這是我們班4個小組同學的上學方式,那全班同學上學方式最多的是什么?

生1:計算步行上學的有幾個學生,騎自行車上學的有幾個學生……

師:也就是匯總全班的數據。(板書:匯總數據)現在來看看匯總之后的數據,,從中你知道了什么?

(學生自由回答)

師:看來收集并匯總之后的數據,更方便我們進行觀察和分析。

【教學分析】培養學生的數據分析觀念,需要借助于數據的收集、整理、匯總和分析這一系列的統計活動。讓學生親身經歷收集數據的全過程,體會數據本身所蘊含的信息,是教學統計比較重要的方式。在從數據出發的統計教學活動中,學生充分掌握了統計的方法,數據分析觀念得到了培養。

【教學片段三】

師:現在知道我們班上學方式最多的是乘坐電動車,你認為全年級也是這樣嗎?

生1:是。

生2:不是。

師:大家的意見不一致,看來還是得用數據來說話。這是老師課前收集的三年級其他各班的上學方式。(課件展示)怎樣才能知道三年級學生上學方式最多的是什么呢?

生3:匯總三年級的數據。

(師生共同匯總數據)

師:現在看看這張表格(略),從中你知道了什么?

(學生自由回答)

師:同學們,我們剛才通過分組收集數據及匯總三年級的數據,清楚地知道了三年級學生上學方式最多的是乘坐汽車。分析數據在整個用數據來說話的活動中是最重要的,分析數據的方法可以是多樣的。你們認為整個三年級學生的上學方式與我們班的一樣嗎?

師:我們試著比比看。大家有什么想法,可以4人一組交流一下,再選其他班的數據與整個三年級的比一比。

(整個三年級的上學方式與每個班級的上學方式有一定關聯,但由于調查對象不一樣,得到的結論也不一定相同。)

【教學分析】分析數據時,先讓學生比較我們班的數據與整個三年級的數據。學生發現統計的數據與調查的對象有關,由于調查對象不一樣,得到的結論也不一定相同。再讓學生比較其他班的數據和整個三年級的數據,讓學生初步感受不同的樣本與總體之間的關系。對于同樣的統計活動,樣本與總體所蘊含的信息是存在關聯的,有時樣本的信息與總體的信息一致,有時不一致。

【教學片段四】

師:其實分析數據的學問可多了,剛才我們體會了調查的對象不一樣,得出的結論也不一定相同。對于我們班的數據,如果分類的標準不一樣,又會是怎樣的情況呢?

師:按照綠色出行和非綠色出行重新分類,你得到了什么?

師:光看這些干巴巴的數據,你們可能只感受到哪種出行方式的人數多。在分析數據這個過程中,如果加上一些背景資料,你得到的感受肯定會更深刻。我們不妨來看一段背景資料。(課件展示)

師:看完后,對于出行,你有什么好的建議?

【教學分析】用不同的方式描述數據,以獲得盡可能多的信息,并發現其中蘊含的一些規律,是數據分析的基本內容之一。分析數據是從收集和整理數據開始的,對小學生來說,整理數據的方法就是分類。教師應引導他們思考“對于我們班的數據,如果分類的標準不一樣,又會是怎樣的情況呢”這一問題后得出“在不同的分類標準下,結果往往是不同的”的結論。

三、練習運用,強化統計活動

【教學片段五】

師:通過剛才的活動,老師對你們有了一些了解。現在老師想了解我們班同學中哪個月出生的人數最多,哪個月出生的人數最少。這些問題應該怎樣解決?

生1:小組收集每個月份生日的人數。

師:下面我們就分組收集后再匯總。根據我們班同學的出生情況,你知道了什么?

師:剛才我們是按照出生的月份來分析的,對于我們班的數據,還可以從哪些不同的角度來分類呢?組員一起商量,組長填寫表格。

小組匯報:

組1:按照上半年和下半年矸擲唷

組2:按照季度來分類。

組3:按照大月、小月和特殊月來分類。

組4:按照單月和雙月來分類。

師:在剛才的活動中,匯總數據比較簡單,其實就是求和。最有講究的是分析數據,同樣是我們班的數據,但從不同的角度分析,得到的信息是不一樣的。

【教學分析】“我們班同學中哪個月出生的人數最多,哪個月出生的人數最少,這些問題應該怎樣解決?”有了前面數據收集和匯總的方法,學生很容易學以致用:“先分組統計,再進行全班匯總。”教學應不止于此,教師繼續引導學生思考:“對于我們班的數據,還可以從哪些不同的角度來分類呢?”這樣,既讓學生體會了同一組數據按不同的分類標準可得到不同的結果,又體現了不同的分析方法對理解數據信息的作用。

四、課堂總結,走向大數據

【教學片段六】

師:同學們,回顧一開始的活動,我們調查了每位同學的上學方式。一個人的數據很微不足道,但將很多人的數據匯總起來,就會有很多結論,可以做出有意義的預測。我們還是以出行為例,看一段人們在“五一”黃金周出行的視頻。(多媒體播放)

師:同學們,我們已經進入一個大數據的時代。數據對我們現在的信息社會來說真的很重要。有人就把大數據形容成未來世界的石油……

【教學分析】要培養學生的數據分析觀念,在學生有了迫切需要解決的生活問題以及分析方法上的指導后,教師還應擴大到大數據的簡單介紹。可能學生對于大數據不是很了解,但有了“五一”黃金周人們出行的視頻,有了每個人的數據,并匯總成更多的數據,就可以預測出很多的結論。這就是未來社會,誰擁有了大數據,誰就可以俯視整個世界,這就是分析數據的魅力所在。