大数据与《数值分析》教学实践

大数据与《数值分析》教学实践（精选9篇）

大数据与《数值分析》教学实践 篇1

摘 要：联系时代发展，数值分析列为应用统计专业的专业基础课。考虑信息时代与数据时代的特点，对应用统计专业的数值分析课程教学内容进行再梳理，教学模式进行更新。开设专题，突出大数据与数值分析的联系，促使大家共同思考，逐步树立大数据理念。数值分析课程教学的深度改革以及教师与学生间的深度配合，培养创新性人才。通过系统学习和改革措施，取得一系列优秀成果。

关键词：大学教育 数值分析 大数据 专业课

中图分类号：G420 文献标识码：A 文章编号：1674-098X（2016）01（b）-0115-02

大型线性方程组，特别是大型稀疏矩阵方程组，为减少计算量、节约内存、充分利用系数矩阵拥有大量零元素的特点，使用迭代法更为合适[1]。插值、拟合、逼近、数值积分与数值微分、范数等无一不是在建构数据关系。

大数据是新事物吗？天气、地震、量子物理、基因、医学等都是大数据所在，借鉴他们的方法有益。过去多用统计类方法，如用抽样调查。这正是应用统计专业人士擅长的。互联网数据挖掘方法论也如此，不同的是：因为人的复杂性，所以更难。既然是关于人的研究就需应用所有研究人的方法梳理大数据。只要懂编程、懂调动数据的人就可以做大数据挖掘的说法显然不准确，因为移动互联网对社会生活的影响本质是时间与空间的解构。

2013年一年产生的全球信息量已经相当于人类文明史当中资料的总和。处在一个数字时代，价值判断主要通过大数据分析，颠覆性的创新以一个不可思议的速度在进行着，每个人必须要去适应。2015年李克强总理曾提出“数据是基础性资源，也是重要生产力”的重要论断，强调中国发展大数据产业空间无限。“海量数据如果能彼此打通，从这中间可以产生出大量的新知识。”中国工程院院士潘云鹤在由中国工程院主办的国际工程科技知识中心2015国际高端研讨会上说，“大数据的出现，表明信息开始独立于人，开始形成单独的空间，今后大数据一定会走向大知识时代。”

必然的时代变化，可怕吗？正视、拥抱？在变化中似乎更能感受到数学专业、尤其是应用统计专业的优点：韧性好、潜力足、回旋空间大。不过，相应的调整与变化也是必须的。数值分析曾经是我校应用统计学专业的选修课程。考虑到信息时代与数据时代的新特点，也在努力地用心地迈向大知识时代，而今数值分析已经成为我校应用统计专业的必修课，一门专业基础课。教学与成长

身为教师，都明白：从改变和提高自己开始，才有成功的教育。与学生们一起经历那一段无可替代的完整的生命体验，自然不是能由碎片讯息和夸张视频可以取代的。因此我们一直都在学习，不断提高教学的本领与技巧，更好地直面生活中众多的选择，并由此观察、体会、领悟全新的生活方式：改变着我们对自身以及人类关系的理解；影响着城市的建造和经济的变革；甚至改变我们成长与成年的方式，也改变着人类老去甚至去世的方式。

尽情地用心做足诗外功夫。尽心尽力地完成教研工作，认真钻研、用心备课、与时俱进，切实把握好重点难点和必要的知识细节，不断改进教案，启发创新思维，开展研究型教学，拓展相关应用的前沿、热点，通过理论分析与数值编程两个手段相结合，拓展研究前沿和实际应用，提供有益的研究信息和潜在思路。精心制作教学课件、算法编程与可视结果，调试正确高效的源程序代码，必要时可以运用多种模式教学、布置大作业。

学生维度方面，发挥主观能动性与学习自主性。不论课堂内外或是线上线下，我们都努力贯彻这样的学习过程：自学（寻疑）、互帮（答疑）、倾听（释疑）、群言（辨疑）、练习（测疑）和反思（质疑）。答疑、释疑和辨疑过程可以出现在同学之间以及师生之间。努力充分开发理解的认识性、道德性、感情性、实践性与创造性及其综合而成的理解的特殊本性，借此更好地提高教育实践的合理性。这样，无论教师还是学生，都处于理解的教育之中，可以更好地理解自己和他人，因而能被别人更好地理解。同时，作为影响其他教育条件更好地发挥作用的关键因素，在其他教育教学条件基本稳定的前提下，更好地发挥多角度理解的作用，从而收获更好的教育教学效果。

习题采用书面撰写与上机编程相配合来完成，布置有关实践应用的大作业，力求考试学术和创新素质的结合与统一。通过教学、科研、动手编写和调试程序，使学生掌握数值算法的构造原理和分析过程，熟悉设计算法的原则和思路，把握已有算法的优缺点、应用面和发展前景，提升知识的融会贯通，能够结合自己的专业和问题来考虑新数值算法的改进与应用。尝试面对科研实际中遇到的问题选择、应用和改进相应的计算方法，从而提升知识应用和思维创新。

每章学习过程中，我们都一起思考相应的数据复杂性、计算复杂性、系统复杂性和学习复杂性等多个方面带来的挑战；同时思考从数值分析出发的相应对策与处理措施。而且，我们开设几个专题，如从数据出发的建模与数值分析、大数据与计算方法的加速处理、大数据中误差的优化及与新方法的生成等等，突出大数据与数值分析的联系，促使大家共同思考，希望因此逐步树立大数据理念，加强目标、模型、数据、技术等多个方面的协同创新。尝试着对数值分析课程教学的深度改革、教师同学生间的深度配合，希望能超越因材施教，也盼望着能接收到超出想象的答案，从而让创新性人才凸现。

整个数值分析课程教学过程中，关注学生的成长过程，更加注意到学生正在寻找自己，构建自己的知识结构，以及他们的变化和发展。若以此为目标进行教改，改革必然会持续进行，一定能帮助学生了解自己，准确定位，为学生必然发生的变化做准备，而非将学生当作已经固定的人才实施因材施教。坚持抓反思、求提升，抓精细、求完美，抓执行、求速度，抓流程、求效果。期望着大家能有超越数据的视野与胸怀。成效

通过系统学习和改革措施，促使教学双方充分发挥“教师的主导作用，学生的主体作用”。教师的教学与科研得到良性发展，促进研究型教学展示，为在新时期培养创新型、复合型、高素质人才做出点滴贡献；学生掌握经典算法和了解了应用前沿，提高数值算法效率和数据分析能力，为利用计算机有效解决科学计算中的问题打好基础；也为更从容地面对世界的柔性、智能、精细发展奠定了基础。

用心投入实践中的好课与好课的实践[2]，发表了一系列相关教学论文。持续开展：数值计算方法及相关课程教学改革的研究与实践；模块化、互衔接的数学类课程群优化的研究与实践；数学教育实验中心运行机制与管理模式的研究与实践；多元化人才培养模式的研究与实践。有如下书籍出版：

《应用数理统计》，机械工业出版社，2008。

《数学物理方程》，科学出版社，2008。

《数据库基础教程》，电子工业出版社，2009。

《基于MINITAB的现代实用统计》，中国人民大学出版社，2009。

《气象统计预报》，气象出版社，2009。

《Numerical Analysis and Computational》，MethodWorld Academic Press，2011。

《数值分析与计算方法》，科学出版社，2012。

《数值计算方法理论与典型例题选讲》，科学出版社，2012。

《Minitab软件入门：最易学实用的统计分析教程》，高等教育出版社，2012。

2012年，这里被确立了教育部专业综合改革试点专业。同年，拥有了中央财政支持地方高校发展――科研平台和专业能力实践基地建设项目，以及多项江苏省及国家级大学生实践创新训练计划项目，如基于地面以及CHAMP卫星数据的地球磁场区域建模研究，基于GPS和实时数据的青奥会期间公共交通调度优化研究，南京市PM2.5监测站分布合理性调查与分析。

2011获年教育部颁发全国大学生数学建模竞赛全国特等奖（高教社杯），全国唯一。2012年摘下全球仅7项的美国大学生数学建模竞赛ICM特等奖。

2015年全国大学生数学建模竞赛获国家一等奖四项、二等奖六项；2015首届中国“互联网+”大学生创新创业大赛金奖；在2015年全国大学生电子设计竞赛中获全国一等奖3项、全国二等奖4项。获奖数量和质量均取得历史性突破，展现了当代大学生的大气、生机和活力。

难怪，世界著名数值分析专家牛津大学教授Floyd N.Trefethen和David.BauIII指出：“如果除了微积分与微分方程之外，还有什么数学领域是数学科学基础的话，那就是数值线性代数。”

参考文献

大数据与《数值分析》教学实践 篇2

数学问题的多样性与数学应用的广泛性及深入性，已经成为现代科技发展的重要特征.Napoleon的经典名言“国家富强，要靠数学发达”已被认为是一条不容置疑的真理.

数值分析是研究各种数学问题求解的数值计算方法及其理论.大数学家笛卡尔曾经说过，任何问题都可以转化为数学问题，任何数学问题都可以转化为代数问题，任何代数问题都可以转化为方程式的求解.由数学问题到方程式的转化以及解方程就是数值分析问题.随着计算机的广泛应用，几乎所有的学科都走向了定量化和精确化.数值分析是一门与计算机使用密切结合的实用性和实践性很强的数学课程，主要介绍科学计算的基本理论和基本方法.目前数值分析已经成为理工院校学生的一门核心基础课程.为了在有限的学时内达到教学目标，我们深入研究课程特点，并进行了较大幅度的改革，取得了显著成效.本文中，我们将与同行们交流近几年推行的改革措施并提出一些设想供大家指正.

二、数值分析课程教学中存在的问题

(一) 内容多，课时少

这是一个各大院校共同面临的问题.首先，课程本身包含内容多.其次，数值分析方法是发展的，与时俱进的.随着数学应用越来越广泛，科学计算成为学术研究的热点问题，经典方法与现代手段结合得到不断改进，新方法、新理论也不断产生.在有限的课时内把所有的内容都有效地传授给学生对老师是一个挑战.

(二) 内容相对独立，缺少连贯性

大多数教材对各种计算方法的讲述相对独立，不能很好地体现计算方法的发展过程和进步性，各种方法之间的融合较少，不利于激发学生的创新意识.

(三) 重理论，轻实践

大多数教材理论较深，例题较少，题型缺乏应用背景，使得学生掌握了方法，却只会做数学题，解决实际问题的能力差.

(四) 直观性差

由于数值分析课程本身的特点，教学过程需要多媒体辅助.但是很多多媒体课件仅仅是一些PPT.虽然对课时的有效利用有一定帮助，但是呈现给学生的仍然是繁琐的公式推导，没有充分发挥多媒体的动画功能，学生对方法的理解仍停留在书面意义上，对授课效果的提升有限.

三、我们的教学改革实践

近几年来，结合教学实践，通过完成教改立项和组织各种教研活动，“数值分析”课程在教学手段、教学内容、教学模式以及培养学生创新意识等方面取得了系列成果.

(一) 教学手段

我们在使用多媒体课件的同时，深入挖掘计算机辅助教学的潜力，将越来越多的方法 (例如三次样条插值、磨光算法等) 制作成Flash动画，直观地展示这些方法的有效性及其作用过程.例如一个正方形 (立方体) 经过几次磨光之后逐渐变成一个圆 (球) ，可以通过动画展示整个过程及每次磨光的效果.再结合理论说明使课堂内容通俗易懂，让学生知其然更知其所以然.不仅能够激发学生的学习兴趣，轻松接受各种算法，还可以帮助他们深层理解，增强应用和创新意识.

(二) 教学内容

授课过程中注意内容的连贯性，还原学科发展历程，体现“方法源于需要，理论源于实践”.例如对于多项式插值我们给出如下关系图:

关系图说明:最古典的是多项式插值 (包括:局部方法，一点处泰勒展开;整体方法，高次插值) ，但是由于次数较高时出现龙格现象，于是出现了分片或分段低次插值，克服了龙格现象但是分段点处不光滑，进而出现了样条函数理论.这样学生可以对课程有一个整体把握，同时感受数值分析方法的实用性与进步性.再比如多项式插值的Lagrange公式、Newton公式以及Chebyshev多项式三者的优缺点比较，以及Chebyshev多项式的节点选取是很关键的，再扩展一点，联系Leja点集和散乱数据插值的最优节点组的自适应选取便把学生带到了目前科学计算的研究热点.如此学生觉得数值分析不仅切实有用，而且仿佛站在了专家学者们身旁，激发了学生的学习激情.

(三) 教学模式

教学内容为“理论阐述+算法推导+程序设计+算法实验+数值解分析+算法实践”.以“崇术重用”为原则，对于每个方法，我们适当删减繁琐冗长的证明过程及运算技巧，更多地结合实际问题和动画演示，直观地阐述方法的来源、方法的作用过程及效果.保证课程内容的深入浅出.增加上机实验，让学生自己动手解决问题.锻炼了他们的动手能力，符合理工院校高素质应用型人才的培养目标.

(四) 上机实践

引进Mahtematica软件并完成了与教学内容的融合，自主开发了一系列教学示范程序.我们要求学生在掌握一定的编程能力和数值算法以后，能对现有程序做改进，能将所学的计算技巧融合使用.例如要求学生在非线性方程组的简单迭代程序基础上，编写加速迭代算法程序，将比较成功的算法改进展示给所有同学，对于有创新的帮助他们写成论文发表.作为课外作业，我们选择一些应用性较强，但是计算量难以手工完成的问题，要求他们利用所学数值分析方法，在计算机上编写程序语言并最终解决问题，并将这些作业完成情况作为课程期末考核的一个组成部分.这些措施提高了学生运用数学知识进行综合分析的能力和科学计算能力，收到良好效果.

四、教学改革的一点设想

各大院校普遍存在一个问题，就是不同院系之间缺少交流，不同学科专业的学生互不了解，缺乏交流合作，更缺乏合作意识.我们设想将今后的数值分析教学过程与数学建模结合起来，对学生进行跨专业分组，每组成员平时多多交流，对于上机作业以组为单位，发挥每个成员的专业优势，合作完成.学期末，每组随机抽取一个较为复杂的数学建模问题，限定时间内完成，作为课程考核的指标之一.鼓励研究生与其他专业的研究生或老师合作，实现资源共享和知识互补，共同解决研究中碰到的科学计算问题.让他们在学习研究中获得快乐.

几年来，我们以培养学生科学计算能力为重心，以“分析与计算并重、经典与现代交融、方法与实验互证”为理念的教学改革实践激发了学生的学习兴趣，增强了学生的创新意识，提高了学生应用所学解决实际问题的能力，为以后从事科学研究工作奠定了必要的数学基础.同时也锻炼了教师队伍，在与学生的互动中，教学相长，提高了教学水平，得到了专家们的好评.

参考文献

[1]杜廷松.关于数值分析课程教学改革研究的综述和思考.大学数学, 2007, 23 (2) :8-15.

[2]刘春凤, 何亚丽.数值分析课程的教学改革研究与实践[J].河北理工大学学报, 2006, 6 (3) :118-119.

[3]刘春凤, 何亚丽.应用数值分析[M].北京:冶金工业出版社, 2005.

[4]徐利治.关于高等数学教育与教学改革的看法及建议.数学教育学报, 2000, 9 (2) :1-2.

[5]徐利治.20世纪至21世纪数学发展趋势的回顾与展望 (提纲) .数学教育学报, 2000, 9 (1) :1-4.

[6]张韵华, 陈效群.数值计算方法课程改革初步.2003, 19 (3) :23-26.

大数据与《数值分析》教学实践 篇3

[关键词]数值分析；教学方法；数学建模；创新能力

[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437（2016）02-0130-02

数值分析覆盖内容广泛，该门课程既保持了纯数学的抽象性与严密性，又突出了应用学科的广泛性和技术性，因此被学界认为是传授难、学习难的一门课程。针对数值分析课程上述特点与我校电气工程领域专业学位研究生的要求，笔者以在教学过程中的亲身实践作为基础，谈谈对该课程的一些认识。

一、优化教学内容

为了有效讲授数值分析课程，必须对教学内容进行合理取舍、突出重点，应以学生专业方向为基础，将教学时间主要安排在讲解误差分析、插值法、函数逼近、数值积分与数值微分、解线性方程组的直接法和迭代法、非线性方程数值解法等内容上。对于如矩阵特征值的计算，在有条件的情况下可以对其思想进行简单介绍，而对于如常微分方程初边值问题的数值解、多重积分、共轭梯度法、求根问题的敏感性与多项式的零点等内容可以忽略不讲，推荐学生自学。此外，根据研究生的特点，在教学时需尤其注重基础知识传递辅以实验的结合。对于数值分析的每一个知识模块，都必须融入课后实验。教师还必须增进将科研成果引入课堂的意识，引导学生构建符合自身研究方向或兴趣的问题，并以实际背景为依托，利用在课堂上学到的知识，通过查阅文献、选择算法进行个人实践并最终形成一份完整的研究报告。本校的数值分析课程教学利用的就是上述这一套办法。这既激发了学生对于该门课程的学习兴趣，同时也丰富了学生在各自研究领域的数学计算方法，让他们体验到了科研工作的乐趣，也让他们充分理解到运用好数学方法是其进行有效科研工作的强大后盾。

二、精心设计教学方法，注重教学效果

在教学中，我们采用参与型教学法与比较分析法，具体思路如下。

1.为了在课堂上尽量给学生提供参与的机会，每次课后习题作业批改后，不是将作业发给学生了事，而是邀请学生在课堂上对其解答过程及思路进行讲解，并和同学及教师进行讨论，教师仅对关键点进行总结讲评。学生们很喜欢这种给他们展示自己实力的机会，学生的学习主动性得到较好的发挥，教学效果好。

2.对于一些合适的教学内容，可以采取让学生课前自学有关章节的内容，然后在课堂上请学生讲课，其他同学提问，教师点评的教学方式。这种教学方式可以让学生对课堂知识的接受由被动变为主动探索。

3.数值分析的一个重要特点就是利用多种方法解决同一问题。因此将在同一问题框架下构建的多种方法进行优劣比较，既有助于学生搭建整体知识框架，又能有效锻炼学生的思考能力和分析能力。使用该方法时，需注意给学生充分的时间进行思考，教师可在学生独立思考期间适当地予以引导和鼓励。在数值分析的教学中，由于在学习中不断更新数值计算方法，往往在课程学习完成后，学生经常会面对掌握多种方法却不知道每种方法的应用范围的情况。为了解决上述问题，使学生充分掌握各类计算方法，就必须在教学过程中鼓励学生对各种方法进行比较、分析，总结出各自的应用特点并加以实践。例如，在对函数值进行近似计算时，课堂上主要介绍的是插值与拟合两种方法。通过比较可以发现：二者在应用上基本思想不同，插值方法的使用强调插值点的精确逼近，而拟合法的使用则需要整体平均逼近。

三、融合传统的教学方式和现代教学手段

传统的数学教学，大多利用黑板进行板书讲授，而此类教学模式于数值分析而言却不完全适用。因为传授计算方法是数值分析教学中的主要内容，而体现计算方法的主要是枯燥的数学符号及其运算，单纯地向学生教授数学符号背景下的数学方法既缺乏直观性，又缺乏连贯性，大部分学生难以理解。因为数值分析中的大量冗长公式，单纯利用板书向学生讲述，既费时费力，又难以充分展现整个推导过程，教师很难将前后联系在一起讲解。因此，对于数值分析的讲解，要充分将现代多媒体教学手段融入教学过程中，打破传统教学模式的壁垒，将传统的教学手段与现代的教学方式相结合，在课程教学中做到有效使用多媒体工具。对基本理论如概念、方法等的讲授可以传统的教学方法为主，而公式应用、复杂计算等则可以通过多媒体手段进行展示。比如在讲解插值法时，可根据多媒体教学内容信息量大和生动鲜明的特点对该方法进行充分阐述。又比如在教授迭代法稳定性和收敛性时，传统的教学手段缺乏图形解释，学生根据纯文字介绍很难理解其本质，而若改用多媒体对收敛和发散进行动态演示，学生根据图形联想很快就能理解其变化本质，学生接受知识更为容易。

四、将数学建模思想融入数值分析教学中

数学建模是将数学与实际紧密联系在一起的桥梁，亦是数学作为一种工具在各个领域发挥作用的媒介，是数学作为一种科学动力向应用转换的主要手段。随着数学建模的不断发展，其作用逐渐被数学与工程界重视，如今，它已经成为了现代科学研究人员不可缺少的重要能力之一。在数值分析课堂教学中，教师要注意将数学建模的思想融入日常课堂教学的过程中。为了贯彻这种思想，教师可以采取下述方式：在新问题、新方法出现时，通过介绍该问题的应用背景渗透数学建模思想，让学生知道所学的知识在不同领域的应用。教师也可以自己构建一个实际问题，根据数学建模的步骤对问题进行分析并创立数学模型，利用上述途径完成对数值方法的引入。采用上述方法不仅可以直观地增进学生对理论和实际应用的认识，还能强化学生对某一实际问题的分析与解决能力。如在数值积分章节，教师可以通过铝制波纹瓦的长度问题为引导，帮助学生根据问题构建曲线积分数学模型，并根据相应数学方法构建出定积分数学模型。因为某些函数求取原函数存在困难，牛顿莱布尼茨公式很难对上述内容进行求解，可从此引出数值积分思想。又如在插值法中，教师在教学过程中可以首先提出问题：如何根据已经获得的某处海洋不同深度处的水温而合理地估计其他深度处的水温？以此为契机介绍插值法。在讲曲线拟合时，先提出问题：根据我国自1900到2014年的人口数，如何才能预测出未来的人口数？以此为前提介绍曲线拟合。在数值分析教学过程中引入数学建模思想，既可以使学生充分掌握数值分析的相关理论和方法，还可以进一步培养学生的科研创新能力，为日后从事科学研究工作打下一定的基础。

五、强化课程实践，打造应用能力

在数值分析课程的理论教学中需引入实验性思想，具体如下。

1.强化基础实验部分：对基本的实验项目，通过讲解算法的框图、多媒体演示和直接用Matlab软件的求解，然后在教师的指导下进行实际编程、调试、计算结果。

2.综合性补充实验和创新型实验部分：向学生提供若干科研分析实际问题中遇到的和数值分析相关的综合实验，并给出辅助材料，允许学生自选与数值分析相关的题目，要求学生分小组协作完成，让每个小组的学生作课堂展示。课堂展示要求学生将自己的报告通过多媒体形式进行展示，其他同学根据该学生的展示内容进行提问和讨论。该方式可以在增进学生之间交流的同时，从多角度巩固学生对某一难点问题的理解，提升同学们合作创新的能力。教师对每个报告进行总结，并作进一步阐述。

3.强调实验结果的总结并规范实验报告的书写：鼓励学生总结自己的问题和成果，在总结中强化对问题和方法的认识；同时提升学生的科研表述能力，为日后研究文章的撰写和专利的设计打下基础。

通过实验训练，学生巩固了课堂内容，锻炼了实践能力，培养了创新能力和应用能力，为进入科研课题的学生利用数值分析方法解决在专业领域的应用问题打下了基础。

六、结束语

数值分析课程作为我校电气工程专业学位研究生的一门重要的基础应用型课程，与电气工程专业的专业课程联系紧密。有效的数值分析课程教学不仅为学生提供了知识，更培养了其认识问题、解决问题的能力。我校自2012年开始招生以来，数值分析课程教学不断得到完善和深化。然而，随着科学技术的日新月异和高等教育改革的不断深化，数值分析课程改革仍旧需要在实践中不断探索总结。尽管新的教学方式、教学方法得到了学生们的肯定，也取得了一些成绩，但同时我们也应清醒地认识到教学改革是一个持续的过程，需要包括学生在内的各类教学元素的共同努力。在实际教学中，我们还要不断总结经验，根据实际不断更新教学内容和教学手段，将创新能力和实际应用能力作为教学的两大基本目标点，从而实现数值分析对电气工程领域专业学位研究生培养目标的要求。

[ 参 考 文 献 ]

[1] 涂俐兰.研究生“数值分析”精品课程建设与实践[J].大学数学，2012（6）.

[2] 马慧彬，张忠武. 工科硕士研究生《数值分析》课程的改革实践[J]. 当代教育论坛（ 综合研究），2011（3）.

大数据与《数值分析》教学实践 篇4

如今，社会已经步入大数据时代，大数据时代最显著的特征就是数据海量、结构复杂、传输速度快等。如何在大数据时代，提高高校数据存储与处理能力，加强高校的信息化管理，寻求新的信息服务途径，是高校应思考和研究的重要课题。本文对高校信息管理工作存在的问题进行分析，同时针对如何提升高校信息化管理提出了几点策略。

网络信息时代的到来，数据已成为各高校竞争的重要战略资源，对高校各项管理工作的影响非常重要。我国颁布《国家中长期教育改革和发展规划纲要》指出：“信息技术对教育发展具有革命性的影响，必须予以高度重视。”从中可见国家对于信息技术的重视程度。大数据时代为高校提供了很多教育信息资源，为教师教学提供了很多方法和策略。随着高校信息管理的不断升级和改革，高校内部采用各类系统软件辅助日常管理、教学等工作。如何充分运用海量信息和数据，为高校管理和教学服务，是高校管理者应思考的重要课题。

一、高校信息管理工作的现状

1.高校信息管理系统缺乏统一的规划。随着网络信息技术的发展，我国高校信息管理工作取得了一定的成绩，但目前高校信息管理体系还有待完善，还缺乏专业化、规范化的规划。从实际情况来看，部分高校分别开发了供本院校使用的独立信息管理系统，但校与校之间数据交流很少，信息零散，高校内部各部门之间的信息流通也不顺畅，受到一定因素的制约，某些信息保存在固定单位，导致信息缺乏共享性。另外，高校信息汇总工作繁琐，模式陈旧，经常采用从基层到管理层逐一统计，数据重复收集的现象，耗费了大量时间和人力。

2.信息和数据安全体系有待完善。一方面，随着信息技术的发展，网络逐渐呈现开放式特征，这就导致很多数据和信息容易丢失和被盗取。尽管很多高校信息管理平台已经建立，但是数据信息安全体系还不够完善。目前高校教育竞争日益激烈，数据资源对于高校来说就是一种财富，数据的高效管理和应用是大学竞争优势的具体体现。因此，完善数据信息体系是保护数据信息安全的关键环节。由于高校规模逐步扩大，高校的数据量也随之剧增，对于其中有价值的信息进行保护是十分必要的，换句话说，数据可以转化为价值。

另一方面，高校很多数据信息呈现冗余状态，很多管理平台上的信息重复，占用大量存储空间。高质量的数据是能够准确表达高校各项工作指标的依据，数据要客观、真实。很多高校通过信息化建设积累了大量数据，但是很多数据无法确保可访问性、可信度，很多信息不能被有效利用。在利用数据时，有些高校时常对数据断章取义，进行片面使用，一些个别数据是不能代表大多数的。尤其在科研项目中，数据更要经过严格审核才能使用，不能盲目地选择，这违背了研究方法中的系统性原则。高校内信息垃圾较多，数据的过剩现象很明显，但同时有些数据还缺乏，这是一种矛盾。

二、加强高校信息管理工作的有效策略

1.加强信息管理人才的培养。高校的信息管理工作依赖于专业的管理团队。因此，培养专业化、高素质的管理人才是提升高校信息管理质量的关键。首先，高校要从优化信息管理员队伍结构入手，定期组织信息管理人员进行培训，培训内容涵盖信息管理法律法规、新闻报道、计算机操作及维护、摄像技术等。其次，高校要提升信息管理人员的责任意识和信息化意识，从观念上转变教师的思想，促进教师提高思想觉悟，对信息管理工作认真负责。再次，高校要建立信息管理的相关制度，内容涉及信息管理人员的专业要求、学历要求以及信息管理工作岗位的.职能要求，建立高校信息管理队伍的长效机制。

2.实现数据资源的整合与利用。高校要在大量数据信息中整合适合自己院校的数据资料，构建高校信息管理体系，提高数据资源的利用率，为信息管理工作打好基础。高校要在政策和技术上给予支持，在资金上加大投入，有效地整合现有的数据与信息资源，才能保证高校信息管理工作的有效进行。高校信息管理工作是一项系统的工程，其涵盖的内容非常广，包括招生、教学、科研、行政管理、财务管理、学生就业指导、学生校园生活等。因此，加强数据整合是实现高校信息管理高效化的重要途径。

3.完善硬件设备设施，构建数据信息安全保障体系。高校信息管理工作的开展依赖于硬件设施的完善，决策者要全方位地了解学校的教学质量和运行状态，进而实现对各项工作的审视和监督，高校要保证信息管理平台的正常运行。首先，高校要加大资金投入，完善硬件设施建设，使网络信息平台的建立能够发挥其功能，并指派专人负责硬件的维护与维修，保障数据信息平台的正常运行。其次，高校要在信息管理系统中运用智能技术，建立能反映学校整体发展水平的综合信息集成系统。

高校教育大数据的分析挖掘与利用 篇5

摘 要,本文从高校教育大数据的汇聚融合与挖掘应用的角度,分析了如何运用教育大数据技术推动大学管理和人才培养的创新改革的思路和方法。首先,分析了教育大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教育大数据技术平台的基本技术架构,第三,结合教育大数据实际应用,介绍了陕西省高等教育质量监管大数据中心、MOOC中国、西安交通大学教学质量综合监控与评价三个典型案例,最后,提出了教育大数据分析挖掘中的3项基础性关键技术

关键词,高等教育,大数据,分析,挖掘

一、教育大数据分析挖掘的价值

高校大数据分析挖掘至少有四个典型价值, 一是使得大学的管理更加精准高效,可以朝着智慧治理、分类管理、过程监控、趋势预测、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,改变管理的模糊性, 二是可以更加准确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据智慧课堂的模式下,可以真正实现采集样本的持久化,采集方式 的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加智慧,更加有效。对学生来说,老师可以了解学生学习的进展情况,发现学习兴趣点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程推荐等等。对教师而言,不仅可以跨校跨地域分享他人的优秀课程,而且可以对学习者进行精准分类,进行个性化指导, 四是资源服务的个性化、精准化推荐与服务,学习绩效的个性化评价,以及个性化教学管理,个性化手机内容推送等等,这些功能将有效提升教与学的效率和质量

二、教育大数据技术平台的总体设计

首先,我们对高等教育大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面向区域乃至全国的平台。教育部评估中心正在努力建立国家级高等教育教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教育管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有大学的业务数据、课程资源,也有政府部门的统计数据,还有学生网上学习的日志数据,用户产生的UGC数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面向学习者、面向高等教育管理机构、教师、高校等提供服务,并和教育部评估中心、主管部门等

进行数据交换与对接

显然,这样一个大数据平台必须是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面向校内的科学研究、人才培养提供服务,其实也可以为社会提供合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台的性能和应用

三、教育大数据分析挖掘的典型应用案例

目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用

案例1,陕西省高等教育质量监控与评估大数据应用

图2所示的是陕西省高等教育的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教育厅各个职能部处的各种各样的管理数据,此外还有行业第三方提供的数据,包括招生、就业数据等等,这个平台上我们开展预测预警、查询在线分析、信息发布、统计决策等等,主要是为省级教育管理部门、评估机构、教育管理机构提供各种各样的办学状况的分析、统计、关联分析

建设全省高等教育大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,提供精准服务,支持科学决策

首先,该平台面向省教育厅提供了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教育厅领导和职能部处提供了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教育评估等功能,从根本上解决了数据碎片化及其治理问题

其次,面向全省高校辅助决策,为高校领导以及校内各个职能部处提供了系列功能,包括办学情况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,教师管理等等,这些功能非常实用,这是大学实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去教师的数据可能在人事处、教务处、科研院等学校的职能部门,采取本平台以后,把教师有关的所有数据都进行了融合,打通了所有原来割裂的数据。从去年开始,我们学校的职称评聘,考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变

第三,为本科教育教学评估及专业认证提供技术支撑。鉴于本平台能提供比较全面的高校办学状态数据,便于专家在进校之前全面系统地掌握学校办学的情况,找到问题,精准查看验证,提高效率,给高等教育评估提供了重要支持。基于本平台,我们成立了中国西部高等教育评估中心,接受陕西省教育厅指派的省属本科高校的审核评估和专业论证。如果没有这一高等教育大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现

案例2,MOOC中国技术平台

MOOC中国成立于2015年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会愿意做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教育国际化等未来发展的难题。图3给出了MOOC中国的技术框架。其核心是互联网+教育,实现互联网教育从1.0到2.0的升级。基于这一平台,既要开展网络教育业务的国际化,比如我们牵头成立的“丝路大学联盟”,其目的之一是借助MOOC中国平台,实现网络教育业务的国际化,通过MOOC中国平台,面向“一带一路”国家开展开放教育和技能培训

到目前为止,MOOC中国已经有了9911门课程,用户将近600万,其中光IT培训的有500多万,学历教育在读

学生50多万

案例3,西安交大教育教学大数据分析挖掘与应用

学校非常重视教育信息化技术融入和应用到教育教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、智能控制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还提供了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的能力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心 目前,我校的教学大数据主要包括两大部分,一是教师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教育教学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评选精品课堂、示范课堂,在全校内进行正面

表彰,另外也作为教学质量评价的重要依据,包括教师的职称晋升,评选最喜爱的老师等等

此外,本系统还为学院领导和管理部门提供了针对性的信息服务与决策支持,以数据说话,量化分析,改变了以前我们的模糊评价,采取多维度、全覆盖、持续化、精细化的过程评价与监控

四、教育大数据分析挖掘的若干关键技术

首先,介绍一下大数据人工智能的基本原理。前段时间,AlphaGo战胜世界围棋冠军这一故事炒得很热。这对我们的教育科研工作者提出了一个重要的课题,到底人工智能会不会战胜人类的智能,将来教师存在的主要价值是否还有必要,863计划正在研究一个项目,到2020年,人工智能软件参加高考得分要超过一本线,这就是说,计算机教出来的机器软件参加高考都能达到一本线以上。这就引起我们的思考,这是一个深层次的方向性问题。当然我们今天不是谈这个问题,而是我们要看看AlphaGO的原理,其核心是价值计算函数,用收益函数来判断围棋下一步该落子到哪里其收益是最大的,其中采用了人工智能深度学习方法。AlphaGO并非天生聪明,其实他的智慧是分三步完成的, 第一步,给AlphaGO输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不可能记住3000万个棋局的,只有人工智能才能记住 第二步,AlphaGO自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似

第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得AlphaGO具有强大的智能计算能力。AlphaGO的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为MovePicker，函数,这个空间很大,有10170次方,在如此庞大的计算空间中选择最优函数,只能依靠高性能计算平台

AlphaGo为我们研究大数据问题提供了思路和启发。我们在研究教育大数据问题中需要着力攻克以下理论与技术难题

第一,大数据造成了严重的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化知识的聚合是一个非常基础的难题,高度的碎片化降低了知识的可用性,造成了分布性、动态化、低质化、无序化等典型的问题

一方面是知识的碎片化,另一方面是每个人的兴趣和需求还不一样。所以,资源的碎片化整合以及个性化推荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要

从资源的角度把无序、分散、低质的资源进一步重组以后形成知识点,形成有序的知识地图,另一方面,要对学习过程进行跟踪,实现兴趣、个性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户兴趣和个性的资源推荐,最后实现个性化精准过滤,通过知识地图面向用户提供导航学习,从而缓碎片化知识的问题。开展这一研究也要建立庞大的基础数据,就像刚才讲的AlphaGO,光靠智能软件肯定不可能那么聪明,需要建立庞大的知识地图、知识图谱,并将其放到了国际开源社区和开放数据平台之上 第二,碎片化知识的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在承担国家自然科学基金重点项目,研究如何将多源、片面、无序的碎片化知识聚合成符合人类认知的知识森林,找出主题与主题之间的认知关系,最后形成一个知识森林,其中需要解决主题分面树的生成、碎片化知识的装配、知识森林生成、学习路径选择与导航等有关知识地图、知识图谱构建与应用等许多基础性关键技术

第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把教师和学生所有的教与学的行为记录下来,讨论、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发现等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一

个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、知识关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程知识导航的角度,甚至围绕某个知识点,研究学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探索以学生为中心的教学设计具有非常重要的意义

大数据与《数值分析》教学实践 篇6

随着科学技术的发展，现代社会已经进入一个“信息化”时代，而信息的主要载体是数据，在当今信息化社会中扮演着非常重要的角色。任何行业的各个领域都存在着海量数据，这种新的力量正在兴起并逐步影响我们每个人的生存生活方式和价值理念，那就是“大数据时代”。作为传道授业解惑者，面对大数据的冲击，教师应该理性审视新形势下的时代需求，在竞争中提升自己。

“数据分析”是信息与计算科学等专业的必修课，是一门实用性很强的学科，它最大的特点就是“让数据说话”。因此，在教学中，要结合具体学科的特点，强化基本思想、基本步骤的教学，增加实际案例，注重培养学生建立数学思维能力，增强学生的数据分析意识，才能不断提高教学质量，具体优点有以下几个方面：

一、优化教学内容，强化基础理论和基本方法的教学

“数据分析”的理论与方法内容丰富，涉及面广，应用范围大。在课堂教学中，让学生掌握数据分析的基本方法，优化课堂教学内容，将会对教师的上课效率与学生的学习效果产生极大的影响。例如：整数、小数和分数加减法则，表面上看，有很大差异，整数加减法则强调相同数位对齐，小数加减法则强调小数点对齐，分数加减法则强调分数单位要统一。虽然这三个法则分散在几个年级段里的不同章节之中，教学时间间隔较大，但倘若忽视三者之间的比较，让学生孤立地学习掌握，则不利于提高能力，不利于学生掌握知识。因此，我们在 教学中要求同存异，对它们的异同进行分析，学生才能更好地掌握内容。

二、加强案例教学，提高学生学习兴趣

兴趣是学生最好的老师，只有学生对“数据分析”课程有了学习的兴趣与动力，学生才能学好该课程，才能将其理论知识用于实际问题的解决。而案例教学是一种以学生为中心，对现实问题或某一特定事实进行探索的过程，能够有效提高学生的学习积极性，提高学习效率。因而，在课堂教学中，我们应该从实际问题出发，精选具有充分代表性、源于实际问题的典型例题与案例，让学生对案例中的问题进行思考、分析、总结，选择适当的数据分析方法对问题进行分析，并结合数学方式进行计算，最后对计算过程和结果进行讨论，形成最后的总结。例如：我们在学习统计与概率的时候，可以让学生统计体育课上11名男同学在1分钟之类跳绳的数量，这样可以计算出平均数、中位数，同学们就会很快地掌握统计的知识，而概率可以让学生感受数据的随机性，让学生从一个装有红、白、黑三种颜色的小球袋子里随机拿出一个，抽到白球的概率是多少？这个问题的设计可以让学生体会到概率的随机性。因此，在实际教学中，不但要在课堂上利用案例教学，还要根据实际情况布置案例作业，让学生在实际中体会数据分析的作用。

三、建立合理的课程考核体系，确保教学效果

大数据与《数值分析》教学实践 篇7

3.1 整体情况

由于我校实行教师自主申请、管理员审批的形式开设平台课程, 且允许并鼓励教师按各自教学要求独立开课, 因此平台内在建课程门次较多。本文的研究区间内, 平台在建课程共计4 260门次, 其中非同名课程2 783门次, 占教学计划总数的80%强, 基本覆盖了我校各专业的所有必修课和主要专业选修课程。

笔者按非眠课程 (教师进入次数>0) 、活动课程 (符合开课条件:教师进入次数>0, 且选课学生数≥15) 以及参评课程 (符合年度参评条件:教师进入次数>0, 且选课学生数≥15, 且新添教学材料数+上交作业数≥1) 3个条件对在建课程进行筛选。如图1所示, 区间内有1 261门课程 (占建课程数的29.6%) 曾经有教师进入过, 其中956门课程的选课学生≥15, 符合学校课程的一般开课条件, 有选课学生说明学生有进入课程学习的可能, 而这些课程中, 仅有不到一半的课程发生了最基本的教 (添加教学材料) 、学 (上交作业) 活动, 这些课程有资格进入年终优秀课程的评选。

3.2 非眠课程应用情况

3.2.1 整体情况

2014~2015年度秋季学期有教师进入的非眠课程, 共1 261门次。其中, 约61%的理、工、农、医类课程 (各学科门类所占比例如图2所示, 与我校学科专业分布基本一致) 教师有进入过平台;课程主讲教师中有83%的具有中级及副高职称, 拥有副高职称的主讲教师更是占到了总数的近一半;符合开课条件 (选课学生数≥15) 的课程共计956门次, 占非眠课程总数的75.8%。从这些基本数据来看, 我校前期的政策激励和培训推广工作做得比较到位, 教师对平台的知晓度比较高, 且绝大多数老师都迈出了应用平台的第一步—让学生可以看到。

3.2.2 具体教学行为的分布情况

非眠课程按开课条件可分为选课学生<15 (共计305门次) 的和选课学生数≥15 (共计956门次) 的活动课程两大类。

未达到开课条件的课程的主讲教师, 在学期内进入课程的主要目的应是进行课程资源建设, 但从图3可以看出, 绝大部分教师只是进入过课程而已, 并没有发生大量的有效资源建设行为。

达到开课条件的课程, 默认为本学期正在进行的课程, 即活动课程。从图4可以看出, 课程的教学行为主要发生在添加作业模板、教学材料、布置作业和发布课程通知上, 平台上的其他教学功能模块基本没有得到广泛应用。

在活动课程中, 有一部分为参评课程, 它们在满足开课条件的基础上, 还发生了实质性的教学活动 (新添教学材料数+上交作业数≥1) , 它们有资格进入学校年度优秀网络课程的评比, 是真正有可能利用平台开展网络教学的课程。笔者对这415门课程的教学行为也做了统计 (如图5所示) 发现, 教师教学行为集中在教学材料、作业建设和布置方面, 但对学生的学习反馈行为较少 (仅有不足20%的课程作业有批阅行为, 不足10%的教师对课程论坛进行关注和回复) 。仅有极少数课程对在线测试、研究性教学等模块加以利用。

3.3教学行为的聚类分析

为进一步明晰活动课程和参评课程教学行为现状, 笔者利用WEKA对符合开课条件的956门活动课程和415门参评课程的平台教学行为分别进行K-means聚类分析。

(1) 对活动课程教学行为的聚类分析 (涉及15个行为属性) —聚5类, seed=70。

84%的课程 (簇3) , 平均进入课程次数低于10次, 添加教学材料不到2个, 有添加作业模板 (平均2.85个) , 但几乎没有布置过相关作业 (平均0.1533次) , 课程论坛、常见问题、教师笔记等行为有零星开展。

13%的课程 (簇1和簇2) , 平均进入课程次数在60次左右, 有较为常态化的课程材料更新和交互活动 (作业、论坛等) , 在个别教学行为上有所侧重, 如簇1添加材料更多 (31.28个) , 而簇2则在布置作业和批阅作业的比例上 (平均为0.94, 基本所有作业都批阅了) 更愿意付出劳动, 且使用了问卷功能 (0.64个) 。

1%的课程 (簇0) , 平均进入课程次数高达158次, 积极利用课程通知和论坛组织教学活动 (平均发布30.8次通知, 平均教师发起论坛主题56.6个和回复数达到70.8) , 常见问题添加数此类最高, 教学材料更新、课程作业布置均有一定量的开展, 但作业批阅比例低 (平均0.08) 。

3%的课程 (簇4) , 平均进入课程118次, 添加了大量的教学材料和作业模板 (平均69.4个和62.2个) , 积极使用教师笔记 (2.6次) 模块和在线测试模块 (4.24次) 且批阅比例高 (0.94) 。但布置作业次数 (3.32) 与其新增作业模板数似乎不成比例, 论坛发起主题数也最多 (7.04个) 但回帖数却很少。

以上聚类结果显示, 绝大多数的课程 (84%) 主讲教师即使在学期中登录平台, 但几乎不进行实质性的教学活动, 教学材料和作业模板的添加似乎只是为了应付学校的检查 (校方对各学院的网络课程建设有简单的量化标准) 。而其余16%的课程才是真正在教学中使用的平台课程, 只是教师个人的功能使用偏好有所不同。簇0聚类也显示, 对通知、论坛开展等实时交互模块的应用会更加牵扯教师的精力 (进入课程次数最多) 。

(2) 对参评课程教学行为的聚类分析 (涉及15个行为属性) —聚5类, seed=20。

73%的课程 (簇2) , 平均进入课程次数16.7次, 添加教学材料6.7个, 有添加作业模板 (平均2.84个) , 但布置作业不到1次 (平均0.66次) , 课程论坛、常见问题、教师笔记鲜有开展。

12%的课程 (簇0) , 平均进入课程次数65.6次, 教学材料添加、作业建设和布置和论坛开展等活动都有开展, 特别是作业批阅比例 (0.97) 说明此类课程注重常规交互使用的实效, 同时此类课程教师也是发布问卷 (0.67) 最多的, 说明此类教师较注重教学中的研究工作。

8%的课程 (簇3) , 平均进入课程次数在72.9次左右, 侧重教学材料 (48.2) 和常见问题 (3.3) 的添加, 有作业布置, 但基本不批阅, 会主动发起论坛主题 (2.43) 要求学生参与, 并及时回帖 (7) 互动。同时该类课程已经注意到研究型教学的建设。

6%的课程 (簇4) , 平均进入课程122.2次, 尤其注重教学资源建设 (教学材料75.5, 作业模板30.5, 教学笔记2.82) , 常规作业有布置, 但批阅比例不足10%, 偏爱在线测试这一形式 (发布测试次数及批阅比例均高) 。

2%的课程 (簇1) , 平均进入课程80.78次, 注重利用课程通知 (14.4) 和课程论坛 (回帖数最高) 组织教学, 作业布置频繁 (7次) , 但批阅比例不到一半, 其他课程功能模块均无涉及。

从以上聚类结果不难看出, 除簇2外的27%的课程才是平台参与日常教学的主力军, 但依然停留在与学生共享教学材料、布置在线作业和测试等常规的辅助教学方面, 仅簇3的8% (约33门) 的课程有研究型教学模块的建设和使用。

4 结论与反思

(1) 网络教学平台的知晓度较高, 网络平台课程覆盖面广。我校自2007年引入THEO网络教学平台, 校方制定了一系列推进网络课程建设应用的政策、制度, 教师多是通过“学院通知”这一渠道获知平台, 并尝试使用。由于高校教师工作时间较为自由, 因此通过由上至下的信息传输方法, 往往能获得较为良好的传播效果。

(2) 实际应用的网络教学平台在建课程比例低。前述诸多数据的分析均显示:在建课程数看似庞大, 但真正应用在教学中的课程占比很少。

(3) 平台课程应用深度不够, 未能与课堂教学深度融合。虽然在建少数课程的主讲教师已经形成了良好的网络教学习惯, 通过及时有效的互动, 将网络教学与课程教学紧密结合。但大部分教师的网络教学行为仍然停留在共享教学材料、布置作业等较低层次的辅助教学阶段。对网络教学平台的研究型教学、题库建设、测试开展等模块的使用有待进一步加强引导。

(4) 利用网络教学平台进行的有效反馈行为少, 交互效果差。具体表现在很多课程有作业布置, 却无作业批改;有教师论坛主题发起, 却无教师回帖。反馈行为的缺失必然降低学生在线学习的有效发生[5]。

在如火如荼的在线教育浪潮下, 以上研究结论让我们不得不进一步反思:前期政策、制度是否流于形式?对量的要求多、对质的规范少, 教师被动使用教学平台。同时, 缺乏对教师如何利用平台开展混合教学的有效指导, 课程缺乏针对混合教学的课程设计, 网络教学依然游离于日常教学之外。

针对反思, 笔者认为教学管理者和促进者应着重从以下四方面改进工作思路:探索基于混合教学的工作量计算方法, 让教师有劳有获;开发适合本校实际的混合教学培训课程, 让教师有物可学;制定更为具体的混合课程开发应用评价标准, 让教师有章可循;建设服务于混合教学的教辅团队, 让教师有人可依。

参考文献

[1]黄海.高校数字化学习建设和应用推广研究:以中山大学数字化学习“115”模式为例[J].现代教育技术, 2013, (1) :56-63.

[2]梁林梅, 罗智慧, 赵建民.大学教师网络教学现状调查研究:以南京高校为对象[J].开放教育研究, 2013, (1) :74-84.

[3]蔡建东, 段春雨.普通高校网络教学阻碍因素分析与解决策略研究[J].开放教育研究, 2014, (5) :45-50.

[4]张思, 李勇帆.高校教师使用Moodle网络教学平台影响因素研究[J].电化教育研究, 2014, (8) :49-56.

大数据与《数值分析》教学实践 篇8

【关键词】大数据；分析系统；工作实践

S公司是以特定消费品生产、销售为核心的工业企业，在全国共有19家同类企业集团，竞争比较激烈。在大数据财务分析系统构建之前，企业财务分析主要是从ERP系统抽取报表数据进行手工分析，时间长、效率低，分析过程难以深入，分析质量不够满意。为提高财务分析效果，S公司启动了数据中心建设项目，依靠信息技术手段整合数据资源，建立起可用、好用的数据分析平台，增强决策支持作用，提升财务管理水平。

一、构建大数据财务分析系统的思路框架

1.构建思路

围绕数据集成、信息共享、统计分析、决策支持四大功能，以“财眼看企业”为主题，依托财务快报、量本利和供产销数据资源，借助信息化工具，引入对象视角矩阵分析方法，建立从“全国19家工业公司”到“全国15个重点品牌”再到“明细规格产品”的分析模式，研究竞争对手情况，追踪社会、经济以及政策形势变化对企业发展的影响，实时关注税利指标实现情况，不断挖掘自身优势，实现对企业税利总额、成本费用、资产负债、现金流量等情况的综合分析和判断，为企业发展寻找新的税利增长点，为领导决策提供有价值、有分量的参考依据。

2.主要框架

以黄世忠教授的“哈佛分析框架”为理论指引，以“盈利质量、资产质量和现金流量”为逻辑切入点，构建起“经营成果、财务会计、前景预测”三大分析框架，模拟领导决策思维，引入对象视角矩阵分析方法，设定观察对象、观察视角和观察日期展开交叉分析，抽象出财务分析的共性指标，系统、深入地展开分析。

二、大数据财务分析系统的内容及指标设计

1.经营成果：主要包括税利概括、运营指标体系和竞争能力三块内容

（1）税利概括：引入对象视角矩阵，建立四维联动模式，从左到右、从上到下4个象限分别是工业公司、明细快报、重点品牌、具体规格，形成一个完整的分析闭环。对数据进行清洗、整合、导入后，选定一个或多个观察对象，可以选择多个观察角度，如产品价类、品牌、规格等，所有数据随着观察对象或观察视角的改变而改变，在观察的同时可以选择“对比分析”、“结构分析”或“趋势分析”按钮展开在线分析，也可以点击“下载”按钮实现线下分析。

（2）运营指标体系：在每一象限的右上方设置“放大镜”按钮，里面根据需要分别设置延伸内容，比如从财务报表中提炼出来的运营指标体系，包括偿债能力、营运能力、盈利能力、发展能力等，设定行业均值、先进值及企业值，用“温度计+仪表盘”的形式展示横向对比和纵向比较结果。

（3）竞争能力：主要包括企业、品牌、规格税利贡献度，波士顿产品分析矩阵等内容，用于分析研判企业、品牌、规格所处的发展状态。

2.财务会计：主要包括资产负债权益、现金流量、成本控制等内容，其中生产成本分析是重点，从产量、占收入比、成本构成等角度展开详细分析。

3.前景预测：主要包括对企业经营业绩指标的预测和考核指标的评估

（1）税利预测：对影响税利的各个因素进行逐项分析，以趋势预测为基础预测变动成本，以上报数据为基础预测固定成本，按照年度计划与月度计划两个维度，明确数据预测填报责任部门，完成前台数据交互开发。

（2）考核评估：以年度税利预测为基础，按照行业业绩考核文件规定的计算方法，对企业年度经营业绩的完成情况进行自我评估。

三、大数据财务分析系统的应用效果

1.数据处理速度更快。大数据分析系统整合了大数据营销、ERP系统、生产系统等业务系统数据资源，运用大数据分析处理技术，能更快地响应决策需求，形成有效支撑分析的大数据资源。

2.数据分析方法更多。模拟决策思维，递进分析问题，以对象矩阵、四维联动等新型展示方式为基础，辅以横向对比分析、纵向趋势分析、标杆对照分析、结构量化分析等传统分析手段，实现多层和交叉分析，多维度、多视角呈现对象数据，可以实现SWOT分析、波士顿矩阵分析等战略层面分析。

大数据与《数值分析》教学实践 篇9

课程编号：02072006

适用专业：电子信息工程、信息对抗技术、电磁场与无线技术、电波传播与天线专业

学 时 数：56

学 分 数：3.5

开课学期：第3学期

先修课程：高等数学，线性代数，C语言与高级程序设计 执 笔 者：程建

编写日期：2012.04

审核人：吕明

一、课程性质和目标

授课对象：本科生 课程类别：学科基础课

教学目标：本课程主要介绍MATLAB软件平台的使用和编程技巧、数值计算方法的基础理论和基本算法，并在通用软件平台MATLAB上开展教学。通过该课程的学习，学生应了解MATLAB软件平台的基本特性、数值计算方法的基础理论，掌握MATLAB的使用、MATLAB的编程技巧和数值计算的基本方法，具备MATLAB软件平台的熟练编程能力和数值求解算法的MATLAB编程实现的能力。

二、课程内容安排和要求

（一）教学内容、要求及教学方法

本课程课堂教学内容主要包括两大部分：MATLAB软件平台及编程；数值分析基础理论与基本算法。

1.MATLAB软件平台及编程

（1）MATLAB概论 授课时数： 2学时 教学内容：

1）MATLAB软件平台简介

MATLAB软件平台的历程、影响、特点和功能等的介绍。2）MATLAB软件平台入门

MATLAB软件平台的命令窗口、当前目录浏览器窗口、工作空间浏览器窗口、历史命令窗口和数组编辑器窗口等的介绍。3）MATLAB的常量、运算符和基本操作

MATLAB使用的常量值、各种运算符、基本操作命令和帮组命令与帮助窗口等的介绍，并以范例形式加以说明。教学要求：

熟悉和了解MATLAB软件平台，掌握MATLAB的常量、运算符和基本操作。

（2）MATLAB基础知识 授课时数： 4学时 教学内容： 1）MATLAB的数组与矩阵

数组与矩阵的概念；数组或矩阵元素的标识、访问与赋值；数组与矩阵的输入法；矩阵的特有运算。

2）字符串和符号矩阵

字符串变量和函数求值；符号变量；符号矩阵的创建方法；符号矩阵的运算；符号矩阵运算中特有命令的应用。3）多项式及其运算

多项式运算函数；多项式运算举例。教学要求：

熟悉和了解MATLAB的字符串、符号矩阵和多项式的操作和运算，掌握MATLAB的数组与矩阵的操作和运算。

（3）MATLAB程序设计 授课时数： 2学时 教学内容：

1）M文件及函数编写

M文件的特点和编写技巧；MATLAB的函数特点和编写技巧；参数与变量；数据类型。2）程序结构

MATLAB的选择结构；MATLAB的循环结构。3）程序终止与异常

MATLAB程序的终止控制；MATLAB程序的异常处理。教学要求：

掌握M文件和函数的编写，掌握MATLAB的数据类型和程序结构，了解MATLAB程序的终止控制和异常处理语句。

（4）MATLAB数据的图形表示 授课时数： 2学时 教学内容： 1）MATLAB二维绘图

基本二维绘图；特殊的二维绘图函数；填充多边形。2）MATLAB三维绘图

三维图形的基本函数；绘制三维折线及曲线；绘制三维网格曲面。教学要求：

掌握MATLAB的二维绘图和三维绘图指令和编程技巧，了解MATLAB的二维绘图和三维绘图的应用。

（5）Simulink建模与仿真基础 授课时数： 4学时 教学内容： 1）Simulink的基本操作与模型窗口

介绍Simulink的启动、Simulink模型库的打开、Simulink仿真模型建立、仿真参数设置等基本操作，以及模型窗口的组成和功能等。2）模型创建与系统仿真

介绍模型创建的基本操作、信号线的操作、模型的文本注释，仿真模型库的基本模块和参数设置，以及复杂系统的仿真与分析。3）子系统创建与封装

介绍子系统的创建、条件执行子系统，以及子系统的封装。4）用MATLAB命令创建和运行Simulink模型

介绍用MATLAB命令创建Simulink模型的相关指令、模块和信号线添加的相关指令、模块参数与属性的操作指令等，以及用MATLAB命令运行Simulink模型的操作等。教学要求：

熟悉和了解Simulink的基本操作与模型窗口功能，掌握模型创建与系统仿真的基本方法、子系统创建与封装的基本方法，了解用MATLAB命令创建和运行Simulink模型。

2.数值分析基础理论与基本算法

（1）数值计算的基本概念 授课时数：3学时 教学内容：

1）数值分析简介

数值分析的原理和基本思想介绍；应用实例分析。2）误差与有效数字

误差、误差限、相对误差、相对误差限和有效数字的定义及相互关系；误差的来源和误差的基本特性；误差的计算（估计）的基本方法。3）算法的适定性问题与MATLAB中的数值计算精度

数值分析中的病态和不稳定性问题介绍；病态问题和不稳定算法的实例分析；避免误差危害的若干原则；MATLAB中的数值计算精度。教学要求：

熟悉和了解数值分析的基本概念，掌握误差分析的基本方法，了解数值计算算法设计中应当关注的基本问题。

（2）线性方程组的数值方法 授课时数： 6学时 教学内容：

1）高斯消元法

高斯消元法；主元方式的高斯消元法；MATLAB函数实现。2）矩阵分解

矩阵LU分解的一般计算公式；利用LU分解的线性方程组求解方法；Cholesky分解；MATLAB函数实现。

3）向量范数与矩阵范数

向量范数及其性质；矩阵函数及其性质；常用范数形式；MATLAB函数实现。4）线性方程组的迭代法求解 Jacobi迭代法；高斯_赛德尔迭代法；MATLAB函数实现；迭代法的收敛性。5）方程组的病态问题与误差分析

线性方程组解的误差分析；条件数和方程组的病态性。6）方阵的特征值和特征向量的计算

方阵特征方程的求解法；计算特征值和特征向量的迭代法；MATLAB函数实现。教学要求：

理解各种线性方程组数值求解，掌握求解方法和解的误差分析方法，掌握方阵的特征值和特征向量的数值求解方法，能MATLAB编程实现求解算法。

（3）函数的数值逼近授课时数： 5学时 教学内容：

1）代数多项式插值问题

插值多项式的存在唯一性；插值基函数和插值多项式的一般形式；插值的误差分析；多项式插值的Runge现象；MATLAB函数实现。2）分段低次插值

分段线性插值；Hermite插值和分段Hermite插值；MATLAB函数实现。3）

三次样条插值

样条插值的定义；三次样条函数的计算；MATLAB中的插值函数。4）曲线拟合的最小二乘法

曲线拟合的最小二乘法法；多项式拟合方法；MATLAB中的多项式拟合函数； 教学要求：

了解插值和曲线拟合方法的思路，掌握插值和曲线拟合及误差分析方法，能MATLAB编程实现插值和拟合算法。

（4）数值积分 授课时数： 4学时 教学内容：

1）插值型求积公式

线性和二次求积公式；求积公式的代数精度；插值型求积公式；MATLAB函数实现；求积公式的误差分析。2）复化求积公式

牛顿-科特斯求积公式；几个低次牛顿-科特斯求积公式；复化矩形公式；复化梯形公式；复化Simpson公式；MATLAB函数实现。3）高斯求积公式

高精度求积公式；高斯点的基本特性；高斯求积公式；MATLAB中的数值积分函数。教学要求：

了解各种数值积分方法的思路；掌握数值积分及误差分析方法；MATLAB编程实现数值积分算法。

（5）常微分方程初值问题 授课时数： 4学时 教学内容：

1）欧拉方法

基本理论和方程离散化；欧拉方法；改进的欧拉方法；MATLAB函数实现。2）稳定性与收敛性分析

欧拉方法的稳定性；欧拉方法的收敛性及收敛速度。3）龙格-库塔法

二阶龙格-库塔公式；三阶龙格-库塔公式；MATLAB函数实现。教学要求：

了解常微分方程初值问题数值求解方法的思路；掌握欧拉及改进欧拉方法和龙格-库塔法，能MATLAB编程实现算法，并进行算法的稳定性和收敛性分析。

（6）非线性方程求解 授课时数： 3学时 教学内容：

1）非线性方程的求解方法

非线性方程求解的基本原理；二分法、黄金分割法、迭代法、牛顿法。2）求解非线性方程数值解的MATLAB编程实现

代数方程求根指令；求函数零点指令。教学要求：

了解非线性方程数值求解方法的思路；掌握非线性方程求解的基本原理和基本方法，能MATLAB编程实现算法。

（7）课程总结 授课时数： 1学时

教学内容：

对课程教学内容进行归纳总结。

（二）自学内容和要求 1.MATLAB软件及编程

复习或自学MATLAB软件使用方法、自学MATLAB软件的工具箱使用方法，能使用MATLAB编程完成数值分析算法的程序设计。

2.课程设计 基本要求：

针对MATLAB编程、Simulink建模与仿真和数值分析的基本理论应用与仿真等相关内容进行课外的课题设计、实现和总结报告，提高学生对实际问题的分析能力、实现能力和文档编写能力。

命题形式：

（1）任课教师命题（2）学生自主命题

考查方式：（1）设计、分析与总结报告（2）MATLAB编程实现代码和仿真图

（三）实践性教学环节和要求

1.MATLAB软件平台与MATLAB程序设计实验

学时数： 4学时

实验项目的性质和任务：

通过上机编程实验，使学生熟悉对MATLAB软件平台的使用，使学生掌握MATLAB的编程技巧，让学生对MATLAB软件平台在科学计算中的重要作用有深入了解。实验题目涉及知识点：

MATLAB软件平台的基本操作、M文件编写、MATLAB程序设计。实验要求：

能熟练操作MATLAB软件平台，能利用M文件完成MATLAB的程序设计。

2.Simulink仿真实验

学时数： 4学时

实验项目的性质和任务：

通过上机编程实验，使学生对Simulink的重要作用和模型库有深入了解，能利用模型库完成复杂系统的建模和仿真，能根据实际问题需求完成子系统创建和封装。实验题目涉及知识点：

Simulink的基本操作、模型库、复杂系统建模与仿真、子系统创建和封装。实验要求：

能熟练操作Simulink和使用模型库的相关模块，能完成复杂系统建模与仿真，并能灵活使用子系统。

3.线性方程组求解和函数数值逼近方法实验

学时数： 4学时

实验项目的性质和任务：

通过上机编程实验，使学生对数值分析的病态问题、线性方程组求解、矩阵特征值与特征向量求解和函数的数值逼近方法有初步理解。实验题目涉及知识点：

病态方程求解、矩阵分解和方程组求解、矩阵特征值与特征向量求解、Lagrange插值和数据的多项式曲线拟合。实验要求：

能完成算法设计和MATLAB编程，并对实验结果进行分析。

4．数值求积、常微分方程和非线性方程求解方法实验

学时数： 4学时

实验项目的性质和任务：

通过上机实验，使学生熟悉和掌握数值积分、常微分方程和非线性方程求解知识及编程实现方法。

实验题目涉及知识点：

数值积分、常微分方程和非线性方程数值求解。实验要求：

能完成算法设计和MATLAB编程，并对实验结果进行分析。

三、考核方式

平时成绩+上机实验+课程设计+课程考试（开卷）成绩比例：

平时成绩+上机实验 30% 课程设计 20% 课程考试 50%

四、建议教材及参考资料 1.教材

《MATLAB数值计算方法》，张德丰等编著，机械工业出版社，2010。

2.参考资料