发布时间：2023-05-25 18:12:37
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的数据分析课堂样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
【关键词】 小学科学；数据整理；数据分析
中图分类号：G620 文献标识码：A 文章编号：1671-0568 （2014） 22-0077-03
数据整理与分析是学生科学探究活动中一个非常重要的环节。这个环节直接影响学生的科学概念建构与否，直接影响学生的分析概括能力提高与否，直接影响学生实事求是、一丝不苟的科学精神形成与否，因为这些都将在数据整理与分析的过程中得以培养。但目前的科学课堂，每当进行到数据的整理与分析环节时，往往是匆匆交流，草草收场；或漠视数据，出示概念；或简单呈现，告之结论。这样，收集的数据就变得没有意义。本文主要探讨如何对收集的数据进行有效的整理与分析，从而让学生真正利用数据找寻规律、得出结论，让课堂探究变得更真实、更准确。
一、整理――为分析“打底稿”
数据整理是对观察、实验等科学探究活动中所搜集到的资料进行排序、分类或归类，从而更好地凸显数据的特征，展现事物的规律。它是数据分析的基础，本文形象地称其为数据分析“打底稿”。
1. 巧设问题，鼓励自主整理。在整理数据时，我们很多教师会帮助学生进行整理，或者干脆不让学生整理。其实我们应相信学生的潜力是无穷的，可以给学生提供机会，提供时间，让学生自主整理，让他们有机会学会整理，并提高整理能力。
在四年级上册的《天气》单元中，学生在经过一个月的天气观察以后，获得了相对丰富的数据，共有30天左右的有关天气数据，每天又有最高气温、最低气温、风力、天气现象等，还有些天有降雨量数据。面对这么繁多的数据，如何整理？必须先让学生整理自己做的天气日历中的相关数据。如：这个月平均最高气温是多少，平均最低气温是多少，天气现象主要有哪几种，各有几天？3级以上的风力有多少天，3级及3级以下的风力有多少天？通过这几个问题，让学生对天气日历中的几个要素进行有针对性地整理，在问题的指引下，学生完全可以将繁多的数据整好、厘清。学生不仅能亲身经历整理的过程，还能清晰地认识到天气变化的一些规律，自主性也得以更好地体现。
2. 提供方法，学会巧妙整理。整理数据的方法很多，在小学科学课中，常用的是画统计图，且统计图小学数学课中就有系统地，分册安排学生进行学习。科学课中要结合具体的实验数据，让学生运用统计图来进行整理数据。
如四年级上册的《温度与气温》一课，让学生将一天（五个时段）的气温变化画成柱状图，一天的气温变化特点就直观地显现出来。又如：六年级上册的《抵抗弯曲》，学生收集了纸的宽度与抗弯曲能力的大小及纸的厚度与抗弯曲能力大小的有关实验数据后，教师指导学生作折线图，画好图，数据特征跃然纸上，学生马上就会发现：纸的厚度增加，抗弯曲能力大大增强。否则，不经过整理的数据，学生只发现：纸的厚度增加，抗弯曲能力增强，而难以建构随着纸的厚度变厚，抗弯曲能力是大大（或者说是大幅度）增强。
除画统计图外，还可以根据不同的课的特点，让学生参与设计整理的方法或教师直接提供方法，进行数据整理。如五年级下册《摆的研究》一课中，研究摆长对摆的快慢的影响时，教师先提问：同学们，你们在获得数据后，可以怎样整理，让数据更加清楚、明了呢？有没有好的建议？指名两个学生回答后，第三个学生就提出了大家都认同的一个好建议：可以按摆线从长到短的顺序来排列数据的顺序。这样，我们给学生一个思考空间，学生就给大家提供一个整理数据的方法，不仅整理能力又得以提高，还充分地发挥了学生的能动性，而不是一味地由老师安排，学生仅仅是报一下数据、或到黑板填一下数据。很多时候，不是学生不会，而是我们没有提供给学生机会。
通过一定的方法整理数据，帮助学生思考，让学生体验到对数据进行巧妙整理后，可以更清楚、更有效地分析数据。同时能够更好地培养学生观察数据的能力，提高学生整理数据的能力。
3. 小组指导，开展合作整理。在科学课中学生进行小组活动时，学生会有很多机会合作。制订计划时、观察时、实验时、制作时……但很少有机会合作整理。其实我们可以在小组里开展合作整理，教师给予一定的指导，让学生之间互帮互助，互补互充，充分地整理数据。
如五年级上册《测量力的大小》一课中，每个学生进行用弹簧测力计测量六种物体（三种是规定的物体，三种是自选的物体）重力大小的活动，记录表如下：
正确使用弹簧测力计测量物体重力大小是每个学生必须要掌握的一项实验技能，所以每个学生都会实验、记录，在课堂上，汇总全班学生的数据没有意义，也并不现实，那么就请几个学生来汇报自己的测量数据，教师就没办法了解大部分同学的数据，学生使用弹簧测力计的情况就很难反馈。这时候，我们可以发挥小组合作学习的作用，让小组同学对自己组的4～5位同学的数据进行观察、整理，从而为分析弹簧测力计的使用情况，改进操作中存在的问题，更加规范弹簧测力计的使用做好准备。教师可以提供小组的指导是：①对于测量三种规定的物体，请算出你们小组实测的平均值。②谁的估计值离这个平均值最近，可以请他示范测量的动作，取长补短。③对于测量三种自选的物体，小组可以一起给这些物体按重力的大小排排队，再按从大到小的顺序用手掂量掂量，感受重力的大小。通过这种小组合作整理的方式，学生能更有针对性地反思自己使用弹簧测力计的操作是否规范，同时能更深刻地建立对于物体重力大小的一种感性认识。
二、分析――让数据“说实话”
分析数据是对整理后的数据进行一种归纳，抽象出数据所揭示的事物的特点或规律，让数据“说实话”。也是对数据进行概括总结的过程，为了形成客观的结论，建构科学概念。
1. 观察先行，提高分析能力。当学生对数据进行整理后，科学探究下一步活动就会指向分析数据，得出一定的结论。此时，教师通常会抛出问题：你从中得出了什么结论？肯定马上有学生举手准备回答。可是学生不一定能够从数据表或图中找到规律，学生的回答很难指向数据的特点，而且学生没有一个静心思考的时间，习惯性地去猜教师可能想要哪个答案。这样对学生的分析思考是很不利的。
教师应该要引导学生对数据先进行观察。不同的数据，分析的难易程度会有所不同。在数据比较单一，特点比较凸显的情况下，教师可以直接说：“请你观察这组数据，你发现了什么？”而有时在数据较多，或较杂的情况下，教师可以进行引导：这一行（或一列）数据有什么特点？让学生一行一行（或一列一列）地进行观察。也可以引导：哪些数据说明的是同一个问题或特点？让学生对数据进行归类。还可以引导：请对比其中的这两组数据，你发现了什么？让学生在数据对比中，总结出规律。
总之，在开始分析数据时，我们要给学生一定的时间，让其对数据进行自主观察，或在教师一定的引导下进行有目的地观察，让学生充分认识观察数据的方法，从而能够更有效地从数据表中获取有用的信息，提高数据分析能力。
2. 问题引领，拓宽分析思路。在课堂教学中，数据指向的事物特点或规律有时是明显的、有时是不明显的；有时是单一的，有时是多方面的。教师要根据学生的认知水平、分析数据的能力。适时提出问题，打开学生的思维，引领学生有目的去思考、多角度去分析，从而提取更多的价值信息。
如三年级下册《磁铁的两极》一课，学生通过实验获得条形磁铁的五个点的磁力大小数据如下：
×年×班“用回形针检测条形磁铁的磁力强弱”实验数据汇总表：
当时，教师就是这样问学生的，你有什么发现？学生的注意力和兴趣点都集中在C点上，因为这是很明显的一个发现，但学生的这点发现却背离了教师原有的预设，教师就用一句话把这个学生最感兴趣的发现回避掉，这句话就是：因为我们今天的回形针太大了，而中间的磁力非常弱，所以一枚回形针也挂不住，这个“0”并不是代表没有磁力。但这句解释无法把学生的兴趣点转移，又一个学生举手了，问：老师那用什么东西可以检测呢？教师说：今天老师没有准备比回形针小的物体，同学们回去可以再试试。你们还有其他发现吗？只见课堂里鸦雀无声，没人举手，此时教师看看时间也不多了，就直接设问：同学们，你看看每一条磁铁是不是都是两端的磁力强，中间的弱呢？……
这样的数据，其实我们在观察时可以发现：每一条磁铁都是两端的磁力强，中间的弱。但教师让学生自己去发现时，学生们会先关注“C”点的数据是很正常的，如果没有引导学生横向去比较数据，他们的思考就会受局限，思维的广度体现不出来了。笔者认为可以运用问题的引领的方式去引导学生对数据进行观察和分析。当数据汇总后，请同学们一组一组地观察数据，你发现有什么共同的规律？跟其他组的数据比较一下，你能发现不一样的特点吗？再仔细观察一下，你有什么疑问吗？这样，通过问题的引领，学生一步一步地深入分析数据，也逐渐地建构起了相关的科学概念。
3. 正视事实，增强证据意识。在实际课堂教学中，教师们都想数据会说话，而且是说正确的话，但有时数据会让学生不好说话，或引导学生说错误的话。也就是当数据出现不正常时，影响学生建构科学概念时，往往能够正视这些数据，从容面对这些数据的教师却不多。常见的现象是：有时――同学们，这组的数据是错的，我们先不看；有时――干脆回避，提都不提；有时――全归为误差，我们不管。这里会给学生造成两个误区：一是只要我知道了结论，数据的正确与否是无关紧要的；二是数据出错了，我都可以看成是误差。这样的处理方法显然是不行的，我们要给每一个数据“说话”的权利，数据是实验研究的依据，是为隐含的科学概念、科学规律提供证据。如果是正常的误差范围之内的，我们引导学生合理地去认识。但有时是操作不当引起的，有时是小组没配合好引起的，有时是记录时出错引起的……我们要充分尊重事实，仔细分析数据错误的原因，久而久之，才能增强学生的证据意识，同时，有利于学生养成反思实验的习惯。
如三年级下册连续测量10分钟内水温变化，有一个小组的数据如下：
关键词：大数据分析；高中数学；教学策略
一、引言
在大数据的影响之下，我们的传统的教育教学方式正在发生着剧烈的改变，大数据分析在教学中的应用也越来越明显，特别是在高中数学中的应用，未来的大数据分析必然会对教学产生巨大的作用，因此，研究大数据分析是一件至关重要的事。
二、大数据分析的概念
对于数据的本身来说，是用来记录信息的，但是随着计算机和互联网技术的发展，我们在生产和生活中的各个领域都有了突飞猛进的进步，这相应地带来的是各种数据的处理方式更加的复杂，数据的数量以及涉及的规模也在不断地扩大。大数据的特点可以和经济学的观点一样，从微观和宏观两个方面来理解，但是目前大多数对大数据有研究的专家来说他们都是从宏观的角度来分析大数据的定义的。大数据处理的数据数量很多，即使新数据也能很快地进行处理，这些数据的类型也是多种多样涉及很多的领域，而且处理的数据具有真实性。大数据分析的重点在于分析，就是利用大数据技术对收集到的数据进行全方位的分析，大数据分析的优势明显，哪怕你的数据量非常大，但是分析也能快速地完成，并且还能保证数据的真实性。大数据分析的目的是通过对历史数据的分析和解决，进行科学的总结，发现其规律性和模式，同时结合稳定的动态流数据预测事物发展的未来趋势。
三、高中数学课堂教学策略的大数据分析
（一）更新高中数学教学思想，以此构建数据分析的概念。很多的老师因为受传统的教学观念的影响，思维方式和教学方法都已经模式化了，并没有树立数据分析的教学观念，俗话说，物质决定意识，意识是物质的反映。如果老师的教学观念还没有及时更新的话，那么，教学行为在这些思想的影响下还是不会出现根本性的变化，为了解决这一难题，在国家新的课程改革中明确提出了“数据分析”这一概念，这一概念的提出标着在大数据的时代背景下我们的国家也越来越重视数据分析在教学中的实际运用，各位老师应该牢牢把握住数据分析的观念，在实际教学中，帮助学生构建数据分析的知识框架。（二）勇于探索，在数学教学中尝试分层教学。现在的高中数学教学的过程中，采用的还是以班级为单位的固定的教学方法，这种教学方法已经是一种既定的模式，对知识接受不同程度的学生他们上课的内容是相同的，这样接受能力强的学生的潜能得不到发挥，接受新知识能力弱的学生跟不上老师讲解的内容，打击了他们学习的积极性和主动性。早在几千年之前，我们的大教育家孔子在教学的过程中就提出了因材施教的教育理念，要求老师在课堂教学中准确地把握每一个学生的性格特点，来进行知识的传授，不错过任何学生的潜力，同时进行不同类型的教育。在高中数学课堂教学中，教师可以分层次地教学生。一班上有不少学生，学生与学生之间存在个人和个人之间的差异，不同学生的不同类型的教学可以有效地促进教学课堂。个人差异和个体差异明显的小学生，也可以尝试不同的教学方法，尝试新的教学模式，面对个人差异，分不同层次的分析教学给他们，这有助于促进学生更好地学习数学，也充分挖掘学生在数学上的潜力。（三）学习分类和重视数学知识的积累。高中数学是一个强大的抽象性和逻辑性的学科，需要有更大的知识量，这就要求学生学会分类，分类各种数学知识，这有助于学生加深对数学知识的理解，也可以帮助学生理清数学知识的静脉，学生进入下一阶段的数学学习会学得更好。另外，还要强调数学知识的积累。
作者:冯雄德 单位:武威第七中学
参考文献：
［1］宋显微．高中数学课堂教学研究［J］．亚太教育，2016（14）．
［2］贾慧梅．基于云平台的初中数学课堂教学研究［J］．中国教育技术装备，2015（23）．
关键词： 智慧课堂；大数据分析；结构性变革
中图分类号：G632 文献标识码：A 论文编号：1674-2117（2015）13/14-0112-04
从基于物联网技术构建的智慧教室，到利用电子书包开展智慧学习，以及基于云计算和网络技术搭建的智慧课堂，信息技术增强了课堂互动交流，提升了课堂教学效率。大数据时代，开展基于大数据技术的动态学习评价，建立基于学习数据分析的智慧课堂，为现代学校智慧课堂的构建与应用提供了新的思路。
智慧课堂的定义
目前对智慧课堂的定义总体上有两类：一类是从“智慧”的语义学上定义，与“智慧课堂”对立的是“知识课堂”；另一类是从信息化视角定义的。本文的定义是基于后者。从信息化的视角来看，随着信息技术不断发展及其在学校教育教学中的应用，信息技术从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。
目前基于信息化视角对智慧课堂概念的定义有三种。一是基于物联网技术应用的。这一定义强调基于物联网的“智能化”感知特点。二是基于电子书包应用的。这一定义强调基于电子书包的“移动化”智能终端特点。三是基于云计算和网络技术应用的。这一定义强调课堂中的“个性化”学习应用特点。
这里我们结合实际开发应用，提出基于动态学习数据分析的智慧课堂概念。即智慧课堂是指利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，是基于动态学习数据分析和“云+端”的运用，实现评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。
智慧课堂的主要特点
基于动态学习数据分析和“云+端”运用的智慧课堂，与传统课堂相比，在技术和教学应用上具有重要的特色和创新价值。主要特点有：
①基于数据的课堂：一切靠数据说话，依据学生学习行为大数据挖掘分析与决策，用直观的数据了解学生对知识掌握的水平，精准地掌握来自学生的第一手学情资料。
②高效互动的课堂：利用智能化的移动学习工具和应用支撑平台，教师与学生、学生与学生之间的沟通与交流更加立体化，能无障碍地进行即时交流和互动。
③动态开放的课堂：借助于新兴信息技术及各种智能终端，课堂系统超越了时空限制，实现更为开放的教室、更为开放的课堂活动，让课前、课中、课后融为一体。
④合作探究的课堂：采取小组协商讨论、合作探究的学习方式，协作群组服务能够帮助有相同学习需求和兴趣的学习者自动形成学习共同体，教师可以通过平台对小组合作进行实时的数字化评价和及时的反馈。
⑤个性化学习的课堂：通过课前预习测评分析和课中随堂测验即时分析，实现对学生的个性化学习能力的评估，有针对性地制定教学方案和辅导策略，真正实现“一对一”的个性化教学。
⑥教学机智的课堂：教师基于动态学习数据分析和即时反馈，采取机智性行动，及时调整课前的教学设计，优化和改进课堂教学进程，充分体现教师的教学智慧和教学艺术。
智慧课堂的信息化环境
智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段，为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化环境。智慧课堂信息化环境的基本架构如图1所示。
智慧课堂信息化环境的总体架构包括三大部分，其主要功能是：
①微云服务器：提供本地网络、存储和计算服务，可以方便、直接地将即时录制的当堂课程进行本地化存储；构建无线局域网，教师和学生可以通过多种移动设备，在无需互联网的状态下，实现任意点对点的通讯与交互，节省大量互联网资源的占用；当连接互联网时，可以实现教室的跨越空间的直播。
②端应用工具：包括教师端和学生端。教师端实现微课制作、授课、交流和评价工具，导入PPT并实现动画及视频的插入，电子白板式任意书写，实现任务、批改作业、解答问答等。学生端可以接收并管理任务（作业），直接完成作业，进行师生交互、生生交互。
③云平台：提供云基础设施、支撑平台、资源服务、教学服务等，如构建完整的教学资源管理平台，可以进行结构化与非结构数据的各种教育教学资源管理，支持各种教育教学资源的二次开发与利用，实现多种教育教学资源综合应用。
智慧课堂的教学流程
在教学实践运用中，智慧课堂的教学流程为“3+10”模式，即由3个阶段和10个环节组成。这些阶段和环节包括了教师“教”和学生“学”的共同活动以及它们的互动关系。智慧课堂的教学流程如下页图2所示。
1.课前环节
学情分析：教师通过智慧课堂信息化平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，预设本节课的教学目标，并向学生推送微课或富媒体预习及检测的内容。
预习测评：学生预习教师推送的富媒体内容，完成和提交预习题目，并可在论坛或平台上进行相关讨论，提出疑问或见解，记录在预习过程中的问题。
教学设计：教师根据学情分析结果和学生预习检测统计反馈的情况，以学定教，确定教学目标、内容、方法等，优化教学方案设计。
2.课中环节
课题导入：教师采取多种方法导入新课内容，主要通过预习反馈、测评练习和创设情境等方式导入新课程，学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点。
探究学习：教师下达新的学习探究任务和成果要求，学生开展协作探究学习，主要包括小组合作探究、游戏教学等方式。教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示。
实时测评：学生完成学习探究任务后，教师将随堂测验题目推送到每个学生终端上。学生完成随堂测验练习并及时提交，教师进行实时诊断和反馈。
总结提升：教师根据实时测评反馈结果对知识点、难点进行总结和点评，对薄弱环节补充讲解，重点进行问题辨析。学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固、拓展提升。
3.课后环节
课后作业：教师利用平台个性化的课后作业，学生完成课后作业并及时提交，得到客观题即时反馈。
微课辅导：教师依据学生课堂的学习情况，结合批改作业，录制、讲解微课并有针对性地推送给学生，进行个性化辅导。
反思评价：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与教师、同学在线讨论交流，进行反思评价。
智慧课堂教学应用实例
我们研究与开发的“基于动态学习数据分析的智慧课堂”，已经在全国各地许多学校进行实际应用并取得良好成效。2015年1月10日，由蚌埠市教育局主办的“蚌埠首届智慧课堂观摩研讨会”在蚌埠二中举行，来自安徽、上海、江苏、深圳、武汉等省市的1000多名中小学教师前来观摩6节课，《中国教育报》专题报道了这次观摩活动。在观摩会上，蚌埠第二实验学校基于“智慧课堂信息化平台”开展了一堂教学实践课“认识三角形”。该堂课利用信息技术的优势，使学生课前学习微课；课堂上根据学生的认知特点，创设“金字塔闯关”的游戏情境，并进行实时测评和资源推送，结合任务驱动教学法展开深入的探究活动。
1.观摩课名称
认识三角形。
2.课程描述
“认识三角形”是苏教版《数学》第八册的教学内容。
3.教学目标
①利用生活经验，通过观察、操作等学习活动，认识三角形的基本特征，了解三角形两边之和大于第三边。
②在认识三角形的活动中，体会认识多边形特征的基本方法，培养观察、比较、抽象、概括能力。
③体验并掌握自主学习的形式和方法，培养学习兴趣，培养合作交流的意识和创新精神。
4.教学模式
（1）课前环节
发放资源：在微课平台发放学习资源，学生在家自主学习三角形的相关知识，并完成教师在作业平台发放的作业包。
微课学习内容：①三角形的基本特征；②三角形的三边关系。
（2）课中环节
集体分享：利用平台观看学生作业平台中的“生活中的三角形”。
游戏教学：利用三角形的相关知识，与同学合作探究，巩固深化学习内容。
①自主创造。学生可以自己独立创造一个三角形，或与同学合作，创造一个三角形拍照并上传。教师展示学生作品并点评。
②分组探究。小组合作，从4根小棒中任意选3根，围成一个三角形，写出所有选法。教师巡视指导并展示学生上传的数据记录，进行分析，使学生进一步理解“三角形两条边的和大于第三条边”。
③自主学习。学生完成作业平台中的测评练习。教师借助数据分析平台提供实时反馈图，针对问题展开讨论。
④巩固练习。依据所学内容，教师提出问题（把20厘米长的吸管截成3段，每段长是整厘米数，围成一个三角形，思考：最长的一条边最多是多少厘米？）和要求，学生先独立思考，再动手操作。
（3）课后环节
总结讨论，教师提出课后任务：通过今天的学习活动，你有什么感受？
5.效果评价
这是一节充分展示“智慧课堂”技术与教学深度融合的课。教师在没有“刻意”应用“技术”的痕迹下，以极其自然的方式，通过大数据分析、小组协作以及“云+端”设备的应用，实现了“探究学习、主动学习、游戏化学习”等一系列传统课堂难以实现的教学理念和方法。这是一节形式与内容均发生了深刻变化的高效课堂，充分展现了教师基于动态信息反馈的教学机智。
参考文献：
[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.
[2]林利尧.中小学智慧课堂建设与应用研究[J].中国现代教育装备，2013（10）.
关键词：大数据；数据分析；数理统计
基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）
基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。
怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。
这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。
（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。
（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。
（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。
（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。
数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。
参考文献
[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.
“大数据”是2012年以来信息技术领域中最为炙手可热的词汇。社会发展已经进入对大数据处理的抢夺战中。MOOC教育在大数据的影响下，突破了传统教学体系中存在的各类阻碍，不仅变革了传统的教学体系，还催生了全新的教与学文化。现代大学教学体系一方面需要变革传统教学中的种种弊端，例如，教学内容陈旧、教学方式僵化、教学成果评价单一、教学文化缺乏活力；另一方面需要面对科技快速发展提出的挑战。大数据环境下，MOOC不断实现突破和创新，一个处于科技前沿的全新大学教学体系正在其影响下悄然形成。
一、大数据的内涵与特点
目前，对大数据还没有统一的定义。基于大数据的特点，行业内普遍从大数据的规模性、多样性以及高速性、价值性四个方面阐述其内涵。首先，大数据能够帮助对现有事物有感知作用。“面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知。”[1]其次，大数据能够对未来发展有预测作用。通过数据，整理、提炼出事物发展的未来趋势，为工作提供一定的可靠材料。最后，大数据发挥出服务作用。利用大数据，提高社会服务的效率是其所要实现的目标。
二、MOOC与大数据
MOOC（Massive open online course）即大规模开放式在线课程。“大规模”“开放”“在线”突出表达了MOOC的特点。MOOC的兴起与互联网技术、传统教育模式、高等教育成本有直接的关系。互联网技术将人们带入了前所未有的科技世界中。互联网技术直接改变了人们的生活方式、工作形式。互联网技术为MOOC的兴起提供了最直接的技术支持。20世纪初，美国教育家杜威提出“新三中心”，即“以儿童为中心，以活动为中心，以经验为中心”。他的教育思想是对传统教育模式的有力反击。对于滞后的传统教育模式，MOOC教育同样对出相应的变革；高等教育成本是每一所高校不可回避的问题。“在世界范围内，高等教育成本的大幅攀升使得低成本的教育解决方案在广泛的人群中拥有庞大的需求，美国大学生一年大学学习的平均花费为27，435美元，这意味着一名学生获得学士学位需要花费超过10万美元。”[3]MOOC教育的免费政策正是该项高教难题解决的办法之一。
MOOC与大数据之间关系紧密。首先，MOOC本身依赖于互联网技术，是科学技术的体重体现。其次，MOOC产生大量待分析的数据。在MOOC教育平台上，从参加课程的学生名单到教师授课内容的统计等，产生了庞大的待分析数据。最后，MOOC在教学体系中运用大数据分析技术。良好的数据分析将会大大提高MOOC对实际数据的利用能力。通过对数据的挖掘，MOOC能够获取第一手有价值的教学信息，结合数据反馈的信息，在教学体系构建中利用起来。
大数据背景下，MOOC对于高等教育领域的影响在于，它借助于大数据分析手段在教学内容、教学方式、教学成果评价和教学文化四个方面为学生、教师、学校重新构建了一个全新的教学体系。
三、大数据有助于MOOC重构大学教学体系
“技术向来都是教育的附属品。技术通过促进一个人人平等的知识狂潮而发挥着核心作用，在这个知识狂潮中，学习即是开放的，也是不受班级与课表的限制。”[3]教学内容、教学方式、教学成果评价以及教学文化共同构成了教学体系。大数据分析手段帮助MOOC教育重新塑造大学教学体系。
1.大数据中的MOOC教学内容
MOOC教育在大数据分析手段的影响下，教学内容将有重大的变革。根据我国互联网信息中心统计数据显示，“截至2010年12月，中国青少年网民规模为2.12亿。青少年互联网渗透率较高，60.1%的青少年都是网民，超出全国平均水平25.8个百分点。”[4]现代大学生是真正意义上的“数字土著”。“数字土著”是“美国北卡罗来纳大学著名学习软件设计家Marc Prensky提出了‘数字原住民’（Digital Natives）和‘数字移民’（Digital Immigrants）的概念，用以表征父辈与子辈在数字化技术方面的巨大差异。”[5]
在传统大学教育体系中，教学内容的确定有一定的滞后性、呆板性。教材知识内容更新缓慢，不顾知识发展的规律，重复使用，对于学生来说弊端较多。同时，教学内容缺乏灵活性。呆板的教学内容调动不起来学生的积极性。通过高端的大数据分析技术，MOOC将大量的、丰富的教学内容提供给学习者。“MOOC在当今社会之所以形成强大浪潮，引起人们广泛关注，根本原因在于它为人类的知识创造提供了一个崭新平台。”[6]MOOC优质的课程资源搬到网络上，变革了传统的教学内容。例如，Coursera是免费的大型的公开在线课程项目，该平台上的课程总数已达124门。MOOC平台上，学生可以任意选取自己感兴趣的课程，感受名校教授讲课的魅力，体验不同教授对知识的多样见解。数据显示，“来自世界各地的160000人注册了斯坦福大学Sebastian Thrun与Peter Norvig联合开出的一门《人工智能导论》的免费课程。”[7]在此基础上，MOOC教育提供者能够获取学生选择课程的具体信息。从这些信息中，研究人员将受到学生欢迎的课程罗列出来，供教育研究人员、教师参考。大数据分析成功的将学生感兴趣的教学内容呈现出来，方便教师及时调整课程的上线数量。无形中，大数据分析改变了传统教学内容。全新的教学内容将得到更多学生的喜爱。
2.大数据背景下的MOOC教学方式
教学方式是指教师在要求学生获取知识，提高能力，获取学习方法的过程中所采用的方式。MOOC教育中，数字化的教学方式逐步渗透到高等教育当中。由于MOOC教育中知识的学习通过视频与网络传播，教师的教学方式必须做出相应的转变。MOOC数字化的教学方式是循序渐进的过程，电脑化的教学方式也将被学生、教师逐渐适应。亚利桑那州立大学的执行副教务长菲尔?莱杰尔认为“我想大部分的教师会认为这是一个好的转变。另外，3年后80%的教师都会熟悉数字化的教学方法了。”[8]除去数字化的教学方式，MOOC平台上的课程教师还将多种教学方式结合起来。通过一段时间的检验，一些课程通过数据分析，教师还根据数据反映出的不足改进自己的教学方式。MOOC促进了师生之间围绕知识进行更多的互动。利用大数据分析手段，教师可以将课堂上的时间空出来，利用课堂时间将关键的问题罗列出来，引导学生进行讨论。在此基础上，大数据分析催生了多种教学方式的综合运用。
3.大数据分析中的MOOC教学成果评价
MOOC利用大数据的优势变革了传统教学评价方式。一般来讲，教学成果评价表现在两个方面，一是教师评价改进自身课程，提高课程质量。二是学生学习成果的评价。以往的教学成果评价的弊端在于只有等到考试的时候，教师才第一次了解到学生是否真正掌握了知识。然而，MOOC平台上，通过对大数据的分析与处理，教师可以迅速的改进课程。“由于MOOC课程参与人数极多，机器学习机制能够对大量数据进行分析，从一个人看过多少次视频，到一个题目有多少人答对。”[9]教师通过平台后的数据库，能够分析数以千计的学生学习成功与失败的关键原因，找到课程需要相应作出调整的地方。更值得注意的是，MOOC的实时性。MOOC可以使教师在任意时间内都能够获取到这样的数据加并以分析和利用。教师获取这些数据后，既可以改进课程，又可以给学生更好的建议，帮助他们改变学习方式，提高学习成绩。对于学生来说，MOOC平台上，学生学习成果评价在“具体评价方式与课程认证两个方面对传统模式进行了革新。”[10]大数据为MOOC平台的学生提供更新颖的评价内容。首先，MOOC教育中采取了软件机器评分与同学互评相结合的方式。MOOC对于理工科学生的学习成果多采用软件或机器的评分方式。利用软件或机器的优势在于它们能够更为精确的批复出学生作业或测试中的错误。
4.大数据影响下的MOOC教学文化
从现有教学文化内涵研究来看，不同学科的研究者提出了不同的阐述内容。一般认为，教学文化“基本结构分为三个方面即教学的有效性、学生的参与性以及学习的主动性。”[11]大数据分析方式对教学文化的影响是出乎意料的。首先，大数据分析手段帮助MOOC教育增强了其教学的有效性。以往部分教师在教学内容的选择、设计上没有下功夫，知识更新速度慢。MOOC平台上，教师为学生提供的是高质量的教学内容。MOOC上的课程都是经过精心筛选，出自世界名校教师之手。这些课程教授过程中，教师采取了多样的教学方式，教学语言多样化，适应不同学习需求的学生。频繁的互动，将有助于避免学生注意力分散情况的发生，进一步提升了教学的有效性。MOOC课程不仅能够实现在课堂上师生之间的交流，同时，还有助于在课堂上形成师生、生生之间的沟通与交流。其次，大数据分析手段帮助MOOC教育提升了其学生的参与性。通过MOOC数据统计显示，在以往在线教育过程中“每学期只有5%-10%的学生能做到经常在教室里或课堂上参与深入讨论，其余学生的态度则是相当消极的。”[12]因此，高等教育教学必须将学生的参与性调动起来，这样才能更好的实现教学目标。MOOC教育实现了提升学生学习精力投入的目标。
MOOC教育对高等教育国际化同样做出巨大贡献。现代教育的主要特征在于它的国际性和融合性。突破国界和地域限制，MOOC教育正是践行知识世界融合的目标。在大数据技术的支持下，MOOC不仅将课程提供者的价值观念、思想意识快速的在世界范围内传播，同时，MOOC还使学习者更加直接的面对不同理念、价值、文化潜在的影响。
针对英语泛在学习模式存在的传统课堂教学和线上教学缺乏有效衔接、缺乏生态性系统设计、缺乏具有“参与感”和“现场感”的语言学习环境等问题，构建了基于大数据分析的英语泛在学习生态系统，有利于充分发挥大数据等信息技术对英语教育的改造提升作用，为大数据时代英语教学变革提供新的思路和方向，对促进新型信息技术与英语教学过程、内容、方法和教学评价体系的深度融合具有借鉴意义。
关键词
泛在学习；学习生态；有效学习；英语学习；大数据
近年来，移动互联网、大数据等信息技术发展日新月异，已经成为推动教育变革的重要力量。移动通信终端的普及为学生营造了泛在英语学习环境，大数据技术开启了个性化智能教育时代，翻转课堂、MOOC、微课等新型教学模式层出不穷，虽然它们不能取代传统教学模式，但英语教师必须与时俱进，重视信息技术对传统英语课堂的改造和提升，以全新的视角思考英语教学的变革方向。
一、研究理论概述
1.泛在学习理论
泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。
2.学习生态理论
学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。
3.有效学习理论
有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。
二、当前英语泛在学习模式存在的主要问题
1.传统课堂教学和线上教学环节缺乏有效衔接
首先，传统课堂教学和线上教学在教学节奏、知识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。
2.泛在学习缺乏生态性系统设计，学生英语泛
在学习的用户黏性不高当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。
3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境
建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。
三、基于大数据分析的英语泛在学习生态系统
移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型。
1.大数据采集子系统
首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。
2.大数据存储子系统
大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同时通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。
3.大数据分析子系统
认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。
4.大数据应用子系统
大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。
作者：张慧丹 单位：中国音乐学院社科部
参考文献
[1]张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.
[2]曹贞.以有效学习为目标的大学课堂教学[J].教育与职业，2007（26）.
关键词：数据挖掘；在线微视频；翻转课堂；系列课程；考核评价方式
0引言
众所周知中国社会在形态上已经进入了信息化时代，无论是网民数量还是网络经济发展的速度，均堪称世界第一。截至2015年6月，我国网民规模达6.68亿，互联网普及率为48.8%，其中，手机网民规模达6.20亿，占网民总数的90.1%，20～29岁年龄段网民的比例为31.4%，在整体网民中的占比最大。由此可见，互联网已经渗透到社会的各个方面，通过这种高效、快捷、方便的传播媒介，学生可以寻找到他们诸多学习疑惑的答案。随着各种在线视频课程如火如荼的发展，高等教育迫切需要做出相应调整。
在全球大数据浪潮中，对大数据进行智能分析和处理已经成为政府、企业、高校的关注焦点。在未来一段时间数据分析师将成为国内外人才紧缺的职业之一，这也对高校信息类专业的人才培养提出了挑战。数据挖掘基础课程是大数据分析的基础，大数据时代各种类型数据的爆炸式增长，对这门课程的内容提出了新的要求，本文将以重庆邮电大学数据挖掘基础课程改革建设为例，探讨结合在线课程教育的课堂教学改革。
1相关教学方法调研
在线课程的兴起可以追溯到2007年前后翻转课堂在美国的出现，但是到2011年以后，另一个重要在线教育方式MOOCs开始逐步崛起，二者本质上的区别主要在于：前者强调“互动与反馈”，而后者倡导建立“在线学习社区”。近年来，国内众多高校竞相鼓励教师运用网络技术积极推进线上线下混合教学。这种混合教学模式具备如下两个主要的特点：先学后教的方式赋予了学生更多的自由，他们的学习兴趣和针对性更强；“以教师为中心”的传统教学方式逐渐过渡到围绕“以学生为中心”来展开。这些特点都为改善本科教学质量提供了一条合适的路径。
虽然这种混合教学方式具有一系列优点，但也存在某些问题。公开在线课程每一节课的视频都超过45分钟，要让所有学生将一门课程所有的45分钟以上的视频在没有监督的情况下全部学习完是非常困难的。原因在于无论网上老师讲得再精彩，学生始终面对的是冷冰冰的机器，无法保证注意力的始终如一，相反课堂上面对面的教学可以让学生体会到更多的互动、关注和交流带来的人文情感，这些足以在适当的时候唤起学生的注意力。教学中完全的翻转课堂方式，容易使优生更强，却会使得那些不善于交流和表达的中等生论于边缘，本来的差生就更不用说了。近年来，一种以短小视频为核心的在线课程引起了教育者的极大兴趣，这种小型在线课程被称为微课程，它主要是针对某一知识点进行设计，录制成时长不超过15分钟的视频，同时提供配套的学习材料，帮助学习者随时随地快速学习。它能让学生课前迅速掌握每次课的主要学习点，带着问题来到教室进行进一步深入的学习。它的缺点是受时间限制，无法保证深入详细地给出每个知识点的来龙去脉。
因此我们认为引入微视频，探讨“在线微视频课程+翻转课堂+课堂教学”相结合的新的教学模式，进行相应的教学方式改革，可以改善教学的质量，更好地将知识传授给学生，提高学生学习的主动性，为课程改革起到实效。
2教学模式的设计
2.1教学中存在的问题
伴随着高等教育后大众化时代的到来，互联网应用蓬勃兴起，结合90后学生的性格特点，我们发现目前的课堂教学存在如下主要问题：
（1）课程体系和教学内容需要不断更新。随着网络资源的丰富，学生已能够随时从网络上吸取很多新知识新理念，专业课程的知识再也不能一成不变，必须随时更新。同样面对大数据时代及其带来的各种技术，智能科学与技术专业学生需要具备更广泛的数据分析相关知识和技术，这些都迫切需要核心专业课程数据挖掘基础不断地吐故纳新。
（2）教学模式和学生学习习惯发生变化。面对高等教育后大众化时代带来的学生数量急剧增加问题，以及在线网上教育带来的冲击和挑战，改革自身的教学模式成为必然。目前在校生全部都是95后，他们是在网络时代成长起来的，身上具有时代特点。他们注意力时间更短，见识广，兴趣多，更热衷于在线学习。
（3）考核评价方式亟待发生改变。95后的大学生特立独行，更愿意表现自己。随着互联网这种新媒体承载知识的不断丰富，学生的创新思维和实践能力可以通过网络学习得到充分的发挥。因此对学生的学习能力和成绩的评价不能再仅限于笔试考核，这倒逼着考核方式的转变。
2.2教学改革的主要措施
1）建立“在线微视频课程+翻转课堂+课堂教学”相结合的新的教学模式。
首先借助已经上网的在线微视频课程作为数据挖掘基础课程的“课前推送”，引导学生课前对每一讲视频的内容进行课前预习并完成该视频课程提供的课后作业。教师可以根据学生课前作业的完成情况在课堂上有针对性地开展教学，同时学生通过课上互动，可以很好地提高学习的积极性和兴趣度。对于一些简单易懂的数据挖掘算法，比如关联规则挖掘中的Apriori算法、分类算法中的决策树ID3和C4.5算法、KNN算法以及聚类算法中的K-means算法，要求学生学习微视频课程，制作PPT并在课堂上讲解这部分内容。这种在线教育和实体课堂优势的相互融合，会获得良好的教与学效果，同时也能反哺式建设在线微视频课程。
2）形成围绕数据挖掘基础课程的系列课程，强化系列课程的教师团队建设，保障教学质量。
大数据时代给计算机人才带来了机遇，也提出了挑战，教学应该不断地适应计算机人才培养的需要，调整相关的课程体系结构，以帮助学生实现与社会需求的无缝对接。因此建立一个围绕专业核心课程的系列课程体系非常重要，这种建设紧紧围绕核心课程展开，既可以保障专业核心课程的教学质量，又可以满足学生学到的专业知识与社会需求不掉线。为此我们确定了以数据挖掘基础课程为核心的系列课程体系，即数据分析实践、数据可视化和大数据分析与处理，这3门课程的学时统一设置为24学时，其中的数据分析实践课程主要讲授数据统计分析方法的知识，数据可视化课程围绕数据分析可视化的方法展开，大数据分析与处理主要介绍目前较流行的大数据平台应用知识。
一支稳定的中青年结合的教学团队是保障系列课程教学质量的重要因素，稳定的教师队伍可以有效地保证教学过程中的大纲设置、内容更新和教材使用的一致性，有利于教学过程中的沟通，从而不断地提高教学质量。
3）数据挖掘基础课程教学内容的更新和模块化建设。
随着大数据时代对人才的需求，不同专业都有了开设数据挖掘课程的要求。我们根据不同专业的不同需求，及时调整并规范不同学时下的数据挖掘基础课程的教学内容，并优化教学大纲，提炼教学内容。将整个课程内容分为必修模块和选修模块，如表1所示。对智能科学技术专业要求必须讲授全部两个模块的内容，而一些学时有限的其他信息类专业在完成必修模块内容的同时，可以根据需要适当选讲部分选修模块的内容。
4）改革数据挖掘课程的考核评价方式。
学生期末总评成绩在期末开卷笔试基础上，引入小组作品完成质量的考核。作品完成质量从“过程参与表现+口头表达能力”两个方面进行评分，这有利于对学生真实能力的评价，过程参与表现就是将每个学生在小组项目中所做出的贡献作为最终期末考评的一个考核指标，这一分数可以由小组内成员互相给出。口头表达能力体现在小组代表讲解和答辩项目成果的表现上，这一成绩可以由小组之间互相打分，按照一定的比例将学生的成绩加上教师给出的答辩成绩作为该项评价的总分。目前我们给出的这个成绩的换算比例是“组内分数30%+组间分数30%+教师分数40%”。这种考核方式可以保证教师准确把握每个学生掌握和运用知识的能力，也利于提高学生动手能力，真正改善课堂的教学质量。
3结语
笔者在教学实践中，依据统计学教学基本理论应以实际应用为目的，以“必须”、“够用”为度的原则，结合清远职业技术学院教学条件和学生的实际情况，对统计学教学做了如下改革：
1.简化理论，保证“够用”。统计学的原理抽象、公式的推导难懂、计算过程复杂容易出错，这些都是学生学习统计学的共同难点。大多数高职院校学生高等数学基础差，甚至根本就没有高等数学的基础。而且，统计学课程的周课时少（一般周课时只有2节），教学进度快，学生理解消化的时间不够。对高职学生来说就更是难上加难了。所以，在保证“够用”的前提下，简化理论就成了统计学教学中的一个重要任务。笔者在实际教学中，按照“必须”和“够用”的原则，根据人才培养方案和教学大纲的要求对上课的内容进行重组。强调课程体系的针对性，课程设置不是从学科体系出发，而是从职业岗位群的需要出发，体现国际劳工组织的MES职业培训体系经常采用的模式――模块式课程模式（把专业学科的系统理论知识进行简化、分解成职业岗位群所需要的模块知识）。具体课堂教学操作是：
在简化理论方面，首先，在教材体系中，简化教材中抽象基本原理的讲述、复杂公式的推导，省略繁杂的书面统计计算过程的章节。把重点放在假设检验、方差分析、χ2检验和直线回归等实际应用性的章节；其次，在教学内容上，简化抽象基本原理的讲述、复杂公式的推导，省略繁杂的统计计算过程。重点讲授基本原理适应解决的对象，统计公式应用的条件，解题的基本步骤、基本方法和应注意的事项，新增引用Excel计算统计量、统计分析和常见统计软件的初步应用等内容。
所谓“够用”，首先是保证学生将来从事的岗位群所需要的统计方法及其原理，包括基本统计方法和原理的含义、应用对象、适用条件等基本知识；其次要保证具有分析和解决实际问题的实操能力，能做到学以致用。主要包括基本统计原理在实际工作中的应用、分析和解决问题的灵活运用能力和基本统计工具（Excel和SPSS，EVIEWS，SAS统计软件）的使用能力等，其中重点是MicrosoftOfficeExcel一些自带工具在统计学上的应用。
2.优化手段，讲求“实用”。在课堂教学中，我们还应遵循教育教学过程和培养目标的另一个特点，即注重岗位能力的培养，根据“按需施教、学以致用”的原则，组织课程教学、试验和实训。笔者根据以上原则，突出统计专业课程是定量分析的内容较多，应用性和实践性十分明显的特点，把优化教学手段和“实用”结合起来，一并体现在课堂教学之中，主要是改变传统讲授统计学的“三个一”模式，对教学手段进行优化，采用多媒体自做课件教学和计算机实操教学。首先，利用多媒体教学信息容量大、视觉直观、效果好的优点，既能简化教材中抽象基本原理的讲述、复杂公式的推导，省略繁杂书面统计计算的过程，又不影响学生对教材的学习和理解，在保证基本理论够用的前提下，还有足够的时间把重点放在讲授基本原理应用性的实用内容上。其次，增加计算机实操（实验实训）课，把教材中的手工、半手工统计计算转化成计算机计算。主要做法是增加SPSS、EVIEWS和SAS统计软件的简介，重点放在引用Excel自带的函数公式“fx”计算标准误、方差等统计量、利用Excel自带的“数据分析”工具分析双样本均数假设检验和方差分析、利用Excel的“图表向导”求回归方程、相关系数和制作图表等内容，其主要目的就是利用计算机这个现代化工具去解决实际生产中的统计问题，使复杂的统计计算简单化，以增强学生的解决实际生产问题的实操运用能力。第三，根据教学对象将来的就业方向，并结合实际工作中的实际案例和学生学习中其它学科出现的统计问题自编练习题，让学生反复练习并要求他们能举一反三、熟练应用。
3.注重方法，力求“会用”。本文所讲的方法是指注重统计学的实际运用方法，强调统计学基础知识和基本原理在实际工作中的运用。重点内容应放在Excel自带的函数公式、数据分析库和统计软件的基本应用上，而不是理论和繁杂的书面计算过程。核心问题是教会学生能够灵活应用统计学这个统计工具，去解决生产实践中的实际问题。在实际生产中，最为简单、方便、实用的统计工具就是Excel。所以笔者在教学过程中就是以Excel的应用为中心，结合实际生产中的问题开展教学工作。
在工作中要始终坚持“会用”这个原则，“会用”包括两层含义：第一，会用统计的原理解决实际问题，即知道解决什么问题时使用什么统计方法；第二，会利用Excel自带的函数公式“fx”、“数据分析”库和图形处理等计算统计量，并根据统计计算结果对问题进行推论，达到解决实际问题的目的。
在课堂教学中，我们应注意以下几个问题：第一，注意讲清楚“数据分析”工具与手工统计分析计算上的衔接关系；第二，向学生交代清楚Excel自带“数据分析”适用对象、适用条件，并教会他们分析和判断；第三，详细讲授运用Excel自带函数公式和“数据分析”的具体操作步骤，明确Excel计算结果中各个数量所代表的意义。下面举例说明两种安眠药的疗效有无极显著的差异：
对10名失眠患者，服用甲乙两种安眠药。以XiYi分别表示使用甲乙两种安眠药后各个患者睡眠的延长小时数，结果如下表：
分析说明：第一，利用Excel自带的“数据分析”工具解此题的步骤同手工统计法，也要求有以下4个步骤，①提出假设；②确定显著水平；③计算概率值；④推断H0的正误。其中提出假设、确定显著水平和推断H0的正误这三步与手工统计分析相同；而Excel自带的函数公式和“数据分析”工具仅仅用于计算概率值。第二，Excel自带的“数据分析”工具的选定和运用分析。本题具有两组样本数据，而且两个样本是相互关联的，样本容量一样，每对数据都是同一总体在不同条件下抽取的样本，如第1组数据1.9和0.7是同一个患者服用甲乙两种药睡眠延长的时间数。所以应选用Excel“数据分析”工具中的“t-检验：成对双样本均值分析”。第三，讲清具体操作步骤，并注意对结果进行说明。
解：①检验假设：H0：u1=u2即两种药疗效相同；HA：u1≠u2即两种药疗效不相同
②取α的值为0.01（判断这两种安眠药的疗效有无极显著的差异）
③统计计算：此步需用Excel“数据分析”工具，具体操作步骤如下：
打开Excel，把数据输入Excel表格，点击“工具”，再点击“数据分析”，在对话框中选取“t-检验：成对双样本均值分析”，点击“确定”。在随后出现的对话框内单击“变量1的区域”后的对话框，而后拖动鼠标选定Excel表中的第1组数据；同理，单击“变量2的区域”后的对话框，而后拖动鼠标选定Excel表中的第2组数据；把“（Α）”后对话框的值改成0.01。然后在“输出选项”下面的“输出区域”前的圆圈内单击鼠标表示选定，再用鼠标点击“输出区域”后面长形对话框，并在Excel数据表中鼠标点击适当的单元格作为输出区域。最后用鼠标点击“确定”，此时Excel就会自动生成如上表的结果：“df”为自由度；“tStat”是“t-检验：成对双样本均值分析”的统计值，即t=4.062128；“t单尾临界”是单尾检验临界值，即单尾t0.01=2.8214；“t双尾临界”是双尾检验临界值，即双尾t0.01=3.2498；“P”为概率，“P(T
④推断H0的正误：
