时间:2022-06-30 13:02:29
序论:好文章的创作是一个不断探索和完善的过程,我们为您推荐十篇大数据课程总结范例,希望它们能助您一臂之力,提升您的阅读品质,带来更深刻的阅读感受。
中图分类号:G4
文献标识码:A
doi:10.19311/ki.16723198.2017.01.080
1引言
管理定量分析课程是应用统计学、运筹学、预测与决策等理论和方法研究经济管理问题的系列应用性课程,它通过收集、整理、分析和解释实际数据来获得有价值的信息和知识,探索经济管理问题的运行规律,辅助企业管理决策和提高管理效率。
近年来,大数据的出现对企业的生产、经营和决策等活动带来了深刻的影响和变换。越来越多的企业致力于应用大数据技术来挖掘企业经营数据的内在价值。
大稻菁际醯某鱿郑对管理定量分析课程教学带来了机遇和挑战,一方面,它极大地丰富了管理定量分析的教学内容,提供了诸多的新理念、新技术和新工具;另一方面,它对现有的管理定量分析课程的教学内容、教学模式和教学团队等带了更高的要求,已有的教学模式难以匹配大数据时代对管理人才提出的高要求。
如何顺应大数据时代的新趋势开展管理定量分析课程教学,如何结合新趋势优化管理定量分析课程设置,如何建立适应大数据背景下的管理定量分析课程教学团队,如何增强大数据背景下学生的数据驱动的管理决策意识,培养适应大数据时代要求的高素质人才,这些都是现有的管理定量分析课程教学所面临的问题,这也促使我们不得不去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。
2现有的管理定量分析课程教学概述
笔者所在的教学团队来自于武汉科技大学管理学院,承担全院《管理统计学》、《运筹学》、《系统工程》等课程教学,具有丰富的教学经验。然而,在教学实践当中,我们发现:尽管现有的管理定量分析课程教学模式比较成熟,但是仍存在“三多三少”的不足,而这些不足恰恰难以应对大数据背景下对管理定量分析课程教学带来的挑战。
2.1理论讲授较多,实践教学较少
随着市场竞争的日趋激烈,越来越多的企业采用定量分析方法进行企业决策,管理定量分析方法也成为管理类专业的重要课程。然而,实际教学过程中却发现,学生对该类课程的积极性不高,学习过程中出现畏难,不耐烦等消极情绪,导致实际教学效果大打折扣。
究其原因,一方面,目前的管理定量分析方法主要介绍各种不同类型的定量方法的原理、模型和理论,因而教师主要采用理论讲授为主的教学手段,加上定量分析方法这类课程对数学要求较高,有不少理论模型、数学公式和逻辑推理,对学生的数学要求较高,相对于理工类学生,管理类专业的学生数学基础较为薄弱,因而学生本能地会产生排斥心理;另一方面,现有的定量分析方法主要讲授其原理,大部分老师缺乏参与企业实际管理决策的经历和经验,难以向学生讲授应用定量分析方法解决企业实际管理决策的情景和过程。
2.2数学推导较多,案例应用较少
目前,关于管理定量分析课程教学存在两种观点:一种是“重理论轻应用”,该种观点认为管理定量分析课程是一门综合统计学、运筹学、预测与决策等理论和方法的理论课程,应该注重定量分析的理论和方法的讲授,以理论推导和数学模式为主;另外一种是“轻理论重应用”,该种观点认为管理定量分析课程应该强调统计学、运筹学、预测与决策等在经济管理中的应用,以Excel和SPSS等工具为手段,突出应用案例教学。
目前,“重理论轻应用”的教学模式占大多数,这种模式注重理论讲授和数学推导,理论方法与实际案例结合不够,学生掌握了零散知识,但无法解决实际问题。此外,部分教材也以理论讲授为主,缺乏深度的应用案例,也不注重定量分析软件的应用,学生面对实际问题往往束手无策。
2.3知识传授较多,综合训练较少
管理定量分析课程考核一般采取闭卷考试,题型包括填空题、单项选择题、多项选择题、简答题和计算题等,尽管题型多样,但是这种考核方式仍然只能考察学生对基本的单一知识点掌握情况,难以考察其综合运用定量分析方法解决实际问题的能力。
然而,大数据时代的到来对从业者提出了更高要求,除了掌握基本的定量分析方法原理,还要求从业者具备应用定量分析方法来实现数据获取、数据预处理、统计建模、模型检验、模型评价、模型部署等,从而解决实际问题的综合能力。而这些综合能力无法通过单一知识点的考核来实现,需要通过参与理论学习、软件操作、模拟场景或实际项目等综合训练才能够达到。
3大数据背景下管理定量分析课程教学探讨
面对发展迅猛的大数据技术,现有的管理定量分析课程教学模式难以跟上大数据时代对其提出的新要求。如何顺应大数据时代的新趋势开展管理定量分析课程教学,如何结合新趋势优化管理定量分析课程设置,如何建立适应大数据背景下的管理定量分析课程教学团队,如何增强大数据背景下学生的数据驱动的管理决策意识,培养适应大数据时代要求的高素质人才,这些都是现有的管理定量分析课程教学所面临的问题,这也促使我们去思考、探究、优化甚至改革现有的管理定量分析课程教学模式。
3.1构建知识融合的课程设置
合理的课程设置是开展课程教学的前提,更是人才培养质量的重要保障。课程设置应适应于教学目的、培养目标和学科发展趋势。
最初,管理定量分析课程以“统计学”、“运筹学”为主干。随后,根据学科的发展趋势,先后加入“统计软件应用”、“计量经济学”等新课程。近年来,大数据的发展对从业者提出了更高要求,简单定量分析方法传授难以适应新要求,需要从业者掌握更多的分析方法和数据挖掘、机器学习等新技术。遵循知识融合的思路,管理定量分析课程应引入大数据分析、数据挖掘、机器学习等前沿技术,加强SPSS/SAS/R等操作能力,尤其应注重培养应用新技术解决企业实际经营管理问题的能力。
3.2探讨案例驱动的教学模式
尽管目前的管理定量分析n程有多媒体教学、板书教学等方式,但是管理定量分析课程仍以理论教学为主,简单统计工具应用为辅,忽视了培养学生的实际操作能力,无法形成“教-学-用”的良性闭环。
大数据时代下,数据拥有更大的价值,从业者应具备从数据中挖掘知识和信息的能力。因而,管理定量分析课程应引入实际案例,综合训练应用定量分析方法解决实际问题,挖掘新知识和新信息的能力。
管理定量分析课程教学应逐步转向理论传授、案例驱动相结合的模式。近年来,业界出现了不少应用大数据解决企业管理决策问题的案例。例如IBM开展基于大数据的订购分析;Google利用大数据预测全球流感趋势;百度预测春运流量等。这些都为管理定量分析课程教学提供了丰富的案例。
在课堂教学之外,通过参加大数据竞赛、邀请大数据分析专业人员开展讲座,参加科研项目,参与企业实习等,培养学生应用SPSS/SAS/R等处理和分析数据的综合能力。
3.3建设学科交叉的教学团队
管理定量分析课程教学离不开教师和教学团队的支持。大数据对管理定量分析课程教学提出了新要求,新背景下的管理定量分析课程教学涉及统计学、运筹学、统计软件、计量经济学、数据挖掘等不同学科的知识,因而建设一支适应大数据背景下的新要求的管理定量分析课程教学团队尤为重要。
目前,管理定量分析课程的教学师资主要以统计学和运筹学等学科背景为主,大部分老师未掌握数据挖掘、机器学习、R、SPSS等,建设学科交叉的教学团队是课程教学质量的重要保障。新型的管理定量分析教学应加强SPSS、R、数据挖掘、机器学习等的学习,建立学科交叉的教学团队,加强管理统计软件和数据挖掘等训练,注重理论教学和上机实践的结合,培养学生应用分析工具进行实践的能力。
4结语
管理定量分析课程是一类应用统计学、运筹学等理论和方法研究经济管理问题的系列应用性课程。大数据技术的迅猛发展对现有的管理定量分析课程教学带来了极大的挑战。本文以大数据背景下的管理定量分析课程教学模式为主线,首先,分析并总结现有的管理定量分析课程教学的“三多三少”的特点和不足;其次,结合大数据背景探讨了新型的管理定量分析课程教学模式,提出了:(1)构建知识融合的课程设置;(2)探讨案例驱动的教学模式;(3)建设学科交叉的教学团队的新型管理管理定量分析课程教学模式,它融合了课程设置、教学模式和团队建设,注重定量分析理论和应用的结合,有助于顺应大数据时代对管理类专业学生的新要求,培养他们的数据驱动的量化分析和管理决策意识,增强其解决实际问题的能力,进而提升其职业竞争力。
参考文献
[1]顾剑华.关于工商管理专业管理定量分析课程建设的思考[J].当代教育论坛,2009,(4):127128.
[2]邓淇中,周志强.管理定量分析课程教学改革探讨[J].当代教育理论与实践,2013,5(4):9294.
[3]龚丽.管理定量分析课程的教学探讨[J].大学教育,2014,(17):111112.
计算机应用基础课程是计算机的一项入门课程,只有扎实掌握计算机应用基础的相关内容,才能更深入地学习计算机知识与技能。基于此,必须确保计算机应用基础课程的教学水平。但大数据时代下,给计算机应用基础课程提出了新的要求,必须对这门课程进行改进与创新,才能确保教学质量。
1.改变教学理念
课程教学质量在很大程度上受到教师教学理念的影响。如果教师的教学理念比较落后,依然对学生进行说教引导,则会给学生的学习带来一些不利影响。大数据时代下,现代化教育教学理念在教育领域中得到了渗透。基于此,计算机应用基础课程教学中,教师也要积极改变教学理念。计算机应用基础课程教学过程中,教师应具备开发的思维,不可对学生的思维加以束缚,而是在大数据教育资源下引导学生高质量地进行自主学习。实际教学中,教师应对大数据技术进行合理应用,实现自身教学质量的提升。例如,可以借助大数据技术,来对历史教学效果、问题档案进行分析。教师不能通过自行查阅档案,来总结教学中的不足、分析不同教学方法下的教学效果。但是,利用大数据技术之后,教师便可以快速分析不同时期教学中出现的问题、不同教学方法下得到的教学效果。根据大数据分析结果,教师便可以审视自身存在的问题,并采取有针对性的措施予以解决,以便于更好地对计算机应用基础课程教学进行改进与优化。计算机应用基础课程教学创新过程中,也要注重体现学生的主体地位,不可再对学生的学习时间、学习场地加以约束,而是应该为学生提供更多的自由,使学生能够主动学习,提高学生的学习积极性。
2.创新教学内容与方法
大数据时代背景下,大数据技术的应用,给计算机应用基础课程教学带来了巨大的影响,具体体现在,一方面,教师备课过程中面临着更多的可选资源,另一方面,学生对于信息的接收速度大大提高。为确保课程教学水平,应抓住大数据时代带来的机遇,对计算机基础课程教学进行创新与改革。对课程教学进行创新的过程中,应综合考虑课程特征、教学要求、教学大纲,对教学内容、教学方法进行创新。首先,在教学内容创新方面,应根据市场需求,将培养与提高学生的实践能力作为主要目标,做好市场调研工作,明确学生就业方向,并以此为根据,在教学内容中引进一些未来就业时学生需要用到的内容,如UI设计、网页设计等。同时,大数据时代背景下,网络上存在海量的学习资源,学生在课程学习中,除了要学习课程教材内容之外,也可以对网络学习资源进行灵活运用,选择一些优质的学习资源,来拓展视野,弥补课程学习的不足。其次,在教学方法创新方面,可以采取新兴的翻转课堂教学方法,使学生掌握学习的主动权,以教材内容、网络学习资源为主要内容,来对计算机应用基础的相关知识进行学习,并能快速掌握。相比较于常规教学方法,翻转课堂中,学生能够根据自身学习基础、学习习惯,来进行学习,为学生提供了更多的学习自由,有利于学生主观能动性的发挥。此外,教师的指导与点评有着十分重要的作用,可以及时纠正学生的错误,确保学生的学习效果。教师在对学生进行点评的过程中,为保证真实性、客观性,可借助大数据技术,来对学生各学习状态之间的关系进行分析,明确各学习要素间的内在联系,以便于更科学地进行点评。
3.加强实训室建设
中图分类号:G64 文献标识码:A 文章编号:1674-098X(2016)02(a)-0120-04
Abstract:With the advancement of data collection technologies,big data becomes a significant resource in various fields of engineering.It is generally applied both in industrial world and scientific research.To engineering majors,teaching of big data theory and technology should be emphasized either for educating future research staffs or for providing technicians for industry. In this paper,the necessities and key points of teaching big data skill in colleges were discussed after the introduction of the background of big data.It is suggested that mathematic skill of big data should be taught in combination with the corresponding major,and programming skill related to big data should be emphasized.
Key word:Big data;Teaching;Engineering majors;Data mining
信息技术的快速发展为数据采集提供了越来越多的方法和手段。随着大量实时数据的连续积累,传统的数据存储和挖掘方法逐渐不能适应现实需求,大数据的概念随之被提出来。大数据一般指在因数据量巨而无法在可容忍的时间内用传统的软件工具采集、清洗、管理和处理的数据集[1]。具体来讲,大数据的大,首先,体现在容量上,大数据不是样本,而是事件发生时积累的全部数据。其次,体现在速度上,大数据一般都意味着实施连续的数据采集。最后,大数据体现在多样性上,包括文本,图像,视频声音等多种类型。
大量连续的数据集,为更全面深入地认识各种问题提供了丰富的素材,也对原有的数据处理和挖掘方法提出了挑战。大数据的机遇和挑战在互联网等相关领域表现的最为突出,尤其是新兴的移动互联网领域。无论是网络访问数据,还是诸如基于移动互联网的叫车、导航和餐饮服务,其本身就是大数据来源,为企业和研究人员研究消费者行为提供了重要资料。在非信息技术领域,比如公共交通行业,大数据也逐渐成为政府决策和交通模型研究的重要资源。典型的如北京地铁交通智能卡数据,日刷卡量达600万人,长年的数据积累可以被用来研究交通行为、交通政策乃至城市结构的演变。因此,目前在就业市场上基于大数据的分析技能受到越来越多的用人单位的重视,相关科研机构也越来越需要具备大数据相关分析方法或编程技能的本科生或研究生。
然而目前的课程大纲中,对于大数据相关的理论与方法并没有给予应有的重视。笔者调研了海淀区大部分高校,就本科教学而言,有关数据统计分析与挖掘的教学,主要放在大学三年级的数据基础模块,代表性课程为概率论,开课教师多为理学院老师,带有通识性教育的特点。就研究生阶段而言,大数据分析所涉及的基础理论主要通过数理统计和数值分析相关课程来讲授。这些教学模块并没有对大数据及其相关的理论分析与应用技术做充分的强调。对此,该文在分析大数据教学必要性的基础上,提出大数据教学的要点,为工科专业培养具备大数据思维和技术处理能力的人才提供参考。
1 工科专业大数据教学的必要性
随着信息技术在各个行业的应用,海量数据逐渐被采集和积累,面向大数据的统计分析技能需求越来越大。以培养人才为主要目标的高校需要跟上产业的发展,因而有必要结合各个专业的实际需求开设大数据相关课程。
1.1 大数据已经成为各个行业的重要资源
随着信息化、自动化程度的提高,各个行业都开始积累大量连续且多种形式的数据。数据的量级是前所未有的。以交通行业为例,传统的数据采集方法往往采用抽样调查的方法,利用问卷获取居民的出行信息。不仅成本较高,获取的数据量也有限,准确性难以保证。随着信息技术的进步,尤其是GPS导航的普及,以及公共交通系统自动售检票设备的应用,为交通行业提供了大量实时连续的数据。再加上监控系统、图像识别等设备与技术的应用,可以说目前交通行业已进入大数据时代。以北京为例,目前公共交通领域都采用自动售检票系统,日地铁刷卡量达600万人,路面公交刷卡量达1 000万人。公交系统内部监控视频系统每日产生万T视频数据。同时路面交通6.7万辆出租车GPS数据,以及地图搜索引擎积累的导航数据,共同构成了北京城市交通的大数据。
这些数据占用了大量的存储空间,也为我们全面地分析问题提供了宝贵的资源。怎么从如此大规模的数据中挖掘有用信息,引起了行业人员越来越大的重视。这点从谷歌大数据搜索趋势可以看出。如图1所示,从2011年开始,大数据搜索量开始飞速增长。这说明大数据已经成为信息化社会数据统计和数据挖掘的新形式。作为培养创新型人才的基地,高校在这种社会潮流中不能落后。这点不仅要体现在科研上,更要体现在教学上。因此,开设大数据教学是大势所趋。
1.2 企业需要具备大数据处理能力的技术人才
企业是大数据的拥有者。海量的数据为各类企业监测设备运行状态、识别目标客户、提升效率和增加利润提供了潜在途径[2]。多项研究表明,深入挖掘企业积累的大数据,可以优化企业的仓储、供应链管理等环节,降低成本,提高效益,提升顾客的满意程度[3]。
一旦大数据带来的实际效益为企业所充分认识,以追求利益最大化为存在目的的企业就会成为大数据挖掘的第一推动力。随着近几年大数据技术在经济效益转化上取得的成果越来越大,更多的企业开始着手挖掘大数据,尤其一些互联网巨头,都纷纷成立了大数据实验室。随着企业大数据相关业务的拓展,其对大数据方面的人才需求就越来越大。根据华盛顿邮报[4],McKinsey环球研究所估计截止2018年仅美国经济和商业领域的大数据高级分析人才的市场需求就达4.4~4.9万,其他大数据分析人才需求量达400万。
如此大规模的市场需求,如果高校不能及时调整培养方案,增加大数据相关的教学模块,就不能满足社会对这方面人才的需求。所以,从人才市场需求的角度,国内大学有必要尽快开展大数据教学。
1.3 科学研究需要大数据人才
大数据挖掘在各个领域的需求,最终会反馈到科研领域。这点从近十年SCI论文检索数据库Web of Science收录的大数据主题相关论文数量可以看出来。笔者检索了近些年SCI数据库大数据主题相关论文的年收录量,如图2所示,以大数据为主题的论文在2006年的年收入量是1 000篇左右,而到2014年,年收入量已突破4 500篇。SCI论文数据库代表着高水平的科研成果。以大数据为主题的高水平科研成果从2011年开始飞速增长,这点与图1谷歌搜索服务提供的大数据相关热度基本一致。说明全社会对大数据的关注,很快反应到了科学研究领域。
与科研领域大数据相关研究需求与研究成果快速增加的情形相悖的是,国内高校在本科和研究生培养过程中对大数据挖掘理论与方法的教学没有给予足够重视,缺乏相关的教学模块。以交通运输专业为例,新入学的硕士生或博士生,在大数据处理方面既缺乏课程培训,也缺乏研究经验,需要团队从零开始传授交通大数据挖掘相关方法。这种现象在多个专业都是普遍存在的。因此,从培养科研后备人才的角度,高校有必要开设大数据相关课程。
2 大数据教学的要点
充分认识了大数据教学在工程专业人才配上上的必要性,下一步就是如何开展好大数据教学,使学生通过大数据课程的学习,掌握大数据挖掘相关的理论与方法,满足就业市场与继续深造的需求。对此作者走访旁听了部分英国大学大数据相关的课程,也调研了国内部分高校开展的数据挖掘方面的课程,总结了大数据教学的两个要点,以期为大数据教学的推进提供参考。
2.1 数学基础课与专业案例相结合
大数据处理对机器学习相关的数学方法,特别是统计分析理论要求较高。目前大多数高校都在本科及研究生培养的过程中开设了概率论及数理统计相关课程,然而这些课程一般由理学院数学系的相关老师讲授,具有工科专业通识教育的特点。这会造成一些突出问题。最主要的是这种模式会弱化案例教学的作用,过于强调理论,而理论的应用,尤其是理论在各自专业上的应用,不能被很好地强调。即使包含了案例教学,但是案例往往是抽象的,或者与各个工科专业没有关联,学生不能意识到教授的理论知识能否能在本专业应用,应用在什么地方,以及如何应用。这会从根本上影响学生的学习兴趣,进而影响到学习效果。
因此,有必要借鉴国外先进的教学理念,在大数据理论教学中采用本专业老师教授大数据挖掘以及机器学习相关理论。笔者在英国University College London交通中心旁听了数据采集与分析相关的研究生课程,发现该课程即由交通中心的老教授主讲。其授课内容与国内研究生数学基础课的数理统计类似,不过适度弱化了理论部分,增加了大量的交通工程数据分析案例。从学生的课程参与情况,以及参与科研项目过程中对相关理论的应用效果来看,这种教学模式不仅能让学生意识到理论方法在本专业的价值,还能让学生快速掌握应用的方法。甚至部分教授采用半节课理论讲解,另外半节课邀请企业或政府部门相关从业者针对所讲理论在实际中的应用进行演讲。这些教学模式都值得在大数据教学中加以借鉴。
2.2 着重编程能力的培养
大数据对自主编程能力的要求很高。这主要由两方面决定。其一是数据的预处理,由于大数据一般涉及繁芜丛杂的原始数据。这些数据存储格式,字段意义,数据类型种类较多,使用现成的统计软件已不能满足原始数据预处理要求,而手工处理也不现实,因此一般需要自主编程,针对数据的具体问题设计对应的预处理算法。比如公共汽车网络一般包含很多线路和车站,线路和车站的名称、编码也存在不尽统一之处。体现在公共汽车刷卡大数据上就是字段编码存在混乱,与GIS数据上车站的地理位置不能一一对应。对于这种情况,要可视化公交车网络客流,必须对刷卡数据预处理。如北京庞大的公交网络,手工处理不现实,这就需要研究人员自主开发对应模块完成该工作。其二,海量数据对计算复杂度提出了新的要求。很多情况下不是传统算法不可行的问题,而是不能在适合的时间内处理完大规模数据的问题。以地铁网络客流实时显示系统为例,如果路径选择算法不能在较短的时间内给出结果,从实时的角度就其结果就没有意义。大数据处理需要复杂度更低的可行算法,甚至在有些情况下需要设计并行算法,使用多个计算设备同时计算[5]。
所以,培养具备大数据思维和能力的人才,必须强调编程能力的培养。把编程相关课程作为大数据培养模块的基础课程,并体现大数据编程的特色。英国纽卡斯尔大学的Big Data Analytics模块就是由计算机相关专业的老师开设。课程大纲中强调编程能力和算法设计,并专门教授了并行计算相关内容。
3 结语
随着数据采集和存储技术的进步,大数据逐渐成为各个行业尤其是工程相关专业的热点。在这种形势下,本文研究了工科专业大数据教学的问题。首先分析了大数据在实践和科研领域的发展现状和未来趋势,认为无论是生产企业,还是科研相关单位,对大数据人才的需求都是迫切和巨大的。因而,从满足未来人才市场需求的角度,大数据教学的问题必须引起国内高校的重视。工科相关专业有必要增设大数据培养模块。基于必要性,总结国内外目前在数据处理方面的教学经验和问题,提出了开展大数据教学的要点。其一,大数据理论教学必须与本工科专业相结合,侧重案例的相关性。其二,自主编程能力是大数据能力的重要体现,因而必须予以重视。目前大数据教学在国内还处于起步阶段,需要各个专业的同仁结合本专业的特点展开积极的探索,构建合适的大数据培养模块,成为本科及研究生培养课程体系的重要一环。
参考文献
[1] Snijders,C.,Matzat,U.;Reips,U.-D.“’Big Data”:Big gaps of knowledge in the field of Internet[J].International Journal of Internet Science,2012(7):1-5.
[2] Stefanovic,Nenad.Collaborative Predictive Business Intelligence Model for Spare Parts Inventory Replenishment[J].Computer science and information systems,2015,12(3):911-930.
对于大数据时代,目前通常认为有下述四大特征,称为“四V”特征:第一,数据体量巨大(VolumeBig):数据量级已从TB(1TB=210GB)发展至PB(1PB=210TB)乃至ZB(1ZB=220PB),可称海量、巨量乃至超量;第二,数据类型繁多:越来越多的为视频、位置信息、图像与图片等半结构化和非结构化数据信息;第三,价值密度低,商业价值高:以视频为例,连续不间断监控过程中有价值的数据可能仅为一两秒的数据流;第四,处理速度快,处理工具演进快:数据流往往为高速实时数据流,而且往往需要快速、持续的实时处理。[2,3]
2.大数据时代对人才的需求
2013年3月,IDC数字宇宙报告《大数据,更大的数字身影,最大增长在远东》预计到2020年数字宇宙规模将达到40ZB。这意味着需要大量的人力和技术对如此庞大的数据进行处理、分析和管理。在此情况下,对于大数据环境下新型人才的培养问题在近年逐渐受到重视。未来对具有大数据管理和分析能力的人才需求将快速增长,这些人员除了具备相应的技术能力、管理能力、社交能力、系统分析和开发的能力外,还需要具备深度分析数据的能力。同时,一些和大数据相关的职位也会应运而生,例如数据分析师、数据架构师等。2011年麦肯锡全球研究所给出的一份报告预测,美国到2018年对具有良好信息素养的经理人才的需求量大约在150万人,此外,还需要14万~19万数据分析方面的资深专家。[4]在我国,互联网企业、电子商务、金融机构、医疗卫生、零售、保险等行业及政府数据中心对大数据专业人才的需求量都很大。
二、大数据时代下山东理工大学信管专业培养模式
大数据时代产生对相关人才的巨大需求,因此,山东理工大学(以后简称“我校”)信管专业提出了新的培养标准和课程设置体系,培养具有我校特色的信息管理专业人才。
1.培养目标和培养标准
在大数据环境下,重新定位信管专业的培养目标和标准,以适应“大数据”对专业人才提出的新要求,是信管专业建设的首要议题。我校信管专业突破国内高校信息管理专业人才培养的三种主要模式(一是强调IT技术,弱化了现代管理理论与方法;二是强调管理又过于弱化了IT技术;三是IT技术与管理相融合,但实际效果不理想),[5]强调学生不但要掌握现代信息系统的规划、分析、设计、实施和运维等方面的方法与技术,更要具有现代管理科学思想和较强的信息系统开发利用以及数据分析处理能力。我校信管专业还制定了全新的培养标准矩阵(如表1所示),从五大方面28个小方面更为详实地阐述了信管专业学生需具备的技能和能力,并为课程的设置提供了依据。
2.课程设置体系
为了满足大数据时代对人才提出的新要求,我校信管专业课程设置围绕主干学科(管理学、经济学、计算机科学与技术、管理科学与工程)不仅设置了国内高校信管专业常设的管理学、统计学、管理信息系统、数据库原理与应用、数据结构与算法分析、计算机网络基础与应用、Java程序设计、电子商务等课程外,还设置了数据仓库与数据挖掘、商务智能与人工智能等相关课程,使学生在理解新兴数据处理模式的同时,智能化数据分析处理及决策支持能力得到训练。与此同时,还设置了基于移动终端的APP开发、企业信息系统构建与仿真、电子商务平台架构设计等课程,使信管专业的学生成为拥有合理知识结构的复合型人才。大数据时代下新型的信息管理与信息系统专业人才的培养既要高度重视理论知识的学习,又要加强实践能力的培养。为此,我校信管专业还设置了工程实训、软件实习等实践项目,以及为期10周的IM&IS应用实践环节,为学生搭建实践平台,拓宽实践渠道。通过3年在校学习及总计约1年的实践锻炼(如图1所示),我校信管毕业生不仅具有良好的管理知识基础、信息技术应用能力,现代信息系统的开发利用的能力,还具备智能数据分析处理工具的操作能力以及综合数据分析处理能力。
3.特色
大数据时代下,我校信管专业制定了具有自身特色的培养模式,即:培养目标和标准与行业发展结合,适应大数据对人才能力需求的变化;培养具有综合分析和管理能力,强调动手能力的新型信管人才。
教育信息化在全国各高校已推行多年,虽然网络化学习环境、远程教育、数字化教学资源得到了广泛应用,但是大部分教学活动的并没有因为数字化设备的应用而随之改变,课堂教学依旧是传统的教师讲授,学生记忆理解,只不过在这个过程中纸质教案电子化、黑板粉笔换做幻灯片投影化而已。
大数据时代学生在课外通过网络等接收到的信息量要超过课上教师讲授的信息量。在这种海量信息的冲击下,学生的学习方法、知识结构和自主学习能力已产生变化,信息技术这门课程受大数据的影响最直接,作为教师也必须及时进行教学思维、教学方式、评价方式的改革。
一、转变教师教学思维
传统的信息化课程教育是教学管理者通过多年的教学管理经验制定教学大纲,教师通过多年的课堂授课经验设计教学内容,依据过去的经验总结、归纳并选择某些因素或知识点作为教学活动的重点。教师在大数据时代下从事教学活动,首先需要将思维从传统的集体教学转向个体教学。传统的教育也强调因材施教,但在学校现有的教学模式下,教师不可能真正实现面向学生个体进行教学。而教育大数据技术的出现,通过对教育数据的分析、挖掘,可以实时得到符合学生实际学习情况与教师教学实际效果的具体数据,从而可以在授课过程中有针对性地制定并执行更符合实际的教学策略。
二、转变课堂教学方式
大数据的环境下的信息技术课程,教师传道授业的工作量在教学过程中的比重已有所下降,教师的身份更接近于学生学习时的引导者与研究时的合作者,教学的本质回归到促进学习者个体的发展。
信息技术课程的教学内容主要分两大部分:理论与实践。在理论课的教学中,教师讲授新的知识点时只讲授重要环节,然后让学生尽最大可能地利用各种网络教学资源,尝试对知识点进行总结和拓展。由于学生所有学习活动都是在线的,上课、做作业、记笔记、做实验、答疑、讨论都是在计算机终端上进行,因此他们的一举一动都会被记录下来。学习各知识点时各用了多少时间,作业完成用时多少,并且在完成过程中经过几次修改,等等,这些都是教育大数据的来源。这些数据要比考试卷面上的分数更能反映学生学习的真实情况,通过对这些数据的分析、挖掘,就能得到每位学生的学习状态、表现与水平。这些信息是最真实、自然的数据,教师可以由这些数据了解每位学生的个性化特点,从而能在教学过程中因材施教,更有针对性地强化薄弱环节,推荐阅读书目等。
三、转变教学评价方式
0 引言
大数据、微课堂、个性化教育,给人一种强烈的时代感,让人立刻想到当前信息时代的产物。在当今世界个性化教育或者说自主学习成为趋势,而微课堂作为一种自主学习的方式,符合当前社会个性化教育的要求。微课堂根据课程标准来制作,通过互联网络,以多媒体为载体,围绕教学中的知识点或教学环节而展开的符合学生认知特点的教与学的活动。微课堂是信息化教学的饯行者,微课堂通过多媒体使教学信息前移,是信息技术在教育领域的创新。微课堂改变了传统的课程资源建设的核心,使传统的课程资源以教师上课为核心,资源的收集和建设主要围绕教师上课的需求;而微课堂的出现使得课程资源的建设向以学习者自主学习为核心,资源的开发和建设重点围绕学习者的学习需求。微课堂也改变了教育教学方式,使传统的以教师讲授为核心的教学方式向以学生自主学习、师生共同深度拓展为核心的启发式学习转型,使传统的以“教案”预设为特征的“演员型”教师向以教师组织下的师生共同深度拓展建构式学习的“导演型”教师转型。而随着大数据、云计算、深度学习的发展,微课堂的教育教学方式将获得更好的发展。而本研究主要探讨大数据对微课堂实施个性化教育的推动作用。
1 微课堂的本质
微课堂以建构主义为理论指导,强调的是课程的精心设计。在微课堂中教师根据教学内容将知识进行详细分解,并以教学视频的形式将知识点的讲解过程显现出来,这些教学视频都是以这个知识为核心。教学视频要求语句简练,教学内容易懂易学,并且要符合学习者学习规律――即视频时长不能过长,一般都要求在5-15分钟之间。微课堂的教学视频将教学内容进行了精细的讲解,并且这些视频也可以反复的观看。学习者在进行微课堂学习的过程中,辅助以教师上传的电子讲义和作业习题等资料以达到更有成效的学习。微课堂在建设的过程中要求课程教师将知识进行足够细致的切分,确保知识能在5-15分钟内能够讲解清楚,并且学生能够快速的理解接受。通过微课堂,教师不再需要对知识点进行重复的讲解,这为课程教师节省了大量的时间和精力,课程教师可以利用这些时间和精力对学生进行有针对性的指导,提供个性化的教学,提高学生的学习效果和教学效果。在微n堂中学习者可以重复的观看教学视频,从而对知识点进行查缺补漏。由于受到时间的限制,微课堂的课程比传统课堂课程教学设计更加简洁精练。虽然微课堂的教学资源呈现碎片化,但是微课堂的主线不散,所有的知识点和资源都是围绕一个主题进行展开的,微课堂的课程由教学内容、课间练习、课后练习、反馈、讨论和评估构成,与传统课堂课程相对,更加注重反馈。微课堂要求在短小的视频中必须包含与学习内容相关的问题,通过这些问题以获得学习者的及时反馈,了解学习者对学习内容的了解程度。
2 大数据助力微课堂个性化学习
大数据时代的到来,给教育带来了重要的机遇。在教学过程中,通过收集学生学习活动的各项数据,并利用大数据的分析功能可使我们了解不同学习者的不同需求,并根据学习者的需求开发和查找到适合个性化学习的学习资源、学习路径,因此实现真正的因材施教。大数据具有以下基本特征:(1)大量性。在大数据时代,数据的量巨大;(2)多样性。大数据的数据类型多样,既包括文本结构的数据,也包括非文本结构的数据――音频、视频、图片、地理位置等;(3)价值性。大数据价值巨大。在大数据中不仅包含了个人的信息,也包含了个人的行为习惯、学习爱好、个人需求等等,这些对于教育来说都是价值巨大的,但价值密度低。由于大数据的这些特性,正好解决了微课堂实施个性化教育的需求,推动了微课堂个性化教育的发展。具体作用体现在以下几个方面:
(1) 在微课堂的建设过程中,在大数据的辅助下,解放了课程教师,教师有更多的时间专注于提供个性化教学。
在大数据时代到来之前,微课堂的建设相当复杂,课程教师承担着课程建设的主要任务。在大数据时代到来之前,课程教师要建立一门微课堂课程首先要组织一个课程制作团队,然后课程教师要对课程知识点进行细分,接着根据细分的知识点录制相应的视频,同时还要分配人员去查找与知识点相关的资料,来辅助课程视频的录制。在视频录制好之后还要进行处理等等。这是一个复杂而费时的工作,但是课程教师却要全程跟进。再加上在微课堂教学中要解决学生的疑问,课程教师已经忙得焦头烂额了。然而大数据时代的到来,解决了课程建设中的很多问题,课程教师不再需要制作所有的视频和查找相关的资料了。通过大数据数据分析功能,可以快速的将课程需要的资料整理出来。大数据的分析功能也可以提供课程建设相关建议,课程教师在大数据的帮助下,能够很快的制作出微课堂课程。随着大数据时代的发展,课程的建设可以有机器来完成,教师就可以完全的从课程建设中解放出来,把教学重点放到个性化的教学和一对一的解答中去。
(2)大数据使得面向大众的教学向面向个性化教学转变成为可能。
当前的教育,不管是传统的教育教学还是基于网络的MOOC教育教学,大部分都是面向大众的教学。教学内容教学目标教学方式都是一样,学生要么集中到一个教室要么坐在电脑跟前,通过相同的教学方法观看着同一位老师讲着相同的内容。教师根本上就没有办法考虑个性化的教育,因为受教育的人数太多。然而大数据时代的到来,将改变这一状况。在学习者开始学习之前,微课堂会通过一序列的测试、问卷以及学习者在云端的数据来分析学习者的学习风格、学习爱好和知识水平,并且在学习过程中,全面地记录、跟踪和掌握学习者的不同学习特点、学习需求、学习基础和学习行为,并应用大数据的数据分析功能,为不同类型的学习者打造个性化学习、推荐个性化学习资源、学习方法等,从而使教学从面向大众转向面向个性化。
(3) 教学方式、教学重点、教学难点不再是由教师根据个人的主观经验来制定,而是由大数据的数据分析,找出学生各自的学习难点与重点。
在大数据之前,教学方式、教学重点教学难点是由教师根据个人的教学经验来确定的。然而现实学习过程中,不同的学习者喜欢的教学方式不一样或者说不同的学习者适合不同的教学方式。同样,学习的重点和学习难点对于不同的学习者来说应该不同,这也是个性化学习的需求。因为每个学习者的知识积累不同,所以每个学习者的学习重点和难点也应该不同。在大数据时代到来之前,这是很难实现的。而大数据的应用,能够解决这个问题,为不同的学习者提供不同的学习方式、学习重点和学习难点。在课程学习开始之前,通过收集学习者的行为习惯和学前测试可以收集学习者学习方式和知识水平方面的数据,通过大数据的分析,就能制定出适合学习者学习的学习方式。而在学习的过程中,不断收集学习者学习过程中的数据,经过大数据的分析功能,就可以很清楚的分析出每个学习者的学习难点。而通过大量数据的分析就可以获得教学的重点,而这个重点是通过“全数据”分析而来,不再是通过抽样或个人经验获得。
(4)基于大数据的微课堂能够真正以学生为主体。
个性化教育要求学习课程按照学习者的学习规律来选择和设计,并且学习进度也要根据学习者当前的水平和学习需求智能的调整。学习者在个性化学习环境中能够根据自己的知识水平自由地选择课程,根据接收能力的强弱设置课程进度,并且学习者也应该能为自己的学习负责。而大数据的存正好能够满足这些个性化学习的需求。大数据为个性化学习提供了一个新型、多元、高效的自主的网络学习生态圈,为个性化学习提供了极为有利的环境和条件。随着大数据的发展,云计算也得到了很好的发展,特别是高校云。高校云的发展为大数据在教学中的应用提供了有力的支持。高校云存储中心为大数据的应用提供了大量关于学生客观而又真实的行为记录的数据基础,数据处理中心对这些零散而又无特定结构的数据应用大数据的数据分析、数据挖掘等技术处理后能够获得学习者的特点、学习者当前的知识水平、学习者适合的学习方法等。这也使得教学能够真正从学习者出发,根据学习者的特点和知识水平等来展开,真正做到以学习为主体,而不是根据教师经验假设来展开。
3 总结
在微课堂的教学过程中,学习者都是大数据的生产者和消费者,学习者学习过程中的每一个操作每一个反馈,都是大数据中数据的一部分,而学习者学习过程中使用的资源、获得的帮助又是大数据反作用过来的反馈。利用大数据的分析功能对于学习者的学习过程进行分析具有较强的实用价值。在大数据分析的支持下,微课堂中的学习资源个性化推送、学习质量分析等问题将得到很好的解决。在大数据时代,微课堂也就成了个性化教育的诉求的实现途径。
【参考文献】
[1]姜强.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育,2015(1):84-92.
[2]金陵.大数据与信息化教学变革[J].中国电化教育,2013(10):7-13.
中图分类号:G64 文献标识码:A 文章编号:1003-9082(2016)10-0137-01
计算机作为高校教学的辅工具,在现如今的大数据时代正发挥着它无可替代的作用。线上教学与线下教学的融合统一,使得学生能更加个性化的学习;而大数据对考试结果进行的分析,极大的方便了教师对于学生学习情况的科学掌握。因此,加强高校计算机的信息化建设就显得尤为重要。
一、高校计算机Mooc课程建设
Mooc课程作为线上教学的主要形式之一,它的优势在于不是讲下线课程照搬到线上,而是由老师重新设计课程[1]。学生可以在课程中根据自己的弱点有选择的进行学习,极大的提高学生自主学习能力。因此,Mooc课程建设是高校计算机信息化建设的要点之一。作为Mooc课程建设的核心,是要打造计算机上的Mooc服务平台,这就需要高校在计算机中建立课程教学的资源库,构建出课程云平台,在这个私有云中,要包括课程、问题、研讨、作业等,而课程公有云即Mooc服务平台通过与私有云的连接,将教学资源传达给学生[2]。同时,计算机还要做好与Mooc课程的配套设施建设,如建立相关论坛,让学生在论坛中讨论使用Mooc课程时存在的问题,构建出一个Mooc学习网络,而不是单一的学习课件,为学生的自主学习提供平台。
二、计算机在线考试系统建设
在线考试系统建设有助于考试的公平性以及便于教师更为便捷的了解学生的知识掌握情况。在线考试系统的建设难点在于如何科学的随机组卷。针对此类问题,可以通过如下方式解决[3]。首先,在对章节进行选取的时候,根据教学中的知识点的重要程度不同,对各个章节授予权限。对应试卷中题目的数量生成随机数,如此让每一章节对应不同的随机数,随机数的多少直接决定于该章所被选择的题目数量,避免了知识点过于集中的问题。其次,对章节以及每个题型以及题目难度都设定一个抽取次数最大值,达到最大值将不再选取该部分题目,系统将对试题进行重新选择,使得试卷难易程度适中。最后,设置自动关闭答题界面程序,在考试时间结束后,系统自动关闭答题界面的答题功能,保障考试的公平性。
三、高校试题库建设
高校试题库的建设要包含开放性、通用性与智能性的特点。因此,在对高校计算机进行试题库建设的同时,要对试题库平台进行开放式建设[4]。可采用立项的方式,以一两门课为代表建设试题库平台,充分整合现有的教学资源与网络上的先进教学资源,也可与其他高校联合,共享教育资源,做到试题库的开放性。通用性则体现在试题库系统与各学科课程的融合上,即试题库要适用于校内所有教学科目。在完成对选择的一两门课的开放性建设后,将系统逐渐发展成为为适合所有科目的线上试题库系统。而智能性的建设主要体现在对试题的智能行选择,除了要求试题库中的试题有较高的质量及较多的数量之外,如何进行智能选取可参考本文中计算机在线考试系统的建设流程。
四、数据仓库建设
数据仓库的建设是为了应对随着目前高校招生人数的扩大,在校学生信息数量的庞杂,以及为了统一协调教师队伍的管理,跟踪毕业生就业状况而必须建立的系统,有助于高校进行内部管理。建立数据仓库首先要确定数据来源,数据源的统计需要从学校内部已有的系统以及校外的数据,如国家的政策等进行提取以及分类,在建模的过程中建议采取平行式的仓库模式,针对重要数据建立数据集市。其次,要对数据库管理进行设计,主要管理日常数据库应用中可能出现的数据安全问题进行维护,做好对数据的跟踪。最后,要构建数据仓库中的查询系统,面向全校师生,提供全面而精确的数据。在查询系统中,更重要的是分析工具的设计,在大数据时代,依托互联网,能够生成多维比较,使数据更加具有可信度。而对于数据的显示,要在计算机中设计星型模型以及雪花型模型,便于查询者对查询数据的掌握。
五、大数据在高校的实际应用
大数据理论在高校中最显著的应用当属于对校内学生学习成绩的评估。任课教师可以通过大数据对考试结果进行分析,掌握任教范围内学生的知识掌握情况;学校可以通过大数据对校内个院的教学质量做综合考评,无论是教师与学校,都可以通过计算机中大数据的支持来进行教学改革。如利用大数据对某院某系的期中考试成绩进行总结,在发现学生学习短板时,可以由任课教师在之后的授课中进行补缺的教授,补齐短板,学校也可以通过加强Mooc课程的建设,鼓励学生自主学习,自主补缺,而计算机中学生学习的数据也会进行随时统计,便于学校对学生学习的动态进行及时掌握。
六、结语
在大数据时代,依托互联网进行高效计算机基础教育信息化建设是一件刻不容缓的大事。计算机的信息化建设不仅能满足学生随时提升学习能力的需求,也有助于校方对学校进行统一管理。因此,通过高校计算机Mooc课程建设、在线考试系统的建立、建设试题库及数据仓库来进行高效计算机信息化建设,是目前高校转变教学思路、创新教学模式的必由之路。
参考文献
[1]张艳,刘亚.大数据时代MOOC对计算机专业教育的影响[J].计算机时代,2015,(03):88-89,92.
在计算机技术和互联网技术普遍应用的今天,大数据技术为行业发展和进步起到了积极的作用。就教育行业的发展来讲,有了大数据技术的利用,教育的针对性、专业性和市场化特征表现的更加明显,教育实效性效果有了显著提升。总结分析大数据在中职计算机技术教学中的应用,其产生了三方面的突出价值。
1.1大数据为中职计算机技术教学的课程设置提供了参考
计算机技术的发展日新月异,所以很多职业院校的计算机课程实际上是与社会脱节的,这对于职业院校的价值体现十分不利。中职计算机技术教学实践积极的利用大数据技术分析当前社会计算机的应用需求现状,可以为更加合理的设置计算机技术课程提供参考。简言之,大数据技术能够准确的分析技术发展以及应用趋势,可以为中职计算机技术教学的实践提供参考,使院校在课程设置的时候做到充分的与社会接轨,这样,职业教育的价值发挥会更加的显著。
1.2利用大数据技术可以为计算机技术教学的创新提供依据
传统的教学模式显然已经不能适应当前的教育需要,尤其是职业教育,传统教育模式对其的限制表现的越来月明显,所以教育模式、教育方法需要做创新。大数据技术的利用一方面能够掌握未来计算机人才需要的基本方向,另一方面可以了解到各种计算机教学方法的利用实效,基于人才发展方向和教学方法的具体分析,中职计算机技术教学可以选择更符合人才发展方向的教学模式,这对于教学促进来讲也是有积极意义的。
1.3大数据技术的利用能够为中职计算机技术教学的优化提供帮助
在教学实践中总会遇到各种各样的问题,利用大数据技术做教学问题的总结和分析,职业院校以及老师会更加清楚的掌握到教学中比较容易犯得错误,基于数据结果进行错误发生的研究和分析,能够有效的帮助中职计算机技术教学实现优化和进步。
2大数据背景下中职计算机技术教学存在的问题
2.1教学目标设定不科学
中职院校在对计算机应用技术进行教学时,对于一些非专业性的学生的教学目标,只是让学生们掌握住计算机的基本知识以及相关的操作技巧,帮助学生们通过全国计算机的考试,而对于一些非专业的学生只要考试及格,就可以满足就业要求。在这种教学目标之下,很多的学生们往往是为了提高自己的过关率,而对于一些考试内容进行学习,忽视了对其他计算机以及网络应用技术的了解和认识,很多学生的学习目标也出现了偏差。
2.2基础教材与现实需要的差距较大
经过对当下中职院校学生们的计算机基础教材以及大纲进行调查研究,可以发现其中包括了计算机的基本知识、计算机的操作系统、办公自动化的基础,以及计算机网络基础的内容,教师们在对教材进行讲解时往往注重于理论的灌输,忽视了学生们对于一些实践应用的培养,这样会造成考试和需求之间的相分离。在对学生进行教学时往往注重学生们对于一些应用模块题型的练习,而忽视了对相关内容的讲解,导致学生们知识为了应付考试,对于一些常见的常考的函数有所了解,但是对于多级列表设置等模块仍是相对存在着一定的偏差,由于中职院校计算机基础教材的内容不能够满足考试所需,很难真正的提高学生们的专业技术水平以及计算机应用技术。
2.3教学方法较为单一
在对计算机进行教学时往往以理论灌输为主,教师在课堂中居于主体,学生们只是被动的接受,参与热情不高,也无法提高自身的主观学习能动性。当下部分中职院校在进行计算机应用技术教学时依然是把课堂的实际任务操作演练或者是借助多媒体教学作为重点内容,帮助学生们对基本理论知识进行理解,尽管这样能够让学生们了解教材的重点内容,但是学生们实践能力相对较差,这种理论教学和实际教学相分离的教学模式,让学生们对于计算机应用技术的学习,日益的丧失兴趣,尤其是缺乏主动性和积极性,很难真正的解决实际的问题。
2.4教学实践与理论的脱节表现较为明显
中职院校开展计算机应用技术教学学生们的地位较为被动,教师们不注意和学生之间的互动,这样不仅让学生们的积极性下降,而且不能够及时的发现学生们在学习的过程当中存在的问题和不足,教师在讲解中也缺乏重点和针对性,这样不仅导致学生们对计算机教学较为反感,而且也不利于提高自己的主观学习性,最终让学生们在大数据时代的背景之下,对于计算机应用技术的掌握程度依然有限,无法满足社会对计算机专业人才的需求,也不利于提高中职院校学生们综合素质的提升,影响到学生们的未来就业。
3基于大数据背景下中职院校计算机技术移动教学措施分析
3.1改变传统的教学模式,提升教学的灵活性
传统的教学模式固定性比较强,学生学习的时间和地点比较的固定,这对于移动学习来讲十分不利,所以在大数据背景下要积极的进行教学模式的改变,提升教学的灵活性。就教学模式的改变来看,主要有两点:(1)针对大数据分析的结果总结教学实践中的重点问题,然后由老师基于重点做教学视频的制作。一般来讲,遵循“一个问题一段视频”的原则,这不仅对具体的问题进行了针对性的阐述,而且有效的区分了问题的解答,缩短的视频的实践。在生活和学习中,学生能够利用移动设备和网络进行灵活的在线学习,比如业余时候进行短视频的观看。(2)采用平系模式做移动学习。平系模式主要指的是老师利用大数据分析的结构构建具体问题的分析平台,学生能够在移动设备中随时随地的访问平台进行询问和探讨问题,进而解决相应的疑惑。总之,利用大数据分析技术做“问题教学”模式的构建,并积极的利用当前生活中的数据交流平台和移动网络设备,学生的移动学习效率会有进一步的提升,学习的灵活性和有效性得到显著的加强。
3.2创新教学方法,强化移动教学实践的加强
教学方法对具体的教学效果提升有重要的影响,因此在中职计算机技术教学实践中基于大数据分析创新教学方法,强化移动教学实践的加强现实意义显著。就具体的方法创新来讲,目标表现比较抢眼的方法有两个:
3.2.1采用碎片教育法
所谓的碎片教育法和系统教育法是相对的,这种教育方法的实施目的是让学生能够灵活的利用课余时间做小知识的学习和掌握。从具体的分析来看,系统的知识量比较大,需要的学习周期也比较长,所以学生很难在教学中实现移动学习。碎片教育法将系统性的知识进行肢解,将其拆解为零散的知识点,学生在生活实践中可以利用移动设备等进行细小知识点的存储,这样,其可以在生活休息中实现移动学习,掌握相关知识。
3.2.2翻转教学法、面对面教学以及在线教学等方法
在网络时代之下,可以借助于网络教学的平台开展计算机应用教学。比如教师可以通过进行翻转课堂教学模式,调动学生的主动参与热情,激发学生的主观能动性,通过对教学内容进行模块化的设计,并且制定出不同的任务,让学生们真正的在做中学、学中做,因此教师可以依托于现有的网络教学平台,采取面对面教学或者是在线教学等教学模式。通过构建这种计算机网络教学的平台,可以让学生们享受到更加优质的教学资源,也进一步增强了教师和学生之间的互动。
3.3构建网络教学平台,为移动教学提供资源
在大数据背景下,构建网络教育平台为移动教学提供资源,这于中职院校计算机技术的教学提升来讲现实意义显著。就网络教育平台的具体构建来看,主要分为两部分内容:(1)构建在线学习平台,此平台突破了传统教学模式的时间、空间限制,老师可以在平台上进行学习资料的共享,学生能够通过平台观看和学习老师共享的资源,这样,学生在课堂之余又多了一个学习的平台与渠道。通过平台的利用,学生与老师实现了从课上到课下的对话,知识领悟会更加的深刻,所以学生无论是理论记忆还是技术感受都会有明显的提升。(2)实现了对课程资源的有效补充。从具体的分析来看,虽然利用大数据分析结果能够实现针对性的课程设置,但是毕竟课程的执行周期较长,所以一些新技术、新内容无法在教材当中另做补充。网络教学平台可以作为信息资源补充站,老师以及学校将相关专业的最新消息在平台上,由老师和学生做在线的共享学习和交流,这不仅提升了老师的知识范围,学生也能够接触到最新的技术发展信息。简言之,通过网络教学平台的构建,中职院校的计算机技术教学有效的实现了课上和课下的联动,实现了课本资源和网络资源的相互补充,这对于最终的教学成果提升有显著的价值和意义。
3.4基于移动学习目标做评价和考核
在教育教学中,考核评价对于教学的具体进步有着非常显著的影响,所以为了在移动学习实践中强调对学生的考核,需要基于移动学习目标制定考核体系。从上述分析来看,在大数据背景下,网络教育实施对移动学习有比较大的帮助,所以当前的计算机应用技术的部分内容是以网络的方式进行教授的,这种教学方式和课堂教学形成了互补,所以学生只有实现了课堂学习和网络学习的双重认知,其学习的成绩才会有显著性提升。在教学考核体系的构建中,为了敦促学生积极的参与移动学习,可以将网络教学的内容在考核中做更大比例的设置,这样,基于考核评价可以确定学生具体的网络教学资源利用率。基于教学实践反馈的相关内容,学校和老师再做具体的课程调整,课程实施的具体价值和目标会更加显著。总之,基于移动学习目标做评价和考核体系的设定有突出的现实意义。
4总结
在大数据背景下,数据分析和利用能够为教育实践提供更好的参考,所以在教育教学中需要积极的利用大数据。计算机应用技术教学对于学生计算机使用能力提升有重要的帮助,但是目前的教育模式过于固定,不符合移动大环境,因此积极的分析移动学习的突出现实意义,并针对目前的教育教学问题做基于大数据的学生移动学习分析和讨论,这能够推进教育改革,实现教育和生活的有机融合。
参考文献
[1]董琰.大数据背景下中职计算机应用技术移动学习的研究[J].现代商贸工业,2017(32):66-67.
[2]柳甲荣.大数据背景下计算机技术在茶文化翻译中的应用研究[J].福建茶叶,2017(02):210-211.
[3]潘期辉.大数据背景下高校计算机应用基础课程创新教学初探[J].电脑知识与技术,2016,12(04):143-144.
1人工智能及大数据的概念
1.1人工智能
人工智能是一门利用计算机程序模拟人类智能的科学,其应用领域十分广泛,例如机器人、模式识别及专家系统等。人工智能的高科技产品,不仅实现了对人类思维的模拟,在某些方面还超过了人类。
1.2大数据
大数据是指海量信息的集合,一般用常规软件工具无法对其进行有效的采集、存储和处理,需要借助具有超强洞察力的大数据技术对其进行有效的采集、存储、处理、分析和共享。大数据技术能够有效地进行超大规模的并行处理,能够有效地处理结构化及半结构化的数据,具有较强的数据挖掘能力及分析决策能力。
2人工智能及大数据对软件技术专业人才的需求特点
2.1知识更新能力
人工智能及大数据技术日新月异,需要软件专业技术专业人才具有较强的知识更新能力,较强的自主学习能力,以及较高的技术应用能力。但目前相当一部分软件技术专业的大学生的自主学习能力不高,知识更新能力不强,亟需针对人工智能及大数据对软件技术专业人才的需求特点改进培养方案,增加相关课程,培养学生对新知识的理解和掌握尤为重要。
2.2创新思维能力
人工智能及大数据时代下,需要软件技术专业人才具备较强的适应创新能力,较强的开拓思维能力,以及较强的团队协作能力。但目前相当一部分软件技术专业的大学生的创新思维能力较差,新知识更新缺乏主动性,迫切行,学习意识不强。亟需针对人工智能及大数据对软件技术专业人才的需求特点创新改革培养方案,确定切实可行培养策略是学科发展的需要和任务。
2.3大数据分析能力
人工智能及大数据对人才的大数据分析能力要求较高,主要包括数据采集、数据整理、数据描述、数据统计分析和深度学习等诸多方面的能力。但目前相当一部分软件技术专业的大学生的大数据分析能力不够,不能很好地进行数据采集、存储、整理、描述、统计分析和归纳总结,亟需针对人工智能及大数据对软件技术专业人才的需求特点创新培养体系。
2.4软件开发及测试能力
人工智能及大数据对人才的软件开发及测试能力要求较高,主要包括软件分析、软件设计、软件实现和软件测试等方面的能力。但目前相当一部分软件技术专业的大学生的软件开发及测试能力较差,不能够有效地开展软件的规划、分析、设计、实现与测试等环节,亟需针对人工智能及大数据对软件技术专业人才的需求特点提升学生的软件开发与测试的实践能力。
3建设策略
3.1转变教学理念,顺应人工智能及大数据时展要求
传统的教学理念已经不能适应人工智能及大数据时代的要求,亟需转变教学理念,从而适应人工智能及大数据时代的要求,进而提升软件技术专业人才的培养质量。在人工智能及大数据背景下,学校应深入分析人工智能及大数据对软件技术专业人才的需求特点,从而有针对性的制定培养目标、培养任务和培养方案。在制定培养目标时,应着重考虑软件技术专业人才在人工智能及大数据时代应具备的能力素质。在制定培养任务时,应着重参考人工智能及大数据相关岗位的岗位要求。在制定培养方案时,应坚持以学生为主体,以学生为本,突出知识更新能力、自主学习能力、开拓创新能力、团队协作能力、大数据分析能力和软件开发及测试能力的培养。
3.2引导学生利用现代化、智能化的网络平台进行自主学习
为了更好地适应人工智能及大数据对软件技术专业人才的需求,应引导学生利用现代化、网络化和智能化的Web平台进行自主学习,从而提升学生的知识更新能力、开拓创新能力、解决问题的能力和团队协作能力。首先,在人工智能及大数据背景下,网络上涌现了大量的人工智能及大数据相关的学习资源,但这些网络资源存在良莠不齐的现象,因此教师应该引导学生如何搜索、鉴别和使用这些网络学习资源。然后,教师可以引导学生自由分组开展人工智能及大数据相关的学习,通过兴趣小组的方式激发学生对人工智能及大数据的学习热情,提升学生的自主学习能力,提升在线学习的效率。最后,教师可以自建教学网站,对网络资源进行筛选和优化,使学生能够更好地进行网络学习。
3.3构建大数据分析课程体系,提升学生的大数据分析能力
摘要:会计专业的突出特点是实践性很强。随着时代的进步和发展,会计专业原有的教学模式已经不能满足现代会计教育发展的需要和企业、社会对会计人才的要求。同时,随着信息技术的推广使用,大数据技术也快速进入各行业并在财务领域得到广泛应用,会计人才的数据收集、整理能力显得十分必要。因此,面对大数据时代的来临,传统的会计专业教学方式面临诸多挑战,已不能满足会计人才培养的要求。因此,适应大数据时代的发展趋势,进行会计专业教学创新,是当今会计人才培养的迫切需要。
关键词 :大数据;会计专业教学;创新研究
中图分类号:G71文献标志码:A文章编号:1000-8772(2015)25-0193-02
创新是一个国家发展的源泉与动力,“提高自主创新能力,建设创业型国家”也是我国发展战略的关键。因此,在新的历史发展时期,要求高职会计教师必须与时俱进,不断探讨新的教学方法,借鉴国外先进的教学理念,并结合高职会计专业的教育实际与市场发展趋势,对高职会计创新教学进行最优化设想。同时,随着信息技术的推广使用,大数据技术也快速进入各行业并在财务领域得到广泛应用,会计人才的数据收集、整理能力显得十分必要。因此,适应大数据时代的发展趋势,不断创新会计专业教学模式,对培养会计人才意义重大。
一、大数据在会计职业中的应用趋势
大数据时代开始于2013年,是从网络科技行业开始的新技术革命时代。大数据是现今社会经济发展的一大必然趋势,因此,会计专业所面向的诸如金融业、建筑业、快消业、快递业等行业也需要面临大数据的应用。各行各业的会计人员需要对处理和运用大数据进行相应的学习和研究,会计专业的教学也要紧跟职业和行业的发展趋势,对大数据背景下的会计教学进行创新。
在“大数据时代”背景下,公司在战略选择时越来越注重对市场进行数据分析,用客观的有依据的数据来作为判断基础,减少无数据支持的、不科学的臆断的决策。在所依据的决策数据中,会计对本企业和相关市场的数据统计和分析信息,尤其是其中隐藏的资本运动趋势和行业前景趋势的数据,就是决策最重要的依据之一。因此,会计对管理、决策的辅助职能将越发重要。高水平的、应用型的会计人才就是企业急缺的,会计专业教育也应该符合市场经济需要,创新教学的基本理念和模式方法,培养符合大数据工作要求的专业人才。
大数据所改变的主要是会计职业的工作对象,在相关的各个行业中,由于业务量激增,相应的数据量和信息量都大量涌入会计需要处理的数据中。以金融业为例,全民炒股的大热和互联网金融的兴起,要求会计处理更多的业务量,比如本金利息、投资收益、日成交量等等,需要会计人员运用电算化工作进行统计。会计人员还可以配合网络工程师进行相关软件和应用中具体算法的开发和校正。会计还要对大数据的工作状态进行统计和计算,辅助企业判断本公司的业绩、效果,总结企业各项业务的综合动态走势,帮助了解行业的发展趋势,辅助企业进行战略决策。这些会计业务也在处理空前巨大数据的背景下迎来新挑战。
二、大数据背景下会计专业教学创新的主要方向
大数据要求会计教学提高学习主动性。相对于对科技进步较为敏感的网络专业,会计专业的学生较为缺乏对新时代的敏感性和学习并适应新时代要求的主动性,会计专业的教学甚至科研都对大数据缺乏敏感度。在日新月异的新时代,会计教学不应只拘泥于传统的教学内容,更要培养学生的自主学习意识,帮助学生在走上工作岗位后,能够有不断更新自己、与时俱进和不断学习的习惯,才不会在发展浪潮中被淘汰。
学习的主动性来源于自主学习意识和对新知识的认知感。自主学习意识是人的主观能动作用,需要人对该事物的重要性和紧迫性有足够认知,并有足够自制力将其转化为积极主动的动力。在大数据背景下增强会计专业学生的自主学习能力,需要会计教学的教师们充实和更新教学的内容,紧跟时代步伐,到一线企业公司了解工作的实务内容和要求,将大数据的实例转化成题目或操作项目,引进到教学中来;还需要教师们创新教学手段,充分利用网络资源和数据,引进全方位、多角度的操作实践,让学生充分认识到大数据的运用与教科书上会计基本理论知识的区别,并将会计的基本原理,从课本题目的小数据,延伸到工作中的大数据中,熟练运用和操作大数据。
对新知识的认知感是青年学生的最大优势,在足够的兴趣和主动性影响下,青年学生对大数据时代新鲜事物的感知性可能是其教师们都比不上的。这时就需要教师们因势利导,充分发挥学生的认知感,认可学生的锐眼和创新想法,并组织学生进行交流,形成竞争意识,将学生对新知识的了解,转化为教学内容,并引导学生进行课内课外的主动交流,互通有无,团结协作,互相学习,研究创新。
三、大数据视角下会计专业教学的创新
目前高职院校会计专业人才培养理念拘泥于培养记账、算账甚至做账的会计从业人员。但是,会计专业学生所服务的有潜力的大中小型企业更需要会计人员在企业的战略管理方面提供服务,即需要会计管理能力,尤其是在交易量特别巨大的行业市场,需要会计人才对相关市场进行大数据的收集和分析,为企业中短期决策提供数据依据支持。
教学创新首先要做到教学理念的创新,只有理念先进了,教学改革创新才会顺利进行,否则传统势力的存在会对教学改革产生负面影响。从教学理念上看,会计专业的教学理念需要适应科技经济的社会发展需要,调整方向应该是:以核算能力的培养为基础,以会计管理能力的培养为核心,运用新的科技手段,掌握大数据的处理和分析。教师必须先从自身做起,更新自己的观念,充分体会和感受大数据对工作和生活的巨大影响。然后要对大数据在职业中的实际应用有所了解,对大数据给会计工作带来的机遇与挑战,知识的更新和创新有所了解,对社会的发展趋势紧紧把握,将最新的信息引入到教学中来。
在理念更新的基础上,会计教学要对课程计划进行创新,在传统教学的理论基础上,引进新的资源和知识体系,增强学生的实践技能和工作能力。同时,也将会计理论潜移默化地引入到大数据的要求中去,培养学生对大数据的编制能力、处理能力、运算能力、检查能力和总结能力。
从实际操作来看,会计专业教学的创新,要在保证学生拥有接入相关网络数据的、处理运算大数据能力的基础计算机硬件和软件设备的基础上进行。首先应培养学生在网络数据中挖掘有效资源的能力。教师在教学过程中应布置此类作业或实践项目,锻炼学生在网络上查找和筛选数据的能力。
在搜集数据的基础上,在保证学生对传统会计理论知识充分掌握的前提下,教师教学生使用相关软件进行数据分析,培养学生对数据的预处理和建模创新能力,帮助学生养成管理型会计的思维方式。另外,由于大数据的工作量巨大,实际会计工作往往是由一个会计团队合作进行的。在创新的课程中,必须通过课题或项目,让学生组成项目小组进行实践操作,通过团队合作完成项目的方式,使学生能够运用会计专业的各方面知识,分担会计工作流程中的各个工作岗位的角色,培养团队意识,学会分工合作,适应未来工作需要。
在开设检索课程和统计学课程之外,需要增设数据处理软件工具的实务操作课程,在会计电算化的要求下,会计教学中必须教会学生如何熟练、巧妙地使用电算化的相关软件,如excel、用友等。在学校里,学生学习的都是基本用法,但是在实际工作中,由于行业不同、企业不同、数据性质不同、计算需要不同,会计需要自己编制一些适合的表格进行计算。那么,复杂套表的设计,公式的运用等就需要会计灵活地使用软件进行设计,满足会计实际工作中的需要。
由于大数据的规模性和系统性,并且处理的数据量巨大,一个小小的差错就可能导致结果的很大误差或错误,会计工作中的准确性和对责任感的要求都是极为严格的。教学实践中需要步步留痕,每一个步骤都是由团队中的某位成员进行的,都有据可查,在作业结果错误时,对出错的成员进行“惩罚”,以示团队对准确性的严格要求,以利于团队成员中个人责任感的提升。教学中也可以建立学分之外的奖惩机制,在项目进行的过程中和项目完成后,对优秀学生进行奖励,对出过错误的学生进行“惩罚”。
课程中还可以结合实务技能,引用互联网上的实际数据,分门别类地对各行业的大数据进行立项分析,或者从某些大型企业的公开数据中,进行数据的引用,使用这些数据进行教学训练,模拟公司会计实务操作流程,使学生能够身临其境地进行大数据的计算和分析,以总结性论文、报告或演讲的形式将结论进行汇报,通过各组的相互对比,评价立项活动的各组业绩是否正确,从而进行学分评价。
完善会计网络教学平台建设和使用。学校可以设计搭建或引进会计网络教学平台,学生平时通过平台进行课程学习、完成和提交作业、完成随堂和结课测验等功能。运用网络促进学生学习,需要进一步完善网络软硬件设施的建设,及时升级更新教学平台,引进会计的大数据资源,进行相关数据的自动或手动的实时监控收集,套用常用的建模,划分统计模块,进行项目操作。同时,教学平台还要让学生查看学习作业和随堂测试结果,教师的评语和建议,及时了解自己不懂不会的知识点。教师也能全面了解学生随堂知识的掌握情况,掌握学生学习动态数据,随时改进教学进度和教学方法。
会计教学的创新还可以与行业公司进行合作,承揽一些实际的会计工作项目,如预决算、招投标、核标、工程评估、财务报表、统计、科研调查等。这一与关联公司的互动合作是互利互惠的,既能帮助公司完成工作,也能借此锻炼学生的工作能力,促使学生将理论与实践相结合,为学生的未来工作打好基础。
四、结语
大数据时代对各行各业的会计提出了不同挑战,同时也是相同要求。作为会计工作能力培养的会计专业教学,其创新是一个前程漫漫的过程。希望各高校、科研院所的教育从业人员能够进行理论和科研创新,进行教学实践的探索,互通有无,增加沟通,不吝讨论,共同开动脑力探索出对大数据新知识、新理论、新实践更为适合的会计人才培养新方法。
参考文献:
[1]赵润杰,论高等职业学校会计教育的创新[J],教学与职业,
2008(8).
[2]农海燕,适应“2+1”模式优化高职会计专业教学[J],经济与社
会发展,2008(10).
[3]高雁,浅析高职高专会计教学模式的创新,吉林省经济管理
干部学院学报[J],2010(6)(4)于沛、綦桂芬,教、学、做合一教
学法尝试[J],吉林商业高等专科学校学报,2000(3).
[5]吴飞美,浅析高职高专复合型市场营销人才培养模式[J],福
建商业高等专科学校学报,2006(2).
[6]孙建东、李卫红、赵钧铎,对高职高专《工商企业管理[》课程
创新建设的思考[J],科技情报开发与经济,2007(29).
[7]张导成,关于我院高职高专教育实践教学改革的思考[J],科
技创新导报,2009(11).