数据分析课堂

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇数据分析课堂范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

数据分析课堂范文第1篇

关键词：数据分析；翻转课堂；学情特征库；学习状态数据库；个性化教学

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2016）06-0031-03

近二十年来教育领域发生了许多重要的变化，包括教学内容的多元化、教学方法的现代化，这些变化得益于计算机、互联网等信息技术的长足发展。目前，信息技术的另一个制高点――大数据应用领域已经取得了突破性的进展，一个大规模生产、分享和应用海量数据的时代正在开启。

如何有效利用这些数据，使其服务于教育领域，优化教学过程，是教育工作者们亟待解决的问题。本文阐述了数据分析在英语翻转课堂教学中的应用，将标准化学习为主的教学方式转变为以学生为主体的个性化教学。

一、数据分析的概念

本文应用的数据分析技术包括数据挖掘和数据呈现两个方面。

数据挖掘，是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程。

数据呈现，是指经过数据挖掘以后形成的复杂信息，通过技术手段，以直观、清晰的方式呈现给用户，近年来数据可视化是数据呈现的一大热点。

数据可视化技术通过计算机图形图像和数据技术，将数据中隐藏的信息，以交互方式形象生动地展示给用户，辅助用户分析数据，发现数据中隐藏的特征、关系和模式，进而发现其中蕴含的规律。

在本文中，数据分析的对象主要包括：在翻转课堂教学过程中，教师的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库，以及学生在学习过程中产生的状态数据库。

二、英语翻转课堂的特点

“翻转课堂”源于美国的“Flipped Classroom”，是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授，课后学生通过练习消化；而翻转课堂则以学生为主体翻转过来，其模式是课前学生自主学习，课堂上教师引导学生内化知识。

翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识，而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法，引导学生学习的兴趣，让学生通过实践获得更牢固的知识和自主的学习能力。

英语教学与翻转课堂的完美融合，主要表现为以下几个方面：

1.课前自主学习环节

互联网为翻转课堂的课前教学提供了大量的优质教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标，然后通过对互联网教学资源进行筛选形成课程学习资源库，之后在教学平台上，同时鼓励学生自主查阅资料。

学生学习资源后，通过教师的系统化知识自测题，了解自己对知识的掌握程度，检测自主学习的情况，教师也能获得学生整体的课前学习状态情况。

2.课上内化环节

教师对学生群体具有的共性问题进行讲解，课上侧重学生的语言实践，利用团队协作、分组对抗等生动灵活的教学方式，促进学生在课上活学活用，对知识内化。

3.课后拓展环节

教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，巩固学习效果。

三、基于数据分析技术的英语翻转课堂教学

1.可用工具：Excel、Infogr 与大数据魔镜

Excel作为常用的分析工具，可以实现基本的数据分析工作，包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作，特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。

Infogr就是信息（information）和图像（graphic）的有机融合。在其官方网站infogr.am，教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图，其不仅使用门槛低，而且能够使教师和学生在短时间内获得有效的学习状态信息。

在本文中，主要使用Excel和infogr来制作和呈现学生个体学习特征库，并给予个性化指导与建议。学生在阅读自己的图像档案时，会用一种欣赏的态度观看，通过仔细咀嚼启动脑中图像分析的成份，对自己的优点和缺点理解更深刻。

大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点，主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据，将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中，使用大数据魔镜来分析教师资源的内容和组成成分，以及以时间轴为基准的学生学习行为数据库。

2.课前自主学习环节

数据分析课堂范文第2篇

关键词：微课程；移动终端；自主学习；数据结构；系统框架

中图分类号：G642 文献标识码：A

1 引言（Introduction）

随着便携式移动终端的发展，“碎片化”时间的利用率越来越高，人们进入了“微时代”。“微课程”成了时代的产物。所谓“微课”是指按照新课程标准及教学实践要求，以教学视频为主要载体，反映教师在课堂教学过程中针对某个知识点或教学环节而开展教与学活动的各种教学资源的有机组合[1]。现如今各高校大力推动微课程，组织各种微课程比赛，调动教师的积极性，“微课”对于教师来说已不是一个陌生的名词。然而，目前的微课程只是针对一门课程当中的一个组成部分，仅是单独讲解某个知识点，没有形成一门完整的课，还没有完全发挥微课程的优势，并没有应用于真正的教学当中。

《数据结构》课程是计算机课程体系中的专业基础课程[2]，作为程序设计的基础，数据结构课程不仅成为高校硕士研究生入取的必考科目，还是各企业招聘员工入职笔试中青睐的学科。如何让学生在课堂教学中对课程有更深刻的理解，并在复习考研和准备找工作中进行更好的自主学习，成为数据结构课程教学的研究重点，本文在分析数据结构教学现状的基础上通过对数据结构知识点的分析，构建合理的数据结构微课程框架，并将其应用于教学中，使得学生能更好的应用“微课程”进行学习。

2 数据结构课程的现状分析（Current situation

analysis of data structure）

数据结构课程是一门比较抽象的课程，而且学生本身知识储备不足[2]，所以仅靠课堂上的讲解，不能使学生达到很好的消化吸收的效果。目前，很多高校也开发了网络教学平台，积极倡导教师和学生通过网络平台实现在线探讨交流，通过对网络教学平台的建设，如将大纲日历、教案、教学课件，教学视频上传到教学平台，使学生增加课下自主学习的意识，同时，老师在上课的时候也会给学生提供一些教学视频的网站，如清华教育在线等，然而，虽然教学平台的建设很完整，教师提供的教学视频也很不错，学生却很少好好利用网络教学平台或教师提供的网络视频进行自主学习。主要原因有三点：

（1）教师的课堂教学主要以集中讲授为主，并没有引导学生利用网络教学平台的资源进行自主学习，学生把网络教学平台当成了一个简单的提交作业、下载课件的平台。

（2）教学平台的内容过于繁多，视频基本上为课堂讲授的视频，即使有学生想课下自主学习，在看到45分钟甚至90分钟的教学视频也会打退堂鼓。

（3）教师提供的教学视频，如清华教育在线虽是名校老师讲解，但对于一般高校的学生来说讲解内容过深，没有针对性，很多学生觉得听不懂，打消了自主学习的积极性。

通过“微课程”的概念，专家学者认为“微课程”就是针对一个具体的知识点在短时间内（一般为10分钟左右）做简单明确的讲解，这种讲解不是泛泛的介绍，而是通过精心的设计，最终完成容量小，内容精的视频制作[3]。可以说，“微课程”的出现为我们解决数据结构自主学习难的状况提供了很好的解决方案。如何做到容量小，内容精成了“微课程”视频制作的关键，也是本文的研究重点。

3 基于微课程的数据结构模块化设计与实现

（Modular design and implementation of data

structure based on micro-lecture）

本文依据清华大学出版社出版的严蔚编的数据结构教材[4]进行知识点的划分，构建知识点的模块化，并将其应用在教学中。

3.1 数据结构相关知识点的分析与研究

数据结构课程研究的是数据和数据之间的关系，其基本分为四大类：集合、线性结构、树形结构和图形结构。在数据结构课程中，主要讲解的是后三种结构的逻辑结构、物理结构，以及相关算法的实现。在课程的最后讲解了利用已学过的数据结构解决基本的查找和排序的问题。

上述这些知识点中都具有一定的顺序性、关联性，但又相互独立。如果只是把课程讲解的内容分解成10分钟之内的小视频，除了时间上看着短了以外，没有改变课堂讲解的实质，没有做到真正意义上的微课程。在多年教学经验的指导下，本文要研究的是什么样的知识点适合做成微课程，让学生课下自主学习，课上共同讨论，培养学生自主学习的能力，并且在考试复习时通过温习微课程的视频可以更快的掌握主要题型的解决方法，节约复习时间。

微课程知识点的设定原则为5―20分钟可以被清晰地讲解，且尽量不涉及程序性的内容。栈和队列可以说是操作受限的线性表，其抽象数据类型和现实生活中的很多例子都有相似性，可以将其作为微课程的一个知识点，让学生自主学习。在树形结构中，如何在连续的存储空间中把非线性的东西表示出来可以在短时间内很经典的讲解出来，其链表的表示所以也非常适合做成微课程。二叉树的结构和树非常像，对二叉树的遍历，以及树和森林的转化都是比较独立的知识点，其方法不涉及难理解的程序，将这些放入微课程中。赫夫曼树是二叉树的重要应用，其构造方法可以放入微课程的知识点框架中。在图形结构中图的邻接矩阵表示法和邻接表表示法都可以作为微课程的一部分，深度优先遍历和广度优先遍历的算法虽然不易理解，但其求解方法的思想却可以通过微课程表达出来。最小生成树，关键路径，单源最短路径都是图里的应用，仅把问题的解决方法放入微课程中是比较好的选择。在查找中的折半查找和二叉排序树的构造都是独立的知识点，可以很好的用于微课程的制作。在排序中，会选择相对复杂一些的快速排序和堆排序，仅仅介绍排序的思想。微课程的知识点设定如图1所示。

3.2 翻转课堂辅助数据结构微课程的实现

学生在刚接触数据结构时会觉得特别的抽象，其基本概念和相关的术语并不适合让学生自主学习，线性表是学生接触的第一种线性结构，其逻辑结构，顺序存储和链式存储，以及插入删除等操作都非常的重要，但多数都是枯燥的程序，想让学生在短时间内掌握其精髓并不是一件容易的事，如果这个部分让学生自主学习很可能会打消学生的积极性，所以前几节课程并不适合做翻转课程。在学生已经对线性表有所掌握的情况下，可以将栈和队列的逻辑结构微课程要求学生自己学习，在课堂上进行讨论，在讨论的基础上讲解实现通过自主学习了解的各种操作的程序。树形结构是学生接触的第一种非线性结构，所以其逻辑结构需要在课堂上进行讲解，虽然树形结构的存储结构已经安排在微课程中，但由于是学生第一次接触，所以本微课程部分并不作为翻转课堂的一部分，学生在复习时可以通过微课程进行复习，以更好的掌握知识点。而二叉树的相关微课程可以要求学生自行学习，在课堂上根据学生学习的结果共同研究算法的实现。图形结构和树形结构都属于非线性结构，所以二者具有很多相似的地方，可以由学生自主学习课堂讨论，通过讨论的情况分析学生的掌握情况，因为微课程的内容简单，重要的算法实现还需要在课堂上详细讲解。经过前面的学习，插入和排序的内容无论是应用方面还是程序实现方面都由学生自主完成，通过讨论和测试考察学生的掌握情况。

经过和微课程相结合的翻转课程的设计，使学生习惯通过微课程进行学习，掌握自主学习的能力。

4 结论（Conclusion）

微课程的系统框架对微课程的制作起到了指挥棒的作用，在总体框架下进行各个微课程的制作，在制作过程中绝不仅仅是录制简单的视频，虽然仅仅是10分钟左右，但工作量绝不亚于一节课的准备，不仅要对微课程设计方案，制作电子课件，还要精心准备习题，并配合易理解的答案。只有一个完整系统的微课程，再加上与课堂的相辅相成，才能使得学生在课下自主学习时更有针对性，学生学的更明白，课上讨论也会更丰富，形成良性循环，真正实现了教师学生共同授课，共同讨论的多样化教学体系。

参考文献（References）

[1] 梁乐明，曹俏俏，张宝辉.微课程设计模式研究――基于国内

外微课程的对比分析[J].开放教育研究，2013，19（1）：65-73.

[2] 董丽薇.“数据结构”课程教学方法的改进[J].沈阳师范大学

学报：自然科学版，2012，30（2）：307-309.

[3] 刘名卓，祝智庭.微课程的设计分析与模型构建[J].中国电化

教育，2013，（12）：127-131.

[4] 严蔚敏，吴伟民.数据结构（C语言版）[M].北京：清华大学出版

社，2012.

作者简介：

董丽薇（1981-），女，博士生，讲师.研究领域：供应链管理.

数据分析课堂范文第3篇

关键词：大数据时代；预测性；数据分析能力

随着大数据时代的来临，教育事业发生了重大的变革，大数据技术已经被广泛运用在高校教育评价、课堂教学、教育模式等各个方面。课堂教学是高校教育中最为有效的教育途径，在大数据时代背景下的高效课堂教学发展趋势，值得广大教育者重点关注研究，这可以加强大数据技术在课堂教学中的应用，提高教学质量。

一、大数据相关概述

大数据主要指在高速发展的网络信息技术下，所呈现的巨量数据信息以及随之而产生的相关处理技术。大数据具有庞大的数据量，涉及的数据类型多种多样，数据价值的密度相对较低，并且对数据的时效性要求较高。其技术能够将复杂信息中有价值的数据筛选出来，为人们的工作生活带来了极大的便利，其广泛运用到生活中的各个领域，将会推动新技术的快速发展。

二、大数据时代对高校课堂教学的影响

高校的学科发展越来越复杂，尤其是交叉学科，需要教师不仅能够掌握本学科的相关知识，还要时刻关注其他学科的发展动态，并不断学习相关联的学科知识。大数据时代的到来使教师能够通过多重技术手段获取需要的信息数据，并利用信息的共享性，不断挖掘学科前沿信息，预测其发展动态，从而提升自身的教学水平。

在课堂教学中，融入大数据技术，利用与教学内容相符的视频等资源，可以使学生深入了解理论知识。或是利用大数据技术演示具有危险性的实验，避免危险实验对学生的人身安全造成威胁，通过生动形象的画面让学生充分了解实验步骤和注意事项，并利用回放功能加深学生印象，使学生既避免了实验的危险性，又提升了学习的兴趣，同时也为学校减少了一笔昂贵的实验经费。

很多学校的学生课堂行为都会被摄像系统记录，大数据时代的技术能够帮助教师对学生的学习行为等进行整理分析，使教师充分了解学生的学习情况，根据学生的差异性实施不同的教学方法。

三、大数据时代背景下高校课堂教学的发展趋势

1.增加预测性判断

教育过程具有计划性，教师与学生通常是按照教学计划进行教学活动的。大数据时代的到来，将会为教师的课堂教学提供依据。利用大数据技术对学生的学习情况和日常行为进行整理分析，教师可以充分了解适合学生的教学方法、学习时间、学习方式、理论实践方法等，进而对课堂教学的方法、内容和时间进行相应调整。大数据技术还可以预测学生思想、行为的发展倾向，帮助教师在课堂教学中对学生的不良行为进行有效预防。

大数据时代背景下的高校课堂教学，将会增加预测性判断，提升教师的教育主动权，约束学生行为，提高学习效果，培养学生成为身心健康的综合型人才。

2.发挥教师数据分析能力

大数据时代，高校教师不仅要具备丰富的专业知识，还需要一定的数据分析能力来适应数据支持的决策文化。教师的专业知识水平对课堂教学质量有着直接影响，是教师专业性和教学水平的重要衡量标准。随着大数据时代的到来，教师对教育数据的分析能力，也逐渐成为教学质量的重要影响因素。教师需要在复杂的数据中，找到与学生相关联的、有价值的信息，并运用在课堂教学中，有效地提高学生的学习效果，维护学生的身心健康。因此，其数据分析能力在高校课堂教学中的地位至关重要，在高校课堂教学中充分发挥教师的数据分析能力，已成为高校课堂教学的必然发展趋势。

为了应对这一趋势，高校应适应市场需求，转变传统观念，增加开设数据分析课程，积极培养专业性强并且数据分析能力高的复合型教师人才。

3.个性化教育

大数据技术能够将学生在互联网上留下的所有信息进行总结，对学生过去的行为数据进行分析，教师可以通过分析结果，对学生的兴趣爱好、心理特征、行为特点等进行了解，并具体问题具体分析，明确学生的差异性，适当调整课堂教学的内容、方式及时间安排，对学生因材施教。

大数据时代的来临使教师能够更深入地了解学生，以制订更加科学合理的教学方法。高校课堂教学也将趋于个性化教育发展，更加尊重学生的差异性，不断调整教学策略，以提高学生的学习质量和教师的教学效果。

大数据时代的到来，对社会上各个领域都产生了一定影响，高校课堂教学也深受大数据时代的影响，开始广泛运用大数据技术，以提升教师的教学质量和学生学习效果。增加预测性判断、提高教师数据分析能力、个性化教育已经成为大数据时代背景下高校课堂教学的必然趋势，广大教育工作者应更加深入研究，加强大数据时代高校课堂教学的有效性，推动高校教育的健康、快速发展。

参考文献：

数据分析课堂范文第4篇

[关键词]电子商务；数据化营销；教学方法

doi：10.3969/j.issn.1673 - 0194.2017.08.132

[中图分类号]F713.5-4；G712.4 [文献标识码]A [文章编号]1673-0194（2017）08-0-02

义乌工商职业技术学院电子商务专业自建立以来自始至终以创业为培养目标，而日益变化的电子商务模式、日益激烈的市场竞争敦促职业院校必须改革教学方式、改进教学设计，从而培养电子商务技能型人才，与实战创业无缝连接。

1 课堂现状

随着互联网和移动电子商务的发展，“低头族”越来越多，人们沉迷于互联网的世界乐此不疲，大学生亦难以幸免。与本科大学生相比，高职院校的学生，好动、好实践，对于理论知识的理解和掌握能力不足。数据化营销课程侃侃而谈的教学模式成为学生的催眠神器，大量的理论阐述和数据分析让学生无所适从，学而无用。要把学而无用转化为学而有用，势必要进行课堂教学改革，创新课堂设计，改进教学方式，让学生在实践中掌握技能。

电子商务专业的强实操性，要求学生全面掌握网络店铺运营的技能，包括产品定位、货源选择、物流选择、美工策划与客服推广等。学生要想创业、就业，需要的是真本事，而非纸上谈兵。本文通过引入企业项目管理模式，创新数据化营销课堂设计，让学生在学习中工作，在工作在学习。

2 企业项目管理模式

企业项目的开展往往跨越职能部门，如何进行组织管理、合理优化资源配置，是企业需要重点考虑的问题。在这种情况下，矩阵型的企业项目管理模式应运而生。该模式设置了与各职能部门平行的专门的项目管理办公室（PMO），负责企业整个的项目管理，专职的项目经理都归PMO，作为PMO的一个实权代表管理一个项目。本文的研究旨在将企业项目管理模式与课堂教学设计合二为一，开展教学与实践项目。

3 “项目管理办公室”进课堂

将企业项目管理模式引入课堂教学，是开展校企合作的必然要求，同时也为学生在今后的顶岗实习、毕业实习奠定坚实基础。为此，本文探索在数据化营销课堂教学中，成立“项目管理办公室”，组建项目团队，由“项目经理”负责组织实施，在校内校外参与实战。各项目团队以淘宝店铺为项目载体，优化店铺运营的各项指标数据，从而进行数据分析和营销策略的制定。

“项目管理办公室”职能及项目团队岗位职责具体如下。

3.1 项目经理人

①负责网店整体规划、营销、推广、客户关系管理等系统经营性工作；②负责网店的日常维护，及时发现网站异常状况，保证网店的正常运作；③负责收集市场和行业信息，分析竞争对手或竞争产品，挖掘潜在优势；④制订店铺未来发展方案，包括预期目标、实现途径、策略调整等内容，带领团队完成销售业绩目标。

3.2 数据分析员

①熟练掌握店铺数据分析工具：生意参谋、客户关系管理、Office办公软件；②实时跟踪店铺流量、搜索排名等数据，出现异常、大幅波动等情况及时反馈；③搜集行业内相关产品信息，通过分析关键词搜索量、在架产品数、竞争价格等因素，不断挖掘潜力爆款产品，建立候选爆款产品资源库；④定期整理店铺直通车、优惠券等推广活动的投入成效，及时改进营销方案，提高转化率。

3.3 文案

①负责店铺产品文字编辑，包括宝贝详情页的文字介绍、店铺公告、品牌文化等；负责店铺上传宝贝的相关工作，包括产品摄影、图片修改；②升级店铺主页，根据产品定位的主题、店铺活动主题等，适时进行店铺整体美化。

3.4 运营助理

①策划并制订店产品推广方案（包括淘宝推广、论坛推广、微博营销与旺旺推广等）等营销工作；②负责店铺与标题关键字策略优化、搜索引擎营销、直通车、淘宝客等推广工作；③通过运用客户关系管理等服务，做好客户档案管理工作，描绘客户画像，做到精准营销。

3.5 客服

①负责在淘宝上和顾客沟通，解答顾客售前咨询，引导用户购买，促成交易；

②负责客户关系维护工作，解答顾客对产品和购买服务的疑，消除顾客疑虑；

③负责客户疑难订单的追踪和查件，处理评价、投诉等，合理、有效解决问题。

3.6 宣讲员

宣讲员主要负责撰写任务执行情况报告，同时对团队的阶段性成果和存在的问题进行汇报。

4 课程设计

数据化营销课程的宗旨在于对淘宝店铺的产品定位、产品文案、产品营销进行量化分析，掌握淘宝运营的消费者需求分析、竞争对手分析，规划适合的产品类目，确定店铺潜力产品，从而进行店铺运营的一系列过程。通过借鉴企业项目管理模式，发挥团队合作优势，把学习任务贯穿于实训项目的始终，实现边学边练。

4.1 阶段一：圆桌学习，经理引领

首先，通过自荐和推荐双重方式推选出项目经理人，余下学生竞争上岗数据分析员、文案、运营助理、客服与宣讲员等5个岗位，组成6人项目团队。课堂的学习、任务的完成、成果的汇报都将以项目团队为单位，圆桌学习、畅所欲言、互通有无。

4.2 阶段二：任务驱动，稳步推进

本课程设置产品定位、文案创作、店铺运营与项目成果汇报等4个任务。针对任务要求，学习使用所需的数据分析工具、操作软件、应用服务，熟悉所有具体的操作方法及手段，掌握任务开展所需的基本技能，并应用于店铺运营实战。课程所设任务内容涵盖淘宝店铺运营全过程，实现店铺销量从无到有、从有到多、从多到稳的进阶。

任务一：店铺产品定位。主要学习生意参谋的使用，掌握关键词搜索量、在架产品数、直通车平均出价、竞争对手出价与采购成本等分析方法及手段。

任务二：产品文案创作。通过运用PhotoShop、Office办公软件制作产品、品牌文案。

任务三：转化与流量。通过淘宝推广活动和客户关系管理，掌握淘宝卖家中心、直通车等付费推广、会员制、优惠券、客户画像、手淘短链与RFM模型等分析方法。

任务四：项目成果汇报。项目成果包括货源选择、竞争对手分析、后期推广方法、流量获取、转化率提高与客单价提升手段等。

4.3 阶段三：过程考核，竞争“上位”

传统的期末考试一张纸，无法适应日新月异的电子商务发展；生硬的实训报告考查，结构单一，借鉴性较强，自主完成率无法保障。本次教改课题的目标就是建立新型考核制度：任务驱动，实时跟踪，项目团队每周上报店铺销量趋势图、产品单价变化图、文案修改方案、运营推广方案和改进成效，注重过程考核，增强补弱，提高竞争意识。考核指标主要为爆款点击率（20%）、爆款转化率（20%）、店铺总销量（30%）、店铺销售额（20%）、店铺评分（10%）。

5 预期成效

本文探索了引入企业项目管理模式于数据化营销课堂教学设计中，打造项目管理办公室，以项目团队为单位实施项目任务并进行考核。通过团队合作、任务驱动、竞争机制等充分调动学生参与课堂学习的积极性，并在项目团队组建环节实现学生资源优化配置，从而提高教学质量，切实提升课堂教学的有效性。

主要参考文献

[1]胡九凌. 数据分析在淘宝店运营中的应用探究[J]. 财讯，2016（16）.

数据分析课堂范文第5篇

当下的教学环境不仅教师教得辛苦，学生也学得辛苦．过去教师批改作业和课外辅导耗费了大量的精力，错题数据统计速度慢、难度大，使得教师面对大班很难做到个性化教学．随着“互联网＋教育”时代的到来，教育正面临着难得的发展机遇．大数据改变着人们的生活，人们也意识到数据的重要性．许多行业正依托着数据分析做决策，如医院基于大量的临床诊疗数据分析，较好地提升了治疗水平；时代推动教育朝着基于学习数据的精准教学迈进，学校积极探索依托数据分析开展教学，提高教学的有效性．近年来国家先后出台一系列纲领性文件指导教育改革，为学校深入开展教学研究指明方向，对互联网背景下基于数据分析的精准教学提供参考．

二、理解数据的统计功能，关注数据成教育新常态

教学评估最直接最有效的手段就是考试，按照传统的方法，对每场考试改卷及成绩细致分析，都需要耗费大量的时间与精力．若借助大数据对考试进行精准分析，就会让学生的成绩一目了然．数据可以多维度立体化地呈现成绩．从统计角度来说，既能统计每个学生的进退情况，也可统计班级或整年段的考试情况；从分析维度来说，既可横向分析，也可纵向成绩对比跟踪；从数据分析结果来说，既有学生个人的分析结果，也有学生全体的分析结果．借助数据平台每次考试都会生成考试报告，图表展示的分析结果形象地体现了班级之间的差异和变化，个人的成长变化等．教师可根据分析结果发现不足，找到改善教学的方法，因材施教，提高学生学习能力和教学效率．更重要的是大数据能够让我们更全面地看待学生的发展，发现以往考试成绩所反映不了的深层次问题，从而为精准教学的实施提供了可能．

三、实践闭环式教学，聚焦薄弱点成教学新关注

数据分析下的精准教学通常包含：“数据采集图1———知识点筛选———薄弱点精讲———课堂反馈分析———布置作业反馈———数据采集”的闭环式步骤（如图1），实现教学的良性互动．1．准确的数据采集为精准教学奠定基础数据是无声的现象表达，学生的阶段性考试或练习都会在数据平台留下“痕迹”，平台会根据学生的考试得分率和平时作业准确率自动生成分析报告．报告能反馈出学生学习的各种数据．教师备课的首要任务是整合平台内的横向、纵向数据对比，找到有用的考试数据，这是实施精准教学的前提．比如，表1以量化形式分别呈现年段和班级学生在选择题、填空题等题型的答题表现．通过数据比较，教师可以了解到班级平均分与年段平均分的差距；以A老师任教的6班为例，A老师发现6班在各种题型的得分率都高于年段，解答题的表现比同年段的1班好，但在选择题、填空题两种题型的表现都不如1班同学，故A老师应该侧重对6班同学的选择题、填空题进行分析．进一步逐一分析比对可以依次找出6班选择题、填空题和1班同学的差距在哪些题目．如表2，A老师发现造成6班选择题表现不佳的原因是学生在选择题第5题的表现不如1班同学．着重对选择题第5题的题干和选项进行认真细致地分析，结合每个小题中A，B，C，D四个选项，各个选项的选择人数分析了解学生犯错误的原因（如图2）．通过数据分析能让教师精准聚焦到对应题型的得分表现，寻找分值差距较大的题型．选择题各小题得分情况，可以清楚地反馈出6班同学在哪些小题需要加强．A老师通过对这几个小题A，B，C，D四个选项的选择人数，可以更进一步地了解错误的具体原因，使得讲评的针对性更清晰，不必个个选项逐一讲解，可集中花时间突破知识点的不足，这样针对一次考试或作业的数据分析采集和定位就基本完成．2．知识点的筛查是突破薄弱点的关键试卷的分析讲评，不能一题题地走流水线讲评，需要对试题进行整合，梳理出考查的知识点分布，某个知识点的考查角度，这样的试卷讲评才会更加有效率，学生的收效也会更大．分析题目必须能透过试题了解背后考查的知识点，理解命题者的真正考查意图，从整卷的知识点考查得分率入手，可以抛开试题本身去揭示学生在知识层面的掌握情况．如A老师从选择题第5题所考查的知识点入手，结合知识点的得分率定位学生的知识缺漏（如表3），高度精准归类分析对焦瞄准“靶心”组织教学．3．发挥数据的诊断功能，让教学精准到“点”经过“数据采集———知识点筛查”环节，A老师备课时能准确定位学生的知识薄弱点，备课时便可以重点关注，合理准备教学内容，课堂教学时集中力量攻克薄弱知识点．从考题的分析反馈了解学生对知识点的理解偏差，做好巩固性练习精讲，配套习题的选择要能巩固学生失分知识点，加深对知识点的记忆和理解，实现问题的精准突破．图3根据试卷反馈出来的失分点，针对性地安排若干典型例题进行“点对点”的精准补缺补漏．同时教师也能发现班级优势和不足，及时反思总结教学不足，教学将更加有方向性和目的性，避免了过去仅凭经验教学的盲目性．例题讲评完毕，A老师会针对性地给出配套的随堂练习，利用平板电脑让学生当堂上传，通过数据分析了解知识的巩固情况，对随堂练习反映出来的问题和学生答题的“易错点”再次讲评布置课外作业，上传到数据平台后教师批阅形成作业数据报告，这样就形成教学的完整闭环，实现教学和纠错的无缝对接，数据反馈与精准教学彼此互动，实现薄弱点的精准突破，助力学生学习能力的提高和核心素养的培养．从一次考试的平台综合数据分析，可以从多维度寻找到学生的薄弱点，表1—表3及图2分别从题型得分率、选择题得分率、选择题选项人数和知识点得分率梳理出一次考试的完整分析报告，根据考试报告了解学生的薄弱点，帮助教师在教学时精准对焦学生失分点，把握教学重点补缺补漏，用有限时间高效率聚焦典型错误组织教学．

四、关注平台的数据跟踪，实现教学的“点面突破”

一次考试的结果会受到学生心态、学习情况和外部干扰等不同因素的影响，为了更加精准地收集数据，教师可以从数据库中综合几次考试的数据，形成一周、一个月或一学期的考试数据反馈，并根据学情作个性化针对性教学．表4排查出学生对知识点的掌握程度，从中筛查出学习缺漏，根据知识点的得分率情况安排教学内容，对那些得分率较差的知识点作巩固性教学，实现点对点精准教学补缺，让学生实现学有长进，避免反复性的重复无用教学．