大数据课程总结

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篇大数据课程总结范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

大数据课程总结范文第1篇

应用统计专业学位的设立是为了适应现代统计事业发展对应用统计专门人才的需要而设置的，它的培养目标主要是让学生掌握扎实的理论基础和系统的专业知识和技能，具备数据采集、整理、分析和开发的能力，能够从事统计调查咨询、数据分析等“应用型”统计专门人才[5]110-111。然而，在大数据环境下实现的数据分析已不再局限于某一类特殊的行业统计分析需要，各行各业的运作发展都越来越依赖于大数据环境的存储、计算、统计分析与决策。对于多样化的大数据集，其所涉及的内容和知识结构必然是不同学科的交叉应用。大数据时代的数据分析专业人才的培养目标并不仅仅是传统的数据收集、整理与分析，而是需要掌握能适应大数据特点的新的研究方法和独立分析的能力，能很好地融会贯通其他专业的知识内涵，成为真正意义的专业大数据分析人才。然而传统的统计学人才培养目标和教学模式并不符合社会对大数据分析专业能力的要求。参考和借鉴文献[6-7]8-9,226提出来的一些建议，笔者探索从以下几个方面对人才培养目标和教学培养模式进行改革：（一）走出校园，深入社会，挖掘并归纳出社会用人单位对数据分析专业职位技能和能力素质要求，进而制定符合社会需求的人才培养目标，以市场需求为导向更好地指导教学实践活动。为了更好地为用人单位输送符合大数据时代需求的专业数据分析人才，尝试对高年级学生的培养方案设计中考虑以岗位需求为标准灵活调整和制定相应的培养目标和内容。（二）参考国外本科生专业人才培养的先进理念，引入“协作式”培养模式，大力支持大型企业与高校合作或高校与高校合作培养复合型和开发型人才。各个高校、企业可以发挥各自专业特长来实现合作，高校的不同专业之间也应该加强沟通和协作，例如在制定应用统计专业数据分析人才培养方案及实施过程中，可以以统计学科所在的学院为主导，让计算机学科、经济、金融及管理学科等相关学院协作参与完成[8-9]60-64。（三）总结教学过程存在的不足，探索新的知识学习和能力培养的创新模式。目前的教学活动主要以老师独立授课，学生被动接受知识为主的方式，培养过程计划性强，缺乏弹性，培养的评价也过于单一。在本科生培养中可以引入课程学习、导师指导和科学研究三个阶段，考虑采用导师指导与集体培养相结合的方式，一门专业课程的讲授不再局限于单个老师完成，在培养方案中考虑主题分组方式，鼓励授课教师根据自己的专业特点和知识背景共同参与一门课程的教学活动。多名教师协同工作的模式可以取长补短，在大数据分析的实际案例设计及课程内容上都更加贴近实际需求，产生更好的教学效果[6]8-9。

二、基于大数据分析的特点科学构建课程体系

大数据背景下，人们可以通过互联网、数据库以及各种通信工具获得海量数据，人们日常生活、学习和工作的各类事物都可以实现信息化，世界几乎是由各种信息和数据所构成的。大数据的特点可以归结为四个V,数量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高(Velocity)[6]8-9。大数据的真正意义不在于能提供庞大的数据量，而是对海量的数据进行专业的处理和分析，并从中获取用户关注的信息。结合当前互联网应用中大数据本身的特点，从大数据中挖掘出重要知识并对之深度学习和分析的工具和方法也应与时俱进地发生改变，传统的统计方法和统计分析工具已无法满足大数据分析的需要。然而，在大多数高等院校中，统计学专业人才培养的课程体系并没有考虑社会的实际应用需求，仍然停留在以传统的统计模型框架为主导的课程体系设置，本科生教育的主要专业课程包括：数学分析、高等概率论与数理统计、应用随机过程、回归分析和多元统计分析等[10]248-249，这些课程内容和知识结构还不足以满足大数据时代对数据分析专业人才知识结构的要求，课程体系设置中缺少能有效整合的数据分析能力培养模块[11]66-68。因此，有必要针对各类院校师生各自的专业特点和学科基础，分层次、分阶段地展开课程体系改革。（一）参考国内外先进高校大数据分析专业的课程设置，结合本校的师资和专业结构特点采取灵活的策略制定课程计划，在实施学分制改革的高校中各类学生可以在学业导师指导下实施符合学生自身特点的课程学习方案。（二）以大数据分析人才需求驱动的课程体系改革要考虑市场的行业需求变化、大数据应用中跨学科的特点。素质好的数据分析人员不仅仅要具备专业的数据分析能力，还应该对具体数据中涉及的学科知识有较好的储备，能将不同行业的专业知识与数据分析紧密关联起来，实现大数据分析的效用最大化。此外，在充分借鉴国内外大学成功经验的基础上，课程设置应该与学生的学术倾向和基础能力紧密结合，注重基础课程教育的同时强调文理渗透，同时要兼顾学生的兴趣与学习的联系，在课程体系的设置中需要增设一些多领域、跨学科的选修课程，如经济学、金融学、保险学、管理学和会计学等。因此，校内跨学科或高校与高校之间联合培养是实现跨学科课程建设的有效方法之一。（三）科学构建课程体系的主要思路还包括根据大数据时代需求，对专业必修和专业选修课程在课程时间、顺序及内容等方面进行改革。专业必修课程重点内容为统计学和计算机科学的交叉部分，在讲授统计基础理论（如多元统计、决策树、时间序列等）课程基础上设置大数据案例分析课程，在案例分析过程中让学生实际操作企业当前应用的大数据计算平台[6]8-9，从而增强学生大规模分布式计算技能。为提高学生的实际动手和二次开发能力，专业选修课程需更多地开设与数据挖掘及面向数据的编程语言相关的课程，如数据挖掘算法、C++、Java和Python等课程，强化学生的数据挖掘和分析能力。

三、基于协同创新的理念开展实践教学改革

近几年，随着应用型、创新型人才培养目标的提出，学校越来越重视和加强对各类专业人才实践教学能力的培养，以“数据分析”为方向的专业人才需要运用统计分析软件对数据进行分析和决策，其实践教学的重要性更是不言而喻。然而，在大数据被广泛应用的时代背景下，高等院校中的实践教学仍然是培养高层次“大数据分析”人才的薄弱环节，实践教学教材及内容不规范、教学方法单一、软硬件的更新以及师资储备等方面都存在着一些问题[12]96-97。例如以模型驱动为主的实践教学模式已不适应大数据时代的要求，大数据时代数据是海量且复杂的，用简单的SPSS、Eviews为主的软件教学已无法处理大数据[5]110-111。因此，学习其他知名高校构建的协同创新的理念，结合财经类院校的统计学科及人才培养的特点，开展实践教学改革[13]248-249。对“数据分析”专业人才实践教学改革，笔者的建议如下：（一）根据协同创新理念，解决实践教学环节存在的实验教材（教学内容）缺乏实用性的问题，一方面可以参考企业对数据分析师、调查分析师资格认证相关培训教材，开发实用性强的《数据分析》实践教材，另一方面学校可以和企业或其他高校定期举办交流座谈会，面向企业需求甄选实践教学内容。（二）高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，借鉴协同创新联合培养的模式可以有效充分地利用企业、学校的各方面师资资源。例如北京大学、中国科学院、中国人民大学、中央财经大学、首都经济贸易大学5所高校已经与政府部门和产业界签署了联合培养大数据分析应用人才的合作协议[14]。广东财经大学也可以参照类似联合培养的做法，和广东其他高校、政府和企业合作。一方面企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[15]29-32。（三）为了激发学生的学习热情，减少对实践操作的畏难情绪，实验课程的教学方法也需要探索创新性实践教育模式。教学过程可以考虑灵活的制定团队教学计划、案例实战分析、模拟实训等多样化的方式，减少单一的课堂内容讲授，在理论和实践教学环节中积极调动学生的主观能动性，提供更真实的企业大数据应用环境，并以学生为主完成实际案例分析。此外，基于不同的授课对象的特点，老师在教学过程中也要适当考虑学生的兴趣和需求，随时调整实验教学策略[9]。

大数据课程总结范文第2篇

关键词：大数据时代；地方应用型高校；软件工程专业；课程体系

0引言

大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受人们的关注，大数据技术正从概念转向实际的应用，涌现出越来越多的大数据技术应用成功案例，大数据的价值也在迅速增长。2015年，中国大数据市场规模达到115．9亿元人民币，增速达38％，预计2016～2018年中国大数据市场规模将维持40％左右的高速增长［1］。大数据时代的到来，使得软件行业对人才的应用能力和综合素质提出了更高的要求。咸阳师范学院作为咸阳市地方应用型高校以服务咸阳地区经济社会发展为己任，肩负着培养满足咸阳地方社会需求软件人才的使命，需要把培养面向大数据时代的软件工程专业人才作为战略任务来抓。而课程体系的建设是软件工程专业人才培养体系最重要的一个方面。本文通过分析我院传统软件工程专业课程体系，以及大数据时代下企业对软件工程专业人才要求，找出大数据时代下软件工程专业应用型人才中课程体系存在的问题，探索出我院面向大数据环境的应用型软件工程人才中课程体系的建设。

1我院软件工程专业传统的课程体系

自我院计算机系成立以来，软件工程专业一直是我院重点建设专业。2013年，“‘3＋1’校企合作软件人才培养模式创新实验区”被确定为省级人才培养模式创新实验区。一直以来，该专业以培养“厚基础、强能力、高素质”应用型人才的为培养目标，以企业、市场需求为导向，重视实践、技能和应用能力的培养，与尚观科技、中软国际、华清远见、蓝鸥科技等西安多家企业联合，采取3＋1嵌入式校企联合教育培养模式，将课程教学、工程实践、行业理念进行无缝结合。课程体系是一个专业所设置的课程相互间的分工与配合［2］，主要反映在基础课与专业课，理论课与实践课，必修课与选修课之间的比例关系上［3］。地方应用型本科院校的课程体系设计既要体现基础知识的传授，也要体现实践能力的培养，同时还要考虑学生的职业能力规划发展问题。我院2013－2015级软件工程专业课程体系结构图如图1所示。图12013－2015级软件工程专业课程体系结构图从图1可以看出通识教育必修课程的教学阶段共3个半学年，主要涉及思想政治基础知识、体育、人文历史、外语应用能力等；相关学科基础类课程主要包括高数、线性代数、数字逻辑等数学类课程；本学科基础类课程主要涉及程序设计语言、计算机网络、操作系统、数据结构、计算机组成原理等；专业技能教学阶段强调对学生工程性、实用性、技术性和复合型能力的培养，主要安排专业必修课程和专业选修课程。专业必修课程包括面向对象程序设计、软件工程、数据库原理与应用、软件设计与体系结构、算法分析与设计等，专业选修课程包括Web软件开发、Linux系统应用程序开发、移动终端开发等。根据教育部专业教学指导委员会软件工程行业规范［4］，本着“轻理论，重实践”的原则，我院在一定程度上压缩理论课课时，增加实践课课时，优化专业课程体系结构。我院2015级软件工程专业的人才培养计划中，各类课程学分设置与所占比例。

2大数据时代企业对软件工程专业人才的要求

大数据时代所需要的人才是一定拥有数据处理、分析技术的，也就是对数据有敏锐的直觉和本质的认知、能够运用统计分析、机器学习、分布式处理等技术，从海量、复杂的数据中挖掘出有用的信息，以清晰易懂的形式传达给决策者，并创造出丰富有价值的专业人士［5］。在大数据时代下，对软件专业人才培养，应具备以下四个方面的技能。（1）具有厚实的数学、统计和计算机学科的相关知识，能够根据具体案例大数据分析任务的要求，运用大数据处理、分析平台，收集整理海量数据并加以分析，挖掘出有价值的信息。（2）掌握大数据处理技术及可视化工具，能根据具体任务的需求，对数据进行选择、转换、加工等处理操作，采用有效方法和模型对数据进行分析并形成数据分析报告，用易于用户理解的方式，提供科学的决策依据。（3）熟悉行业知识、专门业务及流程，将大数据技术和企业文化相结合，充分利用大数据分析处理的结果，挖掘出海量数据中隐藏的价值并应用于企业市场领域。（4）团队合作精神，大量数据的收集整理、存储、分析和处理，一个人是很难完成的，需要一个由团队成员合理分工、共同协作完成。

3大数据时代我院软件工程专业传统的课程体系存在的问题

地方高校一直以来受传统的“学术型”、“研究型”人才培养模式的影响较大，形成了适合于“精英教育”为培养研究型人才的课程体系，无法适应以工程实践能力、创新创业意识、新技术新方向为目标的人才培养，课程体系中理论教学占主导地位，实践教学往往处于次要地位［6］。而目前处于大数据时代，信息技术的不断创新、企业需求不断变化、综合型人才需求巨大等因素的影响下，传统的培养研究型人才的课程体系，无法适应大数据时代以工程实践能力、创新创业意识、新技术新方向为目标的人才培养。通过了解大数据环境企业对软件工程人才的要求，分析我院2013－2015级软件工程专业人才培养课程体系结构，发现存在以下问题：（1）缺少大数据技术方面的课程。传统的课程体系中主要包括软件工程专业一些传统的课程，如数据结构、软件工程、软件体系结构等，而且课程内容较陈旧，所开设的一些应用软件的学习不能紧密贴合行业和技术发展，软件工程专业教育必须适应互联网时展和大数据技术的需求，关注企业发展及大数据系统的建设问题，以满足企业对应用型人才的需要。（2）实践类课程学时所占比例较少。我院2015级软件工程专业实践类课程占总学时的10．8％，是因为传统的课程体系注重知识传授，而忽略了学生解决问题、动手能力的提高。地方高校在人才培养中重视理论内容、计算机编程能力，而忽略学生探索能力的培养，这些都不利于学生对新技术、新方向发展的把握，学生难以应对各种层出不穷、错综复杂的海量数据，很难挖掘出隐藏的数据价值并有效利用。（3）课程体系结构设置方面，一是存在通识教育类课程教学阶段持续时间长，一直到第7个学期，这就影响了后面专业类课程的学习；二是专业基础类分为专业必修和选修，没有从课程教学阶段不同来划分，不能体现课程先后的衔接关系。

4大数据时代我院软件工程专业课程体系建设改革

在大数据时代，软件工程专业教育必须适应企业发展和大数据行业的需求。教学内容的设置应与行业需求接轨，根据我院学生特点调整2016级软件工程专业课程体系。具体做了以下几点的调整。（1）课程体系结构更合理。一是通识教育类课程的调整。一方面将教学阶段全部调整到第1、2学年完成，这样在第3学年学生就可以重点学习专业类技能课程；另一方面此部分增加了大学生心理健康和创新创业教育课程，主要可以加强学生团队合作精神的培养。二是专业类课程结构的调整。将专业类课程分为专业（学科）基础课程和专业技能课程两大类，专业（学科）基础课程主要包括数学类课程、计算机导论、程序设计语言、数据结构、操作系统、软件工程、运筹学、数据分析与处理。专业技能课程又分为专业核心课程和专业方向课，专业核心课程包括面向对象程序语言类、软件设计模式、算法分析与设计、软件测试等软件工程专业要求的核心课程，而专业方向课分为3个方向：大数据分析、Web技术应用、移动终端开发，鼓励学生在学好专业基础和核心课程的同时，发现自己专业类的兴趣，选择一个自己感兴趣的方向集中学习，大数据分析方向是重点向学生推荐。在教学阶段安排上，一般专业（学科）基础课程要优先于专业技能课程，这样可以让学生在掌握了学科、专业基础上，充分了解软件工程专业技能的训练。（2）增加了大数据技术方面的课程。在新调整的课程体系中，专业（学科）基础课程和专业技能课程都增加了大数据相关内容。基础课设置增添运筹学、数据分析与处理等，使学生了解大数据行业基础知识，激发学生对大数据行业发展及大数据应用前景的兴趣；专业技能课设置了数据仓库与数据挖掘、大数据统计分析与应用、数据挖掘算法与应用等前沿科学技术相关课程以满足大数据系统建设与应用的需要，培养更多企业需要的大数据管理分析软件专业人才。院级选修课鼓励研究大数据方向的教师积极申请大数据案例分析、大数据安全与隐私保护、HadoopMap／Reduce技术原理与应用等实用性强的课程，以补充对大数据方向特别感兴趣学生的学习内容。（3）增加实践类课程所占比例。相比较2015级，以培养地方应用型人才为总目标，实践类课程课时由19课时增加到28课时，所占总课时比例提高了约50％。实践类课程包括校内（课程设计和实训）和校外（见习、实习、实训、毕业论文），种类多样化，使得学生多方面提升自己解决问题和动手操作能力。针对校内实验我院教师结合大数据教学实验平台，根据课程内容设计实验项目，从初级到高级，安排合理的阶梯式学习，实验内容持续更新，加入最新、主流的分析建模工具和挖掘算法，学生在免费、开放的平台环境下进行大数据构建、存储、分析统计等实验内容，使学生熟练掌握Ha－doop、HBase、Spark等关键技术，提高大数据理论分析及技术应用的能力。做好校内实践的同时，校外实践更是尤为重要，首先在实习、实训企业的选择上，尽量选择“口碑好、技术强、理念先进”的单位，目前我院已与邻近城市西安与尚观科技、中软国际、华清远见、蓝鸥科技等西安多家企业联合，第四学年分批组织学生到合作企业的实训基地参加真实的实训项目，体验IT企业真实的工作环境、工作流程和企业文化，了解互联网大数据、零售大数据、金融大数据等领域知识，学习海量数据搜集、分析、存储技术，引导学生按照项目的需求、总体设计、详细设计、编码、测试等流程完成实践内容，规范化文档和代码的编写，培养学生的行业、职业素养。

5应用效果

目前应用此方案有2016和2017级两级学生，虽然这两级学生都还没有就业，但在创新应用能力方面都较2015级之前学生有显著提升。近两年有10余组学生团队获得国家级、省级、校级“大学生科研训练项目”立项资助，有8名同学获得“蓝桥杯”程序设计大赛国家级二等奖、三等奖，省级一等奖2项，二等奖、三等奖多项。2016年有两队学生获得陕西省高校“互联网＋”创新创业大赛三等奖，一队学生获得咸阳市青年创业大赛二等奖。数十名学生在核心期刊上公开发表学术论文。从目前取得的成绩来看，课程体系结构的调整，使得学生不仅获得扎实的理论知识，而且具备了过硬的实践和创新能力，我院软件工程专业毕业生一定会深受用人单位喜欢。

6总结

针对大数据时代下地方本科院校软件专业人才培养中课程体系存在的一些问题，笔者分析了大数据环境对软件工程专业人才的要求，以地方本科院校咸阳师范学院为例，改革调整了课程体系，主要在在理论教学和实践教学中增加大数据相关理论及技术内容，通过近年来的探索与实践，此课程体系结构有效提高了学生的创新应用能力，为大数据时代企业发展培养了高水平、高素质的大数据分析人才，新的课程体系适应了大数据环境下软件工程人才的培养。

参考文献

［1］孙琳．大数据应用的创新路径［N］．人民政协报，2016－05－17．

［2］潘正高．地方应用型高校软件工程专业课程体系的研究［J］．西昌学院学报，2017，31（3）：94－97．

［3］潘怡．应用型本科院校软件工程专业课程体系设置探讨［J］．长沙大学学报，2008，22（5）：98－100．

［4］教育部专业教学指导委员会．高等学校软件工程专业规范［M］．北京：高等教育出版社，2011．

大数据课程总结范文第3篇

“互联网+”应用于教育领域所产生的表征教育管理者、参与者、以及教育环境的数据日渐增加，面向教育领域的大数据分析发现及应用对于提升教育教学质量尤为重要。本文针对大数据的不同采集方式，对其特点及特性进行分析。结合教育领域中参与者的实际需求，描述了教育大数据在其中的应用。

关键词:

互联网+；多源教育数据；软件工程；教学模式

随着大数据技术正在广泛应用于各行各业，“互联网+”与教育的结合所产生的大数据将会对教育领域各个参与者产生深刻影响。通过对教育大数据的特点及特性进行分析，构建多源教育数据的分析及处理方法已经成为影响教育发展战略的科学力量。鉴于教育领域本身的特点，教育大数据来源广泛、采集形式各异，呈现出不同的特征及应用模式。与传统领域的大数据相比，教育大数据本身呈现高度的复杂性[1]。与传统领域的大数据应用相比，教育大数据的应用需要高度的创造性。教育领域的数据应用是以培养人才为其主要目的，所以，针对大数据的应用不仅要切实可行，还需要从根本上洞察教育问题产生的原因。

一、教育大数据的特点及特性分析

1.1“互联网+”环境下的教育大数据分类

随着感知、计算、通信、控制等技术的发展，“互联网+”环境下的教育数据包括由不同的感知设备采集到的教育环境数据、通过定期采集存储的基础信息数据、以及在线的教育资源数据等。

1.教育环境数据

智慧校园作为“互联网+”的典型应用之一[2]，通过智慧校园的信息化平台，可以采集到各种类型的数据。GPS定位、情境感知、移动通信等技术使得各种教与学行为的日志信息更加丰富，不仅仅可以记录什么人在什么时间什么地点做了什么，还可以采集到行为发生时周边的环境信息、个人体征信息、情绪状态等。

2.静态基础信息数据

基本信息数据主要包括教师和学生的个人信息、课程信息、成绩信息、习题信息、行为信息等。基础信息主要通过定期的采集实现数据的定期更新和维护。此类信息是进行以数据为中心的教育教学模式探索和发现的最基本的原料，涉及学籍、人事、资产等信息具有高度的隐私性和保密性，属于国家重点保护的教育数据之一[1]。

3.在线的教育资源数据

随着移动与开放教育浪潮的兴起，在线教学资源数据包括课件、微课、微视频、精品课程、教学论坛、试题试卷等[3]。

1.2“互联网+”环境下的教育大数据特点随着采集方式的变革，“互联网+”环境下的教育大数据具有如下特点：

1.海量性

与传统的领域相似，随着学生规模的增加，课程类型的多样化，“互联网+”环境下的教育数据包括由不同的移动设备所采集的教育管理控制数据、静态的人才培养相关数据、以及监控学生实时状态的数据等。

2.时空相关性

在时间上，根据产生的时间不同，教育数据具有时间相关的变化和分析。因此，在进行教育数据的分析和应用时，一方面需要考虑时间和空间两个维度的数据演化特性；另一方面，还需要充分利用时间和空间不同维度之间的数据关联关系。

3.多尺度与多粒度

除了利用教育数据除了要考虑时间和空间等维度之外，还需要考虑数据尺度和数据粒度对于数据特性的影响。在规模的尺度上，可以分为专业、年级、学院、学校等；在时间尺度上，可以分为月、学期、学年、届等。

4.异构与相关

教育数据无论是从结构上、组织方式上、维度尺度与粒度上都会存在巨大差异，即数据的异构性。教育数据的来源各不相同，教育系统内容各个对象之间紧密相关，表征教育系统状态的数据源之间也紧密相联。

二、教育大数据在软件工程专业教育教学中的应用

为充分发挥多源数据的作用，从数据和特征等多个层次对多源异构信息进行深度融合，挖掘大数据内在的演化趋势和潜在模式，将其用于课程教学、决策者服务、个性化学习等应用中。如图1所示，为了构建面向软件工程课程教学应用，首先，需要对多源异构的教育数据进行分析处理；其次，结合数据挖掘、机器学习等相关理论基础，构建多源异构教育数据的清洗及发现方法，探索适合于具体应用的分析模型及方法；最后，结合领域知识，结合所构建的分析模型，通过对数据的分析发现，为教师、学生、决策者等提供满足其个性化需求的服务。

2.1面向学生的应用

根据学生的学习情况，以及课程涉及到的知识等情况向学生推荐适合的课程。通过多源数据的协同分析及用户建模，为学生提供满足其个性化需求的服务。

2.2面向教师及决策者的应用

通过对教育大数据的分析及处理，教师根据学生学习情况的反馈进行有针对性的备课。通过对学生及教师信息的相关统计分析、挖掘发现，为教育管理者及决策者提供依据[2]。

三、总结

“互联网+”的应用为面向信息物理融合的多源数据协同分析创造了条件。本文从“互联网+”环境下的教育大数据的分析及特点的角度进行了分析，并简单介绍了教育大数据的分析及发现方法，分别从学生、教师、决策者的角度对教育大数据在软件工程课程教学中的应用进行了描述。

参考文献：

［1］杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战［J］.现代远程教育研究,2016年1期,50-61.

［2］邬贺铨.大数据时代的机遇与挑战［J］.求是,2013(4):47-49.

［3］陈池,王宇鹏,李超等.面向在线教育领域的大数据研究及应用［J］.计算机研究与发展,2014,51(增刊),67-74.

大数据课程总结范文第4篇

关键词：大数据时代；环境特征；广告设计；教学；改革

1 大数据时代的环境特征

各类信息在计算机运作系统下，产生了各式各样的信息流、数据流。信息系统作为孕育数据的“母体”，信息系统的数据爆炸导致大数据时代的到来。另一方面，大数据时代又衍生出了更庞大、复杂的信息系统。大数据，实际上就是指软件无法提取、共享和分析的海量数据。

大数据有数据量大、数据种类多、数据有效值低以及数据处理速度快的特点。

数据量大主要是因为各种计算机设备、移动终端产生的实时数据，无法及时清理或有效使用使数据越积越多，导致数据量变大。数据以成千倍的数量累积上升，企业网络甚至会产生PB、EB量级的数据。

传统的数据储存都是以文本为主的结构，随着互联网技术的深入发展，图片、音频等数据都已成为数据结构的主要构成因素，甚至占据了超过一半的比例。数据类型越来越多，就需要数据平台拥有更强大的信息处理能力。

大数据环境下，为人们提供了诸多潜在的信息，在激烈的市场环境下，信息的占有量，是竞争力强弱的体现。目前数据已经成为各行各业的重要组成部分。

大数据时代的处理框架建立在云计算的基础之上，利用高速运转的方式，通过分布处理，以数据流的形式传递在系统之间，为用户构建大量的数据库，而且可应用于大多数的程序。

2 广告设计教学改革的必要性

广告设计作为视觉传达设计和广告传播这两个专业的核心课程，建立在印刷、网络、影像等多种载体之上。研究国内外的广告设计艺术，是一种较为新颖的课程。但是当下的广告设计课程仍沿用传统的媒体广告内容进行教学。例如，只对报纸、杂志、电视以及广播这类传统媒体进行研究，新媒体的各种形式、特征、设计手法等都没有被彻底地纳入广告学的设计教学中。学生在课堂中无法准确、迅速地了解新媒体广告教学的设计规律。媒体形式日新月异，这也给我们的教学带来了一定的影响，给我们提出了新的问题和任务。过去广告设计教学模式服务于传统媒体，而当下的课程我们要去探索新的方式，从知识框架、教学重点上实现质的突破。广告设计观念教学要顺应新媒体时代的需求。笔者根据大数据时代下的环境特征，研究大数据时代的特征与当下广告设计教学的联系，进一步提出大数据时代下加强广告设计教学改革的方式方法，以此来更新广告设计的教学体系。

3 大数据时代下的广告设计教学改革策略

3.1 构建大数据时代下的广告设计教学体系

通过长期的广告教学实践，笔者认为理想的教学框架应贯穿于学校教育和社会实践两个方面，实现核心课程、重点课程以及辅助课程的三项并进。在学生的每个学习阶段，让学生的各个层面都积极地接触实践，最大限度地为学生创造实践机会，尽可能为学生提供观察和动手学习的机会。

构建大数据时代下的广告设计教学体系，要改变以往的实习策略。让广告实践穿插在每一个学期当中，让学生带着问题走入课堂，真正了解每个课程中的广告设计实践的重点、难点。所以，对于广告设计课程教学改革，要从两个方面入手。

首先，要为学生创造实践的机会。通常情况下，这对于学校来说有一定的难度，让他他们到广告公司实践图形创意，在版式设计时到报社去学习和参观，这些总的来说较为困难，但是这是帮助学生实现高效学习的最佳途径。在这个过程中，让学生充分了解到他们应该学习的内容，认识到自己的不足，学会如何使用知识点，让学生能真正做到学以致用，探寻学生从校门走向社会的捷径。

其次，要加强对核心课程的强化。广告设计的功底在于美术功底，这是实现影视广告设计、平面广告设计的基础。在大数据时代，依然逃脱不了这个基础。广告设计专业的学生无论其他学科知识再怎么扎实，如果没有基本的构图能力、绘画能力，他就不会有太多的发展空间。所以，要想实现课程的优质教学，一定要夯实学生的基础，练好手上功夫。

3.2 建立一支高质量的教师队伍

任何院校要想提升其教学质量，首先要从教师入手。培养打造一支高素质、高层次的广告教学队伍，是学校广告设计教学改革的重点。学校应积极组织培训，提升教师们的专业素质，建立研究和培训基地，加强各个院系之间的相互合作，加强学校与企业之间的合作，实现优势互补。目前还可以向外拓招兼职教师，在发达国家，很多优秀的教师都来源于广告企业的兼职教师，他们有工作经验，同时还积极与社会接触，可以带给学生们最新的广告素材和知识。在校内的全职教师，可以积极地借鉴他们的经验，采用双重标准加强广告设计专业的师资力量建设。在大数据时代下，广告设计专业面临着更多的挑战和机遇，我们应积极地吸纳广告业、传媒业的人才，充实教师队伍，以此来推进大数据时代下的广告设计教学的改革。

3.3 建立互动式教学

大数据时代下，传播内容有个性化、海量化的特点，在传播渠道上也有一定的交互性。所以，互联网作为学生们使用、接触最多的媒体，我们需要对此加以重视。在网络环境下，手机、电脑、平板电脑等载体已经成为信息传播的重要组成部分，在这样环境下成长起来的学生，是新媒体的受众。他们对于网络广告有着独特的体验，在一定的程度上，他们比教师更具发言权。所以，在广告设计教学改革中，教师要积极地适应大数据环境特征，建立互动式教学。

首先，要变被动为主动，让学生成为课堂主体，充分调动学生的学习积极性。让学生结合自己的体验、经验去总结、归纳大数据时代下的广告设计特点，并总结相关的设计方法。例如，在讲国内外广告设计对比时，我们可以先布置一项学习任务，让学生自主搜寻相关的内容，让学生列举一些具有代表性的内容，以此来加深学生们的理解，增强教学成果。为了增强学生们的创造性，教师也可以鼓励学生为自己喜欢的某个人物设计脸部页面广告。

在这个过程中，教师要加强与学生的沟通。在大数据环境下，教师的角色在发生改变，教师要尽可能贴近学生的需求，积极与学生进行互动，可以利用微博与学生互粉、建立语音课堂讨论、实现作业及时修改等策略来丰富课堂形式。

4 结语

大数据时代下的传播特点，极大地影响了人们对于广告的认知。教师也应及时更新广告设计教学模式，丰富教学的内容与形式，提升学生的创新思维、实践能力。面对大数据时代的冲击，教师要积极把握新媒体广告的优势，在传统的教学模式上不断革新，加强实践教学，结合学生的能力，充分调动学生的学习热情，为学生今后的发展打下坚实的基础。

参考文献：

[1] 赵永立.新媒体时代广告设计教学的改革研究[J].学周刊，2016（13）：203-205.

大数据课程总结范文第5篇

关键词：低年级本科生;公共选修课;教学模式改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）42-0103-02

一、低年级本科生前沿全校公选课的背景和特点

低年级本科生前沿全校公选课《大数据时代的管理》是笔者于2014―2015学年秋季学期申请开设的一门全校性公共选修课，该课程是北京邮电大学第一门以“大数据”为主题的前沿课程，也是全国高校中较早开设的大数据相关课程，面向各个专业的大一本科生开设。该课程由于其课程受众及讲授内容的特点，通常具有以下一些低年级本科生前沿全校公选课共同的特点和问题：（1）课堂学生人数较多（通常150人以上），一般以教师讲授知识为主，难以实现充分的课堂参与、课堂互动;（2）学生专业背景知识差异很大，课程内容涉及面及深度不好把握;（3）低年级本科生（特别是大一新生）的数学、计算机基础相对较薄弱，前沿教学内容不适合特别专业、深入。

二、《大数据时代的管理》课程的教学模式改革措施

1.教学模式改革的依据。《大数据时代的管理》课程是笔者于2014―2015学年秋季学期第一次面向北京邮电大学2014级本科新生开设，由于是首次开设该课程，在教学过程中授课教师仍然采用了较为稳妥的“以教为主”的传统教学模式。

通过整理学生提交的课程论文中有关对该课程建议和意见的内容后发现，220人中有169名学生（76.8%）提交了有效的建议和意见内容;169条反馈意见中，有109条（64.5%）反映“以教为主”的教学模式会影响课堂互动和学生的学习积极性，有55条（32.5%）反映应当增加课堂提问次数和课后思考题来调动大家的学习主动性，有53条（31.4%）反映教学过程中使用的实际案例和视频等多媒体材料很吸引学生的学习兴趣。

2.教学模式改革的具体措施。（1）教师授课与学生自主探索式学习相结合的教学模式探索。大班授课课堂，如果采用教师授课为主的方式，一般会带来课堂互动较差、学生参与感不强的问题;而如果希望利用分小组讨论、分小组报告展示的形式增加课堂互动，提高学生参与度，也容易带来诸如分组较多、讨论展示时间仓促的问题。本研究采取新颖的“教师授课与学生自主探索式学习相结合”的教学模式探索：即根据教学内容和进度，前4次课由授课教师进行课程入门内容介绍同时安排分组及后续周次安排;从第5次至第15次课将每次2个学时的上课时间分为前后两段，前面1个课时让学生以小组的形式汇报、展示根据特定主题总结、整理的相关材料，后面1个课时由授课教师点评并扩展介绍该主题的相关内容;第16次课由授课教师进行课程总结和展望介绍。选课的同学按照每3―5人分一组，可以分为30―40组;第5―15次课分组汇报展示，每次课确定1个“大数据时代的管理”相关的前沿主题，并安排3―4组学生就这一主题提前搜集、整理材料并准备汇报、展示;为保证每次课汇报展示及讨论的充分性，每次上课开始从准备展示汇报的3―4组中随机抽出2组进行现场展示汇报，其他1―2组作为“评委嘉宾”进行现场提问及评分，其他同学也可以积极参与汇报内容的提问。对于现场展示、汇报的小组，其评分依据是其汇报的情况及“评委嘉宾”的评分;对于台下作为“评委嘉宾”的小组，其提交的展示、汇报材料及现场提问情况，均纳入对其评分依据。（2）专题领域案例与实际分析工具相结合的教学手段探究。《大数据时代的管理》课程涉及的内容相对前沿，而授课对象的本科生是刚进入校园的各个专业的大一新生，其数学、计算机基础相对较薄弱，因此课程内容及深度的把握也着实有些“众口难调”，需要有针对性地进行教学手段的创新。本课程针对“大数据时代的管理问题”涉及的多个应用领域和场景进行专题讨论，针对每一个专题讨论和场景分析，一方面让学生根据专题内容准备汇报展示，另一方面授课教师要精心选取针对该专题的领域案例或实际研究分析项目，使用实际的大数据分析和管理的方法、技术进行处理，让学生在实际问题中切实领会大数据分析的内涵和精髓。（3）多媒体材料与课前分享相结合的教学材料探究。与授课教师仅仅使用PPT讲授知识相比，适当使用视频、Flash等多媒体材料更能吸引学生的注意力，活跃课堂氛围，提高学生学习的积极性。在2014―2015学年秋季学期的《大数据时代的管理》课程授课过程中，笔者使用了《淘宝数据盛典》、《未来的云计算生活》等视频资料加强学生对于相关概念的直观化理解，受到了学生们的欢迎和好评。在2015―2016学年秋季学期的课程中，笔者扩大了视频等多媒体材料在课堂授课内容中的分量，例如针对技术细节较多的大数据分析的技术方法，选取合适的多媒体材料（如TED论坛相关视频），辅助学生了解相关技术方法的内涵和精髓，并努力将多媒体材料与专题讨论联系起来。此外，授课教师还引入了“课前分享”这一新颖的环节，即每次开始上课讲授具体内容之前，首先分享1―2个授课教师最近看到的“大数据”相关的例子、新闻或趣闻，以达到吸引学生学习兴趣、把握时效性前沿动态的目标，例如“十张世界地图带你重新认识这个世界”、“BBC大数据告诉你：怎样获得诺贝尔奖”、“全球航空网络与（埃博拉Ebola）病毒传播”、“拼数据的双十一”、“大数据让‘马云们’知道了太多的秘密”等，力求将最新、最前沿的知识和新闻融合在课程的教学过程中，以激发学生学习兴趣和主动性，加强师生互动，提高学生学习满意度，提高教学质量。

三、教学模式改革效果评估

通过采取以上打破“以教为主”的传统课堂教学模式的改革措施，本研究希望并预期能够激发学生学习兴趣和主动性，加强师生互动，提高学生学习满意度，提高教学质量。为此，笔者从北京邮电大学教务处获取了2014―2015学年秋季学期以及2015―2016学年秋季学期《大数据将时代的管理》课程的选课学生对于该课程课堂教学评估的匿名打分数据。基于该数据，笔者将两学期选课学生对于与教学模式改革效果相关指标的打分做了独立样本的均值t检验，结果见表1：

从表1中可以看出，在实施教学模式改革之后，学生对于课堂教学的内容充实性、教学效果及教学气氛活跃性、课堂师生的交互性以及教学手段的合理性和多样性的打分都有统计显著性地提高，也反映出《大数据时代的管理》课程教学过程中采用的教学模式改革措施基本达到了激发学生学习兴趣和主动性，加强师生互动，提高学生学习满意度，提高教学质量的目标。

参考文献：

[1]纪德奎，姚军.从“潮课”现象看高校选修课程开发的困惑与抉择[J].高等教育研究，2013，34（7）：65-69.

[2]袁文翠，于文娟，马瑞民.大学生公共选修课现状调查及对策研究[J].教育教学论坛，2014，（46）：111-113.

[3]荆晓艳.关于改进高校公共选修课的几点意见[J].甘肃科技，2010，（16）.

[4]王晓东，吴雅琴.高校学分制改革背景下公共选修课课程设置现状分析及教育教学探究[J].教育教学论坛，2015，（2）：5-7.

Teaching Mode Reformation Exploration of Frontier Public Selective Courses for Junior Undergraduates

―Using the Course of “Management in Big Data Era” as An Example

MA Bao-jun

（School of Economics and Management，Beijing University of Posts and Telecommunications，Beijing 100876，China）