引論：我們為您整理了13篇統計學的數據分析范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。

篇1

5月26日有幸聽了萬貴秋、程來魁兩位教師關于復式折線統計圖同課異構課和吳文濤名師關于折線統計圖的展示課，我也曾教過這一單元，然而我的教學重統計圖的繪制輕數據分析，三位教師與我截然不同的教學思路讓我感悟頗深。統計學是通過搜索、整理、分析數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。分析數據是統計的核心，也是本單元的重難點之一。如何在課堂教學中突破這一重難點我有以下看法：

一、感知數據

《新課程標準》指出：在"統計與概率"中，幫助學生逐漸建立起數據分析的觀念是重要的。數據分析包括：了解在現實生活中有許多問題應當先做調查研究、收集數據，通過分析作出判斷，體會數據中是蘊涵著信息的。數據分析的第一步要調查研究收集數據，在這一過程中感知數據不再是簡單的數字，它的背后蘊藏著數學信息。在課堂教學中采取的是：

（一）選取貼近學生生活素材，加強學生對數據的感知。本次課堂上萬貴秋教師調查學校趣味數學魔方選拔賽郭宇和徐偉的成績，吳文濤教師調查學校足球隊方瑤投籃的成績，這兩個發生在學生生活中的問題進行調查，既增加了學生對收集數據的親切感，又激發了學生挖掘的數據背后隱藏的數學信息的欲望。

（二）選取具有統計意義的真實的生活素材，加強學生對數據的.感知。程來魁教師選取的是調查全國人口老齡化這一具有統計意義的事情。首先讓學生了解到抽樣調查是統計中常見的調查方法，調查全國人口老齡化，只需抽樣調查上海老齡化情況。而每年出生人口數和死亡人口數是連續性變量，非常適合用復式折線統計圖來表示其變化。學生從視頻中看到這一令人震驚的事實，激發其探究的欲望，同時在真實的死亡人口數與出生人口數中，增加學生對數據的感知，無形之中會將兩者進行比較。

二、數據讀取

學生會從收集的數據感知一些大略的信息，第二步就要整理數據了，整理數據的方式一般就是統計表，統計圖等。在以往我的教學中我通常會教授學生繪制統計圖，再讀統計圖中的數據。一節課大部分時間用在畫圖，特別是橫軸和縱軸的填寫，而讀圖時間會過少。這樣的教學往往導致學生會成為畫圖的高手，讀圖的啞巴。此次三位教師都是通過讀圖來畫圖，萬貴秋和程來魁教師都是通過讀兩個折現統計圖來畫復式折現統計圖，吳文濤教師是通過讀條形統計圖來畫折現統計圖，從學生已有的作圖起點出發不僅讓學生自主的探究統計圖的制法及注意事項也為后面的讀數，數據分析大大節省了時間。讀懂統計表中的數據為后面的數據分析做鋪墊。

（一）讀顯性數據

顯性數據就是統計圖中直觀的信息。讀圖標，圖例，橫軸、縱軸、以及點的信息。這部分內容很直觀，加之有以前學習條形統計圖的經驗，學生較易掌握。

（二）讀隱性數據

隱性數據即是通過顯性數據得出的統計量。在運用統計量時一定要注意其統計意義。比如平均數、中位數、眾數。平均數是一個虛擬的數，它能反應一組數據的總體水平。中位數是個半虛擬的數，它則能反應一組數據的中等水平。一般而言，平均數作為數據代表相對可靠和穩定，但遇到極端數據時它則不能反應這組數據的基本情況。在萬老師執教的這一課里面有同學提出了用平均數來反應兩名同學玩魔方的總體水平，從而決定由誰參加決賽，這個結果與我們從統計圖數據變化趨勢分析的結果大相徑庭。造成兩種不同的結論的原因在于這個同學沒有看到極端數據對平均數的影響，一次失誤能拉下一個學生比賽的平均分，但是這時的平均分并不能代表這個同學的整體水平了。

三、數據比較

讀懂數據，了解數據所蘊含的信息，我們還要更深層次的挖掘數據的隱藏信息。這一部分的數據分析是通過數據比較來完成的。

（一）橫向比較

在折線統計圖中了解了點所代表的信息，再引導學生橫向觀察折線統計圖，相鄰的兩個點之間的線段的方向代表數據的增減；線段的陡平代表數據增長的快慢，整條折線有代表數據的發展趨勢，由部分到整體挖掘數據隱含信息。在吳老師的教學中這一細節做的非常的到位，從點，(fanwen.chazidian.com)線段，折線三個方面深挖信息，并通過整條折線的趨勢做了預測，預測方瑤的后兩次成績。萬老師執教的這一課也從整體折線趨勢預測兩個同學的下次成績，從而得出決策。

（二）縱向比較

數據之間縱向比較主要體現在復式折線統計圖里，兩個量之間的差距是同一縱軸上兩點間的距離，也是復式折現統計圖中蘊含的一個重要信息。比如萬老師的這節課通過比較兩個同學每次成績相差多少，判斷兩個同學成績的變化。又比如程老師執教的調查人口老齡化，其中自然增長數等于出生人口數減去死亡人口數，就是比較兩個量間的差距變化從而判斷人口是呈正增長還是負增長，以及增長的幅度來判斷人口老齡化的情況。

篇2

（一）權限管理

權限管理包括權限設置和密碼查詢。系統分為教務參謀、考務中心、考試成績錄入員、系統管理員等四級權限。系統管理員可以設置教務參謀和考務中心，還可以查詢帳號初始密碼。考務中心將教員設置成考試成績錄入員后，教員才有錄入成績權限。

（二）數據維護

數據維護包括錄入、修改考試（補考）成績、生成補考計劃、修正考試成績、填寫考試分析報告等。錄入成績前要錄入考試信息（課程名稱、考核科目、考試性質、權重、考試日期等信息），首先在單位樹里選擇教學班（如果該教學班沒有學員或學員還沒有編排學號不能錄入考試信息）系統自動帶入該教學班對應的專業類型并在下拉列表中列出已安排考試的課程，選擇課程后系統自動帶入課程名稱、考核科目、考試性質（畢業考試、考試和考查）、學時、學期、考試日期、授課單位等信息，權重默認為1（1表示100%，如輸入0.5表示50%）當一門課程包含多個考核科目時需要錄入相應權重，考試信息保存后，學員下拉列表中列出了該教學班該課程所有未錄入成績的學員，成績可以錄入分數，也可以設置緩考、缺考狀態，保存學員成績后下拉列表中同時移出該學員（修改考試信息和成績，同錄入相似，不再詳述），錄入完該課程所有學員的成績后，將成績上報到考務中心審核成績，上報成績后不能修改和刪除考試成績。教務參謀可以安排不及格、緩考、缺考的學員參加補考，系統根據時間段自動生成補考計劃，補考計劃分為學期補考和畢業補考，補考的組考單位錄入補考成績，流程參照考試成績錄入。公布成績后學員對成績有異議，復查后確認有誤，經批準由教務參謀對該考試成績進行修正。教員根據考試成績錄入考試分析報告，考試分析報告包括：基本情況、綜合分析、意見建議、評價結論等內容。

（三）數據審核

數據審核包括審核考試（補考）成績、審核考試分析報告。考試成績審核分為考務中心審核和教務科審核兩級審核，教務科審核通過后，教員和學員才可以查詢成績。考務中心審核成績時，選擇要審核的課程系統彈出此課程考試的詳細信息，并列出所有學員的考試成績，同時統計出優秀，良好，中等，合格，不合格的人數。點擊“通過”后，交由教務參謀審核。點擊“不通過”，則將此信息打回錄入人處。教務參謀審核過程與考務中心審核類似，不再敘述。

（四）查詢統計

查詢統計包括考試信息查詢、考試成績查詢、學員隊（學員）平均分統計、合格率統計、實考人數統計等。根據不同登錄用戶控制查詢范圍，如：學員查看本人成績，學員隊干部查看本隊成績、教員查看擔負課程成績，教務參謀查看全部成績等，只有教務參謀才有統計功能。

（五）導出打印

導出打印包括：打印考試成績表、打印考試分析報告。系統可以直接打印成績，也可以導出word、excel、PDF等格式。

三、數據挖掘應用

（一）概述

數據挖掘是解決數據豐富而信息貧乏的有效途徑，其實質是從大量數據中提取隱含的、未知的和潛在有用信息的過程。其在分析大量數據中具有明顯優勢，并已成功地應用到了多個研究領域，但在教育領域中應用還不夠深入，將之用于軍隊院校管理尤其是成績管理中至今還不多見。

目前最常用的幾種數據挖掘方法有決策樹、神經網絡、遺傳算法、概率論和數理統計、關聯規則以及粗糙集和模糊處理技術等。

（二）決策樹算法

顧名思義，決策樹就像一棵樹，它利用樹的結構將記錄數據進行分類，樹的一個節點就代表某一個條件下的一個記錄集，根據記錄字段的不同取值建立樹的分枝；在每個分支子集中建立下層節點和分支，就形成一個決策樹。采用決策樹，可以將數據規則可視化，也不需要長時間的構造過程，而且每一條從根結點到葉節點的路徑的含義是可理解的，精度較高。這種可理解性是它的一個顯著有點。

決策樹構建以后就可以依據決策樹的規則對數據進行判定。決策樹可以分為分類樹和回歸樹兩種。分類樹對離散變量做決策樹，回歸樹對連續變量做決策樹，一般的數據挖掘工具允許選擇分裂條件和修剪規則，以及控制參數來限制決策樹，決策樹主要應用于分類。

決策樹方法的起源是概念學習系統CLS，然后發展到ID3 算法，最后又演化為能處理連續屬性的C4.5算法。

（三）數據挖掘過程

1.確定數據對象，收集數據以及數據預處理

定義清晰的挖掘對象，認清數據挖掘的目標是數據挖掘的第一步。數據挖掘的最后結果往往是不可預測的，但是要解決的問題應該是有預見性的、有目標的。本文將挖掘的對象定義為同一專業三種不同類型學員的“步兵分隊戰術”課程中的“科目1”、“科目2”、“科目3”三個考核科目成績信息，確定了數據對象后，從考試信息表和考試成績表中選擇出適用于數據挖掘應用的數據進行數據集成。數據集成好以后，就需要對數據進行預處理。數據預處理包括：去除錯誤數據和數據轉換。錯誤數據，在統計學中稱為異常值，應該在此階段發現并且刪除，否則，它們將導致產生錯誤的挖掘結果，同時，需要將數據轉換成合適的格式。本例中首先要把原始成績選取出來，去掉補考成績，然后把原始成績為緩考和缺考的數據刪除，接下來進行數據轉換，采取數據概化，定義90

2.構建決策樹

數據預處理后，使用數據預處理得到的訓練集，采用C4.5算法構建決策樹。本例中，樣本數據為2008-2011級A類、B類學員，2007-2010級C類學員，總數為2109名，隨機抽取大約70%作訓練集，其余30%作測試集，通過SQL Server 2000中的Analysis Service（數據分析服務）工具生成決策樹。

3.規則提取

決策樹生成以后，遍歷決策樹，也就是從根到葉發現若干條路徑，每一條路徑對應一條規律，整棵樹就形成一組規則，然后通過分析規則發現最有用的子集，形成規則集。

4.結果分析

通過數據挖掘結果發現C類學員基本技能最好，但是理論知識掌握欠缺，綜合實踐能力較好；A類學員基本技能較好，理論知識掌握好，綜合實踐能力好；B類學員基本技能較差，理論知識掌握較好，綜合實踐能力有待提高。根據分析結果，可以對不同類型學員有針對性地改進教學重點，做到固強補弱，提高學員能力。

四、結語

應用數據挖掘技術來提高成績的分析水平，通過對成績深入、科學的分析，提取隱藏的數據信息，為院校管理部門決策提供依據，進一步提高教學質量水平是有很重要的實際意義。

參考文獻

[1] 趙輝.數據挖掘技術在學生成績分析中的研究及應用[D].大連海事大學，2007.

[2] 李文峰.數據倉庫、OLAP和數據挖掘技術在國防生管理決策中的應用[D].重慶大學，2007.

[3] 黃杰.數據挖掘在軍隊人才培養上的應用研究[D].重慶大學，2005.

篇3

能夠根據具體問題背景選擇合適的統計圖是學生統計素養的一個重要內容，也是學生對數據分析能力的一個表征。扇形統計圖是在學生認識了條形統計圖、折線統計圖后的小學階段的最后一個統計內容，該內容增加了選擇合適統計方法的難度，使“數據分析”變得尤為重要。因此，教師在教學中要以數據為載體，以學生原有知識經驗為基礎，引導學生展開漸進式思考，探尋統計的有效方法，培養數據分析觀念。

一、引發認知沖突，點燃統計內需

學習是一種由外而內的過程，學習最大的動力來自學生心靈深處，源自于自身的認知沖突。教師在教學中創設教學情境的目的正是為了借助外部環境的刺激，引發學生的內部認知沖突，促使學生在矛盾中生成新的需要，將學習不斷引向縱深。蘇教版六年級下冊的“扇形統計圖”一課意在使學生通過聯系百分數的意義，體會扇形統計圖描述數據的特點。為了讓學生深刻領會扇形統計圖的特點，教師在教學中改變了教材的編排順序，沒有直接出示例題中的扇形統計圖，而是引導學生感知數據，造成他們認知上的矛盾沖突，點燃他們新的統計內需，逐步引出扇形統計圖。教師這樣給學生出示例題：我國陸地總面積大約是960萬平方千米，其中丘陵占9.9%、山地占33.3%、高原占26.0%、盆地占18.8%、平原占12.0%。“同學們能否根據數據設計出一個統計圖反映出我國陸地各地形分布情況？”教師邊出示條件邊提問。學生一聽說設計統計圖，馬上聯想到以前學習的內容，有的說：“我們可以畫出條形統計圖。”有的說：“我們可以設計成折線統計圖。”教師表揚了學生善于聯系舊知的意識后說：“請同學們想一想條形圖與折線圖分別用來反映什么？例題中的數據表示什么含義，可以用它們來表示嗎？”教師的提示喚醒了學生的數據意識，經過對數據的觀察與思考，學生們一致認為：“條形統計圖用來直觀反映數量多少，折線統計圖反映了數量的增減變化，這道題中的數據都是百分數，表達的是部分量與總量的關系，看來以前學的那兩種統計圖不合適。”“那該怎么辦呢？”一個女生迫不及待地問道。“是啊，我們該用怎樣的圖形來表示部分量與總量之間的關系呢？”教師故意裝作不知，“看來我們必須另找出路了。”

二、引導自主思考，點化繪制圖形

面對學生的急切心理，教師沒有直接將“扇形統計圖”推出，而是借助生活情境的觀察感悟，引導他們自主思考，摸索出扇形統計圖的特點和畫法，逐步點化學生繪制出扇形統計圖。“先請同學們來看一個有趣的拼盤。”教師邊說邊給學生展示了一張課前制作的地地形分布模型：用一個圓形塑料盤代表我國陸地總面積，在圓盤內用各種顏色的橡皮泥分別表示不同地形。教師用這個拼盤圖對學生進行暗示啟發，學生甲一點就通：“原來百分數關系可以用圓與扇形來表達，用一個整圓表示總量，用扇形表示各部分量。”學生乙補充道：“平原占12.0%，表示平原面積占我國陸地總面積的12.0%，我們可以用一個圓來表示我國陸地總面積，在圓內畫出一個扇形表示平原面積。” 教師接著說：“同學們的悟性真高，像拼盤那樣表示各部分量與總量之間關系的統計圖我們稱為扇形統計圖。下面，就請同學們自己嘗試著畫出我國陸地各種地形分布情況統計圖。”然后教師又引導學生根據各百分數的含義，討論如何繪制出各個扇形。學生丙聯系圓心角的知識道出了平原部分的畫法：“一個圓是360°，360°的12.0%是43.2°，在圓內畫出一個圓心角是43.2°的扇形就表示平原的面積了。”在學生丙的引領下，同學們迅速算出其他扇形的圓心角度數，并畫出了完整的扇形統計圖。

三、引領梳理反思，點醒對應思想

為了實現“教是為了不教”，教師在教學中經常引領學生梳理思路，反思學習得失，總結學習經驗，使他們獲得了質的提升。在學習“扇形統計圖”一課的過程中，由于有了先前基于數據分析的精心引導，學生親歷了統計方法的選擇與統計圖的繪制，對扇形統計圖的特點和作用了然于心，讀懂扇形統計圖自然不成問題。因此，在組織學生對統計圖中的信息進行簡單分析之后，教師增設了一個“回顧反思”環節，讓學生回顧整個統計活動經歷，使學生懂得了不同的問題背景需要用不同的數據分析方法，各種統計圖的選用必須與數據意義相適應。如反映數量增減可選擇折線圖，要表達數量多少可選用直條圖，要反映各部分量與總量之間的百分比關系可選擇扇形統計圖。高年級學生的類比分析能力比較強，教師讓他們通過簡要梳理與反思，能使他們明晰數據分析方法的選擇的重要性，對數據分析方法的選擇有清晰的認識，進而點醒他們的數學思想。

四、結束語

總之，統計教學是一個系統而完整的活動過程，從對問題背景的理解、對數據的解讀、對統計方法的選擇，再到圖形的繪制等，這一切都離不開科學嚴謹的分析。數據分析是統計的核心，教師在統計教學中應以數據為核心，引領學生在科學分析中選擇出合適的統計方法，從而圓滿地完成統計任務。

篇4

場景1：有教師在課堂上出示用左耳或右耳接聽電話的人數統計，要求學生計算相應的比例。這種數據于學生而言缺乏實際意義，統計的結果也不涉及相關處理問題，反映出教師對數據的理解不到位。

場景2：教學中，教師給出一些商品的單價，要求學生統計單價超過5元的商品。統計的緣由沒有給出，不過是單純的篩選技能訓練，沒有體現統計的必要性及其意義，反映出教師對統計概念的理解不到位。

場景3：教師提供多種飲料，如綠茶、紅茶、奶茶、可樂等，要求學生從中選擇自己最喜歡喝的三種，再根據全班的選擇情況整理數據，列出最受班級歡迎的三種飲料。最后，教師給出專家建議“健康的飲品包括水、純果汁、奶”，要求學生結合課堂統計的數據結果，在調查報告中表達自己對中學生選擇飲料問題的看法和觀點。由于此三種飲品沒有完全出現在此前供學生選擇的范圍內，自然沒有一個學生的選擇與專家建議的健康飲品吻合，于是，學生回答，“不管喝什么，只要健康就好”。數據統計的目的就是為分析、決策提供數據支持，而該場景中數據分析部分與前面的統計結果相互脫節、沒有關聯，或者聯系不夠緊密，反映出教師對分析的理解不到位。

上述場景反映出的根本問題是，教師對數據統計與分析的內涵或者核心指向理解不足。“數據統計與分析”屬于“信息加工與表達”中表格信息加工與表達部分的教學內容，與數據管理部分的內容具有相似的核心指向，即關注“關系”的挖掘與表達，而關系是隱藏在數據之中的，需要通過相關的操作，如借助公式與函數的計算、排序、篩選等，將數據間的關系挖掘出來，可以借助圖表的形式進行直觀表達，即通過可視化方式清晰展示。

關于數據統計與分析，信息技術課程教學綱要或者課程標準中都有針對性的要求，譬如，2012年中國教育技術協會信息技術教育專業委員會研制的《基礎教育信息技術課程標準2012版》中，初中學段在“模塊二：信息加工與表達”中對表格部分的要求如下。

1.能列舉1～2種常見表格編輯軟件，嘗試簡單編輯操作，理解二維表格的共同特征。

2.根據需求能在文檔中繪制或套用表格，并對其屬性能按要求進行調整和設置。

3.能應用電子表格進行簡單數據的統計、處理，科學地借助折線圖、直方圖、餅圖等直觀表達數據。

4.從不同的角度和立場出發，通過對相同數據做不同的加工，表達不同的觀點，或對相同數據做不同的解讀，感悟信息加工和利用的選擇性、多元性和復雜性特征。

上述4條描述涉及表格中數據的統計、表達、分析，關注到數據間的關系挖掘。

“數據統計與分析”涉及對數據的加工、處理，從中獲取信息并加以解讀。因此，可以從DIKW金字塔模型獲得直接的借鑒。

解決之策：DIKW金字塔的啟示

DIKW金字塔是關于數據、信息、知識及智慧的體系，如圖1所示。

數據（Data）：可以是數字、文字、圖像、聲音、符號等，屬于事實的記錄，表達的是沒有指定背景和意義的描述。

信息（Information）：是經過相關處理的數據，強調的是數據與數據之間的關系。

知識（Knowledge）：是有意義的信息，表現為信息和信息之間的關系。由信息到知識的轉變過程，是一個對信息判斷和確認的過程，需要結合經驗、上下文聯系、詮釋和反省。

智慧（Wisdom）：是富有洞察力的知識，是運用知識分析和解決問題的能力，可以簡單歸納為正確判斷和決定的能力。

顯然，DIKW體系同樣關注關系的挖掘，即數據之間的關系、信息之間的關系，因而可以用來指導“數據統計與分析”部分的教學。

從問題解答的角度觀察，信息層回答的是“是何”的問題，知識層解決的是“如何”的問題，智慧層則涉及“為何”的問題。早期研究中有學者曾指出，信息技術中的技術包含三層內涵：（1）動手做的技術，即基本技能；（2）如何做的技術，即設計和規劃的技術；（3）為何做的技術，即技術的思想和價值。[1]三層內涵的觀點涉及技術是何、如何、為何的問題，與DIKW模型具有共通之處，這為DIKW模型在數據統計與分析中的應用提供了佐證。

從DIKW的視角來看，數據統計與分析的過程也是追求實現“數據—信息—知識—智慧”持續變化的過程。即從數據開始，以形成智慧為最終目的。具體過程是：借助相關操作對數據進行處理、加工，明確數據之間的關系，提取出有意義的信息，進而將信息組織成知識，促進學生明確“如何去使用”，再進一步，當學生明確應該何時使用及為什么要使用時，便形成了智慧。

據此，數據統計與分析中的幾個

關鍵詞 ，即數據、統計、分析，都需要有專門的指向，符合內在的規定性，且數據、統計、分析應當做到前面環節為后續環節奠定基礎，后續環節又必須在前面環節的基礎上展開。具體來說，數據需要為統計服務，統計是建立在數據提供的基礎上；統計的結果是為了進行分析，分析必須依賴于統計結果；分析的目的是為了提供決策的依據。這些關系必須在教學中予以體現，方能體現數據統計與分析的要義。

實踐之道：基于DIKW的教學思路

從DIKW的視角，數據統計與分析教學需要經過三個過程：“數據信息”、“信息知識”、“知識智慧”。從關系發掘的角度，即隱性關系顯性化、顯性關系知識化、知識運用自動化，下文展開具體闡述。

1. 隱性關系顯性化

隱性關系顯性化，即從數據到信息的過程。數據可以是教師為學生提供的原始資料，或者是收集來自學生的資料。因為需要借此學習相關技能操作，如公式與函數的使用、排序、篩選、圖表表示等，因此數據主要是數字形式，如考試成績、購物費用等，根據需要也可以適當包含文字，如學生的血型、愛好等。

為了從數據中提取有意義的信息進而展開分析，數據需要符合一定的要求：其一，數據最好能夠貼近學生，具有真實性。小至與學生個體相關的數據，大至與學校、社區、城市、國家相關的數據。貼近學生生活經驗或學習經驗的真實數據才能激發學生的興趣，促進學生通過操作發掘數據之間的關系，形成有意義的信息。從教學實踐來看，課堂或者課前收集來自學生的鮮活數據相對容易調動學生的積極性。其二，數據需要具有潛在的意義，即有統計價值，場景1中接聽電話用左耳還是右耳的例子之所以失敗，就是因為數據不具有統計價值，從數據中無法提取出有意義的信息。其三，數據要具有統計的必要，即數據要達到足夠的量，少量數據往往無法體現出用計算機統計的優勢。在數據量足夠的情況下，可以通過人工計算與計算機統計的對比凸顯計算機統計的優勢和價值。

在數據有效的基礎上，統計承擔著從數據中提取信息的功能。為了保證將來從信息到知識的轉變，統計所得信息當存在分析的可能、必要及價值，否則統計本身就沒有意義。譬如，場景2中讓學生統計購買的商品中單價超過5元的商品，數據本身沒有問題，但這種統計的結果似乎沒有分析的意義及價值，因而統計本身就失去了意義。

從數據到信息的轉變需要學生借助一定的技術操作來實現，這個階段涉及的技術屬于動手做的技術，即技術的底層。例如，統計過程可能涉及計算、篩選、排序，統計結果的呈現涉及各種圖表的使用。

2. 顯性關系知識化

顯性關系知識化，是指由信息到知識的轉變。美國佛羅里達國際大學豪恩斯坦認為，信息是別人內化的知識，知識是自己內化的信息。[2]所以，如果信息是輸入，知識在某種意義上便是輸出。這意味著從信息到知識的轉變需要學生在認知層面形成理解。這一階段涉及的技術屬于無形的技術。

此階段是對數據統計結果進行分析的過程。譬如，統計全班學生血型，根據四種血型的統計結果，引導學生明確血型的相關知識。又如，統計不同品牌貨物銷售情況，從不同角度（商場、品牌負責人、顧客）去分析，得出不同的結論。若收集的數據與學生個人或家庭相關，則分析的結果最好能夠凸顯因人而異，從而促進學生在體驗到分析意義的基礎上，樹立利用數據統計與分析為自己的學習、生活服務的意識。

譬如，《Excel中數據的處理》[3]中，教師要求學生將自己家庭衣、食、住、行、用等數據輸入到碳排放計算工作表中，完成相關計算，并根據數據回答問題：

1.我們家（ ）方面碳排放最高，（ ）方面碳排放最低。

2.我們家年人均碳排放（ ）kg，和全球人均目標碳足跡2000kg比較，我們家是（高碳/低碳）生活。

3.為了應對氣候變化，我們家應該從以下方面減少碳的排放。

每個學生獲取的數據不同，結論自然就不同。這種差異性體現了一種真實，也幫助學生理解統計與分析的實際意義。

分析在統計與決策之間發揮著承先啟后的作用，“承先”是指，分析必須依據統計所得結果來進行，體現兩者的緊密聯系，以保證分析的價值及統計的意義；“啟后”是指，分析需要為后面的選擇、決策提供依據與基礎，因此需要恰當設計分析的內容，以保證決策得以進行。

譬如，《Excel中數據的處理》中1、2兩個問題的分析必須建立在前面數據計算的基礎之上，3題的回答又依賴于1、2分析的結果，充分體現出統計分析為決策提供數據支持的功能，促進學生對數據統計分析加深認識與理解。

3. 知識運用自動化

知識運用自動化，即從知識向智慧的轉變過程，是指在學生掌握知識之后，借助一定量的知識應用練習，熟悉了知識的應用環境及方法之后，在不需要專門選擇知識的情況下無意識地運用知識，達到自動化效果的過程。這一過程顯然不是一蹴而就的，需要經歷幾個狀態：在知識應用練習之前，處于“無意識的不用”狀態；經過知識應用訓練，基本掌握了知識應用場合及方法，但還不夠熟練，遇到問題時，需要有意識地思考選擇相應的知識，該階段可以稱為“有意識的應用”狀態；經過足夠的知識應用練習之后，學生對知識的應用形成更深的感悟，可以在無意識中，即自動選擇某種知識應用于問題解決中，此時就進入了“無意識的應用”狀態，達到此狀態，即完成了由掌握知識到生成智慧的轉變。

具體到數據統計與分析的教學中，就是根據分析結果進行選擇或決策的過程。智慧指向正確判斷和決定的能力，因而在數據統計與分析后期，需要引導學生依據分析的結果進行選擇、決策。智慧傾向關心未來，含有暗示及滯后影響的意味，與此類似，課堂上的選擇抑或決策只能更多發生于認知層面，形成的是決策時的心理傾向，但追求的是持續影響學生并實現將來在現實情境中的外顯行為的變化。因而，知識運用自動化在一次課內未必能夠實現。

同數據分析類似， 決策可以因人而異。譬如，《Excel中數據的處理》中的問題3。教學中需要引導學生根據實際做出符合需求的決策。譬如，《Excel綜合運用》[4]案例中，教師課前安排學生對自己居住小區的人居環境從自然、人文、社會、建筑和支持網絡幾個方面進行評價，課堂上則圍繞用Excel軟件對若干個小區的人居環境狀況作系統的分析，涉及Excel數據加工技術的綜合應用，如排序、篩選、分類匯總等，然后得出結論，哪個區的人居環境綜合比較好。最后環節是引導學生的實際應用：

是不是××區的人居環境比較好，我們都要住在那個區？在選購住所的時候，首先應該考慮自己的需求，根據實際需要確定自己的選擇。

（1）假如你是一名在南京一中讀高一的學生。

需考慮因素：你的父母希望你上學路途中花費的時間比較少，小區居民的整體文化素質比較高。

（2）假如你的爺爺奶奶退休了，考慮給他們選擇一處房屋。

需考慮因素：空氣新鮮，小區休閑設施齊全，鄰里關系和睦，靠近你家現在的住處，方便照顧老人。

該案例是在對真實數據進行統計的基礎上，通過分析引導學生明確如何選擇、為什么要如此選擇，關注學生在掌握知識的前提下生成智慧。學會選擇，這就是智慧，影響著將來的選擇行為，即根據實際需求進行選擇，其實不僅是小區的選擇，也包括人生中的其他選擇。

知識運用自動化階段的教學要求：其一，必須為學生提供需要決策的情境，以促進學生在類似情境下的順利遷移。這一點需要在數據呈現的同時即提供給學生，以促進學生明確數據處理的根本目的。其二，決策需要根據分析的結果來進行，讓學生充分體會到分析的目的及價值，即為決策提供依據。

按照上述隱性關系顯性化—顯性關系知識化—知識運用自動化的思路，教學中引領學生經歷數據的收集、整理—處理、加工—分析、表達—選擇、決策這一完整過程，促進學生對數據處理形成整體感知與理解。

數據統計與分析的完整過程是從數據收集與錄入開始，經過表格規劃與修飾、數據處理與統計、圖表與分析等，因此，未必在一節課內完成，但整個部分的教學經歷完整過程即可。也可以在綜合應用或者復習課上，帶領學生經歷此完整過程，為了在一節課內實現，可以簡化部分細節，如使用半成品策略，以凸顯整個流程。

結束語

從DIKW金字塔模型的視角觀察“數據統計與分析”的教學，意義在于：明確數據統計與分析的教學不能止步于簡單的數據收集、整理、加工，其意義主要體現于在此基礎上的分析及進一步的決策。即教學中在由數據到信息的轉化基礎上，關注顯性關系的知識化并追求知識運用的自動化。

顯然，DIKW模型也適用于信息技術課程中的其他內容，譬如DIKW體系經常應用于信息科學，因此可以應用于搜索技巧及數據挖掘。

注： 本文為江蘇省教育科學“ 十二五” 規劃課題“ 信息技術課程思想及其應用研究” （ B -b/2013/01/039）的研究成果。

參考文獻

[1]李藝.高中課改實驗進行時[J].中小學信息技術教育，2005(1).

[2]盛群力.21世紀教育目標新分類[M].杭州：浙江教育出版社，2008:67.

篇5

生源是學校的生命線，是制約高職院校發展的主要因素，這兩年高職生源的變化，特別是生源的多樣化，已成為影響高職院校教育教學工作的重要因素。以前學生生源來自高考普招，成績基礎好，學習的主動性和積極性高，有一定的求知欲，開展課程教學比較容易，課程教學的效果好。現在的生源多樣化，導致學生的學習態度、主動性和積極性下降，對課程教學造成很大的影響，課程教學實施困難。目前需要研究好學生的學情，采取相應的對策。

1 學生學情分析

對于學生的學情，生源的多樣化，導致學生分化較大，部分學生成績優秀，動手能力強，能認真鉆研專業技術，在國內各種競賽中獲獎，畢業后能在工作崗位中有很好的發展，但也有很多學生不愛學習，課堂不認真聽講，不喜歡動手操作，不喜歡實訓，甚至對于專業不感興趣。

1.1 學生的生源狀況

最近兩年生源狀況如表1所示，數據通信課程教學針對2015級大二學生。

從表中可以看出生源的多樣化：生源混編、自主單招和專業混編。學生的基礎不同，這就給數據通信課程教帶來了困難。

1.2 學生的課程安排狀況

從表2中可以看出，學生課時較多，課表安排很滿，每周28節課，學生任務重，學生沒有自由的時間學習自己喜歡的課程和技能。只能被動的學習課程，長時間會導致學生學習疲勞，對于上課變得麻木，缺少主動參與課程教學活動。同時對于專業課程，方向較多，學生每個方向都學，導致廣而不精。

1.3 調查問卷和訪談結果分析

針對學生的學習態度、興趣、學習方法習慣和將來就業意向，進行調查問卷和分析。調查統計結果如圖1、2、3、4所示。

從學情調查結果的分析中可以看出，學生的學習態度比較差，只有很少的學生有明確的學習目標，很多學生學習被動，甚至有曠課的，不想上課的。學習習慣比較差，不交作業或缺交作業，很多抄襲別人的作業，獨立完成的很少。對于將來的就業意向，一半學生想良好就業，其他學生想創業或自主擇業，還有部分學生沒想好的。

2 數據通信課程教學改革

2.1 以職業認證為導向

以網絡工程師的能力培養作為本課程改革教W的出發點，課程教學內容圍繞網絡工程師的考核內容，首先統計分析認證的重點知識，所占比例，制定課程的教學內容的重難點。

依據網絡工程師的考核要點，對于網絡技術課程的教學，實施改革，通過修改大綱和授課計劃，注重認證的考核內容，提高實踐教學的比例，注重學生的實踐操作能力，增強學生的學習興趣。如表3所示。

2.2利用華為網院的網絡資源

鼓勵學生通過華為網院，在線自主學習專業知識，提高專業技能。同時為學生的考證提供方便，申請折扣號，減輕學生進行網絡工程師認證的負擔。在學生學完每個階段，對于所學內容進行知識的測試，讓學生明白自己的掌握情況，同時也讓老師了解教學效果，進行教學方法的調整。

2.3 對于學生進行分類教學

對于學生在二年級可以分專業方向，把學習的專業更細化，讓學生學習自己感興趣的方向，同時能減少學生的課時，讓學生有時間去思考，引導其去主動學習，防止把時間浪費在過多的專業課程上，使學生學有所長，在學校中能很好地掌握一門專業技能。

課程結束后，對全體學生組織技能競賽，對于表現好的學生進行獎勵，讓學生感受課程學習的成就感，同時明白技能的重要。

3課程教學改革的建議

首先通過校園圖書館、互聯網等媒介廣泛搜集文獻資料，查閱有關高等職業院校學生的學情，了解國內外相關理論，分析其成功經驗和存在問題，為課程教學提供理論基礎。

然后通過設計調查問卷，搜集相關信息，了解學生的學情，通過具體學生的訪談，分析學生的的特點、發展前景和存在問題，找到相應對策。

最后通過課程教學的開展，找到提高學生學習興趣的途徑，進行數據通信課程的教學改革，找到解決問題的策略，為人才培養提供依據和教育教學改革提供方向。

4 結束語

學生生源的多樣化及生源質量的下降，給高職教學造成了很大的難度，高職教學應該分析學生的學情，了解學生的狀況，開展課程教學改革。本論文具體改革的步驟通過問卷調查、訪談、數據統計分析學生的學情，然后基于數據通信課程具體教學改革探索，找到改進學生學習方法、提高專業興趣和技能的建議策略，從而為后面學生的培養提供一定的理論參考和行動策略。

參考文獻

[1] 吳玉章，方建群.從學情調查探析高教改革的若干細節問題[J].醫學教育管理，2015.

篇6

一、引言

輟學率居高不下已成為國際遠程教育領域的共性問題之一。世界各國開放大學的招生規模不斷擴大，但極高的輟學率給學生、院校和社會帶來了較大影響，也困擾著遠程教育的發展。

英國開放大學作為世界遠程教育的翹楚，目前的畢業率僅為22%，是英國全日制普通高等教育畢業率（82%）的1/4左右，是業余高等教育畢業率（39%）的一半左右；其他遠程開放教育院校的畢業率則更低，如印度安姆貝德卡大學為14%、南非大學為6%、加拿大阿薩巴斯卡大學為5.3%、美國的鳳凰城大學為5%。[1]

在我國，開展網絡高等學歷教育的試點高校先后開設了300余種專業、1500多個專業點，設立了9000多個校外學習中心，累計招收網絡遠程教育本、專科學生1000多萬人[2]，學生人數位居各類教育形式之首，但也受到高輟學率的困擾。目前，遠程教育學生的輟學問題還沒有在我國引起充分重視，對輟學者的行為研究和理論模型十分缺乏，甚至很多遠程教育院校沒有完整的輟學統計數據，更談不上對輟學問題的分析、研究和干預。

西南交通大學網絡教育學院自2001年起作為全國首批網絡教育試點高校之一開始招生，截止2012年12月31日，先后共開設了47個專業，設立了59個校外學習中心，累計招收網絡本、專科學生十萬余人，總體輟學率為8.30%。西南交通大學網絡教育學院（以下簡稱“學院”）的學生分布廣泛，影響其輟學的因素復雜多樣。在日常學籍管理工作中，學院對所有輟學學生均嚴格要求辦理相關輟學手續，并詳細記錄了所有輟學者的輟學時間、輟學原因等相關數據。

本研究以學院2008～2012年（共5年）的所有學籍數據為研究對象，對之進行多視角的挖掘分析，以期為遠程教育輟學研究提供一個完整的實證案例，為各遠程教育院校、學習中心降低輟學率提供相關參考和借鑒。

二、數據樣本及研究方法

1. 研究對象及數據來源

本研究利用學院“教務管理數據庫”平臺，選擇2008年春季～2012年秋季（共10個學期）全部學生的學籍數據，共計135670條，建立“2008-2012年學籍狀態數據庫”，并關聯畢業生學歷數據表、輟學學生數據表、學習中心數據表、各專業數據表等相關數據，全面分析、挖掘2008～2012年間輟學情況。

2. 數據指標定義

本文中，輟學率=輟學人數/招生注冊數。其中，“招生注冊數”指已經完成了學籍注冊、獲得學號、具有學籍的學生總數，包括在讀、已畢業和輟學流失三類學生；“輟學人數”包括輟學、開除、已達最長學習年限但未完成學業而被清退的三類學生數。

3. 數據預處理

（1）將所有輟學學生按照入學時間、學習層次、專業、性別、年齡、學習狀態等進行分類、整合，從多視角計算、分析其輟學情況；

（2）對學院先后開設的47個本、專科專業進行歸一處理，分為文法類、理工類、經濟類三個大類，分別統計其輟學等相關數據；

（3）將所有輟學學生按學習中心所在的行政區劃進行分類，共得到27個省（市）/自治區的有效數據，將其再按照地域方位劃分為東北、西北、西南、東南、中部共五個區域進行統計；

（4）計算所有已輟學學生“參加過考試的學期數”，得到其有效在讀的時間，即“修業時長”，并將該數據進行歸類統計；

（5）對專升本輟學學生的統考通過情況進行分類統計。

4. 統計分析方法及研究工具

本研究采用SQL、FOXPRO、EXCEL等數據庫軟件，對所有數據進行采集、統計，并對數據進行關聯、求和、百分比、標準差等計算處理。

三、輟學總體情況

根據統計數據（表1），2008～2012年學院共計招收本、專科學生135670人，目前在讀或已畢業人數125768人，輟學人數共9902人，總體輟學率為7.30%。其中，高升專輟學人數6154人、平均輟學率7.28%，專升本輟學人數3748人、平均輟學率7.33%。

我國網絡教育學制為2.5年，目前2008～2010年入學的學生已到畢業時間，2011、2012年入學的學生仍處于正常在讀年限內。根據2008～2012級各層次輟學率逐年分布圖（圖1），2008～2012級總體輟學率呈現下降趨勢，且各年級專升本輟學率普遍高于高升專輟學率。2008級專升本輟學率達到最高值（11.95%），高于平均輟學率4.65個百分點。

四、輟學率變化趨勢及差異比較

學生輟學涉及很多因素，如學習基礎和能力、經濟狀況、環境變化、工作調換、出國、生病、懷孕，等等。但學生在填寫“輟學原因”時，往往只簡單地填寫“自動輟學”或“工作原因”等，由此難以得到學生真實的輟學原因。因此有必要對所有輟學數據進行不同視角的觀察和分析。

1. 輟學時間的情況統計

從表2和圖2可以看到，輟學時間主要集中在每年的4月和10月，其輟學率分別為15.26%和21.63%。平均月輟學比例的標準差值為0.0579。在每年春、秋季學期，新生入學注冊的時間大約是3月和9月，4月和10月為新生入學后的第一個月。

結合已輟學學生參加考試的學期數（圖3），可以看出輟學學生的“修業時長”主要集中在前兩個學期，其中沒有參加任何學習就輟學的學生占輟學總人數的21.94%，為最大值。此后逐漸下降，在第5個學期出現一個小高峰（14%）。已輟學學生參加考試學期數比例的標準差值為0.0806。由此可見，輟學學生主要集中在學習的早期階段，較有代表性的時間段為新生入學一個月左右的時候及學習時間到達學制2.5年的時候（第5個學期）。

2. 各專業學生的輟學情況

從表3和圖4可以看出，專升本學生的輟學率略高于高升專學生；文法類和經濟類學生輟學率相對較高，理工類學生輟學率較低。但總體來說，各大類專業學生間的輟學率區別不大，標準差為0.01150。

3. 不同性別、年齡學生的輟學情況

從表4和圖5可以看出，女生輟學率的標準差為0.0126，大于男生0.0073的標準差，總體標準差為0.0087。20～46歲的輟學率變化幅度雖然不大，但呈現明顯的規律：26歲以前男女生輟學率整體高于26歲以后；21～25歲學生輟學率最高，31～35歲學生輟學率最低；20歲左右的學生，男女生輟學率無明顯差別；21～30歲的學生中，女生輟學率高于男生，其中21～25歲的女生輟學率達到9.65%，為所有年齡段學生中最高；26～30歲學生中，男女生輟學率基本一致；30歲以上學生中，男生輟學率高于女生，其中31～35歲學生中，女生輟學率為6%，為所有年齡段學生中最低；46歲以上的學生中，男女生輟學率趨于一致。

4. 不同地區學生的輟學情況

通過對不同學習中心所在行政區域的輟學情況進行統計，共得到27個省（市）/自治區的有效數據。將該數據按照地域方位劃分為東北、東南、西北、西南、中部共五個區域，進行進一步歸類統計，得到以下數據（表5）。

通過不同學習中心所在地區總體輟學率分布圖（圖6）可以看出，地處西北地區的學習中心其學生輟學率最高，達到9.25%；其次是東南、中部和西南地區，分別為8.00%、7.25%和6.54%；東北地區輟學率最低，為4.15%。不同地區輟學比例標準差為0.0318。

5. 專升本已輟學學生的統考通過情況

根據教育部和網考委的相關規定，網絡教育專升本學生必須通過公共基礎課全國統一考試（以下簡稱“統考”），因此對統考通過情況的統計是分析學生輟學原因的重要依據。從專升本輟學學生統考通過情況的統計（表6、圖7）可以看出，專升本學生輟學總人數為3748人，其中僅通過英語統考的人數為170人，占專升本總輟學人數的4.54%；僅通過計算機統考的人數為169人，占專升本總輟學人數的4.51%；兩門統考均未通過的人數為3408人，占專升本總輟學人數的90.93%；兩門統考均通過卻輟學的學生僅1人，占專升本總輟學人數的0.03%。該生為女性，年齡25歲，于2010年秋季入學，機械設計制造及自動化專業，輟學時間為2012年6月，參加過3個學期的期末考試，在讀期間共選修16門課程，其中9門課程通過，7門課程均因“缺考”而未通過。經調查了解，該生因工作地點頻繁變動而無法繼續學習。

五、輟學原因分析及討論

通過以上對各項輟學數據的統計和分析，以及各類數據的標準差值，可以看到，對輟學情況影響最大的因素為專升本統考的通過情況。網絡教育對學生的入學水平沒有嚴格的要求，入學后各門課程的教學、考試標準也由各院校自行把握。然而面對“統考”這一國家統一考試，學生的通過情況則與其入學水平呈正向關聯。如何有效提高學生的學習能力和真實水平，是網絡教育解決專升本輟學問題的重要因素。

統計結果顯示，輟學往往發生在學習的早期階段，具體時間是入學后第一個學期的一個月內。此外，第一次考試后也是輟學的高發時間段。數據無法體現出其具體原因是什么。但根據日常教務管理經驗，筆者推測可能是學生入學后發現學習的難度超過了預期，也可能是第一次考試的通過情況讓學生喪失了繼續學習的動力。不管何種原因，在此期間于學習支持服務中提供積極指導和早期干預是非常重要的。

不同性別和年齡對學生保持率的影響也不容忽視。在數據統計中，相對年輕的學生更容易輟學。網絡教育的學生往往是在職學習的成人學生，工學矛盾十分突出。學生需要有很強的時間管理能力，能合理規劃生活、工作和學習的時間，能按部就班地完成每一階段的學習。網絡教育現有的學習支持服務主要是解答問題和滿足需求，這類服務的對象是那些已經具有良好“活躍度”的學生，此類學生往往具有較高的保持率。而那些相對“安靜”或“冬眠”的學生則需要更多的主動幫助、按時提醒和及時干預。

在我國，地區經濟發展水平不均衡，東部經濟發展較快，西部經濟則相對落后。在日常教務管理工作中，我們經常遇到西部或偏遠地區學生因為經濟原因而輟學的情況，比如付不起學費、買不起電腦等；另一方面，在東部等經濟發達地區，人員流動性較大，很多學生因為工作變動頻繁或工作地點不能提供良好的遠程學習條件而放棄學習。網絡教育可以通過多樣化的學習和考試方式，甚至是便攜式移動終端來解決學生在時間和空間上的不便；通過貸款等資助方式解決學生的學費問題。

不同專業對學生輟學的影響主要體現在專業間難度不同以及學生入學水平的差異上。部分學生因為選錯了專業但又不符合轉專業的條件而選擇輟學。因此，在入學時學習支持服務人員幫助學生選擇適合的專業是降低輟學率的積極做法。另外，幫助基礎較差的學生提高學習水平、激發學習興趣至關重要。網絡教育通過提供靈活的課程結構、適中的課業負擔、多樣的學習方式，能有效提升學生保持率。

當然，無論采取何種措施來降低學生的輟學率，都需要花費院校、學習中心、學習支持服務人員的時間、精力和成本。目前，我國遠程教育院校的收入主要來源于學生繳納的學費。有研究表明，招收一個新生的費用遠高于挽回一個輟學者的費用[4]。因此，挽救一個學生的成本會換來數倍的回報，對院校、學習中心甚至學生本人，帶來良好的成本-效益。

目前我國遠程教育對輟學學生的關注度并不高，降低輟學率的工作任重而道遠。各遠程教育院校需要不斷提升服務水平、完善輟學數據統計；學生則需要保持學習動力、提高學習水平，獲得更好的遠程學習體驗。

[參考文獻]

[1] 劉永權，李瑩. 破解遠程開放教育高輟學率的難題——訪英國開放大學奧蒙德·辛普森教授[J]. 開放教育研究，2012，（10）.

[2] 孫崇正，安哲峰. 基于網絡遠程教育的高校創新性人才培養模式改革研究[J]. 現代遠距離教育，2011，（2）：43-46.

[3] 劉永權，牛健，李瑩. 透視國外遠程教育降低輟學率的窗口——對英國開放大學擴大參與中心2010年報告的解讀[J]. 現代遠程教育研究，2011，（6）.

篇7

【Abstract】Objective To study the morphological changes at the megakaryocytic system in thrombocytopenic diseases and thrombocytosis disease.Methods This issue retrospectively analyzed 96 cases of various diseases thrombocytopenia, thrombocytosis 36 cases. We observed their morphology again and aimed at the rule of its change.Results The results showed abnormal morphology in both idiopathic thrombocytopenic purpura and myeloproliferative disorders, whereas the morphology abnormality of megakaryocytic system in secondary thrombocytopenia mostly occurred in hematopoietic diseases and had the similar appearance. Conclusions The change of morphology at the megakaryocytic system has certain significance on classification the cause of thrombocytopenia and thrombocytosis.

【Key words】 megakaryocytic systems; thrombocytes; morphology

近年來血小板減少性紫癜(thrombocytopenic purpura,TP)和血小板增多的病因分析和診斷方法不斷改進，但是，骨髓形態學的診斷依然占有主要的地位，本文回顧分析180例血小板減少及血小板增多的骨髓象，著重分析巨核細胞以及血小板的形態改變，以探討不同病因的血小板減少和增多的巨核系統形態異常的表現在疾病診斷中的價值。

1 材料與方法

1.1 觀察對象 自1991年到2006年我科收治的180例血小板數量異常，經骨髓檢查及臨床確診的病人，首診為原發性血小板減少性紫癜(ITP)48例，繼發于造血系統疾病的血小板減少96例，其中再生障礙性貧血(aplastic anemia,AA)22例，骨髓異常增生綜合征(myelodysplastic syndrome,MDS) 32例，巨幼細胞性貧血(megaloblastic anemia ,MA)19例，急性白血病(acute leukemia ,AL)23例。原發性血小板增多癥(essential thrombocytosis ,ET)3例，其它骨髓增殖性疾病33例，包括真性紅細胞增多癥(polycythemia vera ,PV)9例，慢性粒細胞白血病(chronic myelocytic leukemia ,CML)24例。

1.2 檢查方法 瑞氏染色的骨髓片，在顯微鏡下，1000倍放大觀察骨髓涂片中巨核細胞的胞體大小變化，胞核大小及形狀的變化，核染色質的疏松與致密，胞漿中顆粒的多少與血小板的形成，血小板的大小與顆粒的多少。

2 結果

原發性血小板減少性紫癜與繼發性血小板減少的巨核系統形態變化,見表1。48例原發性血小板減少性紫癜的骨髓巨核細胞出現胞體大，核疏松腫脹41例，核多分葉43例，胞漿顆粒減少47例，血小板生成障礙48例，出現巨大血小板19例。22例繼發于再生障礙性貧血的血小板數量減少的骨髓巨核細胞以數量減少為主，形態基本正常。32例繼發于骨髓異常增生綜合征的血小板數量減少的骨髓巨核細胞出現核疏松腫脹15例，核多分葉17例，胞漿內顆粒減少29例，小圓巨19例，血小板生成障礙28例。19例繼發于巨幼細胞性貧血的血小板減少的骨髓巨核細胞出現核疏松腫脹19例，核多分葉19例，胞漿內顆粒減少19例，可見大血小板。23例繼發于急性白血病的骨髓以巨核細胞減少為主，可見核多分葉3例，大血小板3例。血小板增多的疾病的巨核系統形態變化,見表2。3例原發性血小板增多癥的骨髓巨核細胞胞體小，核染色質濃縮致密，胞漿顆粒增多，血小板堆積成團，以小血小板為主。9例真性紅細胞增多癥的骨髓巨核細胞未見明顯異常，可見小血小板。24例慢性粒細胞白血病的骨髓巨核細胞胞體較小23例，可見小圓巨19例，可見大量散在及成堆分布的小血小板。

3 討論

骨髓涂片中病態巨核細胞及異常血小板的檢出對部分血液系統疾病的診斷與鑒別診斷具有一定的價值［1-2］，尤其是原發性血小板減少性紫癜與繼發性血小板減少性紫癜的鑒別診斷［3-4］，對原發性血小板增多癥與繼發性血小板增多癥也有參考價值。本組病例中原發性血小板減少性紫癜的巨核細胞胞核以疏松腫脹為主，占85%。而原發性血小板增多癥的巨核細胞胞核則表現為核濃縮致密。原發性血小板減少性紫癜的血小板以大血小板及巨大血小板為主，占40%，血小板內顆粒減少。原發性血小板增多癥的血小板以小血小板為主，顆粒密集。繼發性血小板減少的疾病當中，骨髓增生異常綜合征的巨核細胞的病態改變與原發性血小板減少性紫癜有相似之處，都可表現為核疏松腫脹，核多分葉，胞漿顆粒減少。巨幼細胞性貧血的巨核細胞病態改變也與原發性血小板減少性紫癜相似，同樣表現為核疏松腫脹，核多分葉，胞漿顆粒減少。繼發于再障和除M7以外的急性白血病的巨核細胞以數量減少為主，形態未見明顯異常。淋巴細胞樣的小圓巨常見于骨髓增生異常綜合征和慢性粒細胞白血病，并可在外周血中出現。本文認為原發性血小板減少性紫癜與原發性血小板增多癥的巨核細胞及血小板的形態異常表現是完全不同的。原發性血小板減少性紫癜與繼發性血小板減少性紫癜的巨核細胞和血小板的形態異常表現有相似之處。原發性血小板增多癥與其它骨髓增殖性疾病也有相似之處。所以，形態學診斷必須結合其他系統的形態變化及其臨床表現才能作出正確的診斷。

參考文獻：

［1］ 曾衡軍, 王有元, 張秋桂,等. 骨髓病態巨核細胞與血液系統疾病［J］. 南華大學學報. 2004，32(2):239-240.

篇8

首先，啟動Excel，點擊工具菜單中的“加載宏”選項，在出現的對話框中選中“分析工具庫”，確定安裝后，在菜單欄的“工具”下會出現“數據分析”選項。

2 使用Excel進行數據統計描述

用Excel可進行數據的統計描述，包括：（1）集中趨勢（集中指標），它包括算術平均數，中位數，幾何平均數，眾數等。Excel提供有現成的公式及內置函數可進行這幾個指標的計算。如首先輸入一組數字，然后建入公式=AVERAGE（常數），=MEDIAN（常數），和=MODE（常數），按回車健可得到算術平均數，中位數和眾數；（2）離散趨勢（變異指標），它包括全距，百分位數，四分位數間距，方差，標準差，標準誤，偏度系數和峰度系數等。而其中以方差，標準差，百分位數和標準誤較為常用。同樣在電子表格中建入公式=VARP（常數）和=VAR（常數）兩函數可計算總體方差和樣本方差。建入公式=STDEVP（常數）和=STDEV（常數）便可得到總體標準差和樣本標準差。

3 t檢驗

t檢驗是醫學統計分析中最常用的統計分析方法，用來檢驗標準試樣測定結果的平均值與標準值之間是否有統計學意義。Excel“數據分析”中提供了多種不同條件的t檢驗工具，如“平均值的成對二樣本分析”，“雙樣本等方差假設”，“雙樣本異方差假設”及其他統計分析工具，當樣本中的觀察值存在配對關系時，可以使用“平均值的成對二樣本分析”t檢驗。例如對一個樣本組在實驗前后進行了兩次檢測，為確定實驗前后樣本均值是否相等，應使用成對t檢驗，此t檢驗并不假設兩個總體的方差是相等的。例如，用某藥物治療高血壓患者10名，治療前后舒張壓變化如下：

在工作表中輸入上面的數據，比如數據區為A1至J2。分析時，在“工具”菜單中，單擊“數據分析”命令。在數據分析對話框中，選擇t檢驗：平均值的成對二樣本分析，拉出平均值的成對二樣本分析對話框，其中有如下輸入項：變量1的區域：輸入需要分析的第1個數據區域的單元格引用。該區域必須由單列或單行數據組成。可單擊輸入框右面的按鈕，回到電子表格上自數據開始的單元格向結尾的單元格拖動。此時變量1的區域（A1~J1）自動進入輸入域中。然后單擊輸入域右面的按鈕，回到原對話框。變量2的區域：輸入需要分析的第2個數據區域的單元格引用。該區域必須由單列或單行的數據組成。輸入方法同前。變量2的區域為（A2~J2）。假設平均差：在此輸入期望中的樣本均值的差值。缺省為0值，即假設樣本均值相同。標志：如果輸入區域的第1行或第1列中包含有標志項，應選中此項：如果輸入區域沒有標志項，Excel將在輸出表中生成適宜的數據標志。這里選中此項。α在此輸入檢驗的統計意義水平。該值范圍為0～1之間。缺省為0.05。

輸出區域信息可選擇如下單選項：輸出區域和新工作簿。我們選擇新工作表，結果為平均95.88889，方差80.86111，觀測值9，泊松相關系數0.881366，假設平均差0，df 8，tstat 5.230769，P（T≤t）單尾0.000396，t單尾臨界1.859548，P（T≤t）雙尾0.000792，t雙尾臨界2.306004。兩組比較差異有統計學意義（P

4 方差分析（analysis of variance，ANOVA）和卡方檢驗

在數據分析工具庫中提供了3種基本類型的方差分析：單因素方差分析、可重復雙因素分析和無重復雙因素分析，現簡單介紹方差分析的應用。

單因素方差分析：在進行單因素方差分析之前，須先將試驗所得的數據按一定的格式輸入到工作表中，其中每種水平的試驗數據可以放在一行或一列內，具體的格式如表，表中每個水平的試驗數據結果放在同一行內。數據輸入完成以后，操作“工具-數據分析”，選擇數據分析工具對話框內的“單因素方差分析”，出現一個對話框，對話框的內容如下：（1）輸入區域：選擇分析數據所在區域，可以選擇水平標志，針對表中數據進行分析時選取；（2）分組方式：提供列與行的選擇，當同一水平的數據位于同一行時選擇行，位于同一列時選擇列，本例選擇行；（3）如果在選取數據時包含了水平標志，則選擇標志位于第一行，本例選取；（4）α：顯著性水平，一般輸入0.05，即95%的置信度；（5）輸出選項：按需求選擇適當的分析結果存儲位置。 雙因素無重復試驗方差分析 與單因素方差分析類似，在分析前需將試驗數據按一定的格式輸入工作表中。 數據輸入完成以后，操作“工具-數據分析”，選擇數據分析工具庫中的“雙因素無重復方差分析”，出現一個對話框，對話框的內容如下：（1）輸入區域：選擇數據所在區域，可以包含因素水平標志；（2）如果數據輸入時選擇了因素水平標志，請選擇標志按鈕；（3）顯著性水平α：根據實際情況輸入，一般選擇0.05；（4）輸出選項：按需要選擇分析結果存儲的位置。

可重復雙因素分析：雙因素可重復方差分析與雙因素無重復方差分析數據輸入的區別在于對重復試驗數據的處理，就是將重復試驗的數據疊加起來。 數據輸入完成以后，操作“工具-數據分析”，選擇數據分析工具庫中的“雙因素可重復方差分析”，出現一個對話框，對話框的內容基本與雙因素無重復方差分析相同，區別在于每一樣本的行數選項，在此輸入重復試驗的次數即可。若須對數據進行方差分析時，在輸入區域選擇數據所在區域及因素水平標志，在每一樣本的行數處輸入3，即每種組合重復3次試驗，顯著性水平選擇0.05。在輸出選項中可以按照需求選擇分析結果儲存的位置。選擇確定以后分析結果。在工具菜單中均有現成的這3種分析工具。

5 非參數檢驗

Excel也沒有提供非參數檢驗的分析工具，但可利用其提供的函數和公式可進行分析。如利用IF（指定要執行的邏輯檢驗函數）和COUNTIF（ 條件函數 ）進行編秩。利用=SUMIF（條件單元格求和函數 ）計算正負秩和。=COUNT（個數函數）利用=ABS和=SQRT計算絕對值和z值。

6 相關回歸

為了反映兩個或多個變量之間的關系，描述相關關系的方向與密切程度，需采用相關分析；為了反映兩個或多個變量之間的依存關系，建立回歸方程，采用回歸分析。先將數據輸入工作表中，然后用Excel提供的函數可進行線性回歸（linear regression）又稱簡單回歸的分析和Spearman等級相關分析，用菜單中的“工具數據分析相關糸數可進行相關分析。用“工具數據分析協方差工具可進行協方差分析。用Excel的XY散點圖工具可以進行散點圖的繪制。

Excel是一種使用極方便的電子表格軟件，它有強大的數據管理功能，不僅能夠根據需要分類管理數據信息，能進行數據統計、篩選、排序、匯總、匯制圖表等，還能利用其強大的函數功能以及分析工具庫為建立復雜的統計或計量分析工作帶來極大的方便。

篇9

教研組長

時間

2020年4月14日

地點

一年級數學教研組

主持人

記錄人

參加人員

一年級全體數學教師

缺席人員

無

教研主題

統計教學重在培育兒童的數據分析觀念

活        動        內        容        及        過                 

老師發言：

今年在疫情肆虐的情況下，大數據起到了非常大的作用，通過數據的收集和整理解決了很多的問題。那么我們本冊教材的第一單元就安排了數據收集整理，讓我們的孩子從小都意識到數據的重要性。統計教學對于我們低年級孩子來說，還需要老師的幫助和引導去確定分類的標準，再去進行分類和整理。在整理的過程中還要引導孩子們怎樣做到不重復，不遺漏。教學中還應注重選擇貼近兒童生活的真實任務，使他們在經歷收集數據，整理數據和分析數據的過程增強應用意識，感受統計的價值！

統計教學不僅僅是讓兒童認識繪制統計表、統計圖。掌握計算平均數等知識技能。重要的是培養數據分析觀念。

下面請大家勇躍發言！

老師發言：

對于統計表孩子們在分類統計著方面還是有點欠缺！有時候會找不到具體應該分哪兩類！

老師發言：

從對吳正憲老師的講課學習中，我體會到了數據分析觀念的重要性，認識到了培養學生的數據分析觀念，對于他們今后一生的發展的重要意義。對于學生數據分析觀念的培養，要把培養他們運用數據解決問題的意識放在首位，通過緊密聯系學生生活的教學方法，循序漸進地進行培養，在以后的統計與概率教學中，我會讓學生通過數據分析、搜集整理來真正理解統計的意義，從而培養學生數據分析觀念的素養，為他們今后進一步的學習打下良好基礎。

老師發言：

通過學習吳老師的講座，感受到統計教學和現實生活緊密相連。我們在教學中，不要單純為了統計教學而進行教學，要讓孩子們再具體情境中產生收集數據的欲望，并根據數據進行分析，找到解決問題的合適方法。

針對低年級學生來說，就算他們目前在統計上還不具備足夠的知識，他們也不需要害怕，我們應該在他們很小的時候就開始學習統計。

統計的教學，其實不需要任何起點，我們只需要從學生感興趣的問題開始，這與傳 統數學課是非常不同的。在統計課上，學生除了學習統計知識外，更重要的是要體驗統計過程。也就是提出問題，收集數據，分析數據，理解與推斷，交流。孩子們可以提出非常簡單的問題作為開始，要注意沒有壞的問題。當然，問題可以在老師的幫助下有所發展。比如學生提出問題我們班最喜歡的電影是什么？老師可以說這是一個好問題，不過男生跟女生的答案可能會很不一樣。當然，另一個重點是所提的問題要是一個基于數據的問題。學生還需要知道，提出問題后，需要獲取好的數據，而有些數據是不容易獲得的。所以孩子們需要對他們的問題有所規劃，然后將需要研究的問題轉化為具體的調查問卷，以便下一步的數據收集。

因此，統計教學培養孩子們的大數據觀念，逐步提升孩子們的眼界，格局，做任何決定不是一拍腦門的盲目，而是有理有據分析、推理的結果。

鄭海變老師發言：

通過學習吳老師的講座明白了數學來源于生活，生活離不開數學。數據分析觀念是統計思想的一個重要組成部分。學生數據分析觀念的培養都離不開對生活中的數學問題的探究。這就要求我們培養小學生的數據分析觀念，以數學的眼光解決一些實際問題。學生數據觀念的培養，就是通過解決生活中的實際問題來實現的，最終以問題的解決為目的.

李景老師發言：

統計圖表將數字信息用圖表的形式直觀的表達出來，使數據之間的關系得到直觀的發展。統計圖表在統計中發揮著較大的作用，并且呈現形式多種多樣。教學中要讓學生力求通過具體的操作活動體驗統計的必要性和重要性。

篇10

作為我國高等教育一支重要生力軍――高等職業教育近幾年來的發展可謂迅猛，無論是學校數還是學生人數，高職專科的規模已是我國高等教育的半壁江山。高職教育對人才的培養目標是為國家和地方經濟的發展輸送適應生產、建設服務等一線急需的應用型高素質人才，《國務院關于大力發展職業教育的決定》中就提出了“堅持以就業為導向，深化職業教育教學改革”，要求加強職業院校對學生實踐能力和職業技能的培養。

1 現狀

目前，高職學生在學校完成系統的課程學習依然是高職教育教學的主要方式，在此過程中，由于學生個體特性、就業意向、專業方向等各種因素的影響，獲取的知識無論從方式方法、內容結構，還是真正掌握的程度來說都因人而異，而這其中有相當大的部分是學生主動性選擇的結果；此外，在高職教育教學改革的嘗試中，大類招生、拓展專業等多項措施在很多職業院校中已然試行，這就給予學生更多的自和選擇的機會。

然而，在自主選擇的過程中，由于沒有一個可參照的、適合自己的挑選標準，高職學生進行各項選擇時在很大程度上有著“扎堆隨大流”、“哪個課能混好過”的心理，這就導致主動選擇的課程，其學習過程并不順暢、學習效果也不理想，沒有提升自身知識結構的質量。這種高職教育中教與學環節的脫節會對高職學生的能力培養產生有著不可忽視的影響。

2 研究思路

隨著教育信息化的深入發展，先進的信息技術手段在教育教學的方方面面都得以有效利用，這也為學生綜合能力培養的探索與嘗試提供了新的途徑，數據挖掘技術就是其中很重要的一種。數據挖掘指的是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。在此過程中，數據源必須是真實的、大量的、含噪聲的，而從中發現的是用戶所感興趣的知識內容，這些知識應該是可以接受和理解、并且能加以進一步運用的。

數據挖掘技術之所以在教育行業有更為廣泛、實際的應用，這是由于各個學校都會有自己的一整套數據庫系統，用于記錄學生的學籍信息、課程教學過程等歷史數據，這樣，就可以嘗試運用先進的數據挖掘技術和智能分析工具，通過對高職教育研究和教學過程中積累的海量數據進行采集分類、挖掘和分析，從多角度、多層次出發，構建識別個體特點、知識構成和獲取方式等要素之間關聯模式的數據模型。數據挖掘是一門交叉學科，其理論和方法有很多，包括K-最近鄰分類器、判別分析、人工神經網絡和分類樹等，它把人們對數據的應用從低層次的簡單查詢，提升到從數據中挖掘知識，提供決策支持。在這里就是要將數據挖掘方法與高職教育教學研究相結合，設計實際的分析應用系統，具體來說：

（1）數據挖掘技術面向高職教育這一特定領域中的主體――高職學生，針對專門的指標，包括個體特性、專業要求、就業意向等，著眼于課程這個知識載體，對它們之間的關系進行深層次、智能化的挖掘、分析；

（2）數據挖掘的應用會具體到建模、變量篩選和導入等方面，而不只是一些抽象的挖掘算法的研究；

（3）數據分析采用先進的商業智能工具，同樣，數據的展現手段基于平臺，具有開放化、模塊化、網絡化特點。

3 系統框架

系統定位于個性化學習分析，其框架結構參見圖1，主要由數據集成、數據建模、數據分析及展現等部分構成。具體來說，數據集成模塊完成定義數據結構、裝載、清洗、合并數據的功能；數據建模是指建立數據分析OLAP及數據挖掘模型；數據分析旨在分析和比較各種不同算法得出的結果，尋找最為匹配的算法，而數據展現的作用是根據分析結構靈活創建數據報告。

圖1 系統框架結構

在此架構下，各個子系統的功能如下所述：

（1）數據集成。分析和歸納課程教學過程中產生的系列數據，根據其特征和行為設計及定義便于分析和挖掘的數據結構，然后并進行數據集成。數據集成的工作包括從異構數據源獲取數據，將其進行清洗、轉換、合并，然后加載到數據倉儲中。數據集成執行的時間、相互的順序、成敗對將來的分析結果的有效性則至關重要。

（2）數據建模。典型的數據挖掘工具將在構建了數據倉庫后進行分析并生成結果，一些工具也可以使用關系型數據進行分析，數據分析的結果獨立于數據倉庫中使用的數據。數據挖掘核心的部分就是選擇挖掘算法并建立數據模型，這樣就可以根據學生個體信息、學生成績等數據之間的關系將這些學生劃分成分析有意義的組群并預測他們的行為；當把這些組發送回分析過程時，數據挖掘引擎允許分析人員和用戶根據這些簇進行劃分和細化。

（3）數據分析與展示。以學生個體信息和課程數據為輸入，利用所篩選出的最佳建模方法，逐步提出一個可實現個性化學習分析的數據模型，以衡量及提高模型預測的準確度。將分析結果以特定的客戶端或Web方式進行展現，以建立的分析結果展示平臺，具有高度的開放性、通用性和可擴展性。通過建模創建了正確的模型，數據挖掘的重點就從分析轉到結果上，數據報告的展現方式有多種，可通過專業的報告工具，也可自行編寫Web網站進行。

4 結束語

在高職教育教學研究中運用先進的數據挖掘技術手段，針對各項課程教學、學生管理數據進行深度挖掘、分析，研究個性化學習模式，為學生的自我學習規劃提供具體化、智能化分析結果以供參照，在此情況下，先進技術手段的支持，對教與學都有著不可忽視的影響。同時，也為人才培養的探索與嘗試提供新途徑。

參考文獻：

[1]趙云鵬，石麗，劉瑩.基于數據挖掘的高校規模分析及應用研究.第九屆全國信息獲取與處理學術會議論文集[C].2011.

[2].數據挖掘在高職院校教學管理中的應用[J].清遠職業技術學院學報，2010（12）.

篇11

隨著遠程教育技術的發展，教學數據不斷膨脹，目前，多媒體信息在整個遠程教育系統中，都是以文件形式存在，直接由操作系統管理，但是隨著分布式計算技術的發展，對多媒體信息進行高效的管理、存取和查詢已經成了迫切的需求。因此，研究、引用并建立新型的基于分布式數據倉庫的遠程教學系統模型，將有助于提高遠程教育教學質量與學習的效率。

二、數據倉庫及其為何適用于遠程教學系統

1.數據倉庫及其特點

“數據倉庫之父”W . H . Inmon在Building the Data}axehous。中提出:數據倉庫是支持管理決策過程的、面向主題的、整合的、穩定的、隨時間不斷變化的數據集合。我們可以這樣了解數據倉庫的概念:數據倉庫為支持海量存儲和高層決策分析提供了一種解決方案。它抽取和凈化來自不同應用系統的數據，從事物發展和歷史的角度進行組織和存儲，并通過對這種集成化數據的分析和挖掘，為最終用戶提供綜合性和分析性的深層次信息，是基于傳統數據庫技術的一種應用拓展。根據以上概念分析出數據倉庫的四點精髓:(I)面向主題;(2)集成性;(3)不易失性;(4)時變性。[2]根據這四點精髓內容，本文構建了基于分布式多媒體數據倉庫技術的遠程教育的教學輔助平臺。

2.基于數據倉庫遠程教學系統實施的可行性

遠程教育中，教學是一個主要的活動，目前的教學模式主要分為同步型和異步型。無論是同步型還是異步型教學模式，為了更好地講授某個課題或者知識點，需要使用文字說明或動畫，甚至要配上音樂的解說，這時候就需要用到多媒體數據倉庫和多媒體信息處理技術。在日益膨脹的教學數據背后隱藏了許多重要的信息，如果我們希望能對數據資料進行更高層次的分析，以便更好地利用這些數據，反饋到教學活動中，就需要建立一個高效的多媒體數據倉庫模型。目前關系數據庫系統可以高效率地實現數據操作的基本功能，但是無法發現數據中存在的關系與規則，無法根據現有的數據預測未來的發展趨勢。

同樣在教學活動中，教師常常需要對學員的課堂學習反饋、理解能力、本身掌握的基礎知識、掌握的知識點、考試結構等各種數據統計分析，以便在教學活動中改進。這種統計的數據很多，而且是多面性的，只做簡單的分析很難得到所需要的指導性的教學改進。

三、基于分布式數據倉庫的遠程教學系統解決方案

通過數據倉庫技術構建一套對文本、數字、文檔、圖像、聲音和影像進行綜合處理，并提供強大的數據管理和檢索功能的遠程教育輔助平臺。系統主要包括教學信息的采編與整合、非結構化及多媒體信息管理與用戶管理、信息資源服務與利用等幾個模塊組成，實現信息資源的采集、管理與服務一體化;多媒體技術是目前比較熱門的課題，它允許信息以文字、圖像、聲音等多種形式表現，并能將這些多媒體信息保存、管理、加工和傳輸。多媒體數據倉庫將多媒體信息保存在計算機數據庫中，用統一的機制管理和控制數據，確保數據的安全和正確，并給數據的使用和維護帶來極大的方便。

1.系統的外部結構

分布式多媒體數據倉庫技術平臺的外部結構體系可以分為四個部分:

(1)數據采集處理部分;

(2)數據存儲加工部分;

(3)數據輸出部分;

(4)數據反饋部分。

其結構如圖1所示。

在數據采集處理部分，需要對各種異構數據資源進行標準化與規范化標引，采用基于XML數據交換處理方式;在數據存取加工方面，采用分布式海量非結構化的資源管理模式，整個數據加工過程中，要全面整合各種標準的信息資源，如MS-Office ， S2 ， PS2 ， PS ， PDF ， HTML ，TXT，XMI，，MARC，BMP，JPG，JPEG等;實現圖像、文字、音頻、視頻等多媒體信息的關聯管理，并根據遠程學員的需要，實現智能地提取、檢索需要的教學資源，實現各種異構資源的統一化管理，實現整個資源的完整不可分割性。

2.系統的功能

(1)多媒體數據的處理方式

1)視頻資源播放

學員可以根據自己的需要選擇某個教師、某個教育實驗的錄像或者自己感興趣的資料來進行播放。播放時用戶可以自由選擇一定的播放速度。系統為用戶提供了暫停、慢放、快放的功能。播放模塊中，在用戶面前主要有三類庫:授課資源庫(正常上課講授，也可以選擇教師)、課件資源庫和習題講授庫。授課資源庫存儲了各科按照教學大綱的書本講授資源，它以章節為單位存儲在多媒體數據庫中。課件資源庫存儲著各個科目對應的課件，同樣這些課件資源也按照各個科目的章節存儲在數據庫中，學員從數據庫中檢索授課知識要點的時候，系統可以列出相關的課件供學員參考學習。習題講授庫以題為單位存儲在數據庫中，它與授課資源庫同樣是緊密結合的，學員可以根據自身的學習情況，查看相關的習題講授資源，這樣就實現了從學習到自身檢驗的一個過程。

2)資源的檢索

學員可以根據課程的各類信息對多媒體數據庫中的信息進行檢索、播放。系統提供對基于信息內容與關鍵字段的邏輯組合查詢、任意詞查詢、二次查詢、多字段復合查詢與距離查詢等靈活簡便的查詢方式，滿足不同層次用戶的查詢需要，提供關聯檢索功能，方便學員能快速搜索到自己需要的學習信息。

課程資源庫的檢索主要包括:學校、科目、授課教師、授課內容及內容的深淺度;

課件資源庫的檢索主要包括:學校、科目、制作教師、課件名稱、課件大小、課件類型及格式;

習題講授課的檢索主要包括:學校、科目、講授教師、題目類型、難易度、相關的課程

3)視頻編輯

通過對相關的錄像資源進行編輯可以使之更加緊湊。整個平臺的視頻主要涉及到這三塊:課程視頻資源庫的編輯、課件視頻資源庫的編輯和習題資源庫的編輯。課程視頻資源庫的編輯將為學員提供大量的課堂講授視頻資料，它是以課程的章節為單位來分割編輯，然后通過格式轉換及接口程序存儲到多媒體數據庫中;課件資源編輯同樣也以章節為單位，通過平臺的格式轉換和接日程序存儲到多媒體數據庫中;習題講授課可以編輯成以題為單位，存儲到多媒體庫中。

4)存儲接口處理

目前在實際應用中，我們可以參照Oracle8i系統中的intermedia多媒體部件來處理統一的接口問題，然后所有資源數據由多媒體數據庫來統一維護，統一備份，這樣就可以簡化管理。

5)教案資料信息采集

主要是將一些由Office辦公系統編輯的電子教案文檔通過格式轉換后存儲到多媒體數據庫中。

6)師資及課程管理

提供課程介紹，包括課程的整體框架、內容要求及考試方法等;推薦課程學習進度表和指導性建議;教師授課要點，包括多媒體課件的組成框架及使用提示、教案提綱和補充材料索引等。師資管理:提供教師介紹，包括本院校各學科優秀教師和聘請的全國知名專家教授情況介紹;各學科任課教師的基本情況，包括職稱學歷、學識水平及教學能力等。

(2)習題庫統計、分析與反饋

授課教師可以根據學員的考試情況來統計考試中的各類信息，從而了解學員對知識的掌握程度，并且根據學員的掌握情況，調整自己的教學方式或角度，讓學員更易接受新的知識點，提高了遠程教學的質量與效率。在遠程教育中，由于學員的價值觀、生存發展狀況、興趣愛好等存在著差異，以及學員的社會角色、所處的社會環境、本身的受教育程度、學習的能力各不相同，因此學員的學習存在著需求的多元化，如何能做到多元化的學習呢?

第一是通過系統反饋，在同步教學中對各個層次的學員做到有針對性的講授;

第二是在異步教育中，根據知識的難易度制作不同的視頻資源及各種擴充知識點;

第三是在查詢系統中，教學輔助系統平臺根據學員查詢條件自動把查詢結果及相關聯的資源(如課后問題、測試題目)提供給學員，學員可以根據系統提供的資源有針對性地學習;

第四是類別分組，采用數據倉庫技術可以對具有相似查詢瀏覽記錄的學員進行分組，系統還可以分析他們的共同特征，反饋給教師及平臺管理者，以便提供更適合、更面向學員的講學或者課件資源等;系統記錄瀏覽者的身份，如果有相關資源更新后，系統自動將相關資源信息以電子郵件等多種形式發送給關注學員，以便能讓學員學習和了解更多的知識。

3.系統的內部處理流程

系統內部處理流程如圖2所示。

用戶在使用系統時，通過Web方式提出查詢要求，系統通過外部接口程序生成查詢條件，根據查詢的條件自動檢索相關庫，并綜合分類臨時庫(如教學安排庫等)后確定數據挖掘目標與主題，系統根據目標主題建立挖掘模型，然后建立臨時數據倉庫，通過數據處理相關工具進行下一步的分析，建立與原始庫的數據處理通道，如多線程查詢知識庫、系統庫、視頻庫等，然后再通過建立的臨時數據處理通道，將通過此查詢條件的結果存儲于大型分布式數據倉庫，再通過OLAP處理服務器進一步處理由原始倉庫得來的數據，可以使用聯機分析及OLAP分析工具或者深層數據挖掘工具等進行分析，將處理好的一定范圍內的結果以多種形式顯示在用戶界面上，用戶可以打印結果、制作相關的報表或者獲取各種統計分析數據。如果無法根據查詢條件查詢到匹配的內容，系統將根據查詢結果自動反應給系統管理員或者決策分析者;還可以將分析結果反饋給系統分析庫;管理者可以根據系統反饋的結果來相應地調整教學內容、教學安排等，并根據各種統計分析報表來增加或者調整原始資源庫的內容。通過這樣的手段，一方面，教學資源庫不斷完善;另一方面，在教學上，教師也能不斷地調整自己的教學方式，以便能讓更多的學生接受更多的知識。同樣，考試處理模塊也能形成這樣的數據挖掘方式。使用系統強大的數據統計功能后，用OLAp數據挖掘工具加以分析，可以得出學員對各個知識點的掌握程度，便于在試題評測時，能有重點地加以分析，讓學員將此知識點掌握得更牢固。

4數據倉庫在遠程教學系統中的運用

目前遠程教育中的教學任務主要是以下幾個方面:教學任務安排、教學講義制作(課程安排)、多媒體課件制作、作業管理、考試管理和成績考核等。在這些活動中產生了大量的數據并形成了各自的事務型數據倉庫，如考試庫、成績庫等。從這些數據庫中獲取有用的知識并用于相關的教學活動，是遠程教育提高教學質量與學習效率的重要手段。數據挖掘和數據倉庫在遠程教育中的應用主要有以下幾個步驟，如圖3所示。

(1)由事務型數據庫作為源系統組成數據倉庫與數據集市;

(2)根據具體的業務需求確定數據挖掘目標，并由此采取相應的數據挖掘方法對數據倉庫和數據集市中的數據進行分析以得到相關知識，并由此構成事件處理庫，如考試中的錯題分析、知識點的歸納等;

(3)將獲取的相關信息再應用到遠程教學中，如提高課件質量、轉變授課模式，對考試中犯同樣錯誤的學員進行歸類，做有針對性的講解等;

(4)評價應用結果再次反饋到數據挖掘過程以改進數據挖掘方法。

練習和測試是遠程教育中一項基本的教學活動，也是整個系統數據挖掘和分析的重要應用，是評測教學活動的成功標準之一。為了能了解學員的學習情況，練習和測試是必不可少的。目前對于統計考試情況(正確率、錯誤率、各種題型等)采用的分析方法常常是粗略的，往往也只是根據報表憑經驗做出決策，這不僅是相當困難的，而且不夠客觀。數據挖掘提供了進行練習與測試組合數據庫分析的環境，其多種方法可以為此進行測試分析通過數據挖掘技術，可以從錯題量、錯題類型、知識點出發，利用近鄰算法尋找歸類，從課程分析一直到試題分析，并把可能會影響正確結果的相關支持集中歸類，如果數據庫中沒有，則補充，再講解(視頻資源)，如果有問題，則由系統自動反饋給學員，讓其充分掌握。

四、系統的特點

1.強大的數據處理能力

系統與強大的分布式多媒體數據庫相連，可以由多臺機器分布式地聯機操作處理數據，處理速度快，操作方便。

2.統計準確

手工統計除面臨統計工作量大之外，還有一個重要的問題就在統計過程中容易出錯;有時候可能因為統計的出錯，導致分析決策的失誤〕在幾萬甚至幾十萬的數據面前，要想完全精確是非常困難的但是運用計算機系統來統計便可完全克服這個困難。只需要制定相關的統計規則，系統便可以根據規則來統計出我們所需要的教學數據。

3.快速、高效

篇12

Efficacy analysis of emergency bedside skull rinse under local anesthesia drainage and traditional drilling drainage in the treatment of chronic subdural hematoma

FENG Weijian XIA Junbiao CHEN Hanming CHEN Xinghuo MAI Jianpei YE Jianjun

Department of Neurosurgery， People's Hospital of Gaoyao City， Guangdong Province， Gaoyao 526100， China

[Abstract] Objective To observe the clinical efficacy of emergency bedside skull rinse under local anesthesia drainage and traditional drilling drainage in the treatment of chronic subdural hematoma （CSDH）. Methods 113 cases of CSDH patients from January 2007 to January 2012 in People's Hospital of Gaoyao City were selected and divided into observation group with 56 cases and control group with 57 cases according to the surgical methods. Observation group was treated with emergency bedside skull rinse under local anesthesia alone drainage， control group was treated with conventional drilling drainage. The efficacy and the occurrence of postoperative complications were compared. Results The cure rate and the total effective rate of observation group were 64.3%， 98.2% respectively， which were higher than those of control group （42.1%， 87.7%）， the differences were statistically significant （χ2 = 9.715， 7.680， P < 0.05 or P < 0.01）. 2 cases of tension pneumothorax， 2 cases of intracranial subdural effusion and 2 cases of gas accumulation， 1 case of intracranial hemorrhage in control group were found， and 1 case of subdural effusion and 1 case each of pneumocephalus in the observation group were found， the difference of complication rate was statistically significant （χ2 = 4.348， P < 0.05）. Conclusion The efficacy of emergency bedside skull rinse under local anesthesia drainage for CSDH is definite， has fewer complications and is worthy of promotion.

[Key words] Skull rinse under local anesthesia drainage； Chronic subdural hematoma； Clinical efficacy

慢性硬膜下血腫（chronic subdural hematoma，CSDH）是指顱內出血血液積聚于硬腦膜下腔與蛛網膜之間、傷后3周以上才出現癥狀，血腫具有包膜[1]。CSDH常由腦皮質通向靜脈竇的橋靜脈撕裂所致，占顱內血腫的10%，是神經外科常見病之一[2]。該病起病隱匿，臨床特征不明顯，易造成漏診、誤診。目前鉆孔引流術是治療CSDH的首選方法，但易引起張力性氣顱、血腫復發、腦損傷、顱內出血、顱內感染、低顱壓、癲癇等并發癥[3]。本研究在對部分病例采用急診床邊局麻下錐顱免沖洗單純引流術治療CSDH，取得了滿意的臨床療效，現報道如下：

1 資料與方法

1.1 一般資料

收集2007年1月～2012年1月高要市人民醫院（以下簡稱“我院”）收治的CSDH患者113例，均經MRI、CT及其他臨床檢驗結果確診。其中男79例，女34例，年齡52～78歲，平均（62.3±10.7）歲。血腫部位：單側82例，雙側31例；42例具有明顯外傷病史。血腫量根據多田公式計算在45～260 mL，平均（62.3±10.7）mL。術前格拉斯哥昏迷評分（GCS）≥8分，療程2周～8個月。根據治療方案的不同將113例CSDH患者分為兩組，觀察組56例行急診床邊局麻下錐顱免沖洗單純引流術，對照組57例行傳統單孔引流沖洗術。兩組患者性別、年齡、GCS評分等一般資料比較，差異無統計學意義（P > 0.05），具有可比性。見表1。

表1 兩組患者一般臨床資料比較（x±s）

注：GCS：格拉斯哥昏迷評分

1.2 方法

兩組術前均采用頭顱CT掃描標記血腫最厚點。觀察組手術方法：予頭部局麻后，采用直徑3 mm鉆頭，與血腫長軸平行而與顱骨成45°角，將顱骨鉆透，鉆透顱骨的孔徑應稍小于引流管管徑，硬腦膜表面血管采用雙極電凝，然后采用將血腫包膜以及硬腦膜刺破，待陳舊性血液在壓力的推動下涌出時立刻使用凝膠海綿將硬腦膜破口堵住，緩慢釋放，壓力降低后，將血腫包膜打開并徹底止血。將引流管（附有導絲）于最后一個側孔處折彎120°～150°，通過硬腦膜電凝處沿著血腫壁上層斜向緩慢進入血腫腔適當深度后，發現醬油樣陳舊血流出時，迅速拔出導絲，引流陳舊血，夾閉引流管并接無菌引流袋，導管置入后凝膠海綿塞住引流管周圍，骨孔骨緣采用生物蛋白膠進行處理至無滲血，術畢。手術完成后囑患者取平臥位，將引流管抬高至穿刺點上方10～15 cm，開放引流。調整引流管高度使其持續、緩慢引流，術后12 h的引流量為總引流量的1/2～2/3為佳，術后24 h將引流管放低，再持續引流1～2 d，無液體流出時可將引流管拔出，并復查頭顱CT。

對照組手術方法：對患者作基礎麻醉及局部麻醉后，在患者頭皮上做3～4 cm切口，于CT掃描標記血腫最厚點附近鉆1～2個孔，硬腦膜血管電凝后，硬腦膜作十字切口，將帶有多個側孔的硅膠引流管置入硬腦膜下腔。經引流管注入常溫的0.9%氯化鈉溶液，反復沖洗至沖洗液顏色清淡，并注意觀察引流管通暢，接引流袋采取閉式引流，術畢。術后通過復查CT來決定是否拔出引流管。

兩組患者術后給予靜注補液以維持顱內高壓，利于塌陷的腦組織回復。禁用脫水利尿藥，給予改善循環藥物，并常規行抗生素治療，積極預防各種并發癥，加強各項專科護理。術后第1、15天復查頭顱CT，觀察張力性氣顱、血腫復發、硬膜下積液、顱內出血、顱內感染、顱內積氣、癲癇等并發癥情況，1個月后進行療效對比分析。

1.3 療效評價

術后30 d依據患者臨床具體表現及CT、MRI復查結果對療效進行評價。治愈：血腫消失，癥狀和體征消失，恢復正常生活和工作；好轉：血腫消失，癥狀和體征好轉，有輕度神經功能障礙，生活尚可自理，可正常工作或喪失部分勞動能力；未愈：血腫未完全消失或加重，癥狀和體征無改善，無自主生活能力。治愈率加好轉率等于總有效率。

1.4 統計學方法

采用統計軟件SPSS 17.0對數據進行分析，正態分布計量資料以均數±標準差（x±s）表示，兩獨立樣本的計量資料采用t檢驗。計數資料以率表示，采用χ2檢驗。以P < 0.05為差異有統計學意義。

2 結果

2.1 兩組療效比較

術后30 d，觀察組的治愈率及總有效率分別為64.3%、98.2%，對照組治愈率及總有效率分別為42.1%、87.7%，兩組比較，差異均有統計學意義（均P < 0.05或P < 0.01）。見表2。

表2 兩組患者臨床療效比較[n（%）]

注：“-”表示數據

2.2 兩組患者術后并發癥比較

觀察組術后出現硬膜下積液和顱內積氣各1例。對照組出現顱內出血1例，張力性氣顱、硬膜下積液及顱內積氣各2例。兩組均未出現顱內感染、血腫復發及癲癇。兩組并發癥發生率比較，差異有統計學意義（χ2 = 4.348，P < 0.05）。見表3。

表3 兩組患者術后并發癥比較（例）

注：與對照組比較，χ2 = 4.348，P < 0.05

3 討論

目前，關于CSDH的出血來源及確切發病機制尚未完全明了，Kaliaperumal等[4]報道超過一半的患者具有明顯的外傷病史或已患血管性或出血性疾病，顱骨與腦產生相對運動，造成位于硬腦膜與皮質或橋靜脈間的小交通動脈發生損傷，出現滲血，血液長時間聚集在硬膜下腔，進而發生炎癥反應形成包膜。與此同時，滲血的持續進行消耗了大量的凝血因子、纖溶亢進、因炎癥而形成的包膜內層不斷受到炎癥刺激，會產生通透性較高的毛細血管，增加了血液滲出，隨著包膜外層的纖維化，擴大了血腫范圍，是患者逐漸出現頭痛頭暈、惡心嘔吐、肢體功能障礙、意識及精神障礙等顱內壓增高表現[5-6]。

根據CSDH的形成機制可知，其早期臨床癥狀并不明顯，待出現癥狀時，硬膜下水腫已經形成，因此確診后應及早手術治療[7]。單孔引流沖洗術憑借其安全、簡單、易操作、療效滿意的優點，一直以來都是治療CSDH的首選。但是就臨床手術而言，單孔引流沖洗術后引流管堵塞、硬膜下積液、癲癇、顱內積氣及張力性氣顱仍令人困擾[8-9]；并發急性硬膜下或外血腫、腦內水腫、癲癇等常與骨孔直徑、引流管直徑及硬度、引流管插入時是否誤傷腦組織或腦表面血管有關；張力性氣顱主要與關顱時遺留氣體或引流時進入空氣有關。

為了進一步提高鉆孔引流手術的療效并減少其并發癥的發生，我院采用急診床邊局麻下錐顱免沖洗單純引流術治療CSDH，并與傳統的單孔引流沖洗術比較。結果顯示，局麻下錐顱免沖洗單純引流術的治愈率及總有效率分別為64.3%、98.2%，均明顯高于單孔引流沖洗術（P < 0.05或P < 0.01）；單孔引流沖洗術后出現張力性氣顱、硬膜下積液及顱內積氣各2例，顱內出血1例，而局麻下錐顱免沖洗單純引流術后僅出現硬膜下積液和顱內積氣各1例，兩組并發癥發生率比較，差異有統計學意義（P < 0.05）。提示下錐顱免沖洗單純引流術的治療效果優于傳統的單孔引流沖洗術。分析其原因可能是[10]：①床邊局麻后立刻進行手術，便捷快速，操作簡單，手術耗時短，對患者造成的痛苦小。②穿刺方向與血腫長軸平行，與顱骨成45°角，引流管的置入咬一斜坡骨槽，利于引流管進入入硬膜下腔，避免因垂直插入引起的蛛網膜或腦實質損傷；由于血腫腔壓力較高，硬腦膜破口小，使得頭皮軟組織收縮圍緊引流管以避免空氣逸入，減少了顱內積氣的發生，還能防止陳舊性血液由管外流出[11]。③使用明膠海綿堵置入骨孔并用生物蛋白膠對骨孔骨緣進行處理，可減少術后硬膜外血腫的發生率。④引流管凸出額葉并進行充分灌注排氣，可將硬膜外積液充分引流，減少CSDH的復發。⑤術后患者病情平穩，引流管引流時間短，降低顱內感染的發生概率，引流管高度可適當調節以持續限速引流，加上合理的護理措施[12]，可有效避免因顱內壓下降過快而造成顱骨與腦產生相對運動加速，進而減少了煩躁不安、劇烈頭疼、癲癇發作或意識障礙等情況的發生[13]。

綜上所述，急診床邊局麻下錐顱免沖洗引流術對CSDH的臨床療效確切，減少了并發癥的發生，值得臨床推廣使用。

[參考文獻]

[1] 杜春富，吳建兵，曹毅，等.上矢狀竇硬膜外血腫手術止血方法探討[J].中國神經精神疾病雜志，2012，38（6）：367-369.

[2] Adeolu AA，Rabiu TB，Adeleye AO. Post-operative day two versus day seven mobilization after burr-hole drainage of subacute and chronic subdural haematoma in Nigerians [J]. Br J Neurosurg，2012，26（5）：743-746.

[3] 陳祎招，徐如祥，賽力克，等.高血壓腦出血神經內鏡微創手術與開顱血腫清除術的臨床比較分析[J].中國神經精神疾病雜志，2010，36（6）：616-619.

[4] Kaliaperumal C，Khalil A，Fenton E，et al. A prospective randomised study to compare the utility and outcomes of subdural and subperiosteal drains for the treatment of chronic subdural haematoma[J]. Acta Neurochir，2012，154（11）：2083-2088.

[5] 鄭紅云，郎黎薇，汪慧娟，等.133例慢性硬膜下血腫患者行鉆孔引流術的護理[J].中華護理雜志，2012，47（4）：355-356.

[6] 劉怡東.120例老年慢性硬膜下血腫患者兩種治療方法的比較[J].吉林醫學，2012，33（28）：6095-6096.

[7] 李克棟，武娟.錐顱免沖洗單純引流術與傳統鉆孔引流術治療慢性硬腦膜下血腫的療效分析[J].臨床和實驗醫學雜志，2012，11（8）：592-593.

[8] 王寶俠，許一萍，張彥芳，等.錐顱置雙腔管沖洗引流治療慢性硬膜下血腫[J].中國臨床神經外科雜志，2011，16（2）：107-108.

[9] 張晶，劉藏，侯瑞光，等.微創鉆孔引流術治療慢性硬膜下血腫[J].中華醫學雜志，2012，92（3）：203-205.

[10] 秦贏，王海峰，徐寧，等.老年人機化型慢性硬膜下血腫8例臨床分析[J].中國老年學雜志，2012，32（5）：1063-1064.

[11] 宋業純，呂勝青，張銀，等.3種微創技術治療慢性硬膜下血腫的療效分析[J].第三軍醫大學學報，2012，34（14）：1458-1460.

篇13

基金項目：華北理工大學教育教學改革研究與實踐重點項目資助（項目編號：Z1514-05；J 1509-09）

G643；O21-4

谷歌公司的經濟學家兼加州大學的教授哈爾?范里安先生過去說過統計學家將會成為像電腦工程師一樣受歡迎的工作。在未來10年里，人們獲得數據、處理數據、分析數據、判斷數據、提取信息的能力將變得非常重要，不僅僅在教育領域，各行各業都需要數據專家，“大數據”時代的到來使得數據處理與分析技術日新月異，深刻的影響著各個行業、領域及學科的發展，尤其是與數據關系密切的行業及學科，而作為工科各專業碩士研究生重要的公共基礎課數理統計學是天生與數據打交道的學科。

怎樣在“大數據”時代背景下培養出適應面向企業自主創新需求的數據分析人員或掌握現代數據處理技術的工程師，如何把當下流行的“大數據”處理技術與相關數理統計學課程教學有機的結合，以激發學生對數據處理與分析技術發展的興趣，這些都是我們在與數理統計學相關的課程教學中不得不思考的問題。然而，當前高校工科各專業碩士研究生數理統計教學的現狀卻與其重要程度相去甚遠，整個教學過程的諸多環節都存在較大的不足，主要表現為：1.教學內容偏重理論，學生學習興趣不高；2. 輕統計實驗；忽略對統計相關軟件的教學；3.沒有注重數理統計的學習與研究生專業相結合，實用性強調不夠。4. 輕能力培養；輕案例分析等。

這些現象導致的直接后果就是學生動手能力上的缺陷和創新能力的缺乏， 不能夠自覺利用數理統計知識解決實際問題， 尤其缺乏對統計數據的分析能力。因此，需要數理統計學隨著環境的變化不斷創新新的數理統計思維和教學內容。避免教學內容與大數據時代脫節。為此筆者在該課程的教學過程中，有意識地進行了一些教學改革嘗試。提出了幾點工科研究生數理統計教學的改革措施。

（1）調整教學內容，將與數理統計相關的大數據處理案例引進課堂。有很多有普遍性的應用統計實際案例，可以在本課程的教學過程中有選擇的引入介紹給學生，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法。以期解決工科研究生對確定性思維到隨機性思維方式的轉變的不適應性。

（2）適應大數據時代數理統計學課程的教學環境。實現教學方式的多樣性。大數據時代背景下，互聯網十分發達，學生根據自己的興趣去收集、整理和分析數據，既可以改變他們對統計方法的進一步認識，也可以增加他們的學習興趣。甚至可以以專業QQ群，郵件的方式和同學、老師之間相互交流，交流者處于相互平等的地位，可以暢所欲言，隨時隨地都可以交流，起到事半功倍的效果。這種交流使得教師不再是知識的權威，而是把教師上課作為一種更好自主學習的引導，這種交流使得他們的思想變得更加成熟。同時參與各種網絡論壇，貼吧回答問題等使得他們更能體現自己的價值，這種交流也使得學生的學習熱情和學習精神得到更好的激發。

（3）引導工科研究生開展與本專業相結合的課題研究，強調實用性，注重統計思維能力培養。適應大數據時代數理統計學課程教學環境，實現教學方式的多樣性。以期彌補學生缺少數據分析實例的訓練，解決學以致用的不足。在目前的數理統計教學安排下，受學時所限，如果相當一部分時間用來學習公式、定理的推導及證明，勢必沒有時間進行實際的數據分析練習。在大數據時代背景下，隨著海量數據、復雜形式數據的出現，使得統計方法的發展和以前有了很大的不同，沒有實際的數據分析訓練，學生們就無法對統計的廣泛應用性及重要性有深刻的體會，也不利于保持和提高他們的學習興趣。這要求具體工作者提出新的統計思想和方法，加深對已有統計思想的理解，以解決實際問題。

（4）改革成績評定方式。現有的考試模式為通過有限的一到兩個小時的期末考試，進行概念的辨析和理論及方法的推導計算，由此來判斷研究生關于數理統計課程的學習情況有很大的不足，特別是對可以利用軟件進行的某些實際數據分析的考察沒有辦法實現。因此，有必要通過日常課堂“論文選題―提交―討論”與期末理論考試相結合的形式對學生數理統計學習進行考核。加大對學生平時考察的力度，相應地減少期末考試成績的比重。讓學生選擇一些與自己專業有關的數據進行嘗試性的數據分析、一些統計科普著作的讀書報告等并寫成論文的形式提交，做為對學生成績的評定方式，更能綜合、客觀地評價學生的學習情況。

數據分析在現代生活中發揮的作用越來越大，而道磽臣品椒可以與數據分析有機的結合，從而在提高數據分析效率的同時，保持分析結果的有效性，為生產和實踐活動提供準確的參考。以上的思考和建議僅是我們在教學研究和教學過程中的一點體會，還有許多工作亟待深入，比如適合工科研究生數理統計課程的大數據案例選取，與課程內容的有效銜接；案例教學法如何實施；教學方式多樣化問題；課堂教學與網絡交流結合；理論介紹與軟件應用訓練結合問題等。教學改革與實踐是一項艱巨的任務，以培養學生的實際運用能力和正確解釋數據分析結果的能力為目的，強調統計思想和方法應用的培養，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法將是一項長期的工作。

參考文獻