引論：我們?yōu)槟砹?3篇統(tǒng)計學(xué)中常用的基本概念范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫作時的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
1.體育統(tǒng)計學(xué)教學(xué)模式重建的必要性
體育統(tǒng)計學(xué)作為一門體育交叉學(xué)科，在揭示體育現(xiàn)象規(guī)律和促進體育事業(yè)科學(xué)發(fā)展方面發(fā)揮了重要作用。目前，體育統(tǒng)計學(xué)教學(xué)效果比較差。從近幾年發(fā)表體育文獻中，體育統(tǒng)計方法使用不當(dāng)現(xiàn)象嚴重，忽略了使用的條件和范圍。體育科技論文中誤用體育統(tǒng)計指標、方法和結(jié)論現(xiàn)象嚴重，原因是多方面的。體育統(tǒng)計學(xué)教材編排不當(dāng)、理論抽象、教學(xué)方法不當(dāng)和忽略體育統(tǒng)計的應(yīng)用，其中忽略學(xué)生的實踐能力是最主要的原因。[1]因此，新的體育統(tǒng)計學(xué)的教學(xué)模式重建是體育統(tǒng)計發(fā)展的必然趨勢。
2.分析與討論
2.1體育統(tǒng)計學(xué)的教學(xué)內(nèi)容進行優(yōu)化
統(tǒng)計知識對于數(shù)理基礎(chǔ)較差的體育專業(yè)學(xué)生而言，接受能力受到了一定的限制。應(yīng)根據(jù)目前學(xué)生的數(shù)理知識水平，選擇適合學(xué)生自身水平的體育統(tǒng)計教學(xué)內(nèi)容。教師應(yīng)使學(xué)生掌握體育統(tǒng)計學(xué)的基本概念和基本原理，強調(diào)統(tǒng)計方法的使用范圍和注意事項，才能在應(yīng)用時不會迷惑而誤用。課程應(yīng)包括三個方面：首先是一些常規(guī)的統(tǒng)計內(nèi)容，包括體育統(tǒng)計的基本概念與常使用的統(tǒng)計量、在體育現(xiàn)象中常用的統(tǒng)計檢驗方法、在體育科研中常用的統(tǒng)計設(shè)計和問卷（量表）的信、效度檢驗；其次是多元的統(tǒng)計，包括相關(guān)與回歸、聚類、判別和主成分與因子等統(tǒng)計分析；最后是在體育科研中spss統(tǒng)計軟件的使用。教材應(yīng)該根據(jù)上述三個方面進行選擇，要求教材的內(nèi)容通俗易懂，案例聯(lián)系實際，適合體育專業(yè)學(xué)生的特點，逐步完善本課程的教材體系。
2.2體育統(tǒng)計學(xué)的教學(xué)實踐進行強化
為了改變傳統(tǒng)的教學(xué)模式，教師通過模擬現(xiàn)場教學(xué)，利用學(xué)校組織的體育活動搜集數(shù)據(jù)資料完成教學(xué)實踐。[2]比如學(xué)校組織的籃球比賽，進行“某個籃球代表隊與其它隊伍的各項籃球技術(shù)指標進行T檢驗”的實踐教學(xué)。教學(xué)實踐的具體操作過程：確定研究對象和和樣本、進行簡單隨機抽樣、選擇測定方法、發(fā)放調(diào)查問卷、進行回收和審核、整理資料、錄入數(shù)據(jù)和資料分析等過程。讓學(xué)生親身體驗統(tǒng)計的全過程，學(xué)會制作統(tǒng)計表，某個籃球代表隊的各項技術(shù)指標統(tǒng)計，與其它隊伍進行T檢驗驗證是否存在明顯差異。
2.3體育統(tǒng)計學(xué)的教學(xué)方法和手段多樣化
2.3.1理論聯(lián)系實際
體育統(tǒng)計學(xué)的基本概念和理論比較抽象，如果能聯(lián)系實際就能使教師講解和學(xué)生理解起到事半功倍的效果。在教學(xué)中運用體育實例或體育科研論文中的統(tǒng)計案例，能使理論知識形象化，拓寬學(xué)生視野，了解體育領(lǐng)域中統(tǒng)計知識的運用，激發(fā)學(xué)生學(xué)習(xí)的興趣。
2.3.2運用多媒體進行輔助教學(xué)
體育統(tǒng)計學(xué)課程必須借助多媒體輔助教學(xué)。基本概念、基本理論、案例分析、計算程序和SPSS操作使用多媒體，可以節(jié)約時間，能使抽象的統(tǒng)計知識形象化，提高教學(xué)效果。教師課前要精心制作PPT，使講解與演示結(jié)合，只要課前精心設(shè)計課件，演示就相當(dāng)方便。因此，體育統(tǒng)計學(xué)課程宜使用多媒體輔助教學(xué)。
2.3.3課堂師生進行互動
教學(xué)中師生互動是以學(xué)生為中心的教育理念，師生雙方通過互相影響進行合作教學(xué)的過程。互動教學(xué)是以學(xué)生為中心，使學(xué)生在學(xué)習(xí)中形成主動思考的良性循環(huán)。教學(xué)活動中師生互動，能提高學(xué)生學(xué)習(xí)的積極性，引導(dǎo)學(xué)生主動思考，可以使學(xué)生靈活應(yīng)用學(xué)到的知識。因此，教學(xué)互動不但能提高學(xué)生學(xué)習(xí)的自覺性，而且能培養(yǎng)學(xué)生靈活的思維方式。
2.3.4中英文結(jié)合教學(xué)
SPSS統(tǒng)計軟件大多數(shù)都是英文版的，因此在教學(xué)中一定要中英文結(jié)合教學(xué)。雖然英漢雙語教學(xué)條件還不具備，但教師可以通過幻燈片介紹關(guān)于操作SPSS軟件的重點英語單詞，可以降低學(xué)生操作SPSS統(tǒng)計軟件的難度。
2.4體育統(tǒng)計學(xué)的教學(xué)評價進行標準化
體育統(tǒng)計學(xué)的評價方式宜采用動態(tài)發(fā)展的評價模式，將過程和結(jié)果結(jié)合起來進行綜合評價。[3]
2.4.1出勤考核
出勤考核是維持課堂的前提，教師作為一個監(jiān)督員，可以通過點名和布置課堂作業(yè)等手段完成出勤考核，讓學(xué)生養(yǎng)成一個良好的習(xí)慣。
2.4.2綜合應(yīng)用考核
綜合應(yīng)用考核由撰寫調(diào)查報告、案例分析考評和計算機操作三個部分組成。
在體育統(tǒng)計教學(xué)中，要求學(xué)生進行一定的調(diào)查，讓他們對調(diào)查親身體驗，通過報告的形式進行考核。分析體育案例一般都綜合運用了多種體育統(tǒng)計學(xué)的統(tǒng)計分析方法。如綜合指標分析法、抽樣推斷分析法和相關(guān)回歸分析法等。體育統(tǒng)計教學(xué)和知識的運用都離不開計算機進行輔助教學(xué)。
3.結(jié)論
在“知識經(jīng)濟”視角下，體育統(tǒng)計教學(xué)模式應(yīng)以培養(yǎng)學(xué)生的實踐應(yīng)用能力為根本出發(fā)點，改變傳統(tǒng)重理論的教學(xué)模式。理論聯(lián)系實際，使教學(xué)方法多樣化，調(diào)動學(xué)生學(xué)習(xí)的積極性，有效提升學(xué)生的分析能力。閉卷考核和綜合考核相結(jié)合，真正考評學(xué)生解決體育問題的能力。體育統(tǒng)計教學(xué)模式要讓學(xué)生體會體育統(tǒng)計思想，主動設(shè)計方案、整理數(shù)據(jù)和制定決策，為維護自己的觀點尋找論據(jù)。
【參考文獻】
篇2
范例教學(xué)法，是指教師根據(jù)教學(xué)目標的需要，采用范例進行講解及組織學(xué)生對范例進行研討，引導(dǎo)學(xué)生從實際范例中學(xué)習(xí)、理解掌握一般規(guī)律、原則、方法及操作實驗，從而有效地將理論知識和實踐技能相互結(jié)合的一種教學(xué)方法。
在第一章概述中，要求理解統(tǒng)計和統(tǒng)計學(xué)的含義，對于高一新生來講，面對這些專業(yè)術(shù)語，很難理解，這時教師采用“討論教學(xué)法”效果要好，第一步，教師設(shè)疑，什么是統(tǒng)計？統(tǒng)計與統(tǒng)計學(xué)有什么關(guān)系？第二步，學(xué)生自主思考，自由討論，每個小組選一位發(fā)言人回答上述問題；第三步，教師總結(jié)發(fā)言，概括各種意見和分歧，幫助其得出結(jié)論，切入主題。
在講解什么是總體、總體單位、標志、指標、指標體系、變量時，采用范例教學(xué)法，學(xué)生更易接受。以研究本班學(xué)生的語文成績?yōu)榉独赋隹傮w是全班的所有學(xué)生，總體單位是本班的每一位同學(xué)，每位學(xué)生的成績是數(shù)量標志，全班語文總分是統(tǒng)計指標，并且語文總分、數(shù)學(xué)總分、英語總分、政治總分、專業(yè)綜合總分又構(gòu)成了一個總成績的指標體系，同時對于各位學(xué)生而言各科成績又不盡相同，那這個可以有不同取值的成績就是變量，各種分數(shù)就是變量值。通過這個范例，夯實學(xué)生對上述概念的認識，并以此為例，舉一反三，指導(dǎo)學(xué)生再投入到其他經(jīng)濟現(xiàn)象的討論中。
二、案例教學(xué)法與情境教學(xué)方法的交叉應(yīng)用
案例教學(xué)法是一種以案例為基礎(chǔ)的教學(xué)方法。在教師的指導(dǎo)下，學(xué)生通過了解案例發(fā)生的背景，反映的事實，找出案例中存在的問題，或者案例中應(yīng)用的方法措施，引導(dǎo)學(xué)生掌握案例分析的基本步驟，從案例中分析其反映的本質(zhì)內(nèi)容。這種教學(xué)方法可以激發(fā)學(xué)生的思維能力，培養(yǎng)學(xué)生獨立思考的能力，有助于學(xué)生學(xué)習(xí)能力的提高。
情境教學(xué)法是指教師在教學(xué)過程中，有目的地將一些在日常生活中常見的場景，引入到課堂中，是學(xué)生在情境中體驗，從而幫助學(xué)生深刻理解教材的內(nèi)容，激發(fā)學(xué)生學(xué)習(xí)的興趣。
在教學(xué)中，通過設(shè)置一些學(xué)生常見的生活案例，引入到授課中，引導(dǎo)學(xué)生親身感受統(tǒng)計學(xué)的魅力，從而將學(xué)生學(xué)習(xí)的積極性激發(fā)出來。例如，在講授“調(diào)和平均數(shù)”時，就可以應(yīng)用學(xué)生比較常見的場景為案例。例如，紅富士蘋果的價格，甲乙丙三個超市，分別是3元、3.25元、3.5元，若在3個超市各買10元的該蘋果，請計算其平均價格。通過預(yù)設(shè)學(xué)生日常相關(guān)的實例，引起學(xué)生學(xué)習(xí)的興趣，通過簡單的運算公式，得出蔬菜的平均價格。這樣，將生活情境和案例分析結(jié)合起來，讓學(xué)生把實際生活與統(tǒng)計學(xué)聯(lián)系在一起，在激發(fā)學(xué)生學(xué)習(xí)興趣的同時，還可以激發(fā)學(xué)生認真思考，引導(dǎo)學(xué)生深刻理解所學(xué)內(nèi)容。
三、對比教學(xué)法與歸納總結(jié)教學(xué)法的交叉應(yīng)用
對比教學(xué)法可以幫助學(xué)生更好地掌握、理解學(xué)習(xí)內(nèi)容，激發(fā)學(xué)生探究性的學(xué)習(xí)熱情，使學(xué)生能夠準確把握基本概念，理解抽象的公式。
歸納總結(jié)的教學(xué)方法是將一些具有相同特性的內(nèi)容，總結(jié)在一起，可以將學(xué)習(xí)的內(nèi)容進一步鞏固和理解。有助于學(xué)生自主學(xué)習(xí)能力的培養(yǎng)。
在《統(tǒng)計基礎(chǔ)知識》的教材中，有許多的基本概念比較難理解，也比較容易混淆。例如在第二章中我國常用的幾種調(diào)查組織方式，利用對比教學(xué)法，可以是學(xué)生更加容易的理解這些概念，同時利用歸納總結(jié)法，將這些容易混淆的概念，通過表格的形式，總結(jié)在一起，形成一個基本的學(xué)習(xí)構(gòu)架。
四、啟發(fā)性教學(xué)與強化訓(xùn)練結(jié)合應(yīng)用
在教學(xué)過程中，教師應(yīng)該盡量減少講授教學(xué)。因為，講授法的教學(xué)方式，不能夠打開學(xué)生的思維能力，學(xué)生只能被動的接受教師傳授的知識，喪失了獨立思考的能力。因此，教師在教學(xué)過程中，應(yīng)該采取引導(dǎo)啟發(fā)式教學(xué)，例如在案例分析中，可以引導(dǎo)學(xué)生在案例中發(fā)現(xiàn)問題，同時，提出應(yīng)該如何解決這樣的問題。將問題留給學(xué)生，教師做一些引導(dǎo)，從而培養(yǎng)學(xué)生發(fā)現(xiàn)問題、解決問題的能力。然后，在將一些類似的案例，或者題目，讓學(xué)生進行強化訓(xùn)練，鞏固所學(xué)知識。
五、總結(jié)
《統(tǒng)計基礎(chǔ)知識》這門課主要研究自然和社會現(xiàn)象總體的數(shù)量特征和數(shù)量關(guān)系，進而從數(shù)量上認識客觀世界的一門獨立的方法論科學(xué)。它在眾多的專業(yè)課中，內(nèi)容比較抽象，屬于比較難的一門課程。因此，教學(xué)方法的恰當(dāng)運用，會使得教學(xué)任務(wù)得到事倍功半的效果。
參考文獻：
[1]鮑愛芳.學(xué)以致用中職學(xué)生必備的能力.科技信息，2011，（11）.
篇3
1.多媒體及統(tǒng)計軟件在教學(xué)中應(yīng)用的意義。多媒體教學(xué)能夠把抽象的理論轉(zhuǎn)化為具體、形象、動態(tài)的教學(xué)內(nèi)容，收到事半功倍的效果。比如在介紹幾種常見的田間試驗設(shè)計時，課件動態(tài)的演示了各種設(shè)計方法的特點，取得比較理想的教學(xué)效果。
生物統(tǒng)計是一門應(yīng)用性很強的科學(xué)，非常強調(diào)理論與實踐的結(jié)合。教師在教學(xué)過程中必須要重視實踐教學(xué)環(huán)節(jié)，多媒體手段在這方面有著不可低估的作用，除了可以通過課件演示大量的案例分析外，還可以通過課堂實驗、布置實踐練習(xí)等多種形式使學(xué)生有創(chuàng)造性的參與到生物統(tǒng)計學(xué)的學(xué)習(xí)實踐中去。生物統(tǒng)計基本概念的理解與統(tǒng)計分析方法的掌握是生物統(tǒng)計學(xué)課程教學(xué)的主要目的。而生物統(tǒng)計中常用的統(tǒng)計分析方法，如：相關(guān)性、方差分析與回歸分析等，有大量的公式及計算，學(xué)生普遍反映難學(xué)，學(xué)了電不知如何用。
2，多媒體及統(tǒng)計軟件在實踐教學(xué)中的探討。在計算機及網(wǎng)絡(luò)非常普及的今天，統(tǒng)計計算技術(shù)不再是統(tǒng)計學(xué)教學(xué)的重點了，統(tǒng)計思想、統(tǒng)計應(yīng)用才應(yīng)該是重點。現(xiàn)代統(tǒng)計方法的實際應(yīng)用離不開現(xiàn)代信息處理技術(shù)。那么，如何在教學(xué)內(nèi)容上結(jié)合實例，教學(xué)手段上借助計算機及DPS數(shù)據(jù)處理系統(tǒng)(以此軟件為例)，作者在生物統(tǒng)計分析方法的實踐教學(xué)上作了如下探索：
2.1 實例的選擇與設(shè)計。以實際中的事例、數(shù)據(jù)為載體，將抽象的統(tǒng)計分析方法放在對具體問題的分析、解決中進行學(xué)習(xí)。實例的選擇必須與所進行的教學(xué)內(nèi)容相吻合，在很多情況下，它不一定運用到這一部分內(nèi)容的所有知識點，它可能涉及該部分前后的內(nèi)容，以至跨學(xué)科的知識。而且，在實例的選擇與設(shè)計時，還必須考慮搜集數(shù)據(jù)資料的可行性以及對這一方面進行分析的背景知識，包括理論的及經(jīng)驗的。
2.2 搜集數(shù)據(jù)資料。作為課堂教學(xué)的實例，必須是準備好的數(shù)據(jù)資料，可以在課堂上演示或引導(dǎo)學(xué)生進行相應(yīng)的統(tǒng)計分析。當(dāng)然，也可以設(shè)計方案后，要求學(xué)生自己動手搜集資料，進行相應(yīng)的數(shù)量分析。根據(jù)農(nóng)業(yè)院校的學(xué)生多數(shù)來自農(nóng)村的特點，每年利用寒暑假時間，組織學(xué)生開展社會調(diào)查活動，親身完成某項工作。例如，讓學(xué)生自己設(shè)計一個調(diào)查問卷和調(diào)查方案，進行一次農(nóng)業(yè)生產(chǎn)調(diào)查活動，從具體調(diào)查對象和單位的確定，樣本的抽取，問卷的發(fā)放、回收與審核，數(shù)據(jù)輸入與資料整理，一直到調(diào)查報告的撰寫。學(xué)生只有通過具體的實踐，才能加深對所學(xué)基礎(chǔ)知識的理解；只有經(jīng)歷了實踐的全過程，才能系統(tǒng)地掌握各個環(huán)節(jié)的基本技能。
2.3 圍繞具體的教學(xué)目的，進行統(tǒng)計數(shù)量分析。采用實際中的事例與真實的統(tǒng)計數(shù)據(jù)為載體，將抽象的統(tǒng)計分析方法學(xué)習(xí)放在對具體問題的分析、解決中的教學(xué)法，既有利于培養(yǎng)學(xué)生閱讀、理解、分析、判斷統(tǒng)計數(shù)據(jù)的能力，又從一定程度上解決了統(tǒng)計學(xué)教學(xué)中長期存在的理論與實踐相脫節(jié)，學(xué)生學(xué)了不知如何用的問題，對于提高學(xué)生今后從事科學(xué)理論研究與農(nóng)業(yè)生產(chǎn)實踐的能力都是非常有用的，是提高學(xué)生綜合素質(zhì)的重要方面。
下面就以方差分析為例來說明軟件在實驗教學(xué)中的應(yīng)用。方差分析是將總變異剖分為各個變異來源的相應(yīng)部分，從而發(fā)現(xiàn)各變異原因在總變異中相對重要程度的一種統(tǒng)計分析方法。這一章的內(nèi)容并不多，但公式多，計算量大，而統(tǒng)計分析軟件的強大功能完全可以免除大量繁瑣的計算，直接給出所需要的計算結(jié)果。在這一章的教學(xué)中，在介紹有關(guān)概念及分析步驟后，以實際的統(tǒng)計數(shù)據(jù)為例，并借助DPS統(tǒng)計分析軟件，在對該例的系統(tǒng)分析中解釋有關(guān)概念的意義，演示方差分析和多重比較方法的具體應(yīng)用。
以第二松花江流域水稻主產(chǎn)區(qū)的5個試驗地點：前郭紅光農(nóng)場、榆樹大坡、德惠朝陽、九臺其塔木、吉林烏拉街，4個供試品利：農(nóng)大8、農(nóng)大19、通9574、吉豐8的1年多點試驗為例，進行產(chǎn)量的方差分析。DPS數(shù)據(jù)處理系統(tǒng)操作如下：
第一步：打開DPS數(shù)據(jù)處理界面，在英文狀態(tài)下，將產(chǎn)量數(shù)據(jù)按橫向地點(每地點3次重復(fù))，縱向為品種進行輸入。
第二步：將數(shù)據(jù)模塊選中后，打開菜單中的專業(yè)統(tǒng)計品種區(qū)域試驗一年多點，選中后在出現(xiàn)的對話框：區(qū)試地點數(shù)、區(qū)試品種數(shù)、區(qū)組(重復(fù))數(shù)中分別輸入5、4、3，按確定鍵，隨后系統(tǒng)自動分析出該試驗的量差異和多重比較。將其進行推理后的結(jié)果如下表：
篇4
對統(tǒng)計思維的培養(yǎng)很大程度上依賴于對基本概念與原理的準確把握。雖然不同統(tǒng)計模型的具體方法不同，但均由樣本容量確定、隨機抽樣、參數(shù)估計、假設(shè)檢驗、統(tǒng)計推斷、統(tǒng)計預(yù)測、模型驗證等一系列環(huán)節(jié)構(gòu)成。由樣本、統(tǒng)計量、抽樣分布、置信區(qū)間、棄真概率α、取偽概率β、檢驗效力(powerofatest)、P值等概念所表達的統(tǒng)計思想在不同統(tǒng)計模型中是完全一致的，因而在條件允許時，應(yīng)該用統(tǒng)計模擬方法進行直觀化教學(xué)，以加強對概念和基本原理的把握。
1.2統(tǒng)計模擬方法輔助教學(xué)
隨機模擬試驗可以加強學(xué)生對統(tǒng)計基本概念和理論的理解，及分析問題、解決問題的能力[1]。例如，對顯著性水平為α置信區(qū)間的正確理解應(yīng)該為:(1)由兩個隨機變量(上下限)所確定的一個隨機區(qū)間;(2)在同等條件下無限多次反復(fù)抽取相同容量的樣本時，隨機區(qū)間包含未知總體參數(shù)的概率為1-α。對此抽象概念的直觀教學(xué)，可以用統(tǒng)計軟件如S+簡單完成。對于其他概念，如抽樣分布、假設(shè)檢驗中棄真和取偽錯誤概率、檢驗效力、線性回歸模型參數(shù)估計量的抽樣分布、預(yù)測誤差分解、離差平方和分解等，均可利用統(tǒng)計模擬進行直觀化教學(xué)。另外，統(tǒng)計模擬還可以取代部分定理和結(jié)論的證明，通過模擬試驗進行經(jīng)驗性驗證。
1.3理論和實驗技能的同步提高
首先應(yīng)加強實驗環(huán)節(jié)，使學(xué)生掌握一種常用統(tǒng)計軟件的基本使用方法。SAS由于數(shù)據(jù)結(jié)構(gòu)簡單、功能強大、運算速度快而應(yīng)成為首選。另外，S+具有強大的、可編輯的圖形功能和易于編程特點，可用于統(tǒng)計模擬。共享統(tǒng)計軟件R有與S+幾乎完全一致的語法，為S+的使用提供了方便。雖然學(xué)生可以用統(tǒng)計軟件快速完成統(tǒng)計運算，但由于理論知識的不足而無法正確地提取和解釋軟件輸出結(jié)果。對這個問題的解決可以一方面保證一定的實驗學(xué)時，加強對統(tǒng)計結(jié)果的分析能力。另一方面，通過課堂講解、課后作業(yè)和統(tǒng)計模擬實驗的形式加強理論學(xué)習(xí)。加強理論學(xué)習(xí)的觀點，在學(xué)時壓縮的前提下與一些學(xué)者的觀點相左[2]。我們認為統(tǒng)計軟件的使用，一方面減輕了時間負荷使學(xué)生有更多時間用于理論學(xué)習(xí)，另一方面也對理論水平提出更高的要求，即要求學(xué)生能夠理解和利用軟件分析結(jié)果。在有限學(xué)時內(nèi)，加強理論學(xué)習(xí)的核心在于精講式和概論式教學(xué)的有機結(jié)合。
1.4精講式和與概論式教學(xué)的相互結(jié)合
數(shù)理統(tǒng)計的內(nèi)容極其廣泛，不加選擇的教學(xué)使學(xué)生難以抓住重點。應(yīng)在數(shù)學(xué)基礎(chǔ)允許的前提下，重點地講解核心內(nèi)容。例如單一正態(tài)總體統(tǒng)計分析雖然簡單，但涉及了所有核心統(tǒng)計概念，應(yīng)作為重點內(nèi)容講解。根據(jù)統(tǒng)計模型間的區(qū)別與聯(lián)系，應(yīng)注意將核心結(jié)論自然地擴展到相近或相似的統(tǒng)計方法中去。如簡單線性回歸向多元線性回歸、協(xié)方差分析、方差分析乃至非線性回歸的自然擴展。與精講相對應(yīng)的，可以進行一定學(xué)時的概論式教學(xué)，對專業(yè)領(lǐng)域內(nèi)的常用分析方法進行一般性介紹，并以典型案例分析的形式拓寬學(xué)生的眼界，做到點面結(jié)合。
1.5典型案例分析
典型案例分析指對科技論文中常用統(tǒng)計方法的剖析和講解。典型案例分析可以使:(1)學(xué)生體會到統(tǒng)計方法在實際科研和生產(chǎn)中的應(yīng)用，培育學(xué)習(xí)興趣；(2)實際案例基本上包含了統(tǒng)計分析的各個方面和環(huán)節(jié)，可以使學(xué)生直觀地體會統(tǒng)計分析的內(nèi)涵。對典型案例的進行詳略得當(dāng)、點面結(jié)合的分析，可以使學(xué)生建立統(tǒng)計分析的系統(tǒng)觀念；(3)通過案例分析使學(xué)生能夠?qū)W習(xí)科學(xué)研究的內(nèi)涵與方法，并融會貫通地掌握統(tǒng)計分析在本專業(yè)的應(yīng)用。概論性地介紹一些統(tǒng)計方法在專業(yè)領(lǐng)域的應(yīng)用，不必苛求對統(tǒng)計方法和理論的深刻理解，僅要求學(xué)生體會具體案例中隨機抽樣、參數(shù)估計、假設(shè)檢驗、統(tǒng)計推斷、統(tǒng)計預(yù)測、驗證模型等環(huán)節(jié)所體現(xiàn)的統(tǒng)計思維方法，及對具體案例和所用統(tǒng)計方法的感性認識。同時，應(yīng)該抽出一定的學(xué)時(如2學(xué)時)對高級統(tǒng)計分析方法進行概論式介紹。
1.6自學(xué)能力和學(xué)習(xí)興趣的培養(yǎng)及考核方式
授人以魚，不如授人以漁。課堂教學(xué)永遠無法包含將來所需要的全部知識，因而培養(yǎng)學(xué)生的自學(xué)能力和激勵學(xué)習(xí)興趣應(yīng)成為教學(xué)指南。典型案例分析、模擬研究項目、統(tǒng)計模擬驗證、課堂討論、概論式介紹應(yīng)用現(xiàn)狀和前景都是激發(fā)學(xué)習(xí)興趣的有效手段。課后作業(yè)是督促學(xué)習(xí)、培養(yǎng)自學(xué)能力和檢驗學(xué)習(xí)效果的主要手段。精心設(shè)計的作業(yè)，不僅可以幫助學(xué)生及時地理解和消化課堂所學(xué)知識，而且是培養(yǎng)自學(xué)能力的主要途徑。可以將簡單的理論證明和一部分教學(xué)內(nèi)容以作業(yè)形式讓學(xué)生通過自學(xué)完成，逐漸培養(yǎng)自學(xué)能力。平時作業(yè)成績、分段考核成績、實驗成績、課程設(shè)計應(yīng)在總評成績中占50％左右的比例，這樣不僅可以保證以上教學(xué)環(huán)節(jié)的實施并達到預(yù)期效果，還可以減輕期末考試時的學(xué)習(xí)壓力。考試可以采取分段多次考核的方法，以2～3次為宜。這樣教師和學(xué)生都能及時發(fā)現(xiàn)教與學(xué)中的問題并及時加以調(diào)整，減輕終考壓力，以免一次考試決定成績和突擊學(xué)習(xí)應(yīng)考的現(xiàn)象。
2教學(xué)內(nèi)容和教學(xué)結(jié)構(gòu)的思考
雖然數(shù)理統(tǒng)計內(nèi)容龐大，但在本科階段所涉及的教學(xué)內(nèi)容均為基礎(chǔ)統(tǒng)計方法。對生物學(xué)而言主要包括與正態(tài)分布相關(guān)的統(tǒng)計模型，如單一正態(tài)總體的統(tǒng)計模型、線型回歸、協(xié)方差分析、方差分析和非線性回歸分析等，及與二項分布和泊松分布相關(guān)的統(tǒng)計模型，如二項分布的統(tǒng)計分析、邏輯斯第回歸以及關(guān)聯(lián)表等。根據(jù)以上內(nèi)容的區(qū)別與聯(lián)系，我們考慮按照如下順序?qū)嵤┙虒W(xué)。
2.1單一正態(tài)總體的統(tǒng)計模型
指的是對一個正態(tài)總體的統(tǒng)計分析，包括參數(shù)點估計、區(qū)間估計、假設(shè)檢驗、兩個正態(tài)總體參數(shù)的對比分析等。雖然在概率論教學(xué)中有所涉及，但強化這部分內(nèi)容的教學(xué)對建立統(tǒng)計思維方式有極其重要的意義。通過這部分內(nèi)容的學(xué)習(xí)，應(yīng)該使學(xué)生準確把握樣本、統(tǒng)計量、抽樣分布、置信區(qū)間、假設(shè)檢驗中棄真概率α、取偽概率β、檢驗效力、P值等重要概念，為后續(xù)學(xué)習(xí)奠定基礎(chǔ)。在實際應(yīng)用中，對數(shù)據(jù)進行正態(tài)性檢驗是不可或缺的，需要增加QQ圖的原理與應(yīng)用教學(xué)內(nèi)容，即可以使學(xué)生了解這一簡單而廣泛應(yīng)用的圖形判別法，又可以強調(diào)在統(tǒng)計分析中必須對模型所依賴的假設(shè)進行驗證的統(tǒng)計思想。
2.2線性回歸線型
簡單線性回歸的參數(shù)估計、參數(shù)估計量的抽樣分布以及參數(shù)假設(shè)檢驗等內(nèi)容的推導(dǎo)證明僅涉及二元函數(shù)極值、數(shù)學(xué)期望和方差的基本性質(zhì)、以及簡單的代數(shù)運算，因而在學(xué)時允許時應(yīng)盡量加以證明，使學(xué)生知其然知其所以然。應(yīng)介紹用圖示法判斷線性回歸模型的IID假設(shè)是否滿足。由于對非IID數(shù)據(jù)的廣義線性回歸方法已經(jīng)成熟，故無需對非IID模型的傳統(tǒng)矯正方法多做介紹。對于線性回歸中的統(tǒng)計預(yù)測，應(yīng)著重使學(xué)生掌握預(yù)測誤差的來源，即參數(shù)估計量和模型內(nèi)在隨機誤差項兩個因素對預(yù)測的影響。多元線性回歸在基礎(chǔ)統(tǒng)計學(xué)中占有核心地位，是銜接回歸分析和方差分析的紐帶。由于多元線性回歸的推導(dǎo)涉及隨機向量和隨機矩陣，而不宜進行詳細的推導(dǎo)。可以首先將簡單線性回歸主要結(jié)論用矩陣表示出來，并推廣到多元線性回歸。在多元回歸階段應(yīng)強調(diào):(1)應(yīng)客觀地評述預(yù)測變量數(shù)目對確定系數(shù)R2的影響作用，避免在模型評價時對R2的過度依賴；(2)應(yīng)使學(xué)生理解回歸模型中的方差分析是對多個參數(shù)同時為0的假設(shè)進行檢驗，以便于和以后試驗設(shè)計與分析的學(xué)習(xí)銜接起來；(3)離差平方和的分解的意義及參數(shù)子集的F檢驗；(4)對擬合殘差的圖形分析法，使學(xué)生能夠?qū)ID的假設(shè)滿足與否進行判斷；(5)回歸分析和相關(guān)分析的區(qū)別與聯(lián)系。
2.3協(xié)方差和方差分析
通過對多元線性回歸模型引入離散型的回歸變量而介紹協(xié)方差分析方法，使學(xué)生學(xué)會如何構(gòu)造虛擬變量，并通過虛擬變量將離散型的回歸變量加入到回歸模型的方法。虛擬變量的理解和使用，對邏輯斯第回歸、方差分析、非線性回歸的假設(shè)檢驗的學(xué)習(xí)非常有幫助。在理解協(xié)方差分析和多元線性回歸的關(guān)系后，自然而然地將多元回歸過過渡到方差分析，即全部回歸變量均為離散型的多元線性回歸模型即方差分析模型。可通過對虛擬變量加以限置的方法(使數(shù)據(jù)矩陣滿秩)，用多元回歸方法進行方差分析。由于方差分析數(shù)據(jù)矩陣的特殊性，可以方便地推導(dǎo)出單因素和雙因素方差分析的公式。通過以上學(xué)習(xí)，應(yīng)該使學(xué)生建立回歸分析、協(xié)方差分析和方差分析屬于同一類模型的概念。
2.4非線性回歸
篇5
1資料與方法
1.1臨床資料
將我院2014級內(nèi)科學(xué)210名學(xué)生作為研究對象，男82名，女128名，年齡范圍18～22，平均年齡（20.28±1.11）歲，隨機分為A組、B組、C組各70例。三組研究對象資料對比，差異無統(tǒng)計學(xué)意義（P＞0.05），具有可比性。
1.2方法
A組采用LBL教學(xué)法開展教學(xué)活動，主要是根據(jù)章節(jié)內(nèi)容理論課程由教師進行主導(dǎo)式傳統(tǒng)理論進行授課。B組采用PBL教學(xué)法開展教學(xué)活動，由10～12名學(xué)生組成學(xué)習(xí)小組，選派組長，并配1名經(jīng)驗豐富的導(dǎo)師；老師需要制定1個典型案例進行分析，分為2～3幕形式分次設(shè)計圍繞教學(xué)計劃制定相關(guān)題目；導(dǎo)師要提前2周將下次需要進行討論的內(nèi)容布置給學(xué)生，小組成員對這些問題進行專題討論。利用相關(guān)書籍、教科書以及網(wǎng)絡(luò)資料等查找相關(guān)答案，最后組織學(xué)生在課堂上進行問題討論，教師進行提問、總結(jié)與分析。C組采用LBL＋PBL教學(xué)法開展教學(xué)活動，將兩種教學(xué)方法進行結(jié)合，對于部分章節(jié)應(yīng)由教師展開主導(dǎo)式教學(xué)，而對于一些實踐性內(nèi)容，則由學(xué)生組成學(xué)習(xí)小組，由教師引導(dǎo)學(xué)生以主體地位參與學(xué)習(xí)，這一事實過程和B組相同。
1.3觀察指標
試驗結(jié)束后對學(xué)生進行分離方式考核，根據(jù)教學(xué)大綱要求進行命題，采用百分制形式進行評價，分值越高，成績越好。對學(xué)生進行教學(xué)方法滿意度調(diào)查[3]，包括課堂氣氛、師生交流、學(xué)生自主學(xué)習(xí)能力、學(xué)習(xí)積極性、自我評價等方面，分值為100分，得分在80分以上（包括80分），可視為滿意，見表1。（82.14±2.05）分，C組學(xué)生考核成績?yōu)椋?4.82±1.87）分，C組學(xué)生考核成績明顯高于A組和B組，差異有統(tǒng)計學(xué)意義（P＜0.05）。
2三組研究對象滿意度調(diào)查
A組學(xué)生滿意48例，滿意率為68.57%（48/70），B組學(xué)生滿意52例，滿意率為74.29%（52/70），C組學(xué)生滿意69例，滿意率為98.57%（69/70），C組學(xué)生滿意度明顯高于A組、B組，差異有統(tǒng)計學(xué)意義（P＜0.05）。
篇6
適合于應(yīng)用型人才培養(yǎng)的統(tǒng)計學(xué)教材是教師授課的依據(jù),目前真正適合獨立學(xué)院經(jīng)濟管理專業(yè)使用的統(tǒng)計學(xué)的教材較少,而現(xiàn)有的統(tǒng)計學(xué)本科教材又存在難度偏大、理論內(nèi)容偏多、實踐技能操作偏少的弊端,更加適用于研究型人才的培養(yǎng)對象使用,對于數(shù)學(xué)基礎(chǔ)普遍較為薄弱的獨立學(xué)院的學(xué)生來說,用現(xiàn)有的教材教學(xué),學(xué)生學(xué)習(xí)起來困難就更大。而且,在教材的內(nèi)容組織上大多數(shù)教材側(cè)重對于統(tǒng)計方法的介紹和講解,對統(tǒng)計方法在本專業(yè)領(lǐng)域的實際應(yīng)用介紹的較少,無法適應(yīng)應(yīng)用型人才培養(yǎng)目標的要求。針對上述情況,一些獨立學(xué)院已開始探討聯(lián)合編寫符合應(yīng)用型人才培養(yǎng)目標的統(tǒng)計學(xué)教材。筆者認為,應(yīng)用型本科統(tǒng)計學(xué)教材在內(nèi)容體系的構(gòu)建上應(yīng)遵循“基礎(chǔ)知識夠用、專業(yè)知識實用”的原則,具體設(shè)計思路包括以下幾點:(1)教材應(yīng)保證統(tǒng)計方法體系的完整性,為學(xué)生學(xué)習(xí)其他專業(yè)課程提供必要的數(shù)量分析方法;(2)教材應(yīng)側(cè)重于各種統(tǒng)計方法在經(jīng)濟管理領(lǐng)域的實際應(yīng)用,在例題、案例和實訓(xùn)題目的選編上要盡量貼近社會生活和企業(yè)實際需要,也可以考慮從其他專業(yè)課程中挖掘應(yīng)用統(tǒng)計方法解決的實際問題;(3)適應(yīng)企業(yè)對管理型人才所應(yīng)具備的統(tǒng)計知識和統(tǒng)計技能的要求,使非統(tǒng)計專業(yè)的學(xué)生對現(xiàn)代企業(yè)統(tǒng)計工作的地位、作用、統(tǒng)計工作流程有一定的基本了解;(4)使學(xué)生熟練掌握應(yīng)用Excel軟件進行統(tǒng)計數(shù)據(jù)的整理、顯示和分析,學(xué)會開展社會調(diào)查、市場調(diào)查、企業(yè)經(jīng)營活動效益分析等技能;(5)使學(xué)生能夠讀懂國民經(jīng)濟中常用的統(tǒng)計指標的含義,更好地認識國家的宏觀經(jīng)濟形勢,理解國家采取的各項宏觀經(jīng)濟調(diào)控政策,以便能夠科學(xué)、合理地安排好個人的消費、投資及經(jīng)營等活動。
二處理好理論教學(xué)與實踐教學(xué)的關(guān)系
針對于應(yīng)用型人才“強基礎(chǔ)、重實踐”的人才培養(yǎng)要求,統(tǒng)計學(xué)的教學(xué)模式也應(yīng)做出適當(dāng)?shù)恼{(diào)整。首先,在統(tǒng)計學(xué)的教學(xué)計劃中應(yīng)當(dāng)根據(jù)實際需要對理論課和實踐課的課時做出合理分配。從教學(xué)計劃看,以往多數(shù)獨立學(xué)院的統(tǒng)計學(xué)教學(xué)大都以理論課為主,實踐課所占的課時普遍不足,甚至有的學(xué)院根本沒有安排實訓(xùn)環(huán)節(jié)。這種偏重于理論知識的傳授、輕視實踐技能訓(xùn)練的現(xiàn)狀必須予以改變。切實的做法就是各學(xué)院要從實訓(xùn)課時和實訓(xùn)條件上予以保證。從以往的教學(xué)經(jīng)驗看,非統(tǒng)計專業(yè)的統(tǒng)計學(xué)理論課與實踐課的課時比重大體在3:1左右比較適宜。其次,教師還應(yīng)注意理論課與實踐課在內(nèi)容上的相互配合與銜接,做好統(tǒng)籌安排。
三綜合運用多種教學(xué)手段,提升統(tǒng)計學(xué)理論課的思想性和趣味性
目前隨著計算機的發(fā)展,統(tǒng)計計算技術(shù)已不再成為統(tǒng)計學(xué)理論教學(xué)的主要內(nèi)容,統(tǒng)計公式的推導(dǎo)和記憶、數(shù)學(xué)理論的證明也已不再是理論課教學(xué)的重點,在這種情況下,教師應(yīng)將側(cè)重點放在如何向?qū)W生傳達統(tǒng)計方法背后的統(tǒng)計思想,幫助學(xué)生從應(yīng)用的角度學(xué)會用數(shù)據(jù)分析問題,包括如何收集、處理、分析和解釋數(shù)據(jù),從而達到用數(shù)量解釋客觀問題及分析其發(fā)展趨勢的目的。為此,就需要教師在理論課的教學(xué)中做到既能綜合運用傳統(tǒng)的講授法及案例教學(xué)方法,又能利用多媒體演示教學(xué)等多種現(xiàn)代教學(xué)方法和手段。應(yīng)該說不同的教學(xué)方法各有其優(yōu)勢,但把多種方法結(jié)合起來運用就能大大提升統(tǒng)計學(xué)理論課的思想性和趣味性。例如:傳統(tǒng)的講授法對于統(tǒng)計基本概念、基本原理的講解比較適合;案例教學(xué)法通過在課堂教學(xué)中組織學(xué)生對典型統(tǒng)計案例展開討論,有利于加深學(xué)生對統(tǒng)計思想的深入理解,提高學(xué)生應(yīng)用統(tǒng)計方法分析和解決實際問題的能力;在統(tǒng)計學(xué)教學(xué)中引入多媒體教學(xué)手段,一方面可以向?qū)W生演示如何使用Excel軟件進行數(shù)據(jù)的處理,另一方面也可以用多媒體課件展示各種統(tǒng)計表和統(tǒng)計圖,形象、生動、直觀,能夠提高學(xué)生學(xué)習(xí)統(tǒng)計學(xué)的興趣和對統(tǒng)計學(xué)的感悟和理解能力。
四重點加強統(tǒng)計學(xué)的實踐教學(xué)環(huán)節(jié)
當(dāng)今社會對現(xiàn)代的經(jīng)濟管理型人才所應(yīng)具備的統(tǒng)計基本技能的要求概括起來主要包括:了解統(tǒng)計的基本知識、掌握各種社會調(diào)查和市場調(diào)查的基本方法、能夠熟練應(yīng)用Excel、SPSS等統(tǒng)計軟件進行數(shù)據(jù)的整理和分析、掌握各種類型的調(diào)查報告和統(tǒng)計分析報告的撰寫技巧等。開展統(tǒng)計學(xué)的實踐教學(xué),是提高學(xué)生統(tǒng)計方面實際工作技能的重要途徑。加強統(tǒng)計學(xué)的實踐教學(xué),教師應(yīng)認真研究和不斷完善統(tǒng)計學(xué)實踐教學(xué)的內(nèi)容體系,進一步規(guī)范實訓(xùn)教學(xué)的方法和步驟,從而不斷提高實踐教學(xué)的質(zhì)量和效果。具體說,應(yīng)控制好以下四個方面的實踐教學(xué)環(huán)節(jié):
(一)認真編寫實訓(xùn)教學(xué)大綱和指導(dǎo)書
編寫《實訓(xùn)教學(xué)大綱》和《實訓(xùn)指導(dǎo)書》是實施實訓(xùn)教學(xué)的首要步驟。具體包括:明確實訓(xùn)的目的和基本要求、設(shè)計適當(dāng)?shù)膶嵱?xùn)內(nèi)容、確定實訓(xùn)課時的安排、教學(xué)軟件的采用、考核方法及實訓(xùn)內(nèi)容的操作指導(dǎo)等項內(nèi)容。
(二)實訓(xùn)課教學(xué)過程的組織實施
實訓(xùn)課教學(xué)過程的組織是保證實訓(xùn)教學(xué)取得預(yù)期效果的關(guān)鍵步驟。具體步驟包括:
1將學(xué)生進行合理分組,明確實訓(xùn)小組組長的職責(zé)和職權(quán)。如:實訓(xùn)組長負責(zé)組織本組成員按教師的要求開展實訓(xùn)活動,對組內(nèi)成員進行工作分工,對本組成員完成工作的進度和質(zhì)量進行控制,對本組成員的實訓(xùn)表現(xiàn)進行評價。
2教師講解實訓(xùn)指導(dǎo)書。使全體學(xué)生明確實訓(xùn)的目的、實訓(xùn)內(nèi)容和考核方法,以及實訓(xùn)內(nèi)容的技術(shù)操作要領(lǐng)。
3教師在實訓(xùn)過程中對學(xué)生進行即時的指導(dǎo)。及時解決學(xué)生在實訓(xùn)過程中遇到的問題
4教師應(yīng)做好實訓(xùn)小組階段性工作成果的質(zhì)量把關(guān)。如:教師在實訓(xùn)小組完成第一階段統(tǒng)計調(diào)查方案和調(diào)查問卷的設(shè)計時要進行把關(guān),以保證后續(xù)統(tǒng)計調(diào)查取得數(shù)據(jù)的質(zhì)量
5在實訓(xùn)中注意調(diào)動和發(fā)掘?qū)W生的創(chuàng)造力。如:教師在指導(dǎo)學(xué)生應(yīng)用統(tǒng)計軟件繪制統(tǒng)計圖的過程中,要求學(xué)生不僅要能夠選擇適當(dāng)?shù)膱D形來顯示數(shù)據(jù),而且要熟練掌握軟件中圖表功能的使用,對統(tǒng)計圖進行適當(dāng)?shù)男揎椇兔阑?以增強數(shù)據(jù)的表現(xiàn)力和藝術(shù)感染力。
6適當(dāng)引入范例,提高學(xué)生撰寫調(diào)查報告的能力。如:在指導(dǎo)學(xué)生撰寫調(diào)查報告的過程中,教師不僅對調(diào)查報告的內(nèi)容結(jié)構(gòu)提出了規(guī)范性要求,還適當(dāng)引入了某市場調(diào)查公司所做的調(diào)查報告范例供學(xué)生學(xué)習(xí),使學(xué)生很快掌握了調(diào)查報告的寫作要領(lǐng)。
7教師要控制好整個實訓(xùn)的進度和效果。教師要提醒各實訓(xùn)小組在規(guī)定的時間完成規(guī)定的實訓(xùn)內(nèi)容,以保證整個實訓(xùn)過程的進度和效果。
(三)學(xué)生實訓(xùn)情況的評估及實訓(xùn)成果的應(yīng)用
每位學(xué)生要對個人實訓(xùn)課進行總結(jié),教師也要對各實訓(xùn)小組的實訓(xùn)表現(xiàn)和實訓(xùn)成績在課堂上進行總結(jié)和評估。即:評估學(xué)生是否充分參與了實訓(xùn)內(nèi)容,學(xué)生的實訓(xùn)表現(xiàn)和實訓(xùn)成績是否達到了預(yù)期目的。對實訓(xùn)效果顯著和實訓(xùn)成果突出的班級和個人,教師可建議將學(xué)生的實訓(xùn)成果制作成展板在校園內(nèi)進行展出,以利于學(xué)生間的相互學(xué)習(xí)與交流。
(四)教師對實訓(xùn)課教學(xué)效果的評估
實訓(xùn)課教學(xué)效果的評估,是指由教師對本人已實施的實訓(xùn)教學(xué)是否達到預(yù)期教學(xué)目的的評價。教師自我評估的內(nèi)容包括:本人編寫的實訓(xùn)教學(xué)大綱和實訓(xùn)指導(dǎo)書是否適用,實訓(xùn)內(nèi)容和時間安排是否合理、實訓(xùn)小組的劃分是否科學(xué)、是否恰當(dāng)?shù)亟忉尯突卮鹆藢W(xué)生在實訓(xùn)中提出的各種問題,在組織學(xué)生、引導(dǎo)學(xué)生開展實訓(xùn)活動中還有哪些不足之處等。評估的目的是為了進一步改進教學(xué)工作,不斷提高教學(xué)的效果和水平。
五應(yīng)用型人才的培養(yǎng)對教師的綜合素質(zhì)和實踐能力提出了更高的要求
應(yīng)用型人才的培養(yǎng)目標對教師的綜合素質(zhì)和實踐能力都提出了新的、更高的要求。要求教師具備多方面的知識和能力:(1)首先教師要有深厚和扎實的統(tǒng)計專業(yè)理論知識;(2)教師要能熟練掌握各種統(tǒng)計軟件的使用,并指導(dǎo)學(xué)生完成上機操作;(3)教師還應(yīng)具備經(jīng)濟、管理方面的專業(yè)知識,統(tǒng)計學(xué)的授課教師最好能夠同時講授其他二到三門經(jīng)濟管理方面的專業(yè)課程,如市場營銷、質(zhì)量管理、財務(wù)管理、證券投資等課程,這樣有利于為統(tǒng)計方法找到更多實用的案例;(4)教師還要了解現(xiàn)代企業(yè)的統(tǒng)計活動和國民經(jīng)濟統(tǒng)計的基本知識,以更好地滿足企業(yè)需求和拓寬學(xué)生的知識面。這就需要教師必須不斷加強自身的業(yè)務(wù)學(xué)習(xí),還要注重加強與同類院校同行間的業(yè)務(wù)交流,同時要深入實際,積極創(chuàng)造條件到有關(guān)企業(yè)、單位去調(diào)查、了解企業(yè)對人才技能的實際需求,加強人才培養(yǎng)與社會需求的對接,進一步促進統(tǒng)計學(xué)教學(xué)內(nèi)容和教學(xué)方法的改革。
參 考 文 獻
[1]張曉慶,趙鵬,黃劍橋.統(tǒng)計學(xué)課程的實踐教學(xué)探討[J].大連民族學(xué)院學(xué)報,2006(7).
[2]馬贊軍.大學(xué)統(tǒng)計學(xué)教學(xué)模式探討[J].統(tǒng)計教育,2006(3).
篇7
目前信息技術(shù)已滲透到包括醫(yī)學(xué)在內(nèi)的各個領(lǐng)域。隨著醫(yī)院信息系統(tǒng)（HIS）的應(yīng)用和發(fā)展，數(shù)據(jù)庫中的數(shù)據(jù)量迅速膨脹，數(shù)據(jù)庫規(guī)模逐漸擴大，復(fù)雜程度日益增加。盡管積累了大量的業(yè)務(wù)數(shù)據(jù)，但真正能將這些數(shù)據(jù)的價值挖掘出來，并運用到醫(yī)院的臨床輔助診斷和日常管理決策中的卻很少。提出建立基于HIS系統(tǒng)的醫(yī)學(xué)信息數(shù)據(jù)倉庫，在此基礎(chǔ)上，對數(shù)據(jù)倉庫中的醫(yī)療數(shù)據(jù)進行疾病監(jiān)測、預(yù)測、醫(yī)院管理輔助決策等方面的數(shù)據(jù)挖掘。為醫(yī)務(wù)工作者、臨床管理人員、科研人員提供輔助決策與綜合分析的工具。在醫(yī)療方面具有重要的意義。
二、數(shù)據(jù)挖掘相關(guān)概述
（一）數(shù)據(jù)挖掘的概念及特點
數(shù)據(jù)挖掘是20世紀80年代后期出現(xiàn)的一個數(shù)據(jù)和信息系統(tǒng)應(yīng)用的學(xué)科前沿，又被稱為數(shù)據(jù)中的知識發(fā)現(xiàn)（ KDD ），數(shù)據(jù)挖掘（ Data Mining） ，是從海量數(shù)據(jù)中挖掘出隱含在其中的知識。數(shù)據(jù)挖掘一般有如下幾個步驟 ： 數(shù)據(jù)收集、整理、挖掘、挖掘結(jié)果評價、分析決策。這需要一個循環(huán)反復(fù)的過程才可能達到預(yù)期效果。詳細來說，所在的應(yīng)用領(lǐng)域不同，則其處理方法也不一樣，例如在醫(yī)學(xué)領(lǐng)域中步驟為：一、在該領(lǐng)域中認識到所要處理的問題具有的意義，并確定目標及標準；二、了解并清楚數(shù)據(jù)用途；三、根據(jù)研究的領(lǐng)域處理數(shù)據(jù)、建立數(shù)據(jù)倉庫，這是一個動態(tài)的循環(huán)過程；四、數(shù)據(jù)挖掘，包括數(shù)據(jù)模型選擇、訓(xùn)練和驗證過程、建模和模型評價，對于同一過程可利用不同的算法，這僅僅是對數(shù)據(jù)的不同角度理解，每種算法均有合理的可能性，實際運用中要反復(fù)驗證和比較；五、對結(jié)果進行評估，給予提取的新知識以合理解釋，并需要具有一定的應(yīng)用價值。
（二）數(shù)據(jù)挖掘的常用技術(shù)
數(shù)據(jù)挖掘是一門誕生時間不長卻飛速發(fā)展的計算機分析技術(shù)， 在這些年來， 數(shù)據(jù)挖掘理論日趨成熟， 并在實踐中大放異彩。在各個領(lǐng)域的應(yīng)用中， 最常用的數(shù)據(jù)挖掘技術(shù)主要有決策樹、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、聚類分析、統(tǒng)計學(xué)、模糊集和粗糙集等。
（1）決策樹。決策樹技術(shù)是用于數(shù)據(jù)挖掘中分類和預(yù)測的主要技術(shù)。決策樹學(xué)習(xí)算法是對分類問題進行深入分析的一種方法。決策樹能從一個或多個預(yù)測變量中， 針對類別因變量的選項， 預(yù)測出個例的趨勢變化關(guān)系等， 也可以由結(jié)果來反推原因。就其方法論而言， 決策樹分析與判別分析、聚類分析、非參數(shù)統(tǒng)計以及非線性估計所提供的功能是一樣的。但是決策樹的設(shè)置形式靈活， 使得其更具吸引力。常用決策樹算法有： CLS算法， ID3算法， C4.5算法， CART算法， SLIQ 算法， SPR INT算法， PUBLIC算法等。
（2）神經(jīng)網(wǎng)絡(luò)。在數(shù)據(jù)挖掘中， 對神經(jīng)網(wǎng)絡(luò)的改進重點是為了解決兩個問題： 知識表達和知識獲取。知識表達是使神經(jīng)網(wǎng)絡(luò)中抽象的權(quán)值代表一定的知識。知識獲取是給定一個已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，從中提取顯式的知識。神經(jīng)網(wǎng)絡(luò)是一個不依賴于模型的自適應(yīng)函數(shù)估計器， 其突出的優(yōu)點是能夠并行處理， 并具有學(xué)習(xí)能力、適應(yīng)能力和很強的容錯能力， 可以建構(gòu)非線性的模型， 模型的準確度高， 具有良好的推廣性， 對于未知的輸入也可以得到正確的輸出， 可以接受不同種類的變量作為輸入， 可應(yīng)用的領(lǐng)域相當(dāng)廣泛， 模型建構(gòu)能力強， 具有模糊推論能力， 允許輸出輸入變量具有模糊性。
（3）關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則用來揭示數(shù)據(jù)與數(shù)據(jù)之間未知的相互依賴關(guān)系， 他的任務(wù)就是： 給定一個事務(wù)數(shù)據(jù)庫， 在基于支持度/置信度框架中， 發(fā)現(xiàn)數(shù)據(jù)與項目之間大量有趣的相互聯(lián)系， 生成所有的支持度和可信度分別高于用戶給定的最小支持度和最小可信度的關(guān)聯(lián)規(guī)則。優(yōu)秀的關(guān)聯(lián)規(guī)則算法主要有： Apriori算法， AprioriTid算法， FP-Tree算法。
（4）聚類分析。聚類分析是由樣本分組， 尋找到多維數(shù)據(jù)點中的差異之處。它與判別分析不同在于： 聚類分析的分類方式并不需要預(yù)先設(shè)定一個指針變量， 它屬于一種非參數(shù)分析方法， 所以并沒有非常嚴謹?shù)臄?shù)理依據(jù)， 也無需假設(shè)總體為正態(tài)分布。聚類分析的一般過程是： 搜集數(shù)據(jù)， 轉(zhuǎn)換成相似矩陣。聚類分析可以作為一個獲得數(shù)據(jù)分布情況， 觀察每個類的特征和對特定類進一步分析的獨立工具。通過聚類， 能夠識別密集和稀疏的區(qū)域， 發(fā)現(xiàn)全局的分布模式， 以及數(shù)據(jù)屬性之間的相互關(guān)系等。主要的聚類分析方法有： 距離的方法， 基于層次的方法， 基于密度的方法， 基于網(wǎng)絡(luò)的方法。
（5）統(tǒng)計學(xué)習(xí)。統(tǒng)計學(xué)習(xí)理論是一種專門研究小樣本情況下機器學(xué)習(xí)規(guī)律的理論。機器學(xué)習(xí)的研究目標是以觀測數(shù)據(jù)為基礎(chǔ)， 通過對數(shù)據(jù)的研究得出目前尚不能通過原理分析得到的規(guī)律。然后利用這些規(guī)律去分析現(xiàn)實中的客觀現(xiàn)象， 對未來的數(shù)據(jù)進行預(yù)測。現(xiàn)實應(yīng)用中存在著大量人類尚無法準確認識但卻可以進行觀測的事物， 因此機器學(xué)習(xí)在從現(xiàn)在科學(xué)技術(shù)到社會、經(jīng)濟等各領(lǐng)域都有著十分重要的應(yīng)用。
貝葉斯學(xué)習(xí)： 貝葉斯推理是在知道新的信息后修正數(shù)據(jù)集概論分布的基本工具， 用來處理數(shù)據(jù)挖掘中的分類問題。
回歸分析： 回歸分析方法是研究相關(guān)關(guān)系的一種有力的數(shù)學(xué)工具。它是建立在對客觀事物大量試驗和觀察的基礎(chǔ)上， 用來尋找隱藏在看上去不確定的現(xiàn)象中的統(tǒng)計規(guī)律的數(shù)理統(tǒng)計方法。
（6）模糊集和粗糙集： 模糊集用隸屬函數(shù)來刻畫對象對集合屬于程度的連續(xù)的過渡性， 即元素從屬于集合到不屬于集合的漸變過程。模糊集是一種邊界不分明的集合， 一個元素對于模糊集合來說， 它可以既屬于該集合又不屬于該集合， 邊界是模糊的。粗糙集理論是一種刻畫不完整性和不確定性的數(shù)學(xué)工具， 能有效地分析和處理不精確、不完整等各種不完備的信息， 并從中發(fā)現(xiàn)隱含的知識， 揭示潛在的規(guī)律。粗糙集和遺傳算法相結(jié)合、和模糊集相結(jié)合， 以及和神經(jīng)網(wǎng)絡(luò)相結(jié)合來用于數(shù)據(jù)挖掘。
三、數(shù)據(jù)挖掘在醫(yī)學(xué)中的應(yīng)用
（一）疾病診斷：正確的診斷對于指導(dǎo)病人的用藥及康復(fù)顯然是重要的，在臨床中有些疾病錯綜復(fù)雜，數(shù)據(jù)挖掘的有關(guān)分類分析可以應(yīng)用于疾病的診斷。粗糙集理論、神經(jīng)網(wǎng)絡(luò)、模糊邏輯分析在疾病診斷方面是有效的。例如Roshawrma Scales等基于人工神經(jīng)網(wǎng)絡(luò)理論及模糊邏輯開發(fā)的對心血管疾病診斷的工具對疾病診斷的正確率達到92%。采用數(shù)據(jù)挖掘可以通過對患者資料數(shù)據(jù)庫中大量歷史數(shù)據(jù)的處理，挖掘出有價值的診斷規(guī)則，根據(jù)患者的年齡、性別、輔助檢查結(jié)果、生理生化指標等給出診斷結(jié)論，并進一步排除人為因素干擾。
（二）疾病相關(guān)因素分析：在病案信息庫中有大量的關(guān)于病人的病情和病人的個人信息，包括年齡、性別、居住地、職業(yè)、生活情況等，對數(shù)據(jù)庫中的信息進行關(guān)聯(lián)規(guī)則分析可以發(fā)現(xiàn)有意義的關(guān)系及模式，某種疾病的相關(guān)發(fā)病危險因素分析可以指導(dǎo)患者如何預(yù)防該疾病。
（三）疾病預(yù)測：確定某些疾病的發(fā)展模式，根據(jù)病人的病史預(yù)測病情的發(fā)展趨勢，從而有針對性的預(yù)防疾病的發(fā)生。應(yīng)用粗糙集理論根據(jù)以往病例歸納出診斷規(guī)則，用來預(yù)測新的疾病的發(fā)生，現(xiàn)有的人工預(yù)測早產(chǎn)的準確率只有17%～38%，應(yīng)用粗糙集理論則可提高到68%～90%。
（四）在醫(yī)療質(zhì)量管理中的應(yīng)用：醫(yī)療質(zhì)量管理的核心是數(shù)據(jù)、標準、計劃以及治療的質(zhì)量，這些質(zhì)量可以用不同的指數(shù)來衡量。數(shù)據(jù)挖掘可以發(fā)現(xiàn)新的關(guān)于數(shù)據(jù)、標準、計劃以及治療的質(zhì)量指數(shù)的假說并檢驗這些指數(shù)是否有效。利用數(shù)據(jù)挖掘技術(shù)構(gòu)建數(shù)據(jù)模型、選用適當(dāng)算法就可以實現(xiàn)預(yù)測醫(yī)院利潤、未來一些時間段內(nèi)哪些藥品使用頻率最高，哪些疾病發(fā)病率最高等和人們的現(xiàn)實生活密切相關(guān)的一系列問題。
（五）在醫(yī)學(xué)圖像中的應(yīng)用：醫(yī)學(xué)領(lǐng)域中越來越多地應(yīng)用圖像作為疾病診斷的工具，如SPECT、CT、MRI、PET等，數(shù)據(jù)挖掘可以應(yīng)用于醫(yī)學(xué)圖像的分析。Sacha等成功地運用基于貝葉斯分類的數(shù)據(jù)挖掘模式對心肌SPECT圖像進行分類診斷。
（六）在藥物開發(fā)中的應(yīng)用：一些新藥的開發(fā)研究，其重要關(guān)鍵的是對先導(dǎo)化合物的發(fā)掘。一般有2種途徑：隨機篩選、意外發(fā)現(xiàn)和定向發(fā)掘。采用數(shù)據(jù)挖掘技術(shù)建立的藥物開發(fā)系統(tǒng)可以用來尋找和藥效學(xué)相關(guān)的化學(xué)物質(zhì)基礎(chǔ)，確定藥效基團，進一步指導(dǎo)新藥的研究，縮短開發(fā)周期，降低開發(fā)費用。
（七）在遺傳學(xué)方面的應(yīng)用：用序列模式分析DNA序列，不同基因在疾病的不同階段可能起著不同的作用。若能找到疾病發(fā)展的不同階段遺傳因素序列，就有可能開發(fā)針對疾病不同階段的治療藥物，取得有效的治療效果。
四、展望
目前數(shù)據(jù)挖掘技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用還處于起步階段，但隨著該方法的日益普及，其必將在醫(yī)學(xué)領(lǐng)域得到更加廣泛的應(yīng)用。醫(yī)學(xué)數(shù)據(jù)挖掘是計算機技術(shù)、人工智能、統(tǒng)計學(xué)與現(xiàn)代醫(yī)學(xué)相融合的產(chǎn)物，是面向整個醫(yī)學(xué)信息庫提取知識的過程，是醫(yī)療服務(wù)整體決策科學(xué)化的重要組成成分；而由于醫(yī)學(xué)數(shù)據(jù)挖掘?qū)ο蟮膹V泛性、算法要求高效性、提取知識以及決策建議要求更高的準確性加之現(xiàn)有醫(yī)學(xué)信息庫相對于數(shù)據(jù)挖掘的要求還存在不完備性；這些都需要計算機、數(shù)學(xué)、統(tǒng)計學(xué)以及廣大醫(yī)療工作者的多方協(xié)作，從而在信息的多方融合、算法的高效性、獲取知識準確性等關(guān)鍵技術(shù)上得以更大的突破。
五、結(jié)語
醫(yī)學(xué)領(lǐng)域的數(shù)據(jù)構(gòu)成一個復(fù)雜的數(shù)據(jù)庫，包括電子病歷、醫(yī)學(xué)影像、病理參數(shù)、化驗結(jié)果等。隨著數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用和各種挖掘算法的不斷改進完善，結(jié)合生物醫(yī)學(xué)信息自身的特殊性和復(fù)雜性，處理好挖掘過程中的關(guān)鍵技術(shù)，使數(shù)據(jù)挖掘技術(shù)在處理生物醫(yī)學(xué)資料中的功能日益強大。數(shù)據(jù)挖掘技術(shù)在生物醫(yī)學(xué)研究、醫(yī)療衛(wèi)生管理與決策中的應(yīng)用范圍也會越來越廣，并帶來可觀的經(jīng)濟和社會效益。
參考文獻：
[1]康曉東.基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術(shù)[M].北京：機械工業(yè)出版社，2004.
[2]張世紅，徐國桓，劉會霞，龔文濤.數(shù)據(jù)挖掘在醫(yī)學(xué)上的應(yīng)用[J]. 醫(yī)學(xué)情報工作.2004-6
篇8
中圖分類號：TP312
文獻標識碼：A 文章編號：1672-7800（2016）008-0023-03
0 引言
聚類分析是數(shù)據(jù)挖掘的一個重要研究領(lǐng)域，在統(tǒng)計學(xué)、生物學(xué)、模式識別、機器學(xué)習(xí)和社會科學(xué)中有著極為廣泛的應(yīng)用。所謂聚類，就是將數(shù)據(jù)對象分成多個類或簇，使得同一簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。k-均值聚類是聚類分析中最經(jīng)典的算法，算法簡單，可用于多種類型數(shù)據(jù)的聚類。但當(dāng)數(shù)據(jù)集為非凸時，k-均值聚類往往陷于局部最優(yōu)，聚的效果欠佳。此外，對于大小或密度不均勻的簇，k-均值聚類通常無法處理。
譜聚類是一種新型的聚類分析方法，可以克服k-均值聚類等經(jīng)典方法的某些缺陷。譜聚類方法以圖論中的譜圖理論為基礎(chǔ)，將聚類問題轉(zhuǎn)化為圖最優(yōu)劃分問題。在眾多圖的最優(yōu)劃分準則中，歸一化割集準則的劃分效果相對較好，是譜聚類中常用的劃分準則。對于給定的劃分準則和聚類數(shù)目k，譜聚類通常采用多路譜聚類算法將數(shù)據(jù)集劃分為k個簇。
最早的譜聚類算法是Ng、Bach和Jordan提出的多路譜聚類方法。代表性的譜聚類算法還有Meila提出的多路歸一化割譜聚類方法；Vidal 提出的子空間譜聚類方法；Wang等提出的多流形譜聚類方法；Cheng等提出的低秩譜聚類方法；Elhamifar等提出的稀疏子空間譜聚類方法。
在眾多譜聚類算法中，多路譜聚類方法和多路歸一化割譜聚類方法因其劃分效果較好，算法復(fù)雜度也較低，被廣大學(xué)者普遍接受。但這兩種算法尚有一些問題有待研究，例如：如何選取包含聚類信息的特征向量？如何確定較合理的聚類數(shù)？
本文在多路譜聚類算法的基礎(chǔ)上，對特征向量組的選取問題進行研究，提出一種特征向量自動選取的譜聚類算法，并根據(jù)數(shù)值實驗對該算法進行性能測試。
1 譜聚類算法的基本概念與原理
譜聚類的基本思想是將聚類問題轉(zhuǎn)化為圖的最優(yōu)劃分問題，利用圖的最優(yōu)劃分準則，使劃分出的子圖之間的邊權(quán)之和較小，而子圖內(nèi)的邊權(quán)之和較大。本文算法設(shè)計過程中涉及到的基本概念、性質(zhì)及原理如下：
1.1 譜聚類矩陣
設(shè)數(shù)據(jù)集為{p1，p2，…，pn}，將pi視為圖G（V，E）的一個頂點vi，i=1，2，…，n，對邊賦權(quán)Wij，Wij通常是根據(jù)頂點vi，vj間的距離經(jīng)過某種適當(dāng)?shù)淖儞Q而得，這樣就得到一個基于樣本點相似度的無向加權(quán)圖G（V，E，W），從而將數(shù)據(jù)集{p1，p2，…，pn}的聚類問題轉(zhuǎn)化為在圖G（V，E，W）上的最優(yōu)劃分問題。
圖劃分準則的合理性決定著聚類結(jié)果的優(yōu)劣。由于圖劃分問題是一個NP難問題，所以首先要將圖劃分問題轉(zhuǎn)化為連續(xù)松弛形式，進而再將其轉(zhuǎn)化為某些譜聚類矩陣的譜分解問題[2]。
常用的譜聚類矩陣如下：
1.3 高斯核參數(shù)
在譜聚類算法中，通常先要計算頂點間的距離矩陣，然后再用高斯核函數(shù)法將距離矩陣轉(zhuǎn)換為相似矩陣，進而得到各種譜聚類矩陣。根據(jù)所選高斯核參數(shù)的不同，高斯核函數(shù)可分為局部尺度高斯核函數(shù)和全局尺度高斯核函數(shù)兩類。通常采用全局尺度高斯核函數(shù)將距離矩陣轉(zhuǎn)化為相似矩陣，具體方法為：
在將距離矩陣轉(zhuǎn)換為相似矩陣的過程中，高斯核參數(shù)σ起著極為重要的作用。不同的高斯核參數(shù)可能導(dǎo)致不同的劃分結(jié)果。本文算法中采用Zhang等[11]提出的高斯核函數(shù)法。
2 基于特征向量自動選取的譜聚類算法
2.1 算法理論基礎(chǔ)
下面給出幾個理論結(jié)果，它們是本文算法的理論基礎(chǔ)。
引理1：非對稱規(guī)范Laplace矩陣Lrw的性質(zhì)[2]。
（1）λ，x分別是Lrw的特征值和特征向量的充要條件是λ，x是廣義特征值問題Lx=λDx的解。
（2）Lrw具有n個非負、實的特征值：0=λ1≤λ2≤…≤λn。
引理2：連通子圖的數(shù)目與Lrw的譜之間的關(guān)系[2]。
Lrw的特征值0的重數(shù)等于圖GV，E，W的連通子圖V1∪V2∪…∪Vk的數(shù)目；特征值0的特征空間由這些子圖的指示向量組成。
2.2 算法原理
引理1 確保了Lrw的特征值的實值性和非負性。引理2表明，Lrw的理想情形包含不同類間完全分離的情形，即Lrw的理想情形一般優(yōu)于相似矩陣和Laplace矩陣的理想情形。另外，Lrw的包含聚類信息的特征向量構(gòu)成的矩陣具有分段常值性，即它反映的聚類信息比較明顯。綜上，本文算法中選用Lrw作為譜聚類矩陣。
在經(jīng)典的譜聚類算法中，往往選定譜聚類矩陣的前k個特征向量，得到特征向量空間，再用k-均值聚類等傳統(tǒng)聚類算法對特征向量空間的特征向量進行聚類，從而得出聚類結(jié)果。這種作法的局限性在于，當(dāng)k較大時，選取的k個特征向量不一定包含聚類信息，從而導(dǎo)致聚類結(jié)果出現(xiàn)偏差。特別是當(dāng)聚類數(shù)k有誤差時，聚類結(jié)果會較混亂[6]。
為了解決上述問題，本文提出兩個應(yīng)對策略。首先，為避免遺漏包含聚類信息的特征向量，選取較多的Lrw的特征向量進行分析、判斷。當(dāng)n較大時，究竟選取多少特征向量進行分析比較合理目前尚無定論。綜合考慮劃分效果和算法的復(fù)雜度，本文選取前l(fā)n（n）個特征向量進行分析。其次，采用本征間隙法[12]判定選取的特征向量中是否包含聚類信息。
所謂本征間隙是指相鄰兩個特征值的差。本征間隙法的原理是，根據(jù)矩陣攝動理論，本征間隙越大，選取的k個特征向量所構(gòu)成的子空間就越穩(wěn)定。
雖然本征間隙法理論上并不能保證找出全部包含聚類信息的特征向量，但由于此方法簡單易行，而對特征向量分段常值性的檢驗?zāi)茉谝欢ǔ潭壬蠌浹a此方法的缺陷。
2.3 算法步驟
根據(jù)上述分析，本文提出一種特征向量自動選取的譜聚類方法，具體步驟如下：
3 數(shù)值實驗
為了檢驗新算法的聚類性能，本文選取了4組典型的子空間譜聚類仿真數(shù)據(jù)進行實驗，結(jié)果如圖1～圖4所示。
圖1中的數(shù)據(jù)類數(shù)較多，但聚類難度并不大；圖2和圖3中的數(shù)據(jù)無法用傳統(tǒng)方法聚類，適合用譜聚類，其中圖3中的數(shù)據(jù)聚類有一定難度；圖4中的數(shù)據(jù)量大，且密度相差較大，經(jīng)典譜聚類算法的效果往往欠佳。上述聚類效果圖顯示，本文提出的特征向量自動選擇譜聚類算法對各類子空間聚類問題具有極佳的聚類效果。
4 Y語
本文根據(jù)非對稱規(guī)范Laplace矩陣特征向量組的分段常值性，增加了待分析特征向量的數(shù)量，并利用本征間隙方法判斷特征向量中是否包含聚類信息。數(shù)值實驗表明，這種算法對典型的譜聚類問題可獲得質(zhì)量較高的聚類結(jié)果，在一定程度上解決了特征向量的自動選取問題。
需指出的是，本文提出的算法較適用于獨立子空間情形，而對于不滿足獨立子空間的情形或者是復(fù)雜的多流形情形效果欠佳。另外，與經(jīng)典的譜聚類算法相比，本文算法具有較高的復(fù)雜度。
參考文獻：
[1]JAIN A，MURTY M，F(xiàn)LYNN P.Data clustering： a review[J].ACM Computing Surveys，1999，31（3）： 264-323.
[2]LUXBRUG U.A tutorial on spectral clustering[J].Statistics and Computing，2007，17（4）： 395-416.
[3]VERMA D，MEILA M.A comparison of spectral clustering algorithm[R].Washington： University of Washington，2003.
[4]NG A，JORDAN M，WEISS Y.On spectral clustering： analysis and an algorithm[C].Advances in Neural Information Processing Systems.Cambridge： MIT Press，2001： 849-856.
[5]BACH F，JORDAN M.Learning spectral clustering[C].Advances in Neural Information Processing Systems.Cambridge： MIT Press，2004： 1-13.
[6]MEILA M，XU L.Multiway cuts and spectral clustering[R].Washington： University of Washington，2003.
[7]VIDAL R.Subspace clustering[J].IEEE Signal Processing Magazine，2011，28（2）：52-68.
[8]WANG Y，JIANG Y，WU Y，et al.Spectral clustering on multiple manifolds[J].IEEE Transactions on Neural Networks，2011，22（7）：1149-1161.
[9]CHENG B，LIU G，WANG J，et al.Multi-task low rank affinity pursuit for image segmentation[J].ICCV，2011（15）：36-39.
篇9
一、 聯(lián)合分析的發(fā)展及基本概念
聯(lián)合分析（conjoint analysis），早期稱為聯(lián)合衡量，是1964年由數(shù)理心理學(xué)家R.Luce和統(tǒng)計學(xué)家J.Tukey提出來的。1971年由P. Green和V.Rao引入消費者行為研究領(lǐng)域，成為該研究領(lǐng)域內(nèi)最重要的研究方法之一。1978年F.Carmone、P. Green和A.Jain等人將聯(lián)合衡量改為聯(lián)合分析。
在理論發(fā)展過程中，應(yīng)用性的研究占據(jù)了理論發(fā)展的主流，伴以漸進的理論性研究。這充分表明了聯(lián)合分析法在現(xiàn)實中的有效性。隨著該方法的廣泛傳播，其應(yīng)用范圍從市場調(diào)研領(lǐng)域延伸到更廣闊的涉及選擇偏好的領(lǐng)域，涵蓋了金融、醫(yī)療衛(wèi)生、農(nóng)村消費、流通業(yè)、會展以及選舉等領(lǐng)域。據(jù)Witt ink調(diào)查，在1981～1984年間，聯(lián)合分析法應(yīng)用于商業(yè)研究的例子平均達400例。
二、聯(lián)合分析的理論和應(yīng)用原理
聯(lián)合分析法，又稱結(jié)合分析法，是對結(jié)合效應(yīng)的評價，從而有效地解決了傳統(tǒng)調(diào)查方法中需要調(diào)研對象獨立評價屬性的問題。聯(lián)合分析有三種主要形式，包括權(quán)衡矩陣法、兩兩比較法和全輪廓法，其中又以全輪廓法最為常用。該方法提供給研究的參與者一系列的產(chǎn)品描述，參與者被要求瀏覽所有的描述，做出一系列的評價，對調(diào)研結(jié)果進行數(shù)學(xué)方法分析后，就可以導(dǎo)出該類產(chǎn)品的各屬性的效用值。
對于市場研究領(lǐng)域，在聯(lián)合分析之前的所有方法幾乎都會使用重要性比率尺度來度量產(chǎn)品屬性的重要性水平，即都會直接向消費者提問一個產(chǎn)品中他們最看重的屬性。這種方法有幾個嚴重的缺點。首先，調(diào)研的經(jīng)驗表明，如果不限制條件的話，消費者傾向于認為每個屬性幾乎都是同等重要的。其次，消費決策很大程度上依賴的是整體的判斷。當(dāng)消費者被要求分離各種屬性并且對各屬性進行量化評價并且描述某個屬性水平的高低將驅(qū)使其購買一個產(chǎn)品而不是另一個產(chǎn)品時，即使是最老練的消費者也將感到無所適從。
在聯(lián)合分析中產(chǎn)品被描述成為輪廓，每一個輪廓由能夠描述產(chǎn)品重要特征的屬性和賦予每一屬性的不同水平的組合構(gòu)成。消費者在實際購買時并不是基于產(chǎn)品某一屬性而是綜合考慮產(chǎn)品各個屬性及屬性水平從而做出購買決策的。因此消費者對某一產(chǎn)品輪廓的評價可以分解成構(gòu)成這個輪廓多個屬性水平的評價以及不同屬性在決策時所占的權(quán)重。在聯(lián)合分析中用分值也叫做效用來描述消費者對某一屬性水平的偏好。聯(lián)合分析能夠較好地模擬消費者購買的實際過程，從而客觀、真實地測量消費者對某一產(chǎn)品的偏好及產(chǎn)品不同屬性在購買過程中的重要性。
三、聯(lián)合分析的實證研究
2008年到了，我國的3G（第三代通信手機）市場即將開啟。根據(jù)UMTS2006年的數(shù)據(jù)，全球市場上僅CDMA2000終端的商用手機就已達1130款。對于即將到來的3G時代，我國的手機設(shè)備生產(chǎn)商該如何把握市場？什么樣的3G手機最能吸引消費者？它又應(yīng)具備哪些功能？價格如何？下面就通過聯(lián)合分析的方法來探究這些問題。
（一）確定3G手機的屬性和屬性水平
聯(lián)合分析首先要對產(chǎn)品的屬性進行識別。這里的屬性有兩個要求。第一，它們應(yīng)該是影響消費者偏好的突出因素，對市場而言是最重要的；第二，屬性和屬性水平應(yīng)該是可衡量、可操作的。通過對于國外3G手機的分析并綜合考慮以上兩個因素，本文選擇有關(guān)3G手機的4個屬性，每個屬性均包含3個水平：價格（2000、2500、3000）、品牌（三星、索尼-愛立信、夏新）、屏幕尺寸（1.8、2.2、2.5英寸）和內(nèi)存容量（256M、512M、1G）。
（二）產(chǎn)品模擬
聯(lián)合分析將產(chǎn)品的所有屬性和屬性水平進行整體考慮，生成一系列產(chǎn)品。本文采用全輪廓法展示產(chǎn)品輪廓。本文選定4個屬性每個屬性3個水平，消費者則需要對34=81種產(chǎn)品進行評價，遠遠超過了消費者理性的評價能力。因此，采用正交設(shè)計的方法來減少3G手機展示的輪廓數(shù)量（借助SPSS件DATA模塊中的orthogonal design功能）。
（三）數(shù)據(jù)收集與分析
本文的數(shù)據(jù)來源于在南京市某高校隨機抽取的76名學(xué)生，其中男生38人，女生38人。每位被調(diào)查者利用九級里克特量表對上述9個3G產(chǎn)品輪廓進行評價，1為毫無吸引力，9為非常有吸引力。通過調(diào)查可以得到這76名學(xué)生對9個輪廓的評分結(jié)果，并且通過建立SYNTAX文件，通過SPSS軟件的編程來編制聯(lián)合分析的程序，得出數(shù)據(jù)分析結(jié)果（見表1）。
1、對消費者群體的聯(lián)合分析。對76名受訪者綜合的群體效用值和屬性相對重要性的分析包含以下統(tǒng)計量：屬性的相對重要性或?qū)傩缘南鄬χ匾詸?quán)重、屬性水平的分值（效用）、聯(lián)合分析模型的預(yù)測評分與實測評分之間的相關(guān)關(guān)系等等。從中可以發(fā)現(xiàn)，消費者在購買3G產(chǎn)品時依次考慮的因素是品牌、內(nèi)存容量、屏幕尺寸和價格。從效用值分析可以看出，效用值越大表示消費者越偏好該屬性水平。在價格方面消費者最偏好2000元，其他依次為2500元和3000元；在品牌方面消費者偏好三星，其他依次為索尼-愛立信和夏新；在屏幕尺寸方面消費者偏好2.2英寸，其他依次為2.5英寸和1.8英寸；在內(nèi)存容量方面消費者偏好1G內(nèi)存，其他依次為512M和256M。
2、對不同性別消費者的聯(lián)合分析。從不同性別來看，男性和女性在購買3G手機時考慮的因素權(quán)重有所不同，女性消費者對價格的關(guān)注要高于屏幕大小，并且非常重視手機品牌；而男性消費者對手機的內(nèi)存容量和屏幕大小的關(guān)注高于女性。而在屬性水平的效用方面，兩者沒有明顯的差別。
（四）估計和驗證
Kendall’s tau檢驗的預(yù)測評分值與實際評分值的相關(guān)系數(shù)高達0.933，雙尾檢驗顯著性水平為.000。Pearson’s R檢驗的實際評分值與預(yù)測評分值的相關(guān)系數(shù)高達0.992，雙尾檢驗顯著性水平為.001。由此可見，兩個相關(guān)系數(shù)的檢驗都是非常顯著的，模型擬合的精度是相當(dāng)高的，所以認為聯(lián)合分析模型所做出的假設(shè)和得出的成分效用值是合理的，可以說明受測者在選擇3G手機產(chǎn)品時的偏好結(jié)構(gòu)。
（五）數(shù)據(jù)應(yīng)用
通過計算所有輪廓組合的效用值，我們可以找到消費者最為偏好的幾種3G手機組合。本文采用加法模式計算輪廓效用，公式為：
通過計算，應(yīng)用結(jié)果能夠給出效用值總和排在前五位的產(chǎn)品組合依次是：（三星+2000元+1G內(nèi)存+2.2英寸屏幕）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）、（三星+3000元+1G+2.2英寸）。
由此發(fā)現(xiàn)，在四種屬性的所有水平組合中，消費者最偏好三星的品牌并且要求有1G的容量，價格和屏幕大小對消費者偏好的影響并不大。在品牌知名度高內(nèi)存容量大的情況下消費者還是愿意以高價來購買。同樣地，下面對不同性別消費者的偏好進行分析，女性效用值最高的五種組合依次是：（三星+2000元+1G+2.2英寸）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）、（三星+2000元+1G+1.8英寸）。男性效用值最高的五種組合依次是：（三星+2000元+1G+2.2英寸）、（三星+2000元+1G+2.5英寸）、（三星+2500元+1G+2.2英寸）、（三星+3000元+1G+2.2英寸）、（三星+2500元+1G+2.5英寸）。
由此可見，男性消費者和女性消費者都偏愛內(nèi)存容量大、知名度高的3G手機，相對而言女性消費者對手機價格更為敏感，而男性消費者更愿意為手機功能的增強而出高價。
四、實證研究對決策的指導(dǎo)作用
應(yīng)用聯(lián)合分析得出的數(shù)據(jù)，可以為3G手機制造商策略的制定指明方向：
（一）協(xié)助市場細分
聯(lián)合分析法不僅可以進行消費者總體效用分析，也可以進行單個消費者的效用分析，從而得出不同消費者對屬性水平的重視程度。若將看重同種屬性的消費者歸類并找出改消費群體的特征，則可作為一個細分市場。本文受限于取樣范圍，消費者的對屬性的相對重要性權(quán)重水平的結(jié)構(gòu)相對穩(wěn)定。隨著取樣范圍的擴大，聯(lián)合分析法的市場細分功能將會得到更好的體現(xiàn)。
（二）設(shè)立企業(yè)標桿，有助營銷策略的制定
聯(lián)合分析法的一個好處就是將某些定性的屬性進行量化，明確地指出了品牌的重要程度，為企業(yè)的品牌推廣投入量決策提供重要的依據(jù)。同時，優(yōu)勢品牌能夠影響消費者的選擇偏好。而分析得出的市場主導(dǎo)品牌信息可以為企業(yè)設(shè)定營銷管理標桿，有助于企業(yè)指定跟隨性的營銷策略，從而較好地追蹤消費者偏好，避免市場風(fēng)險。3G手機市場的品牌重要性權(quán)重高達50%，同時，三星公司的品牌效應(yīng)最強，成為3G手機行業(yè)的領(lǐng)導(dǎo)品牌，自然成為其他手機制造商營銷部門的重點關(guān)注對象。
（三）價格策略的制定
商品的細分市場中常有出現(xiàn)價格敏感性較高的消費群體。聯(lián)合分析法能夠測量出該類消費者對價格屬性的相對重要性權(quán)重，亦可以將其看作相對價格敏感度。若保持效用值不變而改變價格與其他屬性水平，則可以測量出價格相對于其他屬性的敏感程度。
（四）最佳輪廓的選擇（新產(chǎn)品設(shè)計）
聯(lián)合分析法的一個重要功能是可以模擬一種效用最高的產(chǎn)品輪廓，亦即消費者滿意度最高的產(chǎn)品。結(jié)合市場細分，可以設(shè)計出更忙滿足差異化需求的各種產(chǎn)品。通過以上分析發(fā)現(xiàn)，中低價位、內(nèi)存容量大、屏幕2.2英寸的國際知名品牌的3G手機對消費者吸引力最大，但是這些屬性水平往往很難由一款手機兼具。而聯(lián)合分析可以將各種輪廓效用自高到底排列，手機制造商可以根據(jù)自身的資源與能力選擇最能夠滿足消費者要求的產(chǎn)品進行開發(fā)。
（五）市場占有率預(yù)測，有助于整體戰(zhàn)略的制定
通過目標產(chǎn)品效用值與市場所有產(chǎn)品（或主要）輪廓的總效用值之間的比較，不同產(chǎn)品的效用可以轉(zhuǎn)換成預(yù)測的市場占有率。市場占有率能夠準確實現(xiàn)將對公司的整體市場戰(zhàn)略產(chǎn)生重要的影響。因此，通過聯(lián)合分析法預(yù)測市場占有率，可以減低戰(zhàn)略制定的不確定性。
參考文獻：
1、Green.Paul E.Hybrid Models for Conjoint Analysis: An Expository Review[J].Journal of Marketing Research,1984(21).
2、Wittink R. Commercial Use of Conjoint Analysis: An Update [J]. Journal ofMarketing.1989(53)．
3、孫祥,文.消費行為研究中的聯(lián)合分析法[J].心理科學(xué)進展,2005(13).
篇10
目前，C程序設(shè)計公共課教學(xué)過程中存在很多不盡如人意的地方，例如，教學(xué)平臺單一，沒有考慮各專業(yè)的獨特性；過分注重知識的灌輸，忽略教學(xué)對象的感受等。計算機教育新方法的探索迫在眉睫。
1.1 傳統(tǒng)教學(xué)方法的弊端
在內(nèi)容組織上，C語言教材雖然依據(jù)邏輯思維方式進行了歸類，但難點較為集中，尤其是數(shù)組和指針等章節(jié)難度更大。教師在授課的過程中常常從自己的角度出發(fā)，采用填鴨式的教學(xué)方式，參考自己的講義，并用幻燈片在講臺上講解語法和算法思想，他們無法也無從得知學(xué)生的掌握情況。幻燈片盡管包含的信息量巨大，但學(xué)生分不清主次，只能看到做好的程序結(jié)果，無法看到程序運行中的意外錯誤，更不用說調(diào)試。常見的傳統(tǒng)教學(xué)方法及其弊端如下。
1）先部分后整體的方法。
這種方法首先講述預(yù)備知識，如變量、數(shù)據(jù)類型、函數(shù)等基本概念，然后把c語言分解成幾個骨干部分依次講述，注重單個知識點的順序傳授和語法規(guī)則的闡述，輔之以相應(yīng)算法的講解，重點放在講解c語言語法上。其優(yōu)點是循序漸進，但只對計算機專業(yè)的學(xué)生比較奏效，因為他們對基礎(chǔ)知識掌握的比較牢靠，對于非計算機專業(yè)的學(xué)生來說，如果把重心放在語法學(xué)習(xí)上，容易使其陷入迷茫，消磨學(xué)好C語言的意志。
2）任務(wù)驅(qū)動法。
該方法在教學(xué)過程中的流程是：提出任務(wù)一提示引導(dǎo)一自主思考一協(xié)作學(xué)習(xí)一解決問題一鞏固練習(xí)。該法對培養(yǎng)學(xué)生的學(xué)習(xí)能力有一定幫助，但是非計算機專業(yè)的學(xué)生對于公共課的重視程度有限，而且不一定在剛學(xué)習(xí)時就理解編程，可能會覺得C語言深不可測，從而產(chǎn)生畏難情緒，更加不想學(xué)習(xí)。
3）采用多媒體為主、板書為輔、教師或?qū)W生現(xiàn)場編程調(diào)試、精講多練的教學(xué)方法。
教師可以運用PPT來生動詮釋要講授的內(nèi)容。教師跟學(xué)生要做好互動，這樣更容易理解、消化所學(xué)內(nèi)容。
在科技迅猛發(fā)展的今天，多媒體成為教學(xué)過程中不可缺少的工具，但是過多依靠多媒體進行演示，除了增加同學(xué)們學(xué)習(xí)的負擔(dān)外別無好處。只有合理利用多媒體輔助教學(xué)才可能取得良好的教學(xué)效果。
1.2 學(xué)生的困惑和教學(xué)難點
在大學(xué)的專業(yè)環(huán)境下，非計算機專業(yè)的學(xué)生對公共計算機課程的學(xué)習(xí)缺乏動力，而傳統(tǒng)教學(xué)方法的基本特點是以知識的傳授為中心，過分強調(diào)了教師的作用，扼制了學(xué)生的個性和創(chuàng)造性，忽視了學(xué)生的主動性與潛能的發(fā)揮，不利于學(xué)生更好地掌握c語言這門課程。學(xué)生普遍覺得c語言規(guī)則很多、格式繁瑣不易掌握、老師上課枯燥，即使課本上的知識掌握了，編寫一個完整的程序還是比較困難。另外，許多學(xué)生在最初的數(shù)據(jù)結(jié)構(gòu)、運算符和表達式章節(jié)就落后于教學(xué)進度，后來隨著課程的進行，越發(fā)覺得枯燥無味；下課后學(xué)生很難和老師再見面，最多是通過電子郵件進行溝通，許多程序問題很難解決。學(xué)生在上機的過程中缺乏必要的指導(dǎo)，當(dāng)面對陌生的開發(fā)環(huán)境，程序的許多部分無法理解，出錯時自己無法調(diào)試，而學(xué)生十分渴望運行一個完整的程序，學(xué)習(xí)熱情也在這一過程中逐步消磨殆盡，久而久之，就會覺得c語言編程枯燥無味，自然產(chǎn)生放棄的念頭。
1.3 課程問卷調(diào)查結(jié)果
C程序設(shè)計教學(xué)的最終目的就是讓學(xué)生能針對現(xiàn)實應(yīng)用中的具體問題分析、設(shè)計、編碼、調(diào)試、得出結(jié)論。筆者對生物科學(xué)、地理信息系統(tǒng)、數(shù)學(xué)、統(tǒng)計學(xué)等專業(yè)的400名同學(xué)（如表1所示）進行了調(diào)查，針對學(xué)生在C語言學(xué)習(xí)中存在的主要問題和困難，設(shè)計了6個常見問題（可多選），調(diào)查問卷結(jié)果如表2所示。從表2的調(diào)查結(jié)果來看，有一半的學(xué)生選擇了“感覺與專業(yè)無關(guān)，不愿意學(xué)”，在起步時就打消了學(xué)習(xí)的興趣，這樣學(xué)習(xí)的效果顯然不容樂觀。
2 “專業(yè)化”教學(xué)新模式設(shè)計
2.1 “專業(yè)化”教學(xué)新模式的意義
在當(dāng)前時代背景下，隨著信息技術(shù)的高速發(fā)展，專業(yè)學(xué)科與計算機及信息技術(shù)的融合明顯提高了各學(xué)科的教學(xué)與科研水平；同時，既懂專業(yè)又懂計算機技術(shù)的專業(yè)復(fù)合型人才大量涌現(xiàn)。既有需求，又有條件，必然會產(chǎn)生變革。“專業(yè)化”教學(xué)新模式也會賦予公共課以新的涵義。
程序設(shè)計語言類課程屬于計算機公共課教育的第2個層次，即計算機技術(shù)基礎(chǔ)教育，一個好的教學(xué)模式對于培養(yǎng)自身專業(yè)與計算機專業(yè)相結(jié)合的新型專業(yè)人才至關(guān)重要。C程序設(shè)計課程“專業(yè)化”教學(xué)的過程就是將C語言的基礎(chǔ)內(nèi)容不斷與專業(yè)相融合的過程，這個過程的表現(xiàn)形式很多，有基礎(chǔ)內(nèi)容與專業(yè)內(nèi)容的融合，有基礎(chǔ)內(nèi)容基本不變，任課教師融合到各專業(yè)中，以與專業(yè)相關(guān)的項目為出發(fā)點進行基礎(chǔ)內(nèi)容的介紹等。
2.2 正確定位課程教學(xué)目標
對非計算機專業(yè)的學(xué)生而言，只要求其掌握C語言基本語法和常用算法，具備基本的編程素養(yǎng)和解決本專業(yè)應(yīng)用問題的能力，并以“必要、夠用”為度，避免在學(xué)習(xí)程序設(shè)計過程中陷入語言繁雜的語法和格式中。不同專業(yè)需要做出不同的教學(xué)目標定位：以應(yīng)用為背景、以程序設(shè)計方法為主線、以語法和結(jié)構(gòu)為基礎(chǔ)、以培養(yǎng)能力和提高學(xué)習(xí)興趣為目的，變應(yīng)試為應(yīng)用，讓學(xué)生從多角度、多方式了解和掌握c語言以及程序設(shè)計的精髓。例如，統(tǒng)計類專業(yè)重點學(xué)習(xí)算法和數(shù)值處理技術(shù)，信息系統(tǒng)類專業(yè)重點學(xué)習(xí)與數(shù)據(jù)庫交互處理的技術(shù)。
2.3 精心設(shè)計導(dǎo)課方法
第一堂課不應(yīng)急于進入課程的講解，可以通過緒論的介紹讓學(xué)生了解隨著計算機技術(shù)的迅速發(fā)展，計算機學(xué)科不再是一門獨立的學(xué)科，它已逐步滲透到其他各學(xué)科中，形成交叉學(xué)科。要引導(dǎo)學(xué)生共同思考這樣3個問題：（1）為什么要學(xué)C語言？（2）C語言學(xué)什么？（3）怎樣學(xué)好C語言？
問題（1）促使學(xué)生樹立C語言的普遍適用思想，根據(jù)各專業(yè)的不同特點，使其明白，學(xué)習(xí)C語言不但不是沒有用處，而且是大有好處。c語言雖然是一門基礎(chǔ)性計算機語言，但后續(xù)很多專業(yè)課程都將用到該程序設(shè)計的相關(guān)思想和技術(shù)，由此引起學(xué)生在思想上的重視。以生物專業(yè)為例，生物學(xué)數(shù)據(jù)通常都是存儲在龐大的數(shù)據(jù)庫和文本文件中，如果要手工處理和分析這些數(shù)據(jù)幾乎是不可能的，所以需要通過編制計算機程序自動完成這些過程。
問題（2）主要讓學(xué)生明確本課程的教學(xué)目標和教學(xué)內(nèi)容，強調(diào)學(xué)習(xí)的主旨：除掌握c語言最基本的語法等基礎(chǔ)知識外，重點是要建立程序設(shè)計的思想，并能通過編程去解決一些實際問題。學(xué)生在明確目標后，在學(xué)習(xí)過程中就能做到心中有數(shù)。此外，可以引導(dǎo)學(xué)生了解自身專業(yè)將來主要的研究方向，并發(fā)掘c程序設(shè)計工具在自身專業(yè)應(yīng)用中可能會起到的作用，以此激發(fā)學(xué)生的學(xué)習(xí)熱情。
通過問題（3）的提出，介紹一些好的C語言學(xué)習(xí)方法和經(jīng)驗，學(xué)生在明確課程的性質(zhì)、目標等情況后，不妨通過演示一些比較有趣的實用程序，如游戲程序、音樂程序、畫圖程序等，讓學(xué)生建立對C語言的初步認識，與此同時充分調(diào)動學(xué)生學(xué)習(xí)c語言的興趣和積極性。
2.4 針對不同專業(yè)，培養(yǎng)學(xué)生的實踐應(yīng)用能力
2.4.1 項目驅(qū)動，在實踐中融匯理論知識
通過開發(fā)項目，引導(dǎo)學(xué)生創(chuàng)造性地運用知識和能力，自主地發(fā)現(xiàn)問題、研究問題和解決問題，促使其在研討中積累知識、培養(yǎng)能力和鍛煉思維。建立學(xué)生學(xué)習(xí)、研究小組；建立競賽式的學(xué)習(xí)機制；培養(yǎng)學(xué)生快樂協(xié)作、多角度看問題的能力，同時在緊張刺激中激起學(xué)生的求知欲。教師也可以在項目實踐中真正了解教與學(xué)的缺陷，推進教學(xué)模式轉(zhuǎn)變。在教學(xué)中，也可以用項目串聯(lián)程序設(shè)計的理論知識，完成“教、學(xué)、做”，同時，通過項目整合程序設(shè)計的理論知識。
2.4.2 立足學(xué)生專業(yè)應(yīng)用背景，激發(fā)學(xué)習(xí)興趣
激發(fā)學(xué)生的學(xué)習(xí)興趣是學(xué)好一門課程的基礎(chǔ)，也是優(yōu)質(zhì)課堂教學(xué)質(zhì)量的必要條件。只有將c語言融入到專業(yè)應(yīng)用中，才可能達到提升學(xué)習(xí)興趣的效果。教師應(yīng)立足于所授學(xué)生的專業(yè)背景，充分備課，精心選擇適合學(xué)生專業(yè)的項目或者大作業(yè)，進行教學(xué)設(shè)計。
選擇的項目要具備典型性、針對性、實踐性特點。例如，對于信息系統(tǒng)類專業(yè)，可以選用各種管理系統(tǒng)的項目引導(dǎo)課程的教學(xué)。教師可以通過系統(tǒng)菜單的選擇，介紹c語言選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)的主要思想和應(yīng)用技巧，以及通過信息的查詢、更新等操作介紹結(jié)構(gòu)體使用和文件訪問的方法。對數(shù)學(xué)、統(tǒng)計學(xué)專業(yè)，可以將計算器的設(shè)計作為引導(dǎo)項目，培養(yǎng)學(xué)生的自主創(chuàng)新能力，期間介紹C程序設(shè)計中的函數(shù)、標準輸入輸出、數(shù)據(jù)類型等概念和使用方法。對生物學(xué)專業(yè)，可以選取ACM競賽中生物方面的應(yīng)用題目來激發(fā)學(xué)生的求知熱情（如“腫瘤檢測”“細菌繁殖”等），在分析題目時可以介紹數(shù)組、函數(shù)等用法。
2.4.3 制訂科學(xué)合理的課程考核評價方案
基于C程序設(shè)計課程“教、學(xué)、做”的特點，現(xiàn)行學(xué)習(xí)評價有礙于學(xué)生動手能力的培養(yǎng)，對素質(zhì)教育的激勵性較差。筆者認為，改變教學(xué)方法固然重要，改變大學(xué)教育模式中的考核方式也至關(guān)重要。大學(xué)考試應(yīng)該改變傳統(tǒng)的只考書本和課件的現(xiàn)狀，要多結(jié)合實際應(yīng)用，改為以在線競賽、實訓(xùn)項目等的完成情況評價學(xué)生的學(xué)習(xí)效果，并從項目活動記錄、資料的收集整理、成果效果的展示、實訓(xùn)報告的總結(jié)以及合作態(tài)度、出勤情況等全方位地評定學(xué)生成績。要注重學(xué)生的學(xué)習(xí)過程以及研究性體驗，突出能力型、素質(zhì)型培養(yǎng)目標，淡化追求高分、及格“萬歲”的應(yīng)試型學(xué)習(xí)目標，減輕學(xué)生的考試壓力。
3 實踐結(jié)果
為了檢驗“專業(yè)化”教學(xué)新模式的實用性，筆者對表2所示的400名同學(xué)再次進行了調(diào)查，以學(xué)習(xí)興趣激發(fā)、課堂教學(xué)質(zhì)量、理論學(xué)習(xí)效果、分析問題能力、邏輯思維能力、實踐動手能力6個方面為評價指標，對調(diào)查結(jié)果加以統(tǒng)計，結(jié)果如表3所示。根據(jù)表3的分析可以看出，“專業(yè)化”新模式在“C程序設(shè)計”教學(xué)實踐中取得了較大的突破，能夠充分調(diào)動學(xué)生們的學(xué)習(xí)熱情，大大提高教學(xué)質(zhì)量，學(xué)生分析問題和解決問題的能力得到了大幅度的提升。與專業(yè)結(jié)合的公共課教學(xué)新模式為非計算機專業(yè)學(xué)生學(xué)習(xí)c語言提供了一個切實可行的方法。
4 結(jié)語
實踐表明，教師采用“專業(yè)化”教學(xué)新模式后，約89%的同學(xué)在C程序設(shè)計課程的學(xué)習(xí)上取得了真正的收獲，顯著改善了過去單純強調(diào)知識掌握的教學(xué)模式，增強了非計算機專業(yè)學(xué)生學(xué)習(xí)c程序設(shè)計課程的主動性和積極性。該教學(xué)方法立足于學(xué)生專業(yè)，以項目作為驅(qū)動，強調(diào)學(xué)生主動學(xué)習(xí)和探索的過程，為學(xué)生牢固掌握知識、應(yīng)用知識提供了一個很好的平臺。多個班級的教學(xué)實踐結(jié)果表明，該教學(xué)模式有針對性，課堂氣氛活躍而不失嚴肅，學(xué)生學(xué)習(xí)熱情高昂，學(xué)習(xí)效果大大改善；學(xué)生們也掌握了獨立分析問題的能力，善于動手動腦。
參考文獻：
[1]郭煒，李文新.程序設(shè)計類實習(xí)課程如何準確考查學(xué)生學(xué)習(xí)情況[J].吉林大學(xué)學(xué)報：信息科學(xué)版，2005（增刊1）：99-103.
[2]湯旭慧，宋榮，唐建東.基于工學(xué)結(jié)合的高職電子類專業(yè)C語言教學(xué)新模式的探索[J].中國職業(yè)技術(shù)教育，2008（10）：13-14.17.
篇11
一、 問題的提出與文獻綜述
隨著高校成本分擔(dān)機制的推行和學(xué)費收入在高校經(jīng)費收入中所占比重的提升，高校學(xué)生已從傳統(tǒng)的“知識、技能的接受者”轉(zhuǎn)化為“知識、技能的需求方和消費者”，成為影響高等教育機構(gòu)行為及其職能的一個主體性角色。高校教學(xué)活動的成敗與否已不再單純?nèi)Q于高等院校單方因素。教學(xué)活動在實施過程中受到高等院校與其學(xué)生——來自供求雙方的影響和制約。為此，從穩(wěn)定與提高高等教育質(zhì)量，保障教學(xué)活動順利開展的角度出發(fā)，無論是在課程內(nèi)容設(shè)計，還是在教學(xué)實施運作等方面，院校都必須密切關(guān)注教學(xué)活動最直接、最深入的參與者，即學(xué)生的教學(xué)滿意程度[1]。對學(xué)生評教的研究者在學(xué)術(shù)界也不乏其人。胡子祥建立了高等教育服務(wù)質(zhì)量的評價模型，將質(zhì)量分解為9個維度，并檢驗了模型的信度和效度[2]。張雪梅、劉若蘭選取臺灣高等教育數(shù)據(jù)庫大三學(xué)生問卷資料，將評價高教質(zhì)量的“過程指標”分為校園支持等6個維度，發(fā)現(xiàn)這些指標能反映出學(xué)生心中的高等教育質(zhì)量[3]。鮑威通過2006年實施的學(xué)生教學(xué)評估問卷調(diào)查，考察范圍包括教學(xué)課程的結(jié)構(gòu)性、教學(xué)的順應(yīng)性、教師的教學(xué)態(tài)度和校園學(xué)術(shù)環(huán)境4個維度，試圖全面綜合地把握高校的教學(xué)服務(wù)[1]。岳昌君、胡叢采用2007年全國高校畢業(yè)生的抽樣調(diào)查數(shù)據(jù)，將高等教育質(zhì)量分解為10個分項指標進行考察，包括基礎(chǔ)知識、職業(yè)技能等[4]。張倩、岳昌君利用2008年“首都高校學(xué)生發(fā)展調(diào)查”本科高年級學(xué)生數(shù)據(jù)對高等教育質(zhì)量評價和學(xué)生滿意度進行了分析，采用因子分析的方法提取了高等教育質(zhì)量評價的六大因子[5]。雖然已有較多對學(xué)生評教的研究，但對課堂教學(xué)的微觀研究還不夠，教學(xué)管理部門的作用在評價中也有所缺失。因此，切實關(guān)注教室內(nèi)的課堂教學(xué)活動，分析博士研究生對微觀課堂教學(xué)的滿意度，完善博士研究生課堂教學(xué)評價體系，科學(xué)合理地設(shè)計博士研究生課程是十分必要的。
二、 數(shù)據(jù)來源及研究方法
（一） 研究對象
本研究采用方便抽樣的方法進行問卷調(diào)查，于2010年11月在W大學(xué)2010級博士生中實施了調(diào)查。W大學(xué)是一所教育部直屬的、以人文社會科學(xué)為主的綜合性重點大學(xué)，是國家“211工程”、“985工程”重點建設(shè)高校，2010級在校博士研究生800多位。具體調(diào)查方式為：利用全校博士研究生的政治課課堂休息時間發(fā)放問卷按照培養(yǎng)方案要求，政治課是W大學(xué)所有博士研究生必修的公共基礎(chǔ)課。，分兩次調(diào)查，共發(fā)放問卷300份，回收238份。在被調(diào)查者的性別構(gòu)成上，男性占56.7%，女性占43.3%；在學(xué)習(xí)方式上，脫產(chǎn)讀博的占73.5%，在職讀博的占26.5%；從年齡構(gòu)成看，樣本年齡的中位數(shù)為28，最小者22，最長者45，30歲及以下的占64.2%，31歲到40歲的占34.1%，41歲及以上的占1.7%。
（二） 測量工具
以自制調(diào)查問卷為主要測量工具。由于是研究者自編的問卷，因此需要對其進行信度分析。信度是指由多次測量所獲得結(jié)果之間的一致性或穩(wěn)定性[6]260。運用SPSS對問卷的所有題目進行信度檢驗，得到α=0.892，標準化值為0.883。一般來說大于0.7說明問卷比較可信。問卷共包括4部分內(nèi)容，第一部分是博士研究生基本信息，作為對博士研究生群體構(gòu)成特征和比較不同性別、學(xué)習(xí)方式等的博士研究生對課堂評價差異分析的基礎(chǔ)。第二部分是博士研究生對課堂教學(xué)的總體評價，包括課堂重要性評價、課前評價、課堂形式內(nèi)容評價、課堂實質(zhì)內(nèi)容評價、課堂考核方式評價、課后評價以及課堂教學(xué)管理評價7個方面。第三部分是博士研究生對課堂教學(xué)的滿意度評價，問卷共列舉了19項課堂教學(xué)中的積極行為，根據(jù)對這一行為描述的認同程度，允許被調(diào)查者運用四級評定法（很同意、同意、反對、很反對）表達個人滿意度。第四部分是開放式題目，考察博士研究生就課堂教學(xué)問題對教師和教學(xué)管理部門的意見和建議。
（三） 數(shù)據(jù)處理
問卷回收后，運用SPSS17.0錄入數(shù)據(jù)建立數(shù)據(jù)庫，并進行統(tǒng)計學(xué)分析。數(shù)據(jù)主要處理如下：
1. 統(tǒng)計描述。運用SPSS17.0對所獲數(shù)據(jù)進行頻數(shù)統(tǒng)計、描述分析等，展現(xiàn)數(shù)據(jù)的基本情況。
2. 方差分析。方差分析基本思想是通過分析試驗中由不同水平引起的差異和隨機因素造成的差異對總差異程度的貢獻大小，確定考察因素對試驗結(jié)果影響的顯著性，要求各總體具有方差齊性。通過方差分析考察影響課堂教學(xué)評價得分的因素，分析性別、學(xué)習(xí)方式、課程重要性的認識等不同因素的不同水平之間的差異是否顯著。
3. 卡方檢驗。卡方檢驗既可用于推斷某個變量是否服從某種特定分布的擬合優(yōu)度檢驗，也可用于推斷兩個離散變量是否存在依從關(guān)系的獨立性檢驗或推斷幾次重復(fù)試驗的結(jié)果是否是相同的同質(zhì)性檢驗[6]260。
4. 因子分析。因子分析是一種用來分析隱藏在表象背后因子作用的一類統(tǒng)計模型和方法。在實際問題的分析過程中常采用因子分析去除重疊信息，將原始的眾多指標合成較少的幾個因子變量來分析。
三、 研究結(jié)果與討論
（一） 博士研究生對課堂教學(xué)的評價
第一，課堂地位的總體性評價。這一指標主要解答現(xiàn)實中的兩方面疑問：已經(jīng)讀博士了是否還用上課和在職博士研究生是否有必要上課。從問卷調(diào)查結(jié)果看，博士研究生對課堂教學(xué)的重要性給予了較高的肯定性評價，85.8%的博士研究生認為研究生課程教學(xué)對研究生的培養(yǎng)質(zhì)量起到“很重要”和“重要”作用。另外，從選課數(shù)量看，大部分博士研究生都選了4或5門課（占總?cè)藬?shù)的65.5%），由此可見，學(xué)生主觀上比較肯定課堂教學(xué)的地位，并按照培養(yǎng)方案規(guī)定的學(xué)分要求選擇了較多的課國外學(xué)生通常每學(xué)期只有兩到三門課，我國博士研究生培養(yǎng)模式中，課程負擔(dān)相對而言較重，但這與很多復(fù)雜因素相關(guān)，不能據(jù)此認為孰優(yōu)孰劣。。為了進一步考察女性博士研究生比男性博士研究生是否更重視課堂？脫產(chǎn)學(xué)生是否更重視課堂？需要進一步進行單因素方差分析。首先，運用SPSS進行的oneway ANOVA過程的輸出結(jié)果顯示，levene統(tǒng)計值在0.05的顯著水平下都是顯著的，符合方差齊性的假設(shè)。其次，學(xué)習(xí)方式、性別的方差分析F統(tǒng)計值分別為3.145、0.414，伴隨概率分別為0.078、0.521。說明學(xué)習(xí)方式不同導(dǎo)致的對課程重要性評價的差異是顯著的，而男女博士研究生對課程重要性的評價并無顯著差異。
第二，課前評價。該評價主要考察教學(xué)活動是否遵循了科學(xué)的教學(xué)規(guī)律，教師是否做到了上課前已經(jīng)使學(xué)生對課程內(nèi)容有了一定的認識和準備。調(diào)查發(fā)現(xiàn)，這一情況并不樂觀，在回答“總體而言，是否有課程的課程大綱”這一問卷問題時，69.6%的學(xué)生選擇了“否”。教學(xué)論認為，課程大綱對保證課堂教學(xué)質(zhì)量具有重要作用，由此看來W學(xué)校在這方面尚需做很多工作。
第三，課堂形式評價。該評價主要考察博士研究生對教學(xué)方法與教學(xué)手段的評價。首先考察博士研究生是否關(guān)注課堂在教學(xué)方法與手段上的形式內(nèi)容，還是只關(guān)注課堂實質(zhì)內(nèi)容。調(diào)查發(fā)現(xiàn)，57.1%的博士研究生對教學(xué)方法在意，略微高于“不在意”的比例（42.9%）。結(jié)合問卷開放式問題的分析，調(diào)查表明教學(xué)方法是學(xué)生認為影響教學(xué)效果的重要因素之一。這一結(jié)論與教學(xué)論關(guān)于教學(xué)方法的認識是一致的，說明即使是博士階段的教學(xué)活動，也要遵守這一規(guī)律。此外，在備選的8種教學(xué)方法中，學(xué)生最喜歡的教學(xué)方法（多選題）為：課堂討論法（24%）、問題或案例教學(xué)法（22.7%）；學(xué)生認為最常用的教學(xué)方法（多選題）為：講授法（66.4%）、課堂討論法（10.3%）；學(xué)生認為最有效的教學(xué)方法（多選題）為：課堂討論法（23.4%）、問題或案例教學(xué)法（20.2%）。綜上，學(xué)生最喜歡和認為最有效的方法首先均為課堂討論法，其次為問題或案例教學(xué)法，再次為講授法。而在教學(xué)手段評價上，近一半的人認為教學(xué)手段對教學(xué)效果的影響力不大，近30%的人認為影響力因課程而異。可見，博士研究生對教學(xué)方法的要求高于對教學(xué)手段的要求。
第四，課堂實質(zhì)內(nèi)容評價。該評價主要考查學(xué)生對課堂存在的主要問題的認識和評價。238個被調(diào)查者中有231個回答有效（占被調(diào)查者的97.1%），7個缺失值（占2.9%）。231個被調(diào)查的回答次數(shù)總計為485次。學(xué)生認為的問題主要集中在“教學(xué)方法呆板且課件無吸引力”（19.6%）、“過于注重學(xué)術(shù)性忽視實踐性，因而缺乏吸引力”（16.9%）、“教師不重視，因而投入時間不足且上課隨意性太強”（15.7%）、“學(xué)生自己不重視”（13.6%）、“教學(xué)內(nèi)容陳舊”（10.5%）。需要引起重視的是，課堂之外的原因——教師和學(xué)生不重視占到了29.3%。
第五，課后評價。該評價主要考察博士研究生與課程相關(guān)的課后學(xué)習(xí)情況。問卷題目“您平均每次課（3學(xué)時）的課下準備時間多久”的回答結(jié)果可以說是令人吃驚的，“不準備”的學(xué)生占19.6%，不超過3個小時的學(xué)生占52.8%，兩者累計占72.4%。博士研究生課下不為課程做準備或很少做準備，是否與課外任務(wù)繁重而無暇備課有關(guān)？首先，從客觀上來看博士研究生的課外閑暇時間多少與備課時間的關(guān)系。通過單因素方差分析發(fā)現(xiàn)，即使脫產(chǎn)讀博的學(xué)生和在職讀博的學(xué)生課外閑暇時間差異很大，但兩個群體在課下準備時間上沒有顯著性差異。其次，從主觀上看博士研究生對課外任務(wù)繁重程度的體驗與備課時間的關(guān)系。調(diào)查發(fā)現(xiàn)43.9%的博士研究生認為課外學(xué)習(xí)任務(wù)“很繁重”，53.6%的博士研究生認為“一般”，只有2.5%的博士研究生感覺課外學(xué)習(xí)任務(wù)“輕松”。由此可見博士研究生主觀感受的課外學(xué)習(xí)任務(wù)還是比較重的，進一步對“課外任務(wù)繁重程度感知評價”與“每次課下準備時間”兩個分類數(shù)據(jù)進行卡方檢驗，發(fā)現(xiàn)在90%的置信水平上二者具有負相關(guān)關(guān)系，即博士生感覺課外學(xué)習(xí)任務(wù)越繁重在備課上投入的時間就越少。
第六，課堂考核方式評價。該評價主要考察學(xué)生課程考核方式的傾向性以及對研究生院制定的有關(guān)課程考核的具體管理規(guī)定的看法。74.6%的博士研究生認為應(yīng)考慮作業(yè)的因素，選擇“考勤”、“課堂發(fā)言”和“期末考核”的比例也都超過了一半（因為是多選題）。由此可見，教學(xué)管理部門應(yīng)該允許采用多樣化的課程考核方式。這也反映在對“博士研究生學(xué)科綜合考試采用考試方法而不能用考查方法”這一規(guī)定的不滿上，72.8%的博士研究生認為這一規(guī)定不合理。此外，在成績評定上不應(yīng)賦予期末考核的比重過高，多數(shù)學(xué)生認為這一比重應(yīng)該在50%左右，不宜超過70%。
第七，課堂教學(xué)管理評價。從博士研究生的角度看教學(xué)管理部門參與評價課堂教學(xué)效果的正當(dāng)性。調(diào)查發(fā)現(xiàn)，86.4%的學(xué)生仍寄希望于學(xué)校對教師的教學(xué)效果進行評價，與目前管理部門對博士研究生教學(xué)管理較少、重視本科教學(xué)的現(xiàn)狀相比，博士研究生課堂教學(xué)的管理、評價工作也需要管理部門予以重視。
（二） 博士研究生對課堂教學(xué)滿意度的評價
為了進一步從微觀上發(fā)現(xiàn)博士研究生對課堂教學(xué)各方面的滿意度，同時也為了驗證問卷第一部分所得出的宏觀結(jié)果，研究問卷的第二部分從教學(xué)基本功、教學(xué)吸引力與教學(xué)規(guī)范性3個方面設(shè)計了19個提問項目。通過因子分析的方法對這19個有關(guān)滿意度的提問項目進行深入剖析，試圖發(fā)現(xiàn)其背后的結(jié)構(gòu)性特征。在應(yīng)用因子分析方法前需要注意這一方法的一些事項[7]：第一，樣本量不能太小。一般而言，樣本量至少應(yīng)是變量數(shù)的5倍以上。本研究進行因子分析的變量數(shù)為19個（見表1），樣本量為238個，符合要求。第二，各變量之間應(yīng)該有一定的相關(guān)性。如果相關(guān)系數(shù)矩陣中大部分相關(guān)系數(shù)都小于0.3，且未通過統(tǒng)計檢驗，那么這些變量不適合做因子分析。經(jīng)計算19個變量之間兩兩相關(guān)的皮爾森相關(guān)系數(shù)，發(fā)現(xiàn)相關(guān)系數(shù)絕大部分都大于0.3，且通過α=0.05水平的顯著性檢驗。第三，KMO檢驗。用于檢驗變量間的偏相關(guān)性，取值在0—1之間，大于0.9表示非常適合作因子分析。本研究的KMO檢驗取值為0.917，非常適合。
對19個變量進行因子分析，按照特征值大于1的原則提取3個因子，3個因子總計解釋了總體方差的62.693%，基本上滿足因子分析的要求。通過方差最大化方法進行因子旋轉(zhuǎn)，得到旋轉(zhuǎn)后的3個因子（見表1）。
表1關(guān)于博士研究生課堂教學(xué)滿意度的因子分析結(jié)果
名稱提問項目因子載荷
F1F2F3
F1教學(xué)基本功教師上課認真負責(zé)0.6240.0670.539
教師課前準備充分0.6330.1490.541
能有效利用課堂時間，且信息量大、重點突出0.6740.4230.165
能講清基本概念和基本理論，并聯(lián)系實際0.5560.4580.200
多媒體課件制作規(guī)范，且運用適當(dāng)0.6690.0970.290
講授熟練0.4380.2860.398
對教師的教學(xué)態(tài)度滿意0.6970.1150.299
對課堂教學(xué)效果滿意0.7390.3350.013
教師上課認真負責(zé)0.6240.0670.539
F2教學(xué)吸引力課程目標和教學(xué)計劃合理明確0.4250.5210.318
教師經(jīng)常鼓勵學(xué)生進行研究性學(xué)習(xí)0.0460.8110.288
教師經(jīng)常鼓勵學(xué)生發(fā)表自己的見解0.0740.8520.200
教學(xué)方法靈活，且善于利用討論和案例等新穎的教學(xué)方法0.4890.6670.039
對教師的課很有興趣0.4630.4980.243
教師善于提出問題啟發(fā)同學(xué)思考0.4020.6850.089
F3教學(xué)規(guī)范性
教師批改作業(yè)及時認真0.2510.4160.429
能按規(guī)定時間上課0.1800.1700.887
能按規(guī)定地點上課0.1730.1800.875
教學(xué)學(xué)時得到了保證0.2460.2420.759
方差貢獻率23.07319.98419.636
注： 因子抽出方式：主成分法；旋轉(zhuǎn)方式： Varimax
根據(jù)每個因子對應(yīng)的列載荷系數(shù)對因子命名。對因子1影響力較大的變量有：“教師上課認真負責(zé)”、“教師課前準備充分”、“能有效利用課堂時間，且信息量大、重點突出”等9個變量，這些變量集中反映了教學(xué)的基本能力和要求，因此將因子命名為“教學(xué)基本功”。對因子2影響較大的則有：“課程目標和教學(xué)計劃合理明確”、“教師經(jīng)常鼓勵學(xué)生進行研究性學(xué)習(xí)”等6個變量，要求教師不僅要達到課程目標和教學(xué)計劃上的基本要求，而且要注重靈活性以及與學(xué)生互動等，可命名為“教學(xué)吸引力”因子。因子3則包括了“教師批改作業(yè)及時認真”等與教學(xué)基本任務(wù)、基本時間地點要求有關(guān)的4個變量，可將其命名為“教學(xué)規(guī)范性”因子。進一步通過描述統(tǒng)計（descriptives）發(fā)現(xiàn)，教學(xué)吸引力是當(dāng)前博士研究生對課堂教學(xué)滿意度最低的方面。這與問卷第二部分關(guān)于“課堂中存在的主要問題”的調(diào)查結(jié)果非常一致。
（三） 博士研究生對教師及教學(xué)管理部門的意見
在問卷第三部分設(shè)計了兩個開放性問題：“針對研究生課堂教學(xué)，您對教師有什么建議和意見”和“針對研究生課堂教學(xué)，您對學(xué)校管理部門有什么建議和意見”。238個填了問卷的博士研究生中，122個博士研究生表達了意見。本文采用詞頻分析方法，根據(jù)主要關(guān)鍵詞出現(xiàn)的頻次，將博士研究生提出的建議整理如下：
第一，互動。33個博士研究生提到了有關(guān)加強促進師生互動的要求，但同時希望“討論要針對具體問題”，“教師要有控制力”。第二，內(nèi)容。46個博士研究生針對課程內(nèi)容表達了自己的意見，主要有3點：首先希望教師將教學(xué)與科研相聯(lián)系，“深入學(xué)術(shù)，培養(yǎng)學(xué)術(shù)精神和健全人格”；其次，課程內(nèi)容還要具備前沿性和開放性，注重理論聯(lián)系實際；最后，要有全球視野。第三，方法和手段。26個博士研究生就此提出了自己的意見，這與前文關(guān)于教學(xué)方法和教學(xué)手段的調(diào)查結(jié)果一致，甚至有人認為過于強調(diào)多媒體等教學(xué)手段對授課效果有負面影響。第四，教師。26個博士研究生對教師的教學(xué)態(tài)度表達了不滿，5個博士研究生指出個別老師的教學(xué)基本功較差。第五，學(xué)時、學(xué)分與課程考核。11個博士研究生提出，應(yīng)該減少對博士研究生學(xué)分的要求，減少必選課增加選修課，減少公共課的課時等。12個博士研究生希望采用多元化的成績考查方式。第六，課堂管理與監(jiān)督。被調(diào)查者對此表達出了截然相反的兩種意見。38個博士研究生雖然同意加強課堂管理和監(jiān)督，但反對簡單化的巡視課堂，提出應(yīng)該允許和鼓勵教師創(chuàng)新課堂教學(xué)模式，比如一些專業(yè)課可以不在教室進行而是走出教室去實踐；與此相反，還有10個博士研究生認為可以用點名、簽到等方式嚴格考勤、嚴格課堂考勤管理。
四、 結(jié)論與建議
第一，博士研究生對課堂的重視與失望并存，這一失望可能源于對教學(xué)吸引力和教師教學(xué)態(tài)度的不滿，因此要求規(guī)范課堂教學(xué)。盡管在職讀博的學(xué)生與全日制脫產(chǎn)博士研究生在課堂重要性的評價上有差異，但總體來說85%以上的學(xué)生主觀上仍然認為課程教學(xué)在保證研究生培養(yǎng)質(zhì)量方面有著重要作用。但是，在評價“研究生課堂教學(xué)中存在的主要問題是什么”時，又有13.6%的人選擇了“學(xué)生自己不重視”。重要卻不重視，從中可以看出博士研究生對課堂教學(xué)存在一定程度的失望。為什么會失望？結(jié)合因子分析和描述統(tǒng)計過程發(fā)現(xiàn)，博士研究生對教師的教學(xué)基本功和教學(xué)規(guī)范性（盡管有層次性：對時間地點規(guī)范滿意，對課前提綱等不滿）基本滿意，但對教學(xué)吸引力的滿意度評價不高。這就需要教師著力追求教學(xué)吸引力，但是結(jié)合主觀題的調(diào)查結(jié)果發(fā)現(xiàn)，教師不能簡單追求吸引力，更要注重對課堂的控制力以及知識的系統(tǒng)性、完整性。
第二，博士研究生對教學(xué)手段要求并不高，重視和希望教師對教學(xué)方法進一步改進，應(yīng)結(jié)合學(xué)生需求完善對博士研究生的課堂教學(xué)評價管理。首先，要建立以學(xué)生為主的評教體系，使學(xué)生敢于給出真實的評價結(jié)果。其次，教學(xué)評價指標上應(yīng)該側(cè)重于教學(xué)方法和教學(xué)效果的評價，輕教學(xué)手段等形式評價。評價指標中應(yīng)該少些形式上的強硬要求，比如不應(yīng)再把是否使用多媒體等作為一個指標（而這一指標卻是目前很多學(xué)校的教學(xué)管理部門對教師的課堂教學(xué)進行評價時的必備指標）。再次，評價應(yīng)該與培訓(xùn)相結(jié)合，雖然博士研究生課程任課教師的教學(xué)水平普遍較高，但是調(diào)查中也有不少博士研究生指出一些老師的普通話都有問題，還有一些年輕老師科研水平高，教學(xué)水平差。最后，也是最根本的，就是對教師的評價體系應(yīng)該改變重科研輕教學(xué)的狀況，才能從根本上改變某些教師教學(xué)態(tài)度不端正的局面。
第三，博士研究生對課程的學(xué)時、學(xué)分存在不滿，應(yīng)進一步科學(xué)合理地設(shè)計課程體系。首先，應(yīng)該減少對博士研究生的學(xué)分要求。雖然博士研究生的課下準備時間與是否為全日制脫產(chǎn)博士研究生無關(guān)，但是博士研究生依然普遍認為現(xiàn)在的課程過多，學(xué)分要求過高。其次，應(yīng)減少部分課的學(xué)時，對于政治、英語以及小語種等公共課，應(yīng)該采取合理辦法允許學(xué)生免修、免考等（目前已有相關(guān)辦法，但仍應(yīng)繼續(xù)完善），使博士研究生將更多時間花在科研上。再次，減少必修學(xué)分的要求，增加選修學(xué)分的比重，多提供選修課，且最好能一門課由多位老師開設(shè)。最后，各學(xué)期的課程應(yīng)該合理均衡分配，不要過于集中在一個學(xué)期。
參考文獻
[1]鮑威.學(xué)生眼中的高等院校教學(xué)質(zhì)量——高校學(xué)生教學(xué)評估的分析[J].現(xiàn)代大學(xué)教育，2007（4）：1622.
[2]胡子祥.高等教育服務(wù)質(zhì)量評價模型研究[J].現(xiàn)代大學(xué)教育，2006（2）：6167.
[3]張雪梅，劉若蘭.構(gòu)建以學(xué)生校園經(jīng)驗與學(xué)習(xí)成果為高等教育質(zhì)量評鑒指針之研究[J].高教發(fā)展與評估，2007（5）：3443.
[4]岳昌君，胡叢.畢業(yè)生對高等教育質(zhì)量評價的實證研究[J].大學(xué)·研究與評價，2008（3）：5662.
