緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇數據分析課程范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

數據作為信息的主要載體，在當今“大數據時代”背景下扮演著重要的角色。對數據的分析和利用已經成為每個行業重要的生產因素，并廣泛應用于各行業和領域。數據分析就是用適當的統計方法對收集的資料進行詳細的研究，提取有用的信息并形成結論，以求最大化地開發數據資料的功能與發揮數據的作用。在我校，數據分析課程是信息與計算科學系的必修課程，對提高學生的建模能力及數據分析水平有重要的作用。

數據分析課程的特點就是要求學生具備較高的理論基礎水平、綜合應用及動手能力，還需要學生掌握必要的分析解釋能力。將理論與實際案例結合，發揮學生的主觀能動性，增加學生的動手實踐和分析解釋環節，是數據分析教學中必須遵循的原則。而翻轉課堂正是通過對知識傳授和知識內化兩個環節的顛倒，實現學生對授課內容的理解和對知識點的內化，也就是理論結合實踐的過程。因此本文針對數據分析課程特點和存在的問題，結合翻轉課堂的教學理念，對數據分析課程各個教學環節進行設計研究，以期促進數據分析教學，使之更好地為專業素質的培養提供服務。

一、數據分析教學存在的問題

1.理論教學

數據分析課程的理論與方法內容豐富，涉及面廣，應用范圍大。在理論教學中，學生學習理解掌握理論基礎具有一定的難度。如對各分析方法的理解掌握，必須建立在良好的數學基礎上，綜合運用所學數學知識才可以理解各種數據分析的理論分析原理。同時學生還需要理解掌握各分析方法理論的內在聯系，并把握其不斷發展的趨勢，才能真正掌握數據分析的理論與方法。我校現在的數據分析課程教學理論課程授課方式單一，傳統教學方式使學生只能對課程方法理論淺嘗輒止，無法深入了解，綜合運用。同時單一的課堂授課模式無法對學生的掌握程度進行有效的評價和檢測。

2.實踐教學

數據分析課程對學生的動手能力要求很高。學生在理解掌握各種分析方法的理論基礎上，需要掌握一定的統計軟件的使用方法，如SPSS，MATLAB。這需要將理論方法，如復雜的公式，與實際軟件使用相結合。實驗教學中，要求學生有較高的計算機編程能力，然后結合數據分析的理論方法，對數據進行分析，并應用于實踐。現階段我校數據分析課程中，學生實踐課時偏少，而且傳統授課模式讓學生的學習處于被動狀態。實踐教學中只能根據老師和教材的指導，對課本上的例題程序進行練習，極大地限制學習廣度和深度，且無法有效地將本課程與實際生活與應用聯系起來，從而挫傷學生學習和動手的積極性。

3.學生能力培養

數據分析課程對學生能力的培養體現在綜合運用能力和對結果的分析解釋能力。理論課程傳統的填鴨式教學，和實踐課程拘泥于教材的例題程序的現狀，將數據計算與數據分析分割開來，勢必會限制學生綜合運用能力和分析解釋能力的發展，影響學生學習興趣和課程教學效果。

二、翻轉課堂教學理念

翻轉課堂起源于美國林地公園高中，兩位化學老師通過讓學生在家觀看視頻，課堂進行練習的方式，完全顛覆傳統教學模式。翻轉課堂將傳統教學模式中知識傳授和知識內化兩個階段顛倒過來。與傳統授課模式不同的是，知識傳授不再是完全由課堂中教師的講解完成，而是通過信息技術的輔助在課前或課后等業余時間完成，同時知識的內化不再是單一的由課后作業或者練習完成，而是通過在課堂中進行疑難解答、項目式學習、合作學習等方式進行。因此，對翻轉課堂教學方法的實際有效利用可以將大學生學習時間最大化，并培養學生的自學能力、自我約束能力及分工合作能力。

在數據分析課程教學中，學生可以利用課余時間，結合教師提供的數據分析每一模塊的課前學習材料，實現對數據分析課程基本方法和理論的了解，這樣很好地利用學生的課余時間，培養學生的自學和約束能力。而對所學數據分析方法的具體應用、深入理解及綜合分析等方面，學生可以通過課堂的各種活動和學習方式，以及和教師的及時溝通，和同學的合作交流等方式，在知識內化這一環節獲得比傳統課堂更好的學習效果。

三、翻轉課堂在數據分析教學中的應用設計

近些年國內外很多對翻轉課堂教學的研究，形成針對各個學科和地區的教學模式。如RobertKarplus提出的“探索-解釋-應用”三階段學習周期，RamseyMusallam提出的“探索-翻轉-應用”模式，國內南京大學張金磊等人提出的由課前學習和課堂學習組成的翻轉課堂教學模式等。

針對數據分析課程學科特點和本校學生基礎水平及實際情況，本研究提出數據分析翻轉課堂的教學流程：

課前――概念探索教學視頻平臺交流

課中――問題解決（經驗交流，教師講解）測試反饋項目創建協作學習及匯報

課后――平臺交流，作業反饋

在課前教學環節中，概念探索是根據數據分析課程的學科特點設計的，由于學生初次接觸數據分析，對很多基本概念及意義沒有深入了解，意識不到社會意義和實踐意義，在這一環節中學生可以通過教師給出的簡單具體的實例演示，再加上信息豐富的網站、視頻及博客等手段在教學交流平臺上闡述自己對所學概念的理解，相互交流，以此實現對概念的初步正確理解。如對聚類分析的理解，學生可以概念探索這一過程中通過具體實例演示和對各種信息的閱讀，了解到聚類分析作為數學工具的基本思想和在現實生活中的重要意義。

教學視頻主要是微視頻和幻燈片。對于教學視頻的觀看，要求學生針對自己的數學學習基礎有選擇地觀看。教學視頻中主要針對本單元學習內容進行講解，同時還會提供與本單元學習相關的數學基礎理論的教學內容。這種數學基礎與數據分析內容相結合的教學材料可以讓數學基礎不完善的學生更有效地理解本單元的知識。在視頻或者課前學習資料的制作中，需要結合每一章節的實際，主題突出，簡短生動，而且有效。如在聚類這一章節中，對于各種聚類方法的介紹可以結合具體的實例，如與生活密切相關的人均家庭收入問題等，通過不同方法展示對比，從而做到對每一聚類方法的理解和融會貫通。同時需要介紹相關的Matlab編程方法，讓學生結合理論和實際，通過編程過程實現對理論知識的理解和應用。

課前學習中，反饋是比較重要的一部分。教師可以通過平臺交流得到課前理論學習的反饋信息，同時可以通過在線學習簡單的作業練習，由此獲得課前學習的反饋。

課堂教學仍然是很重要的一環。課堂上教師首先組織學生面對面交流，解決并了解課前學習中遇到的問題，對普遍性問題做詳細解答。然后經過簡單的例題讓學生編程實現，并進行相應的解釋，由此測試學生的學習效果。這樣教師可以更好地掌握學生對每一章節數據分析理論的學習效果，以及學生對理論的應用構建能力。在保證學生對概念和理論的學習后，教師可以提供項目創建的基本信息和參考實例，如數學建模題目等。學生分組合作交流，選擇自己感興趣的問題成立合作組，結合本章節內容分析解決問題，尋找合適的數據處理方法，應用相關軟件編程實現自己的想法，將理論應用于實踐，并進行有效的分析，學生的問題解決過程和討論過程可以在課下進行。在學生充分準備后，課堂上進行分組匯報，并進行自評和互評，實現學生對理論的應用和相互學習。

本章節教學內容結束后，教師組織學生在教學平臺交流，并展示自己的作業和反思內容，鞏固對本章節內容的理解。

四、教學設計效果分析

1.符合大學生學習特點

大學生作為已經獨立的學習個體，擁有獨立的學習和思考能力，同時具備獨立學習時間和空間，而傳統教學方式無法充分發展學生的獨立學習能力，讓學生的課余學習漫無目的，松散自由，無法充分利用課余時間。翻轉課堂在數據分析課程教學中的應用讓學生在課余時間的學習有的放矢，通過學習交流平臺還可以相互交流督促，培養學生良好的獨立學習和探索學習的習慣。

對于思想上已經獨立的大學生來講，個性化學習更符合學生的行為習慣和思想意識。在數據分析課程的學習中，學生可以根據自己的基礎、學習習慣及自己的喜好等自由選擇學習的材料、時間和方式，互不打擾，又可以相互交流。如對概念和理論的理解，學生可以通過網絡資料，也可以選擇圖書館的書籍，觀看教學材料等方式進行，每位學生理解的深度和廣度可能會有所不同，通過相互交流和共同知識構建和應用又可以相互彌補。這樣的教學和學習方式極大地滿足了不同學生對知識的需求，避免一刀切式教育，可以充分發揮學生的學習潛力。

2.增強學習效果

通過初步的教學實驗，接受翻轉課堂數據分析課程的學生無論在理論知識理解還是實踐應用上都有明顯提高。相對于傳統課堂中的學生，在數據分析課程結束后，翻轉課堂中的學生可以較好地闡述相關理論，通過Matlab軟件編程實現對理論的應用，并給出合理的解釋。通過測試對比可以看出，翻轉課堂中的學生理論基礎更加扎實，編程能力有很大提高。在翻轉課堂試行后，學生在數學建模大賽中成績有明顯進步。

3.改善教學氛圍

在數據分析翻轉課堂中，學生學習積極性有很大提高。首先學生已經通過概念的探索階段對所要學習的知識有初步了解和認識，能夠較好地意識到所學知識的社會意義，增強學習興趣和信心。其次，學習方式多樣化，學生可以充分利用自己喜歡的現代信息設備，將手機、平板及電腦等學生喜愛的現代化信息設備變成學習的工具。避免學生與教師之間對手機等工具的對弈，改善學生將手機等單純作為娛樂工具的現象。此外，學生在交流平臺上的發言、總結和展示不僅樂意給學生帶來成就感，而且可以激發其他學生的學習動力，形成你追我趕的學習氛圍。

通過將翻轉課堂理念初步運用于數據分析課堂，發現這一理念的運用可以有效解決目前數據分析課程教學中存在的一些問題，將理論教學與實踐教學密切聯系起來，并有效調動學生的學習積極性，取得較好的教學效果。在這一過程中，我們發現翻轉課堂理念的實施不能拘泥于形式，需要根據具體問題和課程需要進行相應的調整。同時翻轉課堂中需要教師付出更多精力進行探索，如更合適的教學資料和課堂活動設計。總之，翻轉課堂理念的實施帶來的不僅是教學形式的變化，更是對教師工作分工和角色的改變。

參考文獻：

[1]宋艷玲，孟昭鵬，閆雅娟.從認知負荷視角探究翻轉課堂[J].遠程教育雜志，2014，（1）：105-112.

[2]汪曉東，張晨婧仔.“翻轉課堂”在大學教學中的應用研究[J].現代教育技術，2013，（8）：11-15.

[3]張金磊.“翻轉課堂”教學模式的關鍵因素探析[J].中國遠程教育，2013，（10）：59-64.

[4]周學剛.淺談“數據分析”課程的教學[J].中國電力教育，2011，（7）：110-111.

篇（2）

【中圖分類號】C93-4 【文獻標識碼】A 【文章編號】2095-3089（2015）17-0056-01

管理學是一門新興的學科，也是20世紀至21世紀初發展最為迅速的學科之一。管理學課程群，是包括《管理學原理》、《人力資源管理》、《戰略管理》、《溝通管理》、《組織行為學》等課程的集合，是工商管理、市場營銷等專業的核心課程群。其共同點在于通過管理現象、挖掘其中各要素的關聯性，進而總結管理規律，做出管理決策。也就是說，通過管理學課程群的訓練，目的在于鍛煉學生利用既有數據和模型，分析變量與變量之間的關系，發掘特定情境下管理特征、支持企業決策的能力。由此，對數據的分析、解讀能力，無論對管理學學科的發展，還是提高工商管理、市場營銷專業學生的培養質量、提高他們的市場競爭能力，無疑意義重大。

一、當前管理學課程群教學存在的不足

作為兼具理論性、實踐性雙重特性的管理學課程群，在實際教學中明顯地表現出不足：“重理論、輕實踐”;“重介紹、輕分析”;“重西方、輕中國”。

（一）“重理論、輕實踐”。概念解析、理論介紹和案例教學構成了目前管理學課程群教學的主體，教學組織過程單一，主要表現為“講述概念――介紹理論――案例分析”。教學的側重點是讓學生掌握理論，進而運用該理論分析案例，然而，這種教學方法忽視了培養學生通過實踐手段檢驗管理理論是否適用，以及從管理現象中挖掘管理方法、提煉咨詢建議的能力。而這正是企業管理實踐中需要的核心能力。

（二）“重西方、輕本土”。“重西方、輕本土”，同時“重介紹、輕分析”是目前管理學課程群教學的另一不足。作為“舶來”的管理學學科群，經典管理理論和最新研究動態均建構在西方國情和人文實際基礎之上。對于傳播的這些西方知識，倘若未經“檢驗”一味接受，必將導致理論和現實的脫節，會出現理論在中國“水土不服”的情況，“為中國企業管理實踐導航”更無從談起。“檢驗”的實質是西方理論本土化的過程，即在中國管理情境中，必須對西方理論進行審視，從其中吸取營養、獲取能量，將其本土化后再指導管理實踐。然而，當前的管理學課程群教學重視介紹管理現象，而輕視通過變量分析深入挖掘管理現象內在的關系和邏輯，從而容易使管理理論與實踐相脫節;重視西方經驗和理論，忽視將管理理論中國化、本土化的過程，關鍵是缺乏對“中國情境”的解讀能力。

二、開展基于數據分析模型教學方法的必要性

應對上述教學方法帶來的弊端，通過中國情境下的企業數據進行實證分析則是根本途徑。這是因為：

第一，“大數據”時代的到來，數據呈現Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）等特點，在這樣的背景下，傳統的管理方法、手段受到極大地挑戰，誰具備整理、分析“大數據”的能力，誰才能夠在日益激烈的企業競爭中脫穎而出，為企業、為個人創造價值。正因為如此，目前具有數據分析能力的畢業生日益受到各類企業的青睞。因此，培養學生的數據分析能力，能夠增強學生實踐技能，使學生具有更強的創新創業精神和更強的就業競爭能力。

第二，就學科發展的角度而言，隨著中國經濟的發展，中國躍升為世界第二大經濟體，對中國現象的分析日益受到重視。管理學也是如此，應摒棄全盤“西方主義”、“拿來主義”的態度，應重視中國情境下的管理經驗、管理規律的探尋。由此，基于數據分析的對“中國情境”的挖掘、以及“中國情境”下管理的創新是管理學教師實驗教學必須面對的一個重要課題。

三、基于數據分析模型的管理學課程群教學內容設計

（一）基礎數據庫資源建設模塊。基礎數據庫資源是管理學課程群實驗教學的前提。

第一，設計基于數據分析模型的管理學課程群教學數據庫。這個數據庫是包含若干中國企業管理的案例，可稱之為“實訓訂單”，“實訓訂單”領域包括但不限于：企業管理環境、企業戰略、企業組織、企業人力資源管理、企業財務管理、企業營銷、企業生產運營管理等。這些“訂單”是學生進行數據分析所依賴的數據庫。“實訓訂單”的數據，既可以來源于上市公司的對外披露數據，也可以是走訪調研取得的一手數據。

第二，建設管理學課程群教學的數據分析系統。這里的數據分析系統不是一個單一的數據處理軟件或應用系統，而是一個致力于將目前主流的數據分析工具SPSS、Eviews、STATA等根據各自處理數據的優勢集合而成的綜合化系統，是一個根據具體的管理問題，尋找一種與之相匹配的分析模型的過程。例如，帶有時間序列的企業人力資源預測，建議采用Eviews 6.0中的ARIMA分析模型，利用無時間的截面數據分析變量相關性時，建議采用SPSS 20.0中的方差分析等。目的在于鍛煉和培養學生利用數據分析模型解決管理實踐問題的能力。

（二）實踐教學資源建設模塊

第一，根據已有的管理問題數據分析“實訓訂單”，尋找一種與之匹配的分析模型。如前文所述，對于一個特定問題，盡可能要找到一種滿意的與之相匹配的分析模型，以提高管理咨詢的準確性和可信度，這是企業管理咨詢的需要，也是培養學生分析問題、解決問題能力的需要。

第二，將“實訓訂單”和具體的分析過程按照教材建設的思路形成并完善，以供后期學生進一步學習以及教師教學參考使用。

四、教學過程設計

基于數據分析模型的管理學課程群教學改革實施過程分為三個階段：

第一階段是基礎訓練階段。這個階段重點教師向學生講授數據模型的分析方法、步驟、檢驗過程、適用環境等，以及如何從“實訓訂單”中提煉合理的“因變量”、“自變量”、“中介變量”、“調節變量”、“控制變量”，即案例分析模型的建構。

第二階段是案例分析階段。這一個階段的重點是將學生從暗示型案例分析提升到無邊界案例，讓學生在一個沒有明確問題導向的案例中尋找突破口，以培養和提升學生識別問題的能力。

篇（3）

中圖分類號：G643 文獻標志碼：A 文章編號：1674-9324（2017）06-0148-03

一、引言

實現“兩個一百年”奮斗目標和中華民族偉大復興“中國夢”，教育的重要地位特別是基礎教育的基礎性、先導性地位，尤為突出。作為高層次人才培養的主要渠道和載體，研究生教育對于未來社會發展起著重要的作用[1]。教學內容與教學方法作為影響研究生能力發展的基本前提，是提升研究生全面發展能力的關鍵環節[2]。而關鍵環節的保障取決于如何培養造就高素質專業化的教師隊伍。

研討式教學法源于早期的德國大學，現已成為西方發達國家高校中的一種主要教學方法[3]。研討式教學是一種在教師的指導下，遴選主要研討專題，學生選擇搭配，先由學生進行簡短報告，教師、學生共同參與討論的教學形式[4]。對于研討課的教學方式，一些高校也進行了積極探索并摸索出了一些創新性的教學方式。比較典型的大致可以分為圓桌研討式、小組報告式和師生角色互換式三種類型[5]。圓桌研討式適合于小規模的授課，有利于發揮學生的主觀能動性、課堂參與度和研究探索能力。小組報告式能夠鍛煉學生的分工合作和人際溝通能力，但要求學生能力高、團隊協作精神強。師生角色互換式鍛煉了學生知識探索、組織策劃和口頭表達等能力，但對學生的時間概念要求高，同時避免一些學術講授質量不高的現象。

大數據是復雜網絡科學、人類動力學蓬勃發展的基礎，也為交通工程提供了嶄新的建模途徑[6]。隨著科學技術的進步與發展，大量寶貴交通數據得以保存與分析。大數據分析與挖掘技術已經被廣泛應用到交通工程研究，特別是交通需求預測、交通狀態估算與預測、交通出行行為分析、智能交通管理等方向的應用[7]。傳統的、以講授基礎理論交通工程知識為主的教學方法，難以讓研究生在短時間內真正掌握大數據分析與挖掘技術。研究[8]表明研討式教學法在醫學學生中得到了普遍的歡迎，教學效果比傳統的講授式教學也得到了進一步提升。本文結合同濟大學研究生精品課程建設的教學探索與實踐，對研討式教學法在研究生交通大數據分析課程進行探討與總結。

二、研討式教學設計

研討式是以目標為導向、以解決問題為中心的教學方式，通過由教師創設問題情境及交通數據，然后師生共同查找文獻資料，研究、討論、實踐、探索、匯報，提出解決問題辦法的方式，使學生掌握知識和技能[9]。研討式教學要求以“導”為主，即教導、引導、指導、誘導等，而不是傳統的講授，這就需要充分發揮教師在教學過程中的主導作用，在教學內容、教學形式和教學意識上做好充分的準備，同時要激發學生從被動思維向積極主動思維轉變，學會主動、自覺地獲取知識，運用所學專業知識解決實際問題，進而提高學生的綜合素質和能力。

面向交通大數據分析的研討式教學主要步驟可分為：（1）設置貼近日常交通問題的情境及準備相應的交通數據。（2）提出有思考價值的問題，特別是問題的答案不能是簡單的“是”與“否”或“對”與“錯”。這就要求教師有全面、深刻、獨到的見解，同時需要了解學生原有專業知識基礎和能力水平。對于同一情境，可分為多個小組同時準備。（3）學生利用相關的教學工具報告自己的觀點或研究進展，鼓勵學生以多媒體課件形式展示自己的觀念，并在規定的時間內完成匯報。教學工具一般包括黑板、網絡、多媒w課件等。（4）針對報告內容，課程參與者（教師、學生等）向報告人提問，可針對報告提出自己的不同觀點，或要求報告人對某些內容進行解釋或表達看法。對課堂中出現的有關學術問題的爭論一般不作“是”或“否”的絕對評價，以免影響學生在課堂上自由地進行學術思維和交流。（5）教師進行專題評點，簡短地對討論分組小結，并對比分析每個小組的優缺點，最后對情境問題進行總結，給出分析類似交通問題的技巧與注意事項。

三、案例分析

交通運輸行業大數據來源主要在三個方面：基于互聯網的公眾出行服務數據；基于行業運營企業生產監管數據；基于物聯網、車聯網的終端設備傳感器采集數據，包括車輛相關動態數據。為提供全面的交通信息服務，需要處理分析這些類型多樣的大量數據。《交通數據處理分析技巧與應用》是同濟大學面向交通運輸工程學院碩士或博士研究生的選修課。通過教學使學生了解交通大數據背景、掌握處理分析交通數據的基本技能、了解學術論文寫作的基本結構、熟悉面向學術論文寫作的數據處理和圖表制作基本技巧。教學內容包括MATLAB數值分析、數理統計基礎知識、數據缺失處理技術、數據修補技術、數據異常處理技術等方面。將課程的這幾個方面作為一個整體，建立教學計劃、教學內容、教學方法、課件制作的討論制度，形成教學內容互相支撐、教學形式基本一致但各具特色的研討式教學方法體系。課程的亮點是將加強教學過程的階段考查（以課外作業為主），重點加強綜合性較強的研究型、開放型習題，充分利用課外作業鞏固課堂知識并拓展課外知識，從而提高學生的綜合能力。每個方面教學安排1個以上案例或作業，從而使學生加深對數據處理分析技術與應用的理解，培養學生的研究與應用能力。作業情況占成績的50%、學生參與度占成績的25%、學生表達能力占成績的25%。由于本課程內容多、涉及面廣的特點，教學模式以課堂教學為主，充分利用信息化環境和教學手段，提高有限時段內的教學效率和教學效果。結合案例教學的手段，通過開放性議題和專業性問題設計作業，鼓勵課后分組討論，以此來拓展教學的廣度和深度，鼓勵學生獨立思考、主動學習的習慣。在教學方法上以互動教學為主，同時，與課外講座結合，引進國內外一流的專家學者作為實踐教學的手段，保證學生能獲得最系統、最新的知識和方法。

1.設置6個案例，基本上平均2周完成1個案例，以保證整個課程的全程緊張度。第1個案例為辛普森悖論（課后練習時間約為2小時），不同的數據處理方法得到不同的結論，甚至是相反的結論，以此來促使學生思考什么是正確的數據處理技術。第2個案例為MATLAB練習集（課后練習時間約為36個小時），讓學生掌握一門數據處理分析基本工具。第3個案例為數據缺失集（課后練習時間約為6小時）。這個集合中包括若干數據缺失項，學生通過一定的數據處理技術，找出缺失的數據，并利用一定數據修補技術來填補缺失的數據。第4個案例為異常數據集（課后練習時間約為8小時）。這個集合包括若干數據異常項。學生通過一定的數據異常處理技術，找出異常的數據，并利用一定異常數據處理技術來填補異常的數據。第5個案例為綜合練習（課后練習時間約為24小時）。在課程結束前6周布置該案例，不分組匯報，而是每個學生都單獨匯報（每人約3―5分鐘，加上1―2分鐘提問）。

2.案例設置原則。盡量做到連續5年的數據集不雷同，避免學生抄襲往屆學生成果。同時，案例需要提出一些開放性的問題，答案不具備唯一性，避免同屆學生的抄襲，同時便于學生互相討論。例如，基于視頻采集的交通數據中包括了每輛車的車速，可提出一些交通流理論流密速的基本圖分析，但不限制用何種時間顆粒度來將微觀單個車輛參數轉化成宏觀交通流參數。這樣就避免了答案的唯一性，其中的時間顆粒度問題可供學生之間討論。

3.每個案例都需要進行匯報討論。建議小班化教學，盡量做到每個學生在一個學期中都能單獨講2次，鍛煉學生的多媒體制作能力、口頭表達能力，同時引導學生注意提綱結構框架、突出思想方法、給出觀點結論等。在課件制作上，既著眼內容上的簡明扼要，又注意形式上的美觀大方，為課堂交流打好基礎。該部分是對研究生的學術水平以及作風、禮儀、形象、現場駕馭能力等總體水平的檢閱，這也為研究生后續學位論文答辯打下了基礎。

4.師生活動討論。每次案例討論，鼓勵引導學生提出題。由于每個學生都在完成一些共同的開放性問題，因此學生能提出一些與案例相關的問題。另外，部分在完成案例時遇到的問題，也可能在其他組的成果中得到了體現。教師在這個環節上，注意時間的掌控、及時引導、啟發、點撥學生提問，以免出現冷場或偏題、跑題等現象，使研討不斷深入。

5.歸納總結。教師需要對每個案例的報告進行梳理和綜合點評后，進行歸納總結，給予制度化的反饋意見，明確提出進一步的修改完善建議，引導學生自主獨立思考習慣，培養自主創新的科研能力和寫作水平。

四、討論與總結

研究生的課程教學對研究生知識的掌握、能力的提升和科學素質的培養具有重要作用，而適宜的教學方法是提高研究生人才質量、培養創新精神和科研能力的根本。研討式教學法改變了傳統講授式以教師為中心、以傳授知識為主要形式的教學模式，確定了學生在教學中的主體性地位，有利于發揮學生的主觀能動性。教師在研討式教學法的整個過程中起到了決定性的作用，需要從三個層面來建立保障體系：第一層面是合理的教學內容和教學手段。需要教師在充分掌握知識點的基礎上，合理安排教學內容，同時不拘于傳統的教學手段，不斷創新教學方法。第二層面是解放教師。需要從體制機制上把教師從事務性工作中解放出來，使教師能把更多的心思放在教學內容和教學方法的創新中，同時也需要從財政上來解放教師，提高教師待遇，使教師能安心在教學科研崗位上。第三層面是榮譽感和使命感。除了通過改善辦學條件、關心教師生活、提高教師待遇等手段，也可以為新進教師或退休教師舉辦入職或退休儀式等，培養造就高素質專業化教師隊伍，使教師富有強烈的使命感和榮譽感。

參考文獻：

[1]顧紅，孫光民.研究生課程教學方法改革與實踐[J].北京工業大學學報（社會科學版），2003，3（4）：92-93.

[2]徐清，喻萍，劉天寧.將研討式教學方法帶進研究生課程教學[J].昆明大學學報，2006，17（4）：67-68.

[3]The Higher Education Academy，Seminar Teaching[EB/OL].2016.

http：//english.heacademy.ac.uk/explore/resources/seminars/index.php.

[4]單甘霖，齊曉慧.研究生課程教學的研討式教學方法初探[J].中國電力教育，2009，（130）：103-104.

[5]孫紹榮.高等教育方法概論（修訂版）[M].上海：華東師范大學出版社，2010.

[6]王璞，黃智仁，龔航.大數據時代的交通工程[J].電子科技大學學報，2013，42（6）：806-816.

[7]唐要安.大數據在交通中的應用[J].交通世界（運輸.車輛），2013，（24）：126-127.

[8]Brunton，P.A.，L.A. Morrow，G. Hoad-Reddick，J.F. McCord，and N.H.F. Wilson，Students' Perceptions of Seminar and Lecture-based Teaching in Restorative Dentistry[J].European Journal of Dental Education，2000，（4）：108-111.

[9]研討式教學[EB/OL].百度百科，2016.

篇（4）

現今世界，利用大數據技術打造指引行業發展的風向標，已成為各行業向智能經濟發展邁出的重要步伐。然而，當前大數據專業人才極其短缺。我校肩負著服務武陵山片區區域發展與扶貧攻堅國家戰略的使命，承擔著為西部地區培養優秀工程技術人才的重任。近年 來，我校緊跟以人工智能、大數據技術為代表的新科技發展步伐，積極推進新工科建設，成為首批30所入圍數據中國“百校工程”項目建設院校之一[1]，新獲批的“數據科學與大數據技術”專業（以下簡稱大數據專業）于2018年開始招生。如何根據時代需求辦好大數據新專業，以培養具有大數據思維、掌握大數據分析應用技術的高層次人才是我校面臨的一個新挑戰。大數據專業實踐類課程教學是體現該專業辦學質量和人才培養水平的重要標志。如何利用先進教學理念提高該類課程的教學質量和人才培養水平，是我校大數據專業建設 過程中必須重視的問題。本研究立足于我校大數據專業建設的實際需求，探究基于CDIO理念的大數據專業實踐類課程教學設計模式。本研究的實施，將為我校創新型工程教育改革探索道路，不僅有利于提升我校大數據專業實踐類課程的教學質量，也將對其他工科課程教 學改革起到一定的指導和借鑒作用。

1 CDIO工程教育模式的發展及內涵

上世紀80年代起，工程人才短缺和高等院校工程教育低質量之間的矛盾日益突出，產業對工程教育改革的呼聲不斷高漲。1986年，美國的工程教育學會、國家研究委員會和國家工程院等機構開始探索工程教育改革之路。2000年，麻省理工學院和瑞典皇家工學院等四 所大學組成的跨國研究機構，正式啟動CDIO教育改革計劃，在廣泛調研和大量實踐研究的基礎上，制定了CDIO教學大綱[2]。2004年，CDIO工程教育模式創立，并開始向世界各國推廣。2005年，瑞典國家高教署建立了CDIO的12條新標準，并將之用于對本國100個工程學位 計劃進行評估[3]。迄今為止，包括麻省理工學院在內的丹麥、南非、法國、新加坡、中國等國家的幾十所世界著名大學加入了CDIO國際組織。這些學校的多個工科院系在教學中借鑒和采納了CDIO工程教育理念，取得了良好的效果。目前，CDIO已成為國內外高校工程教育改革和培養體系制定等領域研究和實踐的熱點。實踐表明，CDIO教育模式不但能提高學生團隊協作能力、綜合解決問題能力，而且在學生創新能力培養方面效果顯著。據文獻[4-5]，CDIO工程教育模式自2005年開始引入我國。2006年，汕頭大學成為中國高校中的首個CDIO成員。2008年12月，教育部高教司理工處聯合汕頭大學主辦了CDIO工程教育模式試點工作會議，成立“教育部CDIO工程教育改革試點工作組”，確定了18所高校及相關專業（機械類、電氣類、化工類、土木類）為國內首批CDIO試點。工作組每年舉辦兩次全國性的會議， 對CDIO試點工作進行交流、研討和總結，并通過CDIO培訓班為全國高校實施CDIO教育培養骨干人才。2016年1月，“全國CDIO工程教育聯盟”成立。至今已有100余所高校加入聯盟。這些高校的部分工科專業采用CDIO工程教育模式教學，培養出來的學生深受社會與企業歡 迎。當前，在聯盟全體成員的共同努力下，我國高校積累了一系列改革經驗與成果，在基于CDIO理念建立專業培養標準，構建一體化課程體系，實施基于項目/問題、探究式等主動教與學方法等方面都取得了顯著進步，有效推進了CDIO的本土化與再創新。近年來，國內CDIO的研究趨勢從CDIO教育模式、教學體系等宏觀的主題向具體的課程教學改革、課程建設等更深更細的方向發展，諸多教師在教學實踐中嘗試了采用CDIO理念進行課程教學改革的研究與探索[6-10]。CDIO工程教育模式是國際創新型工程教育改革的最新成果，體現了系統 性、科學性和先進性的統一，代表了當代工程教育的發展趨勢。該模式以產品研發到產品運行的生命周期為載體，讓學生以主動的、實踐的、課程之間有機聯系的方式進行工程學習。CDIO的4個字母代表Conceive（構思）、Design（設計）、Imple?ment（實現）和Operate（運作）四個單詞。CDIO主要包括三個核心文件[11]：1個愿景、1個大綱和12條標準。CDIO愿景提供了一種強調工程基礎的、建立在真實世界的產品和系統的“構思-設計-實現-運行”的CDIO過程背景環境基礎上的工程教育。CDIO大綱從技術知識和推理能力、個 人職業技能和職業道德、人際交往技能、企業和社會的構思-設計-實施-運行（CDIO）系統四個方面，以逐級細化的方式，將工程師需具備的工程基礎知識、個人能力、人際團隊能力和整個CDIO全過程能力表達出來，要求用綜合的培養方式使學生在工程基礎知識、個人能力、人際團隊能力和工程系統能力四個層面達到預定目標。CDIO的12條標準[12]涉及到專業哲學（標準1）、課程計劃開發（標準2-4）、設計實現經驗和實踐場所（標準5-6）、教與學的方法（標準7-8）、教師發展（標準9-10）、學生考核與專業評估（標準11-12），回答了工程教育“如何培養人”的問題，使得工程教育改革變得具體化、可操作和可測量，能夠對整個教育模式的實施和檢驗起到系統全面的指引作用，對學生的學和教師的教都具有重要指導意義。

2 CDIO理念下大數據專業實踐類課程教學設計的思路與策略

2.1 設計思路

大數據專業實踐類課程教學是培養學生運用理論知識、科學方法和技術技能去解決大數據工程實際問題并進行科技創新的實踐能力的重要環節。目前，我校大數據專業實踐類課程教學組織方式通常以項目為單位設計，重視對學生解決實際問題（主要是項目涉及到的 具體問題）的能力，但不關注學生在整個項目周期中知識、能力、態度等的變化情況，無法全面覆蓋技術性與非技術性能力的培養目標。CDIO理念要求培養出來的學生必須在工程基礎知識、個人能力、人際團隊能力和工程系統能力四個層面都達到預定目標。CDIO教育模 式強調一體化與參與性，促使學生在項目研發到項目運行的整個項目周期中進行鍛煉與思考，課程教學不僅要關注學生學到的學科知識，更要關注學生能力、素質的提升情況。顯然，CDIO理念下大數據專業實踐類課程教學設計應強調“知識與能力”并重，緊扣CDIO大綱 和CDIO標準，進行教學大綱和教學組織方式的設計，并設置以“學習評估為中心”的多樣化考核方式。

2.2 設計策略

教學大綱方面，本研究嘗試結合大數據類專業培養目標，依據CDIO大綱，對大數據專業實踐類課程教學大綱進行設計：依據CDIO大綱的主題和條目組織課程大綱結構，并明確描述與期望能力要求相對應的課程學習目標。教學組織方式方面，本研究嘗試在大數據專業 實踐類課程教學中以“做中學”為依托，將整個課程教學安排以項目為載體，針對每個項目為學生提供“構思-設計-實施-運行”的流程，并將實踐所需知識、能力、素質等培養目標圍繞項目這個核心融入教學實踐中，讓學生的整個學習過程變成對一個個項目的完整實踐過程。教學考核方面，本研究嘗試匹配CDIO大綱的能力目標，具體根據課程概念及原理性知識的理解、技能掌握、設計—實現經驗獲取、分析及解決問題能力、交流表達能力和綜合實踐能力等類別的學習效果的評估需要，在大數據專業實踐類課程教學考核方式設置時， 對不同類別的學習效果設計不同的考核方式。

3 CDIO理念下的大數據專業實踐類課程教學設計模式

3.1 教學大綱框架設計

基于CDIO理念的教學大綱需要對融合了知識、能力、態度的學習效果進行準確描述，并清晰指明該課程整體及每一節課對學生所需學習的內容和所需掌握的能力要求。依據CDIO大綱中關于個人能力、職業素養等方面的培養要求，本研究將大數據專業實踐類課程教學 大綱框架設計為如表1形式。

3.2 教學組織方式設計

如何在實踐教學組織中體現CDIO教育理念是實施CDIO教學的基礎[13]。本研究基于CDIO理念將大數據專業實踐類課程教學組織方式設計為如圖1所示的“理論講授-任務布置-項目構思-項目設計-項目實施-項目運行”六個環節構成的有機體。讓學生在參與項目的構思 、設計、實施、運行這四個環節的活動中逐漸形成較完整的系統思維。

3.3 考核方式設置

篇（5）

中圖分類號：G4

文獻標識碼：A

doi：10.19311/ki.16723198.2017.01.080

1引言

管理定量分析課程是應用統計學、運籌學、預測與決策等理論和方法研究經濟管理問題的系列應用性課程，它通過收集、整理、分析和解釋實際數據來獲得有價值的信息和知識，探索經濟管理問題的運行規律，輔助企業管理決策和提高管理效率。

近年來，大數據的出現對企業的生產、經營和決策等活動帶來了深刻的影響和變換。越來越多的企業致力于應用大數據技術來挖掘企業經營數據的內在價值。

大稻菁際醯某魷鄭對管理定量分析課程教學帶來了機遇和挑戰，一方面，它極大地豐富了管理定量分析的教學內容，提供了諸多的新理念、新技術和新工具；另一方面，它對現有的管理定量分析課程的教學內容、教學模式和教學團隊等帶了更高的要求，已有的教學模式難以匹配大數據時代對管理人才提出的高要求。

如何順應大數據時代的新趨勢開展管理定量分析課程教學，如何結合新趨勢優化管理定量分析課程設置，如何建立適應大數據背景下的管理定量分析課程教學團隊，如何增強大數據背景下學生的數據驅動的管理決策意識，培養適應大數據時代要求的高素質人才，這些都是現有的管理定量分析課程教學所面臨的問題，這也促使我們不得不去思考、探究、優化甚至改革現有的管理定量分析課程教學模式。

2現有的管理定量分析課程教學概述

筆者所在的教學團隊來自于武漢科技大學管理學院，承擔全院《管理統計學》、《運籌學》、《系統工程》等課程教學，具有豐富的教學經驗。然而，在教學實踐當中，我們發現：盡管現有的管理定量分析課程教學模式比較成熟，但是仍存在“三多三少”的不足，而這些不足恰恰難以應對大數據背景下對管理定量分析課程教學帶來的挑戰。

2.1理論講授較多，實踐教學較少

隨著市場競爭的日趨激烈，越來越多的企業采用定量分析方法進行企業決策，管理定量分析方法也成為管理類專業的重要課程。然而，實際教學過程中卻發現，學生對該類課程的積極性不高，學習過程中出現畏難，不耐煩等消極情緒，導致實際教學效果大打折扣。

究其原因，一方面，目前的管理定量分析方法主要介紹各種不同類型的定量方法的原理、模型和理論，因而教師主要采用理論講授為主的教學手段，加上定量分析方法這類課程對數學要求較高，有不少理論模型、數學公式和邏輯推理，對學生的數學要求較高，相對于理工類學生，管理類專業的學生數學基礎較為薄弱，因而學生本能地會產生排斥心理；另一方面，現有的定量分析方法主要講授其原理，大部分老師缺乏參與企業實際管理決策的經歷和經驗，難以向學生講授應用定量分析方法解決企業實際管理決策的情景和過程。

2.2數學推導較多，案例應用較少

目前，關于管理定量分析課程教學存在兩種觀點：一種是“重理論輕應用”，該種觀點認為管理定量分析課程是一門綜合統計學、運籌學、預測與決策等理論和方法的理論課程，應該注重定量分析的理論和方法的講授，以理論推導和數學模式為主；另外一種是“輕理論重應用”，該種觀點認為管理定量分析課程應該強調統計學、運籌學、預測與決策等在經濟管理中的應用，以Excel和SPSS等工具為手段，突出應用案例教學。

目前，“重理論輕應用”的教學模式占大多數，這種模式注重理論講授和數學推導，理論方法與實際案例結合不夠，學生掌握了零散知識，但無法解決實際問題。此外，部分教材也以理論講授為主，缺乏深度的應用案例，也不注重定量分析軟件的應用，學生面對實際問題往往束手無策。

2.3知識傳授較多，綜合訓練較少

管理定量分析課程考核一般采取閉卷考試，題型包括填空題、單項選擇題、多項選擇題、簡答題和計算題等，盡管題型多樣，但是這種考核方式仍然只能考察學生對基本的單一知識點掌握情況，難以考察其綜合運用定量分析方法解決實際問題的能力。

然而，大數據時代的到來對從業者提出了更高要求，除了掌握基本的定量分析方法原理，還要求從業者具備應用定量分析方法來實現數據獲取、數據預處理、統計建模、模型檢驗、模型評價、模型部署等，從而解決實際問題的綜合能力。而這些綜合能力無法通過單一知識點的考核來實現，需要通過參與理論學習、軟件操作、模擬場景或實際項目等綜合訓練才能夠達到。

3大數據背景下管理定量分析課程教學探討

面對發展迅猛的大數據技術，現有的管理定量分析課程教學模式難以跟上大數據時代對其提出的新要求。如何順應大數據時代的新趨勢開展管理定量分析課程教學，如何結合新趨勢優化管理定量分析課程設置，如何建立適應大數據背景下的管理定量分析課程教學團隊，如何增強大數據背景下學生的數據驅動的管理決策意識，培養適應大數據時代要求的高素質人才，這些都是現有的管理定量分析課程教學所面臨的問題，這也促使我們去思考、探究、優化甚至改革現有的管理定量分析課程教學模式。

3.1構建知識融合的課程設置

合理的課程設置是開展課程教學的前提，更是人才培養質量的重要保障。課程設置應適應于教學目的、培養目標和學科發展趨勢。

最初，管理定量分析課程以“統計學”、“運籌學”為主干。隨后，根據學科的發展趨勢，先后加入“統計軟件應用”、“計量經濟學”等新課程。近年來，大數據的發展對從業者提出了更高要求，簡單定量分析方法傳授難以適應新要求，需要從業者掌握更多的分析方法和數據挖掘、機器學習等新技術。遵循知識融合的思路，管理定量分析課程應引入大數據分析、數據挖掘、機器學習等前沿技術，加強SPSS/SAS/R等操作能力，尤其應注重培養應用新技術解決企業實際經營管理問題的能力。

3.2探討案例驅動的教學模式

盡管目前的管理定量分析n程有多媒體教學、板書教學等方式，但是管理定量分析課程仍以理論教學為主，簡單統計工具應用為輔，忽視了培養學生的實際操作能力，無法形成“教-學-用”的良性閉環。

大數據時代下，數據擁有更大的價值，從業者應具備從數據中挖掘知識和信息的能力。因而，管理定量分析課程應引入實際案例，綜合訓練應用定量分析方法解決實際問題，挖掘新知識和新信息的能力。

管理定量分析課程教學應逐步轉向理論傳授、案例驅動相結合的模式。近年來，業界出現了不少應用大數據解決企業管理決策問題的案例。例如IBM開展基于大數據的訂購分析；Google利用大數據預測全球流感趨勢；百度預測春運流量等。這些都為管理定量分析課程教學提供了豐富的案例。

在課堂教學之外，通過參加大數據競賽、邀請大數據分析專業人員開展講座，參加科研項目，參與企業實習等，培養學生應用SPSS/SAS/R等處理和分析數據的綜合能力。

3.3建設學科交叉的教學團隊

管理定量分析課程教學離不開教師和教學團隊的支持。大數據對管理定量分析課程教學提出了新要求，新背景下的管理定量分析課程教學涉及統計學、運籌學、統計軟件、計量經濟學、數據挖掘等不同學科的知識，因而建設一支適應大數據背景下的新要求的管理定量分析課程教學團隊尤為重要。

目前，管理定量分析課程的教學師資主要以統計學和運籌學等學科背景為主，大部分老師未掌握數據挖掘、機器學習、R、SPSS等，建設學科交叉的教學團隊是課程教學質量的重要保障。新型的管理定量分析教學應加強SPSS、R、數據挖掘、機器學習等的學習，建立學科交叉的教學團隊，加強管理統計軟件和數據挖掘等訓練，注重理論教學和上機實踐的結合，培養學生應用分析工具進行實踐的能力。

4結語

管理定量分析課程是一類應用統計學、運籌學等理論和方法研究經濟管理問題的系列應用性課程。大數據技術的迅猛發展對現有的管理定量分析課程教學帶來了極大的挑戰。本文以大數據背景下的管理定量分析課程教學模式為主線，首先，分析并總結現有的管理定量分析課程教學的“三多三少”的特點和不足；其次，結合大數據背景探討了新型的管理定量分析課程教學模式，提出了：（1）構建知識融合的課程設置；（2）探討案例驅動的教學模式；（3）建設學科交叉的教學團隊的新型管理管理定量分析課程教學模式，它融合了課程設置、教學模式和團隊建設，注重定量分析理論和應用的結合，有助于順應大數據時代對管理類專業學生的新要求，培養他們的數據驅動的量化分析和管理決策意識，增強其解決實際問題的能力，進而提升其職業競爭力。

參考文獻

[1]顧劍華.關于工商管理專業管理定量分析課程建設的思考[J].當代教育論壇，2009，（4）：127128.

[2]鄧淇中，周志強.管理定量分析課程教學改革探討[J].當代教育理論與實踐，2013，5（4）：9294.

[3]龔麗.管理定量分析課程的教學探討[J].大學教育，2014，（17）：111112.

篇（6）

中圖分類號：G424 文獻標識碼：A DOI：10.16400/ki.kjdkx.2015.02.048

On "Error Analysis and Data Processing" Course Teaching Method

SONG Jinbo， ZHANG Yan， DUAN Zhiwei， YIN Haishuang， ZHAO Zhihua

（School of Electrical Engineering & Information， Northeast Petroleum University， Daqing， Heilongjiang 163318）

Abstract Course "Error Analysis and Data Processing" is the most engineering colleges have opened a door measuring basic course， aiming at "Error Analysis and Data Processing" feature and teaching experience in curriculum， teaching in the analysis of the previous question， for of the corresponding reform measures proposed and achieved good results in teaching practice.

Key words Error Analysis and Data Processing; teaching reform; teaching methods

“科學始于測量”，但是由于實驗方法和實驗設備的不完善，周圍環境的影響，以及受到人們認識能力的限制，測量所得數據和被測量真值之間，不可避免地存在差異，這在數值上即表現為誤差。在人類認識自然改造自然的過程中，測量無處不在，所以，誤差也隨之存在于每一次的測量過程中。雖然隨著科技發展，可以將誤差控制得越來越小，但是終究不能完全消除誤差。為了充分認識和減小或者消除誤差，國內的工科院校大部分儀器儀表類學科普遍開設了關于誤差分析與數據處理的課程，雖然課程名稱略有不同，但旨在培養對測試系統存在的誤差具有一定分析處理能力的工程技術人員。

誤差分析與數據處理課程是我校測控技術與儀器專業的一門專業基礎課。本文針對測控技術未來幾年的發展趨勢和人才培養目標，結合目前誤差分析與數據處理課程的特點及教學情況，對該門課程的教學方法進行了分析研究。

1 課程特點

誤差分析與數據處理是一門以數學為基礎的課程，以高等數學、概率論以及線性代數等數學課程作為先修課程，所學內容是傳感器原理及測試理論與技術等課程實驗數據處理的基礎，并且也是將來工程測量過程中必須掌握的數據處理理論之一。該課程講授各種物理量的靜態測量和動態測量的誤差分析與數據處理方法。通過該課程的學習，使學生掌握測試數據的分析與處理方法，獲得最接近真值的測量結果，結合測量實際，能夠選擇合理有效的測量儀器，并制定科學的測量方案。

2 教學現狀及存在的問題

2.1 理論與實踐脫節

由于誤差分析與數據處理課程涉及到很多數學知識，并且大部分的相關教材都是理論的，在實際應用方面偏弱，在教學中很多同學誤以為這是一門數學課，而忘了理論學習的初衷是對測量系統的誤差進行處理。由于實踐環節的缺失，對誤差來源的分析也只停留在理論上。這些理論和實踐的脫節導致學生不知道如何學習這門課，學了有什么用，從而導致學習興趣的缺失，教學效果不理想。

2.2 教學方法需改進

目前，數據誤差分析與數據處理課程的教學方法還停留在傳統的課堂“填鴨式”教學模式中。對于這樣一門理論性、實踐性和邏輯性都很強的課程，簡單的多媒體一頁一頁講授的方式，在學生的腦海里很難留下深刻的印象。同時，大量的數據處理工作都是通過手算的方式，沒有與專業的計算軟件之間建立聯系，導致學生對如何運用所學方法對批量數據進行處理產生了困惑，影響了學生的學習熱情。

3 教學改革措施

在教學改革過程中，要強調的是誤差分析與數據處理的過程不是一個簡單的對測量數據處理的過程，而是對測量過程的全面分析與掌握。

3.1 改革教學內容

一方面，加強教學內容的整合，使基本原理學習更具條理性。首先，經過對測量過程的全面分析，明確測量數據中的誤差類型。其次，根據誤差類型和分布的不同，選取不同的處理方法。最后，按照誤差性質不同，對粗大誤差進行剔除，確定系統誤差大小并進行補償，對隨機誤差進行界限的估計。由于實際測量過程中誤差性質界面不是十分明顯，會有系統誤差和隨機誤差的相互轉化。因此，必須對測量的各個環節進行精確的分析，包括測量環境、所使用的儀器狀況、測量方法是否得當等等，從而才能選擇合適的數據處理方法，做到對測量誤差客觀、合理、精確的估計。

其次，以教材為基礎，以測量設計為根本，擴展教學內容。大部分的誤差分析與處理教材只強調測量后數據列的處理原理，并沒有對測量過程進行任何分析。實際的誤差分析與處理過程并不是一個針對測量數據列的計算過程，而是針對測量過程中的任何可能出現的誤差估計與綜合。所以，在教學過程中一定要給學生明確這一觀點，要對測量過程有深刻的認識。同時結合測控專業的特點，任何一個測量過程都離不開傳感器、信號處理以及數據采集，可以從這三個方面分析誤差的來源。

最后，引入科學計算軟件，將理論推導轉化為測量精度的實際計算。在教學過程中，無論是靜態數據誤差處理還是動態誤差分析，都需要根據理論進行大量的數據計算，耗時耗力。在教學過程中將數據處理方法演示給學生，直觀地讓學生知道如何對實際測量的數據進行處理。Matlab軟件的計算功能涵蓋了誤差分析中所有的數據處理要求。同時，還可以用Matlab中的GUI進行圖形可視化界面設計，將對數據進行處理的設計在可視化窗口中，導入數據分析即可從窗口中獲得誤差信息。如圖1所示為電壓-電流測量實驗的誤差分析與數據處理GUI界面。

圖1 實驗數據誤差分析GUI界面

3.2 改革教學方法

將傳統教學的板書與現代教學的多媒體相結合。教學過程中，原理的推導過程晦澀繁瑣，都寫在板書上占用了大量的教學時間，可以直接做成多媒體形式，增加適當的放映動畫效果，既吸引了學生的注意力，又節約了有限的教學時間。但是，完全的多媒體教學會讓學生感覺一頁一頁的多媒體課件翻過去后，一節課的主要知識點不明確，沒有深刻的印象。所以，將教學過程中的主要結論及知識點，或者數據處理過程以板書的形式寫出來，加深同學對這部分知識的印象，有效避免了完全的多媒體教學給學生帶來的空洞感。教師要合理安排多媒體與板書內容，做到二者完美銜接，引起學生對誤差分析與數據處理課程的學習興趣。

采用啟發式教學，引導學生思考。老子說“授人以魚，不如授之以漁”，大學教學過程中一定要引導學生思考，讓學生在學習專業理論同時，學會學習。在合理利用了板書和多媒體講解的同時，引導學生思考，使學生的疑問在教學過程中得以解決，引發聽課興趣。

將理論與實踐聯系起來，學以致用。誤差分析與數據處理教材上的內容偏向于對測量數據進行誤差計算處理，基本的模式是“分析測試誤差（誤差分類）――誤差處理方法（針對不同性質誤差選擇不同的處理方法）――誤差計算與精度估計”。但是，在實際應用過程中，誤差分析與處理是針對測量系統的全面分析，是在給定測量系統精度要求前提下，選擇所需要的測量儀器，組成測試系統，然后根據測量的實際條件及測量過程中可能產生誤差的因素分析，綜合評定可能產生的誤差大小的過程。通過分析得到的誤差大小看是否在給定精度允許范圍內，如果滿足要求則根據所選儀器確定最終的測試系統及測量方案;否則，繼續重復儀器選型及測量實際分析過程，從而確定最佳的測量系統。確定了最佳測量系統及測量方案后，對被測量進行測量，進而計算在具體實際測量過程中的誤差大小，給測量結果客觀精確的精度估計。因此，可以在教學過程中，與傳感器實驗課程相結合，給定精度要求，利用實驗室的教學資源，讓學生自己設計測量系統及測量方案，分析測量過程中產生的誤差，通過不同的測量儀器和測量方法的對比，確定最佳測量方案，以達到學以致用的目的。

3.3 完善考核方式

在對知識掌握情況考試時，主要進行兩方面的考核，一是通過試卷考核學生對基礎理論的掌握情況。要求題目靈活，注重原理結論的靈活應用，盡量避免繁雜的理論推導。二是適當增加實踐環節的考核比重。通過安排測量方案設計作業，使學生在掌握理論的同時，應用于實驗測量分析當中，通過軟件對測量數據進行誤差分析處理，將理論與實踐結合起來。

4 結論

誤差分析與數據處理是一門理論性和實踐性很強的課程，是測控技術與儀器專業學生必須掌握的專業基礎知識，是從事測量工作的基礎。筆者在過去的教學過程中不斷地積累經驗，也不斷地探索著有效的教學改革方法以提高教學質量。同時不斷地整合豐富教學內容，合理安排教學學時，在有限的教學時間兼顧傳統教學和學生討論，將科技前沿融入教學，豐富學生的專業知識。希望通過不斷的改革與創新，提高學生對誤差分析與數據處理課程的學習主動性和應用能力。

黑龍江省教育科學十二五規劃課題：GBB1213024

注釋

[1] 費業泰.誤差理論與數據處理[M].機械工業出版社，2005.

[2] 范錦彪，馬鐵華，杜紅棉，沈大偉.“誤差理論與數據處理”課程的教學改革與實踐[J].中國電力教育，2014（5）：140-141.

篇（7）

中圖分類號：TP311文獻標識碼：A 文章編號：1009-3044(2008)16-21267-03

Data Mining Based Course Competence Development of C Programming Language for Vocational College

GUO Xiao-chen1,2

(Chenzhou Vocational Technical College,Chenzhou 423000,China)

Abstract:In this paper we utilize the data mining technology into the course of C programming language in vocational colleges in order to classify and predict the examination result, and eventually find out the implied information. This is helpful to make guidance for improving the quality of teaching and deepen the teaching reform.

Key words: data mining; concept description;class comparision; C Programming Language

1 引言

C語言程序設計課程是計算機應用和電子信息工程專業的必修程序設計課，是知識性、技能性和實踐性很強的課程。主要培養學生利用計算機來處理實際問題的能力和培養學生程序設計的思維能力，使學生能夠掌握C語言的基本語法和算法，能利用C語言進行基本的程序設計。

C語言程序設計主要由數據描述、程序控制兩大模塊組成，包括基礎數據類型、流程控制、函數和復雜數據類型等四個單元的內容。筆者從事多年的C語言程序設計教學工作，如何利用有效數據分析工具，將所積累的豐富的數據轉換為有價值的知識，了解和分析學生的知識掌握及能力培養情況，并采用相應的教學改革。

2 數據挖掘技術的概念和內涵

數據挖掘(DataMining)是對大量的、不完全的、有噪聲的、模糊的、隨機的實際數據，進行抽取、轉換、分析和模型化處理，從而提取能輔助決策的關鍵性數據，并能結合應用領域的特點，推導出有用的知識的過程；簡而言之，數據挖掘就是深層次的數據信息分析方法。通常采用概念/類描述、關聯分析、分類和預測、聚類分析及演變分析等方法來完成數據挖掘。數據挖掘的過程是一個線性的過程，依據不同信息平臺的數據類型，采用面向環境的管理方式，實現面向環境要求的數據挖掘。數據挖掘的過程一般由數據準備、數據挖掘、結果的解釋與評估四個階段組成。

3 數據挖掘技術在《C語言程序設計》課程能力培養分析中的應用

3.1 數據倉庫的建立

挖掘所需要的數據來源于某高職院校近3年來計算機應用和電子信息工程兩專業近860名學生的C語言程序設計這門課程的期末考試成績、實驗成績及實習成績，給定屬性學號(ID)、姓名(name)、性別(gender)、專業(major)、科類(section)、成績(result)。成績部分包括考試成績(test_result簡稱為t_r)、實驗成績(experimental_result簡稱為e_r) 、實習成績(practice_result簡稱為p_r)及總分數(total_score簡稱為t_s)，其中總分數=考試成績×70%+實習成績×20%+實驗成績×10%。通過對考試試卷的分析統計，基礎數據類型(Foundation Data Type簡稱為FDT)、流程控制(Process Control簡稱為PC)、函數(Function簡稱為F)和復雜數據類型(Complicated Data Type簡稱為CDT)四個單元的分數比重分別為20%，30%，20%，30%，綜合考慮各單元的內容，匯總統計出各單元的滿分分值為14，21，14，21。

該數據挖掘任務可以用DMQL表示如下：

Define cub discretmath〔ID,name,gender,section,major,result〕。

total_score=sum (result)；

define dimension result(test_result，Programes_result，practice_ result)；

define dimension test_result(FDT,PC,F, CDT)。

數據倉庫的結構如表1:

3.2 數據的預處理

由于現實中的數據多半是不完整的、有噪聲的、不一致的，某些學生的成績會因教師個人感情或其它因素而分數偏高或偏低，從而導致現有分數含有一定偏差的噪聲數據，對此可以通過數據的預處理技術改進數據的質量，提高其后的挖掘過程的精度和性能。本文利用數據清理中的聚類中K_平均算法找出孤立點，并利用分箱技術將噪聲去掉。表2為經過數據預處理的二維視圖。

以上數據倉庫中的數據，就是經過預處理后，得到的是集成的、概念分層的、不含有噪聲的數據，該數據可以用來進行準確的數據挖掘工作。

3.3概念/類描述

3.3.1數據概化

數據庫中的數據和對象通常包含原始概念層的細節信息，在多數情況下，感興趣的一般是在不同抽象層上得到的數據的量化信息或統計信息。因此，首先采用解析特征化進行屬性相關分析，來幫助識別不相關或弱相關屬性，將它們排除在概念描述過程之外。概化過程如下：

1）收集目標類數據，它由計算機專業的集合組成，對比類數據取電子信息工程專業的集合；

2）用保守的屬性概化閾值進行面向屬性的歸納，通過屬性刪除和屬性概化進行預相關分析。

ID：由于ID存在大量不同值，并且其上沒有概化操作符，該屬性被刪除；name：由于name存在大量不同值，并且其上沒有概化操作符，該屬性被刪除；gender：由于gender只有兩個不同值，該屬性保留，并且不對其進行概化；major：假定已定義了一個概念分層，允許將屬性major概化到值{計算機應用，電子信息工程}；section：假定已定義了一個概念分層，允許將屬性科類概化到值{理科，文科，對口}；total_score：該屬性存在大量不同值，因此應當概化它。假定存在total的概念分層，將分數數值區間{100_85，84一70，69_60，59_0}按等級(grade){A，B，C，D}分組，這樣該屬性可以被概化。

表3通過對表2的數據進行概化得到的關系

3.3.2類比較的實現

通過概化處理，數據倉庫中的屬性基本已經得到了單個類的描述。但我們希望挖掘一個描述是它能將一個類與其它可比較的類相區分，因此采用挖掘類比較來實現。現給定了屬性gender， section，major， test_result，program_result，practice_ result和grade。

1)專業類別分析

首先確定目標類與對比類為屬性major中計算機應用和電子信息工程兩個不同專業的學生；其次，對兩個數據上進行維相關分析，不相關或弱相關的維從結果類刪除；再次，在目標類上進行同步概化，產生主目標類關系，如表4所示。

從表4可以看出，與電子信息工程專業相比，計算機應用專業的學生趨向平均分、實習成績及實驗成績這三部分分數較高，體現出學生在知識應用能力和計算機編程能力上較強，但對知識掌握出現兩極分化嚴重，針對這部分基礎知識掌握不牢固的學生，教師在執教時就應考慮加強基礎知識的鞏固。相對而言電子信息工程專業的學生對基礎知識的掌握基本較好，但對該課程的靈活應用有所欠缺，這就使得在教學過程中應適當注重培養學生的應用能力，加強對他們編程、實驗及實習的輔導。

2)性別類別分析

首先確定目標類與對比類為屬性gender中的男和女；其次，對兩個數據上進行維相關分析，不相關或弱相關的維從結果類刪除；再次，在目標類上進行同步概化，產生主目標類關系，如表5所示。

表4 主類(計算機應用)與目標類(電子信息工程)關系 表5 主類(男)與目標類(女)關系

從表5可以看出，與女生相比，男生從總體上對該門課程的學習效果較差，不及格率較高，且優秀率低，基礎知識掌握不牢固，體現出不少男生學習態度不端正，目的不明確，缺乏學習的積極性。而女生這門課的成績比男生好，優秀率高，及格率高，對基礎知識掌握牢固，但在知識的應用能力方面欠佳不能很好地靈活運用；由此可見，教師在教學過程中須考慮學生的性別差異，因材施教。

3)科類類別分析

首先確定目標類與對比類為屬性section中文科類、理科類和對口類；其次，對兩個數據上進行維相關分析，不相關或弱相關的維從結果類刪除；再次，在目標類上進行同步概化，產生主目標類關系，如表6所示：

從表6可以看出，與理科類、文科類相比，通過對口高招進來的學生不管對理論知識的掌握還是在實踐技能上都比較突出，且目的性非常強。而文科類與理科類相比, 文科類對基礎知識的學習優于理科類，但在知識的應用能力上較差，理科類則恰恰相反。可見，教師在教學過程中除了考慮普遍學生存在的問題外，還需要注意學生的差異，對于對口類學生而言應多準備一些相對大的項目，讓其能“吃飽”，而對于理科類和文科類學生一方面要加強理論基礎知識的學習指導，另一方面要適當注意培養其應用能力，加強對編程及實踐方面的輔導。

4 結論

利用多年的C語言程序設計課程的成績的數據，通過數據挖掘技術探索和發現兩個專業學生對這門課程的知識掌握及能力培養的情況，可以有針對性地進行教學內容和教學方式的改革，使得學生更好地掌握C語言程序設計這門課的知識，培養各方面的能力，為以后的課程學習、專業發展打下堅實的基礎。

參考文獻：

[1] JiaweiH，MichelineK.DataMiningConceptsandTechniquo5[M].Beijing:China Machine Press，2006.

[2] 朱明.數據挖掘[M].合肥:中國科技大學出版社，2O02.

[3] 張錦祥.高級程序設計語言課程教學改革與實踐[J].浙江教育學院學報，2007（4）71-76.

篇（8）

1.基于學習內容的管理方式

這種數據管理的方式是基于學習內容的管理方式，這種方式能讓教學者對學習者的學習重點一目了然，從歷史記錄中，教學者可以得知學習者學習了哪些內容，從這些內容推斷出學習者對哪些模塊比較感興趣，通過對數據的收集和分析，根據結果可以對課程進行改善，從學習者感興趣的方向入手，加入這方面的內容。這是這種管理方式的優勢所在。但它不足的地方在于不能正確把握學習者在學習的過程中是怎樣進行的。

2.基于學習時間的管理方式

這種數據管理的方式是基于學習時間的管理方式，它所具備的功能剛好補充了上一個案例基于學習內容的不足。學習者對各欄目的學習時間有長有短，學習時間長了說明學習者對這方面的內容比較感興趣，花了較多的時間去學習，而反之亦然，學習者只學習了一會就退出的欄目肯定是不怎么感興趣的。但是，學習時間的長短除了說明感興趣的程度外，也可能存在另一個問題，就是學習者可能是因為難以理解所學習的內容，所以花了較長的時間去學習，而時間用得短的模塊，也可能是因為學習者很快就學會了，所以這種管理方式的不足之處就在于不能分辨究竟是學習者的興趣所在，還是對知識的掌握不夠才導致學習時間較長的。

3.基于測試情況的管理方式

教學者管理后臺的菜單中分別有考生管理、試題管理、系統管理和測評統計。可以看到，教學者利用這個平臺收集了各學習者以學號為單位顯示出來的成績，還統計了所有學習者的平均分。用表格的形式表現出來，規范了視覺范圍，方便查詢學習者成績。用表格的形式將統計出來的各章節的平均成績和參加考試的人數都列出來了，從參加考試的人數可以讓教學者了解到學習者對各個模塊感興趣的程度，而平均成績可以讓教學者了解到學習者對各個模塊掌握的程度，從而改動教學方向。學習者總是在進步的，每個階段的學習記錄也是很重要的，單單一個階段的測試結果并不能說明什么，所以這種管理方式還是有不足的地方，如果有一種模式不僅可以進行測試，也能將各階段測試的結果保留下來，并進行對比的話，相信對學習者的進步是更有利的。

4.基于階段記錄的管理方式

它是對學習者學習過程的一個動態監控。學習記錄卡分階段提交，學習者需在每門課程最后一階段規定的時間內完成該課程全部的學習記錄卡填寫。但學習者可以根據自身的學習進度和時間決定每階段完成幾個單元的學習記錄卡。這種數據管理是基于階段記錄的管理方式，它補充了上一個案例中的不足，將每個階段的學習成績做了記錄，并將結果展示給用戶，讓教學者和學習者都能清楚的了解到這個階段以來的學習記錄，有助于教學者累積對學習者的了解，也讓學習者看到自己的進步和不足。與傳統課堂教學不同，網絡教學的學習過程更注重學習者的自主學習，教學者的地位由傳統的領導者變為輔助者和管理者，但這并非意味著教師作用的淡化，而是交互已經成為教學中必不可少的一個因素。

5.基于交互的管理方式

由于網絡課程的信息量一般都偏大，可瀏覽的內容太多，如果與學習者之間沒有互動，則該門課程是沒有吸引力的。要提高學習者的積極性，網絡課程只是一個紐帶，教學者和學習者之間要進行頻繁的互動，才能使網絡課程有生命力，傳遞給學習者的知識才能被學習者吸收。教學者在后臺上傳資料信息，回答學習者提出的問題，同時組織討論，定期向注冊用戶測試信息，讓學習者覺得雖然沒有與教學者經常見面，但好像就一直陪伴在身邊一樣，學習的積極性會有所提高。反之，教學者長時間不為網絡課程輸送“新鮮血液”，學習者就會覺得這個網絡課程是“死”的，沒有生命力和活力，對該課程的關注度會大大下降，即使教學者偶爾新的信息在網上，反饋的時間也可能是相當長的。

實踐證明，在網絡學習中，學習者普遍感到容易迷失方向，特別需要教學者的引導和督促，包括幫助學習者應用所學的內容、練習技能、組織階段測驗，以了解學習者的學習狀況，為學習者提供咨詢、支持和鼓勵。師生信息交互活動主要有答疑、實驗與實習、作業與批改、咨詢與建議等，及時準確的信息反饋能引導學生建立正確的學習態度，調整學習方法。

但這樣還是不夠的，我們通過調查研究發現如果能將學習者對課程的學習路徑，也就是學習過程錄制下來，包括學習者完成的測試題的對錯比率，然后再對這些數據進行歸類統計，從而分析出學習者對本課程學習的著重點和興趣所在，還有對哪部分內容仍存在理解不了的問題。這樣的數據對教學者在對課程的改善過程中是有很大的作用的。

6.綜合多種方法的管理方式

網絡課程后臺數據管理的實際操作出發點應該是充分考慮教學的交互性，及時為學習者上傳教學資源信息，盡量在最短時間內回答學習者所提出的有關學習中的問題，積極組織討論，定時進行網上測試，并對測試結果中的共性問題通過信息的渠道進行評析，而個性問題則通過BBS、QQ、MSN等聯系方式與用戶單獨交流，幫助學習者及時解決遇到的問題。

要成為好的網絡課程，學習者的有關信息管理環節是不能少的，所管理的方式越多、越詳細，數據庫所涉及的面就越寬、越多。

以這樣的數據庫來管理網絡課程，能夠充分發揮網絡的交互作用，使網絡課程“活”起來，學習者通過這些管理活動和交互操作，能夠更進一步發現自己的問題，在教學者的指導下提高學習的積極性和學習效率。教學者在后臺也能充分掌握每位學習者的學習情況，因材施教，使每一位學習者都能在課程的學習中取得應有的進步。

參考文獻：

[1]馮乃光.從交互的重要性談網絡課程的后臺管理方法[J].中國遠程教育， 2006，（11）.

篇（9）

關鍵詞： 數據挖掘；分類；回歸；客戶忠誠度

Key words： Data Mining；classification；regression；Customer Loyalty

中圖分類號：F83 文獻標識碼：A 文章編號：1006-4311（2013）06-0140-04

0 引言

上世紀八十年代來，隨著市場競爭的日趨激烈，企業在市場營銷上面臨著新的挑戰，傳統的4P理論越來越不適應市場發展變化的需求。如今的市場營銷無論是理論還是實踐都已經實現了向4C的轉變。在4C營銷理論中，首先強調的就是客戶（Customer），它居于這一理論的核心地位。所以這種營銷理論又被視為一種“以客戶為中心”的營銷戰略。而這一營銷戰略的核心思想就是追求“客戶忠誠”的目標。對于“客戶忠誠”，至今還沒有一個準確的定義，但是在一些理論闡述和實踐應用中，這一概念被普遍理解為是某個企業的客戶對該產品或服務有愿意繼續購買的傾向。雖然這種解釋并非正式的，但是從一些衡量客戶忠誠度的指標上可以得到證實，比如客戶對其所認可的產品進行長期、頻繁、大量的購買，或者與企業建立某種長期的合作關系等。

隨著市場營銷實踐的不斷發展，客戶的忠誠度以及變化趨勢進行研究引起了業內的廣泛關注。本文針對這一趨勢，設計了一套客戶忠誠度預測系統，通過數據挖掘技術的引入，對客戶數據進行科學分析，幫助決策者做出正確決策。

1 系統功能簡介

到目前為止，國內外已經有許多成熟的CRM產品，它們已廣泛應用于零售業、制造業、金融業等，這些產品也用到了數據挖掘技術，如聚類分析算法或孤立點算法等。但是它們更多的是將目標放在對客戶分類或找出最忠誠的或是最不忠誠的客戶上，其功能受到了一定局限，無法對客戶忠誠度的變化趨勢進行可靠預測。例如，銀行業中的客戶忠誠度分析只是找出存款多的重點客戶，或者是找出那些行為異常的有欺詐行為的客戶。本文針對這一問題進行研究，結合實際應用，既構造出了能夠反映趨勢變化的屬性，又把不能用于分類分析的連續屬性離散化，然后再利用所構造出的屬性和其他的相關屬性，進行分類分析，最終得到客戶忠誠度的變化趨勢。該系統的主要功能如下：

1.1 數據預處理 能夠對已有數據集中的數據進行缺值填充、數據轉換、數據離散化、數據規范化等功能。

1.2 發掘重點客戶 忠誠度高的客戶和忠誠度低的客戶都屬于重點客戶的范疇。而客戶關系管理理論中的2/8原則告訴我們：80%利潤來自20%客戶，因此不僅要緊緊抓住老客戶、繼續保持老客戶的忠誠度，而且還要積極促成那些非忠誠客戶轉變為忠誠客戶。為了達到這一目的，該系統通過利用數據挖掘中的孤立點分析技術，使得這些客戶可以從龐大的數據集中被有效識別出來。

1.3 客戶忠誠程度預測 從客戶關系數據庫中提取相關客戶信息，在充分考慮到各種主客觀因素的前提下，采用回歸分析和分類分析等方法預測客戶忠誠度變化的趨勢，為決策者提供市場分析參考，以便于采取有針對性的措施，留住更多的客戶。

統機構如圖1。

2 客戶忠誠度預測模塊的實現

該模塊的主要作用是通過分析研究客戶關系數據集中客戶信息，實現對客戶忠誠度變化趨勢的預測。在技術運用上，主要采用了數據挖掘中的分類和回歸技術。在分類預測算法的運用中，需要通過訓練集建立分類模型，然后用該模型進行預測并得出結果。

下面我們以某一客戶關系數據來詳細介紹客戶忠誠度預測模塊的實現過程。

我們從客戶編碼表、客戶訂單提報表、訂單商流確認表和訂單銷售發票表等與客戶有關的資料中，選取了兩項——客戶編碼表和客戶訂單提報表作為分析的數據源。這兩項數據資料不僅反映了客戶的相關信息，而且也反映出了客戶的購買意圖，對于客戶忠誠度的分析有很大作用。下面將從數據預處理和客戶忠誠度預測等方面對上述兩項數據資料進行分析。

2.1 數據的選取 客戶訂單提報表內容包括：訂單號、訂單類型、工貿、客戶編碼、存貨類型、產品編碼、會計期、會計周、市場經理編碼、型號經理編碼、提報數量、訂貨數量、減庫存數量、提報日期、要貨日期、狀態、唯一標識、產地、類別、單價等20個屬性。為了從中得出有效的客戶信息，需要通過查詢每位客戶的所有訂單，計算得出其訂貨次數、訂貨金額的數據信息。

訂貨次數（order count）：指在某一時間段內，客戶所下訂單的數目。考慮到訂貨次數在10次以下的客戶以一次性客戶居多，針對這一群體討論客戶忠誠的意義不大，因此我們在這里只將訂貨次數大于等于10次的客戶納入到研究范圍中來。

訂貨金額（order product count）：指在某一時間段內客戶每一次訂貨的金額，其計算方式為：訂貨數量×單價。

客戶編碼表內容包含：Email，客戶編碼，傳真，地址，電話，客戶級別，簡稱，建檔日期，開戶行，客戶類別，客戶全稱，客戶狀態，聯系部門，聯系人，市場級別，稅號，所屬客戶，所屬區域，網址，信用額度，信用期限，信用商場，郵編，賬號，主管業務員，特殊標識，網點性質，審核，部門編碼，銷售能力等30個屬性。

從客戶編碼表中，我們可以得出客戶建檔日期的信息。建檔時間（make date）可以告訴我們客戶與企業的合作時間，通過對這一數據進行分析，我們可以得出某一客戶的忠誠度信息。讓Datediff（date1，date2）表示date1與date2之間的天數，建檔時間可表示為：

Datediff（min（make date），max（make date））

接下來就可以得到訂貨周期的信息，并對其進行規范化處理。計算方式為：訂貨周期=建檔時間÷訂貨次數。

除此之外，在客戶編碼表中，我們還可以得到客戶編碼，客戶級別，市場級別，信用額度，銷售能力等信息。

客戶級別：通過聚類分析模塊或有經驗業務員的劃分，我們可以判斷客戶的級別，即對方是大客戶還是小客戶。

市場級別：調研人員對客戶所在地區進行市場調查所得出的該地區商品的飽和度。

信用額度：代表客戶的信譽度。

銷售能力：客戶每個月的銷售金額。

2.2 數據的處理 選定屬性后，按照具體分類分析的規則進行數據處理。基于預測客戶忠誠度的功能要求，因此需要參照現有屬性來構造一個新的屬性，以期將客戶購買能力變化趨勢客觀的反映出來。基于上述原因，設計人員還需要全面分析訂貨金額等信息。筆者取一個客戶的購買情況作為典型案例，來具體闡明客戶購買能力變化趨勢屬性的構造，經過數次循環也能夠獲取其余客戶的購買能力的屬性。

在選定的屬性分析案例中，基于客戶級別、銷售能力和市場級別對客戶訂貨金額的影響，所以采用三元線性回歸建立模型：yi=？茁0+？茁1xi1+？茁2xi2+？茁3xi3，i=1，2，…，n。 （1）

其中：yi代表客戶每一次的訂貨金額，

xi1，xi2，xi3分別代表客戶每一次訂貨時的當時的售貨能力、市場級別和客戶級別。

？茁0、？茁1、？茁2、？茁3為回歸系數。

n為客戶的訂貨次數。

為了求得回歸系數？茁0、？茁1、？茁2、？茁3，我們建立以下方程組

l11？茁1+l12？茁2+l13？茁3=l1yl21？茁1+l22？茁2+l23？茁3=l2yl31？茁1+l32？茁2+l33？茁3=l3y（2）

首先求出各個因子的均值：

■■=■∑xi1，■2=■∑xi2，■3=■∑xi3，■=■∑yi

然后求出各乘積和∑xiuxiv，∑xiuyi，∑y■■之值，并由此進一步求出各luv，luy，lyy：

l11=∑x■■-n■■■，l22=∑x■■-n■■■，l33=∑x■■-n■■■

l21=l12=∑xi1xi2-n■■■■，

l31=l13=∑xi1xi3-n■■■■，

l32=l23=∑xi2xi3-n■■■■，

l1y=∑xi1yi-n■■■，l2y=∑xi2yi-n■■■，l3y=∑xi3yi-n■3■

lyy=∑y■■-n■■，

代入（2），然后解方程組得：？茁1、？茁2、？茁3。

再由？茁0=■-？茁1■1-？茁2■2-？茁3■3求得？茁0。

把回歸系數？茁0、？茁1、？茁2、？茁3代入（1）得出回歸方程。再合理套用回歸方程來分析某一客戶數據，就可以分析出該客戶購買能力的變化趨勢。按照慣例，客戶購買能力具體表現為增、減、無變化三種變化趨勢，據此便能夠得出反映客戶購買能力變化趨勢的屬性。圖2為通過回歸分析得到的一個客戶的購買能力變化趨勢。

上圖2反映了某一客戶25個月以內購買能力的變化趨勢。圖中，“客戶實際購買能力（即訂貨金額）”為藍色曲線，客戶的購買能力變化趨勢為紅色曲線。通過該圖表的分析得知，該客戶的購買能力變化趨勢屬性呈增加趨勢，基于此，我們構造了該客戶購買能力的變化趨勢屬性，再將屬性分析循環套用到所有客戶數據中，繪制出一個變化趨勢圖，由此得到一個反映每個客戶購買能力的變化趨勢（詳見圖3）。

圖3中，第二列就是構造出的客戶購買能力變化趨勢屬性。其中，0表示趨勢是不變的，1表示趨勢是增加的，2表示減少。

2.3 訓練集的選取 首先預測客戶類別，找出與預測模型相符的訓練數據，我們可以按照下列方法來選定合適的訓練集：①根據試驗數據選定相應類別的訓練集。可以從客戶數據庫內選定一部分數據進行試驗，將產品資料發送給這些客戶，并將做出回應的客戶名單收集起來，基于推銷回應記錄建立一個模型，客觀反映出對所推銷產品感興趣的客戶類型，再以該模型數據為依據對所有客戶類型進行分析；②若無法通過試驗確定數據類別，則先通過數據聚類，并對數據進行人工篩選最終確定合適的訓練集。我們無法通過試驗來判定客戶忠誠度，唯一的辦法就是借助人力來分析判定，因此，先采用客戶忠誠度分析系統的聚類分析，再選定所聚簇中的數據組成訓練集。

所謂聚類分析，實際是前期設計組建的模型。訓練集為客戶數據中的5000條記錄，我們通過聚類分析得出以下結論：第一個簇中數據對象為3101個，這是數據集中包含最多的模式，說明客戶忠誠度未發生增減的變化；第二個簇的數據對象為50個，客戶購買能力呈增加的變化趨勢，而且大都在初期建檔，訂貨周期也短，因此客戶忠誠度較高；第三個簇的數據對象為1264個，該簇中的數據對象情況大致等同于第二個簇，客戶購買能力呈增加趨勢。與第二個簇相比，第三個簇的建檔時間和訂貨周期都不及第二個簇，客戶忠誠度增加的趨勢不明顯，但都屬于客戶忠誠度增加的范疇；第四個簇的數據對象為585個，客戶購買能力變化呈遞減的趨勢，而且相比于第二個簇和第三個簇，它的數據對象的訂貨周期較長，大部分在后期建檔，因此客戶忠誠度呈顯著下降的趨勢。

2.4 客戶忠誠度預測 預測客戶忠誠度的技術是基于客戶忠誠度分析系統中的預測分析功能，通過分類分析中CART分類器來預測客戶忠誠度。

先將記錄集作為一個根結點，按照雜度削減最大的設計要求把根節點分割成左節點和右節點兩個部分，再參照上文所述的方法步驟進行遞歸處理，當節點變成純潔點，或者當節點記錄數低于額定值，抑或將所有屬性分割完畢，才視為建樹完畢。

輸入：決策樹根節點

輸出：建立的決策樹

算法：

建立根節點的ID鏈表和屬性表，置所有屬性為可用的

將root節點壓入棧stack1中；

While （stack1不空）

while （stack1的棧頂節點不滿足結束條件）

對stack1的棧頂節點進行分裂，并建立該節點的左子樹并壓入stack1；

同時將分裂信息壓入stack2；

標記stack1的棧頂節點為葉結點，并將其從棧中彈出；

if （stack1和stack2不空）

將stack1和stack2的棧頂節點彈出；

利用從stack2中彈出的節點信息建立從stack1中彈出節點的右子樹，同時壓入stack1；

在噪音數據的干擾下，大部分由建樹階段生成的決策樹都存在過度擬合的現象，也就是說這個決策樹具有準確分類處理給定訓練集的相關記錄的能力，但是如果有新數據引入，就無法保證其數據處理的精準度，需要在建樹完成以后作進一步修剪：

輸入：決策樹，代價矩陣和樣本記錄

輸出：修剪后的決策樹T1

算法：

while （修剪還可以進行）

將root節點壓入棧中；

while （棧不空）

while （棧頂節點不為葉節點）

if （棧頂節點的代價與其左右子節點的代價相等）

調用freetreemem釋放其左右子樹所占的內存，并置為葉節點；

break；

else 將棧頂節點的左子樹壓入棧中

if （棧不空&&棧頂節點為葉節點） 將棧頂節點彈出；

if （棧不空） 將棧頂節點彈出并將其右子樹壓棧；

修剪時，應該將最小代價的節點（一般為多個）一次性剪去，將節點以數組t的形式存在于prune中。可能有一部分節點是另一部分節點的父節點，如果將父節點的子樹一并剪掉，那么子節點的子樹也會被剪掉。所以修剪前，我們應該仔細判定一個節點是不是另一個節點的父節點的函數IsAncestor，同時用flag數組來指明需要修剪掉的節點，flag[i]=1表明該節點為某節點的子節點，在剪枝時，只需剪掉flag[i]=0的節點。

運行結果如圖4。

在圖4中，“1”、“2”、“0”分別表示忠誠度增加、忠誠度減少和忠誠度不變三種變化趨勢，在“忠誠度變化趨勢”的數列中，“0”出現的次數較多，說明客戶忠誠度比較穩定；出現“1”的變化趨勢，說明客戶忠誠度有所增加，這是基于未來發展潛力來說的；出現“2”的變化趨勢說明客戶忠誠度呈下降的趨勢，其原因有兩點，一是客戶本身購買意向的轉變，二是行業競爭激烈，可能客戶選擇了更為優惠的政策。

3 總結與展望

文章從客戶忠誠度的概念入手，深入探究了客戶忠誠度變化趨勢及其重要意義，并對系統功能進行了詳細的說明；同時，取某一客戶忠誠度作為案例進行分析，對客戶忠誠度分析數據的選定及處理進行了具體說明，以此來準確預測客戶忠誠度的變化趨勢。筆者通過聚類分析的方式將所調查的客戶數據進行了歸類分析，再由各類數據中選定數據對象組成訓練集，以此來證明客戶忠誠度分析系統的實用性。

目前，客戶忠誠度分析系統的某些功能還有待完善：①采用回歸分析構造客戶購買能力變化趨勢時，只能夠使用線性回歸，而對于有些成非線性趨勢的屬性還不能處理，如對數回歸等；②客戶忠誠度分析數據的選取問題。針對不同的客戶數據，辨明客戶關系數據。客戶忠誠度分析數據的選定及處理的方法流程對最終客戶忠誠度分析結果至關重要，目前這方面的技術研究尚待完善。

參考文獻：

篇（10）

1、引言

客運專線無碴軌道對路基、橋涵、隧道等線下工程的工后沉降要求嚴格、標準高,設計中對土質路基、橋梁墩臺基礎等均進行了沉降變形計算,采取了相應的設計措施。而影響沉降計算的因素較多,沉降計算的精度不足以控制無碴軌道工后沉降。施工期必須按設計要求進行系統的沉降變形動態觀測。通過對沉降觀測數據系統綜合分析評估,驗證或調整設計措施,使路基、橋涵、隧道工程達到規定的變形控制要求。分析、推算出最終沉降量和工后沉降,合理確定無碴軌道開始鋪設時間,確保客運專線無碴軌道結構鋪設質量。

2、基準點的布設

沉降觀測測量點分為基準點、工作基點和沉降觀測點。在八棵樹特大橋設計單位布設3個基準點,基準點設在沉降影響范圍以外便于長期保存的穩定位置。

3、沉降觀測點的布設

由于客運專線無碴軌道對結構變形要求較高,根據無碴軌道下部結構的實際變形,及時調整觀測措施,以滿足無碴軌道設計安裝精度要求。八棵樹特大橋沉降觀測點的布設的位置如下:墩臺基礎施工完成在承臺四角設置觀測點,墩臺砼施工后在墩臺身左右兩側各設一個觀測點(由承臺轉移至墩身上距地面0.5m左右,便于觀測)。

4.測量精度要求

4.1工作基點測量

八棵樹特大橋沉降觀測按變形測量等級“二等”要求設計。因此工作基點網按一等水準測量要求施測(《客運專線無碴軌道鐵路工程測量暫行規定》),主要技術要求為:

相鄰工作基點高差中誤差1.0mm

每站高差中誤差0.3mm

往返較差、符合或環線閉合差≤0.6 mm(n為測站數)

監測已測高差較差≤0.8 mm(n為測站數)

4.2沉降點測量

按《客運專線無碴軌道鐵路工程測量暫行規定》中的二等變形測量等級需按一等水準測量要求施測,主要技術要求為:

高程中誤差≤±1.0mm

相鄰點高差中誤差≤±0.5mm

往返較差、符合或環線閉合差≤0.6 mm(n為測站數)

5、水準工作基點及沉降觀測點的測量

5.1測量儀器

八棵樹特大橋的工作基點和沉降觀測點觀測所使用的儀器是德國Trimble DINI12電子水準儀,其望遠鏡放大率為32倍,圓氣泡靈敏度10//2mm,標尺用德國Trimble公司配套的3m銦瓦尺。水準標尺為偽機條碼,電子水準儀自動識別并存儲數據,最小讀數為0.01mm。采用兩個2.5kg的尺墊作為轉點尺承,儀器和標尺均送檢定單位進行檢驗,觀測前均按規范進行常規的檢查。

5.2觀測方法

觀測采用中絲讀數法,按“后、前、前、后”的觀測順序對每一路線進行往返觀測,視線高度及測站的觀測限差均按規范進行,電子水準儀自動識別讀數并存儲標尺讀數。該電子水準儀自動記錄程序能很好滿足二等水準測量限差。

5.3工作基點網測量

八棵樹特大橋工作基點網由CPI167、CPI168 、CP080三個水準基點構成兩個符合水準導線,工作基點間距沿橋向200m左右布設,測量按“后、前、前、后”的觀測順序進行,計算采用日本賓得TIP ADJ2.0平差軟件進行嚴密平差。

5.4沉降觀測點的測量

八棵樹特大橋沉降觀測根據施工進度及沉降觀測的要求目前已經完成了架梁前階段沉降觀測任務,對此將此墩的沉降觀測進行分析。測量按“后、前、前、后”的觀測順序進行。每次沉降觀測作業,采用相同的圖形或觀測路線和觀測方法,使用同一儀器和設備,固定的觀測人員,在基本相同的環境和觀測條件下工作。根據施工情況,觀測時間定在早上5:00至9:00左右進行。每個橋墩觀測采用往返測,并滿足規范要求。

八棵樹特大橋的25號墩沉降觀測精度見下表(表5.4-1)

八棵樹特大橋25號墩沉降觀測精度統計表表5.4-1橋名及墩位 八棵樹特大橋25號墩 橋名及墩位

從表中結果可見,八棵樹特大橋架梁前橋墩的沉降觀測成果符合預計的精度要求。

6、沉降觀測點的數據分析

橋涵基礎沉降分析評估采用曲線回歸法。沉降觀測按要求分架梁前、后兩階段進行。根據橋梁墩臺實際荷載情況及觀測數據,采取多個階段的回歸分析及預測,綜合確定沉降變形的趨勢,曲線回歸的相關系數不低于0.92。預測時間的確定,對于八棵樹特大橋樁基礎采用摩擦樁按柱樁設計,按設計要求采用兩次預測的方法,兩次預測的時間間隔不少于30天,首次回歸分析時不少于30天。兩次回歸結果預測的最終沉降的差值不大于8mm,可判定沉降滿足無碴軌道的架梁條件。架梁前進行觀測,架梁后至鋪軌前按要求進行觀測,沉降預測的時間間隔滿足以下條件:

式中:

S(t):預測時的沉降觀測值;

: 預測的最終沉降值。

設計預測的總沉降量與通過實測資料預測的總沉降量之差不宜大于10mm。鋪設無碴軌道技術條件的評定,處于巖石地基等良好地質的橋涵,如八棵樹特大橋摩擦樁基礎,當墩臺沉降值趨于穩定且沉降量不大于5mm時,可判定沉降滿足無碴軌道鋪設條件。

7、結束語

通過對橋涵的施工全過程沉降觀測,數據的科學分析,判定沉降滿足無碴軌道鋪設時間,是客運專線無碴軌道成功與否的關鍵之一,對客運專線無碴軌道有著重要意義。

參考文獻:

篇（11）

一、目前小學美術教學過程中出現的一些問題。

1、教學理念比較傳統保守，創新不夠。雖然目前美術新課程標準已經開始實施，但是在小學美術課程的教學過程中，還有一些教師仍然還沿用傳統的教育理念，沒有結合新課程標準進行改進，師生之間沒有建立和諧的關系，在美術的學習過程中，小學生和美術教師之間有很大的心理距離，缺乏向師性，直接影響了小學生學習美術的興趣。小學美術學科的傳統理念，嚴重制約了美術課程教學的創新和發展。

2、小美術教學研究中形式主義比較嚴重。受應試教育的影響，大部分的學校，語文、數學等學科占教育活動的主體，而自然、體育、美術等不考試的科目，平時組織教研活動的機會非常的少，甚至有的學校根本沒有，教研活動只是形式，教研活動的作用根本沒有得到發揮，嚴重影響了美術教學課程的創新和改革。

3、在教學過程中，學生不是主體地位。傳統的教學模式比較保守，主要是以灌輸的模式進行教學，對知識的講解占主要部分，技能示范訓練的機會很少。小學生們得不到充分的訓練，只是被動的聽，被動的接受枯燥的理論知識，根本沒有參與到美術活動中來，對美術的興趣無法激發，學生沒有成為美術學習過程中的主體。

4、美術活動得不到充分的拓展，拓展空間不足。一部分教師只將美術教學活動限制于課堂之內，美術課外活動的作用根本得不到充分的發揮，美術教育資源嚴重缺乏實際運用和整合，學生對美術的愛好和興趣得不到充分的滿足。

5、現代教學手段沒有充分的運用到美術教學過程中。目前隨著信息技術的快速發展，在小學各門學科的教學過程中，以多媒體為代表的信息化手段得到了廣泛的應用，但是有一部分美術老師，在美術教學過程中運用得非常的少，在實際的課堂應用中，沒有與教學的難度和重點進行有效的結合。

二、新課程改革背景下，全面推進小學美術課程教學的具體方法。

1、小學美術教學理念要創新，師生關系要準確定位。小學生已經具備了一定水平的思維能力，小學美術教師應該為小學生營造良好的學習氛圍，和諧的師生關系在美術課堂教學中非常的重要，可以有效促進教學活動的順利進行。需要注意的是，在美術課堂教學中，教師一定要多多關愛小學生，在美術課堂教學過程中一定要注意態度和語氣，減少學生對教師的畏懼心理，使學生積極主動的參與到美術的學習中。

2、重視美術學科教育活動的開展，緊扣工作的重心。提高美術教師的綜合專業水平和崗位職能的有效途徑，就是開展有效的教育活動，學校的領導層要提高對美術教研活動的重視，大力抓好美術這一學科的教學工作。提高美術教研活動的實效性，不能是是形式，將美術教研工作納入學校整體教學規劃，做好每周、每月、每學期的美術教學計劃。教研活動可以采用各種各樣的途徑進行開展，使美術課堂生動豐富，美術理論與實際有效的結合起來。

3、給學生提供足夠的空間，引導小學生自主學習。在小學美術的教學過程中，美術教師應該為學生提供更多的實踐空間，比如可以用投影儀展示美術作品，小學生們可以從不同的角度對作品的色彩和意境進行感受和分析，及時的鼓勵小學生們勇敢的說出自己獨特的看法和觀點，分小組進行討論、研究，并介紹自己的收獲，在出現技能教學時，教師應該及時的給予點評，并給予學生們創新的機會，在作品制作和設計的過程中充分的培養學生的創新能力和想象能力，提高學生的親自手操作能力，創新思維，使小學生成為美術教學過程中的主體。

4、廣泛開展美術的拓展活動，培養學生對美術的愛好和興趣。美術的課堂教學完成以后，美術教師應該開展多種多樣的與美術有關的課外活動。美術教師結合小學生對美術的興趣和愛好，參考學生的實際情況，將學生分成不同的小組，進而組建興趣小組，使學生能夠積極主動的參與豐富多彩的美術活動中去。教師應該對教育資源進行有效的整合，對于各種美術作品展覽教師可以多組織學生參觀，使小學生們能夠近距離的接觸優秀的作品，參觀的同時能夠充分的感受到美術獨特的魅力，更好的激發學生對美術的學習興趣。對于長大后想從事美術專業的學生，美術教師應該為其制度有符合自身的訓練計劃，給這樣的學生提供相關的特長訓練，因材施教，循序漸進的培養，美術學科的發展，有利的促進小學生們綜合素質的發揮。