时间:2022-03-23 23:53:58
引言:寻求写作上的突破?我们特意为您精选了12篇极课大数据范文,希望这些范文能够成为您写作时的参考,帮助您的文章更加丰富和深入。
一、极课大数据及教学应用研究的倡导
《国家中长期教育改革和发展规划纲要(2010―2020年)》对信息技术高度定位,指出“信息技术对教育发展具有革命性影响,必须予以高度重视”;对教师应用信息技术提出要求,“强化信息技术应用,提高教师应用信息技术水平,更新教学观念,改进教学方法,提高教学效果”;对学生应用信息技术提出要求,“鼓励学生利用信息手段主动学习、自主学习,增强运用信息技术分析解决问题能力”。《国家教育事业发展第十二个五年规划》指出,“强化学校质量主体意识,加强自我评价,完善质量内控机制,推动学校教学基本数据信息库建设”。
世界著名数据科学家维克托・迈尔・舍恩伯格教授在《与大数据同行:学习与教育的未来》一书中,通过生动的故事、大量的证据,运用高瞻远瞩的教育家视野,阐明了对大数据时代教育变革的深刻理解。近年来,世界各国的教育改革都倡导针对学生个体差异实施个性化教学,力争做到像医学一样,根据学生的学习行为大数据来调整教学策略。在课堂教学中采用基于证据的教学,这也一直是人们对未来教育的追求。
在高中教学中,作业批改、单元练习、大型考试等过程性评价或K结性评价都会产生大量数据,这些数据的保存、分类、分析和利用对实施精准教学至关重要。由于面广量大,数据保存和利用的难度很大,这使得教师对学生个体的认识停留在短时记忆层面,缺乏对学生个体的跟踪分析,不利于有效地开展个性化教学、差异性教学,达不到因材施教的目的。此时,通过研发和应用极课大数据技术,对高中教与学过程中的海量信息,特别是作业和测试等形成性评价进行专业常态化处理,快速形成计分电子表格、错题本、诊断报告、个性化学习包、学业信息档案、学科内容评价报告单等,进一步形成相关增值方案,探索新型的课堂形态和教学范式,促进教学理念、方式和评价机制的创新,促进学生的学业进步和生命发展,提升教师的学科素养和专业技术,推动素质教育的高位均衡发展。
跨入21世纪,我校积极推进和深化高中课程改革,全力将信息技术与课程整合,着力推进创新智慧校园和教学方式变革,优化课堂形态,增强教学成效,坚持走优质特色发展之路。
现在,随着全社会移动终端的普及、云计算服务的发展、大数据分析技术的突破,基于学生行为大数据分析的教学,在梅村高中正逐步变成现实。
二、极课大数据及教学应用研究的实施
2010年,梅村高中着手规划高中生学业成就诊断与评价改革的研究;2011年,“高中生学业成就诊断与评价改革的行动研究”课题正式立项,并被批准为江苏省教育科学“十二五”规划立项课题;2011年2月,学校的“学生在线学习平台”被评为无锡市信息化优秀项目;2012年,学校成为江苏省百所e学习试点实验学校。江苏省现代教育技术研究“十二五”规划2012年度课题“基于数字化校园自主学习和有效教学的理论与实践研究”的研究成果,被评为2014年度江苏省现代教育技术应用研究优秀研究成果一等奖。2015年,学校被江苏省教育厅评为省普通高中技术教育与STEM体验课程基地。
2015年初,教师云办公模式系统投入现实使用,解决了基础教育阶段学生学业常态化数据采集的瓶颈问题。通过对“十五”的课题“理化学科与信息技术整合”,“十一五”的全国教育技术课题“数字化校园的应用研究”,“十二五”的省现代教育技术课题“基于数字化校园自主学习与有效教学的理论与实践研究”、江苏省教育科学“十二五”2011年度规划课题“普通高中生学业成就诊断与评价改革的行动研究”等课题的研究,形成了极课大数据的思想与灵魂,促进了极课大数据的不断完善和深入研究。
极课大数据技术支持的大数据采集,通过高速阅卷仪,将学生的学业信息快速进行识别并传输到云端,经过相关的运算,形成各类数据报表。教师通过数据反馈,有针对性地设计学生作业、测试及练习题,并做有效性分析,了解学生个体的阶段学习情况,分析其知识缺陷并提出专一的纠错方案,持续关注某一位学生或一个班级的错题流变和学业发展,对学生的能力(学习策略、知识掌握程度、学习专注度等方面)进行评测,诊断学生的学习变化趋势。通过采集学生的各种学业信息,应用科学的考试分析方法,对照课程标准,诊断和评价学生的学业优势与不足,促使学校真正实现因材施教,有效促进学生的发展。
目前极课大数据技术已经投入到高中所有学科的教学,并开始在初中和小学开展探索性科研实践,极课大数据技术及教学应用研究在全国基础教育界产生了广泛的专业影响。
三、极课大数据及教学应用研究的推广
结合普通高中课程标准,学校教师立足教育教学实践,对极课大数据技术开展了广泛的研究,有数十篇高质量的或获奖。极课大数据技术及教学应用在我校得到广泛实践,成效显著,同时得到了技术专家和教学专家的肯定,获得了各级教育行政单位和学校领导的支持。极课大数据技术及教学应用已辐射省内外三百多所学校。
2013年12月5日,北京市教育考试院张警鹏研究员观察了极课大数据技术,作了《考试评价与学业诊断》的学术培训报告。
2014年10月,北京十一学校的考察团专程来到梅村高中,就“高中生学业成就诊断与评价改革的研究”课题进行考察和学习。
2014年11月20日,全国普通高中多样化发展与考试制度改革研讨会在山东省聊城市召开,我校领导作《大数据在普通高中的形成与应用》专题报告,与会专家和代表对报告给予了高度评价。
2015年1月15日,无锡市教育局在我校成功举办了普通高中优质特色发展会,学校领导介绍了利用极课大数据实施精准化教学的情况,引起兄弟学校的高度关注。华东师范大学戚业国教授评价我校时说道,“注重信息技术引领的多样特色发展具有意义,体现方向;有效的学习诊断系统是值得高度关注的”。江苏省教育学会中学数学教学专委会召开2015年学术年会,作了《基于大数据分析,实施个性化教学》主题报告,介绍了高中数学教育改革创新实践的成果。
2015年7月7日,学校成功举办“首届基础教育阶段大数据的形成与应用”研讨会,来自全国的三百多位教师参与了研讨交流。
2015年7月11日,第六届全球华人探究学习创新应用大会召开,我校领导作了《基于大数据分析,实施个性化教学―极课介绍》学术报告。
现今世界,利用大数据技术打造指引行业发展的风向标,已成为各行业向智能经济发展迈出的重要步伐。然而,当前大数据专业人才极其短缺。我校肩负着服务武陵山片区区域发展与扶贫攻坚国家战略的使命,承担着为西部地区培养优秀工程技术人才的重任。近年 来,我校紧跟以人工智能、大数据技术为代表的新科技发展步伐,积极推进新工科建设,成为首批30所入围数据中国“百校工程”项目建设院校之一[1],新获批的“数据科学与大数据技术”专业(以下简称大数据专业)于2018年开始招生。如何根据时代需求办好大数据新专业,以培养具有大数据思维、掌握大数据分析应用技术的高层次人才是我校面临的一个新挑战。大数据专业实践类课程教学是体现该专业办学质量和人才培养水平的重要标志。如何利用先进教学理念提高该类课程的教学质量和人才培养水平,是我校大数据专业建设 过程中必须重视的问题。本研究立足于我校大数据专业建设的实际需求,探究基于CDIO理念的大数据专业实践类课程教学设计模式。本研究的实施,将为我校创新型工程教育改革探索道路,不仅有利于提升我校大数据专业实践类课程的教学质量,也将对其他工科课程教 学改革起到一定的指导和借鉴作用。
1 CDIO工程教育模式的发展及内涵
上世纪80年代起,工程人才短缺和高等院校工程教育低质量之间的矛盾日益突出,产业对工程教育改革的呼声不断高涨。1986年,美国的工程教育学会、国家研究委员会和国家工程院等机构开始探索工程教育改革之路。2000年,麻省理工学院和瑞典皇家工学院等四 所大学组成的跨国研究机构,正式启动CDIO教育改革计划,在广泛调研和大量实践研究的基础上,制定了CDIO教学大纲[2]。2004年,CDIO工程教育模式创立,并开始向世界各国推广。2005年,瑞典国家高教署建立了CDIO的12条新标准,并将之用于对本国100个工程学位 计划进行评估[3]。迄今为止,包括麻省理工学院在内的丹麦、南非、法国、新加坡、中国等国家的几十所世界著名大学加入了CDIO国际组织。这些学校的多个工科院系在教学中借鉴和采纳了CDIO工程教育理念,取得了良好的效果。目前,CDIO已成为国内外高校工程教育改革和培养体系制定等领域研究和实践的热点。实践表明,CDIO教育模式不但能提高学生团队协作能力、综合解决问题能力,而且在学生创新能力培养方面效果显著。据文献[4-5],CDIO工程教育模式自2005年开始引入我国。2006年,汕头大学成为中国高校中的首个CDIO成员。2008年12月,教育部高教司理工处联合汕头大学主办了CDIO工程教育模式试点工作会议,成立“教育部CDIO工程教育改革试点工作组”,确定了18所高校及相关专业(机械类、电气类、化工类、土木类)为国内首批CDIO试点。工作组每年举办两次全国性的会议, 对CDIO试点工作进行交流、研讨和总结,并通过CDIO培训班为全国高校实施CDIO教育培养骨干人才。2016年1月,“全国CDIO工程教育联盟”成立。至今已有100余所高校加入联盟。这些高校的部分工科专业采用CDIO工程教育模式教学,培养出来的学生深受社会与企业欢 迎。当前,在联盟全体成员的共同努力下,我国高校积累了一系列改革经验与成果,在基于CDIO理念建立专业培养标准,构建一体化课程体系,实施基于项目/问题、探究式等主动教与学方法等方面都取得了显著进步,有效推进了CDIO的本土化与再创新。近年来,国内CDIO的研究趋势从CDIO教育模式、教学体系等宏观的主题向具体的课程教学改革、课程建设等更深更细的方向发展,诸多教师在教学实践中尝试了采用CDIO理念进行课程教学改革的研究与探索[6-10]。CDIO工程教育模式是国际创新型工程教育改革的最新成果,体现了系统 性、科学性和先进性的统一,代表了当代工程教育的发展趋势。该模式以产品研发到产品运行的生命周期为载体,让学生以主动的、实践的、课程之间有机联系的方式进行工程学习。CDIO的4个字母代表Conceive(构思)、Design(设计)、Imple⁃ment(实现)和Operate(运作)四个单词。CDIO主要包括三个核心文件[11]:1个愿景、1个大纲和12条标准。CDIO愿景提供了一种强调工程基础的、建立在真实世界的产品和系统的“构思-设计-实现-运行”的CDIO过程背景环境基础上的工程教育。CDIO大纲从技术知识和推理能力、个 人职业技能和职业道德、人际交往技能、企业和社会的构思-设计-实施-运行(CDIO)系统四个方面,以逐级细化的方式,将工程师需具备的工程基础知识、个人能力、人际团队能力和整个CDIO全过程能力表达出来,要求用综合的培养方式使学生在工程基础知识、个人能力、人际团队能力和工程系统能力四个层面达到预定目标。CDIO的12条标准[12]涉及到专业哲学(标准1)、课程计划开发(标准2-4)、设计实现经验和实践场所(标准5-6)、教与学的方法(标准7-8)、教师发展(标准9-10)、学生考核与专业评估(标准11-12),回答了工程教育“如何培养人”的问题,使得工程教育改革变得具体化、可操作和可测量,能够对整个教育模式的实施和检验起到系统全面的指引作用,对学生的学和教师的教都具有重要指导意义。
2 CDIO理念下大数据专业实践类课程教学设计的思路与策略
2.1 设计思路
大数据专业实践类课程教学是培养学生运用理论知识、科学方法和技术技能去解决大数据工程实际问题并进行科技创新的实践能力的重要环节。目前,我校大数据专业实践类课程教学组织方式通常以项目为单位设计,重视对学生解决实际问题(主要是项目涉及到的 具体问题)的能力,但不关注学生在整个项目周期中知识、能力、态度等的变化情况,无法全面覆盖技术性与非技术性能力的培养目标。CDIO理念要求培养出来的学生必须在工程基础知识、个人能力、人际团队能力和工程系统能力四个层面都达到预定目标。CDIO教育模 式强调一体化与参与性,促使学生在项目研发到项目运行的整个项目周期中进行锻炼与思考,课程教学不仅要关注学生学到的学科知识,更要关注学生能力、素质的提升情况。显然,CDIO理念下大数据专业实践类课程教学设计应强调“知识与能力”并重,紧扣CDIO大纲 和CDIO标准,进行教学大纲和教学组织方式的设计,并设置以“学习评估为中心”的多样化考核方式。
2.2 设计策略
教学大纲方面,本研究尝试结合大数据类专业培养目标,依据CDIO大纲,对大数据专业实践类课程教学大纲进行设计:依据CDIO大纲的主题和条目组织课程大纲结构,并明确描述与期望能力要求相对应的课程学习目标。教学组织方式方面,本研究尝试在大数据专业 实践类课程教学中以“做中学”为依托,将整个课程教学安排以项目为载体,针对每个项目为学生提供“构思-设计-实施-运行”的流程,并将实践所需知识、能力、素质等培养目标围绕项目这个核心融入教学实践中,让学生的整个学习过程变成对一个个项目的完整实践过程。教学考核方面,本研究尝试匹配CDIO大纲的能力目标,具体根据课程概念及原理性知识的理解、技能掌握、设计—实现经验获取、分析及解决问题能力、交流表达能力和综合实践能力等类别的学习效果的评估需要,在大数据专业实践类课程教学考核方式设置时, 对不同类别的学习效果设计不同的考核方式。
3 CDIO理念下的大数据专业实践类课程教学设计模式
3.1 教学大纲框架设计
基于CDIO理念的教学大纲需要对融合了知识、能力、态度的学习效果进行准确描述,并清晰指明该课程整体及每一节课对学生所需学习的内容和所需掌握的能力要求。依据CDIO大纲中关于个人能力、职业素养等方面的培养要求,本研究将大数据专业实践类课程教学 大纲框架设计为如表1形式。
3.2 教学组织方式设计
如何在实践教学组织中体现CDIO教育理念是实施CDIO教学的基础[13]。本研究基于CDIO理念将大数据专业实践类课程教学组织方式设计为如图1所示的“理论讲授-任务布置-项目构思-项目设计-项目实施-项目运行”六个环节构成的有机体。让学生在参与项目的构思 、设计、实施、运行这四个环节的活动中逐渐形成较完整的系统思维。
3.3 考核方式设置
doi:10.3969/j.issn.1673 - 0194.2017.06.162
[中图分类号]G642.0 [文献标识码]A [文章编号]1673-0194(2017)06-0-02
0 引 言
随着计算机互联网、移动互联网、物联网、云计算、社交网络等现代网络新技术突飞猛进的发展,人们通过网络浏览、搜索、购物等行为产生的数据日益增多,致使人们迈入了数据以大量性、多样性、价值性和高速性为特征的大数据时代。在我国,大数据已提升到国家战略的层面,国务院于2015年颁布的《促进大数据发展行动纲要》指出,“深化大数据在各行业创新应用”,在文化、教育等领域全面推广大数据应用和开展大数据应用示范。十八届五中全会通过的“十三五”规划纲要进一步提出了将“实施国家大数据战略,推进数据资源开放共享”。
目前,大数据及大数据技术已经渗透到经济、社会、生活的方方面面,并影响着人们的理念、行为和习惯,其中,本科高等教育也深受影响。随着大稻莸募铀俜⒄梗现代教学技术不断转型升级,出现了慕课、微课、翻转课程等新的教学方法,对传统的本科教学也提出了前所未有的新要求。如何追随大数据时展带来的深刻改革,对教师掌握日新月异的现代教学理念,提高教学效果具有重要的意义。国内已有学者探讨了大数据对应用经济学、国际经济学、财政学、统计学和管理统计学等课程教学的影响及相应的调整策略。尽管刘涛雄和徐晓飞(2015)、姜疆(2016)、申红艳 等(2014)探讨了大数据时代的宏观经济分析,但鲜有文献研究大数据对宏观经济学教学的影响。因此,本文拟在大数据时代探讨宏观经济学本科的教学改革。
1 宏观经济学传统教学模式中的问题
宏观经济学是经济管理类专业中一门承上启下的基础课程,是经济管理类硕士与博士研究生入学考试的必考课程。宏观经济学研究整体经济现象,解释同时影响许多家庭、企业和市场的经济变化,主要考察国民收入的决定与变动、短期的经济波动、长期的经济增长、就业、通货膨胀和国际收支等问题。当前大部分高校的宏观经济学还是采用传统的教学模式,存在诸如注重理论教学、轻实践教学;教学方式单一、学生自主学习意愿不强;考核方式偏向固定化等问题。
1.1 注重理论教学,轻实践教学
宏观经济学是理论性和实践性均比较强的一门基础课程,该课程的理论可以指导解决现实生活中的经济问题和现象。但在传统的教学中,主要以讲授抽象难懂的理论知识为主,如国民收入决定理论模型、IS-LM模型、AD-AS模型等,为了让学生能够理解清楚宏观经济学理论的内涵,任课教师往往会用大量的时间去讲解这些理论知识,尽管在一定程度上有利于学生掌握理论知识,但占据了太多的课堂时间、消耗了教师太多的精力,教师在课堂上基本没有多余的时间和精力区开展实践性教学。
1.2 教学模式单一,学生自主学习意愿不强
大多数高校的宏观经济学仍采用教师课前备课,课堂上讲授教材附带或自作的PPT,课后解答疑难问题单一的传统教学模式。这种教学模式以教师为主体,教师在课堂上讲授的内容是学生获取知识的主要途径,而且教师课堂讲授占据了大部分的课堂时间,留给学生在课堂上讨论的机会和时间并不多,学生在课堂上以被动听讲为主,导致学生自主学习意愿不强,这不利于提高学生提问、探索、思考问题的能力。传统的课堂教学深受时间和空间的限制,教师完全掌握了教学进度,学生基本上按教学大纲进行学习,自主安排学习的空间不多,这不利于激发学生学习的积极性。
1.3 考核方式偏向固定化
传统的宏观经济学考核方式主要以期末考试为主,课程成绩一般按照平时成绩(包括出勤、作业、课堂表现、期中考试成绩等)与期末考试成绩3∶7或4∶6的比例加权平均组成。这种考核方式尽管在一定程度上能够相对客观地检验学生掌握宏观经济学基本概念、原理和规律等内容的情况,但也可能存在教师在试题命题过程中因为没有为主观题和客观题设置合理的比例,而出现学生平时上课不认真听讲,通过考前死记硬背获得高分的问题,未能检验学生运用宏观经济学理论分析并解决问题的能力。传统的考核方式也未对学生的学习态度、实践能力进行考核。
2 大数据时代宏观经济学教学改革的探讨
大数据时代为宏观经济学教学带来了海量的数据和新颖的案例等资料,为宏观经济学课堂教学提供了既丰富又生动的素材,为推进宏观经济学教学改革提供了强有力的保障。在大数据时代,对宏观经济学教学进行改革,可以提高教学效率、激发学生学习兴趣、培养学生独立思考和解决问题的能力,更有利于经济管理类专业学生掌握宏观经济学基础知识,为学习国际经济学、金融经济学、财政学等后续专业课程奠定扎实的基础,并为参加研究生入学、政府机关、金融机构、高校等用人单位的招聘考试做好充分准备。
2.1 形成基于大数据的教学理念
大数据时代要求人们要形成大数据思维,同样,大数据背景下的宏观经济学课程教学改革也需要具备大数据的思维。为了形成基于大数据的教学理念,任课教师要紧紧跟随大数据时展的步伐,积极参加各种运用大数据改进教学的培训、进修,认真学数据时代先进的教学技术和方法,并不断将这些教学技术和方法引入宏观经济学课堂教学中。
2.2 多渠道丰富教学内容
第一,添加大数据时代的海量数据信息资料,丰富教学内容。传统的宏观经济学教学存在理论性较强的问题,在大数据时代,任课教师可辅之以海量数据信息资料来丰富教学内容。与纯粹理论知识教学不同,基于现实经济现象的数据案例教学更加生动有趣,更能激发学生学习的积极性,更有助于学生牢固掌握抽象的宏观经济学理论知识,并提高运用宏观经济学理论分析问题和解决问题的能力。比如,在讲授居民消费价格指数(CPI)时,可分别引入基于扫描数据、网络搜索数据、谷歌趋势(Google Trends)预测CPI等案例分析。宏观经济学课程中,所有章节的内容基本都可以通过互联网查找到大量相关的数据信息资料,利用这些资料可以更新、修订教学大纲、教案和讲义,有利于丰富教学内容,也有助于提高教学效果。
第二,增加运用大数据技术进行宏观经济分析的内容。在经济新常态下,我国经济发展面临着更加错综复杂的国内外形势和更加繁重艰巨的任务,因此,宏观经济决策对宏观经济分析提出了更高的要求。“十三五”规划纲要中指出“完善政策制定和决策机制:注重运用互联网、统计云、大数据技术,提高经济运行信息及时性、全面性和准确性”。因此,在大数据时代的宏观经济学教学改革有必要加入宏观经济分析。
传统的宏观经济分析主要通过对比宏观经济指标、构建宏观经济计量模型、仿真宏观经济动力系统,对宏观经济运行形势及其发展趋势加以判断和预测。大数据时代的数据规模大、类型多,拓宽了宏观经济分析所用数据信息的来源,并提高了数据信息获取的时效性。目前,国内外运用大数据的概念、方法和技术进行宏观经济分析的研究主要集中在宏观经济预测(尤其是现时预测)、宏观经济分析技术、宏观经济政策和宏观经济数据挖掘等领域。
第三,借助大数据时代媒体报道拓宽知识面。在学习教材的基础上,可推荐学生通过互联网;物联网;经济信息联播、经济半小时、经济信息联播等财经类电视节目;《21世o经济报道》《经济观察报》《金融时报》《经济学人》等报纸杂志的财经报道,多渠道关注宏观经济热点问题,拓宽学生的知识面。
2.3 加强实践性教学
培养学生熟练运用宏观经济学理论与方法分析国内外现实生活中的经济问题和现象是宏观经济学教学的目标。因此,任课教师在讲授理论知识和方法的基础上,更应注重实践教学。
大数据时代的宏观经济学本科实践教学,应当以培养学生的主动性和创造性为根本出发点,任课教师可以以宏观经济学理论知识和丰富的大数据资源为基础,结合与大数据相关的课题、论文,将宏观经济领域的研究思想、研究方法、研究前沿引入教学。具体而言,教师可通过引导学生如何观察现实经济问题进行选题,如何结合宏观经济学理论构建数学模型,如何查找和整理文献,如何搜集大样本的宏观经济数据,如何撰写学术论文并加以修改等方式增加研究性教学。鼓励学生积极参与到研究中,使学生在研究过程中不断学习和实践,培养学生独立思考的习惯,提高其研究学习能力。
此外,还可采取“走出去”与“请进来”相结合的战略开展实践性教学。“走出去”是指组织学生到当地的统计局、发改委、经信委等与宏观经济运行紧密相关的政府部门和互联网、金融、电信、零售等应用大数据的企业进行参观学习,加强与这些单位开展深入合作,建立校外实训实习基地,让学生真正参与宏观经济学实践活动。“请进来”是邀请这些单位既熟悉宏观经济学分析,又精通大数据分析的工作人员到学校为学生开展报告、经验交流座谈会。
2.4 采用“以学生为中心”的教学模式
大数据时代的在线教学平台、翻转课堂、微课、慕课,为实现宏观经济学教学模式,由“以教师为中心”转换为“以学生为中心”提供了保障。具体来说,教师可先根据课程标准和教学实践的要求,制作宏观经济学课程教学大纲,接着按照微课、慕课、翻转课堂等教学模式的要求,从学生学习需求的角度出发,将每章节内容制作成PPT、视频、练习题、测试题、讨论题、评分标准等资料,然后将这些资料上传至教学平台,为学生提供丰富的学习资源,也为学生提供更多自主学习的空间,这样学生可随时随地通过在线教学平台进行自主学习。
在线教学平台采用交互式的短视频学习模式,以10分钟左右的片段式多媒体视频为主,并在线完成配套的测试题,让学生在轻松有趣的环境下掌握枯燥无味的宏观经济学原理,有利于激发学生的学习兴趣,提高学习效率。在线教学平台为学生和教师、学生和学生、教师和教师之间搭建了交流平台,通过平台可以相互发表观点、交流意见、提问、解答等,有利于增加师生的互动,也有利于培养学生思考、分析和解决现实经济问题的能力。此外,在线教学平台会将学生的学习行为进行记录,并根据记忆退化曲线提醒学生哪些内容需要及时复习,进一步运用大数据技术对平台记录的学生信息进行分析,可提炼出学生的学习能力、性格特征、学习状态等信息,依此开展有针对性的个性化教育。
2.5 实施多元化考核
在大数据背景下,宏观经济学课程应采用多元化考核方式,既考核学生对宏观经济学理论知识的理解程度,也考核学生综合运用宏观经济学知识的能力,同时,也考核学生在线学习和参与宏观经济学实践教学等情况。如,其可根据教学平台记录学生完整的在线学习过程(包括每一个知识点内容的学习进度、完成配套练习和测试的情况,完成答题的时间、答题的熟练程度、答题的顺序和答题的次数等),并结合参加实践性教学的情况、对各部分内容掌握的情况、课堂表现、出勤等综合考核,给出合理的课程成绩以及相应的评价。
3 结 语
大数据时代的到来,为宏观经济学课堂教学提供大量的数据和丰富生动的案例等资料。在宏观经济学教学改革中,应紧扣大数据时展的脉搏,充分把握好大数据时代带来的有利条件,整合一切可以整合的大数据资源,合理运用翻转课堂、微课、慕课等新教学方法,更好地发挥大数据服务宏观经济学本科教学改革,不断提高教学效果。
主要参考文献
[1]白雪.大数据时代下高校应用经济学教学改革模式探析[J].经济师,2016(3).
[2]方霞.教育大数据助力《国际经济学》课堂教学改革[J].金融理论与教学,2016(3).
[3]卢盛峰.大数据背景下《财政学》本科教学改革探析[J].湖北经济学院学报:人文社会科学版,2015(2).
[4]朱建平,李秋雅.大数据对大学教学的影响[J].中国大学教学,2014(9).
[5]刘帆.大数据时代经管类专业管理统计学教学改革研究[J].中国管理信息化,2016(15).
一、新生研讨课的发展及现实困境
(一)发展
新生研讨课(Freshman Seminar)是一种面向大学新生开设的小班研讨课程,由学科领域专家教授主导授课,依托课程设置的科研主题,通过小组交流讨论、精英座谈、教师精讲等方式完成教学任务。新生研讨课起源于德国,但具有现代意义的新生研讨课被普遍认为是1959年在哈佛大学开设的。国外对新生研讨课的研究始于20世纪70年代,在美国国家资源中心(The National Resources Centre,NRC)和博耶委员会(The Boyer Commission)的推动下,于20世纪90年代达到[1]。调查研究的内容涉及新生研讨课的发展历史、课程目标、师生准入条件、课程模式、课程内容、网络平台、课程管理和评价、师资培训、财政支持等方面。2003年,清华大学率先在我国引入该教学模式,之后,不少研究型大学相继开设类似课程。作为一种研究型教学的有效手段,新生研讨课正受到我国高等教育界的关注。
新生研讨课通过有效促进学生的“学习投入”,构建以学生和教师为主体的多重学术研究团队,探索师生互动、问题研究、团队合作等教学模式,有助于增强学生的校园适应能力、积累学术经验,以及有效实现学术性转换。美国2009年新生研讨会全国性问卷(2009 National Survey of First-Year Seminars)结果显示,新生研讨课在提升学生保留率、增强学生之间联系、有效利用校园服务设施、增强师生课外互动、提升学生学术能力和满意度等方面发挥了积极作用。[2]
(二)现实困境
1.教师准入条件与名师授课精力有限的困境
为了实现良好的专业引导,新生研讨课通常由专家或教授负责。例如,清华大学2003年开设的首批新生研讨课全部由32名教授负责,其中31名为博士生导师;南京大学新生研讨课的主讲教师95%为院士、长江学者、国家级教学名师、学科带头人等[3]。一方面,专家或教授对学科有更好的诠释和把握,同时能为新生树立良好的楷模;另一方面,由专家或教授授课能够增强学生的专业信念。但是,目前各大高校的学术精英往往承担着繁重的科研任务,时间及精力十分有限,而新生研讨课的课前教学设计、课中互动把控及课后指导评判都需要教师投入大量的精力,不少专家或教授深感分身乏术。
2.自主学习要求与“灌输式”教学习惯的困境
新生研讨课的教学目的在于通过教师改变传统教学模式,激活学生的自主学习能力,使学生掌握学术技巧、有效利用学校资源及服务、营造学术氛围、培育探索精神。但是,目前大多数大学新生,在高中传统教学方式的影响下,习惯于“填鸭”式教学,对于主动解决问题、发散性思考、参与式研讨等方式难以适应。同时,由于缺少对开课教师的相关培训、新教学背景下教学理论及方法的有效指导,以及师资缺乏,不少高校的新生研讨课仍以“大班”模式进行教学,大多数教师仍然停留在传统讲授式教学模式上,“研讨”课程名不副实。
3.课程模式创新性与科学评价体系缺失的困境
我国不少高校结合自身特点,对新生研讨课进行了不少创新及尝试。如清华大学打破专业和教材限制,新生可以自由选择一门研讨课程,鼓励交叉学科选题,在教授的指导下进行辩论和写作训练;南京大学新生研讨课有学科导引式、前沿专题式、实践探索式和跨学科式四种类型;中国人民大学则给予授课教师更大的教学支持,给每位教师发放一定的活动经费,实现师生互动、思想沟通及学术交流[4]。这些创新有利于发挥教师的自主性,但也使得教学效果难以把控,科学的课程评估体系的缺失直接影响了课程的可持续发展。而且由于其他课程仍采用传统教学模式,探究式学习方法对于后续课程的影响及关联性难以评判。
4.教改热情高涨与开课动力不足的困境
高等教育注重培养学生的独立创新精神,更注重其自主学习能力的掌握及批判性思维的形成。新生研讨课是以讨论为主要授课方式的小型课堂,以建立团体为重点,促使学生和教师相互交流,通过激发学生学习热情、培养学术品质、帮助学生了解大学学习阶段的特点,初步体验探究学术命题的乐趣和方法。作为一种打破传统的创新教学模式,新生研讨课在我国备受高校及教育学界的推崇,被认为是最有效的新生教育途径,已经成为高校改革的亮点。大多数学生由于缺乏启发学习、互动学习的必要训练,在整个课程中十分被动,加之其他课程的学习压力,参与热情有限。同时,不少学校对于新生研讨课的教学资源配置、评价制度改革、教学观念转变等方面的支持力度有限,教参与的主动性低。
二、大数据语境下新生研讨课的组织
高校思想政治理论课(简称“思政课”),是高校传播和贯彻党的指导思想、执政理念的主要实践途径,也是高校进行思想政治教育的主渠道,旨在培养大学生树立科学的世界观、人生观和价值观。基于CDIO理念的“思政课”大数据教学实效性的探索,需要强化CDIO理念与高校思想政治理论课教学的结合,需要借助大数据环境优化高校思想政治理论课教学的实践载体。
一、CDIO理念与高校思想政治理论课教学的契合
“CDIO是高等工程教育的一种创新模式,CDIO分别代表构思(Conceive)、设计(Design)、实施(Implement)、运行(Operate),它以产品研发到产品运行的生命周期为载体,让学生以主动的、实践的、课程之间有机联系的方式学习工程。”[1]
高校思想政治理论课教学的总体方向旨在教化人、培养人和塑造人,强调理论联系实际,具体问题具体分析,一切从实际出发,实事求是,注重人文精神的积累,确保培养的理工科学生具有人文素养。因此,基于CDIO理念,开展高校思想政治理论课教学,对培育大学生的思想道德素质和具体实践能力的提升,都具有理论指导意义。
二、大数据环境下高校思想政治理论课教学的载体创新
随着信息时代的来临,数字化技术、移动通信技术和网络技术的飞速发展,人类已经步入大数据时代。《大数据时代》作者维克托・迈尔・舍恩伯格认为,大数据时代最大的转变是放弃对因果关系的渴求,而取而代之关注相关关系,也就是说只要知道“是什么”,而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例,对人类的认知和与世界交流的方式提出了全新的挑战。
“2015 年6月,我国手机网民达到5.94 亿,微博用户数为2.04 亿,手机端微博用户数为1.62 亿,微信用户数为5.49 亿。”[2]电子邮箱、QQ、微博、微信等大数据载体,对大学生的思想观念、行为方式、价值判断形成了巨大的影响。思想政治理论课教学必须关注大学生大数据观念,需要改变传统的教学方式,教师获得信息的优越性正在消失,如何指导学生在大数据面前形成正确的价值选择和行为规范,是高校思想政治理论课的重要内容之一。
三、CDIO理念的高校思想政治理论课大数据教学实效性提高的途径
(一)利用大数据载体,提升高校思政课教学内在品质
高校思想政治理论课教学,可以借助大数据载体的丰富教育资源内容,也可通过大数据载体抢占思想高地,主动及时地传播党和国家正确的思想、方针和政策。在大数据时代,高校思想政治教育载体已经从单一性、平面化走向了多样化和立体化; 电子邮箱、QQ、微博、微信、易信等都成为高校开展思想政治理论课教学的新载体。大数据载体也能将文本、图画、声音等信息集为一体,创造了一种轻松、活跃的氛围,能较好地激发大学生的求知欲和想象力,使思想政治理论课教学过程变得生动有趣,让受教育者在生动、直观情境中提升思想品质,提升了高校思想政治理论课教学的感染力。
(二)充分利用大数据环境,优化思政课教学
在大数据环境下,需要将大数据意识融入高校思想政治理论课教学之中,推动高校思想政治理论课教学的跨越式发展。将大数据环境下的挑战转化为机遇,利用数据信息所具备的广泛性、敏感性对数据展开汇总分析。在高校思想政治理论课教学中,对高校学生的活动现象进行整理和分析,探寻高校学生的兴趣爱好,检索高校图书馆目录,掌握学生的学习需求,通过分析整理,为高校思想政治理论课教学的推进提供数据资料。
(三)依CDIO理念,整合校内外各种资源,加强网络课程建设,提升“思政课”教学实效性
整合校内外各种资源,搭建课堂、校内外一体化教学平台。改进课堂教学方法,开展小组互助式学习,搭建教与学的良性互动平台;广泛开展第二课堂活动,发挥学生社团的积极作用,利用重大节日、纪念日和重大事件提供的平台,开展思想政治教育教学;将大学生实践基地与思想政治基地有机结合起来,将思政课实践教学渗透于专业实习过程;加强网络课程建设,搭建网络学习和师生交流的平台。[3]
总之,将CDIO理念融入高校思想政治理论课教学,借助大数据环境搭建高校思想政治理论课教学的平台和载体,切实提升思想政治理论课教学的实效性。
参考文献:
广州科腾信息技术有限公司(简称科腾)在多年数据仓库管理标准和最佳实践经验积累的基础上,遵循电力企业信息化规划框架,参考国际数据中心架构标准,同时满足各业务系统决策分析的实际需求,推出了一个统一、安全、高效的“数据资源中心”架构解决方案,实现对数据的统一建设和维护,为后续的大数据的深层建设奠定坚实的基础。
科腾“数据资源中心”架构包括几个主要的区域:企业信息规划、治理区域,负责体系化的数据治理和数据质量管理、信息共享和整合。数据仓库区域,包括时镜像数据区域、时态CIM区域、星型模型数据区域,负责采集企业运行和管理中产生的数据,参照国际电力行业普遍采用的CIM标准模型、结合企业实际业务,统一搭建基于CIM和时态的模型,并且转变搭建星型模型区域。系统管理区域,负责制定数据仓库建设和运维过程中的规范,提高大数据平台的信息安全管理、性能扩展、配置管理等。流计算区域负责分析实时数据。Hadoop系统区域负责对大量的结构化和半结构化数据进行管理和分析。应用区域负责对数据和信息进行展现、分析和挖掘、内容分析和应用开发。
1.1数量大(Volume)。大数据的数据量级已发展至PB(1000T)、EB(100万个T)乃至ZB(10亿个T),可称为海量、巨量乃至超量。
1.2速度快(Velocity)。大数据往往表现为高速实时数据流,时效性非常高。因此对处理工具的要求很苛刻,软件工程、人工智能、机器学习等都应引入。这是区别于传统数据最显著的特征。
1.3多样化(Variety)。数据种类繁多,形式多样。包括各种信息及其网页、图片、音频、视频、图像与位置等存在方式。
1.4价值高(Value)。大数据数量越庞大,价值越高,真实性、可靠性越强。但同时无效信息也越多,需要通过强大的机器算法对数据迅速地“去粗取精”,否则也只能望洋兴叹。
2大数据对科技咨询业发展的影响
2.1拓展业务空间大数据信息对应的是高速实时数据流。这些数据流往往能产生难以想象的作用,其能量也将被层层放大,还有可能在另一个看起来毫不相关的领域得到应用。大数据环境下的科技咨询就将具有全球性、战略性意义,业务范围和服务空间都将得到迅速拓展。科技咨询各相关要素,如科技资源、科技人才、创新需求、创新环境、创新成果等的疆界,将受到大数据浪潮的冲击。同时,落后地区和难以涉猎领域的业务也将在其带动下快速提升。
2.2规范咨询决策大数据将改变科技咨询决策方式,使其进入“数据驱动型”决策模式。因为面对大数据的潜在价值,决策者不仅要使用新的技术,还要改变目前的决策过程,政府也将更有效率、更加开放、更加负责。因为引导政府决策的是基于实证的事实,而不是意识形态,也不是利益集团在政府决策过程中施加的影响。
3大数据环境下科技咨询业发展道路
从上面的分析不难看出,大数据将给科技咨询业带来无限的生机和活力。科技咨询业应抢抓机遇,跨越发展,走规模化、信息化、科学化、现代化的可持续发展道路。
3.1挖掘大数据,促进规模化发展我国科技咨询业规模较小,究其原因,一是咨询市场还没有完全放开,市场主导地位没有显现,资本缺乏信心。二是科技咨询价值没有得到广泛认同,潜在需求得不到释放。三是现有机构没有形成专业分工和自主品牌,无法带来规模效应。然而,在大数据时代,最重要的生产资料———数据将自由地流动起来,推动知识经济和网络经济的发展,传统经济体制机制对科技咨询业的束缚将大大减轻,“得数据者得天下”将成为共识,市场将发挥主导作用,吸引大量资本进入,促使机构快速升级。同时,随着竞争的加剧,咨询质量、咨询价值必将得到提高和认同,潜在的需求必将迸发。
3.2利用大数据,加快信息化进程目前我国科技咨询信息化建设大致经历了计算机初步应用、管理信息系统应用和互联网技术应用三个阶段。随着时代的发展,大数据将掀起新一轮信息化革命。科技咨询业必须充分利用大数据技术,在政府引导下,进一步完善信息化工程,建立基于大数据的科技咨询信息平台,实现在虚拟空间中不同信息资源的快速整合与对接,提高咨询要素使用效率和运行主体工作效率。
3.3凭借大数据,提高科学化水平大数据的客观实在性和真实可靠性并存。对大数据进行深度挖掘,可以提高科技咨询科学化水平。首先,基于大数据,科技咨询信息的真实性有了更大的保障。其次,依据大数据特征,可帮助制定更为科学的咨询战略、方案和计划,同时降低过时咨询、无效咨询的风险。再次,基于大数据,科技咨询具有更强的针对性。咨询师可以深度分析、挖掘最高管理者的知识结构、创业经历、行为习惯等信息,准确把握其管理理念。最后,通过对大数据的分析、挖掘与利用,可最大程度地减少因数据不全而带来的负面作用。
3.4依托大数据,实现现代化转型随着时代的发展,传统的咨询工具、内容、形式、速度、效率等越来越不能满足现代社会发展的需求。依托大数据,可以实现科技咨询向现代化转型。首先,大数据环境促使科技咨询必须运用现代化咨询工具。如,大数据的超大量级迫切要求科技咨询设备现代化、信息数字化。其次,大数据促使科技咨询内容、形式现代化。现代社会工作、生活节奏很快,简洁实用、形式新颖是对科技咨询工作的新要求。形式多样的大数据正好为科技咨询提供了便利。再次,快速、高效是现代化的重要特征,而高速实时的大数据则要求科技咨询处理工具快速演进、高效运行。最后,大数据的基本特征决定了科技咨询必须进行全方位的改革创新,紧跟现代化发展步伐。大、多、真、快、稍纵即逝的大数据要求科技咨询必须借助移动互联、云计算、软件工程、人工智能、机器学习等手段,优化资源配置,建立高智能科技咨询协作平台,向科技咨询现代化迈进。
2 “大数据”是信息时代的必然产物("Big Data"is
the inevitable product of the information age)
随着物联网、云计算等技术的推进与发展,数据的产生途径越来越多样化,数量也在以人们无法想象的速度不断增长和堆积。当数据级从TB跃升至PB时,说明大数据时代已经来临。在咨询公司麦肯锡的报告《大数据时代到来》中首次提出了“大数据”的到来,报告中称“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素。人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来[1]。”
如此庞大与繁杂的数据究竟来自于哪里?可以说,从人类进入文明社会起没有任何一个时期能够像今天这样,每天都会产生无法计数的数据,这些数据不分形式,无所不在,无时不在!目前为止,数据库是数据管理的最为有效的方式,在这种方式下,数据的产生经历了以下几种模式:
(1)被动模式
这种模式下数据的产生都是被迫的,一般都是伴随着运营系统的运营而产生的,数据记录保存于运营数据库系统中。数据以文本为主,属于结构化数据。比如产品的销售记录、航空公司数据记录等。
(2)主动模式
这种模式下的数据大多都是用户自发的,是由在用户的意愿下主动产生的,像生活中比较流行的博客、微博、微信等,此类数据已不再是单纯的文字,更多的包含了图片、视频、音频等,数据类型多样化。
(3)自动模式
这种模式下产生的数据不再受人为因素影响,数据会通过感知式系统自动产生。随着物联网和云计算技术的不断发展,网络节点不再是单纯的计算机,传感器和智能终端的出现使得数据无时无刻不在产生,此时的数据就不再是简单的某一种类型或结构了,更多的是混合而复杂的,并且产生数据的速度也让我们无法想象的。至此真正的“大数据”产生了。
3 “大数据”的四V特征(Four V characteristics of
the "Big Data")
所谓的四V特征,是“大数据”与传统数据相比较体现出的四个特点,即:Volume—数量多、Velocity—速度快、Variety—类型杂、Value—价值大。
第一,数据量究竟达到什么样的程度才可以称其为“大”?网上公布的一组名为“互联网上一天”的数据足以说明这个问题。互联网上24小时内产生数据需要1.68亿张DVD来保存;互联网上论坛中一天的发帖量可以达到200万条,相当于《时代》杂志770年的文字总和。据国际数据公司(IDC)的研究结果表明,2009年全球产生的数据量为0.8ZB,2010年增长为1.2ZB,2011年达到1.82ZB,预计2020年,全球数据使用量将是现在的44倍,达到35.2ZB[2]。大数据的起始计数量被定级为PB。
第二,相对于传统的数据挖掘来说,当今的数据存在的最明显的特征就是数据处理速度快。在信息世界中,第一时间能够分析出数据的有效性,从而得到正确的处理结果,给社会和企业带来的利益是不可估量的;相反如能没能及时获取最新的数据,或对数据分析不准确,导致决策上的失败也是十分可怕的。
第三,正如此前所述,当今网络中节点类型的不断丰富,导致了数据类型的多种多样,再用结构化思想去定义当今的数据明显已经不适合了。
第四,一切事物的发展都是有规律可循的,我们可以从其发展的过程中得到相关数据,将这些数据收集在一起便可以绘制其发展轨迹、预计其发展趋势、总结其发展规律,帮助我们做出正确的决策,优化运作流程。但是,如何在海量的大数据中提取有用的数据,并对其加以利用是我们今后的努力方向。
4 “大数据”的关键技术(The technology of the
"Big Data")
对于“大数据”面言,它的处理流程和传统数据类似,主要包括采集、导入与预处理、统计与分析、数据挖掘等四个方面,其中以第三部分统计与分析最为重要。但由于“大数据”的特点决定其处理技术与传统的数据处理技术存在着很大的差异。
(1)分布式文件系统
谈到数据,首先要考虑的问题就是数据的存储,分布式文件系统为大数据的处理提供了最底层的支撑。Google公司最先研发了一种分布式文件系统GFS(Google File System),是一种基于分布式集群的大型分布式处理系统,它处理的文件大小一般都在100MB以上。但随着数据量的不断增大,数据类型的增多,加上海量“小数据”也存在其中,GFS已无法满足需求,继GFS之后产生了Colosuss、HDFS、Cloudstoret、Facebook研发的Haystack等分布式文件系统。
(2)分布式数据库
随着数据种类越来越繁杂、数据数量越来越大,人们对数据库的设计理念也越来越符合实际,传统的数据库要求越简单越好,讲求的是“ONE SIZE FOR ALL”,而面对海量的非结构化数据,以Google为首的很多公司相继按照“ONE SIZE FOR ONE”的设计理念,研发出了自己的分布式数据库系统。这类数据库模式比较自由,支持简单的备份,拥有简单的应用程序接口,能够处理海量的数据。
(3)批处理技术
2004年Google公司提出了MapReduce批处理技术。这种批处理技术将数据源分成多个部分,每个部分都对应着一个初始值,按该值分配给不同的服务器进行计算,得到的结果再通过中间流程统一进行处理后传递给用户。这种批处理系统简化了数据处理流程,被广泛应用于数据分析、数据挖掘和机器学习等方面。
(4)云计算平台
云计算是大数据应用的最基础、最主要的平台,也是大数据分析和处理 技术的核心部分。2006年Google公司最先提出了“云计算”的概念,但对于“云计算”的定义却一直没有定论。笼统地说“云计算”是一种大规模的分布式模型,通过网络将抽象的、可伸缩的、便于管理的数据能源、服务、存储方式等传递给终端用户[3]。
(5)开源计算平台
面对复杂的数据类型,不是所有的用户在开发程序之前都必须了解分布式系统究竟如何对数据进行撷取、存储和处理。Apache基金会为用户提供了一个能够让用户轻松架构和使用的分布式计算平台Hadoop。它是一个集分布式文件系统、分布式数据库以及批处理系统等模块于一身的高性能、可扩展、成本低的开源平台。其中HDFS为海量的数据提供了存储,MapReduce则为海量的数据提供了计算。
5 “大数据”的可信技术(Trusted technology for
large data)
随着数据产生的非主动因素越来越强,数据的来源渠道越来越多样,给用户带来便利的同时,也带来了许多困扰。随着技术的发展,安全的问题和可信的问题,是和重大系统应用是相伴而生的,但是它确实是一个重要的问题。不仅是大量“杂质”数据出现,而且隐私数据的问题也非常重要。因此,在大数据时代当中,随着数据的分布性,异构性和动态快速变化性,加上个人拥有的质性,可计算的问题,可管理的问题,可信任的问题,共同组成了在大数据时代的新的三类问题。
首先要搭建一个可信的计算平台,解决云端的一体化的安全监控,系统的恢复,以及今后发展的高可靠性的能力。可信计算平台以可信平台模块TPM为核心。TPM是一个具有密码保护功能的芯片,由中央处理器、存储器、密码运算处理器、随机数产生器和I/O等部件组成。主要用于完成可信度量的存储及报告、产生密钥、签名加密、数据安全存储等一系列安全信任工作。这部分是由物理设备实现的可信技术[4]。
可信平台中还包括可信存储和可信网络。可信计算工作组在可信存储规范中提供了可靠的实现全磁盘加密的方法,采用自加密驱动器来简化数据的加密过程,通过自加密驱动实现加密和认证功能[5];可信网络连接TNC主要提供网络安全和网络安全访问,网络管理员能够根据用户级别和当前设备进行状况控制网络访问,监视网络运行状况,一旦出现异常情况可以马上做出反应。
当然,在这样一种可信平台的基础之上还有需要有其他的可信技术来解决大数据的安全问题。
(1)用户的身份认证
网络中的用户要在得到身份认证和访问允许的条件下才可以对数据进行访问。TNC可以实现这方面的功能,它可以利用存储在TPM中的硬件证书来保护系统中的信息。
(2)限制访问权限
按照用户访问系统中的数据及服务,将用户分为不同的类别,对不同类别的用户分配不同的访问权限,这样用户即可以访问资源又不会对其他数据进行干扰,从而降低了访问模型的复杂性。
(3)追踪用户行为
可信计算系统中的所有用户都有其独特而详细的个人信息,用户只有通过TPM的密钥验证后才可以对系统进行访问和操作,与此同时可信计算系统会对用户的访问和操作进行追踪和记录,确保资源的安全环境。
(4)系统的合规性保证
亨达科技集团具有通信信息网络系统集成企业资质(甲级)、信息安全服务资质(安全工程类二级)、信息安全应急处理服务资质(二级)、信息安全服务资质(风险评估二级)、信息安全服务资质(信息系统安全集成服务资质二级)、信息系统集成资质(系统集成乙级)、信息系统集成及服务资质(叁级)、建筑工程施工总承包资质(叁级)、电力工程施工总承包资质(叁级)、市政公用工程施工总承包资质(叁级)、通信工程施工总承包资质(叁级)、电子与智能化工程专业承包资质(贰级)、消防设施工程专业承包资质(贰级)、城市及道路照明工程专业承包资质(叁级)、涉及国家秘密的信息设备维修资质、国家信息安全测评授权培训机构资质;取得了国家军工业务咨询服务安全保密条件备案证书和信息安全等级保护测评机构能力评估合格证书。
公司总计拥有30项软件著作权,并已通过ISO9001:2008质量管理体系、ISO14001:2007环境管理体系及OHSAS18001:2004职业健康安全管理体系认证。公司建立了贵州省网络信息安全“三库一中心六大平台”(贵州省网络信息安全病毒库、漏洞库、门户网站安全漏洞及整改数据库;贵州省网络信息安全应急支援中心;贵州省网络信息安全监测预警云平台、安全攻防实战平台、网站安全防护云平台、互联网情报分析平台、互联网资源侦测和漏洞侦测平台、安全态势感知平台)。
亨达科技集团主要客户包括电信运营商、政府部门、银行、医院、电力、烟草等行业及单位,为贵州省内外各级政府部门、企事业单位、学校等提供专业的通信工程建设、计算机系统集成和网络信息安全、教育信息化服务。公司连续数年荣获贵州省“守合同、重信用单位”称号。2015年,公司被贵州省科学技术厅评为“科技型小巨人企业”;亨达安全被贵州省科学技术厅评为“科技型小巨人成长企业”。同时,亨达科技集团被贵州省通信行业协会评为2015年“贵州省优秀民营通信建设企业”称号。在2016年7月贵州省第二次项目建设观摩活动中,贵州省有关领导带队到亨达科技集团考察调研,对公司在网络信息安全工作方面所取得的成绩给予了高度肯定和表扬。
亨达科技集团坚持以客户需求为导向,致力于成为中国领先智能安全整体运营服务商。在当前贵州省大力发展大数据产业的有利形势下,公司不断加大大数据、云计算相关技术及其产品的投资开发力度,以通信工程为基础,逐步过渡到以大数据、云计算为核心的综合信息服务领域。为推动公司业务逐步从现有的网络信息安全和通信工程建设服务向自主产品和技术开发方向延伸,2016年7月,公司与厦门大学合作建立联合实验室,成功开发出了国际领先的多媒体信息快速检测和过滤技术,结合公司目前已经自主研发完成的“亨达智慧教育云平台及其配套软硬件产品”, 公司将继续投入更多的资源不断加大后续市场推广力度,确保早日形成规模化运用。
在2016年9月8日于北京新世纪日航大酒店举行的“2016第十七届中国信息安全大会”上,亨达科技集团股份有限公司董事长兼总经理连灶华做了“共筑网络安全新防线,助力大数据产业健康发展”的主旨演讲。
连灶华主要针对网络信息安全提出了三条体会和九点建议:
1. 做好信息安全十分重要和必要,
民营企业必须顺势而为。
2. 做好信息安全关键在于创新和创
造,民营企业必须主动作为。
3. 做好信息安全的目的在于适用和运用,民营企业必须勇于建言修为。
针对上述三条体会,连灶华提出了九点建议:
1. 加快大数据及其安全立法工作,加快制定大数据交易法则,为大数据产业发展提供必要的法律依据,确保大数据交易规范性、安全性与合法性。
2.加快推动政府和拥有大数据资源的相关企事业单位,在风险可控的前提下通过订立契约最大限度地开放数据资源,确保数据资源能够快速形成规模化归集。
3.加快推动全国性大数据交易市场的建设,为大数据交易提供必要的平台和通道。
4. 加快构建全国性大数据中心,有效解决数据存储问题。
5.加快制定大数据使用和安全管控机制,明确大数据安全管理责任边界,处理好安全保障和性能提升二者之间的矛盾。
6.加大大数据安全技术研究与投资开发力度,建立一批国家级和省级重点大数据安全实验室,积极打造面向大数据产业发展的安全产业链,构建安全可控的具有自主知识产权的安全产品和技术保障体系。
7加大大数据安全企业扶持力度,大力支持有条件的企业优先进入大数据安全服务领域。
顾客喜爱别人倾听自己,但是他们痛恨调查。这是B2B和B2C业务面临的共同问题。为了使业务增长,我们需要满足顾客。为了衡量满意度和改善流程及制度,我们必须理解顾客想要什么。并且我们需要知道我们在多大程度上满足了顾客的期望。
设计问卷时记得你的听众
很少有人有时间或是有意愿费力做完一套很长的调查问卷,特别是没有奖励的时候。所以需要放弃那些可有可无的问题,关注真正重要的问题。
在公司内部协调好调查工作
如果顾客在很短的时间跨度内收到来自同一家公司的多个调查,他们会感到厌烦。做好跨部门工作,以确保你有协调的方案。
在调查前吸引顾客
人们喜欢被邀请。通过顾客的名字来邀请他们参与。告诉他们为什么他们的意见很重要。
让过程轻松无痛苦
诚实地告诉他们调查需要花多少时间。
后续行动
在告诉顾客他们的贡献有怎样的影响时尽可能具体,比如说:“感谢你的意见。因为顾客对关于XXX的调查的回应,我们正在开展这些举措。”
客户调查的黑洞
调查变得不可收拾。任何时候当人们在坐飞机、住旅馆、购物、去银行、致电客户服务、使用网站、访问医院,甚至是在外就餐时,都会被要求完成一项调查。询问反馈意见是很好的,但是只有当信息确实被用在修复或是改变一些事物的时候才有意义。
尽管市场上有那么多新的出色的分析软件,但确定一个客户对你的产品或服务是否满意的最好方法是询问。如果你打算调查自己的客户和潜在客户,请正确地进行。因为每一个错误地进行调查的公司都在阻碍客户提供自己所需的反馈意见。这里有一些建立有效的调查项目的最佳实践,能够生成及时有用并且是可操作的结果,帮助我们在提升客户满意度的同时提高底线:
1. 建立一个公司范围的客户调查或客户心声策略,以便能够定期地调查客户,但是不能多于每六个月一次。
2. 和公司内所有的相关部门分享调查结果。
3. 在调查客户/潜在客户时尽可能地临近一项活动。
4. 允许客户提供形式自由的应答。
5. 分析所有的调查结果。
6. 及时地应用调查发现;调查所有被客户/潜在客户指出的问题,并且解决它们。
关注隐私:大数据中大伤脑筋的事
自今年年初以来,我们已经看到对市场营销中收集和利用数据的威胁在上升。举例来说:美国联邦贸易委员会以常见的92个问题的形式了指导儿童在线隐私保护(COPPA)规则。规则7月1日正式生效,向在线营销提出了真正的挑战,因为它极大地扩展了对个人数据和法案覆盖的人群的定义。
尽管在W3C工作组和新的联邦贸易委员会中仍然饱受争议,“不跟踪(Do Not Track)”的立法在参议院已重新作为一个法案,主席伊迪丝·拉米雷斯称这样的标准是“姗姗来迟”。
目前在加州正在发动一场关于 “知情权法案”的斗争。它要求互联网公司应消费者要求,向他们提供公司在其身上收集的数据,以及已经收到了这些数据的第三方。
欧洲正在以更多禁止性和适用性更广的法规更替19岁数据保护方针。看起来最早今年夏天就可以完成这个流程。
防止年轻的销售代表一败涂地的七种方法
九零后作为史上最受父母照顾的一代人进入了全国的销售团队,然而许多人并没有实现引人注目的抱负目标或计划。今天,两千万的年轻人将成熟期推迟到近三十岁,并且没有坚实的承诺和责任来指导自己的生活。这导致年轻的销售代表在试图承受月度销售量的严苛挑战时可能会崩溃。
从九零后候选人中组建一个高效的销售团队需要关注两个重要领域:招聘和辅导。这里有防止年轻的销售代表一败涂地的七种方法:
1. 使用结构化问题和经过验证的配置文档。
2. 设置九十天的能力提升过程。
3. 在最初的九十天内,让销售代表完成目标设定表。
4. 了解销售代表,并且定制化辅导方法。
教育信息化在全国各高校已推行多年,虽然网络化学习环境、远程教育、数字化教学资源得到了广泛应用,但是大部分教学活动的并没有因为数字化设备的应用而随之改变,课堂教学依旧是传统的教师讲授,学生记忆理解,只不过在这个过程中纸质教案电子化、黑板粉笔换做幻灯片投影化而已。
大数据时代学生在课外通过网络等接收到的信息量要超过课上教师讲授的信息量。在这种海量信息的冲击下,学生的学习方法、知识结构和自主学习能力已产生变化,信息技术这门课程受大数据的影响最直接,作为教师也必须及时进行教学思维、教学方式、评价方式的改革。
一、转变教师教学思维
传统的信息化课程教育是教学管理者通过多年的教学管理经验制定教学大纲,教师通过多年的课堂授课经验设计教学内容,依据过去的经验总结、归纳并选择某些因素或知识点作为教学活动的重点。教师在大数据时代下从事教学活动,首先需要将思维从传统的集体教学转向个体教学。传统的教育也强调因材施教,但在学校现有的教学模式下,教师不可能真正实现面向学生个体进行教学。而教育大数据技术的出现,通过对教育数据的分析、挖掘,可以实时得到符合学生实际学习情况与教师教学实际效果的具体数据,从而可以在授课过程中有针对性地制定并执行更符合实际的教学策略。
二、转变课堂教学方式
大数据的环境下的信息技术课程,教师传道授业的工作量在教学过程中的比重已有所下降,教师的身份更接近于学生学习时的引导者与研究时的合作者,教学的本质回归到促进学习者个体的发展。
信息技术课程的教学内容主要分两大部分:理论与实践。在理论课的教学中,教师讲授新的知识点时只讲授重要环节,然后让学生尽最大可能地利用各种网络教学资源,尝试对知识点进行总结和拓展。由于学生所有学习活动都是在线的,上课、做作业、记笔记、做实验、答疑、讨论都是在计算机终端上进行,因此他们的一举一动都会被记录下来。学习各知识点时各用了多少时间,作业完成用时多少,并且在完成过程中经过几次修改,等等,这些都是教育大数据的来源。这些数据要比考试卷面上的分数更能反映学生学习的真实情况,通过对这些数据的分析、挖掘,就能得到每位学生的学习状态、表现与水平。这些信息是最真实、自然的数据,教师可以由这些数据了解每位学生的个性化特点,从而能在教学过程中因材施教,更有针对性地强化薄弱环节,推荐阅读书目等。
三、转变教学评价方式
信息化时代,几乎每个社会人都生活在大数据时代所带来的便捷之中。接触最多的就是互联网,及互联网兴起的众多服务,例如云计算、社交网络的使用。这意味着我们无时无刻不在接触大量的数据[1]。我们接触的数据种类越来越多,规模越来越大,作为未来社会的主人翁,大学生有必要掌握一定的数据分析和处理能力,以适应时代的发展。大学计算机文化基础这门课程作为大学生的一门必修的公修课在一定程度上影响着大学生的计算机知识水平。时代的发展对社会人提出了更高的要求,作为大学生必修的计算机文化基础课程的改革也迫在眉睫。
一、大学计算机基础课程的教学现状
目前,除了计算机专业的学生外,中国大多数高校也都将大学生计算机基础开设为公修课程,以此向非专业的大学生普及计算机基础知识,使他们掌握一定的计算机基本技能。但是,现在普遍采用的教学思路是教师上课时按照自己的备课教案完成自己的教学计划,实验课上再要求学生进行上机训练[2]。显然这样死板的教学现状极大地降低了学生的学习兴趣和对学习的主观能动性。
二、大数据时代下大学计算机基础课程教学内容的改革
随着大数据技术的发展和成熟,大数据技术及其应用必然会成为国内各大高校新开设的重要课程[4]。对于非专业的学生,他们大多学习的是大学计算机基础这本教材,而该教材主要讲的是电脑的基本操作和MSOffice的初级应用,并未涉及关于大数据的知识,所以对教材中的内容可以进行适当的修改,增加关于大数据的章节,使学生更好地了解大数据时代的需求,掌握一定的数据分析和处理能力,不断培养和提高自己的计算思维和能力。
1.增加大数据基础及其历史发展章节。
此章节是对大数据的概念以及其定义、结构、特点、意义、用途的基本描述,同时也会详细叙述大数据发展的历史脉络,使大学生能够更清楚的了解大数据,进而激发他们学习的兴趣和热情。
2.增加大数据分析技术及其基本操作的章节。
因为在大数据时代下,要求大学生具有极强的数据分析能力,所以要开设相关的章节,向学生教授如何处理和分析数据,使他们能够适应大数据时代的发展潮流。例如可以向他们介绍HadoopMapReduce、NoSQL数据库、内存分析、集成设备等与数据分析有关的关键技术,不断扩充他们的知识。
3.增加大数据处理技术及其基本操作的章节。
在大数据时代下,我们要学会处理这些数量庞大、无形的数据资源,将它们应用于实际生活和社会发展规划的制定上,例如中央电视台新闻联播中的数字看两会一样,通过对大数据的处理来形象地观看今年中国的新发展。所以,增加关于大数据处理和分析技术的章节,并通过利用当今社会上通俗易懂的数据分析和处理软件来让学生自己动手实践,使他们掌握并能够对大量的数据进行分析和处理。本文将SPSS作为数据分析和处理的教学软件,来让学生更好地学习对数据的分析和处理能力。SPSS(StatisticalPackagefortheSocialScience)———社会科学统计软件包,是世界著名的统计分析软件之一。它使用Windows的窗口方式展示各种管理和分析数据方法的功能,使用对话框展示出各种功能选择项,只要掌握一定的Windows操作技能,粗通统计分析原理,就可以使用该软件为特定的科研工作服务。SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。SPSSforWindows的分析结果清晰直观、易学易用,而且可以直接读取EXCEL及DBF数据文件,现已推广到多种操作系统的计算机上,它和SAS、BMDP并称为国际上最有影响的三大统计软件。与国际上几种统计分析软件对比,它的优越性更加突出[3]。SPSSforWindows操作简单,被应用的程度和领域广泛,因此比较适合作为数据分析和处理知识的教学软件使用。现在很多国外的知名大学都已经开设了相关的课程,例如大数据分析统计基础、大数据分布式计算、大数据挖掘与实际应用等。同时中国国内的一些高校也正在尝试开设一些关于大数据的课程,以此来帮助学生理解大数据,培养大数据的分析与处理技术的能力[5]。
三、大数据时代下高校计算机教学模式的改革
国内大多数高校基本采用的是大学计算机基础这本教材,尽管该书的内容以及课程结构比较系统全面,但是由于受到学生层次的不同以及教学计划的限制,致使学生不能真正掌握到知识的精髓。同时,教学模式也是理论与实践脱节,这就导致上机操作课失去了本来的作用,成为学生玩游戏、聊天的课堂。另一方面大学生来自全国各地,他们对计算机基础知识和技术的掌握程度有很大不同。这些现实问题促使我们对高校计算机基础教育的教学模式进行相应的改革和调整,以适应大数据时代下社会的需求。
1.分层教学法。
现在的大学生在掌握计算机基础知识和基本技能方面存在着参差不齐的现象,所以在计算机基础教育的教学过程中可以实行分层教学法。采用分层教学法就是对不同程度的学生进行不同层次的教学,其中主要包括讲解分层法、练习分层法、作业分层法和辅导分层法。例如练习和作业分层法就是在对不同程度的学生布置课时练习和课后作业时,按难易程度的不同分配给不同层次的学生。采取这种分层教学法,能够使学生更好地掌握所学的知识,找到适合自身的学习方法,从而能够更好的提高自己的计算机实际操作能力。
2.案例教学法。
案例是最生动形象的表现,通过呈现案例的方式可以加深我们对相关事物的理解。所以教师在教授知识的过程中适当采取案例教学法,通过实例详细地给学生进行讲解,在讲到重难点时可以加以强调。演示完之后提问学生并让个别学生进行再次演示,考察学生课堂掌握情况。这种方式可以使学生更快地接受相关知识,并且记忆犹新[10]。
3.大数据教学法。
大数据时代下占据主导地位的是无穷的信息,对于这些资源,教师可以在教学模式的改革中充分利用。大数据时代下各大高校都拥有大量关于学生的信息,同时教师也可以对日常教学过程中掌握的学生信息进行详细分析,从而能够更好地了解关于学生的家庭情况、学习的努力程度、计算机实际操作的水平、聪明程度以及认知能力的高低等诸多情况。大数据教学法的特点就在于通过这种方式帮助教师更加充分地了解到学生的学习和发展情况,为他们制定适合自身的学习计划,彰显个性化,突出学生在学习过程中的主体性。在大数据时代下,提高他们的学习兴趣,激励他们不断进步,掌握对数据的分析和处理的能力。广泛意义上讲方式就是一种行为模式,对于学生来说学习模式的选择非常重要,依靠大数据时代下大量的信息对于学生来说就是一种学习的方法和技巧。如果学习方式选择正确的话,可以达到事半功倍的效果。如果教师在计算机基础教学中增加关于大数据处理和操作的章节,那么其复杂度和实践性会进一步加强。除了通过操作通俗易懂软件让学生实践以外,还可以与相关企业进行合作,为学生提供海量的数据资源和模拟环境,使学生与大数据时代下的社会发展接轨,也可以使学生体验“实习”的感觉。这种教学方法不仅可以增强学生的实际动手能力,而且可以让学生验证自己在学校学习的理论知识,进而使他们对这门课程的学习更加地深入[8]。当人们在浏览网页、网络购物,或者与别人在社交软件上聊天时[7],相关的记录都会被采集,用作数据分析和处理的资源。所以这也要求新时代的大学生拥有极强的数据意识,同时也要具备过硬的数据分析和处理能力以及计算机专业素养。为了使当代大学生更好适应大数据时代的发展,我们以大学计算机基础这门辐射面最广,使学生受益最大,同时在学生中广泛学习的基础公共课为例[9],详细地论述了在大数据时代下大学计算机教育如何进行相应教学内容和教学模式的改革,并且希望我们的研究能够使大学计算机教育与时代接轨,为社会培养出更多的计算机方面的人才。
参考文献:
[1]李雯雯,韩仙玉,刘文洁.大数据时代计算机专业教育的探索[J].现代计算机,2014,(10):54-57.
[2]苟燕,赵希武.大数据时代下基于云平台的“大学计算机基础课程”建设[J].内蒙古师范大学学报(自然科学版),2015,(01):93-95.
[3]甘丽新,涂伟.大数据时代学生信息素养培养的探索[J].科技广场,2014,(02):140-144.
[4]张青,孙雪梅.大数据时代背景下的个性化教学[J].辽宁教育,2015,(01):15-16.
[5]明小波,孙艳玲,刘杨,苏谦.大数据时代信息类学科专业建设的思考[J].信息系统学报,2014,(13):112-119.
[6]陶烨,金莹.大数据时代社科类专业计算机基础课程改革探究[J].专业与课程建设,2014,(06):31-34.
[7]隆岩.大数据时代下的高校计算机教学改革[J].学术论坛,2014,(25):215.
[8]方昕.大数据时代下计算机专业教学的探索[J].研究与设计,2014,(11):32-34.