2014数据分析论文.docVIP

数据分析论文数据处理论文 浅谈“数据分析”课程的教学 摘要：“数据分析”是信息与计算科学等专业的必修课，是一门实用性很强的学科。通过分析目前“数据分析”课程教学中存在的问题，强调结合学科的特点，强化基本思想、基本步骤的教学，增加实际案例，注重培养学生建立数学模型和应用计算机软件的能力，增强学生的数据分析意识，提高教学质量。 　　关键词：数据分析；基本思想；实际案例；数学模型 　　现代社会已经进入一个“信息化”时代，而信息的主要载体是数据，在当今信息化社会中扮演着非常重要的角色。任何行业的各个领域都存在着海量数据，这些杂乱无章的数据隐含着一些本质规律，而这些规律将为各行业的决策者进行科学的推断与决策提供理论依据。数据分析就是讨论如何对这些纷繁复杂的数据进行分析，[1]揭示其中隐含的内在规律、发掘有用的信息，为决策者的正确决策提供理论依据。“数据分析”是信息与计算科学等专业的必修课，是一门实用性很强的学科，它最大的特点就是“让数据说话”。[2，3]该课程的教学目的是使学生全面了解并掌握数据的描述性分析、推断性分析的理论和方法，形成根据实际问题去收集、整理和分析数据，从中获得有用信息的统计思维方式，其内容丰富，方法众多。因此，在教学中，要结合学科的特点，强化基本思想、基本步骤的教学，增加实际案例，注重培养学生建立数学模型和应用计算机软件的能力，增强学生的数据分析意识，才能不断提高教学质量。 　　一、目前数据分析教学中存在的问题 　　1.理论教学与实践教学的比重不协调 　　有的数据分析教学以数据分析软件的教学与应用为主，对理论讲得过少；有的教学又过多注重理论教学，用于实际应用的课时较少；有的将理论教学与实践教学分为两个学期，使得学生对理论不想学，实践应用时又缺乏理论做指导。 　　2.学生学习的积极性不高，存在厌学现象 　　现在，许多大学生学习动机功利性较强，只对他们认为将来在工作中用得着的课程感兴趣，而对其他课程则仅仅追求及格。虽然数据分析方法也是一门应用性很强的学科，但其需要的基础理论要求比较高，而信息与计算科学专业的数据分析教材多以理论为主，学生普遍认为数据分析讲述的抽象的理论方法在一些实际工作中很少用到，即使用到，也可以借助现成的工具加以解决，更加之有的学生没有掌握好该课程的先修课程“概率论与数理统计”，导致本课程的学习更加困难。因此，很多学生对“数据分析”课程不感兴趣。 　　3.部分学生课堂参与性不强 　　课堂上由于种种原因，师生互动有限，整体学习效果一般。现在真正符合学生特点的数据分析教材也不多，多数教材存在与专业脱节、例题陈旧等不足。种种原因导致了“数据分析”教学内容的选择存在随意性和盲目性，甚至存在着教学内容因教材而设的现象，不能很好地为专业素质的培养提供服务。 　　4.教学方法与考核方式不科学 　　现在主要的教学方法单一，教学手段单调，教师根据教学大纲完成教学任务，学生学习教师课堂上讲的东西；教师根据教材内容布置作业，学生完成作业，然后教师批改作业；最后进行期终考试，学生应付考试，拿到了学分。由此造成教师传授知识，学生被动地接受知识，学生能否运用数据分析的理论来解决实际的问题，则不得而知，不利于提高学生利用所学知识解决实际问题的能力。 　　二、“数据分析”课程教学的几点体会 　　1.优化教学内容，强化基础理论和基本方法的教学 　　“数据分析”的理论与方法内容丰富，涉及面广，应用范围大。它的主要内容包含数据的描述性分析、多元回归分析、方差分析、主成分分析、典型相关分析、聚类分析、判别分析等。数据分析各部分之间相互联系，具有系统的理论和方法，而且数据分析的理论研究还会进一步地发展。因而课堂教学内容的优化，将会对教师的上课效率与学生的学习效果产生极大的影响。例如，主成分分析与典型相关分析这两部分内容既有相同点又有各自的应用范围，可以将它们结合在一起进行讨论。 　　同时，为了有助于学生今后的继续学习和方法的有效应用，应该重视数据分析基本理论、基本方法和基本步骤的教学和训练，使他们掌握数据分析基本理论和基本方法，掌握各主要内容的模型、概念与理论及其应用。如讲解线性回归模型时，对于参数的最小二乘估计和统计推断内容，应对一些定理和公式逐步推导，让学生不仅掌握了定理的内容和证明技巧，搞清楚了有关的计算过程，而且为编写线性模型的统计计算程序以及改进最小二乘方法奠定基础。又如讲解聚类分析与判别分析时，要让学生了解它们都有各自的应用范围。聚类分析方法是按样品（或变量）的数据特征，把相似的样品（或变量）倾向于分在同一类中，把不相似的样品（或变量）倾向于分在不同类中；而判别分析方法假定组（或类）已事先分好，判别新样品应归属哪一组。在实际应用中，又常常将聚类分析与判别分析结合应用，也就是先利用聚类分析方法将样品进行合