導言：作為寫作愛好者，不可錯過為您精心挑選的10篇大學數學統計學，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

統計學是通過搜索、整理、分析數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。其中用到了大量的數學及其它學科的專業知識，它的使用范圍幾乎覆蓋了社會科學和自然科學的各個領域。隨著統計學發展的同時，一個大規模生產、分享和應用數據的時代正在開啟：大數據的真實價值就像漂浮在海洋中的冰山，絕大部分的數據都隱藏在表面下等著人類去探索。

1 利用所有的數據

在傳統的統計學中，由于記錄，存儲，分析數據的工具不夠好，所以總是傾向于從總體中抽取樣本來分析，因為統計學的一個目的就是用盡可能少的數據來證實可能重大的發現。統計學家證明：采樣分析的準確性隨著采樣隨機性的增大而大幅度提高，但是與樣本數量的增大關系不大。當樣本數量達到了某個值的時候，從新個體身上得到的信息會越來越少，就同經濟學中的邊際遞減效應一樣。

在大數據時代，不使用隨機分析的方法，而是采用所有的數據。即“樣本=總體”。統計抽樣其實只是為了在技術受限的特定時期，解決當時存在的一些特定問題而產生的。慢慢的，就會拋棄樣本分析。

2 接受不精確

對小數據而已，統計學已經可以把數據處理的很好了，但是在大數據時代，太多的數據使原始統計方法捉襟見肘，因為數據量的大增會使得結果不太精確。執迷于精確性是信息缺乏時代和模擬時代的產物，只有接受不精確性才能進入我們從未涉足的鄰域。接受不精確是從“小數據”到“大數據”的重要轉變之一。因為擁有更大的數據量所帶來的利益遠遠超過增加一點精確性，所以也就能夠接受不精確的存在了。要想得到大規模數據帶來的好處，混亂應該是一種標準途徑，而不應該是盡量避免。

3 追求相關關系而不是確定因果

在小數據時代，相關關系也是有的。統計分析的目的在于如何根據統計數據確定變量之間的關系形態及其關聯的程度，并探索其內在的數量規律。人們在實踐中發現，變量之間的關系分為兩種：函數關系和相關關系。相關與回歸是處理變量之間的一種統計方法。變量之間存在的不確定的數量關系，稱為相關關系。一般來說，可以用散點圖和相關系數來描述和測度相關關系。

相關關系的核心是量化兩個數據之間的數理關系，它沒有絕對，只有可能性。大數據的相關分析法更準確，更快，而且不易受偏見的影響。知道是什么就夠了，沒必要知道是什么。通過探求“是什么”而不是“為什么”，相關關系幫我們更好的了解這個世界。如果凡事皆有因果的話，那么我們就沒有決定任何事的自由了。

4 數據的來源并非那么簡單

在一般看來，要想得到一些你所需要的數據是需要通過各種不同方法測量或是記錄才能得到，而有時候，數據會從你意想不到的地方得到。也許你精心地設計了你的實驗或是探究，但是到了真正操作才會發現事情并不像你想象的那么簡單。

首先，由于在大數據時代，數據不是那么的有規律，所以才要考慮數據的一系列問題。這些數據或是資料是不是一定要自己去得到，或是可以參考別人已經有過的結果，這樣可以節省精力和時間。如果是參考別人的數據要考慮時效性和使用范圍。也許不是專門為你的設想而準備的數據。大的數據庫有著小數據庫所沒有的價值，大數據的核心就是挖掘出大的數據庫所擁有的獨特的價值。

5 數據的利用方式

在統計學中，對數據的利用不僅包括對數據求平均值，方差，分位點，可以的話還要得到數據中的某種關系或是聯系，如父母的身高會不會對下一代產生影響，不僅要分析父母的身高，還要分析孩子的身高，從中發現有沒有相關關系，得出自己的結論。

在大數據時代，數據沒這么簡單的讓你下手，所以對數據的利用方法也隨著情況的不同而不同。數據的用途已經從基本的用途移動到了二級用途，使得數據隨著時間的推移而變得更有價值。明白了隱藏在冰山下面的絕大部分數據的價值后，創新型企業就能夠提取其潛在價值并獲得潛在的巨大收益。盡管如此，數據再利用的重要性還沒有被充分認識到。要解鎖這些數據，就必須通過新一代統計人員的不懈努力并借助新一代的方法和工具。

隨著大數據的出現，數據的總和比部分更有價值。將數據的總體組合在一起，重組組合本身的價值也比單個更大。如果決定使用有生產價值的數據，就需要不斷的更新數據庫并淘汰無用的信息。即使數據基于基本用途的價值會減少，但潛在價值卻仍然強大。潛在的數據價值需要通過創新的分析來釋放。不出意外，給數據的潛在價值貼上價格標簽會帶來無限商機。

6 小結

個人認為統計學和數據挖掘一起可以更好的利用數據。一個可以對數據進行有效合理的分析，一個可以用多種多樣的算法來更好地處理數據。在大數據時代，重要的是數據自身和大數據的思維觀念。如果能做到數據，技能和思維三者具備，就能更好地服務于大數據時代，就能在大數據時代有非常大的競爭優勢。

篇2

【基金項目】貴州省科技廳、貴州民族大學聯合基金（黔科合J字LKM[2011]09號）

【中圖分類號】G642 【文獻標識碼】A 【文章編號】2095-3089（2014）08-0235-01

1.引言

“大數據”時代的來臨和“大數據”處理技術的發展深深的影響著統計學的發展。能否利用傳統的統計理論和統計方法對海量的數據做出快速、準確的處理并獲取相關信息？如何對傳統的統計理論與方法進行改進或探索新的統計理論和方法來對大數據進行挖掘與處理以獲取信息？如何在“大數據”時代背景下培養符合市場需求的統計分析師或數據分析師？如何將“大數據”處理技術融入相關統計學課程教學以促進數據處理與分析技術的發展？這些都是我們在統計學相關課程教學過程中必須思考的一個問題。

2.大數據與統計學

“大數據”隨著社交網絡、物聯網、云計算等的興起而產生。一般認為大數據具有規模性、多樣性、實時性及價值性四個基本特征，包含分析、帶寬和內容三個要素。“大數據”在數據來源、數據結構和處理方法方面對傳統的統計分析方法產生了沖擊。第一，在大數據背景下，數據來源不再是原來的簡單抽樣，而是“樣本即總體”，直接將總體作為研究對象。第二，在大數據時代，研究對象也不是原來單一的結構化數據，由于數據的多樣化與規模化，我們更多的是研究非結構數據，采用人工智能來進行數據挖掘和信息獲取。第三，數據處理方法也不是簡單的采用傳統的假設檢驗方法進行研究，特別是對于統計學中的異常點，不再采取以往的丟棄或者平滑處理方式。

“大數據”處理技術對統計學的發展提出了巨大挑戰，但我們必須認識到學科之間的發展是相互交融的，“大數據處理技術”其本質上是數據處理與分析技術，其發展對統計學學科的發展也有積極的一面，同時統計學作為一門獨立的學科，有其自身獨特的學科優勢。首先，海量的數據有利于提高各類統計分析的精度，如減小抽樣誤差等。其次，較之于傳統的統計學方法，現有的“大數據”分析方法難度較大、成本較高、耗時較長。而在實際的應用中，我們關心的不是數據量的多少，而是數據量所蘊含的信息。傳統的統計學分析方法是以較少的數據進行精確度相對較高的統計分析，這是“大數據”分析所無法替代的。另一方面，統計學在數據收集方法、模型選擇、模型假設以及模型診斷方面有很大優勢。而且并不是所有的問題都具有海量的數據，并不是每一個“大數據”問題都適合用現有的“大數據處理技術”來處理。

3.對策與建議

3.1 夯實基礎教學

針對以上的分析我們可以看出，大數據對統計學的發展既是機遇，又是挑戰。因此我們在教學過程中要夯實統計學基礎知識的教學，講清楚統計學的基本原理與基本方法，特別是數據分析與數據處理的基本原理與方法。對于許多傳統領域，如生物、醫藥以及質量與可靠性工程等，我們面對的多是“小數據”而不是大數據，因此基于樣本的統計分析方法仍然是進行此類問題研究的最有效的科學手段。

另一方面，我們要結合大數據技術的特點，對統計學的基本知識進行拓展教育，引導學生思考怎樣將已有的統計學基本原理與方法運用到大數據處理的技術研究中。如在大數據環境下怎樣進行數據的收集、篩選與甄別、存儲與分析等，如何分析并厘清可能的數據來源與范圍，如何建立相關指標體系并對數據進行分類，如何制定或調整相應的統計參考標準，以及如何對依靠非傳統數據源加工生產的統計數據進行規范的統計推斷等。

隨著大數據時代的來臨，各行各業對具有統計背景知識人才的需求必定越來越多。因此，在統計學教學過程中，一定要結合各專業的特點，特別是“大數據”的特點，切實加強統計學的基礎知識教學與拓展教學。

3.2 加強統計學專業軟件教學

“大數據”環境下，對統計人才需求也發生了變化。面對海量的數據與多樣化的數據，一名合格的統計人才或數據分析人才不單需要良好的統計素養與扎實的統計基礎知識，更需要具有數據的存儲與整理能力、計算能力以及數據分析與處理能力等。這就要求在教學過程中，加強統計軟件或數學軟件的教學。

針對傳統的“數學證明+手工計算”或“重理論輕專業統計軟件”的統計學課程教學模式，可將統計軟件或數學軟件融入課堂教學并安排一定的課時上機學習統計軟件，以此提高學生數據處理能力，加深對統計學基本原理的理解與掌握。

在加強統計軟件或數學軟件，如SPSS、R、SAS以及Matlab的教學過程中，要擯棄“會軟件的操作即會統計技術”的思維，要讓學生真正掌握相關操作與相關算法，深入思考算法的實現與相關理論的應用。同時引導學生思考對“大數據處理”的技術要求，包括數據搜集、發掘、存儲以及計算分析過程中的算法與設備要求等，引導學生針對大數據進行軟件升級與開發。

3.3 突出案例教學與實踐教學

大數據的產生和發展源于規模經濟問題或超規模經濟問題的研究。每一個大數據問題的研究都是與實際經濟或社會問題緊密相聯的，因此，在實際教學過程中，要突出案例教學與實踐教學，由易到難，通過案例教學逐步引入大數據的概念以及大數據處理的基本技術，提高學生的分析全局觀以及進行實際數據分析與處理的能力。

教學改革的目的是培養在“大數據”時代背景下，符合市場需求的專業統計人才，而合格的專業統計人才必須具備良好的統計實踐能力。案例教學與統計實踐活動是培養學生統計實踐能力的有效途徑。因此，在教學過程中，一方面，教師可融合各種與實際問題相關的案例進行分析和講解，加深學生對相關統計理論知識的理解，激發學生的學習興趣，培養學生解決實際問題的能力。另一方面，教師可以組織多種形式的課堂或課堂外的統計實踐活動以培養學生統計實踐。如，指導學生針對他們感興趣的與經濟、社會發展相關的統計實際問題展開統計研究，設計調查問卷，收集數據、整理和分析數據，撰寫研究報告，實現對實際問題的分析和解決等。

4.結束語

總之，在“大數據”環境下我們既要積極面對挑戰，又要緊緊抓住機遇，切實結合“大數據”的特點和“大數據處理技術”發展的需求，既加強對傳統的統計學方法、統計理論的教學，又積極開展 “大數據“環境下的拓展教學，推動統計學的發展，在數據收集、數據分析以及統計制度等方面進行改革和創新。

參考文獻：

[1]李國杰. 大數據研究的科學價值[J]. 中國計算機學會通訊，2012，8（9） .

[2]姜奇平. 2013 全球大數據-大數據的時代變革力量[J]. 互聯網周刊，2013，1.

篇3

[中圖分類號] O21 [文獻標識碼] A [文章編號] 2095-3437（2015）11-0183-02

一、引言

2009年8月5日的《紐約時報》刊登題為“當今大學畢業生唯一關鍵詞：統計學”文章。[1]文中介紹，哈佛大學人類學家格賴姆斯改行就職Google，從事海量數據的分析工作，整天就是和數學、計算機打交道，用數據分析方法改善Google搜索引擎。文中援引Google首席經濟師范里安的話說：“我堅持認為今后10年最性感的工作是當統計師，我可沒開玩笑！”麻省理工學院經濟學家布林約夫森說：“我們進入了一個一切都可以被監測器和科學儀器數字化和記錄的時代（大量數據在不斷產生），但最大的問題是我們有沒有能力利用、分析這些數據，讓其為我們服務。”數據中有大量的珍寶。IBM組織了200名數學家、統計學家和其他數據分析大師為商業分析和優化服務，在數據中探寶，他們計劃將探寶隊伍擴充到4000人。網絡數據的樣本量打開了一個新世界，康奈爾大學克萊因伯格說，社會統計中，相比傳統采訪和問卷調查等形式的抽樣，數百萬計的網民的網絡互動產生的樣本量是令人驚奇的。專家警告，統計學面臨著嚴重的危機，單就網絡數據的體量就足以使得傳統統計模型喪失能力，而且，數據的強相關性未必就有因-果關系。

數據在爆炸，我們在驚夢中進入了大數據（Big Data）時代，大數據正在引起一場革命，它將改變我們的生活、工作和思維[2]，統計學是關于數據的科學，它迎來了一場變革，是機遇也是挑戰。[3] [4]

二、大數據的產生及其特征

數據化是大數據時代到來的標志。社會網絡、電子商務、移動通信、深空探測、衛星遙感、基因測序以及其他科學測量儀器時時刻刻都在自動測量和記錄著數據，而且這一趨勢在不斷增強。2007年所有數據中只有7%是存儲在報紙、書籍、圖片等介質上，其余全部都是數字數據。Google每天要處理超過24PB2的數據，它是美國國家圖書館所有紙質出版物所含數據量的上千倍。科爾尼公司科學家統計結果顯示，僅2012年就產生了2.5ZB的數據，并且數據產生量以每年40%的速度遞增，2011、2012兩年產生了全球90%的數據，到2020年將達到45ZB，這是天文數字。

我們用中國移動公司為例大致描述一下大數據的產生。2015年中國移動已經達到12.93億個用戶，用戶數近似12G，給用戶提供通話、短信、上網等服務。若網絡流量包月30MB，每天1MB，平均每天網絡數據流量達到12PB，若每天還記錄用戶信息（姓名、身份、職業、位置等），通話（時刻、時長、內容），短信（內容）等，保守估計所產生的數據可以達到300PB，一年將超過100EB=0.1ZB。再看這些數據的形式，它們有文字、表格、符號、圖片、語音、數字、影像、上網軌跡等等，如果還考慮這些數據時時刻刻都在改變，每個用戶有自己的偏好，可以想象這些數據的體量、變化性、復雜性，如果移動公司利用這些數據進行市場分析和行業規劃，這些數據還具有巨大價值。圖1描述了大數據的產生及其演化過程。[5]

人們從不同的方面對大數據進行了描述和定義。從特征來看，大數據具有“4V”：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。[6]Volume：由于當今數據的體量大，其處理和管理只能依靠專門的技術，駕馭這些先進技術是開啟大數據寶藏的鑰匙;Velocity：快速處理大數據并獲取有用信息;Variety：要開發利用的大數據的數據類型龐雜、數據源眾多;Value：大數據中隱含著商機，隱含著企業、行業乃至國家戰略決策的依據，它是煤、石油、金屬礦產、水等之外的一種新型資源。

圖1 大數據的演化圖（據科尼爾分析修改[5]）

從統計的角度，李金昌認為大數據不是基于人工設計、借助傳統方法而獲得的有限、固定、不連續、不可擴充的結構型數據，而是基于現代信息技術與工具可以自動記錄、儲存和連續擴充的、大大超出傳統統計記錄與儲存能力的一切類型的數據。[6]

從技術的角度，維基百科的定義是，大數據是指無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理、處理的數據集合。從產業角度，常常把這些數據與采集它們的工具、平臺、分析系統一起被稱為“大數據”。

三、大數據時代的大學統計教學

大數據時代是以數據為中心的時代，是數據驅動的時代。作為關于數據的科學，統計學面臨著重大的機遇和挑戰，大學統計學教學面臨著重大變革。20世紀中葉計算機技術的進步為統計應用的騰飛插上了有力的翅膀，使其應用范圍遍及自然科學、社會科學的各個領域，無所不在，使得統計學趨向成熟。如今計算機、互聯網、云計算電子商務和社會網絡等的發展又將統計學推到了風口浪尖，國際、國內很多統計學家紛紛撰文對統計學為適應新時代的發展所需的變革進行了論述。

孟生旺和袁衛[7]根據2014年11月美國統計學會的統計學本科專業指導性教學綱要，強調了4個方面：（1）數據科學日益重要，統計專業人才不僅需要扎實的數學和統計基礎，還要有強大的統計計算和編程能力，可以熟練使用專業統計軟件和數據庫;（2）真實數據是統計專業教育的重要組成部分;（3）需要更加多樣化的統計模型和方法;（4）通過語言、圖表和動畫等用戶易于理解的方式表達數據分析結論的能力。他們還從統計方法與統計理論、數據操作與統計計算、數學基礎、實踐訓練等幾個方面對課程設置提出了具體要求。

結合他人的思想，我們認為在教學過程中必須思考幾個方面的問題并進行思想方法和教學方法的轉變。

（1）對數據的認識，傳統統計數據類型包括時間序列數據、截面數據、面板數據以及空間面板數據等，結構性強，針對每類數據都有有效的統計分析方法和模型。然而，如上文提到的通信數據，還有社交網絡記錄的數據、電子商務記錄的客戶數據等等，它們往往是傳統數據類型的混雜體，既有靜態的也有動態的，既有結構性的也有非結構性的。另外，數據庫與數據庫之間存在大量數據交換與關聯，這些數據都不適合傳統統計模型，要想在這些數據中挖掘到有用信息，要進行市場分析與決策。面對這些因素，我們在教學中該如何處理，如何思考？另外，這些數據中的變量可能是一個Word文檔，可能是一段語音，可能是一幅圖片，是不是需要將它們都轉化成數字再處理呢？

（2）關于抽樣，首先由于網絡和科學儀器的進步，數據獲取技術得到了前所未有的提高，加上強大的計算機處理能力，通過抽取樣本推斷總體的屬性是不是造成信息浪費呢？維克托主張，當數據處理技術已經發生了翻天覆地的變化時，抽樣技術就像汽車時代騎馬一樣，一切都變了，我們需要的是全部數據而不是樣本，統計需要“全數據模式”：樣本=總體。

（3）精確與簡單，維克托估計大數據中只有5%的數據是結構化的，是可以用傳統統計學模型進行分析的，然而其余95%的數據是混雜的，其中隱含的信息不僅多而且可能是更有用的，如果因為追求精確性而拒絕混雜數據將是資源的巨大浪費。他認為，大數據的簡單算法比小數據的復雜算法更有效，我們不應該拒絕混雜性，而要以混雜性為標準設計新型數據庫進而快速有效地獲取有用信息。

（4）因果與相關，相關性回答的是“是什么”，因果關系回答的是“為什么”。維克托主張，大數據時代，我們不必一定要知道現象背后的原因，而是要讓數據自己“說話”，知道是什么就夠了，知道了是什么就可以創造巨大的社會價值，大數據時代探索世界的方法需要改變。然而，維克托的《大數據時代》中譯本作者周濤對“相關關系比因果關系更重要”觀點不認同，認為放棄對因果關系的追求就是放棄了人類凌駕于計算機之上的智力優勢，是人類自身的放縱和墮落。我們同意周濤的觀點，在巨大的利益面前盡快、盡量多的知道是什么是很重要的，尤其是對商業界來說。探索事物之間的因果關系是統計學的重要使命之一，然而與小數據相比，大數據中的因果關系可能被大量的混雜性掩埋，望遠鏡和顯微鏡如何有效地配合使用也是我們不能回避的問題。

統計這門學科的發展一方面必須適應社會的發展，滿足社會的需求，另一方面要不斷完善其理論、方法體系。這樣一來，大學的統計教學既要讓學生掌握傳統統計學知識，又要激發和培養學生們大膽探索適應大數據時代的新思想、新方法和新應用。

[ 注 釋 ]

[1] STEVE LOHR， For Today’s Graduate， Just One Word：Statistics[N].New York Times，2009-08-05.

[2] 維克托著.周濤譯.大數據時代――生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[3] 耿直，大數據時代統計學面臨的機遇與挑戰[J].統計研究，2014（1）：5-9.

[4] 邱東，大數據時代對統計學的挑戰[J].統計研究，2014（1）：16-17.

篇4

統計學是一門分析整理數據，并由數據做出決策的綜合性學科，它的使用范圍幾乎覆蓋了社會科學和自然科學的各個領域，其中用到了大量的數學及其它學科的專業知識。大學中的數理統計課程中主要介紹了統計學中基本理論模型，為將來更好地應用統計方法奠定了良好的基礎。學生需要先學習高等數學、線性代數、概率論等課程后，即可學習數理統計。數理統計中由數據推斷總體信息時，推斷總體未知參數的真值的取值為多少，這樣的問題在數理統計中稱為參數估計，具體分為點估計和區間估計。區間估計往往是點估計加減誤差形式。可見，點估計是非常基礎和重要的。常見的點估計方法有頻率估計概率法，矩估計法，和極大似然估計法。其中前兩個方法主要應用大樣本理論給出的估計值，對于小樣本的情況，估計值的誤差比較大。而極大似然方法適用范圍更廣，其估計值也有很多優良特性。但是由于其方法實現起來比其他方法較為復雜，因此學生有時不能有效的掌握此方法，本文將結合作者多年的數理統計教學經驗，對于課堂講授極大似然估計方法提出一些心得與探討。

一、介紹極大似然估計的基本想法極大似然估計中的想法非常自然：就是最有可能事情最容易發生，或者概率最大的事情最容易發生。因此，在看待任何一組隨機試驗結果時候，都可以認為是最有可能的事情發生了，而最有可能這個想法在數學中實現其實就是函數的極值問題。例如，這樣一個問題：在一個不透明的袋子中有5個球，有白色和紅色，除了顏色不一樣以外剩下都一樣。有放回的任取3次球，結果是：白球、紅球、白球，請估計一下袋子中有幾個白球？這個問題非常簡單直觀，向學生提問以后，很多學生都會回答：估計白球有3個，或者一部分學生會回答：估計白球3個或4個。進一步提問學生為什么這樣估計，學生一般會回答：這樣最有可能。此時就可以提示學生這就是極大似然估計的基本思想，是非常自然質樸的，每個人可能在不自覺中就使用了極大似然估計。現在需要的就是把這種思想轉換成數理統計模型，并用數學方法解出來，這也是學習中非常重要的能力，把一般問題的數學模型給出來，并會分析解答。

二、統計模型的建立與求解上一例題中，試驗結果可以用服從兩點分布隨機變量來表示，

三、容易出現的理解誤區極大似然估計方法中，在求似然函數極大值時候，由于似然函數是邊緣分布的連乘形式，因此在對似然函數直接求導討論其單調性時，其求導結果較為復雜，不容易直接討論。往往需要先對似然函數取對數，把連乘形式改成連加形式，然后再求導，求導結果相對簡單，利于討論單調性。這樣做只是數學上的一個處理技巧，因為對數似然函數是一個復合函數，外層對數函數是單增函數，不改變里層似然函數的單調性。而同學們可能對這個數學處理技巧理解出現誤區，把極大似然估計理解為一套算法，一組公式，死記硬背，時間長了就沒有印象了。這樣的學習效果對以后的進一步學習或應用此方法解決問題起不到良好的作用。相反的是，應讓同學對極大似然估計的基本思想掌握牢固，并且極大似然估計的想法本身也很自然直接，而求似然函數的極值問題只不過是數學上的處理技巧，各種手段都可能用上，多加鍛煉幾次即可。如果同學對極大似然估計的想法理解透徹，不拘于具體數學解法，則有助于長時間和進一步地理解更為深刻的知識點，為將來學習和工作需要打下良好的基礎。

四、結束語總之，在數理統計的教學中給學生講授新的知識點時，主要的是對知識點基本思想的理解，讓同學理解記憶知識點的內容，最后達到靈活地應用所學內容，拓展思維能力，鍛煉解決技巧。

篇5

在當今信息時代，概率統計知識在科學研究、工程技術、人文社會科學以及經濟生活中的作用越來越重要。隨著教育部頒發的《普通高級高中數學課程標準》的實施，概率統計內容進入高中課堂。從整體上講，高中數學的改革比較具有先進性，而大學數學相對而言具有滯后性，并且高校和高中的數學在改革過程中沒有將數學內容相結合進行，因此造成了高校數學與高中數學課程內容上出現重復或者脫節現象，這就從根本上影響了數學教學效率和質量的提高.一、大學概率統計教學和高中數學教學內容的銜接問題 通過對高中數學和高等數學兩者之間進行對比，大學概率與高中概率在教學內容上有許多重復之處，對于一些內容在高中教學中要求較低，比如對概率的概念以及頻率與概率的區別等方面，高中數學教學中就沒有嚴格的要求，也沒有要求學生掌握比較嚴密的公理化定義，容易讓學生對概念理解不清。大學統計與高中數學教學內容的對比分析不難看出，兩者在教學內容上有很多相似之處，大學數學統計教學內容反映到高中，更多的是偏向于計算技巧的訓練，而大學教學在涉及統計教學內容時，比較要注重數學思想的挖掘及數學方法的應用.高中教材統計學的教學要求比較側重于實際運用，對相關的理論的了解和掌握程度較低，因此，對大學生的統計部分的教學體系基本上沒有影響，兩者之間的銜接方面存在著一定的不足.二、實現大學概率統計教學與高中數學教學內容銜接的方式 1.課程內容的銜接 大學數學概率統計教學內容是在高中知識基礎上的提高和擴充，其顯著特點是知識量增大、理論性增強、系統性增強、綜合性增強.學生在高中初步、直觀地學習了概率統計的基本知識，而大學將對有關知識進行理論化、系統化，合理地編制教材，并且進行一些研究性學習，以實現兩者之間更好的銜接.2.學習方法的銜接 由于高中的學習密度和作業量大，簡單的死記硬背的方法和被動的學習態度都會使學習出現僵局，必須使學生意識到并調整自己的學習方法的必要性與緊迫性.例如，讓學生了解大學所學習的概率統計知識中隨機現象及其統計規律性以及全概率公式與貝葉斯公式等，有助于學生對概率統計知識的更好理解，從而實現了大學概率統計知識與高中數學教學內容的銜接.比如高中在古典概型問題的講解時比較細，題目難度也比較大，因此在大學時就不需要在古典概型上花太多的時間，以有效提高學習時間的利用率，從而使學習效率大大提高.如例題：儲蓄卡的密碼一般由6位數字組成，每個數字可以是0，1，2，…，9十個數字中的任意一個.假設一個人完全忘記了自己的儲蓄卡的密碼，問他到自動取款機上隨機試一次密碼就能取到錢的概率是多少？在該例題的解析中，可以運用高中數學中所學的基本事件的特點以及結合高等數學中古典概型的有限性和等可能性的兩個特征，隨機試一個密碼，相當于作一次隨機試驗.所有的六位密碼（基本事件）共有1000000種.3.教學方法的銜接高中與大學的數學教學方法均以講解法為主，但高中教學要對概率統計知識進行詳細的講解，然后總結題型，歸納方法方式，提高教學知識的系統性與網絡化.大一應承接高中教學對解題方法有總結歸納，增加練習課次數和題量訓練量，先讓學生掌握通性通法，使剛入學的學生度過適應期.例如在概率統計內容的概念學習中，可以對易混淆的概念（定理）對比學習；對公式、定理各字母的含義、適用范圍、特例等作補充說明等來幫助學習，在老師的指導下使其成為學生自身的學習方法和習慣.例如在例題“在1000個有機會中獎的號碼中，在公證部門監督下按照隨機抽取的方法確定后兩位數為××的號碼為中獎號碼，應該采取什么樣的抽樣方法”中，該種類型的例題就可以通過高中數學中系統抽樣的方式和高等數學中間隔距離相等的抽取相結合，對例題進行解答.4.增設數理統計試驗 數學課是一門實踐性較強的課程，在統計與概率教學內容中，存在許多隨機試驗，許多規律是從試驗中總結出來的.因此，在大學概率統計和高中數學教學內容銜接改革過程中，應該充分利用excel作為數據處理平臺，讓學生更好地進行數據的采集和處理，在計算標準差、相關系數、平方和分解等問題時能夠收到事半功倍的效果，并且還有利于培養學生的研究、概括、總結能力，鞏固和加深統計和概率的知識內容，有利于學習效率的提高，從而實現大學概率統計與高中數學教學內容更好的銜接.5.高考命題與高等數學知識的銜接 數學考試大綱明確指出，數學高考命題緊密聯系高等數學知識內容，已為學生進入大學學習做好準備.因此要做好高中數學和高等數學概率統計的銜接工作，就必須把高考命題作為重要考慮內容，實現與高等數學的緊密銜接，主要方式為在高考命題中直接出現高等數學符號、概念，或以高等數學的概念、定理作為依托融于初等數學知識中.此類題目的設計要基于高中數學概率統計基礎上，又要涉及高等數學概率統計知識，其解決方法還是高中數學知識，較易突破.在高考命題中融入高等數學內容，能全方位、寬角度、多層次地考查學生基本的數學素養，以便于實現高中數學與高等數學的緊密銜接. 總之，隨著新課程改革，大學概率統計教學與高中數學教學內容的銜接方面還存在著一定的缺陷和不足，作為一名高校教師，應不斷充實教育理論知識，優化教學內容，拓展所教專業的專業知識，尋求實現兩者之間更好銜接的方法和措施，才能從根本上提高數學教學的效率和質量，從而進一步推動數學教育改革的發展.

參考文獻：

[1]趙慧.對高中與大學“概率統計”教學銜接的思考――以財經院校為例[J].教育探索，2013（6）：45-46.

[2]中華人民共和國教育部.普通高中數學課程標準（實驗）[S].北京：人民教育出版社，2003.

篇6

【關鍵詞】大數據 高中統計 數據分析 內容數據鏈

大數據的價值性，快速性，大量性，多樣性，和預測功為教育提供了一種可能目前教育的形式多種多樣，慕課、微課、網絡公開課等等。大數據時代下的教育是怎樣的呢？是基于個性化學習，是量化的，自我組織學習內容的教育，不僅要了解學生“心聲”，認知水平和學習興趣，而且要師生互動、合作探討學習內容，將傳統課程、教學、教材的內容數據化，利用可視化技術，提高學習興趣。提升內容吸引力。高中統計內容必須系統化、過程方法直觀化，這對高中的統計內容提出了挑戰。使專題塊和課程案例集以數據知識鏈為核心，使教育在大數據時代下的“量化”。

一、高中統計內容的新契機是大數據

使教育由數字支撐變化到數據支撐。高中統計教學場景布置，統計內容設計，學習場景的變革等等過去靠“敲腦袋”或者“理念靈感加經驗”的東西，在背景為物聯網、云計算、大數據下，變成一種由數據支撐的“行為科學”.用數據分析的方法對高中統計內容進行分析、挖掘，利用大數據更改高中統計內容，建立主線為“統計知識鏈”、目標為培養“數據分析能力”首尾呼應內容數據鏈，使高中統計內容的系統更加優化。

由于各種原因使高中統計內容，沒有得到較好的發展.直到國家教育部頒布了各種政策，統計才得以發展.然而各種問題的存在仍然困擾著我國統計教學發展。大數據關注每一位學生的個性化需求與發展，關注學生的自我意識，分析群體心理，讓教師關注學生的興趣愛好，選擇適合學生的方法，讓學生自主的、創新的學習。

正如教育家張韞所說：“大數據時代的到來，讓社會科學領域的發展和研究從宏觀群體逐漸走向微觀個體，讓追蹤每一個人的數據成為可能，從而讓研究每一個個體成為可能.對于教育研究者來說，我們將比任何時候都更接近發現真正的學生。”大數據在充分了解學生各種需求，目前處于的狀態的情況下合理運用各種統計內容，各種現代化的教學方式，不拘泥于傳統化教學方式，利用各種資源形成螺旋式上升的統計內容數據鏈。使每一位學生都樂于學習，其個性化學習需求成為可能。

二、高中統計內容數據鏈在大數據視域下的內涵

數據高中統計內容的核心研究對象，數據分析是重點，統計學習是在初中的基礎上，進一步學習數據統計方面的各種方法；用各種操作培養學生的歸納推斷能力、統計思維、數據分析素養，提升學生在數據分析方面的能力，統計內容數據鏈為學生統計能力的提升提供了研究平臺。把課程目標，學生需求、與大數據算法，數據鏈式結構有機結合起來是大數據視域下的統計內容數據鏈核心思想，利用大數據，將統計內容數據化，增強內容的可讀性，銜接性、合理性、連貫性，織成統計知識，形成統計內容數據鏈。例如：具體環節為：鏈宿是“樣本估計總體、”等數據分析方法，鏈源是“系統抽樣，等距抽樣、分層抽樣”，鏈節是的數據描述、統計圖形.通過統計知識的實際應用使“統計知識鏈”為統計內容數據鏈的內化，“統計能力鏈”為其外化，“統計能力鏈”，“統計素養鏈”為其發展，成為對學生產生重大影響的“統計思想鏈”所以，利用大數據的科學方法可使統計內容體系最終形成的統計思想體系；數據結構的鏈式模型，將促進學生創新思維，增強學生的參與積極性，使高中統計集“知識鏈、能力鏈、素養鏈、思想鏈”于一體。

三、高中統計內容大數據視域下下的數據鏈設計

（一）高中數學統計內容知識結構

各種版本的高中數學統計內容都介紹了基本的獲取樣本數據的獲取，提取方法，就是我們常說的用樣本推斷總體，部分推斷整體.統計知識注重培B學生數據分析的能力，利用實例講解數據的各種思想，方法結合在一起，提高學生的綜合能力。例如：結合具體問題情境，學習如何進行數據收集，分析，如何思維理解其含義。

（二）高中數學統計內容的教學要求

課標充分重視高中數學統計內容，并采取了有效的改進和創新措施。教學過程中，注重學生自我特長的發展，創新教學方式，不拘泥于傳統的書本知識，強調以人為本，面向未來，讓學生有數據意識，學會用數據說話，將統計知識運用于實踐。

（三）高中統計內容在大數據視域下數據鏈設計

量化教育是大數據時代的可行教育，通過數據了解學生的個性化需求，促進學生的個性發展，注重創新式培養。結合教材利用現代化信息技術設計出學生樂于接受的教學方式。從“數據讀心”，到“抓心入心”，再到“知心交心”，最終形成“數據育心”的培養鏈是統計內容數據鏈的設計原則。例如：分層抽樣內容數據鏈的設計.首先，將分層抽樣知識系統化。其次，將分層抽樣的過程方法直觀化。最后，依據統計內容數據鏈的設計原則和學生個性化學習需求，動態生成分層抽樣內容數據鏈。把具體問題數據化。使分層抽樣內容數據鏈成為滿足自我發展需要的“知識鏈、方法鏈、素材鏈”。

四、結語

綜上所述，對統計內容數據我們應該就地取材，因地制宜，開創多種方式的教學方式，注重學生的個性化需求，不要拘泥于傳統的教材，注重培養學生的創新思維和自主參與能力，要讓學生發揮主觀能動性，積極主動的自己去思索，發展自己的特長，學會將具體的事情數據化不用數據的思想去思考問題，去看世界，老師也要探索更好的教學方法。將現代化的科學技術與傳統枯燥的教材相結合創造出一種能夠發揮學生潛能，特長的教學方式，要循循善誘，引導學生。總之，統計內容數據鏈能更好地使學生不斷提升自己的數據分析“能力鏈”使學生學會用統計思想、統計方法、統計思維、統計觀念、統計意識來認識世界，改造世界。

參考文獻：

篇7

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2016）43-0101-03

一、研究背景

自2002年桂林理工大學在廣西開辦了第一個統計學本科專業以來，針對當時理學學位的統計學專業培養的學生雖然數理基礎相對扎實，但普遍統計思想不夠，實際應用能力較弱的現狀和特點，對統計學專業進行了全方位的改革研究，確立了"數學與統計學相融，從培養學生扎實的數理基礎和極強的統計分析應用能力有機相結合的理念出發，構建了新的課程體系和教學內容，取得了系列研究成果。2009年研究成果開創“應用性、實驗性、案例性”一體化的統計學專業課程體系和教學模式，獲得廣西高等教育自治區級教學成果二等獎[1]，并在其后分別把統計學學科建成廣西重點學科和廣西高等學校優勢特色專業，以及把應用統計實驗室建成廣西高等學校重點實驗室。

雖然我校統計學專業的教學改革和建設取得了許多成果，但近幾年，我們也逐漸感覺到在大數據新形勢下，我校應用統計學專業的教學體系還有一些不適應的地方，且某些問題還有日益凸顯的趨勢，我們原來的某些研究成果已不再適應新時代的要求，這就迫使我們繼續進行改革研究，探討在大數據背景的新形勢下，如何培養統計學專業復合型和應用型人才，如何準確把握統計學的發展方向與發展形勢，如何調整人才培養模式，如何調整相關課程和課程內容，以培養適應大數據背景下社會經濟發展需要的統計學專業人才。

許多國家越來越重視數據在大數據時代重要作用，我國也不例外，2012年9月，國家統計局第7次局務會提出，盡快開展在政府統計中應用大數據的研究。2013年可以看作是我國政府統計之大數據元年。2015年9月《國務院關于印發促進大數據發展行動綱要的通知》（國發〔2015〕50號）[2]頒布，標志著我國正逐步進入大數據建設的新時代，為此，國家統計局積極推動大數據在各方面的應用與實踐。而大數據的核心是數據，應用統計學學科是與數據分析處理聯系最為緊密的應用性學科，因此，應用統計學專業的教學體系應順應大數據發展的趨勢。在大數據背景下，應用統計學專業在繼承傳統數據分析技術的基礎上，對所需的數據處理技能提出的需求更高了。這就是說，大數據對應用統計學的培養目標，以及教學內容等的沖擊無疑是最大且不可避免的，這給應用統計學專業帶來了巨大的挑戰，同時也為應用統計學學科的發展帶來了前所未有的機遇。

大數據逼迫人們改變分析、處理數據的手段、思維和理念，這就逼迫應用統計學專業改革必須引入新手段、新思維和新理念。培養應用統計學人才必須與時俱進，才能不斷適應大數據新時代的要求，這關系到應用統計學專業培養的人才能否適應和滿足社會的需求，因此，這一研究是十分必要、十分迫切且有著重要的理論和實際應用意義。

篇8

中圖分類號：H319.3　文獻標識碼：B　文章編號：1001-5795(2012)02-0056-0005

現代網絡信息技術通過網絡應用(Web Applieations)促進網絡上人與人之間的信息交換和協同合作，其模式更加以用戶為中心。近年來，現代網絡信息技術在國外，尤其在美國大學的眾多課程教學中被廣泛應用，關于信息技術在教育領域的應用研究也逐漸流行。在世界范圍內，特別是在北美地區的國家，大學教授們通常將他們的課程講解內容錄制成音頻或視頻文件，通過播客讓學生進行學習(Lee&Chan，2007：85－104)；同時很多使用播客的美國大學老師聲稱通過采用播客進行授課，學生對于所講授課程存在的問題比以前有了明顯的減少(Fiehter，2006：46-48)。學習者可以將相應的課程音頻或視頻文件拷貝到現代化的移動通訊設備，如手機或手提電腦中，從而實現隨時隨地的自主式學習，打破傳統意義上的、受時空限制的學習模式。基于現代網絡的Wiki信息技術給現代教育創造了一個可以跨越時空的交流平臺和豐富的現代網絡教育資源。

信息技術作為一種新興的教學資源和助學手段，在外語教學中有著巨大的潛力，并極大地影響著外語教學模式。教學模式是在相應的教育思想、教學理論和學習理論指導下建立起來的教學活動的穩定結構形式。教學模式需要與相應的環境相適應并隨之而變化、發展和創新。隨著信息技術和高等教育事業的發展，新型教學模式的研究和實踐已經成為我國高等教育教學改革的熱點。國家教育部頒布的《大學英語課程教學要求》(2007)(以下簡稱《課程要求》)提出了新的英語教學模式，即網絡化自主學習教學模式：“各高等學校應充分利用多媒體和網絡技術，采用新的教學模式改進原來的以教師講授為主的單一課堂教學模式。新的教學模式應以現代信息技術，特別是網絡技術為支撐，使英語教學不受時間和地點的限制，朝著個性化學習、自主式學習方向發展。”可見，新型的大學英語教學應建立在信息技術基礎之上。

1　信息技術與外語課程整合理論與框架

信息技術與課程整合是隨著信息技術的發展和我國基礎教育新課程改革的推進而出現的一種全新的教學理念(陳堅林、胡加圣，2011：53)。信息技術與課程整合有利于豐富學科知識、激發探索熱情，創設教學情境、營造良好氛圍，優化學生認知、掌握思維規律，優化課堂教學結構、啟發學生主動參與(黃宇星，2003：58－61)；有利于把學生的主動性、積極性和創造性較充分地發揮出來，使傳統的以教師為中心的課堂教學結構發生根本性變革，從而使學生的創新精神與實踐能力的培養真正落到實處(何克抗，2005：7－14)。

關于信息技術與課程整合的定義，教育技術學領域的專家學者進行了深入探討。李克東等(2002)認為它是在課程教學過程中，把信息技術、信息資源、信息方法、人力資源和課程內容有機結合，共同完成課程教學任務的一種新型的教學方式。南國農(2002)認為它是指將信息技術以工具的形式與課程融為一體，將信息技術融入課程教學體系各要素中，使之成為教師的教學工具、學生的認知工具、重要的教材形態和主要的教學媒體。何克抗(2005)指出，它是通過將信息技術有效地融合于各學科的教學過程來營造一種新型教學環境，實現一種既能發揮教師主導作用，又能充分體現學生主體地位的以“自主、探究、合作”為特征的教與學方式。

信息技術與外語課程整合是當今外語教學發展的主流方向，信息技術是構成外語教育技術的要素之一，在與外語課程整合中承擔著許多看不見的重要作用(胡加圣，2010)。外語教育工作者對于信息技術與外語課程整合的含義進行了進一步的探討。李威(2007)將其定義為：在英語教學中，教師和學生有效地應用信息技術營造一種數字化學習環境的新型教學方式，并在該環境中實現教學內容呈現方式、學生學習方式、教師教學方式的變革，從而突出學生主體地位，發揮教師主導作用，培養學生綜合語言運用能力和信息素養。何培芬(2007：14－19)認為在建構主義理論指導下，通過將信息技術有效地融合于外語教學過程，以營造一種新型的教學環境，實現一種既能發揮教師主導作用，又能充分體現學生主體地位的以“自主、探究、合作”為特征，從而把學生的主動性、積極性和創造性充分發揮出來的教學方式。

陳堅林教授早在2006年就提出了計算機網絡信息技術與外語課程生態化整合理論，認為計算機網絡與課程整合和計算機輔助教學有本質的區別，計算機輔助教學突出的是輔助的功能，即輔助教師提高教學的效果，主要局限于教學的具體手段和方法上；而計算機網絡信息技術與課程整合后，計算機成為整個課程系統的一個有機組成部分，而不是可有可無的輔助工具，從根本上改變了課程的本質，打破了“課堂+課本”的局限，使得教學結構發生根本的變化，能夠創設一種新型的以教師為主導、以學生為中心的理想的教與學的環境和方式，并提出了計算機網絡與外語課程

圖1計算機與外語課程整合框架(陳堅林,2006)整合的框架(見圖1)，認為該教學框架與傳統的教學框架相比發生了根本的變化，就各教學要素而言，教師、學生、計算機以及教學內容之間的關系都不是單向性的，而是雙向的相互聯系、相互作用、相互依存、相互轉化的關系；教師的作用發生了根本的變化，他們再也不是課堂教學的中心，學生由被動的知識接受者變為知識的主動建構者，學生的知識來源范圍更加擴大，在整個學習過程中，他們可以接觸的知識能夠遠遠超出課本的范圍，可以通過許多途徑進行有意義的、主動的知識構建。陳堅林教授(2010：72-73；100-115)提出信息化教學模式，認為該模式是在信息化時代條件下的新發展，是基于信息技術的教學模式(IT-Based Instruc，tion Model)或數字化、信息化學習模式(E-LearningModel)，是信息技術支持的教學活動結構和教學方式，也是包含技術豐富的教學環境、相關教學策略和方法的教學模型，常見的信息化教學模式有：基于問題的教學模式、網絡探究教學模式、基于項目的學習、基于案例的學習、基于資源的學習等。

2　基于現代網絡信息技術的大學英語協同式教學模式

在信息技術與外語課程生態化整合理論的指導下，本文作者提出了基于現代網絡信息技術的大學英語協同式教學模式(見圖2)，在大學英語教學過程(如課前預習、課堂學習以及課后復習、自主學習、作業、語言實踐操練等環節)中通過運用現代網絡信息技術創建自然的、真實的大學英語教學生態環境，使教師和學生等各教學要素能夠在行為主義理論、認知理論和建構主義理論的指導下進行實時同步和非實時異步的師生合作、生生合作、人機合作的以教師為主導、以學生為主體的協同式教學模式。

大學英語精讀教學過程至少包括課前預習、課堂教學、課后復習以及自主學習等。學生在進行課前預習時，可能會遇到疑難問題，此時，基于現代網絡信息技術的大學英語協同式教學模式使學生能夠通過信息技術隨時、隨地和教師或者其他同學進行交流以解決問題；同時，教師和學生可以通過信息技術進行課堂教學和學習，因此該教學模式既能使師生進行即時互動，又能促進課堂上學生的學習和教師的講解、學生課后復習以及自主學習、作業和語言實踐練習等。

其次，基于現代網絡信息技術的大學英語協同式教學模式可以使學生在大學英語教學目標的指引下，通過師生合作、生生合作、人機合作等形式進行協同探究式學習。教師可以就某個具體的教學內容提供相關的網絡鏈接信息資源，引導學生進行探究式學習，學生可以通過網絡就某個具體的學習問題進行討論，互相交流觀點、見解和學習成果，共同尋找和歸納問題的答案，從而培養自身分析問題和解決問題的能力。

外語教學是一個系統，由許多相互聯系的和相互作用的部分和要素按照一定層次和結構所組成并具有特定功能的有機整體，是一種在一定空間內各要素與環境構成的自然、開放的生態整體；在該整體中，各種教學要素之間在生存過程中相互競爭、相互作用、相互依存，形成健康有序的狀態(陳堅林，2010)。基于現代網絡信息技術的大學英語協同式教學模式能夠實現我國大學英語教學的生態化。

3　實驗研究

為了驗證基于信息技術的大學英語協同式教學模式在實際大學英語教學應用中的可操作性和實效性，本文作者做了一個基于播客和博客在大學英語精讀課程教學中應用的定性和定量研究。

3.1　實驗目的

此實驗目的在于評估播客和博客在大學英語精讀課程教學中的有效性。通過比較兩組學習者具體表現的變量(如：認知變量和情感變量)來進行評估。

3.2　研究問題

依據實驗目的我們提出了相應的研究問題，即學生聽取有關教學材料的音頻文件以及與教師和同學通過信息技術手段進行協同式學習交流對其學習效果有何影響。

3.3　研究假設

學習效果是一個測量學習者在特定的教學環境中對所教內容的理解程度的變量(Benbunan-Fieh&Ar-baugh，2006：778-793)。學習表現是衡量學習效果的關鍵變量(Piccoli et al.，2001：401-426)。學習滿意度是構成學習者在學習過程中體驗成功樂趣的重要因素(Hobbs&Osburn，1989)。學習焦慮是學習者在學習過程中的消極感覺，在學習中減少學習者的學習焦慮有助于提高其學習效果(Fraser et al，1983：201-208)。學習參與程度是學習者提高學習效果的重要因素，學習者越是積極地參與學習活動，其學習效果就越好(Webster&Hackley，1997：1282－1309)。學習自主性是學習者對自身學習負責程度的具體表現(Fillion，2005)。學習動機是學習者為完成某個具體的學習任務所投入的努力程度(Brien，1997)。基于以上分析，我們提出如下研究假設，即：在大學英語精讀學習過程(如課前預習、課堂學習以及課后復習、自主學習、作業、語言實踐操練等環節)中聽取課程音頻材料且與教師和同學進行學習交流的學生的學習效果更好。

3.4　實驗方法

該實驗以嘉興某大學的192名二年級非英語專業學生為研究對象(女生102名和男生90名)，課程是大學英語精讀。在課程學習之前，對學生進行了面談的定性研究，內容包括：①在大學英語課程學習過程中是否會應用信息技術；②如何應用信息技術進行大學英語學習等，并針對學生的回答做了書面記錄。在此基礎之上將學生分成兩組，第一組(以下稱“實驗組”)有42名學生，他們在學習過程中聽相關教學內容的音頻材料且與教師和同學通過信息技術進行學習交流，第二組(以下稱“參照組”)共有150名學生，他們不聽相關的音頻材料且不與教師和同學進行學習交流。實驗組和參照組是該實驗的兩個獨立變量(Independent Variable)。根據Fillion et al(2005)，兩組學生的認知效果和情感因素是該實驗的從屬變量(Dependent Var-iable)，包括：學習效果、學習表現、學習滿意度、學習焦慮、學習參與程度、學習自主性和學習動機。在課程學習結束之后，讓學生完成一份包括77個問題的問卷調查，然后使用統計分析軟件SPSS 19.0對兩組學生的平均分進行比較和方差分析。

3.5　實驗結果

根據面談記錄，我們發現實驗組的42名學生一致認為在大學英語精讀教學中應用播客和博客能夠增強學習的動機、自主性和參與程度，減少了對課程學習的焦慮，對自身的學習表現普遍滿意；而參照組的150名學生中有145名認為傳統的大學英語教學方式不能增強學習的動機、自主性和參與程度，有140名學生對課程學習過度焦慮，從而有近95％的學生對自身的學習表現不滿意。

表1是實驗中兩組學生的學習效果、學習表現、學習滿意度、學習焦慮、學習參與程度、學習自主性和學習動機這些從屬變量的平均分(μ)和標準誤(σ)。

為證實上述研究假設，我們對兩組學生的學習效果進行了方差分析(ANOVA)，從而可以對其進行顯著性(Sig.)檢驗，如表2所示。

3.6　討論分析

實驗結果顯示：實驗中兩組學生的學習效果存在顯著性差異，實驗組學生的學習效果平均分(μ=0.29)要高于參照組學生的學習效果的平均分(μ=－0.08)，充分證實了上述研究假設，從而表明了在大學英語精讀課程教學中應用現代網絡信息技術有利于提高學習者的學習效果；同時該實驗也證實了該教學模式的可操作性。

篇9

A.46,45,56B.46,45,53

C.47,45,56 D.45,47,53

答案：A　命題立意：本題考查中位數、眾數、極差等特征數與莖葉圖，難度中等.

解題思路：利用相關概念求解.由莖葉圖可知，第15個數據是45，第16個數據是47，所以30天中的顧客人數的中位數是45和47的平均數，即為46.出現次數最多的是45，故眾數是45;數據68與最小數據12的差是56，即極差是56，故選A.

2.在100個零件中，有一級品20個，二級品30個，三級品50個，從中抽取20個作為樣本：采用簡單隨機抽樣法，將零件編號為00,01,02，…，99，從中抽出20個;采用系統抽樣法，將所有零件分成20組，每組5個，然后每組中隨機抽取1個;采用分層抽樣法，隨機從一級品中抽取4個，二級品中抽取6個，三級品中抽取10個，則()

A.不論采取哪種抽樣方法，這100個零件中每個被抽到的概率都是

B.兩種抽樣方法，這100個零件中每個被抽到的概率都是，并非如此

C.兩種抽樣方法，這100個零件中每個被抽到的概率都是，并非如此

D.采用不同的抽樣方法，這100個零件中每個被抽到的概率各不相同

答案：A　解題思路：由于簡單隨機抽樣法、系統抽樣法與分層抽樣法均是等可能性抽樣，因此不論采取哪種抽樣方法，這100個零件中每個被抽到的概率都是，故選A.

3.從某中學一、二兩個班中各隨機抽取10名學生，測量他們的身高(單位：cm)后獲得身高數據的莖葉圖如圖甲，在這20人中，記身高在[150,160)，[160,170)，[170,180)，[180,190]的人數依次為A1，A2，A3，A4，圖乙是統計樣本中身高在一定范圍內的人數的程序框圖，則下列說法正確的是()

A.甲可知一、二兩班中平均身高較高的是一班，圖乙輸出的S的值為18

B.甲可知一、二兩班中平均身高較高的是二班，圖乙輸出的S的值為16

C.甲可知一、二兩班中平均身高較高的是二班，圖乙輸出的S的值為18

D.甲可知一、二兩班中平均身高較高的是一班，圖乙輸出的S的值為16

答案：C　命題立意：本題主要考查統計與程序框圖的相關知識，統計問題與程序框圖的結合有可能成為高考命題的熱點，此類題目考查的方式多樣，難度適中.在該題中對程序框圖的考查主要體現在對其循環結構的考查.此類題目易出現的問題主要是不能從整體上準確把握程序框圖，無法確定賦值語句、輸出語句中各個變量與實際問題的聯系，從而不能確定程序框圖所要解決的實際問題中的相關數據.所以解決此類問題首先要明確程序框圖中的各類數據與實際問題中數據之間的對應關系，準確把握實際問題中數據的實際意義.

解題思路：由莖葉圖可知，一班學生身高的平均數為170.3，二班學生身高的平均數為170.8，故二班學生的平均身高較高.由題意可知，A1=2，A2=7，A3=9，A4=2，由程序框圖易知，最后輸出的結果為S=7+9+2=18.

4.下表是降耗技術改造后生產甲產品過程中記錄的產量(噸)與相應的生產能耗y(噸標準煤)的幾組對應數據，根據表中提供的數據，求出y關于x的線性回歸方程=0.7x+0.35，那么表中m的值為()

x 3 4 5 6 y 2.5 m 4 4.5 A.4 B.3.5

C.3 D.4.5

答案：C　命題立意：本題考查統計的相關知識，難度中等.

解題思路：依題意得=×(3+4+5+6)=4.5，=(2.5+m+4+4.5)=，由于回歸直線必經過樣本中心點，于是有=0.7×4.5+0.35，解得m=3，故選C.

5.某調查機構對本市小學生課業負擔情況進行了調查，設平均每人每天做作業的時間為x分鐘.有1 000名小學生參加了此項調查，調查所得數據用程序框圖處理，若輸出的結果是680，則平均每天做作業的時間在0～60分鐘內的學生的頻率是()

A.680

B.320

C.0.68

D.0.32

篇10

中圖分類號：R97　文獻標識碼：C　文章編號：1006－1533(2009)10－0465－02

我院從2006年2月開始實行臨床藥師定期門診審方工作。采用回顧性調查方式，抽取每月總處方量的2％左右進行審查，然后將處方的不合理問題上報給門診辦公室，再由門診辦公室督促各臨床科室整改。審方結果每月公示，以期提高處方質量。

1　方法

1.1　資料來源

選取2006年2月～2007年12月的門診審方記錄。2007年7月開始加入“書寫不規范”審查內容，2007年11月開始取消“缺項”。

1.2　數據處理

以“Microsoft Excel”軟件進行數據處理，對主要問題以及主要科室進行排序。

2　結果

概況：審方總數21239張，不合格處方總數達1895張，占總數的8.9％。

不合理問題分類見表1，不合理處方的科室分布見表2。

3　討論

3.1　主要問題

3.1.1　缺項

在廣泛使用電子處方以前，“缺項”一直是最主要的問題，反映了醫師工作作風不嚴謹的問題。廣泛使用電子處方后，“缺項”問題已通過電腦程序杜絕。

3.1.2　書寫不規范

2007年5月《處方管理辦法》開始實施，對處方作了更嚴格的要求，故從該年7月開始加入“書寫不規范”項目，本院2007年下半年不合格處方比例直線上升。書寫不規范成為主要問題，包括不規范的藥名和診斷。診斷的不規范中、英文縮寫占絕大多數。如“上感”、“慢支”、“尿感”、“HBP”、“CAD”、“CG”、“DM”等。按照正式文書(如論文、法律文書)的書寫規則，應至少先用一次中文或英文全稱，之后才以縮寫代替。處方是一種具有法律意義的文書，且診斷只出現1次，故應用全稱。

3.1.3 無指征用藥

無指征用藥的問題較多，大多數情況下，因患者有多種疾病及相應治療，但醫師只寫明了主要診斷。有些則是患者要求開具自備藥，主要是抗菌藥及感冒藥。另有一些情況如下：

1)一些退行性疾病使用抗菌藥，如頸椎病、腰椎間盤脫出、網球肘、白內障、老視等。

2)一些急性狀態如心梗、腦梗、糖尿病酮癥，如伴有感染需用抗菌藥，應同時寫明感染診斷，感染診斷應包含感染部位。

3)哮喘、慢性阻塞性肺病(穩定期)無使用抗菌藥指征，需用抗菌藥者應注明患者處于急性發作狀態。

3.1.4　抗菌藥的用法