大数据时代下软件工程教学改革措施论文

大数据时代下软件工程教学改革措施论文（精选6篇）

篇1：大数据时代下软件工程教学改革措施论文

0引言

大数据[1](bigdata)或称巨量信息，指的是所涉及的信息量规模巨大，以至无法通过目前的主流软件工具在合理时间内实现采集、管理和处理，并成为帮助企业经营决策以达到更积极目的的数据。大数据这个术语最早的引用可追溯到Apache基金会的开源项目Nutch，当时大数据用来描述为更新网络搜索索引，需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce、GFS(googlefilesystem)以及Hadoop的发布[2]，大数据不再仅用来描述大量的数据，还表示处理数据的速度。全球知名咨询公司麦肯指出，“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轮生产率增长和消费者盈余浪潮的到来”。大数据的市场前景广阔，对各行各业的贡献也将是巨大的。目前来看，未来大数据技术能否达到预期的效果，关键在于能否找到适合信息社会需求的应用模式以及能否建立起配套的教育培训体系，为大数据产业的发展输送合适的人才，使大数据产业保持创新能力和长期可持续的发展[3]。

1大数据对软件工程专业教育的影响

大数据技术在企业界有广泛的需求。未来大数据技术人才的需求者不仅是大企业，还有大量的中小企业，而目前能够掌握并运用大数据技术的企业数量不足3成，后发企业迫切需要对现有IT人员进行大数据方面的技术培训，人才缺口是长期且巨大的。是大数据元年。从阿里巴巴的去IOE运动到“双11节”淘宝1天350亿元人民币的交易额，大数据时代已经开始席卷整个互联网。在大数据技术迅猛发展的时期，系统掌握大数据技术的软件工程师必将成为整个互联网行业炙手可热的人才。目前，很多高校都已经开设软件工程专业，培养了大批软件工程专业人才。然而，大数据带来前所未有机遇的同时，也给现有的软件工程技术和软件工程专业教育带来一系列挑战。为了适应日新月异的大数据产业对人才的需求，高校需要及时调整软件工程专业人才培养方案，培养系统掌握大数据技术的软件人才，这也是软件工程专业改革的必然趋势。

篇2：大数据时代下软件工程教学改革措施论文

2.1教学内容的改革

1)教学内容的设置要紧密贴合行业和技术发展。大数据时代，软件工程专业教育必须适应软件行业和大数据行业的需求，关注大数据系统的建设问题，在大数据统计软件、程序设计、数据库系统等方面对学生进行训练，以满足大数据系统建设与应用的需要。目前行业使用较为广泛的大数据平台是基于Apache开源社区版本的Hadoop生态体系，阿里巴巴、腾讯、百度、网易、Facebook、Twitter等国内外大名鼎鼎的互联网系统的存储及数据处理基本都采用Hadoop生态系统。软件工程专业课程设置应该在原有经典课程体系中加入Hadoop生态系统中使用最为广泛的HBase、Hive、Zookeeper、数据交换、大数据查询、大数据项目实践等核心内容，以电商后端数据贯穿整个课程项目。真正的大数据课程需要有分布式的实验环境支撑，为了达到良好的教学效果，还应该建立拥有大数据实验平台的大数据实验室，供学生完成专业学习和实验。

2)教学内容的设置要与企业的实际需求接轨。在大数据时代，创新型人才是稀缺资源，企业需要员工不仅具备扎实的基础知识和专业理论知识，还具备较强的动手能力以及对新知识、新技术的学习能力和对新产品的开发能力。因此，课程的教学应与企业真实需求接轨，通过融入大量企业实践案例，全方位提升学生解决实际问题的能力。为了确保课程的教学内容根植于企业的真实需求[4]，教师可采取以下4种方式：①作充分的市场调研，了解各大企业真实的岗位需求;②定期到企业技术需求部门走访交流，获得企业人才与技术需求的第一手资料;③邀请知名企业技术总监与学生交流，现场了解企业人才需求;④回访在应聘过程中遇到困难的同学，了解他们遇到的问题，寻找解决方法，及时调整课程教学内容;⑤聘请知名企业优秀的技术专家尤其是企业大数据高级软件工程师授课，这些技术专家来自一线，有丰富的实战经验，非常清楚地知道学生从事与软件和大数据相关工作需要掌握的.知识与技能，这些经验是学生应该学习的精华。

2.2师资队伍的改革

大数据时代，学校需要不断增强师资队伍的实力。软件工程专业的教师不仅需要扎实的理论基础、较强的实践能力和丰富的开发经验，而且需要熟练掌握目前软件项目开发和设计的新技术、新标准。提高师资团队水平可以采取以下几种方式：①轮流选派教师到知名企业实践交流，让教师实际参与企业的项目开发，以便教师能充分了解企业对技术和人才的需求，在教学中引入真实的企业项目和案例，不断调整和更新教学内容，积极主动地培养适应企业需要的人才;②选派教师参加大数据系列课程培训，全面掌握Hadoop的架构原理和使用场景，从产学研角度推进大数据技术的进步与发展。

2.3教学方式的改革

1)改革实践教学方式。

(1)改革实验环境和实验平台。企业在开发、测试、部署实际项目时需要有特定的软件环境。在实践教学过程中，不但要让学生熟悉这些环境，还要特别注意在实际工作中容易出现的各种问题和错误，找到相应的解决方法。为此，教师应该在校内搭建真实的实验环境，采用企业项目案例进行实践教学。真正的大数据课程需要有分布式的实验环境支撑，基于Hadoop搭建大数据实验平台，给学生提供大数据分析、储存、管理的实验环境，让学生掌握Hadoop中HBase、Hive、Zookeeper等关键技术并熟练掌握数据交换、大数据查询、大数据项目实践等核心内容，在此基础上再结合真实的电商企业数据，培养学生分析问题和解决问题的能力。大数据环境下，传统的实验室无法满足教学需要，需要构建云环境下的虚拟实验室，结合云计算和虚拟技术，打破时空限制，为学生提供开放的实验平台，让教师和学生随时随地都能访问和使用实验资源[5]。

(2)加强校企合作。当前，解读大数据已成为时代的任务，利用大数据是时代的机遇。高校和企业虽然担任着不同的社会角色，但是同样肩负着推动社会进步的历史使命。为了更好地促进软件工程专业人才与社会人才需求接轨[6]，与企业紧密合作将更加有利于以理论促进技术，以技术推动产业，实现高校提高教育质量，企业提升产业效益，校企共同谋求人类福祉的长远发展目标。学校拥有大量的人才资源，企业拥有真实的环境和数据资源，学校和企业合作可以为学生提供真实的社会实践机会，一方面可以培养学生的实际操作能力，令学生学以致用;另一方面可以令学生通过企业实践深刻体会企业的需求[7]，促使自己更有目的地学习，激发学习兴趣，提高学习的动力。通过实践还可以培养学生的团队协作精神，帮助学生毕业后更快地融入企业的工作团队。企业在学生实践的过程中选拔优秀人才，树立企业形象，宣传产品，实现校企双赢。

(3)建立在线教学平台。为了让学生充分利用课余时间学习，教师可搭建适合软件工程专业教学的在线教育平台[8]，实现如下功能：①学生留言。学生可以随时向教师留言提问各种问题，并且其他同学也可以看到这些问题以及教师的回复。②在线交流。学生可以利用在线交流平台适时和教师进行交流沟通。③在线微课程。教师将课程内容全部划分成微知识点，录制成微课程，通过考试检测学生学习知识点的盲区;学生通过在线微课程查漏补缺，弥补上课学习的不足。

2)引入分层教学理念。与IT行业其他领域相比，大数据更需要复合型人才。在软件工程相关学科的基础上，具备数学、统计学等专业知识的毕业生在大数据领域有广阔的就业前景[9]。由于学生入学时基础各不相同，同时还存在学习水平和学习能力上的差异，为了达到更好的教学效果，可以采取分层教学方法：软件工程专业学生在经过一年的基础理论知识学习之后，通过分层考试，结合平时的学习状况，分成精英班和普通班;成绩优异的少数学生分到技术较难的大数据高级软件工程师精英班，其余的学生进入软件工程普通班学习。精英班除了学习普通班的软件工程和大数据基础课程之外，还增加Hadoop企业级应用开发技术、Hadoop项目规划部署与企业管理等专业和实践性较强的课程，目标就是培养优秀的大数据软件工程师。

3结语

大数据时代给现有的软件工程技术和软件工程专业教育带来了一系列挑战，高校软件工程专业教学的变革是必然的，培养系统掌握大数据技术的软件人才是软件工程专业改革的趋势。笔者从教学内容、师资队伍、教学方式3方面提出切实可行的软件工程专业教学改革方案。大数据时代背景下，软件工程专业教学改革需要从方方面面入手，循序渐进，最终培养出适应大数据时代需要并能真正为企业和科研作贡献的专业人才。

参考文献：

[1]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,,50(1):146-160.

[2]MinnesotaM.Bigdata:scienceinthepetabyteera[J].Nature,,455(7209):1-136.

[3]李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域:大数据的研究现状与科学思考[J].中国科学院院刊,,27(6):647-657.

[4]赵毅,朱鹏,迟学斌,等.浅析高性能计算应用的需求与发展[J].计算机研究与发展,,44(10):1640-1646.

[5]张建勋,志民,郑超.云计算研究进展综述[J].计算机应用研究,,27(2):429-433.

[6]王龙,侯爽.从开放教育资源到开放评估资源:访美国开放教育资源知名学者戴维威利博士[J].开放教育研究,,17(6):4-7.

[7]张永强,张墨华.应用型本科软件工程专业的集中实践教学[J].计算机教育,(12):81-84.

[8]周清平,王晓波,徐洪智,等.平台化思维模式助推高校软件工程专业综合改革[J].中国高等教育,2015(8):58-60.

篇3：大数据时代下软件工程教学改革措施论文

1 大数据时代下的软件工程服务工程和群体软件工程

在软件工程的发挥在那中, 近几年来面向服务的软件工程越来越多, 即软件服务工程。以服务为建设的基本原则, 根据实际需要进行变化, 通过分布式的应用和互操作性虚拟化管理对对软件工程进行维护。通过这种方式, 能够有效将网络中的软件虚拟化, 强调互操作性, 解决分布、动态变化情境下和异构环境下数据, 解决的系统集成和协作的问题。在多个新兴领域中得到广泛的应用, 例如云计算、移动互联网、大数据等。

随着网络化、服务化的大环境, 软件开发也逐渐变得开放, 通过信息共享、学术交流, 进行协同开发合作, 在用户评价的基础上建设性价比较高的软件。其中, 开源软件是目前较为成功的软件习作模式。因此, 开源社区中的合作模式、结构等, 也是学术界的研究重点。但是, 常规的研究方法并没有较大的突破, 一些学者开始使用社会网的方法对数据进行分析。发现在一些规模较大的项目中, 开发组的结构逐渐从核心成员趋向外围开发者, 并产生了更多模块化的特征。

除了开源软件具备一定的典型性之外, 群体软件工程中更提倡的是建立在众包基础上的开发方式。众包是一种分布式的解决方式和生产模式, 无论是开源软件还是其他的商业软件都可以通过网络进行责任分配、提出创意或解决问题等。因此, 在进行软件设计时, 无论哪个阶段, 都可以通过众包的方式对重难点问题进行分析。

2 众包软件服务工程中的大数据

在软件服务工程中会产生大量的密集型数据, 包括历史密集型数据和流式密集型数据。目前国际上已经有很多学者在关注众包软件服务工程中出现的密集型数据和流式数据, 尤其是在线服务。如何将密集型数据的分析、价值、平台、基础设施等作为服务, 是目前大数据时代背景下软件服务工程的核心问题。从众包软件服务工程来看, 不管是服务消费方、众包服务开发提供方, 还是平台管理和运营方, 都有着离线密集型数据和在线的流式密集型数据。这些数据的传输直接决定了软件的服务寿命, 和众包软件能否进行良好的开发协作、正常运行管理有着重要的关系。这些密集型数据, 本质上仅仅对内容的数量进行了描述, 但是并没有标注出内容的特点, 缺少语义化单位矢量。因此在对密集型数据进行分析时, 不仅仅要对原生数据进行分析, 还要对密集型数据的主体——数据所属领域的专家进行分析。以知识为核心, 对密集型数据进行分析, 保证软件服务的寿命。

3 密集型数据科研第四范式

在2007年, 吉姆·葛雷提出了数据密集型科研发现“第四范式”的愿景。提出在进行密集数据的研究时, 要建立统一的理论和研究方法, 强调了大数据存储在计算机发展中的重要性。在实践研究中, 传统的一、二、三范式的研究方法难以对密集型数据进行有效的分析, 目前大多数的软件也无法在短时间内将这些信息进行有效的存储、管理为有效的服务信息。我国有学者在2012年, 在进行大数据方面的研究时, 不能仅仅局限在计算机模拟, 即第三范式中。要建立独立的科研第四范式对密集型数据进行研究。其主要原因是密集型数据所需的研究方式和传统的研究方式有较大的区别, 不仅要在研究方式上进行转变, 还要转变思维模式。在进行研究时, 首先要建立科学、完整的第四范式, 当有了完整、统一的理论体系之后再逐步转变为第三范式。因此, 在进行大数据的研究时, 首先要确认第四范式的方法以及结构, 并对存在的关键性问题进行分析。

在对第四范式进行研究建设时, 首先要对大数据整合驱动的软件服务价值进行分析。在对密集型数据进分析时, 传统的数据生命期信息学流程已经难以适用, 无法对大数据进行有效的模拟。要由原本的数据、信息、模型、模拟推演的过程逐渐转变为数据、信息、知识、价值服务、策略意义的第四范式模型。在全新的研究模式中, 要对数据整合驱动、需求度量价值、情境约束等进行分析。其中, 知识及价值服务是整个研究的基础和重点, 要针对密集型数据整合服务领域, 对密集型数据将的处理、管理、分析、应用等多个方面进行研究, 建立统一的理论体系和研究方法, 提高密集型数据生命期信息学流程驱动软件的服务生命期, 对目前第四范式建立存在的问题进行针对性的解决, 适应大数据时代的发展。

4 结语

在大数据时代下, 软件工程的发展涉及到多个领域, 需要具备高度的专业性和实践性。在软件工程中, 要在实践中进行研究, 而不是在研究中进行实践, 核心在于如何对传统的软件理论进行创新突破。在其中就涉及到有关大数据第四范式的理论和研究方法的问题, 如何将其和第一、二、三范式的理论、算法、技术标准等进行融合。大数据在最初提出时具备三种特征:体量、增速和多样。随着时代的不断发展, 大数据的特征也越来越多, 如价值、真伪性、可证性、可变性等, 对软件工程的发展有着重要的影响。在软件工程的研究中, 要不断的创新传统的软件技术, 解决限制软件工程发展的客观条件, 结合互联网的发展, 对大数据时代下的密集型数据进行有效的处理, 促进行业发展。

摘要：随着社会经济和科学技术的不断发展, 我国已经开始进入大数据时代。对信息的处理和掌控能力是国家是否强大的标志之一。大数据下不仅需要描述大量的数据, 还对数据的处理速度提出了更高的要求。本文对大数据时代下的软件工程关键技术进行了分析, 旨在促进我国软件工程领域的发展, 提高我国综合国力。

关键词：大数据,软件工程,关键技术

参考文献

[1]韩晶.大数据服务若干关键技术研究[D].北京邮电大学, 2013.

篇4：大数据时代下软件工程教学改革措施论文

【关键词】大数据时代 大学生 创业能力 措施

最早提出“大数据”这个概念的是全球知名咨询公司——麦卡锡。2012年之后，“大数据”一词越来越多地被提及，人们用这个词来形容信息爆炸时代的海量数据。

一、大数据时代的内涵

“大数据”指的是数据的大小远远超过传统的数据库信息量。在互联网行业，大数据时代指的是互联网公司在日常运营中生成、累积的用户进行网络行为的总数据。这些数据的规模非常庞大，庞大的数据资源使得各个领域包括学术界、政界、商界等都开始了量化进程，而且所有的领域出现开始这种进程的趋势。

二、大数据时代的特征

（一）数据量大

大数据时代的首要特征就是数据量大。传统数据的单位主要是G和T，其关系为1024GB=1TB。而在大数据时代的背景下，G和T已经完全不能满足信息量统计的需求，因此出现了更大的数据单位，主要有PB、EB和ZB，其中，1024TB=1PB，1024PB=1EB，1024EB=1ZB。由此可以看出大数据时代数据的产生量是非常惊人的。

（二）类型多

大数据时代数据类型多种多样，例如图片、音频、视频、网络日志等。多类型的信息对人以及计算机处理信息的能力提出了更高的要求。

（三）价值密度低

虽然大数据时代产生信息的速度非常快，信息量丰富，但信息的价值密度较低。因此，如何对信息进行提纯，在海量信息中排除价值不高的信息，得出最后所需要的结果，是值得所有互联网参与企业共同研究的话题。

（四）处理速度快、时效性高

大数据时代下，由于计算机信息处理技术的应用，使得信息处理速度快，时效性高，这也是大数据处理和传统数据处理的区别所在。

三、大数据时代下大学生创业能力提高的措施

在大数据时代下，大学生要进行创业，首先必须掌握大数据时代的时代特征，并对其进行准确的分析和评估。同时在创业过程中，结合时代特点，充分利用大数据时代所提供的机遇，提升创业成功的概率。这就要求大学生在在校学习阶段就要培养数据分析和处理的能力，并使这种能力不断加强。

（一）教师要注意培养大学生数据分析的理念，提高其数据分析能力

大数据时代最显著的特征是信息量巨大。这对想要创业的大学生来说既是机遇又是挑战。巨大的信息量开阔了大学生的眼界，能够使大学生有更多的机会学习关于创业的经验、教训等，避免在创业过程中犯类似的错误。但同时，海量的信息中也有一部分会对大学生创业产生不利影响。只有在庞大的数据群中，提高对信息的敏感度，排除自己不需要的信息，对有用的信息加以分析处理，才能得到所需要的结果。因此，教师在平时的课堂教学过程中，要有针对性地对学生灌输相关的知识和最新动态，培养大学生的数据分析理念，使其有意识地对所遇到的数据进行分析，提高大学生的数据分析能力。

（二）教师要注重培养大学生对数据处理的兴趣

大数据时代下，巨大的信息量对每一个公司的决策发展都有重大影响，任何一个企业都无法置身事外，这就要求公司事务的參与者要掌握一定的数据处理和筛选技能，而企业的技术团队则必须具备熟练的数据处理能力。尤其对于想要走上创业之路的大学生来说，由于社会经验、社会关系、资金、技术等方面的不足，在创业过程中要面对的困难更多。因此，卓越的数据处理能力愈发显得不可或缺。教师在对学生进行数据时代相关知识传播的时候，要注意方式方法，最好采用符合学生的认知水平、知识层次、兴趣爱好和理解能力的方式，吸引大学生对大数据时代的兴趣，使学生在大学阶段就开始全面了解数据处理的相关知识和技能，为迈向社会打好坚实的基础。

（三）学校为大学生提供机会

学校所能接触到的社会资源远远大于单个大学生所接触的资源，因此，学校要充分调动自身所掌握的优质资源为大学生所用，提高大学生数据处理的能力。例如，学校请比较成功的企业的专业技术团队以及对大数据有专业见解和研究的专家学者来学校开展相关方面的知识讲座，使学生对大数据时代有更全面的认识和更深刻的理解。同时，学校还可组织数据知识方面的竞赛，考查学生对数据知识的掌握以及灵活运用能力。

四、结束语

综上所述，大数据时代下，每个企业都面对着海量信息所带来的机遇和挑战，如果善加利用，就能够促进企业的长远发展。而对于要创业的大学生来说，对大数据时代的特点进行全面了解和把握，熟练掌握数据分析技术，能够在创业过程中快速获得有利的市场信息，提高市场敏锐度，少走弯路，提高创业的成功率。

【参考文献】

[1]高桂娟，韩德丽，苏洋.大学生创业能力状况的调查与分析——以上海高校为例[J].武汉理工大学学报（社会科学版），2013（05）.

[2]姚冠新，杨道建，李洪波，等.大学生创业能力提升的模式研究[J].江苏高教，2012（03）.

篇5：大数据时代下软件工程教学改革措施论文

作者：叶巧蕊

于2017年4月发表于《中国信息技术教育》

本文着重分析了高中信息技术教学中的发展问题和发展条件，并结合作者的教学应用来分析当前教师应如何挖掘高中信息技术教学中的“大数据”，为以后高中信息技术教学发展作参考。

一、大数据在高中信息技术教学中的应用与优势

1、大数据的应用现状

当前的“大数据”概念对高中信息技术教学的影响还比较小，很多教师在教学过程中还未产生真正意义上的深度融合，一些“大数据”的应用也未能有效地在教育教学中铺展开来，从而制约着当前高中信息技术教学的发展。

2、大数据的应用优势

“大数据”全数据模式下的总体信息处理能力，极大地提高了教育教学中的信息铺展面，并从样本的研究转向为系统化的总体研究。事实上，大数据的创新，将更为直接地剖析信息技术教学中的问题和现象，深化高中信息技術教学。[1]

二、高中信息技术教学中的大数据

1、教学资源数据

面向“大数据”，信息技术教师教学时能够更加灵活、全面地汲取互联网信息，并通过开放的多样信息库，获取丰富的教学资源数据。同时，教师利用“大数据”能够建立起教育教学过程的数据信息分析，产生更为科学、全面的教育教学过程分析结果，形成自产型教学资源数据。这样，教师在进行高中信息技术教学的过程中，既有了外部信息资源数据进行支援，又有了内部自身的教学信息资源数据作为支撑。这能完善教育教学过程中的教学资源数据需求，产生更加有益于教学质量提高的信息链条。

2、学生信息数据 在教学活动中，教师按照学生自身的学习信息构建学生信息数据，动态地呈现学生自身参与信息技术教学过程中存在的即时性信息，这也是高中信息技术中所能够利用的“大数据”。这一类数据不仅可以反映出学生的学习进度、学习状态、学习问题，还能结合当前教师的教学进度、教学安排、教学内容等，进行科学的个体性调整，及时产生综合全面的个体报告，让教师能够及时有效地掌握学生的信息数据。

三、大数据对高中信息技术教学的影响

1、利用大数据开展个性化、定制化教学（1）个性化教学

“大数据”能够构成基于学生信息数据的多维度动态化信息数据库，在这一数据库的基础上，学生能够更加自主地接收到适合自身学习状况的个性化教学方案，弥补当前自身学习的不足。在教学中，教师可以依据“大数据”分析当前学生完成项目需求的具体情况来构建下一步的教学计划，施行针对具体学生完成情况而设定的教学。

（2）定制化教学

“大数据”构建的数据信息库，能够基于当前的综合信息给出较为精准的前瞻性判断，也为定制化教学和教学引导提供了可能。这意味着学生在学习研究过程中的表现，被“大数据”技术进行积极主动的拓展性分析，并能够结合具体的信息处理感应拟定相关的定制化教学方案。这解决了当前高中信息技术教学中固定标准、统一进度、时间有限、内容重复铺设和教学的发展问题。

2、利用大数据实现优质资源共享（1）构建免费共享的学习资源库

“大数据”一方面降低了资源库建设的成本，另一方面引入互联网、物联网、三网融合等技术，在建设构成学习资源库时，就已经面向开源的数据源，构成了具有很高开放度的信息资源库，并在应用信息、处理信息、反馈信息的过程中，实现学习资源库的建设和拓展。这意味着在未来的信息技术教学中，整个教学过程也将作为学习资源数据库，构成免费共享的学习效果、学习反馈、学习研究模式的学习资源库。[2]（2）实现多学科交叉的资源共享 “大数据”不只局限于高中信息技术教学中，更能够将信息技术应用发散到多学科交叉的资源共享中。在进行高中信息技术教学的过程中，教师通过“大数据”的信息处理，能够服务于多种综合学科的信息处理问题，如应用于数学统计、几何学图形化处理、历史资料信息索引等的建设，并在完成高中信息技术教学的过程中，利用“大数据”结合多学科的信息资料和数据资料，完成这些多学科交叉的资源共享，实现综合利用开发。

3、利用大数据打造学生成长和终身发展的平台（1）构建信息技术学习的平台

作为接触开放信息技术学习的主要课程，当前高中信息技术教学的主要发展目标就是基于“大数据”构建信息技术学习的平台，扩展开源的信息技术学习在线课程内容，通过共享，实现更为全面、强大、综合性高的信息技术学习的平台。

（2）展开网络协调合作学习

“大数据”的信息技术应用为学生在线完成网络协调合作学习提供了可能。今后，更为开放、全面、自主性高的学习模式将在开放性的网络教育平台基础上得以实现，学生将可以拥有更多类型、高层次的网络协调合作学习的机会。

4、利用大数据凝练学科核心素养（1）凝练核心素养

信息技术学科核心信息素养由信息意识、计算思维、数字化学习与创新、信息社会责任四个核心要素组成。学生利用大数据创建的学习的平台，可以创造性地解决问题，养成自主学习、合作探索、不断探究的良好学习方式。在此过程中，教师要不断运用“大数据”来校对学生的任务解决能力，实时反映学生的学习效果，激发学生的学习兴趣，提高他们的思维能力。

（2）实现教学评价

开放、全面、综合性高的信息反馈，能够促成师生更为全面、综合地完成对教学活动的评价，通过“大数据”的信息链条，构成更加平衡的教学关系，使教学活动中的知识能力转化和教学目标的实现更为高效。

综上所述，“大数据”在当前的高中信息技术教学中具有应用优势，能够丰富教学信息资源，并且有助于构建全面系统的学生信息数据。“大数据”对高中信息技术教学具有促进个性定制化教学、提高优质资源共享、构建学生成长和终身发展的平台的作用。利用大数据分析可以比较全面地生成学生的信息技术知识与技能、过程与方法、情感态度与价值观等综合表现方面的数据，进一步为教学活动服务。因此，教师应科学地施行对高中信息技术教学中“大数据”的挖掘和使用。

参考文献：

篇6：大数据时代下数据挖掘技术的应用

关键词：大数据 数据挖掘 挖掘技术

中图分类号：tp311 文献标识码：a 文章编号：1007-9416（2016）05-0000-00

1数据挖掘与数据挖掘技术的方法分析

“数据海量、信息缺乏”是相当多企业在数据大集中之后面临的尴尬问题，由此而诞生的数据挖掘技术其实就是用以处理这一尴尬问题的技术。数据挖掘实际上是相对比较新型的一门学科，在几十年的发展过程中，已经不可同日而语。其实数据挖掘技术的本质就是人工智能技术，而数据挖掘技术的利用相对应的就是指人工智能技术的开发与应用，也就是说数据挖掘其实是依赖技术的提升来实现数据的整体创新的技术，所以，整个数据挖掘技术实际上是非常具有信息价值的，它能够帮助决策者更快的得到重要信息并作出决策，提高效率和准确率，是非常重要的知识凭证，能够在一定程度上提高当下企业的整体竞争力。

数据挖掘技术的核心就是分析，通过分析方法的不同来解决不同类别的问题，以实现数据挖掘的潜在内容。简单来说就是对症下药以保证药到病除。

1.1聚类分析法

简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用在心理学、统计学、数据识别等方面。

1.2人工神经网络

人工神经网络是通过大批量的数据进行分析，而这种数据分析方式本身是建立在一定的数据模型基础上的，因此通常都可以随时根据数据需求进行分类，所以人工神经网络也是当下数据挖掘技术中最常用的一种数据分析方式之一。

1.3关联性分析法

有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。

1.4特征性数据分析法

网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。在上文中提到的人工神经网络数据分析也属于这其中的一种，此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。

2大数据时代下数据挖掘技术的具体应用

数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。

2.1市场营销领域

市场营销其实就是数据挖掘技术最早运用的领域，通常根据客户的具体需求，进行客户分析，将不同的消费习惯和消费特点的客户进行简单的分类管理，以此来保证商品能够顺利销售，并提高个人销售的成功率和业绩。而销售的范围也从最初的超市购物扩展到了包括保险、银行、电信等各个方面。

2.2科学研究领域

科学研究与实验测试等都需要对数据进行关系分析为进一步的实验和总结失败做准备，而实验测试和科学研究产生的数据往往是巨大的，因此数据挖掘技术在科学研究领域也得以广泛运用。通常都是通过科学研究内容选择数据挖掘技术分析法进行计算来找到数据中存在的规律，实现数据挖掘的部分价值――科学知识的分析与运用。

2.3电信业领域

随着信息化时代的到来，电信产业也飞速发展起来，到目前为止，电信产业已经形成了一个巨大的网络信息载体，如何将其中信息数据进行整合就成为电信产业发展过程中的重要问题。而数据挖掘技术的运用则在一定程度上解决了这一问题，大量的数据通过数据挖掘技术得到了有效分类，并在这个过程中通过运算得出数据之间的关联性，运用规律进一步进行数据分类。

2.4教育教学领域

教学评价、教学资源、学生个人基本信息等组成了教育教学领域的数据库，利用数据挖掘技术来实现教学资源的优化配置，对学生的个人信息整理归档，从而保证教育教学领域中数据整理的良好运作。

3结语