前言：中文期刊网精心挑选了极课大数据范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
极课大数据范文1
关键词:工程教育；CDIO教育理念；教学设计模式；实践类课程
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
CDIO理念下的教学是师生共同学习的过程，要求以“学”为中心进行评估，教学与考核相互联系，考核用来促进和诊断教学和学习。为了评估课程教学所培养学生的能力能否达到CDIO大纲要求的预定目标，需要从不同方面检验学生的学习效果。为此，本研究根据不 同类别的学习效果评估的需要，以过程性考查为重点，设置不同的考核方式如表2所示。上述各类考核方式可综合应用于专业实践类课程教学的整个过程。为确保评估的可靠性和有效性，可在不同阶段选择一种或多种考核方式对不同类别的学习效果进行评估。
极课大数据范文2
关键词：CDIO理念;思政课;大数据教学
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：
[1]洪涛.《基于EIP-CDIO理念的大学生思想政治教育研究》.《职业时空》6.9.177.
极课大数据范文3
从2010年开始，信息领域的词汇越来越丰富，“物联网”“云计算”等被人们所熟知，随着这些技术的不断深入“数据”也被“大数据”一词取而代之。“大数据”（Big Data）也有人称其为“海量数据”，它是一种数据巨大的非结构化或半结构化数据。首先，在数量上对于当前的数据库系统处理能力来说，是无法在合理的时间内对此类数据进行撷取、管理和处理的;其次，由于“大数据”不再是结构化数据，所以对于数据分析工作来说花费的时间会更加无法想象。
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
对于用户来说网络中的资源并不是完全透明的，用户会非常担心自己上传到网络中的数据是否安全。可信计算系统在服务端安装了监控装置，监控装置在对数据访问用户的身份、访问和操作进行合规性审计，然后向数据属主提供相关证明，数据属主也可以收到监控装置提供的数据使用合规性描述。
极课大数据范文4
大数据时代的到来对包括教育系统在内的各行业都产生了深刻的影响，尤其是与数据技术密不可分的信息技术课程受到的影响尤甚。
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
教学评价是教学活动的重要一环，分为对学生的评价和对任课教师的评价两类。长久以来，对学生的评价是由教师依据学生考试成绩、作业成绩和课堂表现等进行，对教师的评价是由学院的教学管理部门根据听课和学生考试成绩进行。这种方式能大体反映学生的学习情况和教师的授课水平，但是很多教学与学习的细节被淹没在简单的分数之下。
极课大数据范文5
恩科凭借其十年的国际市场运作经验，强大的研发制造实力和完善的质量管理体系，与世界500强企业成功合作，产品畅销世界60多个国家和地区。然而，快速的发展给恩科带来喜悦的同时，管理问题也井喷式的冒出。
管理升级势在必行
恩科电子原先的信息化管理体系，只用来录入凭证，部分采购入库，已远远不能满足企业快速发展需求。随着公司发展不断壮大，公司决策层所需数据却完全依赖于人工搜集与加工，虽组织了专门的信息化管理人员进行生产进度的追踪与分析、销售分析数据、存货分析数据，但由于没有统一的信息化平台和数据交流平台，导致公司内部、公司关联业务往来、生产工厂内部的信息不准确、不及时，严重影响及时的决策分析。
其次，目前公司处在市场发展膨胀期，订单较多，一天多达50张订单，并且一张单有几百套，且客户个性化需求较多，导致音响机型变化多端，翻单率不足30%。且一款音响至少有300个以上物料，工程部制作料号和BOM的压力很大，订单评审周期长，计划、采购、生产数据不协同，内控机制非常欠缺，导致内部沟通成本高。正因为这样，客户投诉很多，被客户投诉比率高达50%。
最后，工厂内部管理也陷入困境：无完整编码体系，BOM清单、工艺信息、 产品图纸、文档等依靠手工excel管理，数据混乱； 机型变化多端，导致翻单率不足30%，基本都要根据客户合同来制作BOM，ECN较多，且需要配合客户外包装材料图案等信息，导致建制BOM周期长，最长20天，平均7天； 无替代料管理，导致齐套性差，生产周期隐形拉长；财务BOM清单版本不准，技术不知道材料价格，有限时间内无法提供准确成本，销售部门无法提升报价准确度与报价速度或是无法确定出货日期，导致一部门客户的订单分流到其他同行业企业；订单新品技术研发评审，交期评审，价格、付款条件付款方式评审等使用手工纸质传递，评审确认周期长工作量大，信息单通道传递不对称； 无统筹PMC，组装、各自半成品车间主任、采购主管依据订单自行排计划；物料齐套性差，且车间用料随意，超领多领不退仓，设有“小金库”，采购进货直接入车间，仓库形同虚设；技术变更频繁，生产反复确认图纸和工艺以及材料，版本不同导致反复生产、反复采购；物料种类多，采购计划制定和物料跟催能力差核心材料迟交，经常导致停工待料。
作为一家快速发展的现代管理模式的企业，恩科电子决策层及管理层一直希望能借助健全、完善的控制体系，以及数据管控平台，来助力恩科的成长与进一步的发展。经过认真慎重的筛选，恩科决策层最终选择在制造业有30余年行业经验的鼎捷软件，并迅速成立内部项目组织及制度，全力配合ERP项目的实施上线。
信息化带动管理再升级
鼎捷项目团队针对恩科内部现有的业务流程和需求进行了深入分析及充分研讨后，将信息化目标聚焦在“订单交付”和“财务管控”两个管理议题，并针对此提供完整的信息化解决方案：
订单交付：梳理订单处理流程，缩短订单处理周期，为订单交付赢在起跑线；透过高效的产销规划体系，制定有效的生产计划排程、采购计划的策略，加强物料齐套性的管控，计划与生产管理的透明度，提供数据分析与过程监控，建立实时有效的计划跟踪体系，综合提升PMC计划效率；加强生产一体化的控制，订立合理的备货与备料计划，以流程管理为基础，数据分析为依据，逐步加强对库存现况的管理，减少或避免超耗，少用，多买，少买，早交，迟交的现象，提升生产效率；重点治理仓库管理，全面使用信息化管理，为企业运营提供准确的库存数据，提升运营效能。
恩科原有的手工记录各生产数据、仓库数据，在系统上线后，全厂三个半成品车间，三个成品组装车间全部纳入ERP生产管理范畴，实现生产进度可视化，几分钟内不仅知道车间的在制总数，也可以知道各车间分别的在制数。正因为这样，恩科的订单交付情况大大改善，而且处理客诉很快就能解决，并有系统有数据支撑。恩科生产从以前疲于统计生产进度到现在预防和调配各车间产能，达到更高的管理要求。并在一定程度上减少了重复工作量，全力投入到E10ERP系统的应用之中，从而使恩科生产体系从手工记录困难走向精细化管理的跨时代步伐。
财务管控：全面提升财务人员专业素质。利用信息化平台提供恩科真实财务报表； 优化应收应付流程，减少对账周期，以应对优质供应商流失，恶性循环。期望打造企业供应链管理、生产管理、财务管理一体化流程，让财务成本管理前移至生产制程、库存管理的前端，从事前预防、事中控制、事后分析，实现从成本核算到成本管理与分析的转变，打造成本管理控制的一体化平台。在提升各部门效能的同时，恩科通过对E10数据的深度挖掘与利用，各部门运作成效、业绩考核均与ERP运作密切相关，大大提高作业效率与准确性，也保证了系统运行的完整性。
智慧管理凸显数字化效益
E10 ERP管理软件的成功上线，给恩科带来的变化不止一点点，从数据的统一，订单达交直至企业内部的管理，都发生了质的改变，从以下一串串的数字中，可以看到信息化上线前后恩科已发生天翻地覆的变化。
订单交付能力提升：项目实施前订单评审需要5天，建立BOM周期至少5天；客户要求交期和行业标准都是30天，但恩科准时交付率不足20%，因交期纠纷月达10次以上，月平均罚款近万元；生产、仓库体系几乎全手工作业，工作量大，且库存准确率不足20%。E10管理件成功上线后，整个订单处理周期缩短至5～7天，订单接受能力提升30%；准时交付率提升至60%，目前还在上升趋势中；生产、仓库全信息化作业，完全颠覆以往守旧的工作模式，大大降低沟通成本，库存准确率目前达到90%以上。
财务管控能力提升：项目实施前，应收应付全手工作业，每天核对单据、EXCEL录入对账单就需要5～6小时，错误率达20%，工作强度大，并且对账天数需要40多天； 总账独自靠人工出报表，2014年总账与应收应付从未对账过；无成本体系，报价靠经验，每个月都有将近10万元金额的订单无法确定能否接。E10管理软件成功上线后，减少1个验单人员，1个录到货单人员，1个应付人员，目前每月7号前就能应收应付对完账，为此每月直接减少人工上万元； 总账每月20号正常月结结束；目前成本体系逐步完善中，报价依据BOM成本、产品成本等报表，接单更具确定性。
极课大数据范文6
传漾科技的RT电子商务智能营销平台，是针对电商精细化管理趋势而定制研发的，集电商数据监测与网站内外精准营销一体的平台系统，它以传漾的数据挖掘和清洗分析为技术蓝本，聚合流量到销量的数据联通，帮助电商建立全程互联网营销及评估体系的智能平台。它旨在协助电商实现从流量到销量全程一体化的数据分析，与商品数据、订单数据无缝挂钩，为电商实现了有价值的数据输出，将多元化来源的电商数据通过RT系统整合运转，形成产品化、核心化的电商数据流向。
以一个化妆品网店为例，假如今天订单利润为4万元，昨天订单利润3万元。表面看起来今天赚的钱比昨天多，但如果仔细分析两天到店的人数和时间等信息，你会发现，其实今天的单人贡献率比昨天低。在运用传漾RT工具仔细分析后，可以观察到今天带来流量的用户是通过哪些广告网络投放得来的，哪些竞价关键字带来的效果更好，哪些地域的受众更多，哪些网站页面更容易流失受众，哪些站内关键字能带来更多订单，哪些地域的受众成交量更高，哪类客户更关注哪类产品，哪类品牌的产品销售更好，哪类客户喜欢在什么时间购物，哪类产品用户更加关注等等并将商品与数据挂钩等等。通过RT分析之后，电商可针对不同的用户推荐其偏好的不同产品，充分提高网站每一个位置的流量，从而轻松实现站内精准化营销。
传漾的电商营销平台同时也是电商的DSP工具，在完成对电商自身网站内容、产品、销售等浏览和交易行为的统计分析后，直接与各家广告网络相对接，到各家广告网络中去抓取符合网站用户行为的受众，实现在用户行为之上的精准营销。
