经济学数据分析范文

引言：寻求写作上的突破？我们特意为您精选了4篇经济学数据分析范文，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。

篇1

烟草使用的经济费用具有破坏陛，因烟草使用而引起的疾病和死亡曾一度是高经济收入国家中的主要问题，现在也已成为发展中国家日益增长的疾病负担，烟草使用已严重影响了人类健康和经济发展。烟草是世界上第二大死因，世界上每年与吸烟有关的疾病引起的死亡人数达490万人，尤其在低、中经济收入国家，生活着12亿烟民，如果不采取积极有效的控烟措施，未来50年人类将面临着巨大的健康危害。

我国政府于2003年11月10日签署了全球性的《烟草控制框架公约》，表明了中国对控烟工作的重视。戒烟竞赛是一个旨在通过奖励形式来促使大众戒烟的控烟活动，是中央补助地方烟草流行监测与控制干预项目内容之一。2008年由我国独立举办的中国戒烟大赛在全国31个省、市、自治区开展。广西壮族自治区爱卫办于2008年5-6月在南宁、柳州、桂林等地组织群众(大众)和医务人员报名参赛。群众涌跃参加，总人数达到10190人。为了顺利开展大赛取得理想的效果，按大赛要求于2008年12月进行了报名者戒烟半年的随访调查，并对半年随访数据进行分析与相关经济学特征探讨。

一、随访调查对象与方法

按照中国疾病预防控制中心控烟办公室的有关要求，半年随访表是按大赛要求采用简单随机抽样的方法进行，即用excel数据库中产生随机数字的函数"=rand()”抽取10％的登记报名者；如果被抽到的报名者联系不到，不得不更换时，则从未抽取的报名者中采用同法抽取新的报名者作为换样；对抽中报名者进行电话调查，并填写"2008年中国戒烟大赛半年随访表”。具体方法是，先将表格进行整理、剔除无效表，确保资料的真实、准确性；再采用Epi Data3.1统计软件进行数据录入和逻辑核查并建立数据库，然后利用SPSS13.0统计软件进行数据分析。

二、随访调查表数据分析

(一)大众参赛者随访调查基本情况

据参赛者“报名登记表”统计知：大众参赛者8830人中，平均年龄42.5＋10.6岁，文化程度高中以上者占71.48％，每日吸烟量在半包(即10支)以上者占55 16％，超过10年以上烟龄者占54.18％，有52.10％的人尝试过戒烟；医务人员参赛者1360人中，每日吸烟量在10支以上者占35.59％，超过10年以上烟龄者占30.52％，有58.31％的人尝试过戒烟。

本次进行的参赛者戒烟半年的“随访调查表”中包含14项基本内容，通过统计，本次随访共访问大众参赛者944人，其中男性889人，女性55人；戒烟大赛前，随访人员平均吸烟15年：随访人员平均每天吸卷烟16.11支，雪茄0.038支，烟斗0，0625支；其他相关数据分析如下。

1　大众参赛者获得戒烟大赛信息来源

465人从广播或电视获得信息，553人从报纸或杂志获得信息，618人从宣传海报获得信息，371人从家庭成员获得信息，414人从朋友或同事获得信息，153人从医务人员获得信息，179人从疾控机构获得信息，110人从网站获得信息，119人从其他途径(社区、单位等)获得信息，由此表明大部分参赛人员都是从多种渠道获得了信息。对“在大赛期间你的家人、朋友、同事等是否打算戒烟但没在大赛中登记”这一调查选项回答“是”的有624人，回答“否”的有319人。说明本次戒烟大赛有一定的吸引力，以及广泛宣传控烟的意义及其有效性。

2　大众参赛者参加戒烟大赛的原因分类

344人希望通过大赛可能获奖，398人希望治疗疾病，779人希望预防疾病，15人是因为怀孕，138人是因为经济原因，335人是为了孩子，342人是因为吸烟不清洁，291人是因为其他人劝阻或施压，59人是因为其他原因。由此看出，大部分人参加戒烟大赛的原因是多方面的，但是因为经济原因的仅占14.62％，值得对此进行经济学探讨。

3　大众参赛者得到过的支持及采取过的措施

在大赛期间，864人得到家人的支持，667人得到朋友或同事的支持，263人得到医务人员的支持，104人得到戒烟热线咨询的支持，259人得到其他人的支持。戒烟时，330人通过戒烟药物，347人找医务人员咨询，121人找戒烟热线咨询，175人采取其他措施(自己控制、吃零食等)戒烟。由此表明戒烟方法的多样性，值得管理者对此进行思考。提出更有效的控烟措施。

4　大众随访者职业分布、学历构成和婚姻状况分析

(二)参赛人员半年随访结果综合分析

医务人员随访共访问137人，其中男性133人，女性4人。两类参赛人员主要情况分别描述于表4至表6。

三、戒烟效果评估与探析

本次调查方法严谨。项目全面，调查结果客观真实。能够基本反映被调查者在参赛半年后的戒烟情况，并且为下一步采取吸烟干预措施提供了有效的依据。

由表4可见，被抽中接受随访调查的944名大众参赛者认为戒烟大赛对戒烟“非常有帮助”和“有点帮助”两选项合计占95.23％；137名医务人员参赛者选此两项的占95.62％。由表5可见，大众参赛者在戒烟半年后“完全戒烟”和“仍旧吸，吸烟量比以前少”两项合计占91.73％：医务人员参赛者则为93.43％。这些实证研究表明，戒烟大赛(及其采取的相关干预措施)对戒烟有一定的效果，但仍需进一步跟踪调查和探讨。而由表6可见，所列的8项戒烟失败原因中，两类参赛者均认为排在前四位的是“周围有人吸烟”、“缺乏支持”、“紧张时吸烟”和“喝酒时吸烟”，应引起相关部门重视。

影响戒烟效果的因素是多方面的。首先是职业。文化层次较低的职业人群，其戒烟意识不强，而某些职业人群虽然文化层次较高，但由于工作紧张，或环境的影响(周围有人吸烟)等，戒烟信心不足，难以坚持，使戒烟成为泡影。其次通过本次随访调查，我们发现戒烟过程中有无得到他人帮助、得到谁的帮助、是否采用了特殊有效的戒烟方法，也同样影响着戒烟效果。因此，戒烟既需要自觉与自控，还需要全民动员与相关支持。

控烟是一项长期而艰巨的社会系统工程。戒烟竞赛活动只是控烟的一种形式，通过控烟教育虽然能使吸烟率有所下降，但离控烟目标仍差距甚远。因此，我们必须加大控烟健康教育的力度，提高吸烟者的认识和信心，从“不许吸”变为“我不吸”；另一方面要采取行政干预措施，联合社会群体组织，实行广泛的社会监督，健全控烟网络，建立高素质

的控烟监理队伍，严格执行《烟草专卖法》、《广告法》、《公共场所管理条例》等法规条例，争创无烟单位，强化控烟干预，将控烟措施落到实处，并持之以恒，方可收到实效。

四、与控烟相关的经济学特征探析

经济学基本原理认为：随着一种商品价格的上升，对该商品的需求数量将出现下降。香烟作为一种非必需品，如果涨价，对于经济收入较高者来说，可能影响不大；但对于低收入者，则促使其戒烟或减少烟草消费量。特别对青少年吸烟者影响更明显，可以减少对香烟的需求，有助于青少年远离香烟。由本次随访结果看出，大部分人是因为多种原因来参加戒烟大赛的，但是因为经济原因的仅占14.62％。这说明提高烟草价格来激励戒烟，也许是一种有效手段之一。值得进一步探讨。

提高烟价和烟税是控烟的有效措施且具有极高的成本效益。有的决策者简单地根据供给理论的“成本理论”认为：减少香烟销售会减少就业机会，提高香烟价格会增加香烟走私；这种观点忽略了“机会成本”的意义。例如，学者朱秀敏等提出，采取减少烟草供应的政策将不会在大多数国家造成就业机会的长期丧失，烟草供应量的减少并不意味着国家整体就业水平的降低。因为吸烟者曾用于香烟的钱将转而用于其他商品和服务，从而产生其他就业机会以弥补烟草行业的损失。即使少数几个依赖烟草经济的国家。其市场也大得足以确保在未来很多年内的就业机会。因此，提高香烟的价格、增加烟草税率，不影响政府财政收入，有利于经济发展，是减少烟草需求的有效措施且具有极高的成本效益。

在公共场所或工作场所实行禁烟，也符合成本效益原则，收益明显超过成本。有可能节省成本的方面包括有可能因吸烟造成的火灾危险及对公共财产和设施的破坏、清洁费用等。美国环境保护署的分析得出结论，该全国性的工作场所内禁止吸烟的法规是一个高度符合成本效益原则的社会投资，每年会有超过39-72个亿的收益。在有助于进行财政评估的资料中可看出，控烟在经济上的收益明显要超过成本。

烟草作为特殊经济作物。具有双重特征：烟草是特殊商品，烟草产业对于国家而言，不仅是一个生产部门，还是国家实现再分配的重要手段；同时，作为一种有害品和嗜好品，国家必须从国民健康的角度，通过财政和行政手段控烟。概括历史上各种控烟政策对不同群体的影响有所不同：税收政策通过提高烟草价格，减少需求；采取行政手段如不当则有可能导致税收收入减少；限制有害物含量，引导烟草产业绿色化才是我国应采取的长远策略。

国外研究发现(Colfins，1995)，吸烟与社会经济地位(教育程度、职业、收入等)有一定的关系，指出吸烟越来越集中在社会经济地位低下的人群中，他们更易于吸烟且更难戒烟。我国的相关研究发现(本次随访调查也证实)，目前吸烟现象较为严重且主要集中在社会经济地位低下的人群中，提示国家控烟战略与措施应有针对性的在这部分人群中开展。

篇2

一、引言

随着信息技术的发展，在经济管理中会出现越来越多的数据，如何挖掘这些庞大的数据，发现有用的信息已成为管理中迫切需要解决的问题。如在网上营销中，我们急需知道哪一类人需求某一种商品，从而使营销能够有的放矢，最大限度地扩大销售量。而《数据统计分析》正是讲述如何收集数据，整理数据，分析与解释数据，研究如何在浩瀚的数据中发现信息并指导我们的经营管理。因此《数据统计分析》成为财经学院的学科基础课，成为该类学校各专业的必修课。希望该门课程的讲授能够让学生掌握基本的统计分析方法，并能够运用这些统计方法解决实际问题。

笔者通过这几年对这门课的讲授与学生的交流，发现学生在学习这门课的过程中普遍存在如下几个问题。

第一，该门课程涉及深奥的概率知识与统计理论以及复杂的推导，学生普遍感觉该门课程的理论很难以掌握。

第二，虽然通过统计软件操作出结果，但对结果的解读不一定正确。

第三，学生普遍对这门课很有兴趣，但在学习过程中总感觉内容太多，学过易忘。

对于这些问题，作为教师该如何调整教学，使学生能够克服以上问题？本文从以下几个方面进行了教学改革，提高了教学质量，激发了学生兴趣。

二、《数据统计分析》教学内容调整

对于财经学院的学生来说，学习这门课以前，普遍学习了《高等数学》《线性代数与概率统计》，但学得不一定深，学生对于统计分析所要求的各种分布性质、矩阵与向量的计算等理论推导很头疼。因此，教师应该以“学以致用”为原则，坚持理论与实践相结合，理论适可而止，重点在于应用与实践。根据这些原则构建“基础理论-统计软件-实践教学”授课体系，首先浅显地讲述理论，然后在统计软件中进行操作，对得出的结果进行详细的分析，结合实际案例进一步加深对理论的理解以及结果的解读。因此教师在本课程教学中应以实践为主，可以开设为全实验课程。

授课内容的选取与教材有关。本课程选取了薛薇主编的《SPSS统计分析方法及应用》，该书是北京市高等教育精品教材。重点教授内容为与经济管理相关的数据文件建立、数据预处理、数据的描述统计、参数检验、非参数检验、回归分析、聚类分析、因子分析、信度分析和时间序列分析。与统计分析相关的统计软件有Matlab、SAS、SPSS、R、Eviews、STATISTICA等，而SPSS全部是界面式操作，对于不是计算机与统计相关专业的学生来说是最容易上手的。而且SPSS软件包含了统计分析方法的所有功能和强大的图形输出功能，可以输出简洁漂亮的y计分析图表。运用SPSS 软件，可以使理论概念变得直观、准确、具体、形象，将理论知识融入实践中来，增强学生对概念的理解和对数据处理方法的运用[1]。而在该教材中，对于SPSS操作讲解非常详尽，每种统计方法结合具体案例都有详细的讲解。

三、《数据统计分析》教学方法与手段革新

从以上分析可知，该门课程应用实践性很强。在教学中如何避免复杂的理论记忆而掌握各种统计方法，并能学以致用呢？本文从以下几个方面进行阐述。

（一）运用以“统计思想”为中心的“黑箱”教学方法

什么是统计思想？统计思想是关于“为何统计，统计什么，如何统计”的思想，就是关于统计的世界观和方法论[2]。《数据统计分析》有很多统计方法，每种统计方法都有复杂的统计理论及推导。对于经济管理类学生来说，掌握所有的理论推导有一定的难度，但可以理解相应的统计思想。在统计教育中，掌握了统计思想，就慢慢培养了看问题的统计思维方式和思维习惯，统计思想教育应重于统计方法教育[3]。因此，教师在教学中应使每种统计方法的理论讲解浅显易懂，重点讲清楚统计思想。所谓“黑箱”教学方法就是从综合的角度提供了一条人们认识事物的重要途径，尤其对某些内部结构比较复杂的系统，它是从系统的观点出发，强调在整体与部分之间、整体与周围环境的相互联系中认识事物，而不去深究其内部结构和局部细节[4]。所以教师在统计理论的讲解中，应把学生从复杂的统计理论与推导中解脱出来，把这些当作“黑箱”，只需在学生头脑中建立起某种统计方法的统计思想，然后随着授课进度的深入，结合具体的案例再讲解这些理论与方法。例如对于非参数统计，可以借助已学过的参数检验，讲解非参数统计的统计思想也是“提出假设-建立统计量-计算概率-是否拒绝原假设”，只是参数检验是在数据符合正态分布的条件下，推断检验数据的均值与标准差是否相等，而非参数检验是小样本统计推断下，判断各数据是否来自同一分布。学生理解非参数统计思想后，再打开“黑箱子”，阐明非参数检验各种情况下统计量的来源及计算方法。

（二）以“案例”为导向讲述统计的理论与方法

《数据统计分析》这门课理论复杂，只有与实践相结合，统计的理论与方法才能被学生充分理解和接受。案例教学是一种通过模拟或者重现现实生活中的一些场景，让学生把自己纳入案例场景中，通过讨论或者研讨的方式来进行学习的教学方法[5]。学生在教师的指导下，对案例进行思考，分析与讨论，从而在案例中掌握所授课的内容。例如讲述“因子分析时”，可以先阐述因子分析的统计思想就是降维以及相关的适用条件、因子的抽取、因子的命名解释等，然后以某一行业上市公司的盈利能力指标为例让学生进行因子分析。在案例讨论分析时，教师首先引导学生分析数据是否适用于因子分析，然后让学生考虑应该抽取几个因子，每一个因子包含哪些盈利指标，每一个公司在新因子的得分情况如何，最后让学生分析如何对所有公司的盈利能力进行综合排名。在这样一个案例讨论中，通过教师循序渐进的引导，学生不断加深对该方法的理解，而且对一些晦涩的概念如方差贡献率、载荷矩阵、因子得分等有了感性认识，增强了学习兴趣。

（三）加强学生上机实验的体验式教学模式

所谓体验式教学模式，主要是组织体验和引导反思，让学生在经历和实践中实现自我领悟，在反思中重构自己的经验，形成自己的行动策略和方式，从而习得相关知识[6]。为了使学生掌握相关的统计知识，可以让学生亲身运用SPSS体验某种统计分析方法。这样教授每部分内容时，必须准备好相应的实验指导书与实验报告。在实验指导书中简单阐述相P的理论、实验内容以及相关的SPSS操作步骤与结果。学生根据实验指导书完成实验报告中的新内容，并撰写实验分析报告，实验报告主要是实验结果以及对结果用规范的统计语言进行描述，分析与解释。学生做完实验报告后，教师根据实验情况进行讲解与分析，验证实验结果。每部分授课内容通过这样的体验式教学，学生就会懂得相关的统计分析方法、操作与结果分析，达到教学目的。

（四）充分利用信息技术，构筑立体化教学模式

对于该门课程，教师在课堂教学中可以充分利用多媒体技术制作一些动画与视频，吸引学生的兴趣。课堂教学以外，可以构建该课程的网络教学平台，提供上课视频、课件、实验指导书、实验报告等，让学生可以对课堂内容进行复习和自主学习。对于该课程的拓展及补充内容，制作一些微课，进一步拓宽学生的知识视野，提高学生的自主学习能力；还可以开设网上答疑和学习讨论空间，对学生提供在线答疑。

四、《数据统计分析》考核方式改革

在每门课程中，学生最关心的是考试，但一次理论考试根本不足以评价学生的学习情况。该门课程又是一门实践性较强的课程，因此应改革考核方式，变为如下图的综合考核体系。

在该门课程考核中，根据课堂表现和实验报告考核学生上课情况。在教学中把教学内容分为两部分进行阶段化理论考核：第一部分包括数据预处理、基本描述性统计、统计推断；第二部分包括相关分析、线性回归分析、聚类分析、因子分析、时间序列分析等。对于期末大作业，让学生收集感兴趣的三套数据，运用学过的方法进行分析与评价，这样可以充分考核学生对已学知识的实践应用能力。在这样一个综合考核体系中，学生在每部分阶段考核中，为了通过考核，必然会对这部分内容进行复习，而不是累积到期末再复习，这样就不会感觉要学的内容繁杂，学了后面忘前面。该评价体系不仅考核了学生是否掌握理论知识，而且进一步考核了学生应用知识的能力，从而提高了学生的分析能力。

五、结束语

综上所述，《数据统计分析》是一门应用性很强的课程，随着信息技术的发展，它在经济管理中的应用越来越广泛，这门课会在更多专业开设。作为这门课的教师，应该根据时代的要求，不断调整教学内容，创新教学方法与手段，改革考核方式，提高教学质量，增强学生的学习兴趣。

【参考文献】

[1]刘凤艳.SPSS 软件在多元统计分析课程教学中的应用杂谈[J].赤峰学院学报（自然科学版）， 2016（03）：255-256.

[2]李金昌.关于统计思想若干问题的探讨[J]， 统计研究，2006（03）： 31-38.

[3]马艳梅，汪冬华.经济管理类专业多元统计分析教学探讨[J].教学研究， 2013 （05）：79-82.

篇3

中图分类号：TP3 文献标志码：A

大数据，作为当今最热门的关键词，已在各行各业中掀起变革的巨浪。在教育领域中，同样蕴藏着具有应用价值的海量数据。荷兰著名的行为观察软件商NOLDUS公司的研究表明，在一节40分钟的普通中学课堂里，一个学生所产生的全息数据约有5-6GB，而其中可归类、标签、并且进行分析的量化数据约有50-60MB，这相当于在传统数据领域中积累5万年的数据量总和。[1]那么，如何有效挖掘、分析和利用这些数据来更好地改进教学？学习分析技术给出了很好的答案。美国新媒体联盟（NMC）与美国高校教育信息化协会（EDUCAUSE）的《2013年地平线报告（高教版）》预测：学习分析技术将在未来的两到三年内成为主流技术，并得到广泛的应用。[2]

一、学习分析技术的内涵

学习分析技术是一个新兴的研究领域，旨在应用数据分析为教育系统的各级决策提供参考，关键内容就是应用于教育领域的大数据分析。这一研究方法原先来自于商业领域，商家通过对消费者的活动进行数据发掘分析来把握消费趋势。比如淘宝网会根据用户购买和浏览过的产品，来推断用户对某类产品的偏好。又如在社交网站中，新浪微博会根据个人的关注对象推荐该用户可能感兴趣的其他对象。这类技术的实质，就是通过对数据的提取、归类、分析与总结，进行统计性的预测和判断。

基于学生相关数据的分析则是以学生群体为主体，以设计出更完善的教学方法为目标，致力于为学生提供高质量、个性化的学习体验，并评估制定的学习计划是否能有效帮助学生加强学习，这些分析结果对于教学双方来说都具有重要的意义。对教育工作者和研究人员而言，学习分析在剖析学生与在线文本、课件之间的互动中发挥着至关重要的作用。对学生而言，通过开发用于分析学生具体数据的移动软件和在线平台，能够为学生提供符合他们学习需求的支持服务系统，使他们受益于学习分析，提高学习成绩和学习效率。

二、学习分析技术的分析方法

学习分析技术除了传统的数据分析方法外，充分吸收了大数据时代下各个领域的新技术，包括社会网络分析法、话语分析法和内容分析法。这些新技术的引入，使得学习分析逐渐科学化、现代化和智能化。

社会网络分析法（Social Network Analysis）原先是一种社会学研究方法，它是对社会网络的关系结构及其属性加以分析的一套规范和方法，现已广泛运用于教育领域。如果将学习者个体作为研究对象，通过社会网络分析法，我们不难判断学习者个体向哪些同伴寻求了学习帮助，在哪些方面产生了学习认知上的困难，又有哪些具体的情境因素影响了学习者个体的学习过程等。如果将整个网络作为研究对象，社会网络分析法主要关注的是网络学习过程中信息的分布和个体学习的进展情况。

话语分析法（Discourse Analysis）原先是一种语言学研究方法，是在课堂对话基础上建立的口语分析方法，经过不断发展引入到教育领域，在课堂教学实践中得到了广泛应用。在大数据时代下，话语分析的对象不仅仅只是教学过程中面对面的对话内容，还涉及网络课程与会议中产生的文本内容，以及网络背景下的异步交流内容等。通过话语分析技术，我们可以对网上学习交流过程中话语的文本性含义有更深入的了解，从而探究知识建构的本质，对整个学习发生的过程获得更加清晰的认识。

内容分析法（Content Analysis）是一种对传播内容进行客观、系统和定量描述的研究方法。内容分析的过程是一个层层推理的过程，其实质是对传播内容所含信息量及其变化的分析，即由表征的有意义的词句推断出准确意义的过程。[3]在教育领域中运用内容分析法，不仅可以对学习者的学习过程数据进行定量分析，探寻学习者的行为模式；还可对其进行定性分析，运用积累的大量经验来预测当前的学习者行为，为学习者提供个性化的学习资源服务。

三、学习分析技术的模型

笔者根据学习分析技术的决策流程，构建了一个基本的模型（如图1所示）。

1.数据的收集

学习分析技术需要大量数据作为支撑，仅仅依靠结构化数据是远远不够的，必须同时收集不同系统中的非结构化数据，保障分析结果的正确性、一致性和完整性。

目前，教育系统中已经积累了大量的学生信息。信息系统中的学生信息、课程信息和教师信息这些档案类信息都可以作为学习分析的数据来源之一；课程管理系统（CMS）和学习管理系统（LMS）中也蕴藏着大量可以挖掘的信息，包括课程中的交互信息（与老师或学生的交流等）、学习表现信息（作业完成情况等）以及行为信息等；同时，基于教师经验、教师观察以及教师直觉的课程指导方针也是形成决策树分析的必不可少的部分。

2.数据的处理

结构化数据的考量很难反映一个学生在一堂课中吸收了多少知识，但是通过其在系统中的行为反应可以转化为可量化的数据来对其学习过程进行分析。比如在在线课程中，可通过多个方面检测学生的表现：比如与同班同学相比，在网站上花费的时间；登录网站的频率；犯了同样错误后重复犯错的概率；在某一科目停留的时间等等。通过综合分析这些数据，可以对学生的学习行为有更深入的了解，从而更加微观地了解学生。

3.软件分析

学习分析软件按照专业程度来分，可分为专用工具和通用工具两种。“专用工具”一般是学习分析项目中的核心分析工具，它专门针对某一项目的具体要求进行设计和开发，在项目实施过程中运用该工具搜集和分析学习者数据，从而指导教学。典型的专用工具有Socrato、SNAPP和 LOCO-Analyst等。而“通用工具”则是原来应用于互联网、可用性设计等其他领域的工具，后来被转用于教育情境下，用来分析学习者如何使用教学系统，主要有Mixpanel Analytics、Userfly、Gephi 等几种。[4]

4.行为干预

学习分析结果可用来评估学生表现，并及时提供反馈意见，同时还可根据学生的学习效果，有针对性地调整学习内容和方法，为学生提供指导和帮助，提高学生的学习能力。

四、学习分析技术所带来的教学变革

1.个性化教学的变革

学习分析技术的运用可以为每个学生提供一个个性化的学习环境。例如，如果一个学生解决一个问题所花费的时间远少于其他同学，系统分析结果就会自动给予提示与线索，试图促进该学生加强学习。这种即时性的提示在过去是不可能完成的任务，学生至少要等待多天，直到他们的作业被批改完。同时，在使用学习分析技术一段时间后，教师能够通过信息追踪和分析，判断自己的教学方法是否有效，从而进行相应的调整。因此，每个学生都能各自拥有一套为他们量身定制的个性化学习课程。

国内外大学中，较早应用学习分析的案例之一是美国普渡大学的“信号项目”。该项目于2007年启动，将数据从学生信息系统、课程管理系统和课程成绩单中提取出来，按照学习表现分类，从而对那些极有可能不及格或辍学的学生有针对性地提供服务。美国奥兰治县的马鞍峰社区学院通过它的“高等教育个性化服务助理”或叫SHERPA（Service-Oriented Higher Education Recommendation Personalization Assistant）系统，运用学生数据成功实施了个性化教育。该软件为每个学生建立详细档案，记录了其完整的在校期间的日程信息、跟随导师学习的经历以及其它个人信息；接着对这些信息进行分析，提出对时间管理、课程选择的建议，以及分析其它有助于学生在学业上获得成功的要素。

2.教师角色的变革

学习分析技术的运用将使教师不再仅仅是一个“教师”，同时承担了分析师的角色。传统意义上的教学主要是经验式的，教师凭借自己的主观判断来选择教授课程的内容和方式，然后通过一次次的反复实践来进行验证。而大数据时代下的学习分析技术有助于教师从这种传统的教学模式中解放出来，教师所做的决策将不再是纯粹的经验式判断，而是建立在数据分析的基础上。

美国教育发展中心（Education Development Center）和学生与技术中心（Center for Children and Technology）对如何利用数据帮助美国纽约市公立学校的教师进行教学决策开展了研究实践。他们与一家公司合作，对学生在数学学习过程中的数据进行了记录与分析，最后生成了可供教师分析的书面报告和网络报告。书面报告为教师提供了标准的全班学生学习情况的报告，为教师根据学生的需求分组、关注学生的个体特点等提供了依据。网络报告则为学校不同层次的员工提供不同层次的信息和重点。

五、结束语

大数据时代的来临，强有力地推动着教育信息化发展的浪潮。通过学习分析技术，使教学实践从关注宏观群体走向关注微观个体，并使教育个性化服务成为可能。但是，学习分析技术作为一种新兴技术，也面临着诸多挑战，距离其大规模运用可能还有较长的路要走，需要广大研究者深入研究，进一步开拓该技术的服务对象和应用场景，真正发挥大数据背景下学习分析技术的作用。

参考文献：

[1]张韫.大数据改变教育――写在大数据元年来临之际[J].上海教育， 2013（10）.

篇4

数学模型以及数序建模，是在以数据为主导的领域中应用最为广泛的数学内容，也是其发挥效果最好的领域。其中，为了能够更好的进行数据预算以及数学计算，在很大程度上需要针对应用领域进行模型的搭建，从而设计符合其领域内的数学计量模型。在经济领域中，应用数学计量数据模型的概率是非常高的，而且也需要不同形式以及不同功能的数据模型纪念性经济数据的计量。在不同的经济领域中，由于需要进行产出比以及数据的未来预测。因此，针对经济领域的数学计量数据模型的应用就更加广泛。本文以不同经济领域的数据模式进行举例分析，以此来分析如何更好的运用数据计量数据模型。

一、经济领域进行数据模型的应用需求分析

经济领域中，由于其覆盖的方向比较广泛，因此对于不同的经济领域而言，其设计的经济数据也会存在一定的差异性。那么，对于经济领域而言，数据在一定程度上能够反映该领域的发展状况以及产出比等重要数据。数据是经济的命脉，也是经济的方向。通过数据的呈现和分析，能够非常清晰的了解目前经济领域的发展状况以及未来的发展方向。也就是说，通常情况下，通过分析经济领域的数据，不仅仅能够掌握目前该领域的经济状况，更能够对未来的经济发展状况进行预测。因此，采用数据模型就现代非常重要。那么，对于经济领域而言，其进行数据模型的应用有哪些需求呢？

首先，针对不用经济领域进行分类，从而匹配与之对应的数学模型。由于经济领域是复杂并且多变的，而且经济形式也非常繁多。因此，对于经济领域一定要进行分类和划分，例如可以针对经济领域按照生产型以及虚拟型经济领域进行划分，那么针对生产型经济领域，就需要有针对性的进行数据统计以及数学模型的应用，而虚拟经济领域则更加依托虚拟数据的估算以及预测等。

其次，针对性的进行数据模型的设计；数据模型的设计需要从数学建模的思想中进行提取，从而根据实际的经济领域进行模型的建立。数据模型中，需要设置数据输入的端口，并且需要有输出的预算和测算。这在很多生产型经济领域中有着非常广泛的应用。此外，对于数据的预测是非常重要的，在经济领域中，一般都需要针对该领域进行产出比以及经济效益的预测，从而确保未来经济发展的稳定性。

最后，经济计量数据模型的需求更为广泛也更加实际；在数据估测过程中，需要针对经济数据进行模型评估，从而进行模型设计。对于计量数据的模型搭建，具备数据的基础需求分析，并且根据高等数学的概率论内容进行概率估算，从而针对经济领域的实际情况，进行经济计量数据模型的设计。

二、经济领域中数学计量数据模型的应用分析

样本分析，数据统计，数据评估是经济领域中非常重要的三个内容。那么，对于针对经济领域进行的数学计量数据模型的应用，也需要这三部分的内容进行搭建，从而设计针对不同经济领域的数学计量数据模型。因此，在应用方面，数学计量数据模型的作用也将从以上三个方面进行体现。根据不同的经济领域，数学计量数据模型的模型设计会有所不同，但是其设计理念与设计思想是可以并轨的。

第一，基于样本分析的数学计量数据模型应用；样本分析是根据经济领域中的以往数据或者是估算数据进行数据分析，针对经验数据的一种预测和估算方式。搭建数学计量数据模型的同时，主要依赖经验数据进行现有数据的预测。因此，基于样本分析的数学计量数据模型重点研究的内容是市场预测。也即是说，在未投身某一行业之中的时候，如何根据经验数据来预测行业风险以及经济效益。

第二，基于数据统计的数学计量数据模型应用；数据统计是某行业的经济发展已经达到一定的规模，但是每年或者每季度都需要进行经济评估，通过评估数据来确定该行业发展状况是否正常，是否有潜在的危机和现有的漏洞问题。基于数据统计的数学计量数据模型的应用重点在于分析当前的经济发展状况，是为了保证现有经济环境的健康和稳定性发展而进行的一种数学计量数据模型的应用。

第三，基于数据评估的数学计量数据模型应用；数据评估是对未来走向的一种经济预测。其中，对于经济领域的未来发展，通过建立数据评估的数学计量数据模型，可以根据经验数据和现有数据，进行未来经济数据的估算，通过这些估算数据可以充分的展现未来该经济领域的发展情况，是否有必要进行扩大化的发展。因此，这些数据的形成，都是在一定程度上反应该经济领域的发展状况以及未来的发展潜力。

总之，数学计量数据模型实际上可以针对经济领域的现有情况，以及未来的经济数据估算，来对某经济领域进行全方面的数据分析，从而通过数据的科学性来理性的进行经营和发展，从而实现经济的稳步发展。但是，重点在于如何能够将这些数据进行科学化的统计和估算，从而保证预测的准确性。

三、结语

通过对数学计量数据模型的分析，针对某一经济领域的数据测算等，这些数据的呈现，是通过长期的统计和计算得到的。而利用数学计量数据模型的作用，则是为了能够更加科学的进行预测和测算，从而对现有经济情况以及未来的发展等关键性因素进行分析和实践，从而保证在经济领域内的长远发展问题。总之，数学计量数据模型的应用，可以提高经济领域内的科学标准与价值，在稳步发展以及科学发展的进程中，起到至关重要的作用。

参考文献

[1]顾慰文，蔡福春，吴定华.宏观计量经济模型中变系数问题探讨[J].数量经济技术经济研究，1986（02）：29-35.