通信中级职称论文大数据背景下的行业院校学生学风建设对策

　　现在是一个大数据时代，很多行业的统计上都会用到大数据，这是指是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。本文是一篇通信中级职称论文范文，主要论述了大数据背景下的行业院校学生学风建设对策研究。
　　摘　要：通过对获取的大样本数据进行全样本分析，获得学风建设的关键指标，对于学风建设提出建议性对策。

　　关键词：大数据,行业院校,学风建设

　　1背景介绍

　　1.1 当代高校学风背景介绍

　　扩招使得在校学生人数剧增，这就导致学生整体素质的相对下降，同时受社会上不良风气的影响，在高校大学生中出现：学习动力不足，缺乏学习动性，厌学现象严重;不懂得科学学习方法;对所学专业缺乏兴趣;自身缺乏自制力。具体表现为旷课、迟到、不认真完成作业、考试作弊、不及格率、重修率升高、试读、退学学生数增加等等。

　　因此，如何正确认识学生的学习状态以及学校的风气建设情况就显得极为重要，而如何进一步加强学风建设，创建优良学风，已成为摆在各高等学校面前的一项紧迫而又十分重要的任务。

　　1.2 行业类院校的特色型背景介绍

　　行业类院校作为为国家相关行业储备人才的重要场所，无论是教学环境还是学风建设都与其他院校有着极大的不同。随着社会科学的发展，航空科学的研究内容逐渐丰富，分类越来越细化，在行业类院校的大学生学习任务也越来越重，关注行业类院校大学生的学风建设，学习状态，成绩走势，不仅是对学生的负责更是为我国航空产业培养最优秀的种子选手，为国家行业储备德智体美劳全面发展的优质人才。

　　1.3大数据时代下的教育管理背景

　　大数据的特征明显，一般用4V来概括，即 volume，variety，velocity 和value。volume即“容量”，指大数据的数据量大，完整性好，特别是非结构化数据的规模和增长占到总数据量的80%-90%，比结构化数据的增长快10-50倍;variety即“种类”，指大数据的异构和多样性"复杂性，如图片"视频"博客"微博"微信等，这就意味着要在海量"种类繁多的数据间发现其内在关联; velocity 即“速度”，指大数据传播速度快，可以更快地满足实时性需求，但需要实时分析而非批量式分析; value 即“价值”，指大数据的最终意义是通过数据获得洞察力和价值，这也是大数据最重要和最为人们关注的特征。

　　依据大数据进行教育管理分析，能在学生的学习习惯与成绩分析发挥预测作用，使教育管理具有前瞻性!学习分析就是利用数据和模型来预测学生在学习中的进步情况以及未来的表现和潜在的问题。例如，相对单个学生而言，学生价值观 ，学习习惯，周围环境影响等，利用大数据方法可以对此进行记忆分析，再以此为基础对学生的学习进行评价和诱导!由美国麦格劳.希尔教育出版集团已经开发出一种预测评估工具，对于学生群体而言，也可以通过记录其社交平台上的状态来分析不同的学生群体学习风气动态，以便时刻关注学生群体的学习动态进而预测学生群体行为的活动轨迹及其规律。

　　2研究方法

　　2.1描述性统计方法

　　所谓描述性统计分析，就是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所代表的总体的特征。描述性统计分析的项目很多，常用的如平均数，标准差，中位数，分位数，偏态程度等等。这些分析是复杂统计分析的基础。它在表示数量的中心位置的同时，还能表示数量的变异程度(即离散程度)。

　　箱线图(Boxplot)也称箱须图(Box-whisker Plot)，是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。利用箱线图可以明显的判断出数据批的偏态和尾重，其中位数也越偏离上下四分位数的中心位置，分布偏态性越强，“箱子”部分集中在较小值一侧，则分布呈现左偏态;;“箱子”部分集中在较大值一侧，则分布呈现右偏态。在同一数轴上，几批数据的箱线图并行排列，几批数据的中位数、尾长、异常值、分布区间等形状信息便昭然若揭。在一批数据中，哪几个数据点出类拔萃，哪些数据点表现不及一般，这些数据点放在同类其它群体中处于什么位置，可以通过比较各箱线图的异常值看出。每批数据分布的偏态如何，分析中位线和异常值的位置也可估计出来。

　　2.2 聚类分析方法

　　聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。聚类分析的方法主要有最短距离法，最长距离法，离差平方和等。在聚类分析的各种方法中，我们采用了离差平方和法,也称沃尔德法.思想是同一类内案例的离差平方和应该较小,不同类之间案例的离差平方和应该较大.求解过程是首先使每个案例自成一类,每一步使离差平方和增加最小的两类合并为一类,直到所有的案例都归为一类为止.采用欧氏距离,它倾向于把案例数少的类聚到一起,发现规模和形状大致相同的类.

　　3数据分析及结论

　　3.1各专业间横向纵向比较

　　从A,B,C,D四个专业成绩的角度出发，为了在横向(各专业间)纵向(某专业在大学四个学年间)多个维度上对该行业类院校的成绩有较为全面的了解，针对各专业在各学年间的成绩我们对该行业类院校 11级各专业成绩做箱线图。

　　首先，横向比较，对比A.B.C.D四个专业在各学年的成绩情况。在大一学年中，四个专业成绩优异者水平基本相同，但整体看来D专业整体成绩略高于其他各专业，且成绩分布均匀无明显偏态。其他三个专业，呈现出向上的偏态，即中间部分的学生成绩处于中上等，但有个别同学成绩不太理想，于是在图中即反映为下四分位数与最小值之间距离较远。在第二学年中,B专业整体的成绩有了重大改变，整体成绩开始相对集中，成绩较差的同学对自身进行了反省与提高，但成绩优异的同学也相对减少了，处于中游的占大部分。而A专业又出现较多异常偏低的值，说明该专业在第二学年可能有所放松。在第三学年中，D专业的成绩开始分散，同学之间的差距逐渐变大，而B班级又开始出现了分层的现象，大多数同学成绩处于中上，但最后的25%同学却极异常的与大家有很大的差距。

　　其次，纵向比较，对比同一专业在三个学年间成绩的变动情况。无论是D专业的“虎头蛇尾”，还是C专业的稳定不变，无论是B专业的波折不断，还是A专业的浪子回头都在箱线图上得到了明确的反应。

　　对于各位教育工作者而言，纵向的比较表现出各专业在不同时期的学习动态，在什么时候应该加以提醒，什么时候应该鼓励打气，什么时候应该强制改进学风，什么时候应该“放养”是值得注意的问题了;而横向比较显示出在同一年级间各专业的成绩分布是比较类似的，这说明同龄人之间的影响在学风建设学习状态上也是有很大影响的，这时个别优秀学生的代表作用给大家的激励也许会让教育工作事半功倍。

　　3.2 同一专业不同年级对比

　　鉴于上述描述性统计方法取得了不错的分析成果，我们将其再次运用于相同专业不同年级间的成绩比较以考虑同级各专业间的成绩变化情况是否是各专业延续下来的“传统”，也可进一步观察学长学姐的学习态度是否会对同专业学弟学妹产生影响，在这里仅列出两个专业间的对比：

　　由分析可知D专业两个年级间无论是成绩的高低还是整个班级的分布都是比较相似的，而B专业12级明显优于11级，其他各专业相邻年级间的对比也都呈现出了，优秀的成绩往往会得到传承，而一旦上一级成绩较不理想，下一级往往会以此为戒。

　　3.3 各专业在相似课程上的对比

　　在通过各个维度的分析与对比后对我院的整体情况也有了一定的了解，但为了让辅导员的工作能够进一步细化，我们对各专业在一些重要课程上的成绩取得情况进行了分析，以方便辅导员在一开始就对某些专业的某些课程的学习加以关注，在这个问题的分析上我们做出了雷达图，由于各专业学习的课程各不相同，所以在这里我们将课程设置相近的专业放在一起分析，也便于对比。针对该行业类院校各专业学生培养的安排，我们将A与D作为一组，B与C专业作为一组。

　　A与D专业在数学分析，解析几何，高等代数，英语读写上的成绩分布进行对比;B与C专业在高等数学，线性代数，普通物理，大学化学上的成绩分布进行对比，结果如下

　　3.4 专业内部个体成绩的聚类分析

　　对现有成绩进行描述性分析后，我们想要进一步探究各位同学之间的成绩有着怎样的联系，而学习上的成果是否与大家平时的各种看似无关的习惯有联系。因此我们采用了聚类分析。在这里我们抽取了D专业的同学们，以他们三年来每学年的平均综测为分类标准进行了聚类分析。结合对2011级学生的调查与采访发现，聚为一类的同学对大学学习与生活有着相似的认识，他们不一定是亲密的朋友但学习习惯却非常相似，往往是同一宿舍或交集略多的一群。

　　本论文通过成绩的分析得到了与事实基本一致的结论，且分析方法的独特和维度之广做到了一定程度的创新。以新的视角去解读理学院的学习成果问题，更透过成绩看到了各班级平时的学习状态，与有待改进的地方，不仅为我院的学生教育培养工作提供了参考，也为其他学校或学院的成绩分析与学习成果检验提供了可借鉴的方法。

　　4学风建设对策

　　(一)通过制度创新，教育和引导好学生。

　　树立“人，都是好人”的理念，通过制度创新引导好学生学习。在年级内推广分组学习的经验，让学生自我帮扶、自我管理，努力在学院做到更好的学风和更好的成绩。

　　(二)进一步加强与系主任、班主任、专业课老师、本科生导师的交流，共同提高学生良好学风。

　　学生学习风气的养成，需要良好的管理制度做引导，在未来的学风建设过程中，主动组建学习小组，邀请学院专业老师能够在竞赛、数学建模、科技立项、大学生创新创业中给与更多的支持，通过与专业老师一起帮扶学业困难学生，提高学生学习成绩。

　　(三)通过学生工作干部与学业困难学生座谈、个别聊天和年级会等形式，督促学生重视学习，提高成绩

　　通过座谈、个别聊天和年级会等形式，通报就业数据，告诉学生成绩和能力的关系，成绩是硬实力、个人综合素质是软实力，二者必须兼而有之，才能更好的助力学生走好未来的路。

　　(四)通过发挥同学之间同辈的力量，在院校内推广小组学习、同辈帮扶，形成互帮互助的氛围。特别是优秀学生，有想法、成绩好、有热情，也有意愿帮助学业困难的学生，有利于进一步形成学院良好的互帮互助氛围。

　　参考文献

　　[1]汤效琴, 戴汝源. 数据挖掘中聚类分析的技术方法[J]. 微计算机信息, 2003, 19(1): 3-4.

　　[2]雍红月. 运用 EXCEL 进行经济指标的箱线图分析[J]. 统计教育, 2007 (2): 35-36.

　　[3]卯越, 樊顺厚. 影响学生评教成绩的因素分析[J]. 2008.

　　[4]张志霞, 许童羽, 朴在林, 等. 高等学校学生成绩分析方法的研究[J]. 沈阳农业大学学报: 社会科学版, 2008, 10(3): 322-324.

　　[5]周海林. 高校成绩分析存在问题及应对策略研究[J]. 黑龙江教育学院学报, 2010 (10): 21-23.

　　[6]赵伟. 我国高校学风建设研究[D]. 天津: 天津大学, 2007.

　　[7]周湘林. 大数据时代的教育管理变革[J]. 中国教育学刊, 2014 (10): 25-30.
　　通信论文发表期刊推荐《移动通信》紧跟行业热点、推介前沿技术、交流行业市场的动态，内容新颖、信息量大、实用性强。多次被评为信息产业部优秀电子期刊，入选“中国期刊方阵”双效期刊。

文章TAG标签：大数据论文

转载请注明来自：http://www.yueqikan.com/tongxinlw/53363.html