1深基坑支護的類型分析

（1）鋼板樁支護分析。鋼板樁支護是一種廣泛應用于建筑工程的支護類型，這種支護形式指的是通過熱軋型的鋼材進行鉗口和鎖口，從而使鋼板樁之間進行緊密的連接，進而組成完整的鋼板墻結構。鋼板樁支護形式既可以起到很好的擋土作用，還有良好的擋水功能。現階段應用最多的鋼板樁支護結構形式主要有三種：第一種，Z形結構形式；第二種，U形結構形式；第三種，直腹板結構形式。鋼板樁支護類型的特點是，具有相對簡單的鋼板加工工藝，以及來源眾多的施工材料。（2）深層攪拌水泥樁。在深基坑支付中，水泥攪拌的作用是對軟土地及進行加固和飽和。水泥可以發揮固化劑的作用，通過軟土結合，發生一系列的物理反應或者化學反應，從而形成一種具有高強度的水泥加固體，從而有效提升軟土地基的承載能力以及變形模量。根據多年的經驗，如果水泥摻入8%以上，20%以下，水泥土重度比就可以提高3%--5%。如果水泥土的含水量降低10%，抗滲性能就可以達到10-7cm/ces——10-8cm/ces。也就是說，水泥土可以有效對土質進行改良。另外，水泥土的無側限抗壓強度大多數都大于0.3MPa，要遠優于未經處理的軟土地基的抗壓強度。抗壓強度的提升也就代表著抗拉強度的提升[1]。

2深基坑支護設計的改進

（1）引進新技術和新理念。在進行深基坑支護設計的時候，一定要結合建筑工程的特點以及實際情況，切忌生搬硬套，延用陳舊的設計理念。尤其是現階段，深基坑支護結構的設計還處于發展階段，缺乏公認的、權威的計算公式，一切都需要設計人員在實際工作中摸索。所以在設計過程中，可以將施工監測反饋動態信息作為基礎，以此來進行深基坑的支護設計。（2）加強試驗研究。所謂實踐出真知。一切正確的理論都是經過大量的實踐、大量的研究總結出來的。而我國現階段的深基坑支護結構，與發達國家有著不小的差距，很多地方都有待提升。但是我國的城市建立力度不斷地加大，我國地下建筑與高層建筑越來越多，這就為我國深基坑設計人員開展研究工作提供了一手施工數據。所以，設計人員一定要重視深基坑支護設計的實踐性，通過大量的數據分析，不斷地總結，最終獲得正確的理論和觀點，形成一套完整的體系[2]。

3深基坑支護監測數據的分析方法

（1）有限元分析法。有限元分析法屬于確定函數法的一種，指的是針對研究對象按照某種規則搭建分析模型，然后再將分析模型劃分成若干計算單元，因為每一種材料都有一定的物理力學性質，所以要按照所選材料相對應的物理力學性質，搭建荷載與變形之間的函數關系。然后再根據現有的條件對函數方程進行求解，從而得出變形值。但是，有限元分析法存在一定的缺陷。首先，分析模型劃分的單元、所選材料的參數設置、選擇的函數關系都是假設的。其次，計算變形值的時候并沒有考慮施工現場的環境因素的影響。所以也就容易導致計算結果存在一定的偶然性，可采納度較低。所以在使用有限元分析法的時候，可以和反演分析法一起使用。（2）小波分析法。小波分析法是在多種分析法的基礎之上研究出來的一種分析處理方法，又稱為信號分析中的數學顯微鏡。小波分析法在時域方面以及頻域方面的局部化特征較為明顯，可以將局部信號中的有效信息進行提取。另外，小波變化還可以針對周期性的變形特征進行探測和分析。例如，通過離散小波變換可以分解實際的監測數據并進行重構，進而分離數據中與噪聲相關的信息，找出對自己有用的數據和信息。

1商務平臺商品數據分析

商務平臺商品數據分析系統集數據獲取、數據統計和分析，系統設計有如下考慮：

1)商品ID號：根據上線商品的ID號直接獲取商品的評論，并對評論進行等級評定；

2)評論平均分：計算評論平均分，據此可判斷商品是否合格；

3)評論分分布：計算評論的合格數及其比例。等級評定時是多個操作人員同時對同一商品數據進行評論操作，評論評分定級是人工進行的，操作人員的主觀對商品評論操作有一定影響。因此需要將所有操作人員的評論評分數據進行統計對比分析，以控制整個評定的有效性。

2系統設計

摘要：目的：研究產品包裝設計創新趨勢。方法：以大數據時代為背景，從同類產品、產品目標客戶等方面進行分析，研究大數據時代產品包裝設計特征，探討和傳統包裝設計的差異。結論：大數據時代產品包裝設計思維已發生轉變，不再僅僅依靠設計師的個人經驗，而更注重大數據的實時收集、整理、分析和應用；大數據分析有助于設計師了解消費者的心理動態，設計出更符合消費者需求的包裝產品，這種設計趨勢將會成為未來包裝設計的發展方向。

關鍵詞：大數據；包裝；設計；分析

隨著經濟迅猛的發展，大量的網絡交易平臺和手機APP不斷涌現，網上銷售與網上購物已成為人們生活中的重要一部分。根據艾瑞咨詢的2016中國電商報告數據，2016年中國網絡購物市場規模近5億，較2015年增長23.9%，在社會消費品零售總額中占比超14%。消費者的網絡購物行為不斷的產生并記錄了數據，這些數據隨著網購的發展呈爆炸式增長態勢[1]。在互聯網蓬勃發展的中國，生產企業要想搭上數字經濟的發展快車，就必須將互聯網、大數據與產品生產設計進行深度融合。包裝作為產品的“臉面”，企業通過大數據分析對產品包裝設計進行優化，其意義不言而喻[2]。

1大數據分析

如今，大部分的電子商務公司（如：京東、淘寶等）都在實時采集數據，獲得有價值的信息，并以此驅動具有盈利能力和更智能的商業決策制定[3]。產品制造企業可以通過與電子商務公司合作，從多個數據源中搜集、整理和分析數據，從而對產品的包裝進行設計、修改和完善，從而提高產品的銷量。1.1大數據的概念與特征。一般學者認為大數據是指無法在有限時間內用傳統IT技術和軟硬件工具對其進行感知、獲取、管理、處理和服務的數據集合[4]。大數據具有四個基本特征：數據規模大（Volume）、數據種類多（Variety）、數據處理速度快（Velocity）、數據價值密度低（Value）[5]。1.2大數據分析與產品包裝設計。產品制造企業可以對電商企業提供的大數據進行整理分析，改進產品的包裝設計，從而加強企業的業績（如圖1所示）。制造商可根據諸如其他競爭性產品包裝成本等變量，通過使用統計分析和分布式處理，運用運籌學算法和實時功能，能夠有效的制定基于大數據的產品包裝成本價格[6]。另外，可以通過追蹤用戶的行為軌跡，發現用戶的消費習慣與偏好，從而設計出適合特定用戶需求的產品包裝。

2基于大數據的產品包裝設計分析

摘要：文章針對當前定量分析類課程教學存在的問題，提出“追本溯源式學習”理念，在教學過程中將知識點轉化為項目，引導學生參與整個數據分析過程，激發學生尋根究底、探究公式推導過程的興趣。文章以數據分析類課程教學中最為基本的“一元線性回歸檢驗問題”為例，設計了新的“追本溯源式”的教學流程，以期為提高該類課程的教學質量提供借鑒。

關鍵詞：追求應用；追本溯源；溯源式學習；教學設計

1問題的提出

隨著軟件技術的發展和各類教學軟件更新換代速度的加快，目前高校的定量分析類課程教學中，越來越多地傾向于使用各種教學軟件來輔助。然而，由于課時不足、學生數學基礎差等客觀原因，很多課程在使用教學軟件時，追求軟件教學的速成效果，不再關注軟件操作結果中變量的原始來源，不再進行必要的公式推導，逐漸形成“重軟件操作輕公式推導”、推崇“無數學基礎也能進行數據分析”的教學和學習方式。但教學實踐中發現，這種“知其然不知其所以然”的教學思路存在諸多問題。學生確實在短時間內學會了在分析問題時使用軟件，但對學生學習效果的調查發現，很多學生不明白定量分析類課程數據分析中各變量之間的關系，不了解分析方法基于何種邏輯，不懂得各種分析方法之間對于某個問題的分析是相輔相成的還是承前啟后的。這樣的教學理念存在一個偏離最終培養目標的、亟需關注的誤區，即注重速度和短期效果，卻忽略了知識的延續性。這樣的教學模式，短期看是有效的，但長期會發現存在很大隱患。基礎不穩將導致各門課程之間相互割裂，前序課程無法對后續課程產生必然的、持續性的正向影響。學生在學習后續課程時極易出現無法關聯已有知識、無法構建完備知識體系的情況，也就無法提升其自主學習能力。目前，不少這類課程的教學過程，正從最初的“無實踐操作的純理論教學”這一極端逐漸走向“重操作輕理論”“重實用輕基礎”的另一個極端。到底是放棄公式推導來追求軟件的快速掌握，還是追本溯源、分析變量的原始含義從而深入了解分析內容，是教學實踐中必須要解決的問題。為了更好地達成“學會學習”這一教育的本質目標，這種無法形成持續性、長久性學習效果的教學思路亟需得到糾正。本文傾向于選擇在教學過程中夯實基礎，對各個變量“追本溯源、回歸本質”，并將這種教學和學習方式定義為“溯源式學習（source-basedlearning）”。基于這種教學理念，本文以定量分析類課程中一元線性回歸教學過程為例，試圖重新優化設計教學流程，將部分教學內容延伸至課外的自主學習中，以便在有限的課時內合理兼顧“實用與理論”“軟件操作與基礎知識”，激發學生的學習興趣，教授科學的學習思路和方法，以期達成持續性知識傳遞的教學目標。

2教學設計思路

本文選擇“一元線性回歸中的檢驗問題”這一內容來進行教學設計，原因有兩個。一是自從弗朗西斯·高爾頓于1875年根據豌豆尺寸的遺傳規律提出“回歸效應”以來，回歸分析方法被廣泛應用于對社會、經濟、管理、醫學、體育、教育等各種相關問題的定量研究過程[1]。在這些研究中，一元線性回歸分析又是所有回歸分析的基礎，因子分析、方差分析、logit回歸分析、聚類分析、神經網絡、蒙特卡洛模擬等諸多方法，都是以此為基石的。二是對這一問題的研究涉及各種檢驗之間的隱藏關系，新的課程流程設計旨在引導學生對這些檢驗之間的關系進行深入分析，自主發現問題，尋求答案。首先，課前教師要針對該問題及其所需的基本知識和軟件儲備進行說明；其次，要求學生進行分組，通過小組“自主—合作學習”方式查找所需的、符合本問題研究的案例數據；然后，在課堂上由教師講解不同軟件（EViews、SPSS等）的使用，讓學生利用各自查找到的數據來進行軟件操作實踐，引導學生查看軟件操作結果，發現問題中隱藏的關系；最后，引導學生“追本溯源”，分析隱藏關系的原因，并通過公式推導來加深對知識點的記憶。這種教學設計的創新在于，對每一個知識點都采用項目式學習法，使學生的學習從課內延伸至課外，從而了解完整的數據分析流程，而不只是學會如何操作軟件[2-7]。具體的課程設計思路如圖1所示。

摘要：當前我國已經通過互聯網技術進行智慧倉儲運行支撐平臺的設計和構建，以提升倉儲系統的管理效率和效果。基于對智慧倉儲運營支撐平臺的深入了解，結合對大數據分析技術核心技術要點的剖析，文章提出了基于大數據分析的智慧倉儲運行支撐平臺的設計，為從業人員提供合理指導。

關鍵詞：大數據分析技術；智慧倉儲運營支撐平臺；平臺設計

在運營支撐平臺設計中，應用大數據分析技術能夠提升平臺的運行效率和科學性，提升倉儲系統的管理水平，另外大數據分析技術有強大的運算能力，可以對供應鏈中的數據進行有效整合和分析，讓供應鏈系統能夠更好運行。

1智慧倉儲運行支撐平臺構成和設計

1.1平臺感知層

感知層是智慧倉儲運行支撐平臺的核心部分，感知層通常用于信息采集，在當前的倉儲平臺發展中，會在倉儲物品包裝上設置二維碼、條形碼等身份識別工具，這就要求感知層建設中，需要設置攝像頭、二維碼識別器、條形碼識別器等硬件設施，通過掃描的方式進行“感知”。另外在倉儲平臺運行中，為了保證倉儲系統的安全，還需要建設相應的安防系統，所以感知層中攝像頭的應用不但要對庫內環境進行監控，還要通過攝像頭對庫區外部環境進行調查，從而保證智慧倉儲運行支撐平臺的穩定安全運行。

摘要：由于傳統的網絡教育數據分析平臺在計算機中內存所占比重過大，導致無法捕獲變量網絡教育數據，因此內存占用率高，無法對網絡教育數據進行精準分析。針對這一問題，進行基于云計算的網絡教育數據分析平臺研究。捕獲變量網絡教育數據，建立數據中心，通過數據中心日志來記錄捕獲變更序列；建立網絡教育數據分析平臺總體技術架構，以變量網絡教育數據表的形式進行綜合分析；基于云計算建立數據庫，完成網絡教育數據分析平臺設計。實驗結果表明，設計分析平臺的內存占用率最低可達19.93，對照組為60.01，設計分析平臺可以高效捕獲變量網絡教育數據，實現對網絡教育數據進行精準分析。

關鍵詞：云計算；網絡教育；數據分析平臺

云計算技術作為新時代下的數據處理與存儲技術，能夠實現對數據的快速處理與移動應用[1]。要解決形式上的網絡教育數據分析問題并不困難，最簡單直接的辦法就是為各種基本數據格式兩兩之間開發一個轉換器，因為流行的數據格式數量不多，并且轉換規則明確，這是一個只要投入一定人力就能解決的問題[2]。但語義上的網絡教育數據分析比較復雜，尤其是針對變量的網絡教育數據。因此，本文進行基于云計算的網絡教育數據分析平臺研究。

一、基于云計算的網絡教育數據分析平臺研究

（一）捕獲變量網絡教育數據。運用數據捕獲層，捕獲變量網絡教育數據，數據捕獲不僅針對標題，還對數據內容進行語義識別，分析其中的內容是否為教育數據資源，且是否含有敏感關鍵詞等不適于教育傳播的內容。分析識別捕獲的運算量巨大，因此設計了采用云平臺，利用強大的云計算能力解決語義識別和關鍵字檢索的功能需求。網絡教育數據分析平臺的數據整合層建立一個數據中心，用來存儲變量網絡教育數據[3]。設計數據中心最大優勢在于具有數據中心日志，可以通過數據中心日志來記錄捕獲變更序列，完成變量網絡教育數據精準捕獲。在捕獲數據后，需要對數據的完整性進行驗證，保證是完整有效的數據段。（二）建立網絡教育數據分析平臺總體技術架構。本文基于云計算進行校園網拓撲結構組建以及網絡教育數據安全設置，對網絡教育數據進行集成與管理。網絡教育數據分析平臺總體技術架構中，數據中心是處于核心地位的單元，數據的分析整理與分類標識全部在數據中心完成，終端用戶通過與數據中心的信息交互，提出希望獲取的信息關鍵詞，完成在數據庫中的搜索，數據中心將終端用戶感興趣的數據信息以及通過智能分析后與本次搜索相關度高的信息以列表的形式推送給終端用戶，再根據用戶的選擇鏈接到指定網絡教育數據信息地址。數據中心字段設置具體信息，指向教育數據的種類與類型，并以關鍵字的形式加以區分。對控制字段的分析管理可以基于云計算技術在數據中心建立一個變量網絡教育數據表，用來存儲捕獲變量網絡教育數據。便于數據庫日志的記錄以及數據分析終端對網絡教育數據的綜合分析。（三）完成網絡教育數據分析平臺設計。為保證網絡教育數據資源的更新性與實用性，數據中心的數據需要實時更新，并對其內容的正確性加以校正。分析過程中引入使用者評分規則，由最終用戶對網絡教育數據資源的實用性、完整性、有效性和精美度進行評價，通過用戶的視角對網絡上紛繁復雜、良莠不齊的數據資源加以遴選，剔除糟粕，保留精華，實現教育資源的優化與改進，為學習者提供純凈、優質的網絡教育數據資源。在網絡教育資源不斷優化的背景下，根據用戶使用體驗的評分，完成對同類教育數據資源的排序，以及用戶使用中的周邊功能推送，為用戶提供選擇方向和選擇推薦。至此，完成基于云計算的網絡教育數據分析平臺設計。

二、實驗

摘要：大數據時代，數據分析各環節的變化對統計學專業人才培養模式的變革起到了催化作用.數據挖掘作為拓展和提升大數據分析方法與思路的應用型課程，被廣泛納入統計學本科專業人才培養方案.本文對大數據時代數據分析師的職業需求進行了調研，在此基礎上提出了基于R語言的項目式數據挖掘實驗教學模式.教學實踐結果表明，通過項目式學習，可以讓學生在掌握理論知識的基礎上，進一步提升分析問題和解決實際問題的能力，進一步適應大數據時代數據分析師的職業要求.

關鍵詞：統計學；數據挖掘；實驗教學；數據分析師；項目式學習

1引言

2016年美國統計協會(AmericanStatisticalAsociation)對統計學的內涵給出一個較為簡潔的說明，將統計學定義為：“thescienceoflearningfromdata”，即從數據中學習的科學[1].該定義實際上與數據科學（DataScience）的內涵如出一轍.筆者以為ASA之所以對統計學做出這樣的內涵解釋，實際上表明在大數據浪潮中，統計學正走在變革的道路上.大數據時代，數據的產生、收集、分析與應用等環節都發生著深刻的變化.互聯網技術的高速發展使每個人成為數據的生產者，數據生產已經突破了時間、地點的限制，數據量也由抽樣數據向大數據轉化；數據的存儲類型由紙和筆記載的關系型結構化數據向半結構、非結構和異構的網絡數據類型轉化；數據的采集由根據統計分析目的的調查式收集向基于大數據技術的自動化采集方法轉化；數據的分析由傳統的驗證型分析方法向探索型分析方法轉化；數據的應用由輔助管理決策向引導變革轉化.以上變化正在重塑數據分析流程，而數據分析模式的變革必然引起教育模式的改革.事實上，在大數據洪流的沖擊下，統計學專業的人才培養模式已經悄然發生變化.當前，統計學專業融合大數據、計算機、人工智能等相關學科知識，引導學生認識和掌握數據處理的新技術，推動交叉學科應用型人才的培養，已經成為共識.其中，在統計學專業課程體系中引入數據挖掘課程就是典型的代表.數據挖掘技術在一定程度上彌補了傳統統計分析方法的不足，可以進一步增強學生探索性數據分析的能力，更加適應大數據時代的需求.與統計學強調推斷理論和方法不同，數據挖掘強調經驗，著重于從數據中挖掘有用的模式和價值，只要能夠有效地解決問題，方法和模型本身并不重要.因而，筆者認為數據挖掘課程能夠拓展統計學專業學生數據分析的思路和方法，進一步加深對數據分析內涵的理解.由此，本文致力于探索大數據背景下統計學專業數據挖掘實驗課程教學模式，以提升統計學人才實踐應用能力，使其不斷適應大數據分析的需求.

2大數據時代市場對應用型統計人才的新需求

數據分析師是統計學專業大學生畢業后的主要職業選擇之一.數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，并依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測并轉化為決策信息的專業人才[2].為了客觀分析大數據時代應用型統計人才需具備的知識、能力和技術，本文通過智聯招聘網對企業公布的數據分析師職位招聘信息進行了調研，這些招聘信息都是面向應屆本科畢業生的，具有較強的針對性，調研時間為2018年8月3日.本文調研了七家上市公司[3]，有國企事業單位、互聯網公司、金融公司、網絡游戲公司、網絡媒體公司等，各公司對數據分析師的崗位職責、知識要求、能力要求和技術要求見表1所示.從數據分析師的崗位職責來看，不同類型的企業雖然具體要求不同，但是核心職責是相同的，主要有三個方面：負責業務部門的數據需求分析，也就是通過調研了解業務部門的需求，確定數據分析對象和目的；構建業務數據分析指標體系，即如何開展數據分析工作，確定數據采集、處理和分析及結果解讀等環節的指標、方法、模型及數據分析工具等；為業務部門提供數據決策支持，包括撰寫調研報告、數據分析報告及設計數據產品和開發數據分析工具等等.從崗位職責的核心要素來看，數據分析師是非常契合統計學專業的人才培養目標的，從調研到設計到分析到結果解讀，是數據分析的一個完整流程.但是，也可以看出很多企業在數據分析中特別強調了數據挖掘方法，如北京計算機技術及應用研究所強調用戶行為挖掘和個性化推薦、金融界強調用戶行為數據和網絡日志數據挖掘，而這些都不是傳統統計學分析方法的范疇.從知識要求來看，大部分企業都要求數據分析師具有統計學專業背景，但互聯網公司特別強調統計學、數學和計算機的交叉和融合.實際上，數據分析師作為復合型人才，除了掌握必要的統計分析理論和方法外，數學建模和編程能力都是必不可少的.從能力要求來看，較強的數據敏感度和清晰的邏輯思維能力是核心要素.其次，從業務來看，數據分析師需要同不同的部門打交道，溝通協調能力和團隊協作能力也是必不可少的.從技術要求來看，大部分企業都要求數據分析師至少要掌握一種統計分析軟件，如SPSS或MATLAB；至少要熟悉一種編程語言，如Python或R；至少要掌握一種數據庫技術，如MySql/Oracle/SQLServer等，最簡單的是excel.在高校及商業統計分析領域，R語言是當前最受歡迎的統計編程語言之一.綜合以上分析可以得出，統計學專業的學生要想成為出色的數據分析師，除了具備堅實的統計學理論和方法外，還需要具備良好的計算機能力，如數據庫技術和編程能力.更重要的是，數據挖掘方法與技術作為大數據技術的基礎已經成為數據分析師必備的技能，也是企業招聘時重點關注的技術.

摘要：在提質培優背景下，課程思政“大有可為”也“大有作為”。文章以專業基礎課程——數據分析基礎課程為例，研究如何貼合課程特色，對課程思政進行一體化設計，并在實踐中檢驗課程思政成效，從而充分發揮專業基礎課程的育人價值，落實立德樹人的根本任務。

關鍵詞：課程思政；總體設計；實踐成效

2015年10月，黨的十八屆五中全會正式提出“實施國家大數據戰略，推進數據資源開放共享”。[1]2021年《政府工作報告》也提出“加快數字化發展，打造數字經濟新優勢，培養數智化人才”。[2]隨著大數據行業的發展，企業的數據能力、構建意識不斷增強，更多的企業在不斷引進專業數據人才。2020年，教育部出臺的《職業教育提質培優行動計劃（2020—2023年）》提出，職業教育要強化工學結合、知行合一，健全德技并修育人機制，落實立德樹人根本任務，完善多元共治的質量保證機制，推進高質量發展。一方面是數據人才的稀缺，一方面是職教改革的迫切需要，因此，數據分析基礎課程的課程思政建設“大有可為”也“大有作為”。本文按照提質培優的要求，遵循“一體化設計、結構化課程、顆粒化資源”的建構邏輯，對數據分析基礎課程的課程思政進行實踐探討。

1數據分析基礎課程的課程目標

數據分析基礎是江蘇信息職業技術學院（以下簡稱我校）面向所有專業開設的一門專業基礎課。課程根據行業需求和“00后”學生特點，依據各專業人才培養目標進行設置，按照崗位能力分析應該掌握的知識點和技能點，形成課程教學目標，并細化為具體的知識點和能力點。以數據分析在各行業的應用為主線，對金融大數據、電商大數據等進行分析，培養學生的數據思維，使學生掌握數據分析的實用技能，最終達到知行合一、學以致用的目的。在專業教育的同時，以新時代中國特色社會主義思想為指導，堅持知識傳授與價值引領相結合，注重課程思政教育教學改革建設工作，深入挖掘數據分析基礎課程蘊含的思想政治教育資源，充分發揮專業基礎課的育人價值，將價值塑造、知識傳授和能力培養三者融為一體，培養“德、智、技”全面發展的高素質應用型人才。

1.1培育和踐行社會主義核心價值觀（德）

摘要：在現代化大學的建設進程中，面對日趨龐大復雜的學生考勤信息數據量時，以往的考勤統計方法已經不足以應對，本平臺為針對高等學校智慧教室的數據分析平臺，其中主要包括學生和管理員兩個用戶類型。平臺針對高校的大學生和管理者，將規模巨大的考勤數據信息進行分析，供學生和管理人員進行使用，以期提高教學質量，工作效率。

關鍵詞：高等學校；智慧教室；數據分析

一、智慧教室數據分析平臺開發目的

隨著計算機技術和“互聯網+”的迅速發展，當前的我們正處在一個信息化的時代。在現代化大學的建設進程中，學生的日常上課出勤管理在高校諸多管理系統中有非常重要的地位，所以開發一個便利的學生考勤管理系統對于高校現代化進程來說非常重要[1]。面對日趨龐大復雜的學生考勤信息時，傳統的方式方法已經不能夠滿足當前的需要。因此開發一個用于系統化管理分析智慧教室學生刷卡數據的分析平臺是亟待需要的。通過對智慧教室數據的分析掌握學生的出勤情況，更好的為學校和教師制定教學計劃和對學生的考核。對數據的分析得到學生對不同的課程的喜愛程度或不同課程出勤不同的原因。使老師和學生能從靜態的考勤信息中獲取有價值的信息。該平臺的應用，將會對學校在課程開設、課程時間的制定上有一定指導意義。

二、智慧教室數據分析平臺總體功能

智慧教室數據分析平臺總體功能E-R圖如下圖所示。

摘要：當前我國科學技術發展速度不斷加快，傳統教學模式已經無法滿足現階段人們的實際需求。在互聯網的背景下，人們對于個性化的重視程度不斷加深，在進行學習時，更喜歡用自己的方式。終身學習、碎片化學習以及移動學習等新興的學習方式，讓人們有更多的選擇。自適應學習可以滿足人們個性化的需求，因此當前對于自適應學習設計進行研究分析，可以為之后自適應學習系統的發展提供相關的理論依據。本文對于大數據分析以及應用現狀進行闡述，分析基于大數據的自適應學習模型，探討自適應學習設計未來發展趨勢，希望可以推動我國自適應學習方式得到進一步的發展。

關鍵詞：大數據；自適應學習；模型

現階段大數據以及互聯網等信息技術的新興，使遠程教育以及在線學習等自主方式得以實現。就目前的情況分析，我國普遍使用的網絡在線平臺有MoodleSaKai或者Blackboard等網站，這些平臺對于教師課程管理及教學管理較為重視，可以為人們提供更加自主的學習服務。但是其中學習界面、學習順序以及學習資源依舊屬于重復出現的狀態，無法較好地調動起人們的學習積極性。在大數據的前提下，可以使遠程教育將規模化和個性化達到一定的平衡，有效地滿足人們個性化需求。通過大數據分析，能夠對于學習者自身的學習特征、學習的實際規律以及學習者當前最為迫切的需求，進行認知，從而有針對性地進行自適應學習設計，打造個性化學習方式。利用大數據進行分析，得到的結果可以對學習者可能需求或者愛好的資源進行推薦，滿足其個性化需求。

一、大數據分析以及應用現狀

近些年來我國經濟發展速度增快，大數據分析技術受到了各個領域的重視。通過使用大數據技術，可以對于原始性的數據進行分析以及合理地推算預測，將所收集的數據直觀性地展現出來。但是也有人認為，大數據技術在進行分析的過程中，忽略了準確性，只是對于事物發生變化規律的分析，并沒有對其內在的因果進行分析。這使得我國自適應學習在發展的過程中，較難使用大數據分析技術。一方面是由于我國自適應學習設計數據除了具備數據量大的特點之外，還具備區域種類多、較為復雜，會出現較大的差異，并且對于某一塊學科自適應學習設計進行數據分析時，總量可能并不大，所以無法進行大數據分析技術的利用[1]。另一方面，我國自適應學習設計的相關數據之間存在著鮮明的區別，如果僅僅只是對于數據之間的關系變化進行分析，其中內在的因果無法進行確定，那么使用大數據分析技術得到的結果并無法保障實際價值。當前對于我國自適應學習設計的相關數據的特征進行科學合理地分析，建立相應的數據分析流程。在進行數據分析的時候，需要根據實際的具體情況將數據合理地運用在自適應學習設計分析流程中。所謂的數據準備并不僅僅是指數據的樣本，而是根據實際情況的目標分析，從數據庫中將有關的數據全部調取出進行準備，并且需要專業的技術人員，根據實際的情況對于調取出的數據進行挑選清理，將其中不符合常規、出現重復以及沒有實際作用的數據進行清理。在數據挖掘的過程中，需要與我國自適應學習設計實際情況相結合，根據數據的類型、格式以及出現的具體化問題進行分析。對于將發掘的方式進行綜合化的對比，選擇最合適的方式，便于我國自適應學習設計相關數據的整理，加快數據的處理效率，并對于數據所展示出的內在含義進行分析，得到其中存在的規律。專業的技術人員需要將根據實際情況采集到的數據進行分析處理，并且對結果結合實際情況，通過表面的問題找出內在的關系，進一步找到對于方案的優化措施，這一系列的行為便被稱為診斷剖析。在進行方案的優化過程中，應該具有針對性，可以對于其中的問題進行具體化分析，并且預測出方案進行后的效果，找出解決的措施。實施評價則是在進行方案的強化后，對于實施的效果進行評價，并且把實施之前以及實施之后的效果相對比，分析以及總結其中的不足之處，并且將其記錄到數據庫中，為之后的大數據分析進行鋪墊。應該注意的一點，便是在進行自適應學習設計大數據分析的過程中，需要進行不斷的優化，分析以及發展[2]。在數據分析流程中，如果其中某一環節沒有達到預期的效果，那么便相當于失敗。需要對于之前的每一步進行重新調整，保障數據分析達到預期的目標。除此之外，當數據不斷增加后，生產狀態會出現變動，這便需要不斷進行大數據分析以及方案優化，以便達到預期的目標效果。

二、基于大數據的自適應學習分析模型研究