時(shí)間：2023-04-01 10:29:11
序論：在您撰寫數(shù)據(jù)挖掘技術(shù)探討論文時(shí)，參考他人的優(yōu)秀作品可以開(kāi)闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
數(shù)據(jù)挖掘是指從數(shù)據(jù)集合中自動(dòng)抽取隱藏在數(shù)據(jù)中的那些有用信息的非平凡過(guò)程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來(lái)可能發(fā)生的行為。數(shù)據(jù)挖掘的過(guò)程也叫知識(shí)發(fā)現(xiàn)的過(guò)程。
二、數(shù)據(jù)挖掘的方法
1.統(tǒng)計(jì)方法。傳統(tǒng)的統(tǒng)計(jì)學(xué)為數(shù)據(jù)挖掘提供了許多判別和回歸分析方法，常用的有貝葉斯推理、回歸分析、方差分析等技術(shù)。貝葉斯推理是在知道新的信息后修正數(shù)據(jù)集概率分布的基本工具，處理數(shù)據(jù)挖掘中的分類問(wèn)題，回歸分析用來(lái)找到一個(gè)輸入變量和輸出變量關(guān)系的最佳模型，在回歸分析中有用來(lái)描述一個(gè)變量的變化趨勢(shì)和別的變量值的關(guān)系的線性回歸，還有用來(lái)為某些事件發(fā)生的概率建模為預(yù)測(cè)變量集的對(duì)數(shù)回歸、統(tǒng)計(jì)方法中的方差分析一般用于分析估計(jì)回歸直線的性能和自變量對(duì)最終回歸的影響，是許多挖掘應(yīng)用中有力的工具之一。
2.關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則是一種簡(jiǎn)單，實(shí)用的分析規(guī)則，它描述了一個(gè)事物中某些屬性同時(shí)出現(xiàn)的規(guī)律和模式，是數(shù)據(jù)挖掘中最成熟的主要技術(shù)之一。關(guān)聯(lián)規(guī)則在數(shù)據(jù)挖掘領(lǐng)域應(yīng)用很廣泛適合于在大型數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù)之間的有意義關(guān)系，原因之一是它不受只選擇一個(gè)因變量的限制。大多數(shù)關(guān)聯(lián)規(guī)則挖掘算法能夠無(wú)遺漏發(fā)現(xiàn)隱藏在所挖掘數(shù)據(jù)中的所有關(guān)聯(lián)關(guān)系，但是，并不是所有通過(guò)關(guān)聯(lián)得到的屬性之間的關(guān)系都有實(shí)際應(yīng)用價(jià)值，要對(duì)這些規(guī)則要進(jìn)行有效的評(píng)價(jià)，篩選有意義的關(guān)聯(lián)規(guī)則。
3.聚類分析。聚類分析是根據(jù)所選樣本間關(guān)聯(lián)的標(biāo)準(zhǔn)將其劃分成幾個(gè)組，同組內(nèi)的樣本具有較高的相似度，不同組的則相異，常用的技術(shù)有分裂算法，凝聚算法，劃分聚類和增量聚類。聚類方法適合于探討樣本間的內(nèi)部關(guān)系，從而對(duì)樣本結(jié)構(gòu)做出合理的評(píng)價(jià)，此外，聚類分析還用于對(duì)孤立點(diǎn)的檢測(cè)。并非由聚類分析算法得到的類對(duì)決策都有效，在運(yùn)用某一個(gè)算法之前，一般要先對(duì)數(shù)據(jù)的聚類趨勢(shì)進(jìn)行檢驗(yàn)。
4.決策樹(shù)方法。決策樹(shù)學(xué)習(xí)是一種通過(guò)逼近離散值目標(biāo)函數(shù)的方法，通過(guò)把實(shí)例從根結(jié)點(diǎn)排列到某個(gè)葉子結(jié)點(diǎn)來(lái)分類實(shí)例，葉子結(jié)點(diǎn)即為實(shí)例所屬的分類。樹(shù)上的每個(gè)結(jié)點(diǎn)說(shuō)明了對(duì)實(shí)例的某個(gè)屬性的測(cè)試，該結(jié)點(diǎn)的每一個(gè)后繼分支對(duì)應(yīng)于該屬性的一個(gè)可能值，分類實(shí)例的方法是從這棵樹(shù)的根結(jié)點(diǎn)開(kāi)始，測(cè)試這個(gè)結(jié)點(diǎn)指定的屬性，然后按照給定實(shí)例的該屬性值對(duì)應(yīng)的樹(shù)枝向下移動(dòng)。決策樹(shù)方法是要應(yīng)用于數(shù)據(jù)挖掘的分類方面。
5.神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)建立在自學(xué)習(xí)的數(shù)學(xué)模型基礎(chǔ)之上，能夠?qū)Υ罅繌?fù)雜的數(shù)據(jù)進(jìn)行分析，并可以完成對(duì)人腦或其他計(jì)算機(jī)來(lái)說(shuō)極為復(fù)雜的模式抽取及趨勢(shì)分析，神經(jīng)網(wǎng)絡(luò)既可以表現(xiàn)為有指導(dǎo)的學(xué)習(xí)也可以是無(wú)指導(dǎo)聚類，無(wú)論哪種，輸入到神經(jīng)網(wǎng)絡(luò)中的值都是數(shù)值型的。人工神經(jīng)元網(wǎng)絡(luò)模擬人腦神經(jīng)元結(jié)構(gòu)，建立三大類多種神經(jīng)元網(wǎng)絡(luò)，具有非線形映射特性、信息的分布存儲(chǔ)、并行處理和全局集體的作用、高度的自學(xué)習(xí)、自組織和自適應(yīng)能力的種種優(yōu)點(diǎn)。
6.遺傳算法。遺傳算法是一種受生物進(jìn)化啟發(fā)的學(xué)習(xí)方法，通過(guò)變異和重組當(dāng)前己知的最好假設(shè)來(lái)生成后續(xù)的假設(shè)。每一步，通過(guò)使用目前適應(yīng)性最高的假設(shè)的后代替代群體的某個(gè)部分，來(lái)更新當(dāng)前群體的一組假設(shè)，來(lái)實(shí)現(xiàn)各個(gè)個(gè)體的適應(yīng)性的提高。遺傳算法由三個(gè)基本過(guò)程組成:繁殖(選擇)是從一個(gè)舊種群(父代)選出生命力強(qiáng)的個(gè)體，產(chǎn)生新種群(后代)的過(guò)程；交叉〔重組)選擇兩個(gè)不同個(gè)體〔染色體)的部分(基因)進(jìn)行交換，形成新個(gè)體的過(guò)程；變異(突變)是對(duì)某些個(gè)體的某些基因進(jìn)行變異的過(guò)程。在數(shù)據(jù)挖掘中，可以被用作評(píng)估其他算法的適合度。
7.粗糙集。粗糙集能夠在缺少關(guān)于數(shù)據(jù)先驗(yàn)知識(shí)的情況下，只以考察數(shù)據(jù)的分類能力為基礎(chǔ)，解決模糊或不確定數(shù)據(jù)的分析和處理問(wèn)題。粗糙集用于從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)分類規(guī)則的基本思想是將數(shù)據(jù)庫(kù)中的屬性分為條件屬性和結(jié)論屬性，對(duì)數(shù)據(jù)庫(kù)中的元組根據(jù)各個(gè)屬性不同的屬性值分成相應(yīng)的子集，然后對(duì)條件屬性劃分的子集與結(jié)論屬性劃分的子集之間上下近似關(guān)系生成判定規(guī)則。所有相似對(duì)象的集合稱為初等集合，形成知識(shí)的基本成分。任何初等集合的并集稱為精確集，否則，一個(gè)集合就是粗糙的(不精確的)。每個(gè)粗糙集都具有邊界元素，也就是那些既不能確定為集合元素，也不能確定為集合補(bǔ)集元素的元素。粗糙集理論可以應(yīng)用于數(shù)據(jù)挖掘中的分類、發(fā)現(xiàn)不準(zhǔn)確數(shù)據(jù)或噪聲數(shù)據(jù)內(nèi)在的結(jié)構(gòu)聯(lián)系。
8.支持向量機(jī)。支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展出來(lái)的一種新的機(jī)器學(xué)習(xí)方法。它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則上的，盡量提高學(xué)習(xí)機(jī)的泛化能力，具有良好的推廣性能和較好的分類精確性，能有效的解決過(guò)學(xué)習(xí)問(wèn)題，現(xiàn)已成為訓(xùn)練多層感知器、RBF神經(jīng)網(wǎng)絡(luò)和多項(xiàng)式神經(jīng)元網(wǎng)絡(luò)的替代性方法。另外，支持向量機(jī)算法是一個(gè)凸優(yōu)化問(wèn)題，局部最優(yōu)解一定是全局最優(yōu)解，這些特點(diǎn)都是包括神經(jīng)元網(wǎng)絡(luò)在內(nèi)的其他算法所不能及的。支持向量機(jī)可以應(yīng)用于數(shù)據(jù)挖掘的分類、回歸、對(duì)未知事物的探索等方面。
事實(shí)上，任何一種挖掘工具往往是根據(jù)具體問(wèn)題來(lái)選擇合適挖掘方法，很難說(shuō)哪種方法好，那種方法劣，而是視具體問(wèn)題而定。
三、結(jié)束語(yǔ)
目前，數(shù)據(jù)挖掘技術(shù)雖然得到了一定程度的應(yīng)用，并取得了顯著成效，但仍存在著許多尚未解決的問(wèn)題。隨著人們對(duì)數(shù)據(jù)挖掘技術(shù)的深人研究，數(shù)據(jù)挖掘技術(shù)必將在更加廣泛的領(lǐng)域得到應(yīng)用，并取得更加顯著的效果。
參考文獻(xiàn):
蘇新寧楊建林鄧三鴻等:數(shù)據(jù)挖掘理論與技術(shù)[M].北京:科學(xué)技術(shù)文獻(xiàn)出版社,2003
統(tǒng)計(jì)學(xué)論文2000字(一)：影響民族院校統(tǒng)計(jì)學(xué)專業(yè)回歸分析成績(jī)因素的研究論文
摘要：學(xué)習(xí)成績(jī)是評(píng)價(jià)學(xué)生素質(zhì)的重要方面，也是教師檢驗(yàn)教學(xué)能力、反思教學(xué)成果的重要標(biāo)準(zhǔn)。利用大連民族大學(xué)統(tǒng)計(jì)學(xué)專業(yè)本科生有關(guān)數(shù)據(jù)（專業(yè)基礎(chǔ)課成績(jī)、平時(shí)成績(jī)和回歸分析期末成績(jī)），建立多元線性回歸模型，對(duì)影響回歸分析期末成績(jī)的因素進(jìn)行深入研究，其結(jié)果對(duì)今后的教學(xué)方法改進(jìn)和教學(xué)質(zhì)量提高具有十分重要的指導(dǎo)意義。
關(guān)鍵詞：多元線性回歸；專業(yè)基礎(chǔ)課成績(jī)；平時(shí)成績(jī)；期末成績(jī)
為了實(shí)現(xiàn)教學(xué)目標(biāo)，提高教學(xué)質(zhì)量，有效提高學(xué)生學(xué)習(xí)成績(jī)是很有必要的。我們知道專業(yè)基礎(chǔ)課成績(jī)必定影響專業(yè)課成績(jī)，而且平時(shí)成績(jī)也會(huì)影響專業(yè)課成績(jī)，這兩類成績(jī)與專業(yè)課成績(jī)基本上是呈正相關(guān)的，但它們之間的關(guān)系密切程度有多大？它們之間又存在怎樣的內(nèi)在聯(lián)系呢？就這些問(wèn)題，本文主要選取了2016級(jí)統(tǒng)計(jì)專業(yè)50名學(xué)生的四門專業(yè)基礎(chǔ)課成績(jī)以及回歸分析的平時(shí)成績(jī)和期末成績(jī)，運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行分析研究，尋求回歸分析期末成績(jī)影響因素的變化規(guī)律，擬合出關(guān)系式，從而為強(qiáng)化學(xué)生的后續(xù)學(xué)習(xí)和提高老師的教學(xué)質(zhì)量提供了有利依據(jù)。
一、數(shù)據(jù)選取
回歸分析是統(tǒng)計(jì)專業(yè)必修課，也是統(tǒng)計(jì)學(xué)中的一個(gè)非常重要的分支，它在自然科學(xué)、管理科學(xué)和社會(huì)、經(jīng)濟(jì)等領(lǐng)域應(yīng)用十分廣泛。因此研究影響統(tǒng)計(jì)學(xué)專業(yè)回歸分析成績(jī)的相關(guān)性是十分重要的。
選取了統(tǒng)計(jì)專業(yè)50名學(xué)生的專業(yè)基礎(chǔ)課成績(jī)（包括數(shù)學(xué)分析、高等代數(shù)、解析幾何和概率論）、回歸分析的平時(shí)成績(jī)和期末成績(jī)，結(jié)合多元線性回歸的基礎(chǔ)理論知識(shí)[1-2]，建立多元回歸方程，進(jìn)行深入研究，可以直觀、高效、科學(xué)地分析各種因素對(duì)回歸分析期末成績(jī)?cè)斐傻挠绊憽?/p>
二、建立多元線性回歸模型1及數(shù)據(jù)分析
運(yùn)用SPSS統(tǒng)計(jì)軟件對(duì)回歸分析期末成績(jī)的影響因素進(jìn)行研究，可以得到準(zhǔn)確、科學(xué)合理的數(shù)據(jù)結(jié)果，全面分析評(píng)價(jià)學(xué)生考試成績(jī)，對(duì)教師以后的教學(xué)工作和學(xué)生的學(xué)習(xí)會(huì)有較大幫助。自變量x1表示數(shù)學(xué)分析成績(jī)，x2表示高等代數(shù)成績(jī)，x3表示解析幾何成績(jī)，x4表示概率論成績(jī)，x5表示平時(shí)成績(jī)；因變量y1表示回歸分析期末成績(jī)，根據(jù)經(jīng)驗(yàn)可知因變量y1和自變量xi，i=1，2，3，4，5之間大致成線性關(guān)系，可建立線性回歸模型：
（1）
線性回歸模型通常滿足以下幾個(gè)基本假設(shè)，
1.隨機(jī)誤差項(xiàng)具有零均值和等方差，即
（2）
這個(gè)假定通常稱為高斯-馬爾柯夫條件。
2.正態(tài)分布假定條件
由多元正態(tài)分布的性質(zhì)和上述假定可知，隨機(jī)變量y1服從n維正態(tài)分布。
從表1描述性統(tǒng)計(jì)表中可看到各變量的平均值1=79.68，2=74.66，3=77.22，4=78.10，5=81.04，1=75.48；xi的標(biāo)準(zhǔn)差分別為10.847，11.531，8.929，9.018，9.221，y1的標(biāo)準(zhǔn)差為8.141；有效樣本量n=50。
回歸分析期末成績(jī)y1的多元回歸模型1為：
y1=-5.254+0.221x1-0.4x2+0.154x3
+0.334x4+0.347x5
從表2中可以看到各變量的|t|值，在給定顯著水平？琢=0.05的情況下，通過(guò)t分布表可以查出，自由度為44的臨界值t？琢/2（44）=2.015，由于高等代數(shù)x2的|t|值為0.651小于t？琢/2（44），因此x2對(duì)y1的影響不顯著，其他自變量對(duì)y1都是線性顯著的。下面利用后退法[3]剔除自變量x2。
三、后退法建立多元線性回歸模型2及數(shù)據(jù)分析
從模型1中剔除了x2變量，多元回歸模型2為：
y1=-5.459+0.204x1+0.149x3+0.377x4+0.293x5（5）
在表4中，F(xiàn)統(tǒng)計(jì)量為90.326，在給定顯著水平？琢=0.05的情況下，查F分布表可得，自由度為p=4和n-p-1=45的臨界值F0.05（4，45）=2.579，所以F>F0.05（4，45），在表5中，所有自變量的|t|值都大于t？琢/2（45）=2.014，因此，多元回歸模型2的線性關(guān)系是顯著的。
四、結(jié)束語(yǔ)
通過(guò)對(duì)上述模型進(jìn)行分析，即各個(gè)自變量對(duì)因變量的邊際影響，可以得到以下結(jié)論：在保持其他條件不變的情況下，當(dāng)數(shù)學(xué)分析成績(jī)提高一分，則回歸分析成績(jī)可提高0.242分[4-5]；同理，當(dāng)解析幾何成績(jī)、概率論成績(jī)和平時(shí)成績(jī)每提高一分，則回歸分析成績(jī)分別提高0.149分、0.377分和0.293分。
通過(guò)對(duì)學(xué)生專業(yè)基礎(chǔ)課成績(jī)、平時(shí)成績(jī)與回歸分析期末成績(jī)之間相關(guān)關(guān)系的研究，一方面有利于教師把控回歸分析教學(xué)課堂，提高教師意識(shí)，注重專業(yè)基礎(chǔ)課教學(xué)的重要性，同時(shí)，當(dāng)學(xué)生平時(shí)成績(jī)不好時(shí)，隨時(shí)調(diào)整教學(xué)進(jìn)度提高學(xué)生平時(shí)學(xué)習(xí)能力；另一方面使學(xué)生認(rèn)識(shí)到，為了更好地掌握回歸分析知識(shí)，應(yīng)加強(qiáng)專業(yè)基礎(chǔ)課的學(xué)習(xí)，提高平時(shí)學(xué)習(xí)的積極性。因此，通過(guò)對(duì)回歸分析期末成績(jī)影響因素的研究能有效的解決教師教學(xué)和學(xué)生學(xué)習(xí)中的許多問(wèn)題。
統(tǒng)計(jì)學(xué)畢業(yè)論文范文模板(二)：大數(shù)據(jù)背景下統(tǒng)計(jì)學(xué)專業(yè)“數(shù)據(jù)挖掘”課程的教學(xué)探討論文
摘要：互聯(lián)網(wǎng)技術(shù)、物聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)的蓬勃發(fā)展，造就了一個(gè)嶄新的大數(shù)據(jù)時(shí)代，這些變化對(duì)統(tǒng)計(jì)學(xué)專業(yè)人才培養(yǎng)模式的變革起到了助推器的作用，而數(shù)據(jù)挖掘作為拓展和提升大數(shù)據(jù)分析方法與思路的應(yīng)用型課程，被廣泛納入統(tǒng)計(jì)學(xué)本科專業(yè)人才培養(yǎng)方案。本文基于數(shù)據(jù)挖掘課程的特點(diǎn)，結(jié)合實(shí)際教學(xué)經(jīng)驗(yàn)，對(duì)統(tǒng)計(jì)學(xué)本科專業(yè)開(kāi)設(shè)數(shù)據(jù)挖掘課程進(jìn)行教學(xué)探討，以期達(dá)到更好的教學(xué)效果。
關(guān)鍵詞：統(tǒng)計(jì)學(xué)專業(yè)；數(shù)據(jù)挖掘；大數(shù)據(jù)；教學(xué)
一、引言
通常人們總結(jié)大數(shù)據(jù)有“4V”的特點(diǎn)：Volume（體量大），Variety（多樣性），Velocity（速度快）和Value（價(jià)值密度低）。從這樣大量、多樣化的數(shù)據(jù)中挖掘和發(fā)現(xiàn)內(nèi)在的價(jià)值，是這個(gè)時(shí)代帶給我們的機(jī)遇與挑戰(zhàn)，同時(shí)對(duì)數(shù)據(jù)分析技術(shù)的要求也相應(yīng)提高。傳統(tǒng)教學(xué)模式并不能適應(yīng)和滿足學(xué)生了解數(shù)據(jù)處理和分析最新技術(shù)與方法的迫切需要。對(duì)于常常和數(shù)據(jù)打交道的統(tǒng)計(jì)學(xué)專業(yè)的學(xué)生來(lái)說(shuō)，更是如此。
二、課程教學(xué)探討
針對(duì)統(tǒng)計(jì)學(xué)本科專業(yè)的學(xué)生而言，“數(shù)據(jù)挖掘”課程一般在他們?nèi)昙?jí)或者四年級(jí)所開(kāi)設(shè)，他們?cè)谇捌谝呀?jīng)學(xué)習(xí)完統(tǒng)計(jì)學(xué)、應(yīng)用回歸分析、多元統(tǒng)計(jì)分析、時(shí)間序列分析等課程，所以在“數(shù)據(jù)挖掘”課程的教學(xué)內(nèi)容選擇上要有所取舍，同時(shí)把握好難度。不能把“數(shù)據(jù)挖掘”課程涵蓋了的所有內(nèi)容不加選擇地要求學(xué)生全部掌握，對(duì)學(xué)生來(lái)說(shuō)是不太現(xiàn)實(shí)的，需要為統(tǒng)計(jì)學(xué)專業(yè)本科生“個(gè)性化定制”教學(xué)內(nèi)容。
（1）“數(shù)據(jù)挖掘”課程的教學(xué)應(yīng)該偏重于應(yīng)用，更注重培養(yǎng)學(xué)生解決問(wèn)題的能力。因此，教學(xué)目標(biāo)應(yīng)該是：使學(xué)生樹(shù)立數(shù)據(jù)挖掘的思維體系，掌握數(shù)據(jù)挖掘的基本方法，提高學(xué)生的實(shí)際動(dòng)手能力，為在大數(shù)據(jù)時(shí)代，進(jìn)一步學(xué)習(xí)各種數(shù)據(jù)處理和定量分析工具打下必要的基礎(chǔ)。按照這個(gè)目標(biāo)，教學(xué)內(nèi)容應(yīng)以數(shù)據(jù)挖掘技術(shù)的基本原理講解為主，讓學(xué)生了解和掌握各種技術(shù)和方法的來(lái)龍去脈、功能及優(yōu)缺點(diǎn)；以算法講解為輔，由于有R語(yǔ)言、python等軟件，學(xué)生了解典型的算法，能用軟件把算法實(shí)現(xiàn)，對(duì)軟件的計(jì)算結(jié)果熟練解讀，對(duì)各種算法的改進(jìn)和深入研究則不作要求，有興趣的同學(xué)可以自行課下探討。
（2）對(duì)于已經(jīng)學(xué)過(guò)的內(nèi)容不再詳細(xì)講解，而是側(cè)重介紹它們?cè)跀?shù)據(jù)挖掘中的功能及綜合應(yīng)用。在新知識(shí)的講解過(guò)程中，注意和已學(xué)過(guò)知識(shí)的融匯貫通，既復(fù)習(xí)鞏固了原來(lái)學(xué)過(guò)的知識(shí)，同時(shí)也無(wú)形中降低了新知識(shí)的難度。比如，在數(shù)據(jù)挖掘模型評(píng)估中，把混淆矩陣、ROC曲線、誤差平方和等知識(shí)點(diǎn)就能和之前學(xué)過(guò)的內(nèi)容有機(jī)聯(lián)系起來(lái)。
（3）結(jié)合現(xiàn)實(shí)數(shù)據(jù)，讓學(xué)生由“被動(dòng)接收”式的學(xué)習(xí)變?yōu)椤爸鲃?dòng)探究”型的學(xué)習(xí)。在講解每種方法和技術(shù)之后，增加一個(gè)或幾個(gè)案例，以加強(qiáng)學(xué)生對(duì)知識(shí)的理解。除了充分利用已有的國(guó)內(nèi)外數(shù)據(jù)資源，還可以鼓勵(lì)學(xué)生去搜集自己感興趣的或者國(guó)家及社會(huì)大眾關(guān)注的問(wèn)題進(jìn)行研究，提升學(xué)生學(xué)習(xí)的成就感。
（4）充分考慮前述提到的三點(diǎn)，課程內(nèi)容計(jì)劃安排見(jiàn)表1。
（5）課程的考核方式既要一定的理論性，又不能失掉實(shí)踐應(yīng)用性，所以需要結(jié)合平時(shí)課堂表現(xiàn)、平時(shí)實(shí)驗(yàn)項(xiàng)目完成情況和期末考試來(lái)綜合評(píng)定成績(jī)。采取期末閉卷理論考試占50%，平時(shí)實(shí)驗(yàn)項(xiàng)目完成占40%，課堂表現(xiàn)占10%，這樣可以全方位的評(píng)價(jià)學(xué)生的表現(xiàn)。
三、教學(xué)效果評(píng)估
經(jīng)過(guò)幾輪的教學(xué)實(shí)踐后，取得了如下的教學(xué)效果：
（1）學(xué)生對(duì)課程的興趣度在提升，課下也會(huì)不停地去思考數(shù)據(jù)挖掘有關(guān)的方法和技巧，發(fā)現(xiàn)問(wèn)題后會(huì)一起交流與討論。
（2）在大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目或者數(shù)據(jù)分析的有關(guān)競(jìng)賽中，選用數(shù)據(jù)挖掘方法的人數(shù)也越來(lái)越多，部分同學(xué)的成果還能在期刊上正式發(fā)表，有的同學(xué)還能在競(jìng)賽中取得優(yōu)秀的成績(jī)。
（3）統(tǒng)計(jì)學(xué)專業(yè)本科生畢業(yè)論文的選題中利用數(shù)據(jù)挖掘有關(guān)方法來(lái)完成的論文越來(lái)越多，論文的完成質(zhì)量也在不斷提高。
（4）本科畢業(yè)生的就業(yè)崗位中從事數(shù)據(jù)挖掘工作的人數(shù)有所提高，說(shuō)明滿足企業(yè)需求技能的人數(shù)在增加。繼續(xù)深造的畢業(yè)生選擇數(shù)據(jù)挖掘研究方向的人數(shù)也在逐漸增多，表明學(xué)生的學(xué)習(xí)興趣得以激發(fā)。
教學(xué)實(shí)踐結(jié)果表明，通過(guò)數(shù)據(jù)挖掘課程的學(xué)習(xí)，可以讓學(xué)生在掌握理論知識(shí)的基礎(chǔ)上，進(jìn)一步提升分析問(wèn)題和解決實(shí)際問(wèn)題的能力。
>> 云計(jì)算架構(gòu)及其關(guān)鍵技術(shù) 云計(jì)算及其關(guān)鍵技術(shù) 云計(jì)算及其關(guān)鍵技術(shù)問(wèn)題 探析云計(jì)算體系架構(gòu)及其關(guān)鍵技術(shù)分析 云計(jì)算及其關(guān)鍵技術(shù)研究 網(wǎng)絡(luò)環(huán)境下的云計(jì)算及其關(guān)鍵技術(shù) 云計(jì)算關(guān)鍵技術(shù)及挑戰(zhàn) 云計(jì)算關(guān)鍵技術(shù)研究 基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)研究 云計(jì)算的關(guān)鍵技術(shù)及其核心問(wèn)題研究 基于云計(jì)算的電力數(shù)據(jù)中心基礎(chǔ)架構(gòu)及其關(guān)鍵技術(shù) 基于云計(jì)算的數(shù)據(jù)挖掘平臺(tái)架構(gòu)及其關(guān)鍵技術(shù)探討 淺談云計(jì)算環(huán)境下電子文件管理的關(guān)鍵技術(shù) 淺談云計(jì)算環(huán)境下的體系構(gòu)架及關(guān)鍵技術(shù) 云計(jì)算安全關(guān)鍵技術(shù)研究 基于云計(jì)算的架構(gòu)和關(guān)鍵技術(shù)探討 云計(jì)算的關(guān)鍵技術(shù)及發(fā)展前景 云計(jì)算關(guān)鍵技術(shù)及發(fā)展現(xiàn)狀研究 云計(jì)算體系架構(gòu)與關(guān)鍵技術(shù)漫談 云計(jì)算環(huán)境下分布存儲(chǔ)關(guān)鍵技術(shù)解析 常見(jiàn)問(wèn)題解答 當(dāng)前所在位置：？fr=ala0_1_1.
[2] （美）MICHAEL MILLER云計(jì)算（史美林?譯）[M].北京：機(jī)械工業(yè)出版社，2009年4月.
[3] 王鵬.云計(jì)算的關(guān)鍵技術(shù)與應(yīng)用實(shí)例[M].北京：人民郵電出版社，2009年12月.
[4] Luiz AndréBarroso， Jeffrey Dean， Urs H-lzle.
Web search for a planet： The Google cluster architecture [J]. IEEE Micro，Mar/Apr， 2003， 23（2）： 22 -28.
大數(shù)據(jù)背景下的機(jī)器算法
專業(yè)
計(jì)算機(jī)科學(xué)與技術(shù)
學(xué)生姓名
楊宇瀟
學(xué)號(hào)
181719251864
一、 選題的背景、研究現(xiàn)狀與意義
為什么大數(shù)據(jù)分析很重要？大數(shù)據(jù)分析可幫助組織利用其數(shù)據(jù)并使用它來(lái)識(shí)別新的機(jī)會(huì)。反過(guò)來(lái)，這將導(dǎo)致更明智的業(yè)務(wù)移動(dòng)，更有效的運(yùn)營(yíng)，更高的利潤(rùn)和更快樂(lè)的客戶。
在許多早期的互聯(lián)網(wǎng)和技術(shù)公司的支持下，大數(shù)據(jù)在2000年代初的數(shù)據(jù)熱潮期間出現(xiàn)。有史以來(lái)第一次，軟件和硬件功能是消費(fèi)者產(chǎn)生的大量非結(jié)構(gòu)化信息。搜索引擎，移動(dòng)設(shè)備和工業(yè)機(jī)械等新技術(shù)可提供公司可以處理并持續(xù)增長(zhǎng)的數(shù)據(jù)。隨著可以收集的天文數(shù)據(jù)數(shù)量的增長(zhǎng)，很明顯，傳統(tǒng)數(shù)據(jù)技術(shù)（例如數(shù)據(jù)倉(cāng)庫(kù)和關(guān)系數(shù)據(jù)庫(kù)）不適合與大量非結(jié)構(gòu)化數(shù)據(jù)一起使用。 Apache軟件基金會(huì)啟動(dòng)了第一個(gè)大數(shù)據(jù)創(chuàng)新項(xiàng)目。最重要的貢獻(xiàn)來(lái)自Google，Yahoo，F(xiàn)acebook，IBM，Academia等。最常用的引擎是：ApacheHive / Hadoop是復(fù)雜數(shù)據(jù)準(zhǔn)備和ETL的旗艦，可以為許多數(shù)據(jù)存儲(chǔ)或分析環(huán)境提供信息以進(jìn)行深入分析。 Apache Spark（由加州大學(xué)伯克利分校開(kāi)發(fā)）通常用于大容量計(jì)算任務(wù)。這些任務(wù)通常是批處理ETL和ML工作負(fù)載，但與Apache Kafka等技術(shù)結(jié)合使用。
隨著數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，企業(yè)必須不斷擴(kuò)展其基礎(chǔ)架構(gòu)以最大化其數(shù)據(jù)的經(jīng)濟(jì)價(jià)值。在大數(shù)據(jù)的早期（大約2008年），Hadoop被大公司首次認(rèn)可時(shí)，維護(hù)有用的生產(chǎn)系統(tǒng)非常昂貴且效率低下。要使用大數(shù)據(jù)，您還需要適當(dāng)?shù)娜藛T和軟件技能，以及用于處理數(shù)據(jù)和查詢速度的硬件。協(xié)調(diào)所有內(nèi)容同時(shí)運(yùn)行是一項(xiàng)艱巨的任務(wù)，許多大數(shù)據(jù)項(xiàng)目都將失敗。如今，云計(jì)算已成為市場(chǎng)瞬息萬(wàn)變的趨勢(shì)。因?yàn)楦鞣N規(guī)模的公司都可以通過(guò)單擊幾下立即訪問(wèn)復(fù)雜的基礎(chǔ)架構(gòu)和技術(shù)。在這里，云提供了強(qiáng)大的基礎(chǔ)架構(gòu)，使企業(yè)能夠勝過(guò)現(xiàn)有系統(tǒng)。
二、 擬研究的主要內(nèi)容（提綱）和預(yù)期目標(biāo)
隨著行業(yè)中數(shù)據(jù)量的爆炸性增長(zhǎng)，大數(shù)據(jù)的概念越來(lái)越受到關(guān)注。 由于大數(shù)據(jù)的大，復(fù)雜和快速變化的性質(zhì)，許多用于小數(shù)據(jù)的傳統(tǒng)機(jī)器學(xué)習(xí)算法不再適用于大數(shù)據(jù)環(huán)境中的應(yīng)用程序問(wèn)題。 因此，在大數(shù)據(jù)環(huán)境下研究機(jī)器學(xué)習(xí)算法已成為學(xué)術(shù)界和業(yè)界的普遍關(guān)注。 本文主要討論和總結(jié)用于處理大數(shù)據(jù)的機(jī)器學(xué)習(xí)算法的研究現(xiàn)狀。 另外，由于并行處理是處理大數(shù)據(jù)的主要方法，因此我們介紹了一些并行算法，介紹了大數(shù)據(jù)環(huán)境中機(jī)器學(xué)習(xí)研究所面臨的問(wèn)題，最后介紹了機(jī)器學(xué)習(xí)的研究趨勢(shì)，我們的目標(biāo)就是研究數(shù)據(jù)量大的情況下算法和模型的關(guān)系，同時(shí)也會(huì)探討大部分細(xì)分行業(yè)數(shù)據(jù)量不大不小的情況下算法的關(guān)系。
三、 擬采用的研究方法（思路、技術(shù)路線、可行性分析論證等）
1.視覺(jué)分析。大數(shù)據(jù)分析用戶包括大數(shù)據(jù)分析專業(yè)人士和一般用戶，但是大數(shù)據(jù)分析的最基本要求是視覺(jué)分析。視覺(jué)分析直觀地介紹了大數(shù)據(jù)的特征，并像閱讀照片的讀者一樣容易接受。 2.數(shù)據(jù)挖掘算法。大數(shù)據(jù)分析的理論中心是數(shù)據(jù)挖掘算法。不同的數(shù)據(jù)挖掘算法依賴于不同的數(shù)據(jù)類型和格式來(lái)更科學(xué)地表征數(shù)據(jù)本身。由于它們被全世界的統(tǒng)計(jì)學(xué)家所公認(rèn)，因此各種統(tǒng)計(jì)方法（稱為真值）可以深入到數(shù)據(jù)中并挖掘公認(rèn)的值。另一方面是這些數(shù)據(jù)挖掘算法可以更快地處理大數(shù)據(jù)。如果該算法需要花費(fèi)幾年時(shí)間才能得出結(jié)論，那么大數(shù)據(jù)的價(jià)值是未知的。 3.預(yù)測(cè)分析。大數(shù)據(jù)分析的最后一個(gè)應(yīng)用領(lǐng)域是預(yù)測(cè)分析，發(fā)現(xiàn)大數(shù)據(jù)功能，科學(xué)地建立模型以及通過(guò)模型吸收新數(shù)據(jù)以預(yù)測(cè)未來(lái)數(shù)據(jù)。 4.語(yǔ)義引擎。非結(jié)構(gòu)化數(shù)據(jù)的多樣化為數(shù)據(jù)分析提出了新的挑戰(zhàn)。您需要一套工具來(lái)分析和調(diào)整數(shù)據(jù)。語(yǔ)義引擎必須設(shè)計(jì)有足夠的人工智能，以主動(dòng)從數(shù)據(jù)中提取信息。 5.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。大數(shù)據(jù)分析是數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理的組成部分。高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理確保了分析結(jié)果在學(xué)術(shù)研究和商業(yè)應(yīng)用中的可靠性和價(jià)值。大數(shù)據(jù)分析的基礎(chǔ)是前五個(gè)方面。當(dāng)然，如果您更深入地研究大數(shù)據(jù)分析，則還有更多特征，更深入，更專業(yè)的大數(shù)據(jù)分析方法。
四、 論文（設(shè)計(jì)）的工作進(jìn)度安排
2020.03.18-2020.03.20 明確論文內(nèi)容，進(jìn)行相關(guān)論文資料的查找與翻譯。2020.04.04-2020.04.27：撰寫開(kāi)題報(bào)告 。
2020.04.28-2020.04.30 ：設(shè)計(jì)實(shí)驗(yàn)。
2020.05.01-2020.05.07 ：開(kāi)展實(shí)驗(yàn)。
2020.05.08-2020.05.15 ：準(zhǔn)備中期檢查。
2020.05.16-2020.05.23：根據(jù)中期檢查的問(wèn)題，進(jìn)一步完善實(shí)驗(yàn)2020.05.24-2020.05.28 ：完成論文初稿。
2020.05.29-2020.06.26 ：論文修改完善。
五、 參考文獻(xiàn)（不少于5篇）
1 . 王偉,王珊,杜小勇,覃雄派,王會(huì)舉.大數(shù)據(jù)分析——rdbms與mapreduce的競(jìng)爭(zhēng)與共生 .計(jì)算機(jī)光盤軟件與應(yīng)用,2012.被引量：273.
2 . 喻國(guó)明. 大數(shù)據(jù)分析下的中國(guó)社會(huì)輿情:總體態(tài)勢(shì)與結(jié)構(gòu)性特征——基于百度熱搜詞(2009—2 012)的輿情模型構(gòu)建.中國(guó)人民大學(xué)學(xué)報(bào),2013.被引量：9. 3 . 李廣建,化柏林.大數(shù)據(jù)分析與情報(bào)分析關(guān)系辨析.中國(guó)圖書館學(xué)報(bào),2014.被引量：16.
4 . 王智,于戈,郭朝鵬,張一川,宋杰.大數(shù)據(jù)分析的分布式molap技術(shù) .軟件學(xué)報(bào),2014.被引量：6.
5 . 王德文,孫志偉.電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測(cè) .中國(guó)電機(jī)工程學(xué)報(bào),2015.被引量：19.
6 . 江秀臣,杜修明,嚴(yán)英杰,盛戈皞,陳玉峰 ,郭志紅.基于大數(shù)據(jù)分析的輸變電設(shè)備狀態(tài)數(shù)據(jù)異常檢測(cè)方法 .中國(guó)電機(jī)工程學(xué)報(bào),2015.被引量：8.
7 . 喻國(guó)明. 呼喚“社會(huì)最大公約數(shù)”:2012年社會(huì)輿情運(yùn)行態(tài)勢(shì)研究——基于百度熱搜詞的大 數(shù)據(jù)分析.編輯之友,2013.被引量：4.
六、指導(dǎo)教師意見(jiàn)
簽字： 年 月 日
七、學(xué)院院長(zhǎng)意見(jiàn)及簽字
關(guān)鍵詞： 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘； 研討型； 教學(xué)模式； 教學(xué)實(shí)踐
中圖分類號(hào)：N42 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2012）12-52-02
Analysis on research-oriented teaching model in data warehousing and data mining
Huang Meili
（Zhejiang Agriculture and Forestry University， Lin'an， Zhejiang 311300， China）
Abstract： As a comprehensive and practical course， data warehousing and data mining is opened not so long ago， so teaching methods of this course for undergraduate students are rarely seen. Based on the characteristics of this course， combined with teaching experience of several years， the application of research-oriented teaching model is mainly discussed and several typical students’ learning outcomes are listed. Finally， some places which need to be cautious are put forward.
Key words： data warehousing and data mining； research-oriented； teaching model； teaching practice
0 引言
20世紀(jì)90年代興起的數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)研究、開(kāi)發(fā)和應(yīng)用中最活躍的兩個(gè)領(lǐng)域。隨著其理論及應(yīng)用技術(shù)和產(chǎn)品的不斷成熟與發(fā)展，數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘不僅成為高等院校計(jì)算機(jī)專業(yè)、信息技術(shù)與信息管理類專業(yè)碩士、博士研究生的專業(yè)課程，而且相繼在本科相關(guān)專業(yè)高年級(jí)學(xué)生中開(kāi)設(shè)了該課程。
該課程是一門綜合性和實(shí)踐性很強(qiáng)的課程，其內(nèi)容新且廣，對(duì)于本科教學(xué)有一定的難度。本文針對(duì)課程自身特點(diǎn)及高年級(jí)學(xué)生學(xué)習(xí)及能力培養(yǎng)需要，結(jié)合自身教學(xué)實(shí)踐，探討以激發(fā)學(xué)生學(xué)習(xí)興趣為著眼點(diǎn)、學(xué)生分析解決問(wèn)題能力培養(yǎng)為目的的研討型教學(xué)模式。
文中章節(jié)1具體介紹課程內(nèi)容、教學(xué)過(guò)程中存在的問(wèn)題及研討型教學(xué)模式；在章節(jié)2中，以自身的教學(xué)實(shí)踐為例，給出研討型教學(xué)實(shí)踐效果及該方法應(yīng)用的注意事項(xiàng)；最后，是結(jié)論部分。
1 本科數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘課程教學(xué)
1.1 課程教學(xué)內(nèi)容
數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘課程涉及兩方面的教學(xué)內(nèi)容：①數(shù)據(jù)倉(cāng)庫(kù)技術(shù)和基于數(shù)據(jù)倉(cāng)庫(kù)的聯(lián)機(jī)分析處理應(yīng)用技術(shù)。具體包括數(shù)據(jù)倉(cāng)庫(kù)的基本概念、創(chuàng)建技術(shù)和方法、數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)以及OLAP的基本概念、多維數(shù)據(jù)庫(kù)、OLAP的實(shí)現(xiàn)技術(shù)。②數(shù)據(jù)挖掘的基本概念、基本方法和基本技術(shù)（包括分類、預(yù)測(cè)、關(guān)聯(lián)、聚類等），以及數(shù)據(jù)挖掘的應(yīng)用。
1.2 課程在本科教學(xué)過(guò)程中存在的問(wèn)題
⑴ 教學(xué)內(nèi)容不統(tǒng)一
由于該課程是一門綜合性很強(qiáng)的課程，涉及到的學(xué)科知識(shí)很廣，加上在本科教學(xué)中開(kāi)設(shè)的時(shí)間并不長(zhǎng)，也沒(méi)有得到大家一致認(rèn)可的相應(yīng)教材供使用，使得開(kāi)設(shè)該課程的不同高校的教學(xué)內(nèi)容與教學(xué)重點(diǎn)各不相同，即便是同一學(xué)校不同教師對(duì)于教學(xué)內(nèi)容的把握上也有很大差異。
⑵ 傳統(tǒng)教學(xué)方法的不適用性
雖然本課程涉及內(nèi)容寬泛，而且是在已具備自主學(xué)習(xí)能力的本科高年級(jí)學(xué)生中開(kāi)設(shè)的，但是課程的教學(xué)方法卻多采用傳統(tǒng)的以教師講授為主、學(xué)生為輔的教學(xué)模式。
從本科教學(xué)過(guò)程中存在的問(wèn)題可見(jiàn)：課程授課對(duì)象及課程自身的特點(diǎn)，決定了傳統(tǒng)教學(xué)方法的不適用性[1-3]。因此，有必要探討新的教學(xué)模式在具體教學(xué)實(shí)施過(guò)程中的應(yīng)用。
1.3 研討型教學(xué)模式
雖然課程涉及到的學(xué)科內(nèi)容廣且深，但是對(duì)于已學(xué)習(xí)高等數(shù)學(xué)，并熟悉數(shù)據(jù)庫(kù)知識(shí)和具備程序設(shè)計(jì)能力的高年級(jí)學(xué)生而言，還是能較好地掌握數(shù)據(jù)倉(cāng)庫(kù)的建模以及經(jīng)典數(shù)據(jù)挖掘算法的實(shí)現(xiàn)與簡(jiǎn)單應(yīng)用。因此，在課程的教學(xué)實(shí)踐中，我們把該部分內(nèi)容作為課堂教學(xué)的重點(diǎn)；對(duì)于一些較難的和新的挖掘算法與技術(shù)，及其應(yīng)用和最新發(fā)展趨勢(shì)，則作為學(xué)生研討內(nèi)容。
作為傳統(tǒng)的教師講解教學(xué)模式的有益補(bǔ)充和提高，開(kāi)展研討型的教學(xué)模式，可以按照如下四個(gè)環(huán)節(jié)開(kāi)展：
⑴ 教師出題&學(xué)生選題；
⑵ 相關(guān)文獻(xiàn)查閱；
⑶ 報(bào)告撰寫；
⑷ 課堂匯報(bào)與討論。
第一步，由教師出題，學(xué)生選題。在學(xué)期初，就由教師給出研討的主題供學(xué)生選擇。這樣既可以避免學(xué)生選題過(guò)于盲目，也可以避免最后課堂討論階段的研討內(nèi)容偏離課程教學(xué)主題。
第二步，相關(guān)文獻(xiàn)查閱。在接下來(lái)的課程教學(xué)期間，學(xué)生除了保證基本的學(xué)習(xí)內(nèi)容的掌握之外，還需要利用課余時(shí)間，利用各種手段查閱與選題相關(guān)的文獻(xiàn)，為報(bào)告的撰寫和匯報(bào)階段做充分的準(zhǔn)備。
第三步，報(bào)告撰寫。經(jīng)過(guò)大量的文獻(xiàn)閱讀后，學(xué)生需撰寫文獻(xiàn)閱讀報(bào)告，報(bào)告的撰寫格式可以參考畢業(yè)設(shè)計(jì)的要求。
第四步，課堂匯報(bào)與討論。在課程后期，教師在每次課堂上抽取一定的時(shí)間，供學(xué)生課堂匯報(bào)，然后其他學(xué)生與教師一起針對(duì)學(xué)生的匯報(bào)內(nèi)容展開(kāi)討論。該環(huán)節(jié)的開(kāi)展，既開(kāi)拓了學(xué)生的視野，又可以有效地避免部分學(xué)習(xí)不認(rèn)真的學(xué)生的應(yīng)付行為。
從教師出題到最后的學(xué)生課堂匯報(bào)與討論，每個(gè)環(huán)節(jié)都要求學(xué)生的親自參與。這樣，在課時(shí)有限的情況下，以研討型的教學(xué)模式開(kāi)展教學(xué)，既可以保證教學(xué)內(nèi)容的講授，又能使學(xué)生主動(dòng)參與到課堂教學(xué)中來(lái)，激發(fā)了學(xué)生的學(xué)習(xí)主動(dòng)性，拓寬了學(xué)生的視野。
2 研討型教學(xué)實(shí)踐效果及注意事項(xiàng)
2.1 教學(xué)及其效果
我校在大四計(jì)算機(jī)專業(yè)學(xué)生中開(kāi)設(shè)該課程。其中，理論32學(xué)時(shí)，實(shí)驗(yàn)16學(xué)時(shí)，共計(jì)48學(xué)時(shí)。教材采用韓家煒先生編著的《數(shù)據(jù)挖掘：概念與技術(shù)》一書[4]。該教材是得到業(yè)內(nèi)廣泛認(rèn)可的經(jīng)典教科書，但教材內(nèi)容偏重理論。為了在有限的課時(shí)內(nèi)，讓學(xué)生盡可能掌握基本教學(xué)內(nèi)容，使得研討型教學(xué)模式得以開(kāi)展，我們以李志剛編著的《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的原理與應(yīng)用》作為相關(guān)內(nèi)容的輔助教材[5]。具體地，按如下方式進(jìn)行。
2.1.1 教學(xué)內(nèi)容及學(xué)時(shí)分配
教學(xué)內(nèi)容圍繞數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘兩條主線展開(kāi)。涉及的相關(guān)內(nèi)容及學(xué)時(shí)分配如表1所示。
2.1.3 考核方式
期末總成績(jī)=平時(shí)成績(jī)25%+文獻(xiàn)報(bào)告25%+期末卷面成績(jī)50%
在最近兩年的研討型教學(xué)模式實(shí)踐中，我們選出有代表性的學(xué)生作品，如表3所示。
2.2 教學(xué)注意事項(xiàng)
研討型教學(xué)模式適用于“數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘”課程的教學(xué)，但是在相應(yīng)課程中開(kāi)展研討型的課程教學(xué)模式需注意以下幾點(diǎn)。
⑴ 注意授課對(duì)象的選擇。文獻(xiàn)資料的查閱、文獻(xiàn)閱讀報(bào)告的撰寫以及課堂匯報(bào)是研討型教學(xué)模式開(kāi)展過(guò)程中的主要環(huán)節(jié)，而這些環(huán)節(jié)要求學(xué)生所需具備的能力，不適于在低年級(jí)學(xué)生中開(kāi)展。
⑵ 注意教學(xué)模式的選用。研討型教學(xué)模式不能代替?zhèn)鹘y(tǒng)的教師講解的教學(xué)模式，而應(yīng)是兩者的有機(jī)結(jié)合。
⑶ 注意考核方式的改革。研討型教學(xué)模式的開(kāi)展，除占用一定的課堂教學(xué)時(shí)間之外，還需要學(xué)生花費(fèi)大量的課外時(shí)間用以查閱文獻(xiàn)資料、撰寫報(bào)告等。如果采用傳統(tǒng)的以考試為主的考核方式，那么在實(shí)踐過(guò)程中可能會(huì)遇到部分學(xué)生的抵制。因此，為了提高研討型教學(xué)模式的效果，需要對(duì)傳統(tǒng)的以期末筆試成績(jī)?yōu)橹鞯脑u(píng)價(jià)方式進(jìn)行適當(dāng)改革，向研討內(nèi)容及成果傾斜，以提高學(xué)生的積極性。
3 結(jié)束語(yǔ)
研討型教學(xué)模式的開(kāi)展，可以有效地避免傳統(tǒng)教學(xué)方法下以教師講解為主，以學(xué)生為輔的填鴨式教學(xué)模式，較好地解決數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘課程在本科教學(xué)過(guò)程中遇到的問(wèn)題。
經(jīng)過(guò)近幾年在本科計(jì)算機(jī)專業(yè)畢業(yè)班對(duì)該課程采用研討型教學(xué)模式的實(shí)踐表明，該模式的開(kāi)展不僅有效地激發(fā)了學(xué)生的學(xué)習(xí)興趣，開(kāi)拓了學(xué)生的視野，而且能夠很好地為學(xué)生的畢業(yè)設(shè)計(jì)環(huán)節(jié)中有關(guān)文獻(xiàn)查詢、論文撰寫及答辯等奠定基礎(chǔ)。從列舉的近兩年的代表性學(xué)生研討內(nèi)容及成果中可以看到，該教學(xué)模式在高年級(jí)學(xué)生中開(kāi)展是現(xiàn)實(shí)可行的，而且也是有效的。
研討型教學(xué)模式的開(kāi)展，需要占用一定的教學(xué)時(shí)間，如何在有限的課時(shí)內(nèi)保證教學(xué)內(nèi)容，并擠出足夠的時(shí)間開(kāi)展研討是教師必須考慮的問(wèn)題；與此同時(shí)，學(xué)生為準(zhǔn)備研討內(nèi)容需要花費(fèi)大量的課余時(shí)間，因此，如何調(diào)動(dòng)學(xué)生的積極性也是該模式能否成功應(yīng)用的關(guān)鍵因素之一。上述兩方面的問(wèn)題，都有待在今后的教過(guò)實(shí)踐中，進(jìn)一步深入細(xì)化該模式，以更好地達(dá)到教學(xué)培養(yǎng)目標(biāo)。
參考文獻(xiàn)：
[1] 徐金寶.對(duì)應(yīng)用型本科生開(kāi)設(shè)數(shù)據(jù)挖掘課程的嘗試[J].計(jì)算機(jī)教育，
2007.7：27-29
[2] 胡建軍.淺談數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的本科教學(xué)[J].廣西科學(xué)院學(xué)報(bào)，
2007.23（3）：209-210，214
[3] 韋艷艷，張超群.“數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘”課程教學(xué)實(shí)踐與探索[J].高
教論壇，2011.1：94-96，99
[4] 李志剛，馬剛.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的原理及應(yīng)用[M].高等教育出版
社，2008.
討論如何在圖書館個(gè)性化推薦中應(yīng)用網(wǎng)絡(luò)數(shù)據(jù)挖掘，并具體對(duì)社會(huì)網(wǎng)絡(luò)分析的應(yīng)用進(jìn)行了深
入分析，提出了具體算法。
網(wǎng)絡(luò)數(shù)據(jù)挖掘又稱Web數(shù)據(jù)挖掘，是數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)信息處理中的應(yīng)用，從與網(wǎng)絡(luò)相關(guān)的資源和行為中抽取感興趣的、有用的模式和隱含信息，是從Web網(wǎng)站的數(shù)據(jù)中發(fā)掘關(guān)系和規(guī)則。其挖掘?qū)ο笫谴罅俊愘|(zhì)、分布的Web文檔，可以對(duì)數(shù)據(jù)庫(kù)、Web服務(wù)器上的日志、讀者信息等數(shù)據(jù)展開(kāi)挖掘工作。同時(shí)，由于Web在邏輯上是一個(gè)由文檔節(jié)點(diǎn)和超鏈接構(gòu)成的圖，因此Web挖掘所得到的模式可能是關(guān)于Web內(nèi)容的，也可能是關(guān)于Web結(jié)構(gòu)的，或者是關(guān)于用戶行為模式的1。通過(guò)網(wǎng)絡(luò)數(shù)據(jù)挖掘?qū)γ總€(gè)用戶的訪問(wèn)行為、頻度、和內(nèi)容等進(jìn)行分析，能提取出每個(gè)用戶的特征，給每個(gè)用戶個(gè)性化的界面，提供個(gè)性化的Web信息服務(wù)。
本文以中國(guó)知網(wǎng)（CNKI）總庫(kù)為統(tǒng)計(jì)源，以主題“We數(shù)據(jù)挖掘”、“網(wǎng)絡(luò)數(shù)據(jù)挖掘”搜索到國(guó)內(nèi)近六年的論文數(shù)量，從中可以看出相關(guān)領(lǐng)域的研究從2007年開(kāi)始呈逐年上升趨勢(shì)，2009年達(dá)到峰值后，逐年有所下降。具體數(shù)據(jù)如表2所示：
根據(jù)對(duì)這些文章內(nèi)容的分析，研究網(wǎng)絡(luò)數(shù)據(jù)挖掘算法及其實(shí)現(xiàn)的占大多數(shù)，國(guó)內(nèi)關(guān)于網(wǎng)絡(luò)數(shù)據(jù)挖掘在圖書館的應(yīng)用研究不多，大多是作為電子商務(wù)中數(shù)據(jù)挖掘研究的一部分。網(wǎng)絡(luò)數(shù)據(jù)挖掘在圖書館中的應(yīng)用主要表現(xiàn)在以下幾個(gè)方面：
（1）圖書推薦系統(tǒng)。這類系統(tǒng)主要通過(guò)日志挖掘讀者的借閱習(xí)慣，推測(cè)讀者的閱讀需求，從而為不同興趣的讀者提供相應(yīng)的推薦內(nèi)容。這種個(gè)性化推薦系統(tǒng)能夠較好地把握讀者需求，通過(guò)聚類和關(guān)聯(lián)規(guī)則為讀者推薦借閱過(guò)的相似圖書或可能需要的其他文獻(xiàn)。但它的缺點(diǎn)在于，推薦的相似圖書，讀者已經(jīng)借閱過(guò)，再借閱的幾率不大。因此，這個(gè)研究的重點(diǎn)和難點(diǎn)在使用的挖掘算法上2。
（2）網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)?，F(xiàn)代圖書館越來(lái)越重視讀者的學(xué)習(xí)需求，從而推出各種學(xué)習(xí)服務(wù)3。這類應(yīng)用主要是針對(duì)網(wǎng)絡(luò)學(xué)習(xí)中的學(xué)習(xí)資源的挖掘。因?yàn)樵趫D書館提供的虛擬學(xué)習(xí)平臺(tái)中，資源是龐大的，而讀者的精力有限，同時(shí)每個(gè)人的興趣不同，需要對(duì)不同的讀者組織不同的教育資源。而網(wǎng)絡(luò)數(shù)據(jù)挖掘在其中所起的重要作用就是對(duì)讀者的借閱和瀏覽行為進(jìn)行挖掘分析，根據(jù)分析結(jié)果為讀者匹配學(xué)習(xí)資源。
（3）文獻(xiàn)檢索系統(tǒng)。網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)也常見(jiàn)于文獻(xiàn)檢索系統(tǒng)的應(yīng)用中，圖書館資源包含大量的文本、期刊、視頻等。讀者常常需要通過(guò)檢索才能獲取自己想要的信息，使用網(wǎng)絡(luò)數(shù)據(jù)挖掘也是為讀者提供高效獲取信息的方式。
由以上分析看出，網(wǎng)絡(luò)數(shù)據(jù)挖掘在圖書館中應(yīng)用的主要目的就是為讀者找到所需資源，滿足讀者的個(gè)性化需求。下面我們就針對(duì)網(wǎng)絡(luò)數(shù)據(jù)挖掘在圖書館個(gè)性化推薦中的應(yīng)用進(jìn)行探討。
1、 圖書館個(gè)性化推薦常用分析方法
1.1聚類算法
通常說(shuō)來(lái)，許多圖書館的讀者建模方法是基于統(tǒng)計(jì)的，即對(duì)所有讀者的統(tǒng)計(jì)數(shù)據(jù)（比如基于平均值）進(jìn)行分析。這樣的后果是對(duì)讀者的個(gè)性化行為視而不見(jiàn)，影響了讀者專業(yè)性和個(gè)性化需求，忽略了隱含的讀者信息的價(jià)值。而讀者聚類建模，則是把一類讀者聚集起來(lái)，分析他們的特性并對(duì)這類讀者建模，在建模質(zhì)量相同或接近的條件下，聚類建模所需的數(shù)據(jù)量將遠(yuǎn)遠(yuǎn)低于對(duì)單個(gè)讀者建模的數(shù)據(jù)量，因?yàn)榉诸愔械拿總€(gè)讀者（知識(shí)背景和生活閱歷貢獻(xiàn)具有很大的相似度）都貢獻(xiàn)了其數(shù)據(jù)。常用聚類算法如表3。
1.2 社會(huì)網(wǎng)絡(luò)分析
社會(huì)網(wǎng)絡(luò)分析已經(jīng)有相當(dāng)長(zhǎng)的一段歷史了，近60年來(lái)，相關(guān)研究人員做了大量的研究，由Brin和Page等人提出的PageRank算法，以及由Kleinberg說(shuō)提出來(lái)的HITS算法開(kāi)創(chuàng)了將社會(huì)網(wǎng)絡(luò)研究應(yīng)用在Web范疇的先河。這兩種算法都來(lái)源于社會(huì)網(wǎng)絡(luò)分析，都利用了網(wǎng)頁(yè)的超鏈接結(jié)構(gòu)并依據(jù)網(wǎng)頁(yè)的“威望”或者“權(quán)威”級(jí)別來(lái)對(duì)網(wǎng)頁(yè)進(jìn)行分級(jí)排序。這在搜索引擎中得到了廣泛的運(yùn)用。圖書館也同樣存在著這樣的社會(huì)網(wǎng)絡(luò)關(guān)系，這種關(guān)系主要通過(guò)讀者瀏覽和獲取文獻(xiàn)行為體現(xiàn)。這種關(guān)系和活動(dòng)可以用網(wǎng)絡(luò)或圖來(lái)表示，其中，每一個(gè)頂點(diǎn)（結(jié)點(diǎn)）用來(lái)表示一個(gè)讀者，而一條邊的連接用來(lái)表示兩個(gè)讀者之間的關(guān)系。利用網(wǎng)絡(luò)圖我們可以研究該網(wǎng)絡(luò)的結(jié)構(gòu)特征，以及每個(gè)讀者威望性、中心性等屬性。同時(shí)從中我們也可以找到各種類型的子圖，即社區(qū)。
2、 基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的圖書館個(gè)性化推薦分析
2.1基于K-means聚類推薦分析
圖書館讀者聚類可以通過(guò)兩種方式進(jìn)行聚類，建立二維推薦模型，即：查詢聚類和借閱聚類。在此，只要實(shí)現(xiàn)查詢信息和借閱信息的高效率、高準(zhǔn)確率的自動(dòng)分類，然后根據(jù)讀者興趣模型匹配，就可以完成其推薦過(guò)程。自動(dòng)分類信息可以采用K-均值聚類算法實(shí)現(xiàn)，并根據(jù)圖書館相關(guān)信息結(jié)構(gòu)的特點(diǎn)，對(duì)算法本身加以改進(jìn)。具體流程如圖1。
2.2 基于PageRank社會(huì)網(wǎng)絡(luò)分析
在圖書館借閱場(chǎng)景下，讀者瀏覽和借閱行為反應(yīng)了讀者的需求。PageRank算法關(guān)鍵在于測(cè)度每個(gè)對(duì)象的隨機(jī)訪問(wèn)概率。我們假定讀者借閱史就是讀者推薦書目單，反應(yīng)了讀者對(duì)于圖書的認(rèn)可程度。在此，我們可以把訪問(wèn)概率轉(zhuǎn)化為讀者推薦書目單的緊密程度，因此，問(wèn)題轉(zhuǎn)化為求讀者推薦書目單的緊密程度，然后通過(guò)PageRank算法，求出讀者推薦書目單的權(quán)威度排名，進(jìn)而推薦給興趣模型相似的讀者。
我們用dist（j， t）表示兩個(gè)讀者推薦書目單關(guān)系程度，使用其文本相似度 來(lái)度量，進(jìn)而產(chǎn)生新的PageRank2算法。對(duì)于每個(gè)讀者推薦書目單，其重要度PR2（i）可定義為：
其中DIS（j，i）定義為：
在實(shí)際應(yīng)用中，由于某些讀者推薦書目單可能與其他讀者推薦書目單 值為0，故將公式2調(diào)整為：
其中a為衰減系數(shù)，設(shè)定為0和1之間，其本質(zhì)是為了消除孤立讀者，給每個(gè)讀者增加一條指向所有其它讀者的鏈接，并且給予每個(gè)鏈接一個(gè)由參數(shù)a控制的轉(zhuǎn)移概率，在這里我們沿用PageRank中的取值a=0.8570。
3、 結(jié)語(yǔ)
本文主要探討了網(wǎng)絡(luò)數(shù)據(jù)挖掘在圖書館中的應(yīng)用問(wèn)題，并對(duì)于社會(huì)網(wǎng)絡(luò)分析的應(yīng)用進(jìn)行了較為深入的分析，提出了具體算法。網(wǎng)絡(luò)數(shù)據(jù)挖掘廣泛應(yīng)用于互聯(lián)網(wǎng)。隨著數(shù)字圖書館的不斷興起，其在圖書館領(lǐng)域的應(yīng)用將更加廣泛4。但是，圖書館相對(duì)封閉的信息環(huán)境制約著網(wǎng)絡(luò)數(shù)據(jù)挖掘的應(yīng)用。相信隨著Web2.0和讀者個(gè)性化需求不斷得到重視5，數(shù)字圖書館技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)挖掘?qū)?huì)發(fā)揮更加重要的作用。
參考文獻(xiàn)
[1] 馬費(fèi)成，王曉光.信息資源管理研究及國(guó)際前沿[J].情報(bào)學(xué)研究進(jìn)展.武漢大學(xué)出版社，2007.
[2] 劉曉忠.數(shù)據(jù)挖掘技術(shù)在圖書館建設(shè)中的應(yīng)用[J].硅谷，2012（6）.
[3]夏南強(qiáng)，張紅梅.基于數(shù)據(jù)挖掘的數(shù)字圖書館個(gè)性化服務(wù)[J].圖書館學(xué)研究， 2006， （1）：32-34.
【關(guān)鍵詞】信息資源管理；研究生教學(xué)；財(cái)經(jīng)院校
【中圖分類號(hào)】G642 【文獻(xiàn)標(biāo)識(shí)碼】B 【論文編號(hào)】1009―8097 (2008) 09―0125―03
信息資源管理（IRM）是為了確保信息資源的有效利用、以現(xiàn)代信息技術(shù)為手段，對(duì)信息資源實(shí)施計(jì)劃、預(yù)算、組織、指揮、控制、協(xié)調(diào)的一種管理活動(dòng)[1]。信息資源管理的理論和實(shí)踐活動(dòng)及以后信息資源管理類學(xué)科之間的集成和整合的需要，導(dǎo)致了一門滲透性很強(qiáng)的橫斷學(xué)科――信息資源管理學(xué)產(chǎn)生[2]，其內(nèi)容涉及信息科學(xué)、管理科學(xué)、數(shù)據(jù)處理、通信、計(jì)算機(jī)科學(xué)、文獻(xiàn)情報(bào)學(xué)等各個(gè)方面。隨著全球信息化基礎(chǔ)設(shè)施建設(shè)的熱潮，信息資源管理也成為國(guó)內(nèi)外高校開(kāi)設(shè)的一門重要課程。
一 國(guó)內(nèi)外高校同類課程現(xiàn)狀
信息資源管理作為一門新興邊緣學(xué)科，打破了原有學(xué)科界限，具有鮮明的時(shí)代特征，作為檔案學(xué)、圖書館情報(bào)學(xué)和情報(bào)學(xué)的一個(gè)分支領(lǐng)域，多學(xué)科綜合性、交叉性等特點(diǎn)是其典型特征[2]。在國(guó)外大學(xué)，IRM課程多設(shè)置在信息科學(xué)專業(yè)，如美國(guó)東北大學(xué)，或者圖書館學(xué)專業(yè)，如威斯康星大學(xué)。根據(jù)學(xué)科專業(yè)不同，課程側(cè)重點(diǎn)也有所不同，主要可分為三大方向：信息系統(tǒng)學(xué)派、記錄管理學(xué)派、信息管理學(xué)派。
90年代初，中國(guó)學(xué)者孟廣均和盧泰宏等人系統(tǒng)地引入了信息資源管理理論[3]。目前，國(guó)內(nèi)很多高校信息管理專業(yè)和圖書館情報(bào)學(xué)專業(yè)都開(kāi)設(shè)了信息資源管理課程，大多都設(shè)置在本科專業(yè)，也有一些設(shè)立了碩士和博士研究方向。大部分還是以傳統(tǒng)的信息管理為主線，以理論教育為主導(dǎo)，和企業(yè)應(yīng)用及時(shí)代特點(diǎn)結(jié)合的較少，教學(xué)重點(diǎn)也依專業(yè)有所不同。
二 課程教學(xué)探討
1 課程定位
我校自2001年開(kāi)始開(kāi)設(shè)此課程作為信息學(xué)院碩士研究生必修課程。不同于其他高校的信息管理專業(yè)和圖書館情報(bào)學(xué)專業(yè)，我校是財(cái)經(jīng)類院校，信息學(xué)院碩士方向主要為電子商務(wù)、供應(yīng)鏈管理、信息管理，是以管理學(xué)、經(jīng)濟(jì)學(xué)為主、信息技術(shù)為輔助實(shí)現(xiàn)手段的交叉學(xué)科，因此我們的IRM課程定位也是多學(xué)科交叉，側(cè)重從管理思維及企業(yè)應(yīng)用而不是技術(shù)角度，結(jié)合當(dāng)前知識(shí)經(jīng)濟(jì)時(shí)代特征組織課程內(nèi)容體系、分析講解問(wèn)題，和企業(yè)市場(chǎng)對(duì)具有復(fù)合型知識(shí)結(jié)構(gòu)人才的需求緊密結(jié)合。
2 體系結(jié)構(gòu)
本課程自開(kāi)設(shè)以來(lái)，一直由作者承擔(dān)此課程的教學(xué)及相關(guān)研究工作。作者在對(duì)當(dāng)前國(guó)內(nèi)IRM教材著作、教學(xué)內(nèi)容深入研究及6年教學(xué)實(shí)踐體驗(yàn)的基礎(chǔ)上，結(jié)合在美國(guó)威斯康星大學(xué)圖書館和信息科學(xué)學(xué)院的交流學(xué)習(xí)經(jīng)驗(yàn)，提出了適合本專業(yè)方向和學(xué)生特點(diǎn)的創(chuàng)新課程體系結(jié)構(gòu)，經(jīng)過(guò)多次教學(xué)實(shí)踐，得到學(xué)生的認(rèn)可。我們的課程體系遵循系統(tǒng)性和創(chuàng)新性原則，在保證教學(xué)內(nèi)容所包含的知識(shí)是具有內(nèi)在邏輯聯(lián)系的完整知識(shí)體系前提下，區(qū)別于以傳統(tǒng)信息系統(tǒng)管理為主線的內(nèi)容體系，采用符合知識(shí)經(jīng)濟(jì)時(shí)代特征的體系結(jié)構(gòu)，反映學(xué)科領(lǐng)域最新成果，在這里提出來(lái)供大家探討。
（1） 信息資源管理概述：作為整個(gè)課程的基礎(chǔ)，這部分主要包括數(shù)據(jù)、信息、信息資源、信息化、信息產(chǎn)業(yè)、知識(shí)、知識(shí)經(jīng)濟(jì)、知識(shí)管理等概念及其關(guān)聯(lián)，目的是使學(xué)生掌握信息資源從產(chǎn)生到利用到再創(chuàng)造的過(guò)程。
（2） 知識(shí)管理：知識(shí)是從相關(guān)信息中過(guò)濾、提煉、經(jīng)過(guò)人腦加工得到的有用信息，知識(shí)管理是現(xiàn)代信息資源（知識(shí)資源）管理的核心。這部分主要介紹知識(shí)的生命周期；企業(yè)知識(shí)管理的原因、目的、工具和手段；知識(shí)管理的企業(yè)實(shí)施和應(yīng)用；知識(shí)管理系統(tǒng)方案和技術(shù)平臺(tái)；北京移動(dòng)、三星等企業(yè)知識(shí)管理案例分析。
（3） 數(shù)據(jù)挖掘：數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是從海量數(shù)據(jù)中抽取出潛在的、有價(jià)值的信息、知識(shí)，是針對(duì)目前企業(yè)面對(duì)大量雜亂數(shù)據(jù)無(wú)法辨別有價(jià)值的資源進(jìn)行管理，而提出的方法。本部分主要介紹數(shù)據(jù)挖掘的特點(diǎn)、原由、過(guò)程、人員、環(huán)境、相關(guān)技術(shù)；數(shù)據(jù)挖掘的商業(yè)應(yīng)用；相關(guān)軟件（重點(diǎn)SPSS系統(tǒng)）；數(shù)據(jù)挖掘與CRM；數(shù)據(jù)挖掘在證券行業(yè)、網(wǎng)絡(luò)應(yīng)用、遠(yuǎn)程教育等方面的應(yīng)用案例分析。不同于介紹技術(shù)和算法為主的數(shù)據(jù)挖掘課程，本課程重點(diǎn)在于數(shù)據(jù)挖掘的商業(yè)應(yīng)用，側(cè)重于分析、管理和應(yīng)用。
（4） 信息資源規(guī)劃（IRP）：IRP是完全中國(guó)特色的信息資源管理內(nèi)容，是指對(duì)企事業(yè)單位或政府部門所需要的信息資源，從采集、處理、傳輸?shù)绞褂玫娜嬉?guī)劃，是針對(duì)于國(guó)內(nèi)信息化建設(shè)的總體規(guī)劃。主要內(nèi)容包括：信息資源管理基礎(chǔ)標(biāo)準(zhǔn)的講解及應(yīng)用；信息資源網(wǎng)；IRP在大型企事業(yè)單位的實(shí)施（四一三三原則）；IRP與ERP；IRP2000系統(tǒng)軟件介紹；政府信息資源規(guī)劃案例。
（5） 首席信息執(zhí)行官（CIO）：CIO在企業(yè)的角色主要就是對(duì)企業(yè)的信息資源進(jìn)行總體規(guī)劃、協(xié)調(diào)、管理，因此這部分主要介紹IRM與CIO；中國(guó)CIO面臨的挑戰(zhàn)和機(jī)遇；CIO與IRP的工程化方法；CIO與本組織信息化整體解決方案（IT服務(wù)鏈）。
（6） 網(wǎng)絡(luò)信息資源管理：適應(yīng)當(dāng)前網(wǎng)絡(luò)發(fā)展，介紹通過(guò)網(wǎng)絡(luò)如何對(duì)信息資源進(jìn)行更好的組織和管理。主要包括網(wǎng)絡(luò)信息資源及信息結(jié)構(gòu)；網(wǎng)絡(luò)信息資源組織；信息結(jié)構(gòu)（導(dǎo)航、標(biāo)志、檢索等系統(tǒng)）設(shè)計(jì)；網(wǎng)站資源設(shè)計(jì)原則；案例分析。
（7） 信息資源安全管理：在信息資源的開(kāi)發(fā)、管理和利用過(guò)程中，安全問(wèn)題是一個(gè)十分重要的問(wèn)題，因此本部分主要從管理和技術(shù)兩方面對(duì)信息資源管理中的安全風(fēng)險(xiǎn)及應(yīng)對(duì)措施進(jìn)行分析，并結(jié)合案例介紹對(duì)系統(tǒng)進(jìn)行審計(jì)和評(píng)價(jià)的方法。
3 教學(xué)資源
教師注重將所講授內(nèi)容體現(xiàn)在教學(xué)實(shí)踐本身，隨時(shí)隨處體現(xiàn)“信息資源管理”觀點(diǎn)和方法：利用知識(shí)管理理念，整合各方面知識(shí)資源，包括各種教材著作、專家渠道、國(guó)內(nèi)外最新研究論文、案例資源等內(nèi)容，形成資源庫(kù)。
自課程開(kāi)設(shè)以來(lái)，先后使用參考過(guò)科學(xué)出版社出版孟廣均等著的《信息資源管理導(dǎo)論》，高等教育出版社王景光主編的《信息資源管理》，武漢大學(xué)馬費(fèi)成編著的《信息資源開(kāi)發(fā)利用》，北京理工大學(xué)甘仞初主編的《信息資源管理》，電子工業(yè)出版社肖明編著的《信息資源管理》等著作，以及Ricks Betty R & Gow, KAY F. Information Resource Management Cincinnati （Ohio）等國(guó)外著作。已有教材都對(duì)信息管理學(xué)科進(jìn)行了全面系統(tǒng)的論述，但內(nèi)容大都比較抽象，理論性較強(qiáng)，多以信息系統(tǒng)論為核心，和現(xiàn)實(shí)企業(yè)應(yīng)用及我們專業(yè)特點(diǎn)結(jié)合不足。因此，教師在教學(xué)中，指定其中兩本為參考教材，而圍繞課程體系的內(nèi)容主要來(lái)自于教師對(duì)國(guó)內(nèi)外研究資料收集整理加工后形成的教案、講義，資料來(lái)源大都為排名行業(yè)前列的學(xué)術(shù)刊物、數(shù)據(jù)庫(kù)、著名專家。除了理論知識(shí)，資源庫(kù)還納入不同企業(yè)的案例，以及知識(shí)案例獲取的各種專家渠道。
4 教學(xué)方法
結(jié)合課程和中國(guó)學(xué)生特點(diǎn)，教師在教學(xué)中注重創(chuàng)新性，借鑒國(guó)內(nèi)外同行的經(jīng)驗(yàn)，及時(shí)引入先進(jìn)的教學(xué)理念和方法手段，采用整合的教學(xué)方式“課堂講授＋案例分析＋Leading Discussion＋小組討論/作業(yè)”相結(jié)合，目的在于盡量激發(fā)學(xué)生主動(dòng)學(xué)習(xí)的愿望和能力，區(qū)別于以往“高級(jí)本科生”似的研究生教育方式。
（1） 教師的課堂講授主要在于讓學(xué)生了解知識(shí)課程體系結(jié)構(gòu)及關(guān)鍵知識(shí)點(diǎn)，特別是重點(diǎn)和難點(diǎn)，引導(dǎo)學(xué)生把點(diǎn)串成線，配合閱讀資料和案例，進(jìn)而使知識(shí)面立體化。
（2） 案例分析，主要是教師通過(guò)企業(yè)渠道獲得并整理內(nèi)容詳實(shí)的企業(yè)案例，把理論知識(shí)融入到企業(yè)實(shí)際應(yīng)用中，加深學(xué)生對(duì)理論和實(shí)踐如何結(jié)合起來(lái)的理解，彌補(bǔ)學(xué)生由于條件所限無(wú)法親自參與重要的企業(yè)實(shí)踐環(huán)節(jié)的缺口。
（3） Leading Discussion是教師借鑒美國(guó)大學(xué)研究生課程教學(xué)方法所得，培養(yǎng)學(xué)生獨(dú)立深度研究分析能力。由于課程內(nèi)容比現(xiàn)有教材更新，涉及范圍更廣，僅靠教材難以獲取足夠知識(shí)。教師定期提供國(guó)際上較新的研究論文，課下每位同學(xué)獨(dú)立閱讀并總結(jié)出不超過(guò)一頁(yè)紙的summary，提出2－3個(gè)針對(duì)性問(wèn)題。課堂上每次輪流由不同學(xué)生主持leading discussion對(duì)論文進(jìn)行分析討論，并回答問(wèn)題。這種方式有助于學(xué)生開(kāi)拓視野，了解國(guó)際最新動(dòng)向，督促其主動(dòng)學(xué)習(xí)、思考、溝通能力（這正是中國(guó)學(xué)生普遍缺乏的），還能提高專業(yè)英語(yǔ)閱讀理解歸納能力和閱讀速度。
（4） 小組討論/作業(yè)主要是教師提供案例內(nèi)容框架及引導(dǎo)問(wèn)題，學(xué)生分組討論不同案例（課堂或課下，視時(shí)間而定），鼓勵(lì)brain storming，以PPT形式進(jìn)行課堂演示，實(shí)現(xiàn)知識(shí)資源共享。最后教師對(duì)各組案例分析就行評(píng)價(jià)總結(jié)。
全程采用多媒體教學(xué)，教學(xué)中始終貫穿著啟發(fā)式、引導(dǎo)性和參與性的理念。啟發(fā)式教學(xué)：?jiǎn)l(fā)學(xué)生通過(guò)以上各種方式實(shí)現(xiàn)自我學(xué)習(xí)、自我教育，克服教師滿堂貫、填鴨式的教學(xué)方式，注重研究生教育和本科教育的區(qū)別。引導(dǎo)性：教師在教學(xué)中先引入問(wèn)題，積極啟發(fā)學(xué)生主動(dòng)思考，而不是被動(dòng)接受灌輸；引導(dǎo)學(xué)生探索性閱讀，進(jìn)入學(xué)術(shù)研究領(lǐng)域。參與性：鼓勵(lì)學(xué)生主動(dòng)參與教學(xué)環(huán)節(jié)，師生互動(dòng)、教學(xué)相長(zhǎng)，調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性和主動(dòng)性。
5 考核
為體現(xiàn)課程的多學(xué)科交叉性、復(fù)合型知識(shí)能力特點(diǎn)，課程采用多形式考核方式，重在考察學(xué)生對(duì)企業(yè)實(shí)際問(wèn)題分析、提出解決方案的能力，以及此過(guò)程中對(duì)現(xiàn)代IRM管理理念和知識(shí)的理解應(yīng)用和滲透。在強(qiáng)調(diào)“開(kāi)卷＋閉卷”傳統(tǒng)考試形式基礎(chǔ)之上，將參與討論、案例分析、Leading Discussion、論文撰寫、企業(yè)調(diào)研、小組作業(yè)等綜合起來(lái)全面考察學(xué)生學(xué)習(xí)情況，這種“非概念記憶”的能力考核方式進(jìn)一步調(diào)動(dòng)了學(xué)生主動(dòng)學(xué)習(xí)的積極性和創(chuàng)造力。
三 結(jié)言
經(jīng)過(guò)多次教學(xué)實(shí)踐不斷改進(jìn)，教學(xué)內(nèi)容體系和方式方法得到了專家及學(xué)生的一致認(rèn)可：普遍認(rèn)為課程內(nèi)容新穎全面，反映信息資源管理領(lǐng)域的最新發(fā)展和趨勢(shì)；國(guó)外資源豐富，與國(guó)際學(xué)科發(fā)展接軌；高質(zhì)量案例的引入恰當(dāng)充分，和實(shí)際企業(yè)應(yīng)用相聯(lián)系。教師在講授中補(bǔ)充很多專業(yè)領(lǐng)域最新的知識(shí)，擴(kuò)展學(xué)生知識(shí)面；注重關(guān)鍵知識(shí)點(diǎn)的掌握，培養(yǎng)學(xué)生獨(dú)立思考和判斷、分析、解決問(wèn)題的能力，非常適合財(cái)經(jīng)類院校研究生階段教學(xué)的特點(diǎn)。
在教學(xué)中，我們也注意及時(shí)發(fā)現(xiàn)總結(jié)問(wèn)題，充分意識(shí)到不足和需要改進(jìn)之處：
1 教學(xué)中很多內(nèi)容都超出現(xiàn)有參考教材，因此需要將教學(xué)內(nèi)容資源整合成更加系統(tǒng)全面的教材，供學(xué)生參考。
2 對(duì)于一些最新的較為抽象的內(nèi)容，以及一些專業(yè)術(shù)語(yǔ)，還需進(jìn)一步增加關(guān)聯(lián)性更強(qiáng)的實(shí)例，更加深入淺出的進(jìn)行講解，讓學(xué)生更容易理解。
3 信息和網(wǎng)絡(luò)時(shí)代，知識(shí)及企業(yè)應(yīng)用的更新頻率都在加速，需要及時(shí)更新資源庫(kù)以和現(xiàn)實(shí)世界發(fā)展保持同步，如何追蹤最新的知識(shí)資源、企業(yè)實(shí)踐和專家渠道是很大的挑戰(zhàn)。
信息資源管理課程是知識(shí)經(jīng)濟(jì)時(shí)代新興的一門重要課程，教學(xué)體系、方法發(fā)展還不完善。在北京召開(kāi)的北京高校信息資源管理專業(yè)高級(jí)研討會(huì)上，大家也一致認(rèn)為信息資源管理這門課程的教材的內(nèi)容和教學(xué)方法需要進(jìn)一步改革。本文提出了適合財(cái)經(jīng)類院校研究生的教學(xué)內(nèi)容體系和教學(xué)方法設(shè)計(jì)，供開(kāi)設(shè)此課程的高校教師探討，并希望能有一定的啟發(fā)借鑒作用。
參考文獻(xiàn)
[1] 王景光.信息資源管理[M].高等教育出版,2002.12.
