统计学的数据分析例1

    1   Excel中加载“数据分析”工具

    首先，启动Excel，点击工具菜单中的“加载宏”选项，在出现的对话框中选中“分析工具库”，确定安装后，在菜单栏的“工具”下会出现“数据分析”选项。

    2   使用Excel进行数据统计描述

    用Excel可进行数据的统计描述，包括：（1）集中趋势（集中指标），它包括算术平均数，中位数，几何平均数，众数等。Excel提供有现成的公式及内置函数可进行这几个指标的计算。如首先输入一组数字，然后建入公式=AVERAGE（常数），=MEDIAN（常数），和=MODE（常数），按回车健可得到算术平均数，中位数和众数；（2）离散趋势（变异指标），它包括全距，百分位数，四分位数间距，方差，标准差，标准误，偏度系数和峰度系数等。而其中以方差，标准差，百分位数和标准误较为常用。同样在电子表格中建入公式=VARP（常数）和=VAR（常数）两函数可计算总体方差和样本方差。建入公式=STDEVP（常数）和=STDEV（常数）便可得到总体标准差和样本标准差。

    3   t检验

    t检验是医学统计分析中最常用的统计分析方法，用来检验标准试样测定结果的平均值与标准值之间是否有统计学意义。Excel“数据分析”中提供了多种不同条件的t检验工具，如“平均值的成对二样本分析”，“双样本等方差假设”，“双样本异方差假设”及其他统计分析工具，当样本中的观察值存在配对关系时，可以使用“平均值的成对二样本分析”t检验。例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t检验并不假设两个总体的方差是相等的。例如，用某药物治疗高血压患者10名，治疗前后舒张压变化如下：

    在工作表中输入上面的数据，比如数据区为A1至J2。分析时，在“工具”菜单中，单击“数据分析”命令。在数据分析对话框中，选择t检验：平均值的成对二样本分析，拉出平均值的成对二样本分析对话框，其中有如下输入项：变量1的区域：输入需要分析的第1个数据区域的单元格引用。该区域必须由单列或单行数据组成。可单击输入框右面的按钮，回到电子表格上自数据开始的单元格向结尾的单元格拖动。此时变量1的区域（A1~J1）自动进入输入域中。然后单击输入域右面的按钮，回到原对话框。变量2的区域：输入需要分析的第2个数据区域的单元格引用。该区域必须由单列或单行的数据组成。输入方法同前。变量2的区域为（A2~J2）。假设平均差：在此输入期望中的样本均值的差值。缺省为0值，即假设样本均值相同。标志：如果输入区域的第1行或第1列中包含有标志项，应选中此项：如果输入区域没有标志项，Excel将在输出表中生成适宜的数据标志。这里选中此项。α在此输入检验的统计意义水平。该值范围为0～1之间。缺省为0.05。

    输出区域信息可选择如下单选项：输出区域和新工作簿。我们选择新工作表，结果为平均95.88889，方差80.86111，观测值9，泊松相关系数0.881366，假设平均差0，df 8，tstat 5.230769，P（T≤t）单尾0.000396，t单尾临界1.859548，P（T≤t）双尾0.000792，t双尾临界2.306004。两组比较差异有统计学意义（P<0.05）。

4   方差分析（analysis of variance，ANOVA）和卡方检验

统计学的数据分析例2

问题：课堂中的各种理解不到位的现象

场景1：有教师在课堂上出示用左耳或右耳接听电话的人数统计，要求学生计算相应的比例。这种数据于学生而言缺乏实际意义，统计的结果也不涉及相关处理问题，反映出教师对数据的理解不到位。

场景2：教学中，教师给出一些商品的单价，要求学生统计单价超过5元的商品。统计的缘由没有给出，不过是单纯的筛选技能训练，没有体现统计的必要性及其意义，反映出教师对统计概念的理解不到位。

场景3：教师提供多种饮料，如绿茶、红茶、奶茶、可乐等，要求学生从中选择自己最喜欢喝的三种，再根据全班的选择情况整理数据，列出最受班级欢迎的三种饮料。最后，教师给出专家建议“健康的饮品包括水、纯果汁、奶”，要求学生结合课堂统计的数据结果，在调查报告中表达自己对中学生选择饮料问题的看法和观点。由于此三种饮品没有完全出现在此前供学生选择的范围内，自然没有一个学生的选择与专家建议的健康饮品吻合，于是，学生回答，“不管喝什么，只要健康就好”。数据统计的目的就是为分析、决策提供数据支持，而该场景中数据分析部分与前面的统计结果相互脱节、没有关联，或者联系不够紧密，反映出教师对分析的理解不到位。

上述场景反映出的根本问题是，教师对数据统计与分析的内涵或者核心指向理解不足。“数据统计与分析”属于“信息加工与表达”中表格信息加工与表达部分的教学内容，与数据管理部分的内容具有相似的核心指向，即关注“关系”的挖掘与表达，而关系是隐藏在数据之中的，需要通过相关的操作，如借助公式与函数的计算、排序、筛选等，将数据间的关系挖掘出来，可以借助图表的形式进行直观表达，即通过可视化方式清晰展示。

关于数据统计与分析，信息技术课程教学纲要或者课程标准中都有针对性的要求，譬如，2012年中国教育技术协会信息技术教育专业委员会研制的《基础教育信息技术课程标准2012版》中，初中学段在“模块二：信息加工与表达”中对表格部分的要求如下。

1.能列举1～2种常见表格编辑软件，尝试简单编辑操作，理解二维表格的共同特征。

2.根据需求能在文档中绘制或套用表格，并对其属性能按要求进行调整和设置。

3.能应用电子表格进行简单数据的统计、处理，科学地借助折线图、直方图、饼图等直观表达数据。

4.从不同的角度和立场出发，通过对相同数据做不同的加工，表达不同的观点，或对相同数据做不同的解读，感悟信息加工和利用的选择性、多元性和复杂性特征。

上述4条描述涉及表格中数据的统计、表达、分析，关注到数据间的关系挖掘。

“数据统计与分析”涉及对数据的加工、处理，从中获取信息并加以解读。因此，可以从DIKW金字塔模型获得直接的借鉴。

解决之策：DIKW金字塔的启示

DIKW金字塔是关于数据、信息、知识及智慧的体系，如图1所示。

数据（Data）：可以是数字、文字、图像、声音、符号等，属于事实的记录，表达的是没有指定背景和意义的描述。

信息（Information）：是经过相关处理的数据，强调的是数据与数据之间的关系。

知识（Knowledge）：是有意义的信息，表现为信息和信息之间的关系。由信息到知识的转变过程，是一个对信息判断和确认的过程，需要结合经验、上下文联系、诠释和反省。

智慧（Wisdom）：是富有洞察力的知识，是运用知识分析和解决问题的能力，可以简单归纳为正确判断和决定的能力。

显然，DIKW体系同样关注关系的挖掘，即数据之间的关系、信息之间的关系，因而可以用来指导“数据统计与分析”部分的教学。

从问题解答的角度观察，信息层回答的是“是何”的问题，知识层解决的是“如何”的问题，智慧层则涉及“为何”的问题。早期研究中有学者曾指出，信息技术中的技术包含三层内涵：（1）动手做的技术，即基本技能；（2）如何做的技术，即设计和规划的技术；（3）为何做的技术，即技术的思想和价值。[1]三层内涵的观点涉及技术是何、如何、为何的问题，与DIKW模型具有共通之处，这为DIKW模型在数据统计与分析中的应用提供了佐证。

从DIKW的视角来看，数据统计与分析的过程也是追求实现“数据—信息—知识—智慧”持续变化的过程。即从数据开始，以形成智慧为最终目的。具体过程是：借助相关操作对数据进行处理、加工，明确数据之间的关系，提取出有意义的信息，进而将信息组织成知识，促进学生明确“如何去使用”，再进一步，当学生明确应该何时使用及为什么要使用时，便形成了智慧。

据此，数据统计与分析中的几个

关键词 ，即数据、统计、分析，都需要有专门的指向，符合内在的规定性，且数据、统计、分析应当做到前面环节为后续环节奠定基础，后续环节又必须在前面环节的基础上展开。具体来说，数据需要为统计服务，统计是建立在数据提供的基础上；统计的结果是为了进行分析，分析必须依赖于统计结果；分析的目的是为了提供决策的依据。这些关系必须在教学中予以体现，方能体现数据统计与分析的要义。

实践之道：基于DIKW的教学思路

从DIKW的视角，数据统计与分析教学需要经过三个过程：“数据信息”、“信息知识”、“知识智慧”。从关系发掘的角度，即隐性关系显性化、显性关系知识化、知识运用自动化，下文展开具体阐述。

1. 隐性关系显性化

隐性关系显性化，即从数据到信息的过程。数据可以是教师为学生提供的原始资料，或者是收集来自学生的资料。因为需要借此学习相关技能操作，如公式与函数的使用、排序、筛选、图表表示等，因此数据主要是数字形式，如考试成绩、购物费用等，根据需要也可以适当包含文字，如学生的血型、爱好等。

为了从数据中提取有意义的信息进而展开分析，数据需要符合一定的要求：其一，数据最好能够贴近学生，具有真实性。小至与学生个体相关的数据，大至与学校、社区、城市、国家相关的数据。贴近学生生活经验或学习经验的真实数据才能激发学生的兴趣，促进学生通过操作发掘数据之间的关系，形成有意义的信息。从教学实践来看，课堂或者课前收集来自学生的鲜活数据相对容易调动学生的积极性。其二，数据需要具有潜在的意义，即有统计价值，场景1中接听电话用左耳还是右耳的例子之所以失败，就是因为数据不具有统计价值，从数据中无法提取出有意义的信息。其三，数据要具有统计的必要，即数据要达到足够的量，少量数据往往无法体现出用计算机统计的优势。在数据量足够的情况下，可以通过人工计算与计算机统计的对比凸显计算机统计的优势和价值。

在数据有效的基础上，统计承担着从数据中提取信息的功能。为了保证将来从信息到知识的转变，统计所得信息当存在分析的可能、必要及价值，否则统计本身就没有意义。譬如，场景2中让学生统计购买的商品中单价超过5元的商品，数据本身没有问题，但这种统计的结果似乎没有分析的意义及价值，因而统计本身就失去了意义。

从数据到信息的转变需要学生借助一定的技术操作来实现，这个阶段涉及的技术属于动手做的技术，即技术的底层。例如，统计过程可能涉及计算、筛选、排序，统计结果的呈现涉及各种图表的使用。

2. 显性关系知识化

显性关系知识化，是指由信息到知识的转变。美国佛罗里达国际大学豪恩斯坦认为，信息是别人内化的知识，知识是自己内化的信息。[2]所以，如果信息是输入，知识在某种意义上便是输出。这意味着从信息到知识的转变需要学生在认知层面形成理解。这一阶段涉及的技术属于无形的技术。

此阶段是对数据统计结果进行分析的过程。譬如，统计全班学生血型，根据四种血型的统计结果，引导学生明确血型的相关知识。又如，统计不同品牌货物销售情况，从不同角度（商场、品牌负责人、顾客）去分析，得出不同的结论。若收集的数据与学生个人或家庭相关，则分析的结果最好能够凸显因人而异，从而促进学生在体验到分析意义的基础上，树立利用数据统计与分析为自己的学习、生活服务的意识。

譬如，《Excel中数据的处理》[3]中，教师要求学生将自己家庭衣、食、住、行、用等数据输入到碳排放计算工作表中，完成相关计算，并根据数据回答问题：

1.我们家（ ）方面碳排放最高，（ ）方面碳排放最低。

2.我们家年人均碳排放（ ）kg，和全球人均目标碳足迹2000kg比较，我们家是（高碳/低碳）生活。

3.为了应对气候变化，我们家应该从以下方面减少碳的排放。

每个学生获取的数据不同，结论自然就不同。这种差异性体现了一种真实，也帮助学生理解统计与分析的实际意义。

分析在统计与决策之间发挥着承先启后的作用，“承先”是指，分析必须依据统计所得结果来进行，体现两者的紧密联系，以保证分析的价值及统计的意义；“启后”是指，分析需要为后面的选择、决策提供依据与基础，因此需要恰当设计分析的内容，以保证决策得以进行。

譬如，《Excel中数据的处理》中1、2两个问题的分析必须建立在前面数据计算的基础之上，3题的回答又依赖于1、2分析的结果，充分体现出统计分析为决策提供数据支持的功能，促进学生对数据统计分析加深认识与理解。

3. 知识运用自动化

知识运用自动化，即从知识向智慧的转变过程，是指在学生掌握知识之后，借助一定量的知识应用练习，熟悉了知识的应用环境及方法之后，在不需要专门选择知识的情况下无意识地运用知识，达到自动化效果的过程。这一过程显然不是一蹴而就的，需要经历几个状态：在知识应用练习之前，处于“无意识的不用”状态；经过知识应用训练，基本掌握了知识应用场合及方法，但还不够熟练，遇到问题时，需要有意识地思考选择相应的知识，该阶段可以称为“有意识的应用”状态；经过足够的知识应用练习之后，学生对知识的应用形成更深的感悟，可以在无意识中，即自动选择某种知识应用于问题解决中，此时就进入了“无意识的应用”状态，达到此状态，即完成了由掌握知识到生成智慧的转变。

具体到数据统计与分析的教学中，就是根据分析结果进行选择或决策的过程。智慧指向正确判断和决定的能力，因而在数据统计与分析后期，需要引导学生依据分析的结果进行选择、决策。智慧倾向关心未来，含有暗示及滞后影响的意味，与此类似，课堂上的选择抑或决策只能更多发生于认知层面，形成的是决策时的心理倾向，但追求的是持续影响学生并实现将来在现实情境中的外显行为的变化。因而，知识运用自动化在一次课内未必能够实现。

同数据分析类似， 决策可以因人而异。譬如，《Excel中数据的处理》中的问题3。教学中需要引导学生根据实际做出符合需求的决策。譬如，《Excel综合运用》[4]案例中，教师课前安排学生对自己居住小区的人居环境从自然、人文、社会、建筑和支持网络几个方面进行评价，课堂上则围绕用Excel软件对若干个小区的人居环境状况作系统的分析，涉及Excel数据加工技术的综合应用，如排序、筛选、分类汇总等，然后得出结论，哪个区的人居环境综合比较好。最后环节是引导学生的实际应用：

是不是××区的人居环境比较好，我们都要住在那个区？在选购住所的时候，首先应该考虑自己的需求，根据实际需要确定自己的选择。

（1）假如你是一名在南京一中读高一的学生。

需考虑因素：你的父母希望你上学路途中花费的时间比较少，小区居民的整体文化素质比较高。

（2）假如你的爷爷奶奶退休了，考虑给他们选择一处房屋。

需考虑因素：空气新鲜，小区休闲设施齐全，邻里关系和睦，靠近你家现在的住处，方便照顾老人。

该案例是在对真实数据进行统计的基础上，通过分析引导学生明确如何选择、为什么要如此选择，关注学生在掌握知识的前提下生成智慧。学会选择，这就是智慧，影响着将来的选择行为，即根据实际需求进行选择，其实不仅是小区的选择，也包括人生中的其他选择。

知识运用自动化阶段的教学要求：其一，必须为学生提供需要决策的情境，以促进学生在类似情境下的顺利迁移。这一点需要在数据呈现的同时即提供给学生，以促进学生明确数据处理的根本目的。其二，决策需要根据分析的结果来进行，让学生充分体会到分析的目的及价值，即为决策提供依据。

按照上述隐性关系显性化—显性关系知识化—知识运用自动化的思路，教学中引领学生经历数据的收集、整理—处理、加工—分析、表达—选择、决策这一完整过程，促进学生对数据处理形成整体感知与理解。

数据统计与分析的完整过程是从数据收集与录入开始，经过表格规划与修饰、数据处理与统计、图表与分析等，因此，未必在一节课内完成，但整个部分的教学经历完整过程即可。也可以在综合应用或者复习课上，带领学生经历此完整过程，为了在一节课内实现，可以简化部分细节，如使用半成品策略，以凸显整个流程。

结束语

从DIKW金字塔模型的视角观察“数据统计与分析”的教学，意义在于：明确数据统计与分析的教学不能止步于简单的数据收集、整理、加工，其意义主要体现于在此基础上的分析及进一步的决策。即教学中在由数据到信息的转化基础上，关注显性关系的知识化并追求知识运用的自动化。

显然，DIKW模型也适用于信息技术课程中的其他内容，譬如DIKW体系经常应用于信息科学，因此可以应用于搜索技巧及数据挖掘。

注： 本文为江苏省教育科学“ 十二五” 规划课题“ 信息技术课程思想及其应用研究” （ B -b/2013/01/039）的研究成果。

参考文献

[1]李艺.高中课改实验进行时[J].中小学信息技术教育，2005(1).

[2]盛群力.21世纪教育目标新分类[M].杭州：浙江教育出版社，2008:67.

统计学的数据分析例3

1 Excel中加载“数据分析”工具

首先，启动Excel，点击工具菜单中的“加载宏”选项，在出现的对话框中选中“分析工具库”，确定安装后，在菜单栏的“工具”下会出现“数据分析”选项。

2 使用Excel进行数据统计描述

用Excel可进行数据的统计描述，包括：（1）集中趋势（集中指标），它包括算术平均数，中位数，几何平均数，众数等。Excel提供有现成的公式及内置函数可进行这几个指标的计算。如首先输入一组数字，然后建入公式=AVERAGE（常数），=MEDIAN（常数），和=MODE（常数），按回车健可得到算术平均数，中位数和众数；（2）离散趋势（变异指标），它包括全距，百分位数，四分位数间距，方差，标准差，标准误，偏度系数和峰度系数等。而其中以方差，标准差，百分位数和标准误较为常用。同样在电子表格中建入公式=VARP（常数）和=VAR（常数）两函数可计算总体方差和样本方差。建入公式=STDEVP（常数）和=STDEV（常数）便可得到总体标准差和样本标准差。

3 t检验

t检验是医学统计分析中最常用的统计分析方法，用来检验标准试样测定结果的平均值与标准值之间是否有统计学意义。Excel“数据分析”中提供了多种不同条件的t检验工具，如“平均值的成对二样本分析”，“双样本等方差假设”，“双样本异方差假设”及其他统计分析工具，当样本中的观察值存在配对关系时，可以使用“平均值的成对二样本分析”t检验。例如对一个样本组在实验前后进行了两次检测，为确定实验前后样本均值是否相等，应使用成对t检验，此t检验并不假设两个总体的方差是相等的。例如，用某药物治疗高血压患者10名，治疗前后舒张压变化如下：

在工作表中输入上面的数据，比如数据区为A1至J2。分析时，在“工具”菜单中，单击“数据分析”命令。在数据分析对话框中，选择t检验：平均值的成对二样本分析，拉出平均值的成对二样本分析对话框，其中有如下输入项：变量1的区域：输入需要分析的第1个数据区域的单元格引用。该区域必须由单列或单行数据组成。可单击输入框右面的按钮，回到电子表格上自数据开始的单元格向结尾的单元格拖动。此时变量1的区域（A1~J1）自动进入输入域中。然后单击输入域右面的按钮，回到原对话框。变量2的区域：输入需要分析的第2个数据区域的单元格引用。该区域必须由单列或单行的数据组成。输入方法同前。变量2的区域为（A2~J2）。假设平均差：在此输入期望中的样本均值的差值。缺省为0值，即假设样本均值相同。标志：如果输入区域的第1行或第1列中包含有标志项，应选中此项：如果输入区域没有标志项，Excel将在输出表中生成适宜的数据标志。这里选中此项。α在此输入检验的统计意义水平。该值范围为0～1之间。缺省为0.05。

输出区域信息可选择如下单选项：输出区域和新工作簿。我们选择新工作表，结果为平均95.88889，方差80.86111，观测值9，泊松相关系数0.881366，假设平均差0，df 8，tstat 5.230769，P（T≤t）单尾0.000396，t单尾临界1.859548，P（T≤t）双尾0.000792，t双尾临界2.306004。两组比较差异有统计学意义（P

4 方差分析（analysis of variance，ANOVA）和卡方检验

在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、可重复双因素分析和无重复双因素分析，现简单介绍方差分析的应用。

单因素方差分析：在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，具体的格式如表，表中每个水平的试验数据结果放在同一行内。数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容如下：（1）输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取；（2）分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行；（3）如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取；（4）α：显著性水平，一般输入0.05，即95%的置信度；（5）输出选项：按需求选择适当的分析结果存储位置。 双因素无重复试验方差分析 与单因素方差分析类似，在分析前需将试验数据按一定的格式输入工作表中。 数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素无重复方差分析”，出现一个对话框，对话框的内容如下：（1）输入区域：选择数据所在区域，可以包含因素水平标志；（2）如果数据输入时选择了因素水平标志，请选择标志按钮；（3）显著性水平α：根据实际情况输入，一般选择0.05；（4）输出选项：按需要选择分析结果存储的位置。

可重复双因素分析：双因素可重复方差分析与双因素无重复方差分析数据输入的区别在于对重复试验数据的处理，就是将重复试验的数据叠加起来。 数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素可重复方差分析”，出现一个对话框，对话框的内容基本与双因素无重复方差分析相同，区别在于每一样本的行数选项，在此输入重复试验的次数即可。若须对数据进行方差分析时，在输入区域选择数据所在区域及因素水平标志，在每一样本的行数处输入3，即每种组合重复3次试验，显著性水平选择0.05。在输出选项中可以按照需求选择分析结果储存的位置。选择确定以后分析结果。在工具菜单中均有现成的这3种分析工具。

5 非参数检验

Excel也没有提供非参数检验的分析工具，但可利用其提供的函数和公式可进行分析。如利用IF（指定要执行的逻辑检验函数）和COUNTIF（ 条件函数 ）进行编秩。利用=SUMIF（条件单元格求和函数 ）计算正负秩和。=COUNT（个数函数）利用=ABS和=SQRT计算绝对值和z值。

6 相关回归

为了反映两个或多个变量之间的关系，描述相关关系的方向与密切程度，需采用相关分析；为了反映两个或多个变量之间的依存关系，建立回归方程，采用回归分析。先将数据输入工作表中，然后用Excel提供的函数可进行线性回归（linear regression）又称简单回归的分析和Spearman等级相关分析，用菜单中的“工具数据分析相关糸数可进行相关分析。用“工具数据分析协方差工具可进行协方差分析。用Excel的XY散点图工具可以进行散点图的绘制。

Excel是一种使用极方便的电子表格软件，它有强大的数据管理功能，不仅能够根据需要分类管理数据信息，能进行数据统计、筛选、排序、汇总、汇制图表等，还能利用其强大的函数功能以及分析工具库为建立复杂的统计或计量分析工作带来极大的方便。

统计学的数据分析例4

中图分类号：G623.5 文献标志码：A 文章编号：1008-3561（2017）12-0027-01

能够根据具体问题背景选择合适的统计图是学生统计素养的一个重要内容，也是学生对数据分析能力的一个表征。扇形统计图是在学生认识了条形统计图、折线统计图后的小学阶段的最后一个统计内容，该内容增加了选择合适统计方法的难度，使“数据分析”变得尤为重要。因此，教师在教学中要以数据为载体，以学生原有知识经验为基础，引导学生展开渐进式思考，探寻统计的有效方法，培养数据分析观念。

一、引发认知冲突，点燃统计内需

学习是一种由外而内的过程，学习最大的动力来自学生心灵深处，源自于自身的认知冲突。教师在教学中创设教学情境的目的正是为了借助外部环境的刺激，引发学生的内部认知冲突，促使学生在矛盾中生成新的需要，将学习不断引向纵深。苏教版六年级下册的“扇形统计图”一课意在使学生通过联系百分数的意义，体会扇形统计图描述数据的特点。为了让学生深刻领会扇形统计图的特点，教师在教学中改变了教材的编排顺序，没有直接出示例题中的扇形统计图，而是引导学生感知数据，造成他们认知上的矛盾冲突，点燃他们新的统计内需，逐步引出扇形统计图。教师这样给学生出示例题：我国陆地总面积大约是960万平方千米，其中丘陵占9.9%、山地占33.3%、高原占26.0%、盆地占18.8%、平原占12.0%。“同学们能否根据数据设计出一个统计图反映出我国陆地各地形分布情况？”教师边出示条件边提问。学生一听说设计统计图，马上联想到以前学习的内容，有的说：“我们可以画出条形统计图。”有的说：“我们可以设计成折线统计图。”教师表扬了学生善于联系旧知的意识后说：“请同学们想一想条形图与折线图分别用来反映什么？例题中的数据表示什么含义，可以用它们来表示吗？”教师的提示唤醒了学生的数据意识，经过对数据的观察与思考，学生们一致认为：“条形统计图用来直观反映数量多少，折线统计图反映了数量的增减变化，这道题中的数据都是百分数，表达的是部分量与总量的关系，看来以前学的那两种统计图不合适。”“那该怎么办呢？”一个女生迫不及待地问道。“是啊，我们该用怎样的图形来表示部分量与总量之间的关系呢？”教师故意装作不知，“看来我们必须另找出路了。”

二、引导自主思考，点化绘制图形

面对学生的急切心理，教师没有直接将“扇形统计图”推出，而是借助生活情境的观察感悟，引导他们自主思考，摸索出扇形统计图的特点和画法，逐步点化学生绘制出扇形统计图。“先请同学们来看一个有趣的拼盘。”教师边说边给学生展示了一张课前制作的地地形分布模型：用一个圆形塑料盘代表我国陆地总面积，在圆盘内用各种颜色的橡皮泥分别表示不同地形。教师用这个拼盘图对学生进行暗示启发，学生甲一点就通：“原来百分数关系可以用圆与扇形来表达，用一个整圆表示总量，用扇形表示各部分量。”学生乙补充道：“平原占12.0%，表示平原面积占我国陆地总面积的12.0%，我们可以用一个圆来表示我国陆地总面积，在圆内画出一个扇形表示平原面积。” 教师接着说：“同学们的悟性真高，像拼盘那样表示各部分量与总量之间关系的统计图我们称为扇形统计图。下面，就请同学们自己尝试着画出我国陆地各种地形分布情况统计图。”然后教师又引导学生根据各百分数的含义，讨论如何绘制出各个扇形。学生丙联系圆心角的知识道出了平原部分的画法：“一个圆是360°，360°的12.0%是43.2°，在圆内画出一个圆心角是43.2°的扇形就表示平原的面积了。”在学生丙的引领下，同学们迅速算出其他扇形的圆心角度数，并画出了完整的扇形统计图。

三、引领梳理反思，点醒对应思想

为了实现“教是为了不教”，教师在教学中经常引领学生梳理思路，反思学习得失，总结学习经验，使他们获得了质的提升。在学习“扇形统计图”一课的过程中，由于有了先前基于数据分析的精心引导，学生亲历了统计方法的选择与统计图的绘制，对扇形统计图的特点和作用了然于心，读懂扇形统计图自然不成问题。因此，在组织学生对统计图中的信息进行简单分析之后，教师增设了一个“回顾反思”环节，让学生回顾整个统计活动经历，使学生懂得了不同的问题背景需要用不同的数据分析方法，各种统计图的选用必须与数据意义相适应。如反映数量增减可选择折线图，要表达数量多少可选用直条图，要反映各部分量与总量之间的百分比关系可选择扇形统计图。高年级学生的类比分析能力比较强，教师让他们通过简要梳理与反思，能使他们明晰数据分析方法的选择的重要性，对数据分析方法的选择有清晰的认识，进而点醒他们的数学思想。

四、结束语

总之，统计教学是一个系统而完整的活动过程，从对问题背景的理解、对数据的解读、对统计方法的选择，再到图形的绘制等，这一切都离不开科学严谨的分析。数据分析是统计的核心，教师在统计教学中应以数据为核心，引领学生在科学分析中选择出合适的统计方法，从而圆满地完成统计任务。

统计学的数据分析例5

【中图分类号】G762

学生教学评价，即学生作为评价主体对教师的教学质量进行评价。其主要目的是为教师的教学提供有用的反馈，以促进教师提高教学质量，从而为提高学生的学习效果服务 [1、2]。听障大学生，作为特殊的学生群体，日常教学应赋予更多的关心和爱心。对听障大学生教学评价数据的研究，可以促进从事特殊教育的老师改善教学方法，调整教学态度，进一步提高特殊高等教育的课堂教学质量显得格外重要。

数据数理统计分析是数学的一个分支，是指研究如何有效地收集和使用带有随机性影响的数据。通过数据的数理统计分析，可以进行数据的整理和问题的推断[3]。现代数理统计分析的一个显著特点就是运用计算机实现有关的统计计算与分析，目前也有许多应用计算机软件对于教学质量进行分析讨论的报道。本文利用SPSS软件（Statistical Product and Service Solutions）对听障大学生教学评价数据进行统计分析，以更好的发挥评价的诊断、激励和导向的作用。

一、数据分析来源

本文数据来源于某大学某学期听障大学生教学评价数据，共涉及25门课程。教学评价分为十项指标，分别为“tm1”：仪表端庄，教态自然，精神饱满；“tm2”：上课准时、足时，认真负责，严格要求学生；“tm3”：关怀和尊重学生，有固定的辅导和答疑时间师生关系融洽；“tm4”：教学目标、要求、考核形式明确，推荐有助我们学习的参考文献；“tm5”：授课内容充实，信息量大，重难点突出，进度安排适当；“tm6”：作业有利于我们掌握知识和自主学习，批改和分析认真；“tm7”：思路清晰，阐述准确，语言规范生动；“tm8”：因材施教，注重学生创新意识和能力培养；“tm9”：教学方法灵活，教学手段恰当，注重互动，课堂气氛活跃；“tm10”：掌握了本课程的核心内容，激发了学生学习兴趣，提高了分析问题、解决问题的能力。

二、分析方法

本文主要使用了SPSS软件中的描述性统计分析（Descriptive Statistics，得到原始数据转化成标准化的取值，可以直观了解数据的情况，同时便于进一步分析）；K-S单样本检验分析（Kolomogorov- Simirnov One-sample Test，主要考察数据是否符合正态分布）；主成分分析（Principal Component Analysis，将多个变量通过线性变换以选出较少个数重要变量）；K中心聚类分析（K-means cluster analysis，将数据进行分类，辨别样本之间的亲疏关系）；单因素方差分析（one-way ANOVA，调查按某个研究因素的不同水平分组后该因素的效应）。

三、结果与分析

（一）学生教学评价整体情况及正态分布分析

分析教学评价整体情况可以了解听障大学生课堂教学质量的总体情况。从表1可以看出，该学期听障大学生教学评价总分范围在81.48-99.82之间，平均成绩为89.69±3.62。利用SPSS软件进行正态分布分析，得到表2及图1。从表2得到单样本K-S检验Z统计值为0.500，渐近显著性水平为0.964，远大于0.05，因此教学评价结果符合正态分布。

（二）学生教学评价指标主成份分析

利用SPSS进行学生教学评价指标主成份分析后，得到表3。主成份分析法只提取到1个成分，且变量系数均接近1，因此可以认定本体系10项指标相互独立，影响较小。

（三）不同课程学生教学评价聚类分析

通过SPSS软件K中心聚类分析方法，将25门课程进行聚类分析，得到表4、表5。从表4可以看出，通过聚类分析，通过学生教学评价成绩将25门课程分为了2类，1类优秀成绩为15门课程，2类良好成绩为10门课程。表5则表示每门课程所属聚类。

（四）学生教学评价指标的聚类分析

通过SPSS软件K中心聚类分析方法，将学生教学评价十项指表每门课程的得分进行聚类分析，得到表6、表7。通过聚类分析，将评价指标分为了2类，指标1、2、3被归为类别1，可以看出主要是指教师的教学态度；指标4-10被归为类别2，主要考查教师的教学业务水平。

（五）不同学科类别科目学生教学评价差异性分析

根据课程不同性质，将参与评价的25门课程分为了学生思政（两课）类、文科（外语、语言等）类、理科（数学、物理等）类。

利用SPSS进行单因素方差分析。文科类课程与理科类课程学生教学评价成绩有显著性差异，且文科类课程得分要高于理科类课程。原因可能由于理科类课程需要大量逻辑思维能力，听障大学生可能在这方面有所欠缺，因此课堂教学效果不如文科类课程。此外，学生思政类课程与文科、理科类课程均没有显著性差异，其得分介于两者之间。

（六） 不同职称教师授课学生教学评价差异性分析

根据授课教师职称不同，将参与评价的25门课程分为了教授授课、副教授授课及讲师授课三类。

利用SPSS进行单因素方差分析。教授授课类学生教学评价得分与副教授、讲师授课类直接均存在着显著性差异，且总分均值要高于其他两类。可见，教授因为在知识、授课经验上的累积，其教学效果要好于副教授及讲师。副教授及讲师教学评价得分则无显著性差异。

四、结语

本文通过计算机软件等辅助手段，将原本多而无规律的教学评价数据进行了分析处理，获得了许多有价值的信息，这些都有利于教育管理进行优化管理，更好的做出决策，为强化教学管理、提高教学质量打下基础。本文只是在听障大学生教学评价过程中，利用计算机辅助手段进行分析的初步探索。教学评价是一项非常复杂的质量监控的过程，如何进一步利用计算机软件等为教学质量提供支持，有待我们继续研究。

参考文献

统计学的数据分析例6

统计活动的全过程包括数据的收集、整理与分析、推断活动。在教学活动过程，教师首先必须注重在各个年级的教学活动中，提供有效的活动时间与空间，精心创设情境素材，以便让学生经历统计数据的收集与整理活动，促使学生建立统计观念。由于现有的教材中有的已经提供了统计活动的素材与数据。因此教师在使用时，必须坚持让学生经历统计活动过程，让学生亲历统计活动。所以，在具体的教学时，教师应随着学生的知识与生活经验的增长以及学生生活环境的不同，在统计活动的内容和要求上进行适当的调整与改变，以增强统计活动的趣味性和有效性。如在一年级上册《我们的校园》的数学实践活动课中，教师既可以借助教材提供的素材教学，也可以结合本班学生的生活事例创设情境，组织学生经历不同的数数活动，对被统计的各个活动项目素材进行数据统计，而获得原始数据；接着让学生将收集到的数据用涂笑脸的形式进行数据记录，然后进行初步、简单的数据分析活动。在活动过程，教师要重在让学生认识数据统计的过程，对于统计的数据应当“不重复、不遗漏”，引导学生学习如何看图描述所呈现的数学信息以及如何提问题，培养提取信息与提问题的能力。在一年级下期的统计表与一格代表一个单位的条形统计图的教学中，在让学生经历数据统计活动的过程中，教师要引导学生从数据的收集过程中体会，并体验如何准确地进行数据收集，以及便捷、清晰的原始数据记录方法，才能保证所收集与整理的数据能实现“不重复、不遗漏”。

又如在二年级的复式统计表的教学中，教师可以本班学生体重增加的具体变化为素材，让学生亲历统计活动的过程。同样在以后各个年级的统计内容教学中，教师都应当注重让学生经历数据的统计活动过程，以使学生在体验活动中增强统计意识。在后续的各年级的《统计图表》的教学中，教师都要尽可能地让学生现场经历数据的收集、统计、整理活动过程，结合学生感兴趣的事项作为统计内容。从时间上看，由于课堂教学时空的有限性，统计活动可尽量安排在课内，也可设计为课内外的连接延伸。总之，教师应借助、利用学生身边的生活事例，组织学生进行数据的收集、整理和统计的活动，以增加学生对于数据信息收集整理的体验活动内容，促使学生建立统计意识和观念。

二、引导学生进行数据“对话”活动，发展统计观念

对于《统计图表》内容的教学，在实施新课程的教学之前，教师注重的是让学生死记硬背各种统计图表不同作用的条文，以及依教师提供的数据将统计图表补充完整，学生往往显现出被动学习统计图表的状态，根本谈不上培养学生的统计观念。课程改革后，教师要重在组织与引导学生对统计数据进行主动的“对话”活动，将有利于学生形成与发展统计观念。不但要让学生经历数据的收集和整理活动，同时要让学生结合所收集到的数据信息主动提出问题、进行数据分析、作出决策、进行交流、评价等数学活动。这里的“对话”并不是指传统教学中师生之间“一问一答”的被动式对话，而是要充分发挥学生的主体能动作用，对于数据文本进行主动的思考“对话”。同时养成与同伴或教师对统计结果的数据进行“对话”交流的习惯，从而让学生在经历“对话”活动中学会并进行数据分析，促进学生统计观念的建立。

另外，在各个年级进行相关统计内容的教学时，教师不但要组织学生参与数据的收集与整理，还应当在充分利用收集到的数据制作成相应的统计图、表后，组织学生对数据进行“对话”活动。如从一年级开始就应当引导学生学会如何观察统计图表的数据提出相关的数学问题，并解决所提出的问题。而随着学生知识与生活经验的增长，还应当引导学生学会如何依据数据的不同呈现对数据进行分析。如可结合教材的统计项目，先组织学生对，本班级同学的体重现状进行数据收集整理等统计活动，并制作成统计图表，然后引导学生对统计的数据进行分析。让学生对于超重与偏轻的现象产生的可能性进行分析，并提出初步的建议等。又如可结合班级学生对参加喜欢学科的统计活动，让学生结合参加的具体数据对偏科的现象进行分析与讨论，以使学生认识到要培养自己的全面素质的必要性。要让学生结合现实情境，学习并体会统计对决策的作用，培养学生的统计意识。

统计学的数据分析例7

中图分类号:TP311文献标识码:A文章编号:1009-3044(2010)08-1921-02

Analysis and Design of School Education and Teaching Evaluation System Database

PAN Guo-rong

(Changzhou Liu Guo-jun Higher Vocational and Technical School, Changzhou 213004, China)

Abstract: An evaluation database was designed based on the requriment analysis of the schooleducation and teaching evaluation system. It can realize themaintenance of the essential information, and the query and statistics of evaluation data. The needs analysis,conceptual design ,logical design etc. was disscussed in the entire design.

Key words: evaluation system; needs analysis; logical design; E-R diagram; relational model

学校教育教学情况测评是指学生对班主任教育情况及任课教师教学情况的评价,我校一直以来都非常重视学生对教师的评价。从1998学年开始,学校教务处会在每一学期的期中考试前或考试后,统一组织学生进行测评。最早采用的测评方式就是给每个学生发一张评价表格,测完后以班级为单位装订成册,供领导和教师查询,这种方式的主要缺点是查询不方便且无法统计分析;从2005学年开始,改为学生按评分规则填涂卡,教务处用读卡机读卡并统计,最后将所有测评情况汇总成册,供主要领导查阅,采用这种方式虽然能作一些统计,但统计方式单一、查询不方便,也耗费资源,班主任和众多任课教师很难及时、方便看到测评结果,尤其是学生对学校的意见、建议及评价信息。在学校加强信息化管理的大趋势下,学校于2008年初提出要开发一个基于计算机网络平台的学校教育教学情况测评系统(简称测评系统),以提高测评工作的效率,提升教学管理水平。

1 需求分析

需求分析是整个系统设计过程的基础,要收集数据库所有用户的信息内容和处理要求,并加以规范化和分析,这是最费时、最复杂的一步,但也是最重要的一步,它决定了以后各步设计的速度与质量。需求分析做得不好,可能会导致整个数据库设计返工重做。

测评工作在我校已开展多年,本人对测评过程也比较了解,该项工作的主要负责部门是教务处。教务室工作人员提供了原先使用的测评评价表(见图1)及测评情况汇总表,明确提出了对测评系统的要求,通过分析,主要有以下几方面的要求:

1)学生能在校园网上登录系统,并且每个学生登录的用户名及密码是不同的;

2)学生测评时是不记名的,并且只能对本班班主任及任课教师进行测评;

3)测评的项目见图1测评评价表所示,这些项目和分值是相对固定的,即项目数不变,项目内容和分值在不同的测评中会有所调整;

4)学校领导及教师能在校园网上登录系统并查询测评数据;

5)测评数据可以用多种不同的方式汇总并查询。

2 业务流程分析

根据对测评的需求进行分析,可以得出测评系统主要的业务流程如图1所示。

由以上业务流程,可以清晰地划分出三大处理部分,首先,教务部门人员在测评前要对本次测评所需的基本数据进行准备,即要维护好参与测评的班级、班级的班主任、班级的科目及任课教师等相关信息;其次,组织学生对班主任及任课教师进行测评;最后,领导和教师对测评情况进行查询。

3 数据库的分析与设计

3.1 概念结构分析与设计

概念结构设计是整个数据库设计的关键,通过对用户需求进行综合、归纳与抽象,形成一个独立于具体DBMS的概念模型。测评系统数据库概念设计的表达工具采用E-R模型,基本过程如下:

1) 按照业务流程分析中划分出的三大处理部分,可以确定主要模块。

教师情况数据维护:对教师(包括班主任及任课教师)的基本信息进行维护;

课程情况数据维护:对课程的基本信息进行维护;

班级情况数据维护:对参与测评班级的基本信息进行维护;

班级科目数据维护:对参与测评班级的所授科目情况进行维护;

系统用户维护:对系统用户的基本信息进行维护;

学生对班主任的测评:学生对本班班主任的教育情况进行测评;

学生对任课教师的测评:学生对本班任课教师的教学情况进行测评。

2) 确定实体集。

在教师情况数据维护中实体集合有:教师;

在课程情况数据维护中实体集合有:课程;

在班级情况数据维护中实体集合有:班级,教师信息;

在班级科目数据维护中实体集合有:班级信息,课程信息,教师信息;

在用户情况数据维护中实体集合有:用户;

在学生对班主任的测评中实体集合有:学生信息,班级信息,教师信息,班主任测评信息;

在学生对任课教师的测评中实体集合有:学生信息,班级信息,课程信息,教师信息,任课教师测评信息。

3) 确定实体集之间的联系。

学生是属于班级的,教师与班级之间可能有两种不同的联系,一是教师担任班级的班主任,二是担任任课教师,一个班级开设有多门课程,每门课程可以有1位或几位任课教师,通过分析不同实体之间的联系,便于设计数据库完整性约束。

4) 确定实体和联系的属性。

按前面分析及系统要实现的功能,可以设计出各个实体及联系的属性。学生是一个比较特殊的实体,从理论分析看,学生是参与测评的主体,系统中应该有这个实体,而从测评系统具体实际出发,测评时只需记录一个学号,不需要学生姓名等其他信息,因此,系统中不设计这个实体。

5) 画出局部E-R图。

分别画出班级选择科目及测评的E-R图,如图2、图3所示。

6) 集成局部E-R模型。

形成全局E-R模型,如图4所示,其中系统用户实体未画出。

3.2 逻辑结构设计

逻辑结构设计的任务就是把概念结构设计阶段设计好的基本E-R图转换为与选用的具体机器上的DBMS产品所支持的数据模型相符合的逻辑结构,并对其进行优化。

1) 将实体与联系转化为表。

在概念结构设计阶段已画出全局E-R模型,现在只要利用范式理论,将实体和联系转化为关系型数据库管理系统中的表,将实体中的属性转化为表中的属性。测评系统所选用的DBMS为Microsoft SQL Server2000,一般可以利用SQL语言来实现数据库、表、属性等的创建,并完成所有表及表之间的实体完整性、参照完整性约束和用户自定义完整性约束。

2) 数据模型的调整与完善。

数据库逻辑设计的结果不是唯一的,可以根据应用需要对设计结构进行适当的修改和调整,以期进一步完善设计,提高应用系统的性能。本测评系统中,学生测评完毕后,领导和教师要频繁统计查询测评结果,因此在表中增加适当的冗余是必要的。

4 结束语

数据库设计是管理信息系统开发过程中非常重要的一个环节,在进行数据库设计时,应该准确了解用户需求,以便设计出符合实际需要的数据库。本人开发的基于Struts框架结构的测评系统已经在学校成功进行了4次测评,在最近的一次测评中,有90个班级近4300名学生参与了测评,同时在线参测学生达400人,查询统计非常及时方便,大大提高了教学管理的效率和水平。系统的实际运行证明,测评系统中数据库的设计是规范的,运行是稳定的、可靠的,完全满足系统的要求。

统计学的数据分析例8

第三次一数组全体教研

教研组长

时间

2020年4月14日

地点

一年级数学教研组

主持人

记录人

参加人员

一年级全体数学教师

缺席人员

无

教研主题

统计教学重在培育儿童的数据分析观念

活        动        内        容        及        过                 

老师发言：

今年在疫情肆虐的情况下，大数据起到了非常大的作用，通过数据的收集和整理解决了很多的问题。那么我们本册教材的第一单元就安排了数据收集整理，让我们的孩子从小都意识到数据的重要性。统计教学对于我们低年级孩子来说，还需要老师的帮助和引导去确定分类的标准，再去进行分类和整理。在整理的过程中还要引导孩子们怎样做到不重复，不遗漏。教学中还应注重选择贴近儿童生活的真实任务，使他们在经历收集数据，整理数据和分析数据的过程增强应用意识，感受统计的价值！

统计教学不仅仅是让儿童认识绘制统计表、统计图。掌握计算平均数等知识技能。重要的是培养数据分析观念。

下面请大家勇跃发言！

老师发言：

对于统计表孩子们在分类统计着方面还是有点欠缺！有时候会找不到具体应该分哪两类！

老师发言：

从对吴正宪老师的讲课学习中，我体会到了数据分析观念的重要性，认识到了培养学生的数据分析观念，对于他们今后一生的发展的重要意义。对于学生数据分析观念的培养，要把培养他们运用数据解决问题的意识放在首位，通过紧密联系学生生活的教学方法，循序渐进地进行培养，在以后的统计与概率教学中，我会让学生通过数据分析、搜集整理来真正理解统计的意义，从而培养学生数据分析观念的素养，为他们今后进一步的学习打下良好基础。

老师发言：

通过学习吴老师的讲座，感受到统计教学和现实生活紧密相连。我们在教学中，不要单纯为了统计教学而进行教学，要让孩子们再具体情境中产生收集数据的欲望，并根据数据进行分析，找到解决问题的合适方法。

针对低年级学生来说，就算他们目前在统计上还不具备足够的知识，他们也不需要害怕，我们应该在他们很小的时候就开始学习统计。

统计的教学，其实不需要任何起点，我们只需要从学生感兴趣的问题开始，这与传 统数学课是非常不同的。在统计课上，学生除了学习统计知识外，更重要的是要体验统计过程。也就是提出问题，收集数据，分析数据，理解与推断，交流。孩子们可以提出非常简单的问题作为开始，要注意没有坏的问题。当然，问题可以在老师的帮助下有所发展。比如学生提出问题我们班最喜欢的电影是什么？老师可以说这是一个好问题，不过男生跟女生的答案可能会很不一样。当然，另一个重点是所提的问题要是一个基于数据的问题。学生还需要知道，提出问题后，需要获取好的数据，而有些数据是不容易获得的。所以孩子们需要对他们的问题有所规划，然后将需要研究的问题转化为具体的调查问卷，以便下一步的数据收集。

因此，统计教学培养孩子们的大数据观念，逐步提升孩子们的眼界，格局，做任何决定不是一拍脑门的盲目，而是有理有据分析、推理的结果。

郑海变老师发言：

通过学习吴老师的讲座明白了数学来源于生活，生活离不开数学。数据分析观念是统计思想的一个重要组成部分。学生数据分析观念的培养都离不开对生活中的数学问题的探究。这就要求我们培养小学生的数据分析观念，以数学的眼光解决一些实际问题。学生数据观念的培养，就是通过解决生活中的实际问题来实现的，最终以问题的解决为目的.

李景老师发言：

统计图表将数字信息用图表的形式直观的表达出来，使数据之间的关系得到直观的发展。统计图表在统计中发挥着较大的作用，并且呈现形式多种多样。教学中要让学生力求通过具体的操作活动体验统计的必要性和重要性。

统计学的数据分析例9

1 引言

 

甘肃省作为我国西部经济欠发达省份，以教育信息化带动教育现代化发展，坚持以深度融合、机制创新、企业参与、应用驱动为导向，在教育管理信息化基础建设、深化应用、创新融合方面，克服基础条件差等困难，努力实现跨越式发展。

 

认真贯彻落实《教育信息化十年发展规划(2011—2020年)》精神，(简称《十年规划》)。《十年规划》提出了我国教育信息化未来十年的8项任务和5个行动计划，这8项任务和5个行动计划又被概括为“三通两平台建设”。三通即：“宽带网络校校通、优质资源班班通、网络学习空间人人通”，两平台即“教育资源公共服务平台、教育管理公共服务平台” [1]。

 

2 甘肃省教育管理公共服务平台顶层设计

 

“十二五”期间，重点建立覆盖全省各级各类教育的基础数据库及其管理信息系统，为各级教育行政部门和各级各类学校提供教育管理基础数据和管理决策平台。

 

按照教育管理信息系统“两级建设、五级应用”原则，坚持“核心系统国家建、通用系统省级建、特色系统本级建”的建设模式。以甘肃省教育数据中心为依托，集中省级硬件基础环境、人员技术力量，统筹建设教育管理公共服务平台和教育资源公共服务平台，两平台硬件环境共建共享，充分发挥效益，为全省教育管理和应用提供服务。部级核心系统全面部署，省级通用系统基本完善，各级特色系统逐步推进。

 

在整体推进过程中，以硬件基础环境建设为基础，以保证国家核心系统部署与落地应用为第一要务，以省级通用系统建设与应用为特色，利用大数据统计分析为各级各类教育行政部门提供科学的决策服务，促进教育公平和教育现代化发展。

 

3 甘肃省教育管理公共服务平台基础运行环境[2]

 

为保障我省教育管理信息化的整体推进，向全省各级各类教育行政部门提供教育管理公共服务和基础数据支撑，从2010起，加强省级教育数据中心建设工作，为省级和不具备机房环境的市州提供网络基础环境。按照“国家教育管理公共服务平台《省级数据中心建设指南》”中总体要求进行建设，按照B类数据中心建设标准，建成了面积达250多平方米，安全、高效、节能、功能齐全、服务到位的省级教育数据中心。

 

4 甘肃省教育管理公共服务平台建设情况

 

从2013年截至目前，我省教育数据中心已部署的国家核心管理系统有：中小学生学籍管理系统、中小学校舍安全管理系统、学生资助管理信息系统、中等职业学校学生管理信息系统、学前教育管理系统、教师管理信息系统、基础数据库、应用支撑平台、安全运维监测平台等，基本完成了教育部要求的全部系统的部署。

 

5 运用技术手段，实现各系统数据挖掘整合

 

2014年在国家核心系统建设的基础上，为了便于各业务系统数据分析报表的查看和检索，我省专门开发了甘肃省教育综合数据监测系统，通过统一的教育管理数据监测平台，对所有业务系统数据进行监测，通过统一的门户平台进行展示。

 

该系统设计面向服务的体系结构(SOA)，使用J2EE和HTML5程序设计并且在数据的抽取、转换和加载运用了目前先进的ETL技术，通过对中小学学籍系统数据库、教师管理系统、中等职业学校学生管理信息系统数据库、校舍安全管理系统数据库的关联，动态提取各种数据，生成教育行政部门所需的各种统计报表。系统通过学生、教师和学校三个横向维度，按照学前、基础教育、中等职业教育和综合四个纵向维度，把各业务系统报表统一进行展示，并跨系统进行数据关联和对比，按照教育决策部门需要，灵活方便地生成的各种类型报表，按照折线图、饼状图、柱状图和数据报表等形式直观方便地进行展示。

 

6 利用大数据分析共享，提高社会公共服务能力

 

按照“核心系统国家建、通用系统省级建、特色系统本级建”的原则，进一步落实“一库五应用”建设目标，甘肃省在国家核心系统建设的基础上，对各孤立分散的业务系统数据进行跨系统整合，科学、精准、可持续的获取数据，深度挖掘分析数据，从而打造甘肃省教育管理数据监测服务系统，为全省教育行政部门提供科学有效的决策数据。

 

根据我省当前的信息系统实际情况，结合今后教育信息化的长远发展和规划，将各业务系统数据通过抽取、转换、加载等环节，加载到甘肃省教育管理数据监测服务系统中，满足甘肃省教育管理数据监测及分析需要。如：学籍系统、教师系统、校安系统、学期系统、中职系统等都是原始的基础数据，如要跨系统进行数据分析对比和提取，应了解：①农村六年制小学按照学生人数统计教师的分配情况，初级、中级、高级教师的分配情况，教师的年龄结构情况，音体美艺术类专业教师的分配情况。②根据学校片区分布和片区学生教师人数，分析片区学校布局是否合理。③通过小学入学人数、幼儿园入园和毕业人数、义务教育人口监测中适龄入学人数对比，分析入园和入学情况。④查看全省大班情况等。要得到这些分析报表，必须通过对各业务系统源数据进行动态抽取、转换、加载和分析，最后生成所需要的报表。

 

7 结语

 

统计学的数据分析例10

1 资料和方法

对我院2017年全年内分泌门诊糖尿病患者的处方进行抽取，每1周抽取1天，共52天。然后抽取周一到周五的处方5次，周六到周日的处方4次，最终共抽取了2788例患者的3629张处方，共包括9912条药品记录覆，其中降血糖类药物记录共6281条，非降血糖类药物共3632条记录。抽取的患者中男性1499例，女性共1289例，年龄为26～83岁，平均年龄为（55.6±3.8）岁。覆盖率达12.4%～13.9%。对所抽取的糖尿病患者的用药种类、频率、并发症、适应症进行处理分析。

2 ?Y果

2.1 内分泌门诊糖尿病患者联合用药情况分析

数据分析显示联合使用5种以内的药物进行治疗的患者共有2623（94.08%），使用5种以上的共有165例（5.92%），详细结果见表1：

由比较结果可知，使用5种以内的药物进行治疗的患者占抽取总数的大部分。

2.2 2017年内分泌门诊糖尿病患者使用降血糖药物的情况分析

在门诊糖尿病患者中使用较多的降血糖药物分别为二甲双胍、阿卡波糖、格列美脲、格列齐特、甘精胰岛素。

2.3 2017年内分泌门诊糖尿病患者使用非降血糖类药物情况分析

由表3可知，在门诊糖尿病患者中使用较多非降血糖药物分别为阿司匹林肠溶片、甲钴胺、氨氯地平、阿托伐他汀、硝苯地平。

2.4 2017年内分泌门诊糖尿病患者的并发症情况分析

由表4可知门诊糖尿病患者发病率较高的疾病分别为高血压、高血脂、冠心病、动脉硬化、骨质疏松。其中大部分为心血管疾病，该现象提示临床药师在进行药学监护时，在关注其他并发症用药的同时，更应加强对糖尿病心血管疾病的监护。

2.5 2017年内分泌门诊糖尿病患者使用的非降血糖药物对降血糖药物疗效的影响的分析。

在抽取的2788例患者中有412例患者联合使用钙离子拮抗剂，121例联合使用螺内酯、78例联合使用左旋多巴，以上联合使用的药物具有升血糖作用，因此对该类药物引起的血糖变化应该密切监测。154例联合使用β受体拮抗剂、106例联合使用氟喹诺酮类药物，以上联合使用的药物具有降血糖作用，同样需要医护人员的注意。有1例患者联合使用二甲双胍和地高辛，经肾小管排泌的阳离子药物地高辛理论上可能与二甲双胍竞争肾小管转运系统发生相互作用，需要注意地高辛剂量调整时对血糖的影响[1]。除此之外还有1例患者联合使用非诺贝特和瑞舒伐他汀，3例联合使用胰激肽原酶和血管紧张素转化酶抑制剂，对于体质较为虚弱的患者此类药物的联合使用可能会对患者造成一定的损害，使用时应严密监测患者的各种反应，因此用药时应充分结合患者的具体身体情况来选择药物。另外，影响患者降血压、降血脂药物的疗效的联合使用的药物同样需要严密的监测，如维生素D和钙的联用、他汀类药物和氯吡格雷的联合使用等。