序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇計算機大數據論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

在大數據時代環境下，信息的獲取和選擇、信息技術的掌握應用，直接影響知識的生產、科技的創新和成果的轉化。大數據時代對高校的教學、學生的計算機應用能力提出了新的要求。產業界需求與關注點發生了重大轉變，企業關注的重點轉向數據，計算機行業正在轉變為真正的信息行業，從追求計算速度轉變為關注大數據處理能力，軟件也將從編程為主轉變為以數據為中心。學生要學會對數據的去冗分類、去粗取精，從數據中挖掘知識，要能夠把大數據變成小數據，要在不明顯增加采集成本的條件下盡可能提高數據的采集質量。要研究如何科學合理地抽樣采集數據，減少不必要的數據采集。

二、大數據時代背景下的教學策略

（一）營造適合學生全面發展的軟硬件環境信息時代的發展使得高職院校圖書館和數據中心具備了大數據的特征。科學研究和科技創新越來越依賴于對數據的管理和利用，打造良好、適宜的軟硬件環境是提高職業院校學生信息素養的基礎。目前互聯網技術及應用普及度較高，建設智慧校園可為學生提供更多的接觸信息資源的機會。加強高職院校數據中心和網絡中心的建設力度，在依托傳統圖書館文獻存儲量的基礎上，增加館藏圖文電子數據、電子文獻與多媒體文獻，打造信息化圖書館，為學生提供多元化的信息資源與服務。加強校園社交網絡平臺的建設，利用微信等新型傳播媒介，采用主動推送的方式傳遞正能量，提供有益于學生健康成長的信息，監控、屏蔽不良信息的傳播，過濾影響學生身心健康的不良信息，構建適合高職院校學生學習的良好環境。

（二）發揮數字化圖書館在教育過程中的核心作用數字化圖書館的建設是圖書館業今后發展的主要方向。數字化圖書館也是一個科技含量較高的系統工程，高職院校各級領導應正確認識，加強資金投入，充分發揮其對教育過程的支持作用。數字化圖書館的典型特征是存儲數字化、操作計算機化、傳遞信息網絡化、信息存儲自由化和結構連接化，可與高職院校的基礎建設可以同步推進。在建設與發展過程中，教師要積極引導學生充分利用數字化信息資源。學生在使用數字化圖書館的過程中會產生一系列的行為特征數據。通過對學學習路徑和學習偏好的數據分析，根據其特點與實際量身設計合理的信息資源智慧導航，從而為學生學習新技術、新知識提供個性化的服務。

（三）加強學生創新能力的培養在知識經濟時代，創新決定著一個國家和民族的綜合實力和核心競爭力。培養具有創新能力、實踐能力的高素質技能人才，是高職院校人才培養的一個重點方向，也是高職辦學的特色及亮點。創新能力培養的關鍵是創新思維的培養，而創新思維的核心在于思維的獨特性和新穎性。在大數據時代，學生面臨眾多數據資源。教師需要對學生提供專業的指導，讓學生學會利用互聯網技術和計算機軟件工具解決實際問題，在解決問題的過程中培養創新思維。高職院校應努力營造創新教育環境，結合創新教育，大力推進素質教育。將“小發明、小創造”“大學生實踐技能展演”“大學生才藝展示”等活動納入校園文化活動中。組織學生參加各行業舉辦的職業技能大賽，實現從應試教育向素質教育的轉軌，培養實用型、創新型的復合技能人才。充分重視學生的個性發展，建立專業的師資隊伍對學生的創造發明活動給予強有力的技術指導。對于技術含量高的、有市場推廣價值的創造發明活動，要引導學生進行自主創業，帶動就業。加大創新教育課程的開發與建設力度，強化學生創新能力的培養。

（四）培養學生對信息技術的興趣與愛好興趣是最好的老師，是激發學生學習積極性的動力，是激發創新能力的必要條件。學生只有對身邊的事物發生了興趣，才會活躍思維，激發潛力。在課程設計中加入了生動、形象、貼近工作、貼近生活的典型案例，可以有效地激發學生的學習興趣，讓學生樂在其中，愉快地完成學習任務。教學實踐環節也應緊密圍繞著學生熟悉的事物、案例來開展教學。授課教師應了解信息技術在行業的實際應用狀況，根據不同專業的特點，結合學生，的知識體系結構精心準備授課內容，確定課程的重難點。在教學過程中，通過師生互動了解學生對課程內容的掌握程度，因材施教、精選案例、突出重點，從培養學生興趣與愛好入手，讓學生在輕松、愉悅的課堂教學中學習信息技術在專業領域的最新應用，了解最新的前沿學科理念，學握較新的實用技術。教師如果在教學活動中能及時、準確地解決學生在學習實踐中遇到的疑難，并指導他們完成實訓內容，將有助于學生在學習過程中獲得成就感，激發學習的積極性、主動性和創造性。教師動手實踐能力將使得更多的學生得到有效指導和幫助，實現高質量的課堂教學。

（五）探索高效教學模式根據高職人才培養目標的要求，計算機課程的教學需要與時俱進，隨著各行業大數據產業的不斷發展與應用而不斷進行調整、創新。通過對學生在校期間學習、生活的軌跡進行搜集、整理，形成基礎數據，進而分析他們的學習行為、學習喜好和思維模式，制定適合他們全面發展的教學方法，有針對性地培養和提高他們的計算機應用能力。利用各種輔助軟件，開展行之有效的教學實踐活動，讓學生在“做中學，學中做”。提高各專業學生的計算機應用操作能力，使他們掌握互聯網技術、計算機信息技術、電子商務等。以醫學影像技術專業為例，學生既要學會影像閱片操作，又要掌握最新的X線機、CT、MRI等先進檢查設備的使用與操作。如果能夠將醫學影像技術專業與計算機應用實踐教學相結合，找出兩者的學科交叉點，構建適合時展需要的復合型人才培養模式，將會起到事半功倍的作用。在大數據的背景下，各行各業都需要利用信息技術，特別是數據庫技術、大數據分析技術，用以改變生產、經營、管理、工作、生活等的方式。因此各專業的畢業生都面臨著行業對大數據的使用與開發的迫切需求。培養學生解決問題的實際操作能力，顯得尤為重要。在專業課程的教學中，通過對大數據的應用與計算機應用技術的滲透，不但能激發學生學習專業技能的積極性，而且可以引導學生形成應用計算機解決專業問題的思維模式，對他們將來適應大數據環境下工作具有積極的引導意義。以專業培養目標為基礎，合理對計算機課程進行設置與安排教學，將大數據知識、信息技術知識、計算機應用知識融入到各課程的教學中，構建適合高職類學生學習特點的高效教學模式。

（六）加強師資隊伍建設加強師資隊伍建設是提高學生計算機應用能力的關鍵。計算機應用基礎課程的教師，首先應該是計算機應用方面的專家，既能掌握扎實的理論基礎知識，又能熟練地操作計算機，善于使用相關行業軟件。在教學中能夠起到良好的操作示范作用，給予學生無形的感染力和號召力，增強學習的主動性與積極性。在實踐教學過程中，計算機任課教師不僅要與專業課教師緊密合作，整合校內已有的專業資源和信息技術資源，充分利用好大數據，而且要與行業、企業加強聯系，采取走出去、引進來的方式，讓學生在校期間就能充分接觸各種面向實際應用的信息技術產品與工具。學校要制定行之有效的師資隊伍培養計劃，緊密結合企業、行業的實際需求，建設“雙師型”教師隊伍，加強現代信息技術應用能力培訓。教師應深入企業、行業，了解企業人才需求，了解企業使用的最新應用軟件動態與進展，充分利用好企業、行業大數據資源的研究最新成果，更新知識結構，提高實踐操作水平。

篇(2)

統計學論文2300字(一)：統計學方法的發展及其在大數據中的應用論文

【摘要】現階段，統計學方法在我國企業管理中有廣泛應用。本文嘗試對統計學方法的誕生以及發展情況進行了簡要的分析，同時還對統計學方法在現今大數據時代的應用情況進行了探索。

【關鍵詞】統計學方法發展大數據應用

對于統計學方法來說，誕生的最初只是為了進行單純的計數以及描述，隨著統計學方法的不斷發展，其所涉及到的內容更加多樣化。在統計學家以及各個領域專家的不懈努力之下，統計學方法正在不斷的進步以及完善，在實際應用的過程中也發揮出了較為理想的效果。在現階段大數據的時代背景之下，對統計學進行深入探究是非常重要的，會對今后多個行業的快速發展起到促進作用。

一、統計學基本發展探析

對世界統計學的發展情況進行分析，會發現，其與科學界的發展趨勢較為類似，隨著統計學的不斷完善，也開始與其他科學進行融合發展。對統計學進行總結，可以發現，其主要具備兩個基本結合趨勢，即與實質性學科結合的趨勢以及與計算機學結合的趨勢。對于統計學來說，其與經濟學結合發展我國有廣泛的應用，并且產生了經濟統計這一專業；而統計學與教育的結合產生了教育統計。對于這些分支學科來說，其具有雙重屬性。一方面是統計學的分支；另一方面是實質性學科的分支。隨著計算機信息技術的不斷發展，其運算能力不斷提升，這也使得大規模的統計調查工作在實際展開的過程中取得了理想效果，不僅保證了數據計算的準確性，同時也保證了計算的高效性。因此，在進行統計學技術研究發展的過程中，與計算機技術的深入結合應用是重要發展途徑。通過對計算機軟件的有效應用可以使統計計算過程中一些疑難的部分得到有效解決，同時也使得統計計算的展開更加方便。從現階段我國經濟類統計專業的教育情況來看，一方面在對統計方法進行創新教育，另一方面在對學生利用商品化統計軟件包裝能力進行提升。由此我們可以看出，在今后統計學的發展過程中，勢必不能離開計算機技術的支持。在今后統計學相關專業的教育過程中，應該對學生的計算機程序設計以及利用能力進行培養提升，使得在展開統計工作的時候可以通過統計模型的編程來實現。

二、統計學方法在大數據中的應用趨勢

（一）統計學方法及相關領域的動態分析

目前，國內外對統計學都有較為廣泛的應用，主要應用在教育行業、生產制造行業以及企業管理當中，取得了較為理想的應用效果。根據CNKI數據庫中統計方法、機器學習分布情況可以看出，在機器學習領域的論文數量從2013年以后一直呈現出持續增長的勢頭，并且在2016年超過了統計方法領域的論文數量。由此可以說明，我國在機器學習領域的發展速度正現出穩定提升的趨勢，反映了我國在大數據領域研究方面越來越深入，所應用的研究方法也開始呈現出多樣化的特點。從總體上來看國內在統計學方法研究過程中已經取得了階段性的成果，并且其所面臨的拐點與國家上的統計學發展拐點基本保持一致，大概都是在2013年開始對大數據以及將其學習等方面有了深入的探究，并且開始逐漸取得突破性的成果。而機器學習方法的論文數量都是在2016年開始超過統計方法的論文數量。但是與此同時，我們也看出其差異性也很明顯，國內在統計方面研究的論文以及在機器學習方法方面研究的論文與國際相比較尚且存在較為明顯的差距，并且這種差距呈現出了持續性的特點，這也使得我國在這兩個領域方面還有很大的發展空間。

（二）統計學方法及相關領域研究方向分析

經過對CNKI數據庫中的統計方法以及大數據領域期刊論文分布情況進行分析之后，可以看出，統計方法領域中出現頻次最高的是“統計分析”以及“數理統計”、“人工智能”；在大數據領域出現頻次較高的是“云計算”、“圖書館”以及“物聯網”等關鍵詞。通過上述關鍵詞來看，其所涉及到的內容都是反映當前我國統計以及大數據技術所研究的重點以及熱點，同時我們也可以看出，現階段我國在統計與大數據領域方向的研究存在著一定的重合。在進行的數據研究的時候，需要應用到統計學方法，同時統計學方法在利用的時候往往也需要與大數據進行結合。

（三）統計學方法的發展展望

有數據的地方勢必就會涉及到統計學。從17世紀開始，國勢學派以及算數學派的爭論到今天大數據計算、計算機技術的相互作用，使得統計學的內容正在不斷完善，并且其應用領域也在不斷擴大，隨著大數據時代的來臨，使得傳統的統計學發展方向發生了一定轉變，開始從小樣本的統計推斷分析走向大數據量的挖掘分析，從而使其所掌控的數據量不斷提升。在未來統計學方法發展的過程中，應該注意將統計學與新的數據思維相結合，從而產生一種新型的、應用范圍更廣的大數據算法。從現階段我國大數據方法創新發展的情況來看，其與國際研究在深度以及廣度上還存在不小的差距，這也恰恰說明了我國在大數據統計學方面還有很大的進步空間。現階段，國內的大數據研究更多的是停留在信息化產業上，與其他行業的融合發展趨勢尚且不明顯，這也使得信息服務以及數據產業的創新發展受到了一定影響。在今后統計學發展的過程中，其研究熱點勢必會從數據分析以及數據發掘向算法方向轉移，這樣也使得大數據技術與統計學方法二者之間的聯系更加緊密。

結束語

綜上所述，我國統計學方法在今后發展過程中應該充分考慮到實際需求，積極適應時代變化，現階段大數據時代已經全面到來，并且大數據技術在我國有廣泛應用，在實際應用的過程中取得了較為理想的效果。將大數據與統計方法進行結合可以使統計學方法的作用得到更好的體現，也使得統計學方法不斷的進步以及拓展，在大時代背景之下，其功能性得到了更加充分的展現。

統計學畢業論文范文模板(二)：線上線下混合式教學在生物統計學教學中的實踐與研究論文

[摘要]為提升生物統計學課程的教學水平，針對傳統生物統計學教學中的局限，分析和實踐基于線上網絡教學+線下面授教學的混合式教學模式在生物統計學教學中的應用策略和方法。實踐表明，通過線上+線下的互動與教學，能激發學生學習的興趣與動力，豐富生物統計學的教學形式與內容，促進生物統計學教學質量的提升。

[關鍵詞]線上線下；混合式教學；生物統計學；實踐

[作者簡介]嚴明（1981—），女，重慶人，博士，講師，研究方向：生物技術。

[中圖分類號]G642[文獻標識碼]A[文章編號]1674-9324（2020）25-0273-02[收稿日期]2020-03-18

生物統計學是生物醫學類專業的必修課程，學生通過學習本課程掌握實驗設計的原理和方法，并學會對實驗數據進行統計分析和處理。然而，生物統計學涉及到大量基礎理論，單純通過教師講解，學生理解度較低，學習效果不佳。如何在有限的課時內，改革傳統的以講授為主的教學方式，有效提高教學效果是生物統計學教學亟待解決的難題。

近年來，隨著互聯網信息技術的發展，一種基于線上網絡教學+線下面授教學的混合式教學模式應運而生。該模式可避免傳統教學模式中以教師為主導，學生學習主動性差的缺點，又可克服學生完全在線學習缺乏監管、學習效果不佳的困難。本文嘗試將混合式教學方法運用到生物統計學教學中，以期在有限的教學時間內最大限度實現教學目標，提升課程教學效果。

一、線上線下混合式教學的概念及內涵

線上線下混合式教學是一種新興的教學模式，授課教師利用網絡教學平臺向學生提供教學視頻和課件等教學資源，并設置作業、調查等互動模塊，學生利用課外時間自主完成學習任務，并通過平臺與教師交流。在線下課堂，教師根據學生在線學習的情況，對疑難問題進行有針對性的講授，幫助學生理解、掌握教學難點。

線上線下混合教學模式打破了教學的時空限制，學生可以靈活安排學習時間，通過學習在線資料提出問題，并帶著問題進行課堂學習，有效提升學習效率。線上線下混合教學還可幫助教師動態掌握學生學習情況，生成客觀的過程性評價材料，并豐富課程的教學形式，拓寬教學路徑，因此正逐漸成為高等教育領域的一大趨勢。

二、生物統計學課程教學面臨的困境

1.教學時長受限。目前，本校生物統計學面向生物醫學工程和醫學信息工程專業開設，每學期共32個課時。由于教學內容抽象，而且學生要通過大量實踐才能掌握統計學原理在生物研究中的應用，因此，教學難度高，課堂教學時間很難滿足教學需求。

2.教與學不同步。傳統教學模式下，教師與學生之間的溝通以課堂為主，教師按照教學安排按部就班地進行教學，對學生需求重視不足；學生缺乏主動反饋的意識，教師很難掌握學生的真實學習狀況，教與學處于不同步狀態。

上述困境對如何拓展教學時間，完成課程教學并指導學生學以致用提出了新的挑戰。

三、線上線下混合式教學在生物統計學教學中的實踐探究

1.構建線上教學平臺，實現課前線上自主學習。授課教師首先以超星泛雅平臺和學習通APP為依托構建線上教學平臺。教師在平臺上將課程每章的重難點列示出來，搭建課程框架體系，并上傳包括課件和教師根據課程知識體系錄制的教學視頻等資料。教學視頻時長控制在15分鐘以內，并保證精煉、易懂，讓學生不會因視頻過長而放棄觀看，提高學習時效。同時，在教學平臺提供視頻配套的課件資料，方便學生下載并配套觀看。教師還在平臺設置了視頻彈幕問答和闖關式章節測試，學生通過答題和測試后才能進入后續章節的學習。

在教學實踐中發現，線上教學平臺還可以為理論教學提供良好的拓展實踐平臺。教師可以在線上平臺提供實驗設計及實驗數據分析的實例供學生練習，實現對課時壓縮的有效彌補。學生普遍反映網絡教學平臺十分有利于自主學習，尤其是遇到知識難點時，學生可以通過反復線上觀看教學視頻來幫助理解，能達到較好的學習效果。

此外，線上教學平臺可以通過視頻回放次數、測試完成程度等數據統計幫助教師了解學生之間的差異性，既方便教師掌握學生學習狀態，分析存在的問題，也為線下課堂教學提供依據，在后續教學中因材施教，滿足不同層次學生的個性化學習需求提供依據。

2.線下檢測自主學習效果，實施針對性教學。采用線上線下混合模式教學，課堂教學的任務發生轉移。教師要集中精力對知識點進行梳理和歸納，并針對重難點以及學生在線上學習過程中的困難進行答疑解惑和查漏補缺。在教學實踐中，為完成上述任務，在每個章節的線上學習完成后均安排答疑和小組討論，讓每位學生通過多種方式修正和完善遺漏或理解錯誤的知識點。全部授課結束后，授課教師向學生發放了關于教學效果的調查問卷，結果顯示，78.2%（18/23）的學生認為采用混合式教學方法可以把重要知識點學透，在課堂上有更充裕的時間進行消化吸收，更有利于教學內容的掌握。

在線下教學中，教師還對教學場景進行了編排和優化。教師提供具體的實驗案例，并以某一具體實驗案例（如抗癌藥物篩選）為背景貫穿整個課程教學始終，模擬真實實驗場景，讓學生從實驗參與者的角度設計實驗流程、整理實驗數據、統計分析和解讀呈現的全部流程。幫助學生實踐生物學研究提出假說—實驗驗證—得出結論的基本流程，理解生物統計學對生物學研究的重要指導作用，培養學生知識遷移、應用和分析并解決科學問題的能力。

3.課后回顧學習并提升。在課堂教學完成后，師生的教學活動都還沒有結束。教師要對線上線下教學過程中容易出現的問題進行整理總結，并將解決方案到網絡平臺，供學生回顧性學習。學生要對課堂上遇到的問題，搜集學習資料進一步思考和鞏固。教師還要對學生課后學習情況進行挖掘，并根據學生的不同情況進行個性化的學習支持。對于有困難的學生，教師要單獨輔導和監管，幫助學生完成課程學習；對于學有余力的學生，可以鼓勵學生走進實驗室，跟隨教師的科研工作，完成真正的動手實踐，實現素質提升。最終通過師生配合，完成對課程教學效果的提升。

4.教學考核。由于教學形式發生變化，課程的教學考核模式也要隨之做出調整和改變。在實踐中，教師改變傳統的期末考核模式，充分利用線上線下教學記錄，實現全過程考核。考試成績包含網絡平臺學習考核（25%）、線下課堂表現（25%）和期末閉卷考試（50%）三部分。其中網絡平臺學習考核由系統根據學習時間、頻率以及測試情況生成；課堂表現根據學生聽課及參與討論情況，綜合學生互評和教師考核給分。上述考核方式，降低了期末考試在總成績中的比重，更加側重于學生的平時學習積累和實踐能力的培養。因此，可避免學生“突擊考試”的僥幸心理，促進學生向平時主動學習轉變，更符合現代教學模式和人才培養的需求。

篇(3)

1計算機網絡安全在大數據系統中應用的必要性

1.1大數據系統中網絡問題層出不窮

大數據背景下，人們的工作、生活及學習模式發生了很大改變，但人們的網絡安全意識有待提高。在人們迫切追求在網絡環境中的便捷性體驗時，只要忽視了網絡安全隱患，就必然會導致大數據系統安全問題層出不窮。在計算機系統配置中，網絡軟件安全性整體偏低，導致人們的重要信息很容易受到攻擊而導致泄露。黑客與病毒的入侵，也惡化了大數據系統中的網絡環境。當軟件和程序存有漏洞，就很容易遭到病毒入侵。一旦大數據系統網絡監管力度不夠，網絡環境的安全性就更難以保障，導致大數據系統中網絡問題接二連三地出現。

1.2計算機網絡安全為大數據系統安全提供了無限可能

計算機網絡安全，可有效保證大數據系統的穩定安全運行。大數據主要是信息技術下的一種產物，通過儲存和處理信息，在大數據系統中俺找人的需求呈現信息，進而為個人與企業發展提供數據依據。在大數據系統中，信息數據是其運行的根本因素，同時信息安全也是計算機網絡安全的主要內容，可以說，計算機網絡安全是大數據系統安全運行的根基。對計算機用戶來說，大數據通過收集個人信息并分析，依據人的喜好來推送相關的數據。一旦這些涉及用戶隱私的數據被不法分子非法使用，必然會威脅到計算機用戶的根本利益。對企業來說，通過收集企業各項數據并為企業發展提供數據支持，這些數據不免涉及企業的核心機密與市場競爭力，一旦這些數據泄密，必然會對企業造成致命性打擊。所以，計算機網絡安全，在很大程度上保證了大數據系統安全，對企業與計算機用戶信息安全都有著全面保障作用。

2計算機網絡安全在大數據系統中的具體應用及改進策略

2.1計算機網絡安全在大數據系統中的具體應用

一般來說，計算機網絡安全在大數據系統中的應用，應充分認識到大數據系統運行中面臨的各種網絡安全問題。從預防與解決網絡安全問題的角度實現大數據系統的安全運行。確切來說，計算機網絡安全在大數據系統中的具體應用，可從數據管理、數據分析、防火墻應用及區塊鏈防篡改技術等說起。計算機網絡安全在數據管理中的應用：計算機網絡安全在數據管理中的應用，主要是確保數據的完整性與安全性，避免出現數據被黑客與病毒入侵而面臨著各種威脅。如在大數據系統中對用戶身份進行認證，其數據信息管理時，以設定好的網絡ID為主，只要登錄時進行網絡ID認定，就能避免網絡ID被不法分子登錄，也杜絕了不法分子毀壞數據及盜取數據的行為。大數據系統中身份認證過程中，以密碼和特殊口令的方式來認證，就大大地提高了數據管理的安全性。身份認證技術應用時，能對需要處理的信息加密，當信息一旦被盜用，也無法正確認證身份而使用信息。計算機網絡安全在數據管理中的應用，只要面臨著黑客攻擊，就能全面分析黑客攻擊的手段，并充分運用數據信息抵御黑客攻擊，全面保護大數據系統中網絡環境的安全。計算機網絡安全在數據分析中的應用：計算機網絡安全可用在數據分析中，用來保護大數據系統的安全性。數據分析通過運用統計手段整合和處理數據，進而提取到有效的數據，在分析和整理后得到相關的結論。大數據系統中，數據分析用以保證數據的安全和完整，并確保數據的可靠性。計算機網絡安全技術在數據分析中的應用，在很大程度上提升了數據分析的效率與質量，額保證了數據的準確性。數據分析中應用計算機網絡安全技術，應加強大數據系統中的網絡安全監管，積極地運用數據挖掘安全技術，全面分析用戶日常行為，及時地跟蹤和警告可能產生安全風險的操作，并告知用戶。防火墻技術、區塊鏈防篡改技術在大數據系統中的應用：計算機網絡安全技術在大數據系統中的應用，通過運用防火墻技術和區塊鏈防篡改技術，提高大數據系統網絡安全的強度。計算機網絡安全的基本保障來源于防火墻技術，幾乎每一臺計算機都配備了防火墻。計算機網絡安全在大數據系統中的應用，通過為計算機網絡提供安全保護，把計算機和計算機外網分離開來，分別分析計算機外網傳達到計算機本身的相關信息，只要鑒別并確認后，對其進行攔截或者是放行。防火墻技術用于大數據系統中，可起到對病毒隔絕作用。區塊鏈防篡改技術的應用，通過在每個新區塊上設置數據指紋，并讓每一個區塊之間形成一種鏈條結構，只要區塊中的數據被篡改，就會導致下一區塊的數據指紋變動，這就無法完成用戶身份認證，進而確保數據信息的完整性與保密性。

2.2計算機網絡安全在大數據系統中應用的改進策略

計算機網絡安全在大數據系統中的應用，應全力解決大數據系統中面臨的各種網絡安全問題，實現大數據系統中的安全防控。具體來說，計算機網絡安全在大數據系統中的應用，可從幾點做起：提升網絡安全防范意識：大數據環境下，人們使用計算機網絡時，只要網絡安全意識薄弱，就很容易處于不安全的網絡環境中。尤其是青少年和中老年群體，計算機網絡防范意識相對薄弱，很容易在網絡環境中遇到信息泄密與信息被盜等問題。那么，要想確保大數據環境的安全有效，每個人都應增強自身網絡安全意識。社會也要積極地宣傳計算機網絡安全知識的宣傳，以宣傳的方式幫助人們提升安全意識，并做好計算機網絡防范工作。提倡青少年和中老年群體，在使用計算機網絡時，盡可能地把密碼設置得更復雜點，起到對計算機網絡用戶賬號的保護作用。加強計算機網絡安全人才培養工作，充分發揮出網絡安全人才優勢，做好網絡安全建設，降低計算機網絡安全風險率。加強病毒檢測防御：在大數據環境下，對計算機安裝先進的軟件，實時監測計算機網絡運行的安全性。如在計算機上安裝防火墻和殺毒軟件，定期監測和防范病毒，提升計算機網絡的安全性，全面保障人們信息的安全。對重要信息進行密鑰處理，即便信息被盜也會在沒有密鑰情況下無法打開。增強計算機網絡監管力度：在網絡環境中建立網絡監管制度，用于提升網絡環境的安全度，并盡可能地消除網絡環境面臨的安全隱患。以法律法規為依據，做好網絡安全控制，定期優化和完善網絡安全，確保大數據系統的安全運行。因此，計算機網絡安全對大數據系統來說至關重要。在大數據系統中應用計算機網絡安全技術，應格外重視計算機用戶網絡安全防范意識的培養，并做好病毒檢測防御工作，加強計算機網絡監管力度。

篇(4)

關鍵詞：推薦系統；云計算；數據挖掘；個性化

中圖分類號：TP393 文獻標識碼：A DOI：10，3969/J.issn.1003-6970.2013.03.001

本文著錄格式：[1]郭平，劉波，沈岳，農業云大數據自組織推送關鍵技術綜述[J].軟件，2013，34（3）：1-6

0 引言

隨著物聯網、云計算、下一代互聯網等新一代信息技術的快速發展和信息內容的日益增長，“信息過載”問題愈來愈嚴重，推薦系統（recommender systems）被認為可以有效的緩解此難題，幫助用戶從海量數據中發現感興趣信息，滿足個性化需求。

近年來，我國在農業個性化知識服務服務領域從本體論、語義網、知識工程角度開展了廣泛的研究，成果主要體現在三個方面：以搜索引擎為代表的知識檢索系統，需回答大量預設問題進行知識推理的專家系統，特定領域應用系統，它們在各自的場合都發揮了積極作用。然而知識檢索系統不能滿足用戶個性化需求，專家系統的應用很難普及，特定領域應用開發成本高和重用難度大。物聯網與數據挖掘云服務提供知識服務云實現物理世界的“感知控”，知識服務云的研究主要集中在制造和圖書情報領域，云環境下的農業個性化知識服務的研究尚處于起步階段，主要集中在服務模式的構建與展望。

本文是對科技部科技支撐課題“農村農業信息化關鍵技術集成與示范”（2011BAD21803）與“農村物聯網綜合信息服務科技工程”（2012BAD35800）研究成果的總結，也是對農業云推薦系統研究的升華。

1 農業云大數據自組織區域推送的提出

1.1 農業信息資源特點

我國自“十一五”時期以來，農業農村信息化發展取得了顯著成效，主要表現在農業農村信息化基礎設施不斷完善、業務應用深入發展、物聯網技術在農業中逐步推廣應用等方面。從中央到省，市、縣建立了“三農”綜合信息服務平臺，涉農企業、組織和科研院所也積極搭建了各具特色的農業信息服務平臺，目前正向鄉鎮村發展。農村信息員隊伍及以農業綜合信息服務站和農業合作社為代表的農村信息服務機構發展迅速，“三電合一”、“農民信箱”、“農村熱線”等信息服務模式應用深入。云計算利用海量的存儲能力把農業信息資源形成高度集成和虛擬化的計算資源一“農業知識聚合云”，支持用戶在任意位置、使用各種終端方便獲取信息，但由于農業領域生態區域性和過程復雜性及農業區域發展不平衡和農民文化的多層次性也帶來了“信息過載”、“資源隱晦”“資源迷向”等問題。

1.2 農業云環境下大數據自組織區域推送

物聯網和云計算背后是大數據，在云計算模式下，用戶不確定的、智能的交互，個性化需求更加多元化，信息交互行為更加頻繁；在大量用戶通過社會標注達成共識的過程中，逐漸形成不同社區，涌現出群體智能，形成“農業用戶興趣社交云”。利用云的海量存儲、群體涌現智能、強大的計算能力和物聯網感知控優勢，可以提供面向用戶復雜分析計算，實現業務重點由面向應用和資源的傳統信息服務，轉變為基于對海量農業知識進行動態劃分，有目的、主動、定制、自組織推送給有需求的農業用戶，為農業用戶提供實時性、個性化知識服務，指導農業生產過程。

首先以Hadoop+MapReduce+HBaSe分布式框架為處理平臺，對“農業用戶興趣社交云”，融合用戶興趣偏好和社交網絡進行建模，將這些多元用戶信息充分融入推送系統會更好產生推薦結果；將推薦對象“農業知識聚合云”按農業知識高維性、多樣性、多層次性特征分類聚類為各種知識塊靜態和動態元數據；通過智能算法推薦和社會網絡推薦為用戶發現個性化內容；根據用戶的地理位置、用戶服務的評價以及云基礎服務提供商信息將預測值最高的服務推送給用戶實現與物理世界的互動（如圖1）。

從以上分析可知，農業云大數據自組織區域推送的關鍵技術有用戶興趣模型、推薦對象模型，推薦算法、數據挖掘四個部分，以下分別對這幾項技術進行論述。

1.2.1 用戶興趣模型

用戶興趣建模是個性化服務技術的基礎和核心，包括數據收集、模型表示、模型學習與模型更新。用戶興趣建模的方法有很多，常用的有向量空間模型、神經網絡、遺傳算法、用戶一項目評價矩陣、基于案例的表示、基于本體論的表示、基于加權關鍵詞的表示，基于社會網絡的表示等。幾乎每種表示形式都是以一種私有形式進行知識表示，此外一些表示技術還依賴于模型學習，如廣泛使用的基于向量空間模型的表示與TF-IDF學習技術聯系在一起。表示形式的私有性和對學習技術的依賴性阻礙了用戶模型在系統間的共享，這種共享對于減少用戶建模工作量，提高推薦算法啟動效率具有重要意義。因此開發獨立于模型學習技術的通用用戶模型表示技術是目前研究中熱點，基于語義網和社交網絡的用戶模型在這方面表現了優勢。

用戶的興趣或需求會隨時間、情景發生變化，結合長期和短期興趣及興趣的變化用戶興趣建模的重點，目前的更新機制很難及時跟蹤用戶興趣的變化，有更好的學習效率和動態變化適應能力的建模是未來的重要研究方向，國內外大量的文獻對此展開了研究，遺忘函數、時間窗、用戶興趣的漂移特性等被提出。

在湖南農業云中，基于呼叫中心、互聯網，手機報、手機短信，電視廣播等用戶在多應用系統中形成的興趣偏好和社交網絡特征，提出“農業用戶興趣社交云”建模思路：以圖論模型表示用戶“興趣圖”數據和“社交圖”數據，根據經典的局域世界演化理論，綜合考慮實際情況中用戶之間的多重關系和關系的強弱程度，以用戶之間相似度為節點連接概率因素，生成動態多維網絡，進行用戶數據的挖掘和更新；結合農業本體，在多維社交網絡的基礎上，將基于農業本體的區域用戶興趣融合在云計算平臺上進行處理。

1.2.2 推薦對象模型

推薦本質上是將推薦對象的特征與用戶的興趣偏好進行推薦計算，所以推薦對象的描述和用戶的描述密切相關。推薦系統應用不同領域，它推薦的對象也就各不相同，目前，湖南農業云主要是文本性數據；不同的對象，特征也不相同，目前沒有一個統一的標準來進行統一描述，主要有基于內容、分類、聚類的方法。

基于內容的方法是從對象本身抽取信息表示對象，常見的是向量空間模型，使用最廣泛的是加權關鍵詞矢量方法進行特征選取，使用TFIDF計算每個特征的權值。向量空間模型對模型中的特征詞進行權重估計（TF-IDF）過程中不考慮特征詞之間的相關性，直接用特征詞作為維度構建文檔向量，降低了文檔向量對文檔概念表達的準確性以及對不同類型文檔的區分能力。

基于分類的方法是把推薦對象放入不同類別，把同類文檔推薦給對該類文檔感興趣的用戶。主要有兩種，一種是基于知識工程的方法，使專家的類別知識直接編碼為分類規則，正確率和召回率高，但工作量大；近期研究最多的是另一種一機器學習，根據訓練樣本集建立分類器，方法有很多，常見的有概率分類、貝葉斯回歸分析、決策樹分類器、決策規則分類器、Rocchio分類器、神經網絡分類器、支持向量機（SVM）、分類器融合、Boosting分類器、k最近鄰方法（KNN）等。

研究文本聚類的最初目的是為了提高信息檢索的查全率和查準率，近年來，文本聚類用于自動產生文本的多層次的類，并利用這些新生成的類對新文本進行效率較好的歸類，已經提出了大量的文本聚類算法。傳統的聚類算法在處理高維和海量文本時效率不很理想。針對這樣的問題，將聚類分析與計算智能理論，并行計算、云計算等相結合，設計出高效的并行聚類算法，己經成為一個比較流行的研究思路。

在湖南農業知識云數據模型中，將能更好反映特征詞相關性的超圖模型引入，將文檔中提取的特征項表示為圖中節點，特征詞條之間的關系構成圖中邊，用邊上權值表示相關聯特征項之間共現程度。通過對文本圖模型K最近鄰劃分實現降維降噪的粗粒度數據切片；對切片后數據反映用戶興趣如地域、時間、訴求等多維度特征的智能聚類，實現細粒度的聚合與分割。

“農業知識聚合云”模型算法建立在基于MapReduce處理的大規模圖上，得到各種知識塊靜態和動態元數據。

1.2.3 推薦算法

推薦算法是整個推薦系統中核心部分，大量的論文和著作都關注了這個方面。目前，基本包括以下幾種：基于內容過濾推薦、協同過濾推薦、基于關聯推薦、基于知識推薦、基于效用推薦、基于網絡結構推薦、基于聚類推薦、基于社會網絡分析推薦、混合型推薦等。通過對眾多推薦算法進行比較分析，各種算法都有優缺點（如表1）：

各種推薦方法都有各自的優缺點，在實際問題中采用多種策略進行混合推薦，主要有兩種混合思路：推薦結果混合和推薦算法混合。目前大部分的推薦算法都是混合推薦算法，主要還是以協同理論為核心，再配合其他算法的優點或交叉學科的理論來改善推薦的質量。另外基于社會網絡個性化推薦算法研究是一個趨勢，基于社會網絡的推薦是協同過濾的延伸，通過考察結點之間（用戶和用戶之間或產品之間）的相關性和結點之間的信任度可以獲得比一般協同推薦更高推薦效果，如文獻提出將社會網絡關系結合到推薦算法中。縱觀國內外在推薦算法上的研究，主要集中在基于用戶顯性評分數據的協同過濾算法上，對基于非顯性評分行為數據場景下的研究卻顯得有點不足。目前在擴展性問題上學術研究不是很具有針對性，主要集中在通過各種交叉學科中的方法來對用戶進行聚類或對行為數據進行降維、壓縮等縮短推薦的項目集或減少計算量，從而提升算法的性能；有關基于云平臺上的推薦算法研究目前主要集中于協同過濾算法MapReduce化。而實際應用中，己出現利用分布式集群解決算法擴展性方法，如Google News的推薦算法就是部署在分布式環境下，從而滿足海量數據下的推薦服務。

根據農業云大數據自組織區域推送實際情況將推薦結果和推薦算法混合，提出“三層推薦”策略：在豐富的知識塊云元數據基礎上，將知識塊屬性和用戶興趣行為基于頻繁模式的知識關聯撮合推薦；通過復雜網絡聚類算法識別一個用戶多個社區興趣，融合“興趣圖”和“社交圖”協同過濾推薦，突破算法推薦的局限性，讓用戶信任的朋友圈子為其發現和推薦內容，取得社交推薦的時效性和算法推薦的長尾性之間的互補，從而針對每個社區成員提供精準個性化推薦；根據基礎設施服務供應商、用戶所在的地理位置以及用戶對服務可用性評價值的相似性等，將大量用戶云終端聚類為一定數量的社區，提高云端推送服務的有效性，最終形成通過大眾參與，支持云間變換，集電信網、廣播電視網、互聯網合一的自組織區域推送，較有效地處理一般推薦算法中存在的稀疏性、冷啟動以及大規模實時計算的問題。

1.2.4 云計算下個性化數據挖掘

數據挖掘采用了多種領域中的思想，包括來自統計學的抽樣、估計、假設檢驗以及人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論。隨著數據挖掘的不斷發展，也采用了包括最優化、進化計算、信息論、信號處理、可視化、信息檢索、云計算、并行計算等技術。與傳統的數據挖掘相比，云計算下的個性化數據挖掘的目標，就是通過云計算中心，向用戶提供針對其即時演化需求的數據挖掘SaaS（Software as aService，軟件即服務）服務，其基礎問題主要為：對于用戶不同的數據挖掘需求以及針對用戶特點進行個性推薦的建模和表征；數據挖掘算法適應云計算的并行分布式化；使數據挖掘的結果和算法能夠支持云間變換并形成一種面向用戶、即時組合的、變粒度的云服務，其中數據挖掘的云服務化是研究的難點。

（1）云計算下個性推薦的建模和表征

云下的個性推薦建模和表征與傳統上個性化推薦明顯的不同在于海量異構大數據和用戶間群體涌現的社交網絡，它們本質上形成了多個頂點的大規模圖。云計算可以為大規模個性化提供技術支撐，云服務本身也有大規模個性化定制應用需求，目前研究兩者結合的文獻還很少，張澤華從計算資源的角度基于復雜系統理論對云計算聯盟體系結構進行建模，并基于蟻群優化算法和復雜系統理論進行了負載均衡研究；郭昱就有效處理客戶需求信息該如何選擇與分布云計算平臺中的關鍵節點問題，提出了基于云計算的大規模定制客戶需求模型。趙東杰對復雜網絡、數據挖掘與群體智能有效結合進行了探索研究。農業云大數據自組織推送通過“農業知識聚合云”分解的靜態、動態知識元數據和“農業用戶興趣社交云”形成的興趣圖、社交圖基于用戶行為和知識元數據的關聯撮合，通過人工智能和社交圈子幫助用戶發現內容，實現搜索和推薦的無縫結合，為智能個性化推薦實現“內容找人”愿景。

（2）算法并行分布式與高性能計算

對于大規模數據的處理，典型系統結構大致分為三類：基于MapReduce模型的分布式并行處理系統、基于BSP模型的分布式并行處理系統和分布式圖數據庫系統。數據挖掘算法現在的發展趨勢是基于云計算的并行數據挖掘，它的同一個算法可以分布在多個節點上，多個算法之間是并行的，多個資源實行按需分配，而且分布式計算模型采用云計算模式，數據用DFS或者HBASE，編程模式采用MapReduce這種方式。Bhaduri等整理了一個十分詳盡的并行數據挖掘算法文獻目錄，包含了關聯規則學習、分類、聚類、流數據挖掘四大類分布式數據挖掘算法，同時還包括分布式系統、隱私保護等相關的研究工作。

2 基于云計算推薦系統研究的重點、難點與熱點

2.1 云環境下用戶偏好獲取安全與可信問題

推薦系統中，用戶數據集的數量和質量問題，影響用戶模型的精確度、可用性，導致問題的根本原因在于用戶對隱私和安全的考慮。而云環境下，數據的安全與隱私是用戶非常關心的問題。既能得到準確用戶信息而提高推薦系統性能，又能有效保護用戶信息同時檢測并能預防推薦攻擊（一些不法的用戶為了提高或降低某些對象的推薦概率，惡意捏造用戶評分數據而達到目的）將是未來推薦系統的一個重要研究方向。

2.2 模型過擬合問題

過擬合現象是指系統推薦給用戶的對象與用戶剛剛看過的不是太相似或者太不相關。過擬合（過學習）的問題本質上來自于數據的不完備性，這在實際應用中是無法完全避免的。在于興趣偏好獲取方式或隱私等原因使用戶沒有對足夠多類別的對象進行評價。目前解決的主要方法是引入隨機性，使推薦算法收斂到全局最優或者逼近全局最優，關于既要保證推薦的多樣性，又不能與用戶看過的對象重復或毫不相關這一問題的研究是推薦系統研究的一個難點和重點。

2.3 稀疏性與冷啟動問題

稀疏性和冷啟動問題困擾推薦系統很長時間了，前者的解決辦法主要過濾和降維。目前針對冷啟動問題提出了一些解決方法，主要分為兩大方面，一是直接利用傳統協同過濾的評分數據結合特定的方法進行解決，二是新用戶或新項目的內容屬性信息與傳統的協同過濾評分數據相結合的方法進行改善冷啟動問題。稀疏性與冷啟動問題一直是推薦系統研究的一個難點和重點。

2.4 數據挖掘的結果和算法智能服務化

將數據挖掘算法融入針對海量用戶的使用記錄和計算資源間協作進行優化組合，利用這些特性通過大眾參與的交互作用，提高云間服務的智能性、有效性將是大數據時代推薦系統研究的一個制高點。將數據挖掘任務及其實現算法服務化，通過SaaS方式向云計算中心索取所需的相應的數據挖掘，這可能是目前突破數據挖掘專用軟件使用門檻過高、普通大眾難以觸及、企業用戶使用成本太大、挖掘算法和結果難以實時得到評價和相應修改等問題的最有希望的解決方案之一，也是數據挖掘走向互聯網大眾、走向實用化的重要的一步。

2.5 大數據處理與增量計算問題

目前對大數據的研究仍處于一個非常初步的階段，半結構化和非結構化數據給傳統的數據分析帶來巨大挑戰，尤其算法如何快速高效地處理推薦系統海量和稀疏的數據成為迫在眉睫的問題。當產生新的數據時，算法的結果不需要在整個數據集上重新進行計算，而只需考慮增量部分，對原有的結果進行微調，快速得到準確的新結果，是增量計算的理想狀態。但一般而言，隨著信息量的增多，算法的誤差會累積變大，最終每過一段時間還是需要利用全局數據重新進行計算。一個特別困難的挑戰是如何設計一種能夠保證其誤差不會累積的算法，也就是說其結果與利用全部數據重新計算的結果之間的差異不會單調上升，要達到這種程度，還有很長的路要走。

結束語：

隨著新一代信息技術的快速發展和信息內容的日益增長，搭載在云計算平臺的自組織區域推送具有它天然的優勢：云的海量存儲使得推薦系統能有效獲取訓練數據；云的分布式計算能力提供了較高的響應能力；海量用戶的使用記錄和計算資源問大眾參與的交互涌現，最終形成自組織優化組合的智能個性化云推送。因此，農業云自組織區域推送具有重要的研究意義和廣闊的應用前景，對云環境下其他領域的個性化推送應用具有借鑒意義，但目前存在大量問題需要進行深入細致的研究。

參考文獻

[1]孟祥武，胡勛，王立才，張玉潔，移動推薦系統及其應用[J]，軟件學報，2013，24（1）：91-108

[2]楊濤，基于本體的農業領域知識服務若干關鍵技術研究[D]，上海：復旦大學計算機科學技術學院博士論文，2011，1-50

[3]楊曉蓉，分布式農業科技信息共享關鍵技術研究與應用[D]，北京：中國農業科學院博士學位論文，2011，3-35

[4]趙春江，農業智能系統[M]，北京：科學出版社，2009，1-210，

[5]何清，物聯網與數據挖掘云服務[J]，智能系統學報，2012，7（3）：1-5，

[6]黃衛東，于瑞強，共享學習模式下知識服務云平臺的構建研究[J]，電信科學，2011，12：6-11

[7]丁靜，楊善林，羅賀，丁帥，云計算環境下的數據挖掘服務模式[J]，計算機科學，2012，39（6）：217-219，237

[8]鄧仲華，錢劍紅，陸穎雋，國內圖書情報領域云計算研究分析[J]，信息資源管理學報，2012，2：10-16

[9]胡安瑞，張霖，陶飛，羅永亮，基于知識的云制造資源服務管理[J]同濟大學學報（自然科學版），2012，40（7）：1093-1101

[10]程功勛，劉麗蘭，林智奇，俞濤，面向用戶偏好的智能云服務平臺研究[J]，中國機械工程，2012，23（11）：1318-1323，1336

[11]劉波，方逵，沈岳，可重構的農業知識服務模式研究[J]農機化研究，2011，36（11）：66-70

[12]趙星，廖桂平，史曉慧，陳誠，李文圃，物聯網與云計算環境下的農業信息服務模式構建[J]，農機化研究，2012，4：142-147

[13]郭永田，中國農業農村信息化發展成效與展望[J]，電子政務，2012，02-03：99-106

[14]李道亮，中國農業農村信息化發展報告（2011）[M]，北京：電子工業出版，2012，87-150

[15]錢平，鄭業魯，農業木體論研究與應用[M]，北京：中國農業科學技術出版社，2006，1-100

[16]吳麗花，劉魯，個性化推薦系統用戶建模技術綜述[J]，情報學報，2006，25（2）：55-62

[17]李珊，個性化服務中用戶興趣建模與更新研究[J]，情報學報，2010，29（1）：67-71

[18]王國霞，劉賀平，個性化推薦系統綜述[J]，計算機工程與應用，2012，48（7）：66-76

[19]王巧容，趙海燕，曹健，個性化服務中的用戶建模技術[J]，小型微型計算機系統，2011，32（1）：39-46

軟件雜志歡迎推薦投稿：http：///

[20]張華清，動態多維社會網絡中個性化推薦方法研究[D]，濟南：山東師范大學碩士學位論文，2012，16-31

[21]丹，面向跨系統個性化服務的用戶建模方法研究[J]_情報雜志，2012，31（6）：156-161

[22]鄧夏瑋，基于社交網絡的用戶行為研究[D]，北京：北京交通大學碩士學位論文，2012，4-43

[23]馬堯，基于多維用戶特征建模的個性化社交搜索引擎的設計與實現[D]，廣州：華南理工大學碩士學位論文，2012，12-55

[24]陳恩紅，徐童，田繼雷，楊禹，移動情景感知的個性化推薦技術[J]，中國計算機學會通訊，2013，9（3）：19-24

[25]Jong Hwa Kima，b，，Hyun JoonLeeb，Extraction of user profile based on workflow and information flow[J]，Expert Systems with Applications，2012，39（5）：5478-5487

[26]南智敏，錢松榮，引入漂移特性的用戶興趣模型優化研究[J]，微型電腦應用，2012，28（3）：30-32

[27]郭新明，弋改珍，混合模型的用戶興趣漂移算法[J]，智能系統學報，2010，5（2）：181-184

[28]程顯毅，朱倩，文本挖掘原理[M]，北京：科學出版社，2010，9-45 [29]李濤，推薦系統中若干關鍵問題研究[D]，南京：南京航空航天大學博士學位論文，2009，31-80

[30]姜倫，模糊聚類算法及其在中文文本聚類中的研究與實現[D]，哈爾濱：哈爾濱理工大學碩士學位論文，2010，18-48

[31]馮汝偉，謝強，丁秋林，基于文本聚類與分布式Lucene的知識檢索[J]，計算機應用，2013，33（1）：186-188

[32]陶紅，周永梅，高尚，一種基于語義相似度的群智能文本聚類的新方法[J]計算機應用研究，2012，29（2）：482-532

[33]孟海東，劉小榮，基于聚類分析的圖模型文檔分類[J]計算機應用與軟件，2012，29（1）：117-174，229

[34]饒君，張仁波，東呈曉，吳斌，基于MapReduce的大規模圖挖掘并行計算模型[J]，應用科技，2012，39（3）：56-60

[35]于戈，谷峪，鮑玉斌，王志剛，云計算環境下的大規模圖數據處理技術[J]，計算機學報，2011，34（10）：1753-1767

[36]呂善國，吳效葵，曹義親，基于網絡結構的推薦算法[J]_實驗室研究與探索，2012，31（7）：278-280，368

[37]周佳，羅鐵堅，一種基于內容關聯的學術資源協同推薦算法[J]，中國科學院研究生院學報，2013，30（1）：117-123

[38]唐曉波，張昭，基于混合圖的在線社交網絡個性化推薦系統研究[J]情報理論與實踐，2013，36（2）：91-95

[39]王立才，孟祥武，張玉潔，上下文感知推薦系統[J]，軟件學報，2012，23（1）：1-20

[40]劉建國，周濤，汪秉宏，個性化推薦系統的研究進展[J]，自然科學通報，2009，19（1）：1-15

[41]許海玲，吳瀟，李曉東，閻保平，互聯網推薦系統比較研究[J]軟件學報，2009，20（2）：350-362

[42]孫冬婷，何濤，張福海，推薦系統中的冷啟動問題研究綜述[J]，計算機與現代化，2012，5：59-63

[43]張亮，基于聚類技術的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，7-18

[44]Liu， F.，Lee， H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010， 37（7）：4772-4778.

[45]Jiang， J.， Lu， J.， Zhang， G.， Long， G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011， 490-497.

[46]周源，基于云計算的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，26-64

[47]呂雪驥，基于云計算平臺的智能推薦系統研究[D]，合肥：安徽大學碩士學位論文，2012，25-43

[48]劉晨，改進的聚類挖掘算法對網絡自助出版“長尾”文本的推薦應用[D]，上海：復旦大學碩士學位論文，2011，10-19

[49]陳桂生，張海粟，劉玉超，云計算下的個性化數據挖掘服務[EB/OL]，[2011-2-28]中國人工智能學會通訊，http：//www，/contents/50/119，html

[50]張澤華，云計算聯盟建模及實現的關鍵技術研究[D]，昆明：云南大學博士學位論文，2012，26-114

[51]郭昱，吳清烈，基于云計算的大規模定制客戶需求響應模型及其節點的選擇與分布[J]，系統工程理論與實踐，2011，31（增刊2）：1-6

[52]趙東杰，張海粟，韓言妮，楊海濤，何宇，基于網絡化數據挖掘的群體智能研究方法[C]，Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application（Volume 9）.IEEE[A].2010，239-243.

[53]AnandRajaraman，Jeffrey David Ullman著，王斌譯，互聯網大規模數據挖掘與分布式處理[M]，北京：人民郵電出版社，2012，1-253

[54]Bhaduri K， Das K， Liu Kun， et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http：// cs. umbc. edu/～hillol/DDMBIB/

[55]楊健，汪海航，王劍，俞定國，云計算安全問題研究綜述[J]，小型微型計算機系統，2012，33（3）：472-479

篇(5)

統計與大數據系按照教務處“2021屆畢業生實習及畢業論文（設計）相關事宜通知”，結合2018級人才培養方案，制定2021屆學生畢業論文（設計）指導方案，具體內容包括以下6部分：

一、2021屆畢業論文指導教師分配表（詳見附件1）

二、 畢業論文寫作與指導的具體安排

論文輔導時間：2020年10月1日至2021年4月1日

具體安排：

工作安排

具體內容

具體要求

截止時間

選題

確定論文題目

根據自己的專業、結合實習情況，以項目為基礎選擇論文題目，并經指導教師審核通過。

2021年1月1日

提綱

構思論文結構、擬訂論文提綱

結合企業實踐內容確定論文結構列出提綱。

2021年2月1日

寫作與批改

初稿

按照論文提綱撰寫初稿，主動與論文指導老師聯系審核與批改。

2021年3月1日

二稿

按照論文指導老師的要求反復修改、完善、補充。

2021年4月1日

定稿

達到論文基本要求，定稿電子版發給論文指導老師。

2021年4月10日

交稿

打印提交

雙面打印，畢業返校時以班級為單位提交。

2021年6月

 

三、 指導教師聯系方式

姓名

職稱

郵箱

QQ

電話

方黨生

副教授

2541790217@qq.com

2541790217

15136166829

楊冬梅

講師

339097597@qq.com

339097597

18625779090

李春花

講師

19772728@qq.com

19772728

18638793098

魏瑤

講師

43665723@qq.com

43665723

15838313791

馬杰

高級講師

Hnhymj@126.com

 

13838067063

杜旭陽

助理講師

604696049@qq.com

604696049

17396370961

高艷云

副教授

37742562@qq.com

37742562

13939020929

錢鈺

講師

397019111@qq.com

397019111

15093132377

梁慧丹

助理講師

1620280267@qq.com

1620280267

15188395423

秦航琪

助理講師

1191084277@qq.com

1191084277

15670930099

范迪

助理講師

1261810070@qq.com

1261810070

18339270887

 

四、畢業論文參考題目

大數據技術及應用專業

1) 大數據時代下的網絡信息安全

2) 大數據對市場調查技術與研究方法的影響

3) 大數據環境下社會輿情分析方法研究

4) 大數據在房屋租賃的應用

5) 大數據在互聯網金融領域的應用

6) 大數據在電子商務下的應用

7) 大數據時代下線上餐飲變革

8) 大數據在養殖業中的應用

9) 大數據對商業模式影響

10) 大數據在智能交通中的應用

11) 基于大數據小微金融

12) 大數據在農副產品中的應用

13) 大數據在用戶行為分析中的應用

14) 基于大數據的會員價值分析

15) 大數據對教育模式的影響

物聯網應用技術專業

1）物聯網技術在蔬菜大棚中的應用

2）物聯網技術對智能家居的應用

3) 物聯網技術對智能物流監管的應用

4) 物聯網技術在企業的應用

5) 計算機物聯網技術帶來的影響

6) 物聯網技術在校園安全的應用

7) 淺談物聯網技術的應用與發展

8) 物聯網技術在企業的應用

9) 計算機物聯網技術在各個行業的應用

10) 物聯網技術在食品安全追溯方面的應用

11)物聯網技術在樓宇智能化系統的應用

12)物聯網技術在智能停車場系統的應用

13)物聯網技術在安保行業的應用

14)物聯網技術在智能交通行業的應用

15)基于物聯網技術的校園宿舍安防系統的設計與實現

 

信息統計與分析專業

1) 某企業競爭力調查分析

2) 淺談企業統計數據質量

3) 人口素質與經濟增長的關系研究

4) 地區競爭力初步分析

5) 農業結構調整與糧食安全保證問題研究

6) 我國中小企業發展現狀與對策

7) 對某市房地產開發的市場分析

8) 消費者購買動機調查分析

9) 某產品市場需求調查

10) 某產品銷售預測

11) 某產品銷售統計分析

12) 某產品競爭力分析

13) 產業結構變動分析

14) 大數據發展對統計工作的影響分析

15) 鄭州租房狀況分析

 

五、畢業論文（設計）格式規范要求（詳見附件2）

六、畢業論文（設計）格式模板（詳見附件3）

 

 

 

 

 

 

附件1：2021屆畢業論文指導教師分配表

 

附件2

 

河南信息統計職業學院

畢業論文格式及規范要求

 

   河南信息統計職業學院畢業論文（設計）統一的規格要求如下：

（一）開本  

A4白紙（210mm×297mm）

（二）裝訂

 長邊左側裝訂

（三）全文編置

1．頁碼

全文頁碼自正文起編列，正文與附錄可連續編碼。頁碼以阿拉伯數字左右加圓點標示，置頁邊下腳中間。

2．邊距

正文至附錄的文字版面規范為：天頭25mm；地腳25mm；左邊距30mm；右邊距25mm。上述邊距的允許誤差均為±1mm。

3．行字間距

正文至附錄的行字間距按5mm設置；字間距為1mm，或由Word自動默認。

（四）編排構成

1．前置部分

（1）封面設置

第一排：“河南信息統計職業學院”，華文行楷一號字，居中排列，第一排前空兩行（三號字）；

第二排：“畢業論文（設計）”，黑體一號字，居中排列；

第三排：“        級           專業      班”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第二排空二行（三號字）；

第四排：“題目                           ” 黑體三號字，居中排列，“題目”兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第三排空六行（三號字）；

第五排：“姓名          學號            ”，  黑體三號字，居中排列，“姓名“兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字；

第六排：“指導教師            職稱              ”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字；

第七排：“系別        ” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第六排空兩行（三號字）。

第八排：“        年    月    日” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第七排空兩行（三號字）。

（2）聲明

本人必須聲明所呈交的論文是學生本人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發表或撰寫的研究成果。要求學生本人簽名。

（3）內容提要

第二頁為內容提要。內容提要是對全文基本觀點的集中提煉和說明。提要中應闡明本論文（設計）要解決的主要問題及其依據，并指出創新之處。內容提要以300-500字為宜。其中“內容提要”為黑體三號字，每字間空一格，居中排列。“內容提要”下空一行編排具體內容，具體內容按照中文文章格式排列，使用宋體四號字。

（3）關鍵詞

關鍵詞是揭示文獻主體信息的詞匯。關鍵詞在內容提要之后空一行設置。其中“關鍵詞”三字用黑體三號字與“內容提要”對應居中排列，而后另起行設置關鍵詞3-5個，用宋體四號字。各詞匯間不用標點符號分隔，空一格漢字字符。

（4）目錄頁

“目錄”二字用三號加黑宋居中排列，字間空三格；“目錄”下空一行排全文的主要標題，用四號仿宋體。對目錄中的每一個標題都要標注頁碼。

2．正文部分

一部完整的畢業論文（設計）正文部分一般應由以下要素構成：論文正文文字；結論；注釋；參考文獻。

（1）正文文字

論文（設計）的正文文字在署名后空一行排列，用四號仿宋字體打印。

（2）結論

畢業設計的體會和總結；該設計的結論、優點及有待探討的問題。

（3）注釋

注釋是用于對文內某一特定內容作必要的解釋或文字說明。注釋的內容置于與當前頁主題文字的分線以下，以帶圓圈的阿拉伯數字標示，左空二格排列，用小五號宋體字。

（4）參考文獻

參考文獻是作者著文時研究和參閱的相關資料。“參考文獻”四個字用三號黑體字左頂格標示。參考文獻的內容置于主體文字之后空一行排列，其順序與主體文字中的序號編排相對應，以帶方括號的阿拉伯數字左頂格用五號宋體字排出全部內容。參考文獻要列出書名，作者姓名、出版社及出版日期、并標明序號。在論文中引用所列的參考文獻時，只要在方括號內注明所列文獻的序號即可。

（5）畢業論文（設計）正文部分3000～5000字。

 

 

 

 

 

附件3

 

河南信息統計職業學院

畢業論文（設計）

 

       級               專業     班

 

 

 

 

 

 

 

 

題    目                                   

姓    名                學號               

指導教師                職稱               

系    別                                   

 

20    年    月    日

 

 

聲    明

 

本人鄭重聲明所呈交的論文（設計）是我個人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發表或撰寫的研究成果。

 

論文作者簽名：    

20　  年  月

日

 

 

 

 

 

 

 

 

 

內 容 提 要

××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

 

關鍵詞 ：××××× ××××× ××××× ×××××

目   錄 1 前言 1

1.1 1

1.2 1

1.3 4

1.4 4

2 5

2.1 5

2.2 5

2.2.1 5

2.2.2 6

2.3 7

3 8

3.1 9

3.2 10

4 11

4.1 12

4.1.1 13

4.1.2 14

4.1.3 15

4.1.4 18

4.1.5 20

5 結論 22

5.1 結論 23

5.2 問題與不足 26

5.3 未來展望 27

參考文獻 28

 

 

1 ×××××××××××××××× 1.1 ×××××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

1.2 ×××××××××××××××× 1.2.1 ×××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

 

 

 

 

 

 

參考文獻 [1] 江正榮編.地基與基礎施工手冊.北京：中國建筑工業出版社，1997

[2] 高大釗主編.土力學與基礎工程.北京：中國建筑工業出版社，1998

……………………………………………………………………………………………………………………………………………………………………………… 

[8] 趙玉良.房屋地基基礎變形事故原因分析及處理.河北建筑工程學院學報，2007，25（2）

[9] 袁迎曙，賈福萍，蔡躍. 銹蝕鋼筋混凝土梁的結構性能退化模型[J].土木工程學報，2001，(3)

[10] A. Castel, R. Francois, G.Arliguie. Mechanical Behavior of Reinforced Concrete Beams－Part 2: Bond andNotch Effects[J]. Materials and Structures. 2000, (3)

………………………………………………………………………………………………………………………………………………………………………………………… 

[12] 中華人民共和國國家標準.建筑地基基礎設計規范（GB50007-2002）

[13] 中華人民共和國國家標準.建筑邊坡工程技術規范（GB50330-2002）.

 

 

 

 

 

 

 

 

 

論文（設計）指導評語

 

 

 

 

 

 

建議論文成績                 指導教師                           

20     年     月      日    

論文（設計）答辯評語

 

 

 

 

 

論文成績                答辯組組長                        

20     年     月      日    

答 辯 組 成 員

姓  名

性別

年齡

職稱

工作單位

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

篇(6)

關鍵詞：計算機網絡專業；畢業綜合實踐；教學改革

1 高職信息化教學改革概述

隨著云計算技術的深入應用，大數據產品已深入我國高職院校的信息化教學改革中。如開展精品在線課程、提升微課的教學質量、在線教學培訓與學習，一定程度上提升了高職院校教學管理與教學設計能力。作為計算機網絡技術專業，如何通過大數據時代背景為課程提升有益價值，在高職院校信息專業的就業質量、專業對口率方面起到優化和輔助作用，是當前浙江省各高校的畢業綜合實踐的教學改革重點之一[1]。

信息專業的畢業綜合實踐課程主要包括：校外實習階段和校內畢業論文答辯階段，其中校外實習階段的教學工作主要包括學生實習基地走訪調研、實習周記批復。這一課程的主要特點包括：開課周期長，課程規模較課堂教學大，教學管理系統工作負擔重，課程考核復雜度高。同時，學生學習和實習壓力較大。

大數據作為一種覆蓋廣、規模宏大、能夠實現實時獲取、存儲、管理、分析等方面功能的數據集合，其主要意義在于專業化處理教學實踐相關的數據[2]。以互聯網+為背景，根據大數據相關結果，可以較快地獲取多屆畢業生的畢業實習情況、存儲應屆畢業生實習相關數據、管理應屆畢業生的畢業論文（設計）和實習周記等、通過多屆畢業生的畢業跟蹤調查報告分析人才培養方案的可行性并加以豐富和調整。以嘉興職業技術學院為例，從浙江省2012―2014年的高院校的畢業就業率相關數據結果看，就業率和專業對口率呈現遞增趨勢，但是專業對口率數據連續在40%以下；在就業率方面，截至2014年計算機網絡技術專業出現了下滑趨勢，圖像處理專業和電子商務專業呈現略微上調趨勢，軟件技術專業呈現持平；在專業對口率方面，4個子專業表現不甚明顯；在實踐教學滿意度方面，截至2014年實踐教學滿意度普遍呈現出先下降后上升的趨勢，這主要源于在2014年信息專業通過改革畢業綜合實踐教學模式后的首輪效果。

2 畢業綜合實踐課程現狀

2.1 高就業率低專業對口率

隨著信息技術的在我國各高校的深入應用，各高職院校均開設了信息相關專業。信息專業畢業生的就業情況良好，但是專業對口的卻很少。結果如表1所示。

從有關部門的調查結果可知，信息專業人才的需求量非常大，包括網絡招聘、社會招聘、校園招聘，雖然信息專業畢業生的就業情況較其他傳統行業有明顯的優勢，但是專業對口率增長仍然不明顯[4]。通過為期3年的實習調研走訪和多處室研討，分析學生高就業率和低專業對口率的主要原因大致上源于：

（1）學生擇業觀的改變，當代高職畢業學生大多為獨生子女，異地求學的學生大多數選擇畢業后返城求職，一定程度沖擊了專業對口率[5]。

（2）隨著信息化在各行各業的參與度的提升，跨學科、多學科交叉職位也隨之增加，跨學科職位讓畢業生萌生“跳槽式”求職崗位[6]。

（3）學生熱衷于短期利益，熱門職業的高薪、好待遇、門檻低和對口專業的低薪、門檻高都是影響因素。如當前房產銷售行業月薪較其他行業員工為2～5倍，這對于畢業生而言，更具吸引力。

2.2 校企合作基地偏少

由于學院屬于市屬高職院校，學生畢業綜合實踐實習基地以浙江省為主，其中校企合作基地大多為嘉興市本級企業。當前信息專業的校企合作基地數量約為200家，但實際上在學生畢業綜合實踐課程中承擔聯合項目的數量不足一半。通過連續3年的走訪和調研，從合作基地反饋的信息中主要有3種情況：

（1）實習生較獨立求職者來說，工作態度仍然保留在校學習的被動狀態；且學生實際技能操作經驗和工作能力往往難以勝任當前項目需求。

（2）實習生在前期的頂崗實習中表現不佳，工作進度方面存在散漫狀態，且學習熱情不高。

（3）信息專業學生對于出差性強的工作有抵觸情緒，本土企業大多數情況無法給予實習生期待的實習經費，外地企業（如上海、蘇州等地）在校企合作范圍之外，但往往這些沿海地區的信息技術產業發展較本土更適合學生就業與職業規劃發展。

然而，在實習基地也存在實習生源不足或者生源過剩，學生在實習基地無事可做或者實習基地給予的學生實習比例遠遠低于學院指標等現象。

2.3 專業核心課程內容滯后

不難看出，不管在網絡招聘還是校園招聘中，對于信息專業的人才需求總是供不應求。但是往往畢業生求職時，難以與對口專業簽約，主要原因是企業需要的人才專業里無法滿足，這一現象在當前各高職院校普遍存在。隨著大數據時代的來臨，信息化技術不斷地革新，也需要信息專業核心課程的不斷革新。學生在校學習期間，一方面不僅要學習專業課程也要完成各類創新性實踐類的課外活動，一方面校內核心課程、專業課程學習的內容與職業需求存在一定的滯后性。文獻[2]指出，部分高職院校針對此類問題，改革人才培養方案已系統地完成專業核心課程的教學，卻導致了學生基礎知識不牢，基礎的技能操作太生疏，這在一定程度上會導致學生難以勝任專業對口的職位。

3 大數據背景下畢業綜合實踐課程改革的必要性

畢業綜合實踐課程作為銜接學生在校學習和社會就業的主要課程，在畢業生就業質量方面具有關鍵性作用[7]。為了科學而穩定地提升信息專業中各子專業的就業質量、專業對口率以及實踐課程的滿意度，教師上好畢業綜合實踐課程、學生利用好畢業綜合實踐課程是高職院校畢業綜合實踐的必要條件。

以往的崗前綜合實訓效果不明顯情況，增加崗前綜合實訓的完整度、嚴謹性，提升崗前綜合實訓的有效性，做好學生畢業綜合實踐中畢業生的技能知識基礎，以增強學生實習時的專業對口率，一定程度上提升就業質量，決定了信息專業的畢業綜合實踐課程的執行性。

4 畢業綜合實踐課程教學改革

針對當前信息專業學生高就業率低專業對口率的情況，信息專業的畢業綜合實踐課程教學改革從以下幾個方面展開：從教師的教學模式出發，驅動教師隊伍建設，推進畢業綜合實踐課程的改革和發展；從課程考核方式改革切入，緩解學生實習期間的壓力和教師以及管理系統的工作負擔，“以學生為主，從學生出發”。

4.1 教學模式改革

為了更好地開展畢業綜合實踐課程以緩解現狀，提升信息專業畢業生的就業率和專業對口率以及保證實踐教學的滿意度，改革主要從以下幾點展開：

（1）在教學期初，通過案例教學、MOOC、翻轉課堂等教學方法展開畢業綜合實踐的前期指導教學，使學生在開始實習之前就對實習流程有一個深入的認識、對畢業流程有一個清晰的了解過程。

（2）專人專帶：由傳統的一個老師輔導教學幾個學生分散式或者分組式完成實習過程，改革為特派一個專任教師深入實習基地走訪和監督學生實習狀況，并通過實習基地的走訪和調研獲取當前企業所需人才的標準和要求。通過總結和分析，給予專任教師一定啟迪和啟發，推動下一輪專業核心課程的改革和創新。

（3）學生集中半集中式實習：以校企合作基地為主要實習基地，便于集中式管理，確保學生實習安全和校企合作的順利開展；對于有特殊情況或者特別要求的學生采取半集中式管理和實習方針，尊重學生的自主選擇和就業態度。以上所有實習基地都要以學生能夠在專業對口的崗位為主要依據。

（4）指導教師深入企業和實習基地，走訪和調研學生實習現狀。一方面更加清晰地了解企業對實習生的實習評價，一方面提升專業教師團隊對社會用功的需求的了解程度，同時，教師也能切身了解學生在實習期間的實習狀況和畢業論文的完成狀態。

4.2 課程考核方式改革

（1）以一定考核標準為課程合格指標，強制性管理實習階段學生的實習工作，防止學生頻繁調換工作崗位、，一定程度上提升學院就業聲譽、學生就業質量。

（2）對校企合作基地的要求和考核制定明確的考核指標，如：每年學院的訂單班、聯合培養班、校企短期合作和長期合作、高校聯盟、職教集團等成員單位，每年的學生實習的比例標準是否能夠滿足，校企合作基地是否能夠按照學院的標準完成人才培養和企業項目的實際交接。

（3）分層次教學，針對專業技能知識較差的一批學生展開合作企業的集中式教學、專業技能培訓課程；針對專升本學生提供專業理論知識的教學輔導，待考試結束后，督促其繼續完成畢業綜合實踐課程。

綜合而言，不僅從16次周記中檢查學生實習狀況，更要從實際的走訪調研中企業指導老師處、專任教師處了解學生實習的實際情況，通過學生畢業論文綜合質量等評價學生實習效果。

4.3 重視科研工作和師資隊伍建設

專業教師的職業技能培訓和專業技能培訓以及實驗設備的更新，都是提升R悼緯探萄能力所具備的條件。專業核心課程的教學是畢業綜合實踐順利展開的基石，學生學好了，才能在實習中有信心，繼而展現專業技能，為校爭光。

然而，教師隊伍的建設決定了專業核心課程的進展效果。針對專業核心課程的滯后性，從師資培養和科研工作的視角展開。高職院校的信息專業教師要參與到信息專業的科學研究以及相關教學研究活動總，積極參與到信息技術的科學研究和深入探索，同時研究工作要能接軌計算機網絡、軟件技術和計算機應用等方面的發展步伐。在科研中提升知識學習能力和更新知識庫和資源庫，利用新的科研知識和技能改革教學方法和教學手段，讓學生在學習過程中由淺入深，技能操作方面實時掌握社會職位的操作要點，為畢業實習工作打下扎實基礎。

4.4 校企合作基地配置

根據社會用工需求，在師資力量充足的情況下，增加校企合作基地數量，為學生實習尋找更多的社會實踐機會。深入開展“現代學徒制”和“廠中校”的合作模式，讓學生在前期校外實訓和頂崗實習期間，就有機會深入企業了解和學習技能操作知識，為踏上社會工作崗位做好準備，減少在對口專業上就業的壓迫感和迷茫感，一定程度上提升專業對口率。

篇(7)

畢業論文的寫作，效果質量如何，與數據的支撐有重要作用。特別是針對醫學、計算機、生科、化學等偏向于實驗調查性的專業，數據的搜集更是作者需要攻克的主要任務。本文，以資訊、數據兩大類與大家分享互聯網常用的數據資料搜集網站，具體如下：

資訊類

新浪科技 tech.sina.com.cn/

騰訊科技 tech.qq.com/

艾瑞網 iresearch.cn/

藝恩網 entgroup.cn/

虎嗅網 whuxiu.com/

36kr 36kr.com/

鈦媒體 tmtpost.com/

游戲大觀 gamelook.com.cn/

億歐網 iyiou.com/

媒介360 chinamedia360.com/main

數據類

中國票房 cbooo.cn/

中國互聯網絡信息中心 cnnic.net.cn/

艾瑞網 iresearch.com.cn/report/viewlist.aspx

易觀智庫 analysys.cn/

游戲產業網 cgigc.com.cn/list/79644663134.html

百度指數 index.baidu.com/

大數據導航 hao.199it.com/

CSM（電視收視率） csm.com.cn/