有关于dikw视野下的“数据统计与”教学

《有关于dikw视野下的“数据统计与”教学》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、有关于DIKW视野下的“数据统计与”教学DIKation）：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（Kno）：是富有洞察力的知识DIKW视野下的“数据统计与”教学由写论文的好帮手.提供,.，是运用知识分析和解决理由的能力，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。　　从理由解答的角度观察，信息层回答的是“是何”的理由，知识层解决的是“如何”的理由，智慧层则涉及“为何”的理由。早期研究中有

2、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、为何的理由，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，提取出有作用的信息，进而将信息组织成知识

3、，推动学生明确“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DI

4、KW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作用的信息进而展开分析，数据需

5、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，推动学生通过操作发掘数据之间的关系，形DIKW视野下的“数据统计与”教学论文导读：本论文是一篇关于DIKW视野下的“数据统计与”教学的优秀论文范文,对正在写有关于数据论文的写有一定的参考和指导作用,123成有作用的信息。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作用，即有统计价值，场景1中

6、接听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作用的信息。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作用。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，数据本身没有理由，但这种统计的结果似乎没有分

7、析的作用及价值，因而统计本身就失去了作用。　　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，知识在某种作用上便是输出。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

8、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，从而推动学生在体验到分析作用的基础上，树立利用