
新鲜高招政策陆续出炉 大数据频频出镜
大数据技术作为21世纪最具时代标志的技术之一,给教育行业带来了重大影响。近日,各地高校相继开启高招模式,多所学校都在招生专业方面有所调整,新增招生专业,其中与大数据相关的不在少数。
新鲜高招政策陆续出炉大数据频频出镜
大数据技术是21世纪最具时代标志的技术之一,被视为在物理、计算机科学、交通、医学、基因学、金融和经济等诸多领域提高效率的一种独特机遇。用于大数据的国际电联标准可解决当前和未来的城市发展问题并协助创建智慧、可持续发展的城市,同时应对气候变化并在发生自然灾害时作出快速响应。
基于大数据影响的日益扩大,教育大数据研究和应用已经引起我国政府的高度重视。国务院《促进大数据发展行动纲要》提出“探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”。
另外,《教育信息化“十三五”规划》也强调积极发挥教育大数据在教育管理平台建设和学习空间应用等方面的重要作用。“十三五”期间,大数据与教育的深度融合已成为必然趋势。
近日,各地高校相继开启高招模式,新鲜的高招政策陆续出炉。从20余所高校介绍的今年政策变化来看,2017年,对外经济贸易大学、北京邮电大学等多所学校都在招生专业方面有所调整,新增招生专业,其中与大数据相关的不在少数。
“这是具有国际化视野与大数据思维、以计算机科学统计分析为基础,具备经济、金融、物流、商业、贸易管理等相关学科的一个领域知识,能推动并引领未来全球互联网+、云计算、大数据技术在各领域的一个深入应用。”对外经济贸易大学招办老师顾新宇介绍,未来就业前景良好,可以从事数据分析师、证券分析师、工业工程师等职业。
而在北京邮电大学今年新增4个本科专业中,也涉及大数据,分别是数据科学与大数据技术、网络空间安全、邮政工程、邮政管理。据了解,数据科学与大数据技术、网络空间安全是两个全新的专业。前者培养的是从事数据科学和大数据相关的软硬件及网络的研究、设计、开发、应用的高级人才。
今年复旦大学也新设一些专业,新建了大数据学院,还有大气科学专业等。但复旦大学国际关系与公共事务学院副院长、北京招生组组长陈周旺表示,这些新专业是否会放在北京招生计划中,还要统筹安排。除此之外,中国人民大学三个本科新增专业中,其中之一也是数据科学与大数据技术。
的确,大数据给教育行业带来了重大影响。基于大数据的精确学情诊断、个性化学习分析和智能决策支持,大大提升了教育品质,对促进教育公平、提高教育质量、优化教育治理都具有重要作用,已成为实现教育现代化必不可少的重要支撑。
但作为一项新兴技术,我国教育大数据开发利用面临难题,比如数据类型较单一;数据规模难以满足需求;缺乏对教育数据的深度分析、挖掘、利用;跨界数据的整合不够;对大数据研究和开发的支持力度不足、队伍不强;教育大数据标准与安全问题面临挑战。
为积极稳妥发展我国教育大数据,业内人士认为应注意以下问题:
第一,加强我国教育大数据基础建设。依托现有国家教育资源公共服务平台、中小学生学籍系统等基础数据库,建立覆盖全国的教育大数据基础平台和管理体系,一方面有利于充分挖掘利用,另一方面有利于合理监管。
第二,积极开展教育大数据的应用创新和示范。以教育机构、企事业单位为依托,在全国建立若干教育大数据应用示范区、示范点,在个性化学习服务、教育管理决策等方面开展有针对性的应用创新示范,为后续推广积累经验。
第三,加快推进我国教育大数据标准规范和法律法规建设。积极制定教育大数据采集、交易等相关法律法规,尽快启动教育大数据相关标准规范研究制定工作,保障教育大数据的安全、规范获取和及时、有效利用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10