首页 理论教育高中数学核心素养:数据分析的主要表现形式

高中数学核心素养:数据分析的主要表现形式

【摘要】:《普通高中数学课程标准(2017年版)》指出:数据分析是研究随机现象的重要数学技术,是大数据时代数学应用的主要方法,也是“互联网+”相关领域的主要数学方法,数据分析已经深入到科学、技术、工程和现代社会生活的各个方面.通过高中数学课程的学习,学生能提升获取有价值信息并进行定量分析的意识和能力;适应数字化学习的需要,增强基于数据表达现实问题的意识,形成通过数据认识事物的思维品质,积累依托数据探索事物本

《普通高中数学课程标准(2017年版)》指出:数据分析是研究随机现象的重要数学技术,是大数据时代数学应用的主要方法,也是“互联网+”相关领域的主要数学方法,数据分析已经深入到科学、技术、工程和现代社会生活的各个方面.通过高中数学课程的学习,学生能提升获取有价值信息并进行定量分析的意识和能力;适应数字化学习的需要,增强基于数据表达现实问题的意识,形成通过数据认识事物的思维品质,积累依托数据探索事物本质、关联和规律的活动经验.

根据课程标准的叙述,数据分析素养主要表现形式如下.

(一)有效收集和整理数据的能力

数据收集主要包括主动收集数据和被动收集数据两种形式.被动收集数据是指由互联网,物联网,遥感和卫星所产生的数据,它的特点是自动产生,不论人们是否需要,数量庞大且产生数据的速度很快;主动收集数据主要是指通过科学实验与测试、问卷和抽样调查、报表与年鉴等形式来获得数据.有效的、科学的和较为精确的,能够反映客观事物随机特征和内在规律的数据是数据分析的前提,没有数据,数据分析就成为无米之炊.在进行数据收集工作时,要依据研究的目的、研究对象的随机特征和拟探讨事物的内在规律来确定收集什么数据,要规定收集数据的方式,以确保收集到的数据的精确度和可信度.这些可以反映出数据收集员的判断能力和数据采集水平.

整理数据是有效地进行数据分析的基础.数据整理一方面是数据的可视化,主要表现在数据的图示,即利用各类数据图展示数据;另一方面是数据的预处理,为了避免其他数据不必要的干扰,常对数据进行标准化处理.这些往往需要具备一定的数学统计原理和方法,和对事物本质属性的揭示,能力水平不同,数据收集与整理的速度和准确性也不同,数据分析的结果可能也不同.随着科学技术及经济的快速发展,滋生了数据采集员这个职业.

(二)有效建模和推断数据的能力

在经历了数据可视化和预处理形成对“可分析”数据的感性认识过程后,从解决问题的目的出发,利用统计知识和方法,构建统计模型.这个统计模型主要研究两个方面.一方面,研究随机现象的概率分布,研究随机现象是否符合正态分布;另一方面,研究两个变量的相关性,利用统计方法(如极大似然估计法或最小二乘估计法)对统计模型中未知的参数进行估计,或对依据现实情境提出的假设进行检验,或基于一设定的概率或统计模型对未来进行预测.这些问题的处理,都基于对概率统计的相关知识的掌握,以及处理实际问题的能力,这些相关问题的建模还要结合信息化进行有效处理.随着科学技术及经济的快速发展,滋生了精算师这个职业.

(三)得出结论形成知识的能力

获得结论和形成知识是数据分析的终极目标,服务于科学发现、技术创新和管理决策.获得的结论形成的知识,经过不断的验证和优化后,最终可以形成对所研究对象的特性和内在规律性的精确掌握程度的判断.随着科学技术及经济的快速发展,滋生了分析师这个职业.

总之,数据分析素养的形成与数学教育提出的“四能”(发现、提出、分析、解决问题能力),“三会”(会用数学的眼光观察世界、会用数学的思维思考世界、会用数学的语言表达世界)是相辅相成的,有利于学生思维能力、实践能力和创新意识的发展,有利于学生科学精神的培育.