❶ 大數據發展前景以及最新的研究成果有哪些
參考前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》顯示，中國目前的大數據應用環境和技術相對於美國而言，在整體技術水平、應用環境、國民意識、商業環境、技術廠商、技術平台上面相差超過5年左右。在大數據應用的國家戰略層面落後的也較多。
目前了解到的信息是上海政府計劃建設大數據產業園，通過政府自身投資來建立大數據平台，吸引中小企業將信息系統及數據放到政府主導的數據平台上，政府將利用此平台來挖掘數據信息，提供數據信息報告。另外一個大數據應用是地方政府請一些大數據公司來開發輿情檢測系統，及時了解社會輿論。無論是大數據產業園還是輿情監控。我個人認為沒有抓住大數據優勢的核心，大數據產業園的管理機制和創新動力不足，無法發揮大數據計算的優勢，反而浪費了大量的投資，效率較低。輿情監控本身就無法發揮大數據的商業應用優勢，反而阻礙大數據產業的商業應用。我們應該提供大數據產業優惠政策，在資金、場地、稅收、科研方面提供外部支持，讓企業自身投入到大數據產業建設之中，從企業自身商業需求出發，投入資金來發展大數據產業。
最後總結一下，大數據時代將會給人類社會帶來巨大變化，它是一個好的工具，就像計算機一樣，幫助人們提升社會生產效率，了解事物真相，認識客觀規律。重要的大數據可以幫助政府和企業進行科學決策，降低決策風險，加快進入智慧社會。
❷ 如何將信息技術實踐研修成果運用
信息技術課堂教學過程中,不僅要營造好的課堂氣氛,還要調動學生的主觀能動性,讓學生自主探究,還要注重學生綜合處理信息的能力的培養,強調以學生為主體的信息收集,處理和應用的實踐活動,為信息技術教學營造"寬松,主動,愉悅"的學習氛圍,使學生在快樂中活動,在活動中學習,在學習中創造.現淺談如下中學信息技術教學設計的幾點體會:
一,利用多媒體演示講解的教學設計,發揮教師主導作用
我們知道,信息技術教的基本原則之一是直觀性,許有關信息技術基本知識與操作技能,僅憑老師的口述,學生難以形成准確的概念,因此,在信息技術教學中,教師的講授應精心選擇使用多媒體數據,豐富學生的感性認識,並在此基礎上得出正確的結論,使教學取得最佳效果.創造民主,輕松的教學氛圍.激發學生學習興趣,調動他們學習的積極性.
二,利用發現探究的教學設計,提高教學效率
在信息技術教學中鼓勵學生用自己的頭腦去獲得知識,重視學生的學習主動性,不要把學生當作學習的被動的接受者.其教學設計為:簡述操作要領→操作嘗試→啟發引導→操作學習→反饋指導→鞏固練習→歸納總結的教學設計.這種教學方法,一是使學生掌握知識和技能,二是發展學生的智力.如在學習word製作表格時,學生學起來很簡單.但是否很簡單,通過布置一個任務(製作課程表),學習效果就一目瞭然了.至於鞏固練習和歸納總結,道理是很顯然的.這充分體現"教師為主導,學生為主體"教師的教學與學生的操作時間密切結合的教學設計.
三,構建"主體—互動—探究"的教學設計,激發學生創作興趣
在信息技術教學過程中,老師先布置任務,學生通過完成任務來自主的參與教學,這樣可以培養學生必要的社會性品質;有利於建立良好的教學人際關系,使學生真正成為教學的主人;可以使課堂充滿活力,使教學質量得到提高,使學生智力得到較好的發展.例如布置任務:應用frontpage軟體製作個人網頁,鏈入班級主頁.在大多數學生基本完成任務後,從學生製作的網頁中挑選出有代表性的作品.由學生自己介紹演示,然後讓學生互相討論,發表意見,看法,實現相互交流,學習的目的.教師在此過程中以實現預定的教學目標為目的,適當的引導討論方向.讓學生在參與中學會學習,主動研究,在參與中學會學習,學會創新,並通過師生交流的互動作用和情境探索的學習,達到自主構建知識的目的,實現學生主動發展的目標.
❸ 主題研修成果怎麼寫
主題研修活動的要求與流程
（一）根據需要，選好研修主題
學員結合學習內容、教學的進度和所教學生的實際情況，在專家發布的研修主題中任選一個開展研修活動。
（二）行為跟進，推動研修活動
圍繞「主題要求」按研修方案進行，要注意與網上同伴的交流和校本的交流，以提高研修課例的質量。
開展主題研修活動的流程如下：
1．每個學員圍繞培訓課程中的「思考與活動」，在論壇中與同伴和輔導教師進行交流討論。
2．根據學情和自身教學特點備課，完成自己的教學設計（按研修主題確定的一節課，但要有一個簡單說明，說明這一節課在單元中的位置）。
3．積極參與論壇中或線下的研討交流活動。
4．在所教班級內按照教學設計，實施教學活動。
5．每位學員都要把實施教學活動中的點滴感悟、心得、收獲及學生的反應記錄在「研修工作室」內的「研修**志」中，為形成研修成果積累素材。
6．學員在網上收集相應的資料，作為自己研修活動的支持。這些資料可放置在「研修工作室」的「研修**志」中，特別重要的可放置在「我的收藏」中。
7．形成研修成果——「我的教學故事」，並發布在「研修工作室」的「我的主題研修成果」中。
三、其它注意事項
1．在寫作「我的教學故事」中，要充分發掘和提升自己的教學實踐經驗，要注意文章的敘事性和個性特色，切忌抄襲現象。
2．可將教案、學案等做為「我的研修成果」的附件一同提交
附件2：主題研修成果（教育敘事故事）範文
隨文舞蹈的荷花
（小學語文）
作者：王銀花 文章來源：摘自麻城附小網站
《荷花》這篇課文是小學語文第六冊的一篇精讀課文。課文的重點是要求學生通過朗讀感受荷花的美，並讓學生投入到那種神奇的美景中。
課上，氣氛一直很活躍。當自由讀第二自然段時，學生各個深情並貌，搖頭晃腦。
讀到「白荷花在這些大圓盤之間冒出來。」這一句時，突然，一個學生猛地站了起來，說：「我冒出來了。」其他學生也讀起了這一句，也猛地站起來。我問：「你是怎麼冒出來的？」「挺直了身體。」「很用力的。」「很快的。」「我很想看到外面的世界，很急切的。」「不顧一切的。」
我追問：「這么急切地要出來干什麼呀？」
「看看外面美麗的世界。」
「我想快點兒開花。」
「因為我很美，我要讓大家早點看到。」
……
「多麼有生命力的『荷花』啊！」我不禁贊嘆到。
當講到「你看到了怎麼樣的荷花？」學生們讀著他們找到的句子。讀著，讀著，一隻小手高高舉起，嘴裡說「我有好方法。」我和學生們都想看看這好方法是怎樣的，於是就請她讀。只見她站起來，雙手合攏，食指、無名指微曲著往外翹開，念到：「有的才展開兩三片花瓣兒。」接著，所有的手指都翹開了，非常高興地念到：「有的花瓣兒全都展開了，露出嫩黃色的小蓮蓬。」馬上又雙手合攏，手指向外凸出，很用力地念到：「有的還是花骨朵，看起來飽脹得馬上要破裂似的。」當我看完她的表演，心中激動不已：多麼精彩的朗讀！這是一朵舞蹈著的『荷花』。學生們看完了，紛紛模仿。這時，我看到了一池舞動的『荷花。』
……
通過前面的學習，對於「變荷花」已水到渠成了。我輕輕地讀著「看著，看著，……一池的荷花都在舞蹈。」學生中，有的輕輕搖晃著身體，有的輕搖著手臂，還有的站起來轉圈。我想，這時的他們真的成了荷花，在微風中舞蹈著的荷花。那麼文中省略號的補充也就豐富多彩了。「小鳥飛過來，停在我的肩膀上，唱著清脆的歌。」「小青蛙蹲在菏葉上，呱呱地對我說：「你真美。我要是白色的，那該有多好啊！」「一群小朋友跑過來，高興地叫著：「多美的荷花啊！」……
我們的學生是多麼的富有生命力啊！
❹ 轉：大數據到底要研究什麼
外行人一看就知道是要讓所有東西都聯上網際網路。後來，又是雲計算，說是要把計算放到雲里去。雲在哪裡呢？反正在遠處，也還可以理解。最近，在計算機軟體領域，到處都在喊大數據。這有點不好理解。數據（data）是個不可數名詞，怎麼來大小了？我自己也一樣，最近大致學習了一下，看大數據究竟要研究什麼？提出來拋磚引玉吧！
何謂「大」數據？70年代若干兆位元組（MB）就算大量數據了，以後是千兆位元組（GB）、兆兆位元組（TB），而現在已經到了PB級（1PB=1024TB），而高端數據倉庫已達EB級（1EB=1024PB）。反正是千倍千倍的往上翻。想想，光是全世界各地裝的攝像頭有多少，每時每刻都在產生數據。唱歌、通話、錄音產生多少數據。多少億人上網、發微博，多少數據！有了網際網路，這些數據就都在網上流通，而不是死在那裡。票子不流通就沒有價值，數據也一樣。數據不利用也毫無價值。所以，的確每天都產生大量的數據，需要處理。所以有大數據，而且需要處理。這一點，沒有疑義。 在計算機領域，早就有資料庫分支，後來發展到數據倉庫，也有人叫海量數據處理。現在又提出所謂「大數據」。有了網際網路以後，數據的一個重要特徵是互動性和動態性，就是說任何用戶既可以下載，也可以上傳，也可以實時對話。例如在線商務，政府的群眾情緒分析，衛生部門的流行病疫情分析，社會科學家研究社會網路如何擴散社會呼聲及如何有效處理。但是，這些都屬於大數據技術的應用，雖然每一個都需要一個應用程序，但不屬於大數據技術本身。可這些都要求支持大量數據的計算、搜索和存儲。因此，大數據分析和管理成為當今計算領域最關鍵性的挑戰。 有人認為，大數據主要是數理統計，對大量同類型數據進行統計分析。這屬於數理統計學科，不屬於計算學科。也有人認為，大數據主要是數據挖掘、機器學習。這倒有點靠譜。但是，數據挖掘、機器學習是另外兩個學科領域。不能把數據挖掘、機器學習包括在大數據的研究范圍之內。大數據是資料庫發展而來的。資料庫要做的是數據的組織、存儲和管理。關系資料庫比較容易創建和存取，而且容易擴充。在資料庫創建之後，一個新的數據種類能被添加而不需要修改所有的現有應用軟體。並行資料庫的SQL語言應運而生。但是，大數據來了以後，沒有一個設備能存儲這么大量的數據，它必須存儲在許多的存儲設備中。一個硬碟即使能存1TB，對於EB的數據也無濟於事。而且，讀寫都很費時。串列地組織、管理、搜索這么大量的數據，用多麼快的計算機都無能為力。因為超級計算機可以計算得很快，但與存儲設備的輸入輸出快不了。所以，串列根本是不可取的，必須並行化。當前的大數據基本都運行於網路化的計算機群（Cluster of computers）上，每一個都有自己的處理器、存儲器和硬碟。數據分布在多個計算機機群上，通常採用哈希分塊，或者按范圍、隨機分塊，或者隊列，其處理一般用並行基於哈希的分而治之的演算法。這里，「分布」和「並行」成了兩個關鍵詞。不可想像，能有一個計算機來管理整個計算機機群。更新、搜索數據都必須是分布式的，而且不能串列，一個一個地來做。Google開發了一個谷歌文件系統（GFS），可以在成百上千的機群里進行基於字元串的文件搜索。用戶可以並行地加入數據，也可以實時地把數據加入到某一類中（MapRece）。Yahoo和其他Web公司，譬如Facebook，搞了一個谷歌大數據棧的開源軟體，從而產生了現在很時髦的Hadoop平台及HDFS存儲層。為了要實現在線事務處理（OLTP），容錯不可少。由於上億用戶的同時使用，OLTP系統必須很快查找、更新用戶資料，任務很多，要快、不能錯、防攻擊，而且還不能太貴。Google和Amazon都開發了他們自己的系統。今天，Hadoop和HDFS已經成為大數據分析佔有統治地位的平台了。數據分析不能停留在MapRece水平，而是要更高層次的說明性語言，更容易表達、書寫、找錯。這樣的語言大家都在搞。這樣，問題就來了：我們是跟著這些大公司，跟蹤和改進Hadoop，還是另闢蹊徑。我們搞跟蹤搞了幾十年了，基本都用人家的，然後搞漢化。人家搞漢化甚至比我們還快。我們搞出來的東西常常沒人家好用，市場就先入為主，被人家佔領了。另外搞一個類似的東西，既搶不到市場，學術價值也不大。這時候，科學研究就見功力了。抓不住基礎性問題，沒有全新的想法，就很難出原始創新的成果。 歸根結底，基礎性問題是大數據的分布存儲，並行處理。就像一個人有一個任務，需要許多人參與才能完成，而且他們互不相識，任何個人都完不成。應該怎麼做？大家想想，也許能把這個問題說得更加確切一些。