❶ 大数据发展前景以及最新的研究成果有哪些
参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》显示，中国目前的大数据应用环境和技术相对于美国而言，在整体技术水平、应用环境、国民意识、商业环境、技术厂商、技术平台上面相差超过5年左右。在大数据应用的国家战略层面落后的也较多。
目前了解到的信息是上海政府计划建设大数据产业园，通过政府自身投资来建立大数据平台，吸引中小企业将信息系统及数据放到政府主导的数据平台上，政府将利用此平台来挖掘数据信息，提供数据信息报告。另外一个大数据应用是地方政府请一些大数据公司来开发舆情检测系统，及时了解社会舆论。无论是大数据产业园还是舆情监控。我个人认为没有抓住大数据优势的核心，大数据产业园的管理机制和创新动力不足，无法发挥大数据计算的优势，反而浪费了大量的投资，效率较低。舆情监控本身就无法发挥大数据的商业应用优势，反而阻碍大数据产业的商业应用。我们应该提供大数据产业优惠政策，在资金、场地、税收、科研方面提供外部支持，让企业自身投入到大数据产业建设之中，从企业自身商业需求出发，投入资金来发展大数据产业。
最后总结一下，大数据时代将会给人类社会带来巨大变化，它是一个好的工具，就像计算机一样，帮助人们提升社会生产效率，了解事物真相，认识客观规律。重要的大数据可以帮助政府和企业进行科学决策，降低决策风险，加快进入智慧社会。
❷ 如何将信息技术实践研修成果运用
信息技术课堂教学过程中,不仅要营造好的课堂气氛,还要调动学生的主观能动性,让学生自主探究,还要注重学生综合处理信息的能力的培养,强调以学生为主体的信息收集,处理和应用的实践活动,为信息技术教学营造"宽松,主动,愉悦"的学习氛围,使学生在快乐中活动,在活动中学习,在学习中创造.现浅谈如下中学信息技术教学设计的几点体会:
一,利用多媒体演示讲解的教学设计,发挥教师主导作用
我们知道,信息技术教的基本原则之一是直观性,许有关信息技术基本知识与操作技能,仅凭老师的口述,学生难以形成准确的概念,因此,在信息技术教学中,教师的讲授应精心选择使用多媒体数据,丰富学生的感性认识,并在此基础上得出正确的结论,使教学取得最佳效果.创造民主,轻松的教学氛围.激发学生学习兴趣,调动他们学习的积极性.
二,利用发现探究的教学设计,提高教学效率
在信息技术教学中鼓励学生用自己的头脑去获得知识,重视学生的学习主动性,不要把学生当作学习的被动的接受者.其教学设计为:简述操作要领→操作尝试→启发引导→操作学习→反馈指导→巩固练习→归纳总结的教学设计.这种教学方法,一是使学生掌握知识和技能,二是发展学生的智力.如在学习word制作表格时,学生学起来很简单.但是否很简单,通过布置一个任务(制作课程表),学习效果就一目了然了.至于巩固练习和归纳总结,道理是很显然的.这充分体现"教师为主导,学生为主体"教师的教学与学生的操作时间密切结合的教学设计.
三,构建"主体—互动—探究"的教学设计,激发学生创作兴趣
在信息技术教学过程中,老师先布置任务,学生通过完成任务来自主的参与教学,这样可以培养学生必要的社会性品质;有利于建立良好的教学人际关系,使学生真正成为教学的主人;可以使课堂充满活力,使教学质量得到提高,使学生智力得到较好的发展.例如布置任务:应用frontpage软件制作个人网页,链入班级主页.在大多数学生基本完成任务后,从学生制作的网页中挑选出有代表性的作品.由学生自己介绍演示,然后让学生互相讨论,发表意见,看法,实现相互交流,学习的目的.教师在此过程中以实现预定的教学目标为目的,适当的引导讨论方向.让学生在参与中学会学习,主动研究,在参与中学会学习,学会创新,并通过师生交流的互动作用和情境探索的学习,达到自主构建知识的目的,实现学生主动发展的目标.
❸ 主题研修成果怎么写
主题研修活动的要求与流程
（一）根据需要，选好研修主题
学员结合学习内容、教学的进度和所教学生的实际情况，在专家发布的研修主题中任选一个开展研修活动。
（二）行为跟进，推动研修活动
围绕“主题要求”按研修方案进行，要注意与网上同伴的交流和校本的交流，以提高研修课例的质量。
开展主题研修活动的流程如下：
1．每个学员围绕培训课程中的“思考与活动”，在论坛中与同伴和辅导教师进行交流讨论。
2．根据学情和自身教学特点备课，完成自己的教学设计（按研修主题确定的一节课，但要有一个简单说明，说明这一节课在单元中的位置）。
3．积极参与论坛中或线下的研讨交流活动。
4．在所教班级内按照教学设计，实施教学活动。
5．每位学员都要把实施教学活动中的点滴感悟、心得、收获及学生的反应记录在“研修工作室”内的“研修**志”中，为形成研修成果积累素材。
6．学员在网上收集相应的资料，作为自己研修活动的支持。这些资料可放置在“研修工作室”的“研修**志”中，特别重要的可放置在“我的收藏”中。
7．形成研修成果——“我的教学故事”，并发布在“研修工作室”的“我的主题研修成果”中。
三、其它注意事项
1．在写作“我的教学故事”中，要充分发掘和提升自己的教学实践经验，要注意文章的叙事性和个性特色，切忌抄袭现象。
2．可将教案、学案等做为“我的研修成果”的附件一同提交
附件2：主题研修成果（教育叙事故事）范文
随文舞蹈的荷花
（小学语文）
作者：王银花 文章来源：摘自麻城附小网站
《荷花》这篇课文是小学语文第六册的一篇精读课文。课文的重点是要求学生通过朗读感受荷花的美，并让学生投入到那种神奇的美景中。
课上，气氛一直很活跃。当自由读第二自然段时，学生各个深情并貌，摇头晃脑。
读到“白荷花在这些大圆盘之间冒出来。”这一句时，突然，一个学生猛地站了起来，说：“我冒出来了。”其他学生也读起了这一句，也猛地站起来。我问：“你是怎么冒出来的？”“挺直了身体。”“很用力的。”“很快的。”“我很想看到外面的世界，很急切的。”“不顾一切的。”
我追问：“这么急切地要出来干什么呀？”
“看看外面美丽的世界。”
“我想快点儿开花。”
“因为我很美，我要让大家早点看到。”
……
“多么有生命力的‘荷花’啊！”我不禁赞叹到。
当讲到“你看到了怎么样的荷花？”学生们读着他们找到的句子。读着，读着，一只小手高高举起，嘴里说“我有好方法。”我和学生们都想看看这好方法是怎样的，于是就请她读。只见她站起来，双手合拢，食指、无名指微曲着往外翘开，念到：“有的才展开两三片花瓣儿。”接着，所有的手指都翘开了，非常高兴地念到：“有的花瓣儿全都展开了，露出嫩黄色的小莲蓬。”马上又双手合拢，手指向外凸出，很用力地念到：“有的还是花骨朵，看起来饱胀得马上要破裂似的。”当我看完她的表演，心中激动不已：多么精彩的朗读！这是一朵舞蹈着的‘荷花’。学生们看完了，纷纷模仿。这时，我看到了一池舞动的‘荷花。’
……
通过前面的学习，对于“变荷花”已水到渠成了。我轻轻地读着“看着，看着，……一池的荷花都在舞蹈。”学生中，有的轻轻摇晃着身体，有的轻摇着手臂，还有的站起来转圈。我想，这时的他们真的成了荷花，在微风中舞蹈着的荷花。那么文中省略号的补充也就丰富多彩了。“小鸟飞过来，停在我的肩膀上，唱着清脆的歌。”“小青蛙蹲在菏叶上，呱呱地对我说：“你真美。我要是白色的，那该有多好啊！”“一群小朋友跑过来，高兴地叫着：“多美的荷花啊！”……
我们的学生是多么的富有生命力啊！
❹ 转：大数据到底要研究什么
外行人一看就知道是要让所有东西都联上因特网。后来，又是云计算，说是要把计算放到云里去。云在哪里呢？反正在远处，也还可以理解。最近，在计算机软件领域，到处都在喊大数据。这有点不好理解。数据（data）是个不可数名词，怎么来大小了？我自己也一样，最近大致学习了一下，看大数据究竟要研究什么？提出来抛砖引玉吧！
何谓“大”数据？70年代若干兆字节（MB）就算大量数据了，以后是千兆字节（GB）、兆兆字节（TB），而现在已经到了PB级（1PB=1024TB），而高端数据仓库已达EB级（1EB=1024PB）。反正是千倍千倍的往上翻。想想，光是全世界各地装的摄像头有多少，每时每刻都在产生数据。唱歌、通话、录音产生多少数据。多少亿人上网、发微博，多少数据！有了因特网，这些数据就都在网上流通，而不是死在那里。票子不流通就没有价值，数据也一样。数据不利用也毫无价值。所以，的确每天都产生大量的数据，需要处理。所以有大数据，而且需要处理。这一点，没有疑义。 在计算机领域，早就有数据库分支，后来发展到数据仓库，也有人叫海量数据处理。现在又提出所谓“大数据”。有了因特网以后，数据的一个重要特征是互动性和动态性，就是说任何用户既可以下载，也可以上传，也可以实时对话。例如在线商务，政府的群众情绪分析，卫生部门的流行病疫情分析，社会科学家研究社会网络如何扩散社会呼声及如何有效处理。但是，这些都属于大数据技术的应用，虽然每一个都需要一个应用程序，但不属于大数据技术本身。可这些都要求支持大量数据的计算、搜索和存储。因此，大数据分析和管理成为当今计算领域最关键性的挑战。 有人认为，大数据主要是数理统计，对大量同类型数据进行统计分析。这属于数理统计学科，不属于计算学科。也有人认为，大数据主要是数据挖掘、机器学习。这倒有点靠谱。但是，数据挖掘、机器学习是另外两个学科领域。不能把数据挖掘、机器学习包括在大数据的研究范围之内。大数据是数据库发展而来的。数据库要做的是数据的组织、存储和管理。关系数据库比较容易创建和存取，而且容易扩充。在数据库创建之后，一个新的数据种类能被添加而不需要修改所有的现有应用软件。并行数据库的SQL语言应运而生。但是，大数据来了以后，没有一个设备能存储这么大量的数据，它必须存储在许多的存储设备中。一个硬盘即使能存1TB，对于EB的数据也无济于事。而且，读写都很费时。串行地组织、管理、搜索这么大量的数据，用多么快的计算机都无能为力。因为超级计算机可以计算得很快，但与存储设备的输入输出快不了。所以，串行根本是不可取的，必须并行化。当前的大数据基本都运行于网络化的计算机群（Cluster of computers）上，每一个都有自己的处理器、存储器和硬盘。数据分布在多个计算机机群上，通常采用哈希分块，或者按范围、随机分块，或者队列，其处理一般用并行基于哈希的分而治之的算法。这里，“分布”和“并行”成了两个关键词。不可想象，能有一个计算机来管理整个计算机机群。更新、搜索数据都必须是分布式的，而且不能串行，一个一个地来做。Google开发了一个谷歌文件系统（GFS），可以在成百上千的机群里进行基于字符串的文件搜索。用户可以并行地加入数据，也可以实时地把数据加入到某一类中（MapRece）。Yahoo和其他Web公司，譬如Facebook，搞了一个谷歌大数据栈的开源软件，从而产生了现在很时髦的Hadoop平台及HDFS存储层。为了要实现在线事务处理（OLTP），容错不可少。由于上亿用户的同时使用，OLTP系统必须很快查找、更新用户资料，任务很多，要快、不能错、防攻击，而且还不能太贵。Google和Amazon都开发了他们自己的系统。今天，Hadoop和HDFS已经成为大数据分析占有统治地位的平台了。数据分析不能停留在MapRece水平，而是要更高层次的说明性语言，更容易表达、书写、找错。这样的语言大家都在搞。这样，问题就来了：我们是跟着这些大公司，跟踪和改进Hadoop，还是另辟蹊径。我们搞跟踪搞了几十年了，基本都用人家的，然后搞汉化。人家搞汉化甚至比我们还快。我们搞出来的东西常常没人家好用，市场就先入为主，被人家占领了。另外搞一个类似的东西，既抢不到市场，学术价值也不大。这时候，科学研究就见功力了。抓不住基础性问题，没有全新的想法，就很难出原始创新的成果。 归根结底，基础性问题是大数据的分布存储，并行处理。就像一个人有一个任务，需要许多人参与才能完成，而且他们互不相识，任何个人都完不成。应该怎么做？大家想想，也许能把这个问题说得更加确切一些。