聚焦數據分析　提升科研質量

冉秀杰

摘 要：“雙減”背景下，科學研究的門檻越來越高，觀測能力、實驗能力最終都是反應在數據的采集上面，因而數據采集的越來越多，數據分析的要求也就水漲船高了。本文通過推動數據資源整合建立科研大數據、合理選擇科研數據分析軟件、利用數據分析進行文獻研究以及利用據分析進行驗證性研究等方面聚焦數據分析，助力科研質量的提升，落實“雙減”，辦人民滿意的教育。

關鍵詞：聚焦；數據分析；提升；科研質量

一、數據分析的概念

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。 [1]

數據分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，并使得數據分析得以推廣。數據分析是數學與計算機科學相結合的產物。數據分析這個術語應該是在基礎數學已經到達一定的成熟度了，數據量越來越大了之后才出現的。隨著科學研究的門檻越來越高，觀測能力、實驗能力最終都是反應在數據的采集上面，因而數據采集的越來越多，數據分析的要求也就水漲船高了。

二、數據分析，助力教育科研意義

隨著互聯網技術的發展，大數據應運而生。在教育科研領域中，大數據一方面給人類的科研數據信息存儲和管理帶來了巨大挑戰；另一方面也給人類創造數據挖掘和利用的巨大價值和機遇。科學研究歷來都是和數據分析相伴而來的。順應新教育變革，科研工作者不只是簡單的數據分析軟件和照本宣科式的操作就足以應對標準測試條件下的數據分析了，而要想獲得更多的信息就需要深入挖掘實驗數據。這個時候對于實驗方法和觀測對象本身要有非常好的理解，分析各種情況，找到符合實驗原理和觀測對象本身的合理解釋。這時候一般的分析軟件就有點捉襟見肘了，需要科研工作者有一定的編程能力，可以隨心所欲的玩轉各種數據轉換和擬合。另一方面，較好的編程能力可以顯著地提高科研人員數據分析的效率，特別是批量的處理相似的原始數據來提取有用的信息。如今，數據分析改變或重構了傳統的教育探索和科研創新模式。。

三、聚焦數據分析，提升科研質量

（一）推動數據資源整合建立科研大數據

2022年3月《2022國務院政府工作報告》中強調加強數字中國建設整體布局，培育數據要素市場，挖掘數據要素潛力，提高應用能力，更好賦能。大數據技術融入到金融、交通、醫療、衛生、就業、文化、教育、安監等各領域，智能時代基于數據的決策將成為各領域的核心力量，社會發展的重要推動力，無論是政府、商業還是在教育中，都是一種價值觀、方法論、思維的大變革。

就科研創新領域而言，國家有關科技管理部門要抓緊時間落實綱要精神，制定出切實可行的具體辦法。統籌規劃科研大數據基礎設施建設，充分利用現有科研數據資源和設施平臺、整合分散的數據中心資源，建立低成本、高效率的國家科研大數據統一開放平臺。利用大數據技術，深度分析和挖掘海量的互聯網信息資源，加強網絡信息資源的采集和長期保存工作，提高數據資源的利用和開發能力，構建互聯網信息保存和信息服務體系，打造數據分析平臺，為科研的質量提供基礎保障。

（二）合理選擇科研數據分析軟件

科研數據分析軟件有許多，有常規二維，三維作圖，數據擬合（高斯擬合，高斯-洛倫茲擬合）一般使用origin軟件和matlab軟件。然后每種表征有對應的分析軟件，比如XPS ，XPS peak處理。（進行分峰擬合）；RD就是用jade軟件，可以定性定量分析。SPSS是一種比較有用的數據處理軟件，IBM公司作為后盾升級更新速度快，系統穩定；界面操作，功能便捷；與教科研相近，參考性和借鑒性強；與OFFICE的交互性強。其中“與教科研相近，參考性和借鑒性強”的優勢。

（三）利用數據分析進行文獻研究

文獻綜述是課題研究中的重中之重，數據分析用于文獻研究室對文獻進行聚類、預測、關聯和相關性分析等，因此根據數據分析的功能將其分為共引分析、共著分析、著者分析、共詞分析和共篇分析等。

共詞分析是一種內容分析方法，通過分析同一個文本的主體內容，統計單詞或短語出現的頻度。通過分析同意文本的主題內容，統計單詞或短語出現的頻度。從而確認文本所代表的學科領域中各個研究熱點的相互關系，進而探索學科的發展趨勢[1]。共詞分析首先從文獻數據庫中抽取出現頻次超過一定閾值的高頻主題詞，兩量統計。這些主題詞在同一篇文章中同時出現的次數，形成共詞矩陣。然后圍繞這個共詞矩陣進行分析。

共篇分析是指兩篇或者兩篇以上的文獻具有一個或多個相互聯系的關鍵詞，這類關鍵詞是連結多篇文獻的紐帶，這種紐帶的關系可稱之為文獻關鍵詞鏈。用途主要包括：從內容上了解文獻之間的內在聯系，了解該領域在研究方向上的類同和相關聯程度：分別統計具有相同主題詞的文獻作者群，能了解該主題研究領域在世界范圍內的分布和發展趨勢。

（四）利用據分析進行驗證性研究

驗證性研究，即驗證假設和探索性研究，尋找規律。是你已經有事先假設的關系模型等，要通過數據分析來對你的假設模型進行驗證。例如：SPSS實證分析，通過A/B測試，即分組實驗，將測試對象分成兩個組開展：實驗組——執行特定處理的一組對象，和對照組——不執行處理的一組對象，進而確定兩種處理方式、產品、過程等較優的一個。A/B測試大致步驟是先確定目標，形成假設，然后進行數據操作，數據分析及輸出，形成分析報告。

“雙減”背景下，大數據的出現既為科學研究提供了雄厚的信息資源保障，同時又為科研數據查找、分析和利用帶來了巨大挑戰。在新的時代背景下，數據分析只有改變原有的思維模式和運作方式，與時俱進，不斷創新發展，才能繼續高效發揮服務功能，為科研活動提供科學依據和信息資源，從而推動科研創新的發展，提升科研質量，為經濟社會的發展提供強大的動力支持。

參考文獻：

[1]陶皖主編．云計算與大數據：西安電子科技大學出版社，2017.01：第44頁

[2]顧君忠，楊靜主編．英漢多媒體技術辭典：上海交通大學出版社，2016.09：第1544頁