聚焦数据分析 提升科研质量

冉秀杰

摘 要：“双减”背景下，科学研究的门槛越来越高，观测能力、实验能力最终都是反应在数据的采集上面，因而数据采集的越来越多，数据分析的要求也就水涨船高了。本文通过推动数据资源整合建立科研大数据、合理选择科研数据分析软件、利用数据分析进行文献研究以及利用据分析进行验证性研究等方面聚焦数据分析，助力科研质量的提升，落实“双减”，办人民满意的教育。

关键词：聚焦；数据分析；提升；科研质量

一、数据分析的概念

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。 [1]

数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。数据分析这个术语应该是在基础数学已经到达一定的成熟度了，数据量越来越大了之后才出现的。随着科学研究的门槛越来越高，观测能力、实验能力最终都是反应在数据的采集上面，因而数据采集的越来越多，数据分析的要求也就水涨船高了。

二、数据分析，助力教育科研意义

随着互联网技术的发展，大数据应运而生。在教育科研领域中，大数据一方面给人类的科研数据信息存储和管理带来了巨大挑战；另一方面也给人类创造数据挖掘和利用的巨大价值和机遇。科学研究历来都是和数据分析相伴而来的。顺应新教育变革，科研工作者不只是简单的数据分析软件和照本宣科式的操作就足以应对标准测试条件下的数据分析了，而要想获得更多的信息就需要深入挖掘实验数据。这个时候对于实验方法和观测对象本身要有非常好的理解，分析各种情况，找到符合实验原理和观测对象本身的合理解释。这时候一般的分析软件就有点捉襟见肘了，需要科研工作者有一定的编程能力，可以随心所欲的玩转各种数据转换和拟合。另一方面，较好的编程能力可以显著地提高科研人员数据分析的效率，特别是批量的处理相似的原始数据来提取有用的信息。如今，数据分析改变或重构了传统的教育探索和科研创新模式。。

三、聚焦数据分析，提升科研质量

（一）推动数据资源整合建立科研大数据

2022年3月《2022国务院政府工作报告》中强调加强数字中国建设整体布局，培育数据要素市场，挖掘数据要素潜力，提高应用能力，更好赋能。大数据技术融入到金融、交通、医疗、卫生、就业、文化、教育、安监等各领域，智能时代基于数据的决策将成为各领域的核心力量，社会发展的重要推动力，无论是政府、商业还是在教育中，都是一种价值观、方法论、思维的大变革。

就科研创新领域而言，国家有关科技管理部门要抓紧时间落实纲要精神，制定出切实可行的具体办法。统筹规划科研大数据基础设施建设，充分利用现有科研数据资源和设施平台、整合分散的数据中心资源，建立低成本、高效率的国家科研大数据统一开放平台。利用大数据技术，深度分析和挖掘海量的互联网信息资源，加强网络信息资源的采集和长期保存工作，提高数据资源的利用和开发能力，构建互联网信息保存和信息服务体系，打造数据分析平台，为科研的质量提供基础保障。

（二）合理选择科研数据分析软件

科研数据分析软件有许多，有常规二维，三维作图，数据拟合（高斯拟合，高斯-洛伦兹拟合）一般使用origin软件和matlab软件。然后每种表征有对应的分析软件，比如XPS ，XPS peak处理。（进行分峰拟合）；RD就是用jade软件，可以定性定量分析。SPSS是一种比较有用的数据处理软件，IBM公司作为后盾升级更新速度快，系统稳定；界面操作，功能便捷；与教科研相近，参考性和借鉴性强；与OFFICE的交互性强。其中“与教科研相近，参考性和借鉴性强”的优势。

（三）利用数据分析进行文献研究

文献综述是课题研究中的重中之重，数据分析用于文献研究室对文献进行聚类、预测、关联和相关性分析等，因此根据数据分析的功能将其分为共引分析、共著分析、著者分析、共词分析和共篇分析等。

共词分析是一种内容分析方法，通过分析同一个文本的主体内容，统计单词或短语出现的频度。通过分析同意文本的主题内容，统计单词或短语出现的频度。从而确认文本所代表的学科领域中各个研究热点的相互关系，进而探索学科的发展趋势[1]。共词分析首先从文献数据库中抽取出现频次超过一定阈值的高频主题词，两量统计。这些主题词在同一篇文章中同时出现的次数，形成共词矩阵。然后围绕这个共词矩阵进行分析。

共篇分析是指两篇或者两篇以上的文献具有一个或多个相互联系的关键词，这类关键词是连结多篇文献的纽带，这种纽带的关系可称之为文献关键词链。用途主要包括：从内容上了解文献之间的内在联系，了解该领域在研究方向上的类同和相关联程度：分别统计具有相同主题词的文献作者群，能了解该主题研究领域在世界范围内的分布和发展趋势。

（四）利用据分析进行验证性研究

验证性研究，即验证假设和探索性研究，寻找规律。是你已经有事先假设的关系模型等，要通过数据分析来对你的假设模型进行验证。例如：SPSS实证分析，通过A/B测试，即分组实验，将测试对象分成两个组开展：实验组——执行特定处理的一组对象，和对照组——不执行处理的一组对象，进而确定两种处理方式、产品、过程等较优的一个。A/B测试大致步骤是先确定目标，形成假设，然后进行数据操作，数据分析及输出，形成分析报告。

“双减”背景下，大数据的出现既为科学研究提供了雄厚的信息资源保障，同时又为科研数据查找、分析和利用带来了巨大挑战。在新的时代背景下，数据分析只有改变原有的思維模式和运作方式，与时俱进，不断创新发展，才能继续高效发挥服务功能，为科研活动提供科学依据和信息资源，从而推动科研创新的发展，提升科研质量，为经济社会的发展提供强大的动力支持。

参考文献：

[1]陶皖主编．云计算与大数据：西安电子科技大学出版社，2017.01：第44页

[2]顾君忠，杨静主编．英汉多媒体技术辞典：上海交通大学出版社，2016.09：第1544页