我的數學研修日志及我的數據分析心得

我的數學研修日志1通過參加遠程教育培訓，我覺得在今后的工作中，我應該做到以下幾點：

一、轉變思想，更新觀念

我通過深入學習，從而明確了作為一名教師必須不斷的提高自己，充實自己，具有豐富的知識含量，扎實的教學基本功，否則就要被時代所淘汰，增強了自身學習的緊迫性，危機感和責任感，樹立了“以學生發(fā)展為本”的教育思想，不斷進行教學觀念的更新，教學行為和學生的學習方式也有了根本性的改變。

二、積極研修，深刻感悟

通過研修學習，學了不少知識，為我營造了一個廣闊的學習天地，使我掌握了先進的教育理念知識和方法。我覺得在理論的形成方面有大幅度的提高。

三、反思教學工作，不斷進取

在教學中，我不斷思量自己在工作中的不足努力提高自己的業(yè)務水平，繼續(xù)向優(yōu)秀骨干教師學習，向有經念的教師請教。

四、立足課堂在實踐中提升自身價值

課堂是教師體現自身價值的主陣地，我本著“一切為了學生，為了學生的一切”的理念，我將自己的愛全身心地融入到學生中。今后的教學中，我將努力將所學的新課程理念應用到課堂教學實踐中，立足“用活新老教材，實踐新理念。”力求讓我的數學教學更具特色，形成獨具風格的教學模式，更好地體現素質教育的要求，提高數學教學質量。我深深懂得，教師的一言一行都影響著學生，都會對學生起著言傳身教的作用。思想教育要常抓不懈，著重培養(yǎng)學生良好的道德品質、學習習慣、勞動習慣和文明行為習慣等。

在未來的學習過程中，我更應該積極主動地去學習，去增長知識，充分利用這些知識運用到課堂中，提高教學質量。我的數學研修日志2通過國培的學習，給我的感觸很深。真正認識到“活到老，學到老，還有多少沒學到”，簡而言之，就是人的一生要時時學習，處處學習。作為跨時代的教師，這些都要求教師要不斷學習提高，做創(chuàng)新型教師、研究型教師、引導型教師。教師如果沒有認識到自己學習的必要性、重要性，用幾十年前你老師教你的知識和觀念去教育現在的學生，那不是穿新鞋走老路嗎？我想一個當今的教師，應同時具備雙重身份：既是教師，又是學生。教師為“育人”而學習，作為教師,我們的學習不是一般的學習,而是基于一個教育者的學習,我們最終的追求是育好人,為“育人”而學習是教師的天職。我們應當積極參加上級組織的各種培訓，繼續(xù)教育，當不斷學習新的教法,新的教育教學理念,讓自己成為“源頭活水”更好地滋潤學生渴求知識的心田。小學數學研修日志3一、營造民主氛圍，使學生敢問

小學生思想活躍、求知欲旺盛，對事物有著強烈的好奇心，這就是問題意識的種子。要培養(yǎng)學生的問題意識，教師首先要轉變自己的教育觀念。我認為，作為一個小學教師除了應具有和藹可親的態(tài)度，大方的儀表，清晰而富有激情的言語等，還必須樹立新的教師觀，尊重每一個學生，倡導“思維無禁區(qū)”。在教學中營造積極、寬松、自由、和諧的教學氛圍，建立平等、民主的師生關系，消除學生的畏懼心理，鼓動學生大膽質疑、提問。

二、創(chuàng)設問題情境，使學生想問

所謂問題情境，是把學生置于研究新的未知的問題氛圍之中，使學生在提出問題、思考問題和解決問題的動態(tài)過程中學習數學。它是教師傳授知識，學生學習知識的載體。教學中，應有意創(chuàng)設有利于學生生動活潑地進行數學學習的問題情境，使學生置身于該情境中，猶如身臨其境，從而產生強烈的問題需求和迫切的探究心理，使他們樂于提出問題，培養(yǎng)學生的問題意識。

三、指導質疑方法,使學生善問

學生具備了敢問和想問的能力后,不一定就能把問題問得貼切,問得有高度。因此,教師必須引導學生逐步學會用數學的眼光看問題,精心設計問題,引導學生大膽質疑,鼓勵他們最大限度地發(fā)現問題。

總之，在小學數學中培養(yǎng)學生的問題意識，讓學生在寬松、自由、和諧的學習環(huán)境中敢問、想問、善問，學生的創(chuàng)新思維能力一定會得到提高和發(fā)展。

小學數學研修日志4一、提高教師語言的表達能力。在教學中，教師富有哲理的幽默，能深深地感染和吸引學生，使自己教得輕松，學生學得愉快。教學是一門語言藝術，語言應體現出機智和俏皮。課前，教師要進行自我心理調整，這樣在課堂上才能有聲有色，才能帶著愉悅的心情傳授知識，從而使學生受到感染。事實表明，教師風趣的語言藝術，能贏得學生的喜愛、信賴和敬佩，從而對學習產生濃厚的興趣。教學生動風趣，不但能活躍課堂氣氛，而且能加深學生對知識的記憶。教師表達能力的高低直接影響教學的效果，所以提高語言的表達能力，使用形象的語言是激發(fā)學生興趣的一個重要方面。當然也可以用其它的媒體輔助你的語言，使你的語言更加有說服力。二、教師的儀表、姿態(tài)，是激發(fā)學生學習興趣的誘因。教師在體態(tài)、儀表舉止和技術動作示范等方面應給學生以楷模，使學生產生羨慕的“心理定勢”，這種心理活動的準備狀態(tài)會直接影響到教學效果。教師在教學過程中要注意標準的示范動作。心理學家認為，人類在認識客觀世界過程中有８０％以上的信息來自視覺，形象記憶在理解和保持記憶方面都明顯優(yōu)于邏輯記憶。因此，在教學中，教師必須用準確的示范，幫助學生在頭腦中形成清晰的表象。三、提高教師的業(yè)務素質。我們或多或少的都有這樣的體會，知識淵博的老師，總是受到學生的歡迎，這就是因為他淵博的知識已經在無意識中散發(fā)出了魅力，從而對學生產生影響。比如老師把相關的社會熱點話題熔到課本知識里面來，還展示了自己的觀點，這些觀點可能是在報紙上看不到的，只是一家之言，但是正是因為它看不到，學生才覺得新奇，從而提高了他們學習的興趣。四、建構師生關系，提高教師自身的親和力在課堂上，教師首先要保持"教學民主"的觀念，不要居高臨下盛氣凌人，如果學生覺得老師高高在上，就會望而生畏，從而小心謹慎地抑制自己的能力。應把學生當作朋友看待，尊重他們的人格，真誠對待他們，給他們以親切感，學生發(fā)言時，允許他們答錯可重答，允許發(fā)表不同的意見，允許評議老師，從而營造民主、寬松、和諧的課堂氣氛，縮短師生之間的心理距離，促進師生之間的心靈溝通，調動學生發(fā)言的積極性。例如平時教學中，當課堂氣氛沉悶時，教師可以停下來講講幽默、笑話，或者是讓幾個學生做簡單而有趣的游戲，調節(jié)課堂氣氛?？傊?，我們教師要通過營造氣氛、創(chuàng)造條件、積極評論、激勵發(fā)言，提高學生課堂發(fā)言的積極性，培養(yǎng)學生學習的自覺性、自主性，以形成學生良好的心理素質，使之逐步適應素質教育的要求。我的數據分析心得來源以下是我在近三年做各類計量和統計分析過程中感受最深的東西，或能對大家有所幫助。當然，它不是ABC的教程，也不是細致的數據分析方法介紹，它只是“總結”和“體會”。由于我所學所做均甚雜，我也不是學統計、數學出身的，故本文沒有主線，只有碎片，且文中內容僅為個人觀點，許多論斷沒有數學證明，望統計、計量大牛輕拍。關于軟件。于我個人而言，所用的數據分析軟件包括EXCEL、SPSS、STATA、EVIEWS。在分析前期可以使用EXCEL進行數據清洗、數據結構調整、復雜的新變量計算（包括邏輯計算）；在后期呈現美觀的圖表時，它的制圖制表功能更是無可取代的利器；但需要說明的是，EXCEL畢竟只是辦公軟件，它的作用大多局限在對數據本身進行的操作，而非復雜的統計和計量分析，而且，當樣本量達到“萬”以上級別時，EXCEL的運行速度有時會讓人抓狂。SPSS是擅長于處理截面數據的傻瓜統計軟件。首先，它是專業(yè)的統計軟件，對“萬”甚至“十萬”樣本量級別的數據集都能應付自如；其次，它是統計軟件而非專業(yè)的計量軟件，因此它的強項在于數據清洗、描述統計、假設檢驗（T、F、卡方、方差齊性、正態(tài)性、信效度等檢驗）、多元統計分析（因子、聚類、判別、偏相關等）和一些常用的計量分析（初、中級計量教科書里提到的計量分析基本都能實現），對于復雜的、前沿的計量分析無能為力；第三，SPSS主要用于分析截面數據，在時序和面板數據處理方面功能了了；最后，SPSS兼容菜單化和編程化操作，是名副其實的傻瓜軟件。STATA與EVIEWS都是我偏好的計量軟件。前者完全編程化操作，后者兼容菜單化和編程化操作；雖然兩款軟件都能做簡單的描述統計，但是較之SPSS差了許多；STATA與EVIEWS都是計量軟件，高級的計量分析能夠在這兩個軟件里得到實現；STATA的擴展性較好，我們可以上網找自己需要的命令文件（.ado文件），不斷擴展其應用，但EVIEWS就只能等著軟件升級了；另外，對于時序數據的處理，EVIEWS較強。綜上，各款軟件有自己的強項和弱項，用什么軟件取決于數據本身的屬性及分析方法。EXCEL適用于處理小樣本數據，SPSS、STATA、EVIEWS可以處理較大的樣本；EXCEL、SPSS適合做數據清洗、新變量計算等分析前準備性工作，而STATA、EVIEWS在這方面較差；制圖制表用EXCEL；對截面數據進行統計分析用SPSS，簡單的計量分析SPSS、STATA、EVIEWS可以實現，高級的計量分析用STATA、EVIEWS，時序分析用EVIEWS。關于因果性。做統計或計量，我認為最難也最頭疼的就是進行因果性判斷。假如你有A、B兩個變量的數據，你怎么知道哪個變量是因（自變量），哪個變量是果（因變量）？早期，人們通過觀察原因和結果之間的表面聯系進行因果推論，比如恒常會合、時間順序。但是，人們漸漸認識到多次的共同出現和共同缺失可能是因果關系，也可能是由共同的原因或其他因素造成的。從歸納法的角度來說，如果在有A的情形下出現B，沒有A的情形下就沒有B，那么A很可能是B的原因，但也可能是其他未能預料到的因素在起作用，所以，在進行因果判斷時應對大量的事例進行比較，以便提高判斷的可靠性。有兩種解決因果問題的方案：統計的解決方案和科學的解決方案。統計的解決方案主要指運用統計和計量回歸的方法對微觀數據進行分析，比較受干預樣本與未接受干預樣本在效果指標（因變量）上的差異。需要強調的是，利用截面數據進行統計分析，不論是進行均值比較、頻數分析，還是方差分析、相關分析，其結果只是干預與影響效果之間因果關系成立的必要條件而非充分條件。類似的，利用截面數據進行計量回歸，所能得到的最多也只是變量間的數量關系；計量模型中哪個變量為因變量哪個變量為自變量，完全出于分析者根據其他考慮進行的預設，與計量分析結果沒有關系。總之，回歸并不意味著因果關系的成立，因果關系的判定或推斷必須依據經過實踐檢驗的相關理論。雖然利用截面數據進行因果判斷顯得勉強，但如果研究者掌握了時間序列數據，因果判斷仍有可為，其中最經典的方法就是進行“格蘭杰因果關系檢驗”。但格蘭杰因果關系檢驗的結論也只是統計意義上的因果性，而不一定是真正的因果關系，況且格蘭杰因果關系檢驗對數據的要求較高（多期時序數據），因此該方法對截面數據無能為力。綜上所述，統計、計量分析的結果可以作為真正的因果關系的一種支持，但不能作為肯定或否定因果關系的最終根據。科學的解決方案主要指實驗法，包括隨機分組實驗和準實驗。以實驗的方法對干預的效果進行評估，可以對除干預外的其他影響因素加以控制，從而將干預實施后的效果歸因為干預本身，這就解決了因果性的確認問題。關于實驗。在隨機實驗中，樣本被隨機分成兩組，一組經歷處理條件（進入干預組），另一組接受控制條件（進入對照組），然后比較兩組樣本的效果指標均值是否有差異。隨機分組使得兩組樣本“同質”，即“分組”、“干預”與樣本的所有自身屬性相互獨立，從而可以通過干預結束時兩個群體在效果指標上的差異來考察實驗處理的凈效應。隨機實驗設計方法能夠在最大程度上保證干預組與對照組的相似性，得出的研究結論更具可靠性，更具說服力。但是這種方法也是備受爭議的，一是因為它實施難度較大、成本較高；二是因為在干預的影響評估中，接受干預與否通常并不是隨機發(fā)生的；第三，在社會科學研究領域，完全隨機分配實驗對象的做法會涉及到研究倫理和道德問題。鑒于上述原因，利用非隨機數據進行的準實驗設計是一個可供選擇的替代方法。準實驗與隨機實驗區(qū)分的標準是前者沒有隨機分配樣本。通過準實驗對干預的影響效果進行評估，由于樣本接受干預與否并不是隨機發(fā)生的，而是人為選擇的，因此對于非隨機數據，不能簡單的認為效果指標的差異來源于干預。在剔除干預因素后，干預組和對照組的本身還可能存在著一些影響效果指標的因素，這些因素對效果指標的作用有可能同干預對效果指標的作用相混淆。為了解決這個問題，可以運用統計或計量的方法對除干預因素外的其他可能的影響因素進行控制，或運用匹配的方法調整樣本屬性的不平衡性——在對照組中尋找一個除了干預因素不同之外，其他因素與干預組樣本相同的對照樣本與之配對——這可以保證這些影響因素和分組安排獨立。隨機實驗需要至少兩期的面板數據，并且要求樣本在干預組和對照組隨機分布，分析方法就是DID（倍差法，或曰雙重差分法）；準實驗分析用截面數據就能做，不要求樣本在干預組和對照組隨機分布，分析方法包括DID（需兩期的面板數據）、PSM（傾向性得分匹配法，需一期的截面數據）和PSM-DID（需兩期的面板數據）。從準確度角度來說，隨機實驗的準確度高于準實驗和非實驗分析。關于分析工具的選擇。如果根據理論或邏輯已經預設了變量間的因果關系，那么就無需使用實驗方法。我對非實驗數據分析工具的選擇原則如下。因變量為連續(xù)變量，自變量至少有一個連續(xù)變量，進行多元線性回歸；因變量為連續(xù)變量，自變量全部為分類變量，進行方差分析；因變量為分類變量，自變量至少有一個連續(xù)變量，使用Logit模型或Probit模型；因變量為分類變量，自變量全部為分類變量，進行交叉表分析和卡方檢驗；因變量在某個閉區(qū)間內分布，并且有較多樣本落在閉區(qū)間的邊界上，使用Tobit模型；因變量不唯一，如多產出問題，進行數據包絡分析（DEA）；因變量為整數、數值小、取零個數較多，使用計數（Count）模型；數據具有層次結構（嵌套結構），使用多層線性模型（HLM）。隨著統計和計量經濟學的發(fā)展，各種前沿分析工具層出不窮，但我認為最靠譜的分析工具不外乎以下四種：DID（針對隨機實驗），多元線性回歸，固定效應變截距模型（FE，針對面板數據），Logit模型或Probit模型（針對分類因變量數據）。其他方法或適用條件苛刻，或分析過程折騰，或方法本身不可靠（尤其是聚類分析、判別分析，超級不靠譜），因此能用以上四種方法分析問題時，不必為“炫方法”而瞎折騰。關于擬合優(yōu)度、變量選擇原則及估計值絕對大小的意義。在人人的“數據分析”小站中，某同學提出這樣一個問題：“多元回歸分析中，怎么選擇自變量和因變量，可以使R方達到80%以上？”很顯然，問這個問題的同學要么沒學好計量，要么就是犯了功利主義的錯誤，或者二者皆有。擬合優(yōu)度的大小很大程度上取決于數據本身的性質。如果數據是時序數據，只要拿有點相關關系的變量進行回歸就能使擬合優(yōu)度達到80%以上，但這樣的高R方根本說明不了什么，很可能使分析者陷入偽回歸的陷阱，嚴謹的做法當然是做平穩(wěn)性檢驗和協整檢驗；如果是截面數據，根本沒必要追求R方到80%的程度，一般來說，有個20%、30%就非常大了。如果一定要增大R方，那么最應該做的的確是對納入模型的變量進行選擇。選擇納入模型的原則我認為有三條。第一，從理論和邏輯出發(fā)，將可能影響因變量的變量作為自變量納入模型，即理論上或邏輯上能影響因變量的自變量必須納入模型，即使該自變量的回歸系數不顯著。第二，奧姆剃刀原則——如無必要，勿增實體，即理論上或邏輯上不能影響因變量的自變量不能納入模型，即使該自變量的回歸系數顯著。第三，防止納入具有多重共線性的自變量。前面說了，對截面數據進行計量分析，R方能達到20%、30%是非常了不起的事情。但是，如果擬合優(yōu)度（或類似擬合優(yōu)度的指標）在20%、30%或更低時，回歸系數只具有定性或定序上的意義，強調其絕對數值的大小沒什么意義。譬如lnY=alnA+blnB+...+zlnZ+c回歸的R方為20%，a為0.375，b為0.224，且二者的T檢驗顯著，那么我們可以說，A、B對Y有影響，也可以說一百分點的A變化對Y的影響大于一百分點的B變化對Y的影響（控制其他因素的情況下），但說一百分點的A變化對Y的影響較一百分點的B變化對Y的影響大0.151%，就沒什么意義了。其他一些建議或忠告。用心思考變量間的因果關系：是A影響了B還是B影響了A？A、B之間是否真的有因果關系？是否存在C，使C既影響A又影響B(tài)，而A、B本身無直接關系？仔細選擇自變量，不要遺漏重要變量，否則會造成內生性問題。如果遇上了內生性問題，先不要忙著尋找工具變量或使用2SLS，尋找被遺漏的變量才是最重要的事情。如果被遺漏的變量即使找到卻囿于各種困難無法納入分析，而你又忽然想到了一個絕佳的工具變量，那么恭喜你，你可以在核心期刊發(fā)文章了！一