数据分析的解读

数据分析主要属于《数学课程标准》界定的“概率与统计”模块。数据的类型可以分为确定性数据和随机数据两类，确定性数据是研究对象总体的数据，随机性数据是从总体中抽取的样本的数据。对确定性数据规律或现象的刻画，一般用平均数、标准差、方差、极差、中位数、众数等概念或工具；对随机性数据，除了用集中或离散的工具进行描述外，更重要的思想方法是用统计推断的方法由样本数据去估计总体的数据。

收集数据的能力也体现核心素养水平。收集数据有两种情形：一种是直接给出数据，如教材中大多是给定数据，让学生根据已知数据做些描述、推理和计算；二是没有现成的数据，需要学生自己收集数据，其实这应属于“数学建模活动与数学探究活动”模块。一般地，数据分析的高级水平，不只是收集数据，还需要整理数据和提取信息，所以数据分析又与数学建模密切相关。因为许多数学建模，都需要对数据进行分析，在此基础上再选择恰当的模型进行建构；反之，对不同类型数据的收集、处理和分析，最终又归结为用一种数学模型去解决问题。因此，培养学生的数据分析能力是数学素养目标之一。

大数据时代，数据分析成为学生必备的基本素养。概括地说，培养学生数据分析能力的教育价值主要体现在两个方面。

一是，数据分析训练，可以提高学生的数学应用意识和数学应用能力数据来自现实情境或科学实验，能否从一组直观的数据中观察和分析得出信息，取决于学生是否具备直观想象和数据分析的素养。而数据分析的本质是一种数学建模活动，数学建模就是一种数学应用，因而数据分析也是数学应用的过程。

二是，数据分析训练，可以提高学生多元表征问题的能力。在数据分析过程中，可以用表格、图形、解析式等不同方法刻画，这就是对同一对象的多元表征。多元表征是一种重要的思维形式，能够达到对事物全方位的认识，加深对事物本质的理解。