第一篇：基于大數據的精準教學模式探究 2017

基于大數據的精準教學模式探究

2017-07-12 ：

摘要：精準教學自誕生以來，受限于技術條件，無論是理論研究還是實際應用都不容樂觀。信息技術的發展特別是大數據的興起，為精準教學的發展提供了機遇。在此背景下，文章梳理了精準教學的理論方法、研究現狀及其應用困境，分析了大數據對精準教學的影響。隨后，文章從教學目標確立、教學過程框架設計、教學評價與預測等三個維度，構建了基于大數據的精準教學模式。最后，文章針對教學主體關系、數據倫理、安全保障等問題，對基于大數據的精準教學進行了反思。文章的研究，推動了大數據技術在精準教學領域的應用，有助于激發精準教學的活力，進一步提升精準教學的有效性。關鍵詞：大數據；精準教學；教學目標；教學過程；教學評價與預測 一 精準教學的理論方法 精準教學（Precision Teaching）是Lindsley[1]于20世紀60年代根據Skinne的行為學習理論提出的一種教學方法。起初，精準教學面向小學教育，旨在通過設計測量過程來追蹤小學生的學習表現并提供數據決策支持，以便“將科學放在學生和教師的手中”[2][3]；后來，精準教學發展為用于評估任意給定的教學方法有效性的框架[4]。歷經50余年的發展，精準教學現已形成了自身的一套理論方法。精準教學的理論依據——Skinne的行為學習理論 Skinne[5]是美國新行為主義心理學的創始人之一，他認為人類行為主要是由操作性反射構成的操作性行為，操作性行為是作用于環境而產生結果的行為。人類的一切行為幾乎都是操作性強化的結果，人們有可能通過強化作用的影響去改變別人的反應。在學習情境中，操作性行為更有代表性，因此操作性反射在學習過程中尤為重要。1954年，Skinne將這一理論引入教學，認為教學就是提出學生應達到的目標并對學習過程進行控制，輔以訓練、反饋和糾正性補救等措施，形成所要求的行為即達到目標并立即給予強化；對于那些偏離目標或未達到目標的行為，則在不強化的前提下進行糾正[6]。精準教學的衡量指標——流暢度（Fluency）精準教學中的最大“精準”在于教學評價，而衡量教學是否達到目標、學生是否真正掌握知識或技能，關鍵在于檢測學生學習的行為過程及其反應?；诖耍珳式虒W引入流暢度指標，用于衡量學生的學習質量。流暢度涵蓋了“準確度”和“速度”兩個方面，也就是說，學生的學習質量既包括對知識或技能的準確掌握，也包括運用知識或技能的速度。流暢度具有五大屬性：持久性（Maintenance）、耐久性（Endurance）、穩定性（Stability）、應用性（Application）和生成性（Generativity）[7]。其中，持久性是指在無額外練習的情況下，學生根據需求執行任務的能力；耐久性是指為了滿足真實需求，學生在長時間內持續執行任務的能力；穩定性是指在有干擾的情況下，學生能夠繼續實施一項技能的能力；應用性是指學生容易將知識或技能應用于新情境的能力；生成性是指在沒有明顯的指導下，學生出現復雜行為技能的能力[8]。精準教學的程序方法——練習與測量 精準教學的程序方法要求學生日常練習并精準測量其學習表現，即每天花費一定時間（1分鐘或幾分鐘）進行練習與測量。練習是測量的基礎，且這一過程需要長期開展并持續記錄。一般來說，測量得到的頻率數據將由教師記錄于標準變速圖表中，該圖表可以精確預測學生的知識或技能何時能夠達到流暢度的要求，以判定當前學生的學習表現隨時間的推進是否進步明顯、是否需要修改干預措施。在教學過程中，教師可以根據學生日常的練習、測量與記錄情況，并通過頻繁監測學生的學習行為狀態采集相應的數據，以獲得學生的發展情況[9]。

二 精準教學的研究現狀及其應用困境 1 精準教學的研究現狀 國外的精準教學研究盡管已歷經半個多世紀，但進展緩慢，主要集中于通過教學實驗來評估精準教學的效果。如Downer[10]、Griffin等[11]的研究表明，精準教學可以顯著提高學生的閱讀能力；Gallagher[12]、Str?mgren等[13]在數學教學中進行了精準教學實驗研究，結果表明精準教學對于數學學習困難的學生有顯著作用。

我國的精準教學研究則剛剛起步。在中國知網以“精準教學”為篇名、關鍵詞進行檢索，檢索日期截至2016年12月31日，所得文獻僅為13篇，且論文發表時間基本都在2016年之后。具體來說，祝智庭等[14]從信息化教學改革的角度，結合智慧學習分析了精準教學的基本理論與模式設計，提出了基于遞歸思想的精準目標確定方法；梁美鳳[15]從理論引介的角度，介紹了精準教學的基本概念、操作流程及其應用價值；張靈芝[16]提出了翻轉課堂下的精準教學模式及其實踐策略；鄭怡文等[17]借助數字媒體技術，通過提取人臉表情和體態特征對學生進行精準關注，這實際上是精準教學衍生出來的技術方案。由此不難發現，當前我國的精準教學研究存在兩大問題：一是研究總量偏少，研究者關注、跟進精準教學的研究成果不多，尚沒有出現關于精準教學的國家級教育科研課題；二是研究范圍狹小，研究者開展的精準教學研究主要面向小學教育中的閱讀、數學等基礎課程，而對于高等教育、職業教育課程缺乏精準教學研究。因此，吸引更多的研究者對精準教學進行多元視角研究，對于我國教育教學改革具有重要意義。精準教學的應用困境 精準教學雖不失為一種有效的教學方法，但在傳統教學環境下其應用并不樂觀，原因如下：

①精準教學忽略了學習行為過程與個性化發展。精準教學是通過測量獲得學習行為結果，進而依據結果進行強化練習，以提升學生的學習質量，是一種典型的結果驅動型教學。這種教學方式缺乏對學習行為過程的關注，忽略了學生在這一過程中表現出來的不同個性。

②精準教學缺乏技術支撐。精準教學在操作上以測量、記錄學生的學習表現為基礎，以分析頻率數據為基本技術。而在信息技術普及以前，精準教學的測量、記錄都采取以筆和紙為工具的手工形式進行，故數據記錄采集、分析以及圖形化、可視化的工作效率不高。

③精準教學難以適應高校人才培養的需求。高校課堂是推進教學方法創新與實踐的重要陣地，其課程種類繁多，教學主要依賴于系統的人才培養方案與課程體系；教學目標不再全是知識點的掌握，而是強調思維方法的習得。特別是一些專業課程，由于帶有理論探究與應用創新的性質，很難有效測量、記錄學生的學習表現，因此限制了精準教學在高校的應用與推廣。

三 大數據對精準教學的影響 大數據的興起，將數據價值推向了新的高度。大數據正在改變人類的思維方式，并以前所未有的速度引發了科技、教育、經濟、軍事等各個領域的深刻變革。在大數據激發的教育變革中，以測量、記錄數據為基礎的精準教學必將迎來新的發展機遇。大數據使得精準教學測量數據更為精準可行 教學管理系統、自主學習系統、慕課、微課以及學習社交平臺等的廣泛應用，促進了教育數據的海量增長，并預示著教育大數據時代的來臨。教育大數據使得學習行為、學習狀態、學習結果等各類教育信息成為可捕捉、可量化、可傳遞的數字存在[18]，平板電腦、智能手機、各種傳感器、可穿戴式設備、射頻識別（Radio Frequency Identification，RFID）標簽等皆可成為數據自動采集器并被應用于教學的各個環節，使智慧校園、智慧課堂即將成為現實，這使得精準教學測量數據更為精準可行：一方面，大數據及其依賴的各類智能系統既可以實現學習表現自動化測量、記錄及結果可視化呈現，也可以提高數據采樣頻率，進而提升精準教學的流暢度；另一方面，大數據的海量數據處理能力，可以讓精準教學擺脫規模的束縛，實現從簡單少量的小學課程拓展到所有不同類型的課程、從面向班級的實驗教學拓展到面向全校的普及教學。大數據使得精準教學能夠兼顧學生的個性化發展 在大數據環境下，學生的學習行為過程考察和個性化發展均成為可能。這是因為，學生在學習過程中的各類行為狀態都可以轉化為相應的數據記錄，成為學習表現的分析要素。換句話說，在傳統教學環境下，精準教學過度強調學習行為結果的分析，并根據結果分析來干預學習行為；而在大數據環境下，精準學習不再完全依賴于結果分析，還要考量學習行為的過程等其它要素——通過采集學生在學習行為過程中產生的各類狀態信息，形成反映學習情況的數據源，隨后利用各種數學建模方法和大數據處理技術對數據源進行測量、分析與比較，并根據此結果對學生的學習行為及其學習表現進行評估和干預，可以預測學生未來的學習表現趨勢，也可以為個別學生量身定制更為有效的干預方法和改進措施，以保障學生的個性化發展。大數據使得精準教學環境更為開放高效 大數據的多樣性、異構性決定了其不隸屬于某一個獨立的系統組織——在教育領域，大數據是跨學科專業、跨平臺、跨組織的開放跨界資源，它是各類服務于教育教學工作的信息系統集成互動的產物；學校、企業、教師、學生乃至家長和社會公眾，都可成為教育大數據的生產者和應用者。在此背景下，精準教學的主體不再限于教師和學生，教師也不再是精準教學的唯一主導者，故以學生為主體、多元參與的精準教學成為可能——學生為自己量身定做教學方案、測量數據，家長快速、全面地掌握學生的學習表現數據，教育管理者根據相關數據更好地組織教育資源、制定教育改革的方向和措施，從而使得精準教學無縫嵌入整個教育教學體系之中。此外，在傳統教學環境下，精準教學從數據測量、記錄到結果分析需要一定的時間，特別是當數據量大的時候，時間消耗很大；而大數據的實時性，使得精準教學各類數據從生成到結果分析可以瞬間完成，故大大節約了時間成本。

四 基于大數據的精準教學模式構建 在傳統教學環境下，教師更傾向于套用某一種成熟的教學模式，而精準教學往往被視為一種教學評估策略或者某一門課程的教學方法而非教學模式，故精準教學在應用和推廣時首先便遭遇了教師這種思維理念上的阻礙。大數據突破了傳統教學環境的諸多制約，有利于推動教師在思維理念上接受并認可精準教學，故利用大數據構建可供教師借鑒的精準教學模式，對推動精準教學的發展、促進精準教學的應用具有重要意義。為此，本研究從教學目標確立、教學過程框架設計、教學評價與預測三個維度，構建了基于大數據的精準教學模式，如圖1所示。

圖1 基于大數據的精準教學模式精準化的教學目標確立 明確教學目標是實施教學的邏輯起點，也是檢驗教學成敗的重要依據。據此，精準教學的首要任務便是確立精準化的教學目標。在傳統教學環境下，教學目標可以是模糊的，如在計算機基礎課程中，某一節課程的教學目標可以是“熟練掌握十進制、二進制的換算”，其中的“熟練掌握”便是一個模糊的程度詞。但在精準教學中，必須設計精準化的教學目標，即對學生掌握的知識或技能程度必須有一個精準的解釋和描述——解釋的基本思想是問題的分解與細化，描述的方式即量化。也就是說，在精準教學中，每條教學目標應轉化為對應的問題，每個問題則應分解、細化為可以量化描述的小問題。如“熟練掌握十進制、二進制的換算”可以轉化為“3分鐘之內完成1000以內的十進制、二進制互換算題5道，正確率100%”——這里的“熟練掌握”經分解、細化、量化后，既包括對知識或技能的準確掌握，也包括運用知識或技能的速度，故與精準教學的“流暢度”衡量指標完全契合。程序化的教學過程框架設計 精準教學起源于Skinne的程序教學，故程序化是精準教學的核心要素。設計程序化的教學過程框架，是保障精準教學有效實施的關鍵。本研究設計的程序化教學過程框架，是指基于大數據實施精準教學的流程與規則，具體包括：

（1）建立大數據教學資源庫，并實施個性化資源推薦 程序化教學的本質是一個輸入輸出系統，即輸入教學資源、輸出學生的學習結果。在傳統教學環境下，由于教學資源有限、信息技術匱乏，輸入輸出系統以整個教學班級為基本顆粒，無法保障學生的個性化發展。針對此問題，本研究提出建立大數據教育資源庫，以管理海量的數字化教學資源；同時，將輸入輸出系統的基本顆粒由班級細化到具體的每一位學生，利用智能推薦技術，根據學生的學習特點配置不同的優質教學資源，實施個性化教學。

（2）優化傳統教學過程，融入精準練習、測量與記錄 本研究充分利用大數據技術的優勢，優化傳統教學過程，并在此基礎上，融入精準練習、測量與記錄，進行精準教學，從而為下一步的教學決策和學習干預提供支持。具體來說，本研究在操作層面進行了兩類嘗試：①基于翻轉課堂的精準輔助教學，即以微課為內容、以微信公眾號為平臺，進行精準教學——首先，學生實名關注微信公眾號；然后，學生點擊微信公眾號平臺上的微課資源，并進行實時互動、練習與答題；最后，后臺系統自動記錄學生的學習行為，形成每個學生的學習軌跡與分析結果。②基于項目導向任務驅動的精準實訓教學，即以計算機基礎課程練習測評系統為平臺，在傳統的項目導向任務驅動教學框架內，進行精準教學——首先，學生登錄系統進行實訓操練，每完成一個任務即可提交，否則無法進入下一個任務階段；待整個項目完成后，提交至系統評分；最后，系統實時精準地記錄學生登錄并完成每一道實訓任務的時間、失分點（錯誤）和最終分數，形成學生的學習軌跡與錯誤問題域。

（3）實施精準干預 精準干預是精準教學的精髓之所在。在大數據環境下，無論是微信公眾號還是計算機基礎課程練習測評系統，師生之間都可以實現跨越時空的溝通，且溝通記錄可以追溯查詢。根據測量、記錄呈現的學生學習行為，教師能夠判斷出學生能否順利達成教學目標——若能達成，說明無問題；若不能達成，說明有問題，需要干預。具體來說，本研究在操作層面按照特殊問題和普遍問題分別進行了針對性的干預：針對個別學生的特殊問題，通過即時通訊工具，進行實時點對點的干預糾正；針對反映比較多的普遍問題，則通過教學博客、微信公眾號、朋友圈，予以統一干預糾正。干預是一個反復的工作，而練習、測量與記錄同干預一起，構成了一個循環迭代的過程，這個循環迭代直至全部學生達到了教學目標所要求掌握的知識或技能才會終止。精準化的教學評價與預測 在傳統教學環境下，教學評價或為模糊的經驗判斷，如通過“優”、“良”、“中”、“及格”、“差”等程度詞來評價學生的學習表現；或為簡單的分數判斷，如通過期末考試成績、期中考試成績、總分、平均分等來評價學生的學習結果。而在大數據環境下，傳感器技術、人臉識別技術、學習分析技術等眾多先進技術的融合應用，使得精準教學評價從伴隨教學行為的開始到結束，并能夠對尚未發生的未來進行精準預測。如鄭怡文等[19]提出了一種課堂大數據采集技術，該技術集成了學生坐姿測量系統、眼部識別系統和噪音識別系統，通過獲取學生在課堂的一些生存狀態大數據，可以比較準確地解讀、分析進而判斷出學生的學習情況（如到課情況、思想集中情況、課堂活躍情況、身體疲倦情況等）；該技術具有較高的實時性，使對每個學生實施精準有效的關注成為可能。由此可見，基于大數據的精準教學評價是一種全員、全過程、全方位的實時評價。

在基于大數據的精準教學模式中，教學評價主要依賴于技術手段（包括大數據采集、教育數據挖掘、學習分析和數據可視化技術），通過各類智能教學系統自動監控、自動分析學生的學習情況，并實時反饋給所需要的人；教師、學生、家長等可以根據自身的需求，查詢并生成可視化的評價報告。預測則指綜合分析每個學生在各個階段的學習表現數據和其它系統數據（包括各個教育系統、評估系統、專家系統）后，形成數據決策支持系統，并對學生在未來一段時間的學習表現進行預測，進而根據預測結果提出相關的改進建議或學習對策。

五 基于大數據的精準教學反思 1 大數據下精準教學的主體關系變化 在傳統教學環境下，精準教學的實施基本是教師主導、學生參與的二元封閉系統。而在大數據環境下，教師的主導作用明顯弱化，基于信息技術的先進教學平臺及其產生的數據成為精準教學的重要依托；學校、企業、教師、學生乃至家長和社會公眾，他們對數據的獲取在理論上是對等的。因此，精準教學的實施必須打破傳統教學環境下教師主導、學生從屬的關系，而建立以數據為紐帶，以學生為中心，有教師輔導、家長參與、社會關注的新型開放的主體關系。基于大數據的精準教學中的數據倫理問題 精準教學對學生學習行為數據的測量與記錄，其本質是學習行為的數據化。盡管這些數據對于促進學生的學習有很大幫助，但不可忽視的是，數據本身并無判斷能力，且數據的價值具有多元化的特點——在精準教學過程中產生的數據，其主要價值是服務于監測、評估學生的學習表現；但是，這些數據同樣也可以解讀出其它的信息，如學生的生理、心理特征及其可能存在的缺陷等。顯然，數據的預測結果一方面有助于精準教學干預糾偏，另一方面也可能會給學生帶來消極影響。如有數據顯示某一學生在閱讀方面存在重大障礙，這一結果就會打擊這個學生的自信，從而對這個學生的學習干預乃至未來發展起反作用。怎樣確保這些附帶各類個性特征的數據被正確使用而避免陷入倫理困境，是當前大數據精準教學需要考慮的一個難題?；诖髷祿木珳式虒W中的安全保障問題 精準教學將每一個學生的學習情況予以精準記錄，而這些精準記錄的數據涉及諸多隱私問題。在當前開放互聯的大數據環境下，銀行、醫院、電商平臺等遭受黑客攻擊、用戶數據泄露的事件時有發生。精準教學理論來源于行為主義心理學，其測量記錄的數據在某種程度上反映了學

第二篇：大數據提升政府精準扶貧治理能力探究

大數據提升政府精準扶貧治理能力探究

摘 要：大數據是優化和提升政府扶貧治理能力的重要手段，大數據時代的來臨，為政府精準扶貧治理帶來了三大機遇和三大挑戰。從深入村戶、摸底把脈、精準識別，科學決策、因人而異、精準扶貧，定位管理、因地制宜、特殊扶貧，政府主導、各界參與、立體扶貧等角度，提出大數據提升政府精準扶貧治理能力的四項舉措，以期促進我國早日全面建成小康社會。

關鍵詞：大數據；政府治理；精準扶貧

中圖分類號：F126 文獻標志碼：A 文章編號：1673-291X（2016）24-0008-02

大數據的應用變革了政府扶貧工作的思維模式和管理方式，大數據已成為提升政府扶貧治理能力的新手段。精準扶貧是中央高度重視的一項扶貧開發戰略。挖掘大數據價值，通過大數據分析扶貧主體的思想與行為特征，按照扶貧對象的個性化需求開展扶貧工作，真正做到政府扶貧的科學化、信息化、精準化。

一、大數據對政府精準扶貧治理帶來的機遇與挑戰

（一）大數據對政府精準扶貧治理帶來的三大機遇

一是大數據資源支持精準扶貧。政府扶貧過程中自身擁有的扶貧區域及扶貧人數等方面的信息、扶貧部門扶貧的效果監測信息、新聞等媒體平臺報道的貧困與反貧困信息等，為精準扶貧提供了原始數據。

二是技術、人才的保障等為大數據精準扶貧奠定了基礎。伴隨著大數據的來臨，社會各界都開始關注大數據的應用，大數據思維與關聯分析及定量預測技術、大數據基礎設施及人才建設逐步得到重視。

三是大數據加強了政府與公眾的聯結。大數據時代，通過公眾的廣泛參與，加強了政府與公眾之間的陽光互動，政府扶貧舉措更加親民、便民，對促進簡政放權、提高政府扶貧治理服務水平具有重要意義。

（二）大數據對政府精準扶貧治理帶來的三大挑戰

一是海量的貧困與扶貧數據的有效性和可信度值得商榷。大量的數據資料雖寶貴，但下級扶貧辦礙于政績考核壓力難免會編造貧困和扶貧信息，造成信息失真。這必然會對數據的來源是否可信存有疑惑，對能否應用到現實問題的解決中增加了識別困難。

二是現有的數據提取與分析技術難以保證政府扶貧決策的科學性。大數據的應用還未得到政府部門的高度重視，即使有所重視，但目前所掌握的相關技術和人才無法保障大數據在扶貧等領域的廣泛應用。

三是慣性的主觀思維、先驗性假定思維與大數據時代的客觀思維、基于數據關聯預測定量分析思維相矛盾。大數據時代的來臨必然重塑政府領導力，引起政府扶貧理念、工作組織、扶貧方式等多方面變革。領導者也要了解大數據技術及應用，從保守封閉向多元開放轉變，從控制命令向合作協商轉變，從“領導者”變成“服務者”（根據清華大學公共管理學院孟慶國教授在重慶的講座“大數據時代的治理創新與領導力”資料整理而來），從主觀臆斷的“路徑依賴”向客觀分析決策轉變。

二、大數據提升政府精準扶貧治理能力的四項舉措

（一）深入村戶，摸底把脈，精準識別

一是走村入戶，深入調查，取得數據資源。精準識別扶貧對象是精準扶貧的首要任務。培訓和組織各級干部深入到村組，深入到貧困戶家中進行入戶調查，不漏一戶，按照“屬地原則”分區域分塊完成自己的調查工作，收集扶貧對象的相關信息，建立數據臺賬并細化。將各地區貧困現狀、貧困致因、扶貧對象摸清摸透，做到“心中有數”“心中有底”。同時，建立親屬回避制度，避免“優親厚友”現象，做到“真扶貧、扶真貧”。

二是審查信息，登記入機，打造數據平臺。成立專門的小組對收集到的信息資源進行審核和完善，包括每一戶貧困家庭戶主姓名、家庭人數及情況、致貧原因、扶貧計劃及項目、幫扶干部及企業或個人、家庭收入與支出詳細情況，建立精準扶貧大數據平臺。定期（如半年）進行反饋調查，實現數據資源的動態化管理，對新出現的扶貧對象及時納入給予幫扶，高度關注返貧群體[1]，做到“貧困有號、脫貧銷號、返貧掛號”。

（二）科學決策，因人而異，精準扶貧

一是大數據助力教育扶貧。大數據平臺整合分析出因學致貧家庭，為貧困家庭及適齡學生在學校開學之際，設立“建檔立卡戶信息登記處”，與之前入戶調查采集信息進行比對，直接幫助貧困家庭子女入學辦理助學貸款[2]。

二是大數據助力病殘致貧型家庭扶貧。大數據平臺整合分析出病殘致貧型家庭，合理配置各地區醫療經費、醫療基礎設施建設、醫療衛生政策。除了政府送去醫療基金外，大數據的全國聯網還可以幫助醫療資源的調配，發動社會公益力量，讓那些沒技術醫治、沒錢醫治的貧困群眾有辦法醫治、有條件醫治。鼓勵社會捐贈醫療器械和藥品支持，幫助鄉鎮計劃生育服務站建設和鄉鎮村級衛生室建設，促進醫院改造升級和標準化建設。

（三）定位管理，因地制宜，特殊扶貧

一是大數據助力產業扶貧。通過當地資源的調查，以產業發展為抓手，因地制宜、突出優勢和特色，宜農則農，宜工則工，宜搞旅游則搞旅游。積極發揮農村基層黨組織和村官的帶頭作用，引導返鄉新生代農民工、大學生群體，利用互聯網技術，創業發展農村電商。做大做強農村電商服務中心、便民快遞網點“兩大平臺”[3]。一方面，幫助農村居民網上購物，包裹配送；另一方面，將當地農副產品、工業產品打造成品牌，網上銷售，同時網上推介當地農家樂、鄉村旅游業發展。

二是大數據助力移民搬遷扶貧。通過入戶調查歸類，著力將生態涵養區、生態保護區、生態脆弱區、地災多發區群眾和農村貧困戶、危舊房戶等作為搬遷重點，引導高山居民全部下山搬遷到高山生態扶貧搬遷集中居住區，還原高山生態。搬遷地靠近城鎮鼓勵經商，靠近園區鼓勵務工，靠近景區鼓勵發展鄉村旅游，靠近集鎮鼓勵發展手工業，在農村鼓勵發展現代生態農業。

三是大數據助力城鎮扶貧。以民政局、房管局、救助所、信訪辦、居委會為調研切入點，以申請為前提，找到需要幫扶的群體，主要定位為：老舊散小區、移民轉戶小區、廉租房、經濟適用房的“老弱病殘”和其他突發事故導致的支出型貧困群體，也包括下崗困難職工和已經在城鎮落戶但生活中遇到困難的農民工群體[4]。并對其家庭收入做核對，對其家庭的支出進行調查。以救濟扶貧向幫扶就業扶貧轉變，一方面，完善基本的社會保障體系，以救助扶貧兜底；另一方面，以社區為單位，以社會組織的造血、公益為依托幫扶脫困。

（四）政府主導，各界參與，立體扶貧

一是建立結對幫扶機制。由縣領導聯系民營企業家共同結對一個鄉鎮，由發改辦、民政辦、財政辦等部門幫扶一個村，每一名干部幫扶一個貧困戶。在地方政府土地、稅收優惠條件下引導企業家帶技術、帶脫貧項目進村入戶，為貧困居民提供就業崗位、帶領貧困戶發展致富。

二是建立對口幫扶機制。主城與貧困區縣產業結對，幫助區縣招商引資和項目引進，幫助培育主導產業，搭建市場平臺，幫助農民就業，助推農民增收；探索異地建院機制，援建貧困地區工業園區標準廠房、宿舍、給排水、工業污染處理等基礎設施建設。

三是建立智力幫扶機制。建立大數據扶貧專家咨詢委員會，為大數據應用到精準扶貧治理工作中提供決策咨詢。支持建設勞動就業服務站（所）和勞動技能培訓基地，提高貧困群體基礎素質；幫助貧困學生就學和營養供給，開展“科教文衛下鄉”活動，在貧困村選配大學生村官，鼓勵大學生等志愿者下鄉支教，組織大學生志愿者開展扶貧接力服務行動；鼓勵優質教師、醫生下鄉指導，打造城鄉教育發展共同體、城鄉醫療發展共同體。

四是建立城鄉建設幫扶機制。援建一批區縣城圖書館、體育館、文化館、影劇院、商業街等“大件”設施，支持小城鎮特色風貌、市政基礎設施和公共服務設施建設；支持農村危舊房、棚戶區改造，支持新農村建設，援建廉租房、公租房等保障性住房建設，改善居民居住條件。

五是建立多元化參與幫扶機制。促進農村金融參與扶貧，引導銀行業開展針對貧困農戶及農業生產的信貸扶貧，降低貸款利息率，鼓勵外資和民營企業參與扶貧開發，促進NGO小額信貸參與扶貧[5]；促進農村保險事業發展，積極發揮農業保險保障作用，增強農業抗風險能力。

參考文獻：

[1] 李承隆.北川六大工程立體扶貧[N].四川日報，2015-05-08.[2] 王雨.打造大數據平臺助力精準扶貧[N].甘肅日報，2015-10-09.[3] 孫惠楠.以大數據精準扶貧為引領 推動三農工作發展取得突破[N].貴陽日報，2015-09-24.[4] 降蘊彰.城市居民應納入精準扶貧范圍[N].文摘報，2016-01-02.[5] 蔣若凡，李菲雅，王春蕊.NGO介入性扶貧對貧困農戶借款行為的影響分析[J].西南民族大學學報：人文社會科學版，2013，（8）：107.[責任編輯 劉嬌嬌]

第三篇：醫療大數據及精準醫療

醫療大數據及精準醫療

謝邦昌

臺北醫學大學管理學院及大數據研究中心院長/主任

大數據的趨勢以及價值是現在最熱門的話題，也改變了許多企業經營的方式，對于各行各業來說是勢必是一個大挑戰，能否將大數據的力量從危機到轉機就要看現代經營者有沒有轉變傳統型態的思維？

首先什么是大數據？傳統數據一年的數據量大概為3TB左右，以現今數據來說一天的資料量為50TB，由這簡單的數據量差就可以得知傳統數據跟現今數據的差異多么龐大，也就是現在俗稱的大數據時代。數據龐大之下，不管是銀行業、傳統零售業、社會建設公共方面甚至是醫療保健產業對數據處理、分析方式以及經營企業的模式將會有所改變。

在過往的醫療診斷歷史，到醫院看病時必須耗費許多時間等待看診，而醫生看診又要再花費時間。當醫生要求病患拍攝X光片或檢驗時，又要再花額外許多時間診斷。而在現今醫療信息高度發展的臺灣，看診程序從網絡掛號、候診順序、診間病歷調閱、醫師醫令、處方開立、放射影像存取、檢查檢驗數據儲存等，無數的數據信息便在醫院中傳遞、交換、儲存。同時大多數的生理檢驗信息在你回診時得以從電子病歷中檢索，這些我們認為理所當然的信息處理，在臺灣我們只要花費少許的時間如一個早上便完成了，而這一切正是仰賴醫學信息分析與醫療大數據的交換處理。

醫學大數據的產生，主要歸功于醫療設備數字化及電子化病歷發展兩大領域的突破，透過儀器數字化，醫院得以獲得更多病人疾病與健康信息紀錄。而在病人醫療診斷方面，為了完善紀錄病患個人資料、診斷數據與過往醫療紀錄等，即促成了電子病歷系統發展。醫學大數據發展由過去紙張記錄、紙本信息數字化、醫學紀錄儲存到現今多信息整合，其數據量有著爆炸性的成長，不僅由過去個人社經信息、診斷信息等文字媒介，更拓展到多媒體影像信息，如X光影像，動態視訊影像信息，如核磁共振MRI以及電訊號信息，如心電圖等等，這些龐大醫學數據的匯集與高度整合技術能力，正是臺灣醫學信息領域發展領先的原因，同時更顯得醫學數據發展的多元應用及其重要性。

而由醫療健保產業來說，個人醫療信息終端的產生給醫療產業帶來革命性的變化，連結了傳統醫院、政府（社會保障）、保險公司、藥物生產公司等相關產業，形成新的行業生態圈。將互聯網＋醫療保健去建構一個智能的健康系統，在整個健康系統下會有智能的合作伙伴，包含醫院、醫生、診所、學術中心、保險公司、藥廠、醫療設備制造商、政府等相關人員等，接著產生出個人化的護理體系，其中包含個人健康、成本節約、提高效率、病人教育、增強通信、績效度量、預防等相關內容，使得人們有著更健康的社會。

經常聽到的醫療云、照護云以及健康云都是運用云端技術結合大數據去提供健康咨詢的服務。在網絡普及下，人手一臺智能型手機讓這些云更能夠去發揮，客戶只需要使用健康感知的終端，其中包含穿戴型裝置、愛睡寶、電視機以及相關的智能型測量裝置，就能夠讓親人、醫生以及相關的護理人員得知目前的身體狀態，不僅如此，還可以遠程監護以及遠程門診，一切都透過遠程醫療平臺讓人們有著安全、方便、快速及健康舒適的生活環境。

大數據在生技醫療衛生發展狀況及應用,大數據已深耕于經濟領域且創造了巨大的經濟價值

美國的大數據產業已經創造了巨大的價值，具體表現在:大數據使美國醫療服務質量得到提高。

對于醫療服務的提供方和支付方來說，在減少醫療成本的同時不斷提高醫療質量和效率仍然是一個難以實現的目標，而這也是改善民生的重大機遇。2010年，全美醫療支出占國內生產總值的17.9%，比2000年增長13.8%。而且，某些慢性疾病如糖尿病的患病率正在增加，正在消耗更多的醫療資源。

對這些疾病和其他相關健康服務的管理將深刻地影響國家的福祉。在這方面大數據可以發揮作用。為在廣大人群中取得最有效的醫療效果，更多地使用電子健康記錄（電子健康檔案），并與新的分析工具相結合，將提供挖掘信息的機會。研究人員可以利用信息尋找有效的統計趨勢，并依據真實的醫療服務質量開展醫療評估。

大數據在醫療及生技業之應用

醫療及生技業大數據應用的當前需求來自疫情和健康趨勢分析、電子病例、醫學研發、臨床試驗等領域。

疫情和健康分析趨勢

利用大數據進行疫情分析，說明這個地方可能處于某種疾病蔓延，實時掌握病情。

Google和疾管局一樣能夠掌握流感疫情

2009年又冒出了一種新的流感病毒，稱為H1N1。這種新菌株結合了禽流感和豬流感病毒，迅速蔓延。短短幾星期內，全球的公共衛生機構都憂心忡忡，擔心即將爆發流感大流行。有些人發出警訊，認為這次爆發可能與1918年的西班牙流感不相上下，當時感染人數達到五億人，最后奪走數千萬人的性命。雪上加霜的是，面對流感可能爆發，卻還沒有能派上用場的疫苗，公共衛生當局唯一能努力的，就是減緩其蔓延的速度。為了達到這項目的，必須先知道當前流行感染的范圍及程度。在美國，疾病管制局（CDC）要求醫生一碰到新流感病例，就必須立刻通報。即使如此，通報的速度仍然總是慢了病毒一步，大約是慢上一到兩星期。畢竟，民眾覺得身體不舒服之后，通常還是會過個幾天才就醫，而層層通報回到疾管局也需要時間，更別提疾管局要每星期才整理一次通報來的數據。但是面對迅速蔓延的疫情，拖個兩星期簡直就像是拖了一個世紀，會在最關鍵的時刻，讓公共衛生當局完全無法掌握真實情況。

說巧不巧，就在H1N1躍上新聞頭條的幾星期前，網絡巨擘Google旗下的幾位工程師，在著名的《自然》科學期刊發表了一篇重要的論文，當時并未引起一般人的注意，只在衛生當局和計算機科學圈里引起討論。該篇論文解釋了Google能如何「預測」美國在冬天即將爆發流感，甚至還能精準定位到是哪些州。谷歌的秘訣，就是看看民眾在網絡上搜尋些什么。由于Google每天會接收到超過三十億筆的搜尋，而且會把它們全部儲存起來，那就會有大量的數據得以運用。

Google先挑出美國人最常使用的前五千萬個搜尋字眼，再與美國疾病管制局在2003年到2008年之間的流感傳播數據，加以比對。Google的想法，是想靠著民眾在網絡上搜尋什么關鍵詞，找出那些感染了流感的人。雖然也曾有人就網絡搜尋字眼做過類似的努力，但是從來沒人能像Google一樣掌握巨量數據（big data，直譯為大數據），并具備強大的處理能力和在統計上的專業技能。

雖然Google已經猜到，民眾的搜尋字眼可能與流感有關，像是「止咳退燒」，但相不相關其實不是真正的重點，他們設計的系統也不是從這個角度出發。Google這套系統真正做的，是要針對搜尋字眼的搜尋頻率，找出和流感傳播的時間、地區，有沒有統計上的相關性。他們總共用上了高達4億5千萬種不同的數學模型，測試各種搜尋字眼，再與疾管局在2007年與2008年的實際流感病例加以比較。這套軟件找出了一組共四十五個搜尋字眼，放進數學模型之后，預測結果會與官方公布的全美真實數據十分符合，有強烈的相關性。

于是，他們就像疾管局一樣能夠掌握流感疫情，但可不是

一、兩星期之后的事，而是幾近實時同步的掌握！因此，在2009年發生H1N1危機的時候，比起政府手中的數據（以及無可避免的通報延遲），Google系統能提供更有用、更及時的信息。公衛當局有了這種寶貴的信息，控制疫情如虎添翼。

最驚人的是，Google的這套方法并不需要去采集檢體、也不用登門造訪各家醫院診所，而只是好好利用了巨量數據，也就是用全新的方式來使用信息，以取得實用且價值非凡的見解、商機或服務。有了Google這套系統，下次爆發流感的時候，全球就有了更佳的工具能夠加以預測、并防止疫情蔓延。

電子病例

將分散在醫院中的各個部門、各式各樣的病例集中在云端，醫生們可透過語意搜查找出任何病例中的相關訊息，進而為醫學診斷提供更加豐富的數據?？商峁┮圆』紴橹行牡膫€人化療程建議，或幫助對醫療問題及其患病率進行自動診斷。臺灣的醫療黑金：健保數據庫 Google臺灣董事總經理簡立峰曾表示：「我認為最有價值的寶藏，就是臺灣的全民健保數據庫。」，臺灣醫療產業貫穿上下游的數據，全在健保數據庫里面，而且幾乎所有人都要加入，全世界只有臺灣擁有如此完整的數據庫。美國麻省理工學院電機與計算機科學院教授約John Guttag也說，相較于美國，臺灣的健保是由政府買單，這讓醫療數據取得變得容易，「這是臺灣的機會，未來也很有機會從中獲利?！?/p>

累積15年來、2千3百萬人民的健保數據庫，正等待著識貨的伯樂來挖寶。臺中榮總醫生、陽明大學教授吳俊穎以親身經驗說明，過去醫學界只知道，幽門螺旋桿菌跟胃癌有關，但是卻沒有規模夠大、時間夠長的臨床實驗可以證實，他與研究團隊藉由探勘臺灣的健保數據庫，發現服藥根除幽門螺旋桿菌，可以降低胃癌的發生率。

這篇論文不只發表在腸胃科排名第一的雜志《腸胃病學》上，更震撼了日本醫學界。日本是全球胃癌罹患率最高的國家，當地醫生特別把這篇論文翻譯成日文，并且說服日本厚生省，對幽門螺旋桿菌感染患者全面給付殺菌療程，不僅影響醫師的臨床運作、政府決策，甚至有可能改變國際性醫療行為準則。

吳俊穎認為，臺灣的健保數據庫內容巨細靡遺，所有醫療項目都記錄得一清二楚，「它像是永不干涸的黑金，當數據越來越多串聯和使用，就會越來越有價值?！谷欢?，吳俊穎也提到，健保數據庫有個缺點，就是缺乏診斷和檢測結果。麻省理工學院教授Peter Szolovits也曾舉例說明過，如果有一位病患發現關節腫起來，醫生跟他說這「疑似」是風濕性關節炎，因此記錄風濕性關節炎的費用，可能后來病人發現根本不是這個病，如果把這筆數據用在風濕性關節炎的醫療研究上，那就會變成糟糕的數據，影響研究結果。

「如果能夠把健保數據庫與醫院病歷的數據庫做結合，那它就會變成最完美的醫療數據庫！」吳俊穎提到，病歷數據包含檢測和治療的結果，不只對于臺灣醫療產業來說非常有價值，國內外的生技和醫藥大廠，也都會搶著要跟臺灣合作。想象一個情境，有天當你到南部度假，突然感到身體不適，就近到當地的診所就醫。第一次跟你見面的醫生，登入全臺灣共享的醫療數據庫，調出你在其他醫院的病歷數據，花幾分鐘就能對你的身體了如指掌，還能透過臨床決策輔助系統，顯示出跟你有相同癥狀的病友群體、使用各種藥物的治療狀況，透過大數據分析可以協助醫生在最短時間內，找出最適合的治療方式。

「很多人以為這樣的愿景，離現實生活非常遙遠，其實臺灣已經走在半路上了?！古_大醫院竹東分院院長王明巨如此說道。的確，臺灣醫療機構的病歷電子化程度很高，很有可能成為全球第一個全國醫院流通電子病歷的國家。醫學研發

運用實時監測及分析大量的儀器數據，建構預測模型，并利用統計工具改善臨床試驗設計，分析臨床試驗數據。發展個人化醫學及疾病發作模式等醫療研發。利用大數據解決多發性硬化癥的算法運算復雜度

位于水牛城的紐約州立大學(SUNY)是一個領先全球的多發性硬化癥(MS)研 究中心。MS是一種具破壞性的、面性的神經系統疾病，影養全球近百人。這種疾病會使人的大腦和骨隨發炎并產生神經病，導致患者可能出現行動不便、視力受損、疼痛等癥狀。

MS的病因是很復雜的，沒有一個單一基因是可能的致病源。因此自2007年以來，SUNY就一直希望透過掃描MS患者的基因組的變化來開發新的治療方式，透過從原本成千上萬的基因序列的變異SNP，SNP指的是單核桃多型性，來獲得單一樣品，研究基因產物和其他基因產物及環境因素進行的交互作用。

研究人員的想法是以多個SNP變異點結合不同的環境變因，并使用一種被稱之為「AMBIENCE」的算法，來檢測縣性和非線性兩種數據數據中的相關性，以識別這些交互作用之間的關系。但是這個想法就如同大海撈針，因為環境變因包括像是實驗對象曝曬太陽的時間長短、維生素D產生的量、吸煙的情況等皆有可能影響研究結果。況且人類的基因由23對染色體所組成，其中包含約30億個DNA堿基對，這些因變量和應變量數量多到嚇人，必須靠建構一套計算量高達1018的高等分析模型才能解決。

因此SUNY與IBM合作，建構一套搭配軟硬件的數據分析系統，以往平均需要27.2小時的工作，縮短到現在只要11.7分鐘即可完成。而且這套系統不僅大大簡化和加速了復雜的分析過程，還提供了不同類型的變量值，如：分類變量、分配卜瓦松變量或連續常態變量等。過去，只要研究中增加一個新的變量值，研究團隊就必須重新編寫整個算法，而現在只需按幾個鍵即可完成。

大數據系統分析的應用除了MS的研究以外，全球估計超過3300萬人感染，至今沒有方法可以完全治愈的艾滋病，以及罕見疾病等，都已開始利用大數據進行大型的醫學研究。

臨床實驗

臨床試驗藉由大數據而有了重大的改變，可利用臨床驗數據、儀器讀數等，進行比較效果研究、臨床決策支持系統、遠距病人監測及加強醫學數據透明度等方面。

擁有數據數據保護的早產兒

所謂的早產兒是指懷孕不到37周就提早出世的寶寶。這些提早降臨人世的小仙子，如果出生后體重不到1500公克，很可能會因為免疫系統尚未發育完全而受到感染，一旦感染之后就很容易引起呼吸衰竭、肺出血及敗血癥。

不過，加拿大多倫多市立兒童醫院里的早產兒，卻可以睡得特別安詳，因為他們是有數據數據保護的「data baby」。隨著醫療設備的發展，利用醫療監測儀器監測病患的生命征象，如血壓、心跳和體溫等，已經是非常普遍的事了。通常這些儀器還具有警報功能，一旦生理的數據數值超出正常范圍時就會發出警示，醫療人員就會采取因應行動。但是即使醫術再精湛、經驗再豐富的醫護人員，可能也無法準確地察覺這些異常的發生時間和嚴重性，尤其當發生在脆弱的早產兒生身上。根據美國弗吉尼亞大學追蹤以往的數據顯示，新生兒受到感染初期的12到24小時，因為脈搏和心跳幾乎都可在接受的范圍內，因此醫護人員很難從生命征象數據的改變中察覺，等到警示燈響起，常常為時已晚。

連續監測和記錄這些生理性數據，可以觀察出新生兒是否遭受感染的早期征兆，但數據量實在太過龐大了。估計這些監測設備每一秒鐘就會產生1000個讀數。以往是30到60分鐘由醫護人員歸納出一個數據做為紀錄，然后儲存72小時。如果要把這些讀數統統記錄起來，根本是不可能的事。

但這項不可能的任務，并沒有嚇跑安大略省理工學院和IBM。他們使用來自懷生研究中心的最新技術，利用江河運算平臺支持大量數據的收集和分析，一天24小時不間斷地收集和記錄著包括早產兒的體溫、心跳、血氧飽和濃度和血壓等電子監測儀器產生的大量數據，以及周遭環境如溫度、濕度等相關數據。在保護病人的隱私安全考慮下，這些數據會直接傳到安大略省理工學院研究中心和IBM華生研究中心；系統會分析和研究哪些因素的交互作用會造成感染，甚至哪幾床的新生兒因為符合條件較多，可能出現疾病或感染的風險較大。之后，系統再將分析結果提供給醫護人員比較判讀。這些動作都在數秒內完成。藉由這項計劃，兒童病房里的醫護人員已經可以提前18到24小時，預防新生兒敗血癥的發生。

由于大數據在規模（Volume）、增加速度（Velocity），以及價值性（Value）上正呈現幾何上升，而其數據所表現的多樣性變化（Variety）與數據的有效性（Validation），更容易成為企業的風險源頭。面對排山倒海而來的大數據，企業需運用大數據，迅速將數據轉化成商業智能，運用分析信息，提升市場的洞察能力，做出更準確的營運決策。例如：電信業者可以分析手機在基地臺漫游的特性，提供更好的在地費率；信用卡業者可以每天定期分析各種信用貸款所產生的風險，動態調整信貸利率；便利超商可以分析消費者的購買習慣，動態調整架上存貨數量等；制造業者可透過現場制造系統所記錄的大量在線實時生產數據進行分析，以協助制造業改善制程、提升良率，并減少物料浪費。因此大數據將是企業未來所面臨的關鍵挑戰。鑒于目前信息以超乎想象的速度產生、累積、消逝，而企業所面臨的商機亦有相同的循環表現。透過海量信息的實時性分析與運用，將可對不同信息的需求者，產生不一樣的價值與意義。若能持續在既有的數據中發掘價值，同時考慮動態信息所帶動的巨大沖擊，并藉此掌握瞬息萬變的市場契機，則大數據的分析與應用，將有助于各類型企業在相關營運領域中，引領下一階段的企業永續發展?；谝陨系陌l展潮流與態勢，麥肯錫（Mckinsey）管理顧問公司于2010年已指出未來引領企業發展趨勢的十大科技，其中即包含了大數據的獲取與分析、云端運算服務的公共價值，以及企業多層面的參與互動及服務。在這些技術與行動通訊網絡的整合應用下，企業未來所產生的數據量將呈現倍數成長，并導致過去傳統的儲存技術即將遇到瓶頸，因此，虛擬化的云端運算分析技術，以及大數據的管理，將成為各方面所即將面臨處理的新課題。從目前的技術發展 來看，未來各項實體化設施，將可能在未來藉由虛擬化的技術，得以降低各項成本的支出，然而云端運算與大數據的應用，絕非僅為建置一個大型數據中心即可，對于后續所產生大量數據下的數量管控、數據的質量與分析結果，以及這些數據所衍生之相關應用與服務，才是現階段所應關心的重點。計算設施(Computer)網絡設施(Network)儲存設施(Storage)數據數量管控數據應用服務數據質量分析虛擬化(Virtualization)為了結合技術、數據，以及應用分析與服務等三項議題的探討，本演講大數據主要闡述BIG DATA 在生技醫療衛生上之應用與研究;拋磚引玉系望能激起大家投入醫療大數據的研究!

第四篇：大數據+精準醫療

大數據+精準醫療

2012年全國居民慢性病死亡率為533/10萬，占總死亡人數的86.6%。心腦血管病、癌癥和慢性呼吸系統疾病為主要死因，占總死亡的79.4%，其中心腦血管病死亡率為271.8/10萬，癌癥死亡率為144.3/10萬（前五位分別是肺癌、肝癌、胃癌、食道癌、結直腸癌），慢性呼吸系統疾病死亡率為68/10過標化處理后，除冠心病、肺癌等少數疾病死亡率有所上升外，多數慢性病死亡率呈下降趨勢。慢性病的患病、死亡與經濟、社會、人口、行為、環境等因素密切相關。一方面，隨著人們生活質量和保健水平不斷提高，人均預期壽命不斷增長，老年人口數量不斷增加，我國慢性病患者的基數也在不斷擴大；另一方面，隨著深化醫藥衛生體制改革的不斷推進，城鄉居民對醫療衛生服務需求不斷增長，公共衛生和醫療服務水平不斷提升，慢性病患者的生存期也在不斷延長。慢性病患病率的上升和死亡率的下降，反映了國家社會經濟條件和醫療衛生水平的發展，是國民生活水平提高和壽命延長的必然結果。當然，我們也應該清醒地認識到個人不健康的生活方式對慢性病發病所帶來的影響，綜合考慮人口老齡化等社會因素和吸煙等危險因素現狀及變化趨勢，我國慢性病的總體防控形勢依然嚴峻，防控工作仍面臨著巨大挑戰。

大數據的分析和應用都將在醫療行業發揮巨大的作用，提高醫療效率和醫療效果。

一、臨床操作

在臨床操作方面，有5個主要場景的大數據應用： 1．比較效果研究

通過全面分析病人特征數據和療效數據，然后比較多種干預措施的有效性，可以找到針對特定病人的最佳治療途徑。

基于療效的研究包括比較效果研究(Comparative Effectiveness Research，CER)。研究表明，對同一病人來說，醫療服務提供方不同，醫療護理方法和效果不同，成本上也存在著很大的差異。精準分析包括病人體征數據、費用數據和療效數據在內的大型數據集，可以幫助醫生確定臨床上最有效和最具有成本效益的治療方法。醫療護理系統實現CER，將有可能減少過度治療(比如避免那些副作用比療效明顯的治療方式)，以及治療不足。從長遠來看，不管是過度治療還是治療不足都將給病人身體帶來負面影響，以及產生更高的醫療費用。

2．臨床決策支持系統

臨床決策支持系統可以提高工作效率和診療質量。目前的臨床決策支持系統分析醫生輸入的條目，比較其與醫學指引不同的地方，從而提醒醫生防止潛在的錯誤，如藥物不良反應。通過部署這些系統，醫療服務提供方可以降低醫療事故率和索賠數，尤其是那些臨床錯誤引起的醫療事故。在美國Metropolitan兒科重癥病房的研究中，兩個月內，臨床決策支持系統就削減了40%的藥品不良反應事件數量。

3．醫療數據透明度

提高醫療過程數據的透明度，可以使醫療從業者、醫療機構的績效更透明，間接促進醫療服務質量的提高。

根據醫療服務提供方設置的操作和績效數據集，可以進行數據分析并創建可視化的流程圖和儀表盤，促進信息透明。流程圖的目標是識別和分析臨床變異和醫療廢物的來源，然后優化流程。僅僅發布成本、質量和績效數據，即使沒有與之相應的物質上的獎勵，也往往可以促進績效的提高，使醫療服務機構提供更好的服務，從而更有競爭力。

4．遠程病人監控

從對慢性病人的遠程監控系統收集數據，并將分析結果反饋給監控設備(查看病人是否正在遵從醫囑)，從而確定今后的用藥和治療方案。

2010年，美國有1.5億慢性病患者，如糖尿病、充血性心臟衰竭、高血壓患者，他們的醫療費用占到了醫療衛生系統醫療成本的80%。遠程病人監護系統對治療慢性病患者是非常有用的。遠程病人監護系統包括家用心臟監測設備、血糖儀，甚至還包括芯片藥片，芯片藥片被患者攝入后，實時傳送數據到電子病歷數據庫。舉個例子，遠程監控可以提醒醫生對充血性心臟衰竭病人采取及時治療措施，防止緊急狀況發生，因為充血性心臟衰竭的標志之一是由于保水產生的體重增加現象，這可以通過遠程監控實現預防。更多的好處是，通過對遠程監控系統產生的數據的分析，可以減少病人住院時間，減少急診量，實現提高家庭護理比例和門診醫生預約量的目標。

5．對病人檔案的先進分析

在病人檔案方面應用高級分析可以確定哪些人是某類疾病的易感人群。舉例說，應用高級分析可以幫助識別哪些病人有患糖尿病的高風險，使他們盡早接受預防性保健方案。這些方法也可以幫患者從已經存在的疾病管理方案中找到最好的治療方案。

二、付款/定價 對醫療支付方來說，通過大數據分析可以更好地對醫療服務進行定價。以美國為例，這將有潛力創造每年500億美元的價值，其中一半來源于國家醫療開支的降低。

1．自動化系統

自動化系統(例如機器學習技術)檢測欺詐行為。業內人士評估，每年有2%~4%的醫療索賠是欺詐性的或不合理的，因此檢測索賠欺詐具有巨大的經濟意義。通過一個全面的一致的索賠數據庫和相應的算法，可以檢測索賠準確性，查出欺詐行為。這種欺詐檢測可以是追溯性的，也可以是實時的。在實時檢測中，自動化系統可以在支付發生前就識別出欺詐，避免重大的損失。

2．基于衛生經濟學和療效研究的定價計劃

在藥品定價方面，制藥公司可以參與分擔治療風險，比如基于治療效果制定定價策略。這對醫療支付方的好處顯而易見，有利于控制醫療保健成本支出。對患者來說，好處更加直接。他們能夠以合理的價格獲得創新的藥物，并且這些藥物經過基于療效的研究。而對醫藥產品公司來說，更好的定價策略也是好處多多。他們可以獲得更高的市場準入可能性，也可以通過創新的定價方案，更有針對性療效藥品的推出，獲得更高的收入。

在歐洲，現在有一些基于衛生經濟學和療效的藥品定價試點項目。

三、研發

醫療產品公司可以利用大數據提高研發效率。拿美國為例，這將創造每年超過1000億美元的價值。

1．預測建模

醫藥公司在新藥物的研發階段，可以通過數據建模和分析，確定最有效率的投入產出比，從而配備最佳資源組合。模型基于藥物臨床試驗階段之前的數據集及早期臨床階段的數據集，盡可能及時地預測臨床結果。評價因素包括產品的安全性、有效性、潛在的副作用和整體的試驗結果。通過預測建模可以降低醫藥產品公司的研發成本，在通過數據建模和分析預測藥物臨床結果后，可以暫緩研究次優的藥物，或者停止在次優藥物上的昂貴的臨床試驗。

2．提高臨床試驗設計的統計工具和算法 使用統計工具和算法，可以提高臨床試驗設計水平，并在臨床試驗階段更容易地招募到患者。通過挖掘病人數據，評估招募患者是否符合試驗條件，從而加快臨床試驗進程，提出更有效的臨床試驗設計建議，并能找出最合適的臨床試驗基地。比如那些擁有大量潛在符合條件的臨床試驗患者的試驗基地可能是更理想的，或者在試驗患者群體的規模和特征二者之間找到平衡。

3．臨床實驗數據的分析

分析臨床試驗數據和病人記錄可以確定藥品更多的適應癥和發現副作用。在對臨床試驗數據和病人記錄進行分析后，可以對藥物進行重新定位，或者實現針對其他適應癥的營銷。實時或者近乎實時地收集不良反應報告可以促進藥物警戒(藥物警戒是上市藥品的安全保障體系，對藥物不良反應進行監測、評價和預防)。或者在一些情況下，臨床實驗暗示出了一些情況但沒有足夠的統計數據去證明，現在基于臨床試驗大數據的分析可以給出證據。

這些分析項目是非常重要的。可以看到最近幾年藥品撤市數量屢創新高，藥品撤市可能給醫藥公司帶來毀滅性的打擊。2004年從市場上撤下的止痛藥Vioxx，給默克公司造成70億美元的損失，短短幾天內就造成股東價值33%的損失。

四、更具體一些，大數據已經得到實際應用的已經有如下場景

1．組學大數據精準醫療

人類通過開展組學研究及不同組學間的關聯研究，從環境、生活方式和行為等暴露組學，至個體細胞分子水平上的基因組學、表觀組學、轉錄組學、蛋白組學、代謝組學、宏基因組學，再到個體健康和疾病狀態的表型組學等。利用大數據將各種組學進行綜合及整合，既能為疾病發生、預防和治療提供全面、全新的認識，也有利于開展個體化醫學，即通過系統整合生物醫學與臨床數據，可以更準確地預測個體患病風險和預后，有針對性地實施預防和治療。

2．大數據虛擬藥物研發

快速識別生物標志物和研發藥物。利用某種疾病患者人群的臨床數據和組學數據，可以快速識別有關疾病發生、預后或治療效果的生物標志物。在藥物研發方面，醫學大數據使得人們對病因和疾病發生機制的理解更加深入，從而有助于識別生物靶點和研發藥物。同時，充分利用海量臨床數據和組學數據、已有藥物的研究數據和高通量藥物篩選，能加速藥物篩選過程。

3．生物大數據流行病防治

快速篩檢未知病原和發現可疑致病微生物。通過采集未知病原樣本數據，對病原進行測序，并將未知病原與已知病原的基因序列進行比對，從而判斷其為已知病原或與其最接近的病原類型，據此推測其來源和傳播路線、開展藥物篩選和相應的流行疾病防治。

4．互聯網大數據公衛監測

利用互聯網大數據以及有關專業數據實時開展公共衛生監測。公共衛生監測包括傳染病監測、慢性非傳染性疾病及相關危險因素監測、健康相關監測，如出生缺陷監測、食品安全風險監測等。此外，還可以通過覆蓋全國的患者電子病歷數據庫進行疫情監測，通過監測社交媒體或頻繁檢索的詞條來預測某些傳染病的流行。

5．大數據健康管理

實時開展大數據健康管理，通過可穿戴設備對個體體征數據，如心率、脈率、呼吸頻率、體溫、熱消耗量、血壓、血糖、血氧、體脂含量等數據的實時、連續監測和流數據挖掘、分析，提供實時健康指導與建議，更科學地實施個性化健康管理。

6．大數據疾病譜研究

了解人群疾病譜的改變，這有助于制定新的疾病防治策略。全球疾病負擔研究是一個應用大數據的實例，該研究應用的數據范圍廣、數據量巨大，近4700臺并行臺式計算機完成了數據準備、數據倉庫建立和數據挖掘分析的自動化和規范化計算，應用大數據研究人群疾病譜。

7．大數據人群隊列研究

以大數據為導向的人群隊列研究逐漸成為醫學研究的熱點。超大規模隊列研究具有大樣本-如數十萬人群，前瞻性-如數十年長期隨訪，多學科-如基礎、臨床、預防、信息等多學科合作，多病種-如對多種疾病進行研究，多因素-如探討多種危險因素，整合性-如監測系統、信息系統、醫保系統的整合，共享性-如生物標本和數據資源的共享，等特點，經過長期隨訪能夠產出大量人群數據，基于大數據的人群隊列研究更具有科學性、可靠性和權威性。

第五篇：探究教學模式心得體會

近年來，隨著“杜郎口”教學模式，洋思中學“先學后教，當堂練習”教學模式，和東廬“講學稿”教學模式，被越來越多的學校仿效和推廣，使很多教師和學校搞不清到底什么是符合自己新課改和教學實際的模式。對此，筆者經過長期的摸索和總結，初步形成符合自己的教學模式，并在自己的教學實際中已初露良

好的效果。

“杜郎口”教學模式的優點在于推翻了傳統的教師一味的傳授，不在把學生當成“容器”進行填鴨式的教學，而是讓學生主動參與，極大地激發學生的求知欲，解放了學生被動的接受學習，在一定程度上解決了學生厭學，不學的問題。但是把課堂完全教給學生，片面地加大了學生的學習投入量；同時教師的點撥，補充，拓展的機會過少，對課堂教學還是有一定弊端的。不過“杜郎口”教學模式，激發了學生探究欲，擴大了學生的主動參與程度，給學生創造了更多展示自我才能和個性的機會，這種模式還是我們教師和其他學校應該吸收和發揚的的，這是杜郎口模式的精華所在。

洋思中學“先學后教，當堂練習”的教學模式的優點，在于它遵循教學規律和學生學習認知心理的特征，使學生的學習成果顯著，具有實際的教學可操作性。但是他也有不合適的地方，還是不能把學生從被動學習中相對解放出來，不能很好展示自我，它容易使學生的學習陷入被動的局面。但是它很好的解決了預習和復習鞏固的時效性，這是它對當前教學做出最為巨大的貢獻，這也是它能被教育界認同的靈魂所在。

東廬“講學稿”教學模式，優點在于：很好地解決了教師的備課與學生的練習融合問題，似乎減輕了老師和學生的勞動量，有效解決了教與學通過書面的銜接。但它也有一些不可回避的爭議：隱性地加大教師的工作量；對于預習和復習鞏固，教師不好掌控（學生容易出現抄襲）；還是不能很好地激發學生主動學習；東廬“講學稿”本身在東廬中學的教學中還沒有取得有明顯建樹的成效。不能讓教師運用靈活，形式多樣的教學風格。不過，它為教師在教學設計上，能主動站在學生的學這一角度，還是值得借鑒的。對于以上三種模式，那一種才是符合每一個學?；蚪處煹哪?？生搬硬套，全盤吸收，是絕對錯誤的。在學習這些教學模式時，我們應該保持理性的借鑒，要邊實踐邊思考學習的實效，要時刻反省和分析自己學生的學情，認真結合自己學生學習的特點，不斷改良和優化自己的教學，不斷總結和梳理自己的教學得失，這樣才會探索出具有自我價值的教學新模式。

筆者經過很長一階段的實踐，不斷分析對比這三種模式的優缺點，再結合自己學生的實際學情，初

步探索出新的課堂教學模式。

1.把每班學生分成四組，由兩名組長負責，每組負責一塊小黑板（小黑板式以前學校學習“杜郎口”遺留下來的，現在又在學習“東廬講學稿”）。組長召集全組完成預習，展示，出題。.預習。教師告知學生預習的內容，幫助劃板塊，分知識點做好學前預習討論；從基本知識（識記，理解），重點知識（參閱教輔資料出題多的分析），難點知識（收集，發問老師）展開；適當準備基礎題。

3.課后。各組出5道題左右。出題原則：基礎性（大家能做，易做，強調復習鞏固），典型性（把握知識點，學會篩選習題），變異性（題型變化，難度的梯度變化，陷阱的設置）.課堂。

（1）課后練習的處理。四塊黑板由每組一至兩名同學發問，講解上一堂課課后練習，教師然后點撥

思路，突破難點，總結變化，拓展補充。

（2）預習與新課教學。學生預習理解的由學生展示；教師主要是教學情境的創設，完成難點的解答和突破，問題的總結拓展，知識的銜接過渡，組織和指導，評價學生的展示過程（如果時間寬裕，指導學

生選題，出題）等。

（3）在展示環節上，教師要把展示的形式多樣化：分組展示，分組比賽，分組互助等。經過近半個月的實踐，徹底改變了學生被動學習的狀況，如作業抄襲，上課不舉手發言，上課注意力不集中，齊聲回答不響亮等等。但是學生的準備時間可能過長，所以兩個組長輪流負責統籌安排，出題，抄題也是在集體討論的基礎上輪流負責。

當然，這種模式還是處于探索階段，不完善的地方也很多，但已改變教師一味的教，學生被動的學；避免了作業抄襲；改變了課堂互動少，學生發言少，課堂氣氛沉悶；減少了教師無效，低效的教學時間；能從把握整體的共性融合和個體的個性張揚來關注學生的學習生成；從這些作用和意義上來看，新模式還是有很強的可操作性和研究性。當然，這種模式的評價和檢驗，還需經歷很長的一段時間。