高校數據挖掘課程的教學模式探索

宋蒙蒙，耿松濤，陳凱軍

（海南大學旅游學院，海口 570228）

高校數據挖掘課程的教學模式探索

宋蒙蒙，耿松濤，陳凱軍

（海南大學旅游學院，海口 570228）

大數據時代的到來，意味著數據挖掘將發展為一種新型產業，此環境下，對數據挖掘型人才的需求可謂迫切。高校的數據挖掘作為一門融多學科的交叉課程，其教學模式需與大數據的特性以及企業需求相結合，探析具有實踐意義的創新型教學模式。在對大數據的特性及企業數據挖掘人才的需求進行分析后，針對目前高校數據挖掘型人才的培養方法與教學模式進行了創新性探悉。

數據挖掘；教學模式；人才培養

阿里巴巴的 “無人超市”吸引了無數人的注意，引發了各界對“大數據”的關注。不僅在學術界，國際頂尖學術刊物Nature（2008）和Science（2011）分別展開了大數據相關研究計劃，集中在美國本土安全、教育及國防等領域；商界也對其表現出了濃厚興趣，例如商業巨頭沃爾瑪（Wal-Mar）利用大數據分析消費者興趣愛好，采取措施提升了消費者的消費欲望，增加了收益。我國教育部對大數據也頗為重視，在十年發展規劃中強調，高校教育的發展離不開信息技術，需促進教育體系、教學模式的現代化發展，注重人才培養的創新化，將高校與企業、政府的產學研相結合，促進高校人才的信息化培養。由此可見，國家對高校在信息技術方面人才的培養相當重視。而數據挖掘技術可謂信息技術的中流砥柱。

作為現代化信息技術的數據挖掘，以挖掘大量數據中的知識為目的〔1〕首要條件就是擁有數據挖掘人才，但國內數據挖掘專業存在培養體系不健全，人才稀少等問題，與此同時，市場、政府和企業對此類人才需求量巨大，導致數據挖掘型人才處于一個供需嚴重失衡的狀態。在此背景下，加強數據挖掘專業型人才的培養工作已刻不容緩。

一、大數據時代下對數據處理專業人才的需求

大數據的迅速發展，對專業型人才的需求也日益凸顯。麥肯錫（McKinsey）的報告指出，利用大數據實現其價值最大化的最重要因素即是人才。隨著大數據對社會越來越深入的影響，對大數據處理、分析等專業型人才的需求日益增多。但此類專業型人才依然稀少，美國大數據分析報告稱，到2018年對數據分析的初級人才需求量為14-19萬，而高級人才的需求將達到150萬左右〔2〕。

對數據處理等專業人才的需求不僅體現在數量上，由于數據類型的復雜性、實時性等因素，對這種數據處理專業人才在能力素質方面也有很高的要求。不僅要求能將復雜的數據、文本轉化為可利用的資源，同時也需透過數據分析結果進行預測并做出一定的趨勢分析。對人才的這種需求，引起國家的高度重視。我國在2015年的《綱要》中提出，鼓勵各高校設立數據挖掘相關專業，將培育專業化的數據挖掘型人才作為重點。同時鼓勵高校與企業合作，理論教授與實踐培養相結合，培養適應時代發展需求的現代化綜合性人才〔3〕。

二、企業對數據挖掘人才的要求

1、完整的數據挖掘理論體系

完整的理論體系是大數據挖掘工作者的工作前提，只有在已有的理論體系之上，才能對數據進行評判。一般數據挖掘的過程被劃分為數據準備、數據挖掘、評估解釋模式模型、鞏固知識和運用知識五個步驟〔4〕，而其中第三步是分析前兩步中所涉及的模型，剔除沒有實際意義的信息，因為在某些情況下，模型反映的信息與事實情況恰恰相反，因此，擁有完備的數據挖掘理論知識（包括對統計學的掌握，對常見的預測模型的透徹理解〔5〕）是企業對數據挖掘人才的最基本要求。

2、熟悉數據庫的相關知識及其爬取方法

大數據環境下，挖掘工作者必須擁有從網絡中爬取數據的基本技能。2013年，時任中國人民銀行副行長的李東榮曾發文呼吁，國際上已經將大數據看作一種非常重要的資產、資源和生產要素〔6〕，如今，一些行業領軍企業如阿里巴巴、星巴克等，陸續開設一個新的職位CDO（即Chief data officer，首席數據官），由CDO對大數據相關事宜進行專門負責〔5〕，以上事件都顯示出了大數據的重要性，而數據庫是決定數據價值的先決條件，因而，對數據庫相關理論的熟悉和搜集方法的掌握，是大數據時代下數據挖掘人才不可或缺的基本技能。

3、數據分析能力（數據深度挖掘能力）

現代化信息技術的數據挖掘，以挖掘大量數據中的知識為目的〔1〕，因而，數據的深度挖掘能力是大數據挖掘人員的核心競爭力。大數據環境下的挖掘與傳統挖掘在處理數據的廣度和深度等方面存在差異〔7〕，由于傳統的統計分析軟件如E-views、SPSS等在處理數據上的限制，大數據的挖掘與統計需利用新型工具探索數據潛在的信息，例如Hadoop、Hive等軟件的使用，這就對編程能力有了相當高的要求。企業不僅需要會使用相關工具的人員，更需要能夠根據企業自身特點進行工具開發的相關人才。

4、具有行業基礎理論體系

大數據的挖掘和分析必須在特定行業環境下展開才會具有價值。俗話說“隔行如隔山”，每一個行業都需要其特定的專業知識作為支撐，例如統計學大數據工作者，需要在學習安排中要著重培養自己的經濟理論基礎，使自己建立起數理統計、宏微觀經濟等理論體系〔8〕；而大數據時代的新聞工作者，需要首先掌握文學、政治、心理學、社會學等學科基礎知識〔9〕。

5、各種“軟”實力的要求

大數據挖掘工作者最基本的操守便是嚴謹、實事求是的科學態度，這是通過數據挖掘得到價值信息的前提，只有通過科學、嚴謹的態度才能得到客觀而有價值的信息；對大數據的新鮮感和熱情于大數據挖掘工作者而言具有同樣的重要性，只有帶著好奇心和敢于懷疑的態度投入到挖掘工作中來，才能從根本上增強自身業務水平和能力；一般情況下，數據管理部門在企業中與每個部門都有密切聯系，因而，交流溝通能力對大數據挖掘人員而言尤為重要。

三、高校數據挖掘教學模式的創新與探索

1、以學生為主體的教學模式融合

自新中國成立以來被確立的“客觀主義”的相關教學理論—接受式的教學模式從未得到根本改變，我國高校教師占用絕大多時間為學生講授的根本教學格局仍未改變〔10〕，數據挖掘課程亦在此行列中。數據挖掘這門課程具有很強的專業性，是融管理工程、信息技術、統計學及社會學等多門學科的一門交叉性課程。社會經濟的發展和信息技術的進步，使數據挖掘的學習不能僅僅局限于了解數據挖掘的概念和淺層次的數據挖掘技術，而是要對學生進行引導，培養學生對數據挖掘的興趣，傳授給學生學習數據挖掘的方法，最終使學生具有發掘自身潛力的能力。因而，在教學模式上，應該將班級授課（通過把年齡相仿、智力相似和受教育水平相當的學生編為班級，集體授課〔10〕）和小型研討會（Seminar，注重學生自主學習能力和主觀能動性，老師的主要作用是引導〔10〕）兩種教學模式進行融合，既能發揮老師的傳授作用，又能給學生以“主人翁”的角色幫助其開發自身潛力。在方法上，可以通過多媒體大量引用適應信息時代的商業案列和聲像的展示，讓學生及時接觸最新的行業動態和相關問題，然后讓學生分組討論，讓學生結合實際情況，通過討論產生解決方案；老師還可以從數據挖掘型人才的社會需求、職位性質以及大數據環境下挖掘工作者的工作方式等方面來增強學生對數據挖掘工作的了解，然后組織同學自主研討、相互協作，最后在課堂上展示自己對數據挖掘行業的認識，引導學生朝著適合自己的數據挖掘崗位發展。

同時，在新技術與互聯網高度發達的今天，應對數據挖掘這門與時代緊密接軌的課程，必須得注重加涅教學模式（Robert Mills Gagne，利用網絡和相關新生技術，為學生提供全球視野范圍內的優秀教育資源，激發學生創新能力〔10〕）在實際教學中的應用，例如，可采用云計算技術開發的教育信息服務平臺，根據學生自身特點定制專屬課程，在云平臺上建立起協作小組（使老師與學生、學生與學生等建立起協作關系）〔11〕；也可在在大數據環境下，引入 MOOC（massive open online courses，大型開放式網絡課程）等新型教學模式，在這種資源開放、共享的平臺上，為學生提供數據收集、分析和處理、在線學習視頻等免費課程和交流社區〔12〕。利用這些開放式的教育平臺，為學生提供全球最頂級的教育課程、最新的業界動態和最實用的挖掘工具，無疑會有助于學生自學能力的提高，幫助學生潛力的開發。

2、以實踐為核心的教學模式創新

數據挖掘課程由于與計算機操作緊密結合的特點，其課程對應用能力的要求較其它課程有較大的差異，在萊茵“預備—提示—聯合—總結—應用”的五階段教學模式〔13〕中，數據挖掘課程對“應用”的要求尤為突出。近年來，部分高校對數據挖掘的教育模式進行了探索和嘗試，例如，清華大學2014年宣布成立數據科學研究院，天津財經大學2013年開設“數據工程專業”，中國人民大學、首都經貿大學、北京大學、中央財經大學、中國科學院大學5所大學組建的培養數據挖掘人才的協同創新平臺〔14〕，無一例外都開設了大量的實踐課程，由此足以驗證該課程“應用”的重要性，因而，數據挖掘課程教學模式的改革，離不開“實踐”二字。

在具體方法上，通過開展大量的實踐課程，使理論課程與實際操作有機結合，將理論課程中講述的操作流程和案例內容在上機時引導學生自主完成，提高學生對理論的理解和實際操作的能力；同時，將學生進行分組并給每組布置一定的課下實操作業，讓學生通過MOOC平臺進行一部分知識的學習，并促使學生通過云平臺等協作平臺進行相互學習，以此提高學生的自學能力和協調能力，最終提高其數據挖掘的相關應用能力。

3、以企業為輔助的教學模式探索

大數據背景下，數據挖掘技術得到重視和關注，企業對該專業的人才需求也日益增多，而學生也需要大量的工作用以加深自己對數據挖掘理論的理解、檢驗自己的數據挖掘能力、認識自身的不足和尋找適合自己的工作崗位。因而，有必要將合作教學模式（阿莫納什維利創立，尊重學生個性，通過真誠合作激發學生學習興趣〔13〕）運用到數據挖掘課程中。

可通過吸引大數據企業進駐學校，共同成立“數據挖掘研究實驗室—數據戰略實習基地”的方式，幫助學生獲取最新、最有實踐價值的研究資源，企業也可以通過此過程培養出自身需要的潛力人才，獲得更強的研究力量，最終達到“雙贏”甚至“多贏”的效果；其次，企業也可成立微信公眾平臺等網上實踐平臺，安排一些實踐性的操作任務，來提高學生的應用能力，這將有利于學生深刻認識數據挖掘工作的重要性，加強其實踐操作能力，也為企業及社會帶來了一定經濟價值，真正做到產、學、研三方的結合。

教學模式早已從單一化向多樣化進行了發展〔13〕，在具體的數據挖掘課程教學實踐中，必須得注意將各種教學模式進行融合創新，逐漸形成一種穩定、有效、適應時代發展的數據挖掘課程教育模式。

〔1〕韓家煒,KAMBER M,裴健.數據挖掘:概念與技術〔M〕.北京:機械工業出版社，2012．

〔2〕Manyika J，Chui M，Brown B， et al.Big Data:The Next Frontier For Innovation，Competition，And Productivity〔J〕.Analytics， 2011.

〔3〕國務院關于印發促進大數據發展行動綱要的通知.國發〔2015〕50 號〔EB/OL〕.〔2015-09-05〕.國中央政府門戶網.http://www.gov.cn/zhengce/content.2015-09/05/content_10137.htm.

〔4〕黃翠萍.數據挖掘概念綜述〔J〕.數字技術與應用，2014，（1）：193-194.

〔5〕陳憲宇.大數據時代企業相關職位設置與人才培養〔J〕.經營與管理，2014，（9）：43-47.

〔6〕李東榮.大數據時代的金融人才培養〔J〕.中國金融，2013（24）：9-10.

〔7〕鄧仲華，劉偉偉，陸穎雋.基于云計算的大數據挖掘內涵及解決方案研究〔J〕.情報理論與實踐，2015，38（7）：103-108.

〔8〕徐秋艷.大數據時代高校統計人才的培養〔J〕.中國統計，2016（3）：69-70.

〔9〕祝興平，馬瑙.大數據時代新聞出版人才培養的創新〔J〕.出版發行研究，2016（4）：90-92.

〔10〕黃愛華.高等教育教學模式的演進、研究與變革〔J〕.高校教育管理，2017，11（1）：92-96.

〔11〕楊輝軍.于云計算的高校課程教學模式創新研究 〔J〕.湖南城市學院學報 (自然科學版)，2016，25（2）：362-363.

〔12〕張成龍，李麗嬌.論基于MOOC的混合式教學中的學習支持服務〔J〕.中國遠程教育:綜合版，2017（2）：66-71.

〔13〕李學芹，蔡燕.淺談教學模式的發展及其趨勢〔J〕.教學與管理，2012（15）：129-130.

〔14〕祝丹，陳立雙.大數據驅動下統計學人才培養模式研究〔J〕.統計與信息論壇，2016，31（12）：87-92.

0000

A

1009— 2234（2017）10—0153— 03

2017— 10—03

海南省高等學校科學研究項目“一帶一路背景下地方高校大學生國際交流意識的研究—以海南大學為例”（Hnky2016-4）；海南大學科研啟動基金項目“基于數據挖掘的社交網絡服務精準營銷研究”(kyqd1603)；海南大學科研團隊培育專項“旅游創新業態團隊”（hdkytg201707）。

宋蒙蒙（1984—），女，山東煙臺人，講師，管理學博士，主要研究方向：消費者行為、數據挖掘。

〔責任編輯：侯慶海〕