理論創新驅動的數據挖掘課程教學改革

邵俊明+楊勤麗

（1.電子科技大學 計算機科學與工程學院，四川 成都 611731；

2.電子科技大學 資源與環境學院，四川 成都 611731）

摘 要：針對當前數據挖掘課程教學中工程應用與理論創新的脫節問題，分析數據挖掘課程本身的特點和當前教學現狀，從提高本科生創新能力的人才培養模式角度出發，提出在教學內容的前沿性、教學方式的多元性及實驗教學的多梯度性改革，達到因材施教、工程應用與理論創新的有機統一，有效提高學生的學習興趣及學習效果。

關鍵詞：數據挖掘；理論創新；多元教學；多梯度實驗

0 引 言

在當前大數據時代背景下，如何從海量數據中挖掘并提煉出對人們真正有用的知識，是大數據研究的難點問題，同時也是目前數據挖掘面臨的關鍵和核心問題[1]。數據挖掘作為當前計算機專業的一個前沿課程，是一個綜合性的交叉課程，也是重要的學術研究方向，其內容涉及多方面基礎理論學科和應用性強的技術領域，是提高計算機專業學生應用實踐能力和理論創新能力的載體課程，在整個計算機專業的學習中具有極為重要的地位。

1 教學現狀

數據挖掘作為一門同時具備應用性和學術性的課程，早期屬于計算機專業研究生培養的專業課程，但隨著數據挖掘在各個領域的廣泛應用，現已成為計算機專業本科培養的專業選修課之一。目前，數據挖掘課程在教學內容、教學方法和實驗教學模式上存在諸多不足之處。

（1）教學內容陳舊。目前的教學內容一般根據某本數據挖掘教科書進行講解，由于數據挖掘技術的快速發展，一本教科書往往很難全面概括數據挖掘的內容、方法和技術。

（2）基礎理論算法與實驗教學脫節。當前的教學路線往往是使本科學生從了解和掌握數據挖掘的基本任務開始，然后講授數據挖掘的各種基本算法，最后上機實驗。這一教學方式側重于以應用為主，主要目標在于培養計算機工程的應用人才。然而，由于基礎理論算法與實驗教學分開講解，使得學生缺乏對使用數據挖掘解決實際問題的能力。

（3）理論創新意識的缺乏。在當前的本科教學中側重工程實踐能力的培養，忽略理論創新的培養。在數據挖掘課程中，理論創新是指學生對所學的數據挖掘算法有自己的見解，能有意識地思考目前數據挖掘面臨的問題并提出新的數據挖掘算法。

（4）實驗教學僵化。當前的實驗教學往往是固定的幾個算法驗證性實驗，對于不同學習能力的人而言，實驗教學往往很難達到理想的效果。

目前，對日新月異的科技發展、以科技創新和技術升級為核心特征的激烈國際競爭，我國自主創新能力較為薄弱的問題已經越來越成為信息化發展的瓶頸[2]，這也給數據挖掘教學帶來巨大挑戰，即教師如何在教學過程中提高學生的理論創新能力？

2 教學方法的改革

2.1 教學內容的前沿性與統一性

作為一門新興的前沿課程，該門課程內容、方法和技術仍處于發展和探索階段。通過固定的教材去系統地傳授數據挖掘的內容顯然是不太合理的。因此，與傳統學科不同，數據挖掘教學內容需要進行更新，并根據學生的接受能力進行甄別篩選。同時，要求任課教師在不斷發展的新技術與相對穩定的教材中尋找一條貫穿整個教學內容的主線，在講課的過程中，結合數據挖掘研究進展，配合自己的研究成果，把最新的技術融入到課堂中。此外，由于數據挖掘是多學科的交叉課程，內容涉及統計學、算法、數據庫、機器學習、模式識別、可視化等，而本科生的知識體系薄弱，在短時間難以透徹理解各部分內容。因此，教學過程中教師應合理設計教學大綱和方案，有機地統一教學內容，讓學生對數據挖掘有一個整體的了解。建立不同數據挖掘任務之間的相互關聯，同時以項目講解的方式將數據挖掘涉及的數據預處理、聚類分析、分類預測、噪聲檢測、關聯規則挖掘等有機結合在一起。

2.2 理論創新的多元教學

針對現有本科生教學中理論創新意識的缺乏，嘗試進行多元化教學模式，主要從以下4個方面展開。

（1）區分教學內容的難易度，將教學內容分為基礎內容與進階內容。在講授中注重基礎內容的原理性，并有意識地讓學生接觸一些前沿性的理論拓展知識。比如在講解分類算法時，首先專注幾個經典的分類算法，如K—最鄰近、決策樹、樸素貝葉斯和支持向量機等。同時，在此基礎上，給學生講述目前分類的一些前沿方法，如集成學習、深度學習和遷移學習等。

（2）以問題為驅動教學。在講解聚類算法時，可以通過“物以類聚，人以群分”的思想展開，具體介紹K—MEANS和DBSCAN兩個具有代表性的聚類算法，讓學生思考數據挖掘不同算法提出的原因、基本思想和優劣性，初步引導學生的自我思考、自我學習的創新思維能力。同時，針對數據具有的高維性，讓學生進一步思考“高維詛咒”問題及在此問題上展開的子空間聚類的研究。

（3）建立“教研統一”研究式教學方法，利用教師現有科研促進和服務于教學，探索形成“科研嵌入”理論教學內容。將教師在自己的研究與教學內容進行有機結合，豐富教學內容，拓寬學生視野，提高學生實踐能力和創新能力，實現科研成果融入教學。這樣既提高了學生學習知識的興趣性，又培養了潛在的科學素養。此外，在整個教學環節中布置兩個任務，一是讓學生進行數據挖掘的文獻調研（主要涉及數據挖掘的歷史、現狀、面臨的挑戰及當前的行業應用），二是在課程結束后進行主題研究報告，每個學生選擇自己感興趣的一個主題進行，研究報告的目的是讓學生深入理解所學內容，為后續的科研工作打下基礎。

（4）教學模式由傳統“填鴨式”向“互動式”教學轉變。通過研討方式引導學生去思考，激發學生的求知欲，充分調動其學習的積極性和主觀能動性。通過具體實例，讓學生知道算法的應用場合，提高學習興趣和效率。

2.3 多梯度實驗教學

實驗教學是使學生在實踐環節將數據挖掘課程中學習的理論算法應用于實踐，幫助學生理解和掌握知識，提高動手能力。傳統的上機實驗往往是側重幾個經典算法的實現，如KMEANS、KNN、ID3決策樹和LOF算法等。然而，數據挖掘是一門工程應用性較強的學科，這種算法驗證實驗很難讓學生體會到數據挖掘的實際應用，因此，從基礎能力培養、工程應用及創新研究3個方面設計多梯度實驗。

首先，按照由淺入深的原則設計2個經典算法實現，如KMEANS和 ID3決策樹。這個實驗為算法型實驗，主要是幫助學生通過實驗更好地了解所學算法，學生也可以自己選擇聚類分析和分類預測的任意兩個算法進行實現。

其次，設計一個簡單綜合型實驗，比如垃圾郵件的分類系統，要求學生完成從數據收集、數據預處理到整個系統的實現。主要考查學生綜合運用數據挖掘知識，解決實際問題的能力，注重工程能力的培養。

最后是創新算法的實驗設計，比如子空間聚類算法的實現。這個實驗注重部分學生創新能力的培養，尤其是致力于以后從事科學研究的學生。學生可以根據自己的愛好，選擇算法型實驗和綜合型實驗，也可以選擇算法型實驗和創新算法設計實驗。多梯度實驗的目的主要是希望針對不同學生的學習興趣及將來的發展方向，給出合適的實驗教學。實驗的整體難度由易到難，層層深入，有利于學生實踐能力和創新能力的培養。

3 結 語

當前，數據挖掘正處在快速發展的過程中，各個領域的大量應用使得對數據挖掘這門課程的工程應用能力要求越來越高，需要學生具有更好的創新能力，因此，數據挖掘課程的教學也同樣需要調整教學內容和教學手段來緊跟其發展的步伐。基于此，我們提出在課程內容的前沿性、教學模式的多元性及實驗教學的多梯度性上進行改革，從而達到在培養學生工程實踐能力的同時，提高其創新思維能力。

基金項目：電子科技大學“互聯網+”課程建設教改專項。

第一作者簡介：邵俊明，男，教授，研究方向為數據挖掘、機器學習及在交叉學科的應用研究， junmshao@uestc.edu.cn。

參考文獻：

[1]涂新莉， 劉波， 林偉偉. 大數據研究綜述[J]. 計算機應用研究， 2014， 31（6）： 1612-1616.

[2]應必娣. 培養學生創新能力的教學改革[J]. 實驗室科學， 2015（3）： 228-230.

（編輯： 郭田珍 ）