應用型本科“數據挖掘”課程的構建研究

白楊

摘 要：文章依據應用型本科院校人才培養目標需求，根據數據挖掘學科交叉性強的特點，設置了面向信息管理與信息系統專業的“數據挖掘”課程教學內容，并將傳統教學法與現象教學法、翻轉課堂教學法相結合，提高學生的學習興趣和實踐能力，推進該門課程的建設研究。

關鍵詞：數據挖掘；應用型本科；課程內容；教學方法

近年來，隨著人工智能及大數據技術的發展和應用，國內各高校面向計算機以及信息管理等專業陸續開設了“數據挖掘”課程。數據挖掘是從海量數據中發現隱含的、未知的、有趣的、有價值的規則和知識。顯然，針對不同學科的專業、不同層次的高校，“數據挖掘”課程的體系及內容設置都應該有所不同。譬如，不同于研究型大學和高職高專院校，應用型本科院校的培養目標是培養高素質應用型人才[1]，提高學生的創新、創業能力，服務于地方經濟的發展，為社會各行業發展提供充足的人才支撐和保障。在高校教育體系中，課程是人才培養的基礎和保證。應用型人才培養目標的實現，必須落實在課程教學設計和設置中。目前，應用型本科院校的“數據挖掘”課程設置與人才培養目標存在不相契合的現象，其主要原因在于部分高校課程設置缺乏適應數據科學及大數據技術發展的長遠規劃，沒有真正實現圍繞社會崗位及人才知識儲備需求，難以體現應用型本科畢業生的職業能力。因此，有必要對“數據挖掘”課程的教學內容、教學方法進行深入探索，構建合理的課程體系和改革途徑，以適應應用型本科人才培養目標的需求。

1 教學內容設計

“數據挖掘”課程是一門建立在統計學、機器學習、數據庫、人工智能等學科的綜合性課程。根據應用型本科的培養目標以及信息管理與信息系統專業的特點，要求學生通過本課程的學習，能夠在理論聯系實際的基礎上，系統地掌握數據挖掘的基本思想、基本理論和基本方法，具有數據處理、數據分析、各種挖掘算法的基本應用能力，培養學生運用數據挖掘技術解決實際問題，進行初步的數據挖掘工作。將理論教學內容與實驗教學內容相結合，采用傳統與特色教學如話題教學、翻轉教學等相結合的教學方法，構建“數據挖掘”課程體系。

1.1 理論教學內容設計

“數據挖掘”課程的教學內容主要分為3個模塊：（1）數據挖掘基本概述，包括數據挖掘的概念、特點及發展，結合在大數據背景的數據挖掘的實際應用場景、數據倉庫存儲方式和數據預處理的工作和流程。（2）數據挖掘方法介紹，包括分類、聚類、關聯規則分析等經典算法。（3） Web挖掘概述，包括Web使用挖掘和內容挖掘，著重介紹文本挖掘方法的關鍵技術。

對以上3個模塊的學習是循序漸進的過程。首先，第一模塊是學習的基礎，學生應對數據挖掘的基本概念和過程加以了解，對比先序課程如關系型數據庫的數據管理方法，了解數據倉庫的數據存儲和管理特點。第二模塊是學習的重點，要求學生理解數據挖掘方法的基本思想，掌握經典的數據挖掘算法原理及應用。例如，學習Apriori關聯規則挖掘的先驗性質，在解決“購物籃分析”問題的具體應用、存在的問題以及優化方法。第三模塊是了解數據挖掘的發展熱點，由于“數據挖掘”課程必須迎合大數據時代數據量飛速增長、數據類型豐富的特點，因此在該課程內容設置上增加了Web文本挖掘方法的詳細介紹。文本挖掘是目前數據挖掘領域流行、不可忽視的發展方向，隨著微博、推特等社會網絡的蓬勃發展，網絡上有80%以上的數據都是以文本形式存在，而目前的數據挖掘類教材中，對文本挖掘的介紹都是一帶而過，并沒有加以系統、全面的介紹。本模塊著重介紹文本數據的預處理的分詞、數據表示等關鍵環節，并且將此部分的學時安排設置與其他經典挖掘方法等同。具體的教學內容設計及學時安排（共計32學時），如表l所示。

1.2 實驗教學內容設計

數據挖掘是一門實踐性非常強的學科，因此培養實踐能力是數據挖掘教學的重要目標，而上機實驗是培養實踐技能的重要教學環節。目前，用于數據挖掘類課程的實踐軟件工具有SPSS Clementine，SPSS Modeler， Matlab等。根據信息管理與信息系統專業特點及應用型人才培養目標，遼東學院采用SPSS Modeler作為實驗課程的工具軟件。SPSS Modeler由IBM官方發布，能實現數據挖掘的具有代表性的經典算法，快速建立預測性模型。面向不同實驗題目，在構建數據挖掘模型的過程中，能加深學生對算法的理解和應用。具體的實驗內容設計及學時安排（共計16學時），如表2所示。

2 教學方法設計

2.1 傳統教學方法

“數據挖掘”課程所涉及的知識點眾多，在課堂上通過課件演示，講授數據挖掘的基本理論和方法，對大部分知識點做廣度介紹，而對重點、難點進行具體講授。采取多種實踐教學方式，培養學生應用數據挖掘技術解決實際問題的能力，例如引入案例教學，充分結合數據挖掘的應用場景，通過挖掘方法和手段解決實際問題；通過課程大作業的形式，讓學生在實踐中解決具體問題，加深并鞏固對理論知識的理解。

2.2 特色教學方法

“數據挖掘”課程是多學科交叉的課程，內容覆蓋面廣、知識點難以理解，因此，有必要采用有針對性的教學方法。現象教學法是一種新型教學組織形式，是圍繞學生感興趣的現象或話題來進行跨領域、多學科的融合教學[2]。數據挖掘的很多領域涉及多門學科知識，如分類挖掘的決策樹構建，不僅要理解算法流程，又涉及信息論原理知識，需要將多門學科知識進行整合。聘請相關學科教師進行話題知識點的講解，并調動學生積極參與話題討論，達到學生對此算法思想的深度理解。翻轉課堂教學是近年來逐漸興起的教學模式，它將傳統教學結構進行顛倒，讓學習者在課外時間完成針對知識點和概念的自主學習，課堂變成教師和學生的互動場所，通過解答疑惑、合作討論等策略促進知識內化的模式[3]。采用對重點、難點知識主題以及軟件演示等操作流程提前錄制微課程，讓學生在課下能反復播放進行復習，課上則引入小組討論機制，通過教師與學生的互動以及廣泛討論，完成對知識點的深入理解和實踐應用。

3 結語

“數據挖掘”課程于2016年秋季學期面向遼東學院信息管理與信息系統專業高年級本科生開課，按照制定的教學內容與實驗內容的實踐，學生對數據挖掘的基本方法有了一定了解。為激發學生的學習興趣，在實踐環節上，輔之以相關課題的講座和實踐基地的考察，讓學生了解數據挖掘的前言知識和企業中的具體應用，能進一步延伸思考本專業領域的大數據應用發展方向及前景。綜上，“數據挖掘”課程設置應當在應用型人才培養目標背景下，制定符合應用型本科的信息管理專業的教學內容，采取具有差異性、有針對性的教學方式，并在實踐中不斷探索和改革，提高課程教學質量與效果，為社會輸送合格的數據挖掘領域的應用型人才：

[參考文獻]

[1]潘懋元，周群英.從高校分類的視角看應用型本科課程建設[J]中國大學教學，2009 （3）：4-7.

[2]陳式華.現象教學——芬蘭2016教改新模式[J].教育與教學研究，2016 （11）：102-106

[3]馬秀麟，趙國慶，鄔彤.大學信息技術公共課翻轉課堂教學的實證研究[J].遠程教育雜志，2013 （1）：79-85.