多課程聯動的大數據技術課程實踐教學方法研究

陸 悠，傅啟明，鄒恩岑，奚雪峰，張戰成

（蘇州科技大學 電子與信息工程學院，江蘇 蘇州 215000）

0 引 言

隨著以大數據、云計算以及人工智能為代表的研究日漸深入，國內外學術界、企業界紛紛在云計算和大數據方向進行大量投入[1-4]。調查數據顯示，目前信息領域已有超過60%以上的公司已經或準備部署大數據生產環境，甚至有24.5%的公司對大數據相關技術已深入了解并開發準備就緒，這一趨勢也帶來對相關人才的海量需求。IDC、領英等調查公司紛紛報告，目前云計算、大數據相關的職位增長率長期處于高位，在亞太地區達到32%，而國內的大數據相關人才更是長期處于稀缺狀況。面對這些需求，我國的高等院校從高端人才的培養角度出發，通過課程體系的建設尤其是針對性的實踐課程內容建設[1]，向社會提供具備大數據應用實踐技能的優質本科畢業生，已成為高校務必完成的緊迫任務。

1 多課程聯動的大數據實踐教學方法設置思路

大數據技術作為當前信息技術集大成者，本身就具備體系龐雜、難度高的特點，技能領域覆蓋系統平臺搭建與管理、數據結構分析與設計、數據存儲與管理、算法設計與實現、應用需求分析、系統設計實現等多個領域，涉及的課程包括操作系統、數據結構、算法設計與分析等傳統計算機基礎課程，軟件工程、數據庫原理以及軟件建模與分析等工程應用課程，后續還將影響面向大規模數據的知識挖掘、機器學習與人工智能乃至高性能計算等各類信息新技術課程。相對于目前國內大學計算機學科，雖然從理論和實踐兩方面來看，大數據課程及其實踐與現有課程存在密切的關聯，但由于現有課程往往存在獨立設置缺乏呼應的弊端，導致大數據課程實踐無法獲得其他課程支援，在有限學時的限制下難以設置具備較高難度和綜合性的實踐內容，僅能浮于表面設置低難度的“體驗”型實踐，既缺乏與現有課程的銜接，又無法體現大數據課程的新穎性，對學生實踐課程體系更起不到深化作用，甚至導致學生產生大數據實踐課是一門觀賞課、興趣課，和現有課程關系不大的錯誤想法。

由此可見，為了滿足當前社會對大數據技術人才的需求，培養合格的畢業生，必須從高校計算機教學體系整體，尤其是實踐內容整體出發，重新思考圍繞大數據、云計算等新一代信息技術，研究和設計實踐教學方法，從實踐內容、教學目標、活動組織、評價方法等措施著手，實現教學目標多課程聯動、實踐內容多課程協同、評價方法多課程配合，從而在有限的課時和現有課程體系下更好地培養本科生的大數據實踐技術能力和綜合應用能力[2-3]。

從現有的教學過程和反饋來看[4-6]，大數據技術課程、云計算技術等都具備較強的應用性和綜合性特征，學生往往反映實踐難度較大[7-8]，因此在設計開展此類課程的教學內容尤其是實踐內容時，需要從整體課程體系展開考察，首先確保已開展了足夠的前序基礎課程，并已開展相關的實踐訓練，從而能為大數據實踐提供基礎[9-10]；其次，需要以培養目標為抓手，將大數據技術對學生實踐能力、綜合應用能力的要求，劃分為合理的層次和模塊，分解落實到各門課程中，從而指導各門課程設計教學內容并使之相互協同[11]；最后，在學生實踐能力的考核評估方面，同樣需要圍繞大數據技術的實踐要求，貫徹以實踐能力、綜合應用能力為綱的原則，在各門課程中分層次、分粒度進行落實[12-13]。

基于多課程相互協同配合的建設思路，綜合大數據課程的實踐特點，“多課程聯動的大數據實踐教學方法”的具體教學內容設置思路及相應的課程體系如圖1所示。

設置思路主要是將大數據實踐內容有機嵌入現有傳統的課程體系中，一方面適當改進和調整前序計算機基礎課程中的實踐內容，為大數據實踐提供基礎知識和基礎能力支撐；另一方面則引進應用開發課程內容，為大數據課程實踐提供應用需求，最后結合大數據課程自身的理論內容，三者相互協同和聯動，以此設計和優化大數據課程的實踐教學內容。

2 多課程聯動的大數據實踐教學組織方法

2.1 大數據技術課程的實踐教學內容組織

首先，科學解析大數據課程的教學內容在理論知識、實踐技能等方面與其他課程的相關程度，從而確定需要參與協同的課程體系；其次，對大數據課程知識點按層次、場景等因素進行模塊化劃分，并確定各模塊對應的協同課程以及相關的知識點內容；最后，進行實踐教學內容的設計，充分考慮與協同課程的銜接和配合，將實踐內容分解至協同課程體系中，從課程體系整體角度實現對學生大數據技術實踐能力的培養。

1）知識點模塊化劃分。

圖1 多課程聯動大數據實踐教學內容設置思路

根據對大數據技術體系的解析和分解，理論課程教學內容共形成3個模塊，其劃分以及相應的協同課程設計為：①框架平臺及運維，主要包括云計算與大數據技術概述、分布式文件平臺配置和運維等，協同課程則有Linux操作系統、操作系統、計算機網絡等；②大數據存儲技術，主要包括分布式數據存儲技術、面向大數據的數據庫技術基礎（Bigtable、HBase、Hive等非關系型數據庫技術等）與應用等，協同課程則有數據庫原理等；③大數據分析與處理技術，主要包括基于Map-Reduce的大數據分析技術、基于大數據的數據庫數據分析與處理、大數據技術及典型應用場景介紹，協同課程則為程序設計基礎、算法分析、面向對象程序設計及其他軟件應用開發技術課程。

2）實踐內容設計。

進行實踐內容設計時，一方面需要充分考慮與協同課程的互相配合和支撐，另一方面則要從實際應用出發，考慮基于案例驅動和典型場景，具體設計安排見表1。

表1 實踐內容及協同課程設計

從表中1可以看出，實踐內容按模塊分別對應與其協同的現有課程，內容一部分為大數據課程實踐自有，另一部分以聯動內容形式分解至協同課程中，以此實現協同課程與大數據實踐教學的配合與聯動。此外，每個模塊的實踐內容之間也充分考慮彼此配合，不同模塊的實踐最終匯總為一個整體，學生完成整門課程的實踐內容后，即可得到一個面向實際案例和場景的完整大數據實際應用。本專業可使用的參考案例如下。

案例1：基于推薦的電子商務平臺設計與實現，在通用的J2EE電子商務平臺基礎上，通過大數據計算與存儲平臺的部署以及相應大數據分析處理模塊的實現，對商務平臺功能進行擴充，實現對用戶購買數據關聯性的分析，進而實現針對用戶的商品個性化推薦。

案例2：搜索引擎設計與實現，在通用的J2EE信息管理平臺基礎上，通過大數據計算與存儲平臺的部署以及包括網頁爬取、PageRank等在內的大數據分析處理模塊的實現，對原有平臺功能進行擴充，實現帶搜索功能的信息管理應用平臺。

3）教學課時安排和教學組織。

大數據課程理論難度不低，但實踐性更強，如何合理安排理論與實踐課時比例需要根據學校學生的實踐基礎、能動性和自我管理能力而定。以蘇州科技大學為例，從學校現有反饋來看，由于學生實踐能力以及自我管理能力相對薄弱，因此采用弱化理論難度、強化集中實踐環節的原則，發揮教師指導作用，安排大數據課程實踐學時與理論課時為1∶2，由于開發、設計、部署實施等方面的實踐內容通過分解至協同課程等方式完成，實際上實踐學時與理論學時能達到1∶1。如果學生實踐能力和自我管理能力較強，可以適當強化理論課時，將部分實踐內容安排至課后，則可進一步提升學生在大數據技術方面的理解和深入程度。在教學組織方面，除了課堂教學和集中實踐環節以外，還可以安排一定的課外學時，主要供學生進行團隊討論和合作，教師可適當參與進行指導，此外還可以在課外安排學生進行資料查詢、需求調研、用戶手冊的編寫等附加內容。

2.2 聯動課程實踐教學內容的組織和管理

根據表1所述大數據技術知識點模塊劃分與對應的協同課程，在實踐教學內容的組織和管理時從整體出發，將部分實踐內容與已有課程的實踐內容相互協同和銜接。以模塊1的Hadoop平臺的安裝實踐為例，其壓縮包的下載、解壓縮、安裝等操作可以分解安排在Linux操作系統課程中，如Linux軟件安裝、系統配置等，并在該課程的實踐過程中直接完成與Hadoop相關的平臺安裝，一方面避免大數據課程實踐內容的重復，節約課時，另一方面則可提高Linux課程實踐的應用性和針對性。與此類似，可以在操作系統實踐過程中以Hadoop的分布式存儲以及MR任務管理為例，安排進程管理、存儲管理方面的聯動實踐內容。以蘇州科技大學為例，類似的安排在數據庫原理、程序設計乃至軟件工程等聯動課程中都可以進行，經過近幾年的實踐，學校安排的聯動課程實踐教學內容見表2。

表2 聯動課程實踐教學內容設計

2.3 學生的組織和管理

大數據技術實踐內容具備整體性，因此可以應用軟件工程的相關模式，完成對學生的組織和管理，即以學生組隊模式，共同完成實踐課程3個模塊構成的完整應用案例，其中由協同課程完成的實踐內容可以直接導入大數據實踐中。

在課程第1模塊階段，實踐內容以平臺搭建為主，因此學生僅僅完成分組，全班分為若干個4～6人組成的團隊，每個學生獨自完成實踐，團隊間學生互相考評；從第2模塊階段開始，以團隊為單位完成實踐，為了避免“抱大腿”“搭便車”現象以及團隊間的能力不均衡，教師可以對組團進行微調。

在實踐過程中，教師需要注意在每個模塊階段開始時對學生的指導，包括本階段的主要實踐內容、目標、要求等，尤其是第1、2模塊，教師不僅需要介紹本階段的內容，還應指導學生導入協同課程，如Linux操作系統、數據結構、算法與程序設計等方面的實踐內容，另外指導或調整學生分組，指派組長以及成員的工作內容也可以在模塊開始階段進行。在每個模塊進行過程中，教師還需要指導學生分工合作，模塊結束時指導學生分析總結，尤其是結合協同課程內容幫助學生進行鞏固提高，以培養學生對計算機應用開發的整體性、體系性的深入理解，最終幫助學生學會自己解決問題，做到授人以漁，而非授人以魚。

2.4 教學效果的考核和評定

在多課程聯動的背景下，大數據課程實踐內容的考核和評定也同樣需要考慮課程的協同，課程的期終成績由期終試卷成績（30%）和平時實踐成績（70%）組成，顯然，學生成績主要依賴于項目實踐成果。實踐部分的具體成績則由3個模塊按比例（25%+25%+50%）組成，每個模塊成績都在模塊完成時給出，成績評定的內容包括演示陳述、平臺運維演示、算法演示等，由學生在課堂上公開演示，并引導學生以提問、辯駁等形式參與評價。

在實踐成績最終決定后，考慮多課程聯動的需要，每個實踐模塊部分的成績評定需依據與其相關的協同課程開課時間對平行課程以及后續課程產生的影響，亦即大數據實踐的成績將作為該課程的參考因素，為相關課程教師提供學生在計算機應用開發能力體系背景下的實際能力信息。

3 結 語

經過近兩年的實踐，蘇州科技大學基于多課程聯動的大數據實踐教學已取得良好的教學效果，與傳統孤立安排方式相比，多課程聯動的大數據實踐教學具備較多優勢：①能體現立體化培養特色，體現計算機專業課程體系的整體性和連貫性，為大數據、云計算等新一代信息技術相關課程的開展提供思路和可行方案；②采用“案例驅動、典型場景教學、多課程協同”的實踐內容教學方法，能夠有效地培養學生的大數據技術實踐應用能力；③基于多課程聯動，強化計算機實踐教學能力的做法充分呼應包括“新工科”“工程認證”等在內的計算機專業新趨勢，為培養學生的實踐能力尤其是工程實踐能力提供有力支撐。在下一步工作中，主要任務是將協同實踐這一思路進一步凝練和深化，并將其擴展至機器學習、人工智能等其他新一代信息技術課程中，使這些新課程和計算機學科傳統課程的結合更為緊密，為計算機學科教育發展提供思路和支撐。