面向健康計算的《應用數據分析基礎》剖釋

闕夏 沈娟 楊矯云 安寧

摘 要：目前，高校數據分析類課程教學模式大都采用純“知識點”教學法，往往導致教學內容比較呆板。為改進教學內容呆板的缺點，一些高校在教學中引入案例教學法，但帶來的結果是教學內容連貫性不足。針對以上問題，面向健康計算領域應用編排教學內容，對傳統案例教學方法進行改進，采用真實世界數據主線貫穿知識點的案例教學法，使得教學內容活潑連貫。最后，針對實驗模式建設現狀提出相應解決方案。

關鍵詞：應用數據分析課程;健康計算;內容編排;案例教學法

DOI：10. 11907/rjdk. 182469 開放科學（資源服務）標識碼（OSID）：

中圖分類號：G436文獻標識碼：A 文章編號：1672-7800（2019）007-0221-04

Analysis of Basic Application Data Analysis for Health Computing

QUE Xia1， SHEN Juan2， YANG Jiao-yun1， AN Ning1

（1. School of Computer Science and Information Engineering， Hefei University of Technology， Hefei 230601， China;

2. Institute of Information Engineering， Anhui Xinhua University， Hefei 230088， China）

Abstract： Currently， the mode of data analysis course instruction in colleges and universities mostly uses the pure “knowledge point” method， which often leads to dull contents. In view of this， some colleges and universities have introduced case-based learning in the classroom， which makes the boring content more interesting， but consequently， the teaching content lacks consistency. To solve these problems， the authors carried on the bold attempt. We made health computing application oriented arrangement of course content， the traditional case-based learning method was improved by using real world data lines through case-based learning knowledge， and we made the learning contents lively and coherent. Finally based on the present status of experiment mode construction the corresponding solutions are put forward.

Key Words：basic application data analysis course; health computing; content arrangement; case-based learning

基金項目：教育部-微軟產學合作協同育人項目（201701004007）;安徽省質量工程示范試驗實訓中心項目（2014sxzx021）

作者簡介：闕夏（1978-），女，合肥工業大學計算機與信息學院講師、博士研究生，研究方向為數據科學和數據挖掘;沈娟（1984-），女，碩士，安徽新華學院信息工程學院副教授，研究方向為數據挖掘、機器學習;楊矯云（1987-），男，合肥工業大學計算機與信息學院副教授、碩士生導師，研究方向為啟發式搜索、機器學習、并行算法、健康數據挖掘等;安寧（1971-），男，合肥工業大學計算機與信息學院教授、博士生導師，研究方向為數據科學與工程、老人福祉科技、移動健康技術、健康傳播及數字化學習。本文通訊作者：闕夏。

0 引言

隨著大數據和互聯網技術飛速發展，數據已經成為與自然資源、人力資源一樣重要的戰略資源，想有效組織和利用數據中隱含的巨大價值，必須用科學方法研究數據[1]。科學研究數據的方法主要包括：數據采集、數據存儲和數據分析[2]。數據分析是科技信息和經濟信息的主要分析解讀手段，掌握數據分析理論和技術，能夠挖掘出人們需要的數據并總結分析出背后蘊藏的價值信息，是現階段迫切需要解決的問題[3]。

快速發展的數據時代急需掌握數據分析技術的科技人才[4]。高校是培養專業人才的主要載體，在高校相關專業開設數據分析課程是培養數據人才的途徑之一[5]。數據分析課程早先是面向統計學類專業本科生開設的一門重要專業選修課，課程主要介紹數據分析基本理論與方法，強調統計軟件和統計方法在數據分析中的應用，以及應用統計軟件解決統計計算問題[6，7]。隨著社會對數據科學人才需求增加，越來越多的高校增設了數據科學專業，電子商務、信息與計算機科學等信息類專業本科生也開設了數據分析課程[8-10]。

數據分析課程“教什么，怎樣教”才能快速、有效培養合格的數據分析技術人才，很多高校都進行過不同探索。關于“教什么”，根據不同專業需要，數據分析課程內容側重點不同。有的主要介紹數據分析基本理論與方法，強調詳細敘述數據分析中的線性回歸分析、方差分析、主成分分析、經典相關分析和Bayes分析等重要分析方法;有的結合目前流行的數據分析軟件，如SAS、SPSS、MATLAB等開展課程內容建設[12]。

（3）嘗試以學生為中心的案例教學。在傳統教學甚至是案例法教學中，學生的主要任務是聽講和接受知識，在整個教學過程中基本處于被動接受地位。在本文教學過程中，改變教師“滿堂灌”的教學方法，嘗試將部分課堂時間讓給學生。讓學生自主尋找適合知識點的案例，在課堂上展示，然后由同學們和教師點評。這樣的教學模式，改變了過去傳統的被動式學習方式，極大地調動了學生的主動性和積極性，啟發、引導學生獨立思考和討論，從而發現客觀規律。

授課過程采用基于真實數據為主線的案例法教學，從學生的平時作業成績和最終成績反映看，學生對數據分析基本方法掌握情況較好。同時，也存在一些問題：由于悟性和表達能力不一致，不同學生準備的案例質量存在差別，介紹案例時表達水平也會存在差異。這時，就需要教師在學生準備的案例基礎上進行必要補充和點評，消除由于學生層次不一致帶來的差異。

3 針對真實數據的實驗模式建設

當今，專業型工程學科人才培養特點是注重學生理論聯系實際能力、動手能力和科技創新能力等工程素質能力培養，掌握數據分析的科技人才也不例外[21]。筆者所在高校《應用數據分析基礎》課程并未設置實驗環節，但是課程卻要求學生具備一定的實際操作能力。因此，如何建設課程實驗模式是一個需要解決的現實問題。

針對該現狀，大膽采用課堂時間與學生課外時間相結合的實驗構建模式，在沒有專門實驗課時的情況下，教師在課堂上講述相關內容，布置對應實驗題目，讓學生課后完成。學生因存在差異性，在沒有教師指導的情況下，獨立完成可能存在困難。此外，沒有專門實驗課，教師無法現場指導，對學生掌握的情況也不了解。對此，本文從實驗環境、實驗方式方面考查，主要措施如下：①成立學習實驗小組。讓學生自由組合，成立實驗小組，每個小組1～3人，一起討論完成實驗作業。通過這種方式，學生可以在小組內討論和相互幫助，避免學習實驗碰到難題孤立無援的情況，以便構建合理的實驗環境;②讓學生在課堂上分享自己的實驗結果。課程每周4課時，分2次上，除第一周外，每周第1次課由學生分享上一周老師布置的實驗作業，第2次課學生分享新案例，或者教師講新內容并布置課后實驗作業。通過學生分享實驗成果，教師加以點評，不僅教師能掌握學生的實驗情況，而且學生通過教師點評，也能改進自己的實驗。

除此之外，還要考慮實驗內容建設。課程實驗數據是與安徽中醫藥大學合作采集用于研究帕金森病的步態數據，實驗以真實數據為主線，內容安排如下：①學習數據可視化內容，讓學生對原始步態數據嘗試進行可視化處理，對原始步態數據有一個初步認識，便于后續分析;②學習數據降噪和補缺等知識，讓學生在學過的內容中，自選方法對步態數據進行降噪補缺;③學習數據分析中的特征選擇提取方法，讓學生自選方法對降噪補缺過的步態數據進行特征選擇和提取;④學習數據建模，學生要選用合適的模型對前面處理過的步態數據建模;⑤學習數據建模分析方法，學生要對自己建模的步態數據模型進行分析。

由此可見，《應用數據分析基礎》課程實驗模式建設，是在課程無實驗課時的前提下，以實際應用領域數據為主線，實驗內容由處理實際應用數據的流程確定，實驗方式采用學生分組課外完成和課內學生分享、教師點評相結合。該實驗模式構建方式不僅克服了課時不足和課程操作性要求的矛盾，還鍛煉了學生團隊合作和分析問題、主動解決問題等能力。

4 結語

在《應用數據分析基礎》課程教學過程中，本文對課程的內容編排、教學模式和實驗模式搭建進行了探索，并取得了一定成果。同時也發現一些問題，比如由于強調數據分析的基礎性，課程內容編排與《數據挖掘》、《人工智能》課程銜接不夠緊密，在今后的教學中會進行適當調整。

參考文獻：

[1] 李國杰，程學旗. 大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考[J]. 中國科學院院刊， 2012， 27（6）：647-657.

[2] 鄂維南. 數據科學的基本內容[J]. 中國計算機學會通訊， 2017， 13（8）：45-48.

[3] 陳華舟，石凱，唐國強，等. “數據分析”課程理論與實踐相結合的教學改革思路[J]. 時代教育， 2017（17）：44-45.

[4] 張云泉，徐葳，龍桂魯. 數據科學：問題導向的交叉學科創新[J]. 科學通報，2015（Z1）：425-426.

[5] 黃晉. 關于大數據人才培養的思考與探索[J]. 教育教學論壇， 2014（45）：201-203.

[6] 羅冬梅. 數據分析課程教學中的幾個關鍵問題[J]. 安徽工業大學學報：社會科學版， 2007， 24（4）：102-103.

[7] 竇建君. 數據分析課程教學中的幾點體會[J]. 徐州工程學院學報：自然科學版，2008，23（3）：146-147.

[8] 張蕾， 魏立斐. 大數據時代下“數據分析”課程的探索[J]. 教育教學論壇， 2015（25）：154-155.

[9] 殷紅梅. 數據分析課程在電子商務專業中的教學研究[J]. 電子商務， 2017（2）：62-63.

[10] 張慧. 信息管理專業數據分析課程實驗教學研究[J]. 計算機時代， 2015（10）：64-65.

[11] 唐小勇. 高校計算機專業大數據分析課程教學內容初探[J]. 福建電腦， 2017， 33（3）：169.

[12] 方歡，方賢文，郭娟. SPSS數據分析課程中隨機化過程實現方法研究[J]. 廊坊師范學院學報：自然科學版， 2016， 16（4）：20-23.

[13] 趙衛東，趙洪博. 基于項目沉浸式的數據分析類課程教學研究[J]. 計算機教育， 2017（6）：58-61.

[14] 朝樂門，邢春曉，張勇. 數據科學研究的現狀與趨勢[J]. 計算機科學， 2018（1）：1-13.

[15] 姚興華，吳恒洋，方志軍，等. 新工科背景下機器學習課程建設研究[J]. 軟件導刊，2018，17（1）：221-223.

[16] 李廉. 以計算思維培養為導向 深化大學計算機課程改革[J]. 中國大學教學，2013（4）：7-11.

[17] 張雯. 應用型本科高校數據分析類課程案例庫建設與實踐[J]. 環球市場信息導報，2017（39）：86-87.

[18] 盧珊. 案例教學在數據分析技術課程中的應用探討[J]. 首都師范大學學報：社會科學版，2009（s4）：18-21.

[19] 于長俊. 案例教學在數據分析課程中的應用[J]. 數學學習與研究，2014（23）：12.

[20] 張家軍，靳玉樂. 論案例教學的本質與特點[J]. 中國教育學刊， 2004（1）：48-50.

[21] 馮根生，馮婷，杜春榮. 基于學科特點的研究型實驗教學模式建設[J]. 實驗技術與管理，2012（3）：239-241.

（責任編輯：何 麗）