基于翻轉課堂的大數據課程教學改革

李志杰

（湖南理工學院信息科學與工程學院，岳陽 414006）

1 大數據類課程教學現狀

新工科建設背景下，不少高校新增了大數據專業，如數據科學與大數據技術專業。同時，高校已辦的許多信息類相關專業，也陸續開設了一些大數據相關課程，如大數據基礎、云計算與大數據、大數據實時分析等。這些大數據教育的目的是教導學生熟悉數據分析技術，能夠熟練使用知識發掘方法，擁有堅實的并行與分布式計算知識，具備數據科學行業的應用能力。

大數據教育開設的大數據類課程，綜合了信息論、人工智能、機器學習、數據挖掘、統計學等多學科知識，理論性較強，內容相對較新。大數據適用的應用領域涵蓋商業智能、物聯網、社會大數據分析、金融、醫療、通信等行業。因此，大數據相對于其他工科課程，教師教學與學生學習難度更大，大數據課程建設與教學改革的重要性更加突出。

眾所周知，大數據教育是大數據時代的產物。高校大數據教育的辦學目標，是要培養適應大數據時代要求的、能夠幫助企業解決大數據實際應用問題的合格數據科學人才。大數據教育設置的課程，主要來源于數據管理、海量數據分析與挖掘、系統開發等大數據應用的三個主要層面。

新工科建設需要新的教育理念和新的教學方法作為支撐。然而，目前國內高校的大數據教育，教育理念陳舊、仍然使用傳統教學方法進行大數據課程教學的現象，依然不同程度地存在。

（1）大數據既有基礎課程的特點，更有專業背景的要求。在大數據課程教學過程中，部分教師過于偏重知識的講解與傳授，單純地認為講解完相關的知識點，課程的基本任務就算完成了。并且，知識傳授的方式往往是“滿堂灌”、“一堂言”，教師主導課堂教學的全過程。

（2）大數據的實踐性特征要求課程教學要由實際項目來驅動。在項目驅動的大數據教學過程中，學生是主體，應當是知識的主動建構者，而教師應該充當學生學習的指導者和促進者。這就要求大數據教學要有意識地培養學生自動思考、互動討論、自主學習的能力，鼓勵學生主動探究、主動學習的精神，而不能把課堂教學變成學生片面依賴的場所。

（3）大數據隨著相關學科的發展而快速發展，具有較強的時效性。大數據技術的新穎性、動態性、交叉性對大數據教學的實時跟蹤、互動反饋過程提出了更高的要求。傳統的課堂傳授知識與行業背景脫節，課堂教學過程師生基本無互動、要等到課后作業甚至考試后教師才大致了解學生學習狀況，這些現象必須及時做出有針對性的教學調整，回到大數據教學科學合理的軌道。

顯然，要體現大數據教學的專業背景要求、實踐性特征、時效性特征等需求，傳統的教學方式與方法是無法達成的。以大數據項目驅動的三階段式翻轉課堂教學方式，則可以較好地滿足大數據課程教學的要求，如圖1所示。

圖1 大數據項目案例驅動翻轉課堂

2 大數據項目案例驅動的翻轉課堂

大數據項目驅動的翻轉課堂由課前自主學習、課內教學、課后拓展三階段組成，整個過程由大數據項目案例驅動。

2.1 課前自主學習

（1）在線開放學習平臺

建設在線學習與實驗平臺，給學生創造隨時能夠學習的實驗環境，一臺筆記本就可以開始實驗，有網時用網絡上的大平臺實驗，無網絡時，用我們開發的實驗系統也能實驗。隨時隨地，沉浸式學習。

（2）教師設計項目案例

開發一套實驗系統，教師精心設計項目案例，編寫實驗指導書，向學生免費開放。

（3）學生自主學習實踐

學生觀看慕課上的教學短視頻，查閱學習輔導資料。學生組隊（3～5人一組）完成按照實驗指導書的要求完成初步實驗，并可在線進行交互式測試。

2.2 課內教學

（1）項目小組長匯報

經過課前在線自主學習階段以后，擁有了一定的親身實踐經歷，由項目小組長簡明匯報他們的經驗、收獲與遇到的問題。

（2）討論與評價

教師根據學生遇到的典型問題，組織學生主題討論與交流，相互解答并進行評價，培養學生探究問題、解決問題的能力。

（3）以項目案例組織教學

針對學生初步實驗與在線交互式測試中面臨的共同問題，由教師在理論教學中，以案例應用為載體，采用以點帶面的思路進行教學內容的組織，細化教學目標，編寫教學講義，并完成學生實驗案例中相關問題的解答。

2.3 課后拓展

與課前自主學習和課內教學階段一樣，課后拓展階段需要教師與學生共同參與。

（1）教師

①整理發布課堂總結

教師要在課內教學階段結束后，歸納整理課堂教學知識內容，總結課堂探究中學生容易出現的問題，并向學生在線發布。

②分析在線學習行為

根據學生的在線學習日志數據，挖掘學生的學習行為與偏好，有針對性地引導和監管學生的課后學習。

③指導學習實操活動

輔導學生完成課程設計。鼓勵學生課后進行知識拓展，參加技術競賽，并提供指導。

（2）學生

①完成課程設計

只靠10幾個課程實驗學時，只能完成實驗環境及基本技能訓練。還要通過工程實訓與課后學習等環節完成課程設計。

②參加技術競賽

數據科學人才僅僅在課堂上的培養是遠遠不夠的，需要通過實操的方式來學習知識。技術競賽是最好的實操，考驗著參與者全方位的技能，也能在短期內最大程度地激發人的潛力。

③鞏固與分享知識

學生通過查閱課堂總結、完成工程實訓課程設計、參加技術競賽等方式，課堂教學獲得的知識得到鞏固、內化與提升。通過小組論壇，學生也可以分享學習體會和學習經驗。

3 翻轉課堂教學模式的關鍵問題

大數據項目案例驅動的翻轉課堂要想取得成功，有三個關鍵問題先要得到解決：如何解決大數據項目案例少的問題，教師應對教育革新的能力儲備問題，以及如何激發學生的創造力問題。

3.1 如何解決大數據項目案例少的問題？

以大數據項目案例驅動大數據類課程教學，項目案例是很關鍵的環節。然而，圍繞大數據項目案例問題，存在不少挑戰。

首先，現有的可用于教學的大數據項目案例太少。一般來說，大數據項目對計算資源的需求大、實驗門檻高、需要完善的平臺支持、課件以及教師的知識結構都需要更新等，使得尋找合適的大數據項目案例困難重重。

針對大數據項目案例少的問題，我們可以考慮以下應對策略：

（1）將科研中的項目引入教學。要想盡辦法讓相關教師多申請大數據項目方面的課題。

（2）任課教師去企業考察、調研和學習，參與大公司的實際項目。

（3）發動團隊一起來開發新的大數據項目教學案例。

（4）引入工業界廣泛應用的框架和平臺，如Spark、TensorFlow等，縮短教育界和產業界的距離。

3.2 合格的師資哪里來？

大數據教育對教師提出了更高的要求。教師既要對計算機等信息類學科有較深的認識和理解，又要熟悉大數據應用技術，特別是要有大數據實際系統開發經驗。

目前相當多的高校，盡管已開設了大數據相關專業或課程，卻存在著師資嚴重缺乏的現象。由于數據科學人才需求旺盛，愿意進入高校從事大數據教育的人才非常少。現有的師資大多來源于計算機等與大數據相近的學科，匆忙上陣，多數教師并無大數據項目經驗。由于時間緊迫以及經費不足等原因，培訓機會也不多。

合格的師資哪里來？

（1）大數據教學不是單純的課堂理論教學，它的實踐性要求由項目案例驅動教學。教師需要科學研究的積累，才能設計出好的大數據項目案例。教師要想盡辦法多申請或參與大數據方面的課題。

（2）加強與企業的交流與合作，參與大公司的實際項目。大數據教育工作者最缺乏的就是易于理解與操作的實例，而這些實例恰恰不在高校，而在企業中。

（3）有計劃地選派教師參加大數據師資培訓。由于大數據與行業結合緊密，培訓最好結合企業實際案例，切實提高教師對應用層面項目的實戰教學能力。

（4）鼓勵教師申請MOOC，積極采用現代教育技術，建設大數據精品課程。在項目案例驅動的MOOC建設中，引入工業界廣泛應用的框架和項目案例，開發實驗系統平臺，編寫實驗指導書，開放在線學習與交流平臺，大數據MOOC建設過程也是教師教學能力與水平的一次全方位的提高。

3.3 學生的創造力如何激發？

大數據翻轉課堂教學改革的關鍵點，是如何激發學生的創造力。

學生課前自主學習，“先做后學”，有了親身經歷的初步實踐經驗，就會自發產生學習未知知識以及進一步探索的欲望，有利于培養主動學習、主動探究的精神。

課中教學階段，教師根據學生遇到的典型問題，組織學生主題討論與交流，相互解答并進行評價，培養學生探究問題、解決問題的能力。

優秀的數據科學人才，僅僅在課堂上的培養是遠遠不夠的。社會需要的是真正能發揮作用的人才，而不是僅僅紙上談兵的學霸。為了破解這個難題，大數據項目案例驅動的翻轉課堂教學，強調讓學生通過實操的方式來學習知識，將社會需求和深度知識融合到一起。

讓學生通過實操的方式來學習知識，這才是培養新型復合型數據科學人才的關鍵。而最好的實操，就是技術競賽，讓初出茅廬的“嫩芽”通過真刀真槍的比拼來顯露鋒芒。技術競賽創造了一個平臺，考驗著學生理論儲備、實踐能力、創新精神等全方位的技能，促進學生跟技術的發展建立更加緊密的聯系，也在短期內最大程度地激發學生的潛力。

4 結語

翻轉課堂是一個跨越虛擬在線與實時交流、涉及多要素（教師、學習者、主題、學習材料和情境）協同的混合式課堂結構。借大數據類課程教學建設的契機，我們借用翻轉課堂的理念，設計以案例為載體、重互動的教學方法，同時充分發展現代MOOC教學手段，保障教學計劃實施。實踐表明，大數據項目案例驅動的翻轉課堂更容易激發學生的學習興趣和對理論的理解，是高校大數據類課程教學改革實踐的一次有益嘗試。