基于需求驅動的數據挖掘課程教學改革研究

郭崗磊 武苗苗

摘? ?要：隨著移動互聯網、人工智能、物聯網等信息技術的應用，許多行業的數據呈爆炸式增長。挖掘、分析海量數據背后的規律及趨勢，已成為當前各行業研究的重點。面對社會發展和學科發展的需要，各高校許多專業開設了數據挖掘課程。然而，學生的基礎和專業需求有所不同，有必要重新對課程進行定位、調整課程體系、優化課程內容、轉化課程方法，采用多元化的考核形式，全面提升數據挖掘課程的教學質量。文章對此展開了分析。

關鍵詞：需求驅動;數據挖掘;教學改革

隨著移動互聯網、云計算、物聯網、人工智能等信息技術的普及，人們已經進入大數據時代，面臨海量的數據信息。如何挖掘和分析海量信息背后所存在的規律、模式和趨勢，已經成為當前各行各業研究的重點。對此，為適應經濟社會的發展，相當一部分專業已開設了數據挖掘課程。數據挖掘是一門綜合性很強的交叉學科，涉及統計學、數學建模、數據庫、高性能計算、模式識別和機器學習等多學科的相關內容，是一門以數據理論知識為基礎、以方法論為核心，重視創新能力培養與訓練的綜合性學科[1]。

1? ? 數據挖掘課程教學中存在的問題

目前，國內許多高校已經開設了數據挖掘相關的課程，但在課程的理論與應用層面上還與社會需求存在較大差距?？傮w來看，存在以下幾方面的問題。

1.1? 課程定位不清楚，不能滿足社會、學生和學科發展需要

目前，開設數據挖掘課程的專業比較多，除了計算機類專業，還包括一些計算機能力比較薄弱的經管類專業。不同的學生對課程的需求及掌握程度有所不同。很多專業開設數據挖掘課時存在定位不清的問題。在開展教學設計時，過于強調理論性教學，而沒有針對專業和學生需要進行應用實踐設計。事實上，不同學科對數據挖掘課程的內容和實踐是有所區別的，如果不能針對專業和學生特點對課程進行定位，就會導致數據挖掘課程的適用性和實用性都不強，不能滿足社會需要，也不能滿足專業和學生需要。

1.2? 課程體系有待優化

數據挖掘課程是一門新興交叉學科，包括統計學、數學建模、數據庫、高性能計算、模式識別和機器學習等方面的知識，涉及的知識內容廣泛、理論深奧，學習的難度也比較大。而目前的課程體系重視理論教學，內容多、難度深，忽略了專業英語，缺乏專業性特點，且對某些學生來說學習難度偏高。此外，不同的專業對本課程的學習需求有所不同，因此，本課程體系有待優化，有必要簡化理論知識，強化學生數據挖掘的實踐能力。

1.3? 教學方法比較單一

數據挖掘課程的教學內容枯燥晦澀，而當前高校主要采用教授授課的單一教學模式。這種教學模式難以激發學生的學習興趣，使得數據挖掘課堂的教學效果不佳。

2? ? 數據挖掘課程的需求驅動因素

2.1? 大數據時代對數據挖掘人才的需求

隨著移動互聯網、大數據云計算和人工智能等技術的發展，數據挖掘已經廣泛應用于財務金融、電子商務、市場營銷、加工、通訊、物流、生化及社會醫療服務等多個領域。這些領域的快速發展已經離不開數據發掘的發展。近年來，這些領域對數據挖掘人才的需求迅速增加，而相關人才的培養嚴重滯后于需求。目前，數據挖掘人才的缺口很大，很多企業高薪都難以聘請到相關的人才?？傮w來看，數據挖掘的人才培養遠遠不能滿足社會發展的需要。因此，有必要加強對學生數據挖掘知識與應用的培養。

2.2? 學科專業發展產生數據挖掘課程內容需求

到2018年年末，已經有35所高校申報了大數據相關專業，全國有70%以上的高校開設了數據挖掘相關課程，除了計算類專業，還包括通信控制類專業、數學類專業、經濟管理類專業等。不同的專業面向的學生不同，其對數據挖掘的知識和技能要求也有所不同。此外，數據挖掘課程對數學和計算機基礎類課程有所要求，而對于一些專業來講，這些知識和技能相對比較薄弱，相關課程銜接存在一定問題。對此，有必要針對這些問題，對數據挖掘課程體系及教學內容進行改革和優化，以滿足各學科發展的需要。

3? ? 數據挖掘課程教學改革探索

通過分析數據挖掘課程存在的問題及相關需求，有必要在課程體系及內容、教學方法和教學評價等方面進行改革。

3.1? 課程體系的改革與優化

數據挖掘是一門新興的交叉學科，包含統計學、數學建模、數據庫、高性能計算、模式識別和機器學習等多學科的知識。其理論知識深、內容廣泛、學習難度大，且不同學科對相關理論知識的深度和應用要求也有所不同。因此，有必要針對不同專業優化課程體系。在此，以經濟管理類專業為例進行說明。經濟管理類專業的計算機水平和數據基礎相對比較薄弱，他們主要學習對經濟、營銷等方面的大數據進行挖掘和處理，從中發現經濟發展規律，而數據挖掘的知識和理論對于他們來說比較難。對此，在課程系統構建上，可以設置一些先修課程，如統計學、管理運籌學、數據庫原理與應用、程序設計等。通過這些基礎課程的學習，讓學生掌握數學及計算機相關理論知識，從而為數據挖掘課程的學習打下基礎。

3.2? 教學內容的改革與優化

根據學科要求，對數據挖掘教學內容進行優化。不同學科對數據挖掘應用的要求有所不同，數學類和計算機類專業學生對數據挖掘要求比較高，他們需要詳細掌握數據挖掘的相關算法及應用，還要能自己編程設計新的數據挖掘和機器學習等算法。這類專業就需要在數據挖掘相關理論知識上有足夠的深度和廣度，甚至需要通過多門課程來學習數據挖掘相關內容。對于經濟管理類專業，由于其主要要求對經濟數據進行挖掘分析處理，理論知識要求相對較低。對此，可以簡化數據挖掘的理論知識，強化數據挖掘在經濟管理方面的應用實踐，通過引入經濟管理方面的數據挖掘項目[2]和競賽[3]來提高課程的實踐性，同時通過完成項目的實踐來強化學生對數據挖掘理論知識的學習與應用。

3.3? 轉變教學方式

傳統的數據挖掘教學方式過于單一，偏重于數學模型和算法的理論學習，內容枯燥、晦澀難懂，學生的學習興趣往往比較低，課堂教學效果也不佳。對此，有必要轉變教學方式，引入項目驅動和競賽驅動的教學模式，同時可以借助網絡資源開展翻轉課堂的教學方式。讓學生在課前通過網絡學習理論知識，課中通過項目學習數據挖掘方法的具體應用。這不僅提高了課程的實踐性，還能夠通過項目和競賽來提高學生主動學習的興趣和積極性。同時，教師進一步講解課程的難點和重點，讓學生能夠在做中學、學中做。教師在授課過程中，應該盡量結合當前流行的教學手段和方法，如雨課堂等，提高學生的學習興趣和主動性，通過學習數據監控學生的學習效果[4]，及時發現并反饋學生學習過程中存在的問題，確保學生真正掌握數據挖掘的方法和技能。

3.4? 教學效果考核與評價的改革與優化

傳統的數據挖掘課堂采用期末考試的方式來考核，內容主要為理論知識，而對技能和實踐的考核則相對缺乏。數據挖掘本身就是一門實踐性很強的課程，需要理論與實踐相結合。因此，有必要轉變原來單一的考核模式，采用多元化的考核方式。對此，考核成績可以由平時項目實踐成績、作業成績、競賽加分和期末考試成績組成。通過提高平時作業和實踐成績的考核比例，促使學生積極主動學習。對于不同專業的學生，可以根據其興趣愛好對考核內容和項目進行調整，鼓勵理論知識好的學生改進算法、鉆研模型、做出創新;對于實踐技能比較好的學生，可以鼓勵其參加學科競賽等。

4? ? 結語

隨著經濟、醫療、人工智能等領域信息數據量的爆炸式增長，要掌握當中的發展規律就離不開數據挖掘技術。因此，數據挖掘技能和方法就成了當代大學生必備的社會技能之一。鑒于許多高校的相當一部分專業開設了數據挖掘課程，從社會需求和學科需求出發，結合當前數據挖掘課程存在的一些問題，本研究認為，有必要重新優化課程體系和課程內容，轉變教學方式，采用多元化的考核方式，提高學生的學習興趣，從而全面提升其數據挖掘的理論和技能水平。

[參考文獻]

[1]梁吉業，馮晨嬌，宋鵬.大數據相關分析綜述[J].計算機學報，2016（1）：1-18.

[2]范祺，朱昌杰，肖建于，等.以項目驅動的數據挖掘課程教學改革的研究[J].科技信息，2012（11）：9-10.

[3]修宇，劉三民.基于“競賽驅動”的數據挖掘課程教學改革探索[J].福建電腦，2018（2）：75-76，79.

[4]汪一百.網絡資源驅動型的數據挖掘課程教改分析[J].信息與電腦，2016（14）：247-248.