基于分層任務和項目驅動的“大數據處理技術”課程教學方法研究*

余 勝，謝 莉，袁輝勇

（韶關學院 信息工程學院，廣東 韶關 512005）

隨著社交網絡、自媒體和云計算等新技術的快速興起與發展，對海量數據存儲和管理技術的提升是完成大數據處理與分析的關鍵。在此情況下，高校如何建立有效的大數據處理技術課程體系是培養大數據處理相關專業人才的基礎[1-2]。

大數據處理技術是一門理論和實踐相結合的課程，具有新穎性、內容范圍廣、多學科交叉和難度大等特性，在推薦系統、商務數據分析和潛在客戶價值分析等多個方面有成功應用[3]。大數據處理技術課程對理論知識和實踐應用都有很高的要求，學生需要有很好的概率論、線性代數和機器學習等理論基礎[4]，也需較強的C++、Python等程序編寫能力。在這門課程的學習中，學生的專業基礎能力各不相同，部分學生的理論知識基礎要扎實些，也有部分學生擅長程序的編寫，同時也存在少部分學生理論和實踐基礎都不強。在這樣的情況下，教師若以統一的教學模式開展教學肯定難以滿足不同層次學生的需求[5]。為了增加學生對大數據處理技術課程的學習興趣并提升課程的教學質量，有必要對現有“一刀切”“滿堂灌”的教學方法進行改革，設計以滿足不同層次的學生需求為目的的分層次任務項目驅動教學模式。

1 分層任務項目驅動教學

分層教學模式是當前較為關注的一種教學方式。它依據學生不同的基礎情況，把學習劃分成不同的層次。在具體的教學過程中，教師根據學生層次的不同設置不同難易度的學習任務小組。通過學習任務小組的設置來實現不同學生大數據處理技術知識的層次化學習，逐步提升全班學生學習興趣、提升課堂教學效果。

1.1 任務層次設計原則

大數據處理技術課程是我校計算機科學與技術專業云計算方向的選修課程，課程的教學目標是學生用大數據處理技術解決實際問題，如數據的清洗過濾、商務潛在客戶挖掘等，同時綜合應用所學知識如某個數據處理解決方案對特定問題的可行性分析，并利用基本的大數據處理技術評估數據處理結果的性能。因此，在課程任務驅動教學過程中，依據教材章節中相關技術、原理、特征等內容，設計基礎、中級和高級三個不同難易度層次，滿足不同基礎層次學生的學習需求。

1.2 任務層次設計內容

課程層級教學中分層內容的設計是整個分層任務驅動教學模式的基礎和核心，需要教師把大數據處理技術相關知識點融合貫通，綜合考量課堂情況設計基礎、中級和高級三個層次化任務案例。

任務案例基本上遵循知識點由簡到難全覆蓋的原則，對每一個任務案例的設計都是邀請專業組老師以及學生研討、修正、再研討、再修正反復完善的過程。確保在能反映教學相關內容的同時，能夠有效地提高學生的學習積極性、提升教學效果，最終達到學生綜合專業能力提升的目的。以商品零售購物籃分析案例為例，可以布置成不同層次的任務：基礎任務為根據給定的數據，應用Apriori算法分析商品之間的關聯性，并根據模型分析結果給出相應的銷售策略，其中Apriori算法通過調用Scikit-learn的API函數實現；中級任務為在基礎任務的基礎上，對比分析Apriori和FP-growth兩種關聯規則算法各自的優缺點和應用場景；高級任務為在中級任務的基礎上，小組成員自己用python等編程語言實現相關關聯規則算法，并對現有關聯規則算法進行優化改進，并設計相應的實驗驗證算法的有效性。

1.3 案例分層任務項目驅動教學實施

分層任務驅動教學是針對不同層次水平的學生而分配不同難易度任務的教學方式，因此首先需要根據學生此前與本課程關聯課程的學習成績進行分組，也可以由學生自由組合。分組后根據學生的學習情況和學生的意愿進行動態調整，發揮分層任務驅動教學的最大效果。以商品零售購物籃分析為例說明分層任務驅動教學的實施過程。基本步驟是學生的分組、提前一周發布學習任務、學生查找任務相關的資料、課堂知識的講解、分組討論。在商品零售購物籃分析案例中，分析帶噪聲的原始數據的難度要高于預處理好后的數據，通過API函數調用相關分類算法要比自己編寫算法容易很多，自己設計分類算法是鍛煉所學知識的綜合應用能力，難度最大。每個小組根據自身的情況選擇適合本小組的任務。本課程設計的綜合案例如表1所示。表1中給出了3個綜合案例，其中任務A是基礎任務，最為容易；任務B是中等難度，需要對所學知識有較深的理解；任務C是綜合應用，難度最高。圖1是教學過程中，我校計算機科學與技術專業2016級和2017級學生對案例1商品零售購物籃分析任務的選擇情況統計。兩個年級的學習基本都有50%的學生選擇了任務A，兩個年級分別有13.4%和12.8%的學生選擇了任務C。這也體現了部分基礎較好的學生會選擇難度更大的任務，提升自己的專業綜合能力。

圖1 案例1商品零售購物籃分析學生任務選擇情況

分層任務項目驅動教學實施中，教師主導課堂內討論是實施的關鍵。分層任務項目驅動教學容易導致部分學生對知識點掌握不全面。而通過開展課堂內討論活動，促使完成不同任務項目的學生可以相互談論、學習，取長補短，對完成相對簡單任務的學生也可以完善知識結構，促進知識的全面吸收與掌握。同時，通過談論、相互提問與回答，可以培養學生的語言表達和溝通能力、提高學生的團隊協作能力。圖2為我校計算機科學與技術專業2016級和2017級學生共145人對采取分層任務項目驅動教學方式的滿意度調查統計情況，從統計數據可以看出，有105位同學認為分層任務項目驅動的教學方式能提高對該課程的學習興趣，會主動投入更多的學習時間。

圖2 學生滿意度調查

2 多元評價體系設計

科學合理的評價體系是設計一套完整有效教學方法的保障。在分層任務項目驅動教學中，需要改變以往以單一考試成績為主要依據的考核方式。根據教學方式的改變，考核方式需要更加注重學習過程、小組任務完成情況、課堂談論的參與度等多種方式相結合的多元考核評價方式。這可以有效扼制學生平時不參與小組任務和討論、僅注重考試的現象。促使學生從本課程開始就進入到被考核的狀態，同時學生將主動積極的進行課程預習、參與本小組的任務、參與課題討論、接受評價的教學方式。圖3所示為我校計算機科學與技術專業2015級、2016級和2017級3個年級期末綜合測評成績分布情況，其中2015級共91名學生，采取的是傳統教學評價方式。對比三個年級的成績情況，發現通過實施分層任務項目驅動教學改革，學生的成績有了較大幅度的提升。2016級和2017級約有45%的學生成績在80－90分之間，成績整體呈正態分布。

圖3 三個年級學生成績分布情況

3 結束語

大數據處理技術課程采用分層任務項目驅動的教學方法改變了以往教師“滿堂灌”的教學方式，實現了學生高度參與，激勵學生完成高難度項目的綜合教學改革，扭轉了傳統教學模式“一刀切”被動學習效果不理想的狀況。改革后的教學方式從學生的實際情況出發，充分考慮學生本身知識的積累情況，大大提高了學生的學習興趣和鍛煉了學生的實踐能力。從三個年級的學生成績統計情況看，分層任務項目驅動的教學方法大大提高了學生的學習成績。本研究成果目前主要應用于計算機科學與技術專業大數據處理技術的課程教學中，方法成熟后也可以應用到其他偏實踐的課程教學中，同時也可以部分借鑒到理論和實踐相結合的課程教學中。