新工科研究生“數據挖掘”課教學改革探索

孟凡奇 孫昊晨 王敬東

摘? ? 要：“新工科”是教育部為應對大數據時代工程教育面臨的新機遇、新挑戰而提出的，是“卓越工程師教育培養計劃”的2.0版。為了使研究生培養契合大數據時代的人才需求，文章以“數據挖掘”課為例，依據新工科建設指導思想，分析現有教學環節中存在的不足，提出“結合行業背景、采用混合教學、注重案例演練、提高實踐能力”的教學改革思路，確立“評價—講解—演示—練習”四步循環的課內外混合教學模式。該模式符合東北電力大學的電力特色及生源質量情況，使學生的學習興趣與實踐能力得到顯著增強，也為其他院校開展研究生新工科建設教學改革提供了參考。

關鍵詞：新工科建設;大數據;數據挖掘;教學改革

大數據時代的到來給社會各個領域帶來的影響是極其深刻的，從計算機系統結構到工業生產、商業運營，再到人們思考問題的方式，都在因大數據而改變[1]，這也給包括研究生在內的大學工程教育帶來前所未有的機遇和挑戰[2]。為了應對這一挑戰，教育部于2017年下發了《關于推薦新工科研究與實踐項目的通知》，遴選612個首批新工科研究與實踐項目。自此，新工科進入全面實施階段[3]。

數據挖掘作為發現大數據價值的有效手段，在新工科建設背景下，已經成為高校研究生，特別是計算機相關專業的研究生最受歡迎的一門課。以東北電力大學為例，最近三年，“數據挖掘”一直是計算機類課程中選課人數最多的，每年大約有70名來自計算機、通信、電氣、經管等專業的學生選修此課程。因此，以“數據挖掘”課為對象探討新工科研究生課程教學改革具有代表性和說服力。

本文依據新工科建設指導思想，結合東北電力大學電力特色及生源質量等實際情況，以“數據挖掘”課為例，分析現有教學環節中存在的不足，并探索提高新工科研究生培養質量的教學新模式，為其他高校開展研究生新工科建設教學改革提供參考。

一、現有不足分析

（一）脫離行業背景，教學效果不佳

在大數據時代，不同行業的數據從產生到應用、從形態到特征都存在差異，例如：電力行業產生更多的是監測系統采集到的結構化氣電參量數據，而電商行業產生更多的則是非結構化的用戶評論文本與商品圖像等數據。這就要求數據挖掘不能脫離行業背景[4]。但實際情況是，選修“數據挖掘”課的研究生來自多個專業，授課教師卻容易忽略學生專業背景之間的差異。一方面，授課內容沒有與學生熟悉的行業結合，使得“數據挖掘”課不經意間變成了一門脫離行業背景的純算法理論課，學生往往會因為與實際情況聯系不上而聽得一頭霧水，教學效果較差。另一方面，不同專業學生的計算機基礎知識和能力水平差異很大。但由于選修此課的大多數學生是計算機專業的，教師在講課的過程中更容易受到這些基礎本來就相對較強的計算機專業學生的影響，而忽略其他專業的學生，這使得其他專業學生的學習更加艱難。

（二）教學模式陳舊，學習氛圍不濃

在授課環節，一方面由于學校將大部分研究生課程放在第一學年集中完成，因此不僅課程多，而且學時短。再加上研究生還有來自實驗室的科研任務，導致研究生學習壓力很大，容易產生學習焦慮。另一方面，授課教師往往采用類似本科生同專業學生一起上課時的教學模式，致使授課內容與學生研究方向脫節，課程枯燥、缺乏吸引力。久而久之，課堂的學習氛圍必然變差。

在考核環節，普遍采用“平時成績+考試成績”或者是“平時成績+演講+考試成績”的考核方式。無論是哪種考核方式，期末考試成績占最終成績的比例一般都在70%以上。由于期末考試只考察理論，因此很多學生會采用考前臨陣磨槍、死記硬背的方式。再加上“平時成績”與“演講成績”經常淪為教師調節總成績高低的工具，學生就更加不重視日常學習，導致平時努力學習的氛圍就更加不濃厚了。

（三）缺少案例演練，實踐能力不高

數據挖掘是用于發現隱藏在大數據背后巨大價值的技術手段，自帶很強的實踐屬性[5]。而且，數據挖掘并不是孤立的，前面需要數據理解和準備，后面需要模型評價和部署。然而，現有的教學環節側重于理論，缺少系統性的案例講解和演練[6]。加上東北電力大學計算機相關專業錄取的研究生很多是跨專業的，專業基礎參差不齊，因此學習該課之后，學生數據挖掘的實踐能力并未明顯提高，難以為研究生后續開展科研實踐提供有力支持。

二、教學改革探索

針對以上不足，本文提出新工科研究生“數據挖掘”課教學改革的基本思路，可概括為“結合行業背景、采用混合教學、注重案例演練、提高實踐能力”。其中，提高實踐能力是課程的核心教學目標。教學改革首先要糾正以往重理論輕實踐的錯誤，把實踐能力放到更加重要的位置，以使學生能夠滿足大數據時代卓越工程師的要求。

（一）結合行業背景

首先，教師要在第一節課，采集選課學生的專業、研究方向、計算機基礎、對“數據挖掘”的了解以及對課程學習效果的預期等信息。我們的做法是，利用移動學習工具（超星學習通）制作一個調查問卷。在第一節課課間，教師引導研究生安裝超星學習通APP并完成調查問卷。

其次，在第二節課上課之前，分析學生的調查問卷，了解學生學習“數據挖掘”的真實需求，進而確定更加具體的、與行業背景緊密相關的授課內容（案例）。我們的做法是：根據專業與研究方向情況，確定行業背景;根據計算機基礎等其他情況，確定重點難點內容。以東北電力大學為例，調查發現，選課學生的研究課題，超過80%都是電力行業背景。因此東北電力大學的“數據挖掘”課，毫無疑問地以電力行業為主要背景。

最后，通過文獻計量分析（如Citespace）了解各行業數據挖掘的主要應用場合和采取的主流算法，以便確定教學重點和難點。以電力行業的數據挖掘為例，通過關鍵詞演化分析可知，電力行業數據挖掘主要應用于以下幾個方面：（1）設備運行狀態評估與預測;（2）負荷預測;（3）故障診斷。同理，通過文獻計量分析還可以知道電力行業數據挖掘采用的主流算法。依據之前調查所得的學生的計算機基礎情況，再結合算法難易程度以及課時安排，便可確定教學重點和難點。

（二）采用混合式教學

確定了課堂授課的主要行業背景之后，需要考慮如何兼顧少數其他專業的學生。由于課堂時間是有限的，而不同專業學生的計算機基礎差距又比較大，因此，僅靠課堂授課很難達成教學目標，必須轉變思路。我們的做法是：采用課堂內外緊密融合的混合式教學方式，課堂上以電力行業背景為主，采用演示、講解、討論、上機、測驗等多種教學方法，激發學生的學習興趣。課下通過超星學習通，有針對性地為學生發送學習資料。例如，為經管專業的學生發送與財務報表、網絡購物有關的數據挖掘算例;為計算機基礎較好、學習興趣濃厚的學生發送數據挖掘高階算法案例與教程等。

考慮到學生課外自主學習缺乏監管，為了能將課堂內外緊密融合，需要改革課程評價方式，加大過程考核力度。以東北電力大學為例，教師會依據之前發送的學習資料以及布置的課外學習任務，在課堂上以問答、上機、演講、隨堂測試的形式進行檢驗。這部分成績作為過程考核成績，占最終成績的50%。這就會督促學生認真開展課外自主學習。需要說明的是，過程考核的成績都是當堂公布的，目的是通過“即時反饋”增加學生學習的成就感、獲得感，提高其學習興趣。對于教師而言，這種做法還能夠及時了解學生對知識的接受情況，便于靈活調整授課內容和形式。

（三）注重案例演練

以往的“數據挖掘”課，由于忽略行業背景以及學生計算機基礎的差異，授課內容更偏向理論知識，這與大數據時代新工科建設的理念背道而馳。社會需要的是“卓越工程師”，動手能力必須要強。為此，在上文提到的混合式教學中，案例演示與上機練習是非常重要的環節。我們每一節課所講授的知識都有電力行業的案例，每一節課所講授的算法都要求上機練習。選取的案例包括電力負荷預測、電力設備故障診斷以及用戶推薦系統等，涵蓋了選課學生的所有專業，涉及到從數據理解到模型部署的全部數據挖掘過程。

三、總結

大數據時代的新工科建設為研究生培養指明了方向。為了培養符合新時代社會需求的卓越工程師，本文對研究生“數據挖掘”課的教學改革進行了探索，提出了“結合行業背景、采用混合教學、注重案例演練、提高實踐能力”的改革思路，采用了課堂內外緊密融合的混合式教學模式。該模式具有“評價—講解—演示—練習”四個循環步驟，即每節課首先通過問答、測驗等多種手段，檢查學生的課外學習效果并當堂作出評價，然后將暴露出的問題與本節課的重點難點結合并進行講解，接著通過案例演示加深學生對本節課內容的理解，最后是課上集中上機練習和課下自主學習。

上述混合式教學模式的效果比較明顯，主要表現在以下幾點：首先，學生的學習積極性較前幾級學生有大幅提高，請假、曠課、遲到的比例顯著降低;其次，學生的數據挖掘實踐能力顯著提高，絕大多數學生能夠編寫并調試“分類”“聚類”“關聯分析”等常用數據挖掘算法代碼;最后，學生查閱文獻、自主學習的能力和意識也都有提升，有利于終生自主學習習慣的養成。因此，可以認為，本文對研究生“數據挖掘”課程教學改革的探索是成功的，可以作為其他高校開展新工科研究生課程教學改革的參考。

參考文獻：

[1]孫會峰.2019中國大數據產業發展洞察暨中國大數據產業發展白皮書發布[J].軟件和集成電路，2019（9）.

[2]黃河燕.新工科背景下人工智能專業人才培養的認識與思考[J].中國大學教學，2019（2）.

[3]吳愛華，楊秋波，郝杰.以“新工科”建設引領高等教育創新 變革[J].高等工程教育研究，2019（1）.

[4]王慧芳，曹靖，羅麟.電力文本數據挖掘現狀及挑戰[J].浙江電力，2019（3）.

[5]劉波，蔡燕斯，鐘少丹.大數據背景下數據挖掘課程實踐教 學的探索[J].高教學刊，2019（18）.

[6]王建新.數據挖掘課程中數據思維的培養方法探索[J].計算機教育，2019（8）.