基于OBE理念的“大數據技術基礎”課程改革與實踐

金冉 張延紅 董晨 萬忠 鄧芳 金敏 劉翠娟 楊立春

浙江萬里學院大數據與軟件工程學院

● 引言

在新工科建設背景下，很多計算機類專業都開設了大數據相關課程，其目的是教導學生熟練掌握大數據開發技術，能基于分布式計算平臺對大規模數據進行分析處理，具備一定的大數據應用程序開發能力。在面向新工科的專業和課程建設中，應遵循以成果為導向的教學模式(OBE)，提升人才培養水平。

筆者基于OBE理念，探索了大數據技術基礎課程的教學改革和實踐，重構了教學體系，優化了教學內容，改進了教學方法，規范了教學過程，完善了教學評價等，注重培養學生的自主學習能力、創新和實踐能力，全面提升了學生的工程實踐能力與技術創新能力。

● 課程簡介

1.課程目標

“大數據技術基礎”課程遵循校“創建特色鮮明的高水平應用型大學”辦學目標，努力為學生搭建起通向“大數據知識空間”的橋梁，以“構建知識體系、闡明基本原理、引導初級實踐、了解相關應用”為原則，為學生在大數據領域“深耕細作”奠定基礎、指明方向。通過本課程的學習，讓學生能夠建立對大數據知識體系的輪廓性認識，了解并掌握大數據系統的起源及系統特征、大數據關鍵技術、大數據系統的架構設計及功能目標設計、入門級大數據系統程序開發等相關領域的內容，使學生能具備分布式數據存儲與計算平臺搭建、基本應用程序開發、運維等相關實踐能力，為后續大數據開發模塊課程的學習與實踐奠定堅實的基礎。

2.課程現狀

“大數據技術基礎”課程系統講授大數據的基本概念，大數據處理架構Hadoop，分布式文件系統HDFS，分布式數據庫HBase，NoSQL數據庫，云數據庫，分布式并行編程模型MapReduce，基于內存的大數據處理架構Spark，大數據在互聯網、生物醫學和物流等各個領域的應用。在Hadoop、HDFS、HBase、MapReduce、Spark等重要章節，安排了基礎的實踐操作，讓學生更好地學習和掌握大數據關鍵技術。在課程開設之初，課程組全體成員進行了大量研討，推出了很多教學舉措，但根據OBE理念，對標課程內容，課程在教學過程中不可避免地存在以下問題：①理論教學和實踐教學課時比重協同性不夠，真正的自主學習性仍不強。②課程教學案例與應用場景領域知識融合不夠。

● 課程改革方案

基于OBE理念的“大數據技術基礎”課程改革，從教學目標、教學內容、教學手段、教學實踐、教學評價等五個方面展開（如下圖）。改革后的課程以“構建知識體系、闡明基本原理、引導初級實踐、了解相關應用”為原則，以學生應該具備分布式數據存儲與計算平臺搭建、基本應用程序開發、運維等相關實踐能力為教學目標，以大數據Hadoop生態系統為主線，以實際大數據項目案例為牽引，把課程的所有知識點有機地串聯起來。通過引入真實的企業項目，對項目案例進行詳細講解，深度融入課程每一章節的知識點，學習、實踐相互協同，提升學生的工程實踐能力，為后續專業模塊課學習打下堅實基礎。

1.教學目標

教學目標是課程目標在具體教學單元的細節展示，是直面學生學習實況的即時效果表達。基于OBE理念對“大數據技術基礎”課程教學目標進行重塑是課程與時俱進的重要抓手。以課程第1章中的大數據時代為例，筆者從知識目標、能力目標和素質目標三方面來確定課程的教學目標。其中，知識目標中涵蓋大數據的基本概念和應用領域，大數據、云計算和物聯網的相互關系，大數據產業發展和未來趨勢等知識點；能力目標涵蓋獨立思考能力、分析問題能力、洞察能力等能力；素質目標要求學生形成大數據工程師崗位職業判斷。

2.教學內容

按照每一章的教學目標，以實際的企業項目案例為主線，采用大數據采集與預處理、大數據存儲與管理、大數據處理與分析、大數據可視化與決策等四個流程，對課程內容進行教學，使學生掌握大數據關鍵技術，掌握大數據基本開發。課程內容主要包含Hadoop的安裝和使用、HDFS操作方法和基礎編程、HBase的安裝和編程、MapReduce基礎編程、數據倉庫Hive的安裝和使用、Spark的安裝和編程、典型可視化工具的使用方法等。

同時，在課程教學中，筆者引入了寧波氣象臺、寧波疾控中心等單位的真實案例，把各章知識點有機串聯起來，其中包括金融量化交易數據分析、浙江疫情數據爬取及分析、醫院藥品銷售數據分析、浙江省氣象數據處理與分析、寧波租房信息分析與展示、網易云歌曲評論情感分析等。

3.教學手段

①項目案例驅動法。用一個完整的真實案例，精講其“爬存析視”全過程，串起整門課程的關鍵技術知識點，然后學生實踐。例如，金融量化交易數據分析項目案例，其完整的精講鏈是：爬取網易財經數據集http://quotes.money.163.com/stock；數據清洗并上傳至HDFS；使用Hive或MapReduce或Spark對股票數據進行分析，需要分析金融類全部股票2020年的總漲跌額，并排出上漲股票前十名，分析金融類股票2020年成交量最大的前十天，成交金額分別為多少，分析2020全年股票成交量前十名，并指出成交量第一的股票最新流通市值為多少；使用Django Echarts對分析數據進行可視化。

②研究性學習法。在課程教學過程中，設置了2～3次研討課環節，把科研項目部分任務布置給每一個學生小組，通過一周小組討論，在研討課上進行匯報交流。這種方式可以讓學生用類似科學研究的方式，主動去探索、發現和體驗，培養創新精神。另外，對學有余力的學生，鼓勵、輔導他們申請國家級大學生創新創業項目和浙江省新苗人才計劃，嵌入教師科研項目，更深入地開展科研工作。

③任務驅動法。將所要學習的新知識隱含在一個或多個任務中，以任務為主線、教師為主導、學生為主體，緊緊圍繞任務活動中心，在問題動機驅動下，進行自主探索和互動協作學習，完成教學任務。例如，在學習《MapReduce基礎編程》專題內容時，由于其與Java緊密聯系，筆者設置了一個文本數據集，其中包括如何并行處理、Map雙列集合類鍵值對如何統計處理、Iterable接口如何實現數值迭代統計等任務，一步步引導學生過渡到MapReduce編程實現中，很好地建立了Java語言編程和MapReduce編程的關聯性。

4.教學實踐

筆者所在學校的大數據與網絡安全實踐基地于2019年1月獲得中央財政資助立項，實踐基地建設包含大數據開發實驗室(升級)、網絡安全實驗室(重新改造)、云計算應用實驗室(重新改造)三個實驗室的改造與升級。學校以“課證結合、學科競賽引領”為目標，購置了三大成熟的實驗室方案。學生通過學習可以參加浙江省大學生軟件服務外包創新應用大賽，可以考取數據工程師認證、MPP認證、Python認證等。完善的大數據開發平臺，為學生的課程學習提供了強大便捷的途徑。

5.教學評價

具有完善功能的教學質量評價體系應該具備“閉環”特征，基于OBE的教學質量評價模式關鍵在于動態、持續改進教學過程，以學生的學習成果為導向。“大數據技術基礎”課程考核覆蓋學生平時出勤、實驗課表現、Seminar研討表現、期末大作業報告、期末大作業答辯、創新創業情況等，全面考核學生的學習成效。其中，針對創新創業情況，如果學習期間申報了國家級大學生創新創業項目或浙江省新苗人才計劃、申請了計算機軟件著作權獲登記、撰寫了學術論文、申請了專利等，根據實際情況可以免去期末大作業報告和期末大作業答辯環節，或獲得期末加分獎勵，真正兼顧學生的學習和實踐創新能力。

● 結語

基于OBE理念的“大數據技術基礎”課程，通過一系列教學改革措施，激發了學生學習的熱情，調動了學生自主學習和科學研究的興趣，提高了學生的表達能力及創造力，形成了良好的校園創新文化氛圍。