數據挖掘與大數據分析教學方法的研究與探索

吳錦夢 馬雷 張耀宗

摘要 數據挖掘與大數據分析技術是大數據時代高效處理數據的方式，已在多所高校設立專業課程，并建立了相對應的人才培養計劃。文章主要對數據挖掘與大數據分析課程的教學方式進行探索，從教學理念、教學主體、課程內容設計、課程結果評價等方面，結合雙語教學模式進行教學改革，以此來提高學生的學習興趣，培養學生能力，拓展學生思維，使其具備數據挖掘與大數據分析處理的能力，并落實國家創新性人才培養的方針。

關鍵詞 數據挖掘與大數據分析；雙語教學；教學改革；創新思維

中圖分類號：G642文獻標識碼：ADOI：10.16400/j.cnki.kjdk.2023.10.021

隨著人們在生產生活中所涉及的信息數據量日益增加，從復雜數據中發掘出人們所需的信息，并利用這些信息的內在聯系為人們提供決策和便利，促使了數據挖掘與大數據分析技術的出現以及高速發展。多所高校開設了數據挖掘與大數據分析專業的課程，還設立了相關的人才培養計劃，讓學生可以運用數據挖掘與大數據分析知識解決問題，培養學生的創新精神，結合前沿的技術和研究，以創新性人才培養為目的進行數據挖掘與大數據分析課程的改革，提高學生學術素質和實踐能力，是該課程設立的主要目標。

從我國綜合素質教學的諸多模式來看，使用雙語教學進行工科專業課程改革是一種有效的方式。雙語教學模式是以英語為教學輔助工具，通過學科講授內容與國外前沿研究相結合，以豐富和拓寬學生知識面，培養學生創新精神為目的的教學模式。在這種教學模式下，利用英文為載體去引入多方先進的技術，獲取更多元化的專業相關內容，是我們實行雙語教學模式進行課程改革的目的。

數據挖掘與大數據分析技術是一個多學科交叉的領域，在該領域中，有大量英文文獻、英文數據集以及國外的研究進展等。使用雙語教學的模式可以豐富課程內容，提高學生對該專業課的學習興趣，還可以拓展學生的學習范圍，加深學生對該課程學習的深度，并培養學生在該學科領域中多向思維的能力。

1數據挖掘與大數據分析課程簡介

數據挖掘與大數據分析是高等數學、統計數學、線性代數、計算機相關學科等多學科相交叉的技術領域，主要涉及機器學習、數據庫分析、深度學習等多個專業領域，并且數據挖掘技術在信息管理、醫療影像、金融投資等眾多現實場景中有著廣泛的應用。數據挖掘與大數據分析課程主要授課方向是對建立數據處理模型過程中的各個方面展開，并且針對各模塊，本課程會對數據處理的基本原理、大數據分析的算法邏輯、數據處理的模型搭建和結果分析等內容進行講解。通過本課程，學生可以了解數據的結構，結合實際的應用場景建立對應的數據處理模型，并對模型進行分析和評估。同時，教師將課程與前沿技術相結合，可以加強學生在數據挖掘與大數據分析領域的專業水準，提高學生的運算思維、分析能力和解決問題的能力，培養該領域的創新型人才。

2數據挖掘與大數據分析課程現狀

隨著時代的發展，在大量的復雜數據中挖掘重要信息，是人們生產生活中常用的手段。也因此，眾多高校都開設了數據挖掘與大數據分析課程，并將其列入創新人才培養計劃中。數據挖掘與大數據分析課程是理論與技術綜合的課程，該課程的目的是通過講述經典的數據挖掘與大數據分析的模型原理，并結合相關實際問題的求解與分析，讓學生具備使用數據挖掘與大數據分析原理解決實際情境問題的能力。但是，目前多數學校在該課程教學過程中重理論輕實踐，學生只掌握教材的理論原理，沒有將理論運用到解決實際情境的問題中，究其原因，這些現象的出現主要源于以下幾個方面。

2.1思想認識方面

該課程內容復雜造成的入門困難，讓學生從思想上對其產生枯燥感，并對本課程的學習目的產生疑惑，即僅僅只是學習教材上的原理去完成課程考試，沒有真正認識該課程在實際生活中的實用性，以及該課程后續所涉及行業方向的重要性，對課程中的內容也無法應用到實際生活中。該課程作為數據挖掘與大數據分析領域人才培養中的重要課程，學生要掌握數據挖掘與大數據分析的方法，就不僅要明白其運算邏輯的原理，還要培養學生在該領域處理實際問題的能力，以及培養學生在該領域的創新思維。但是教學方式的不完整，導致學生在思想上不重視，極大地影響了該課程相關領域人才培養的目的。

2.2課程教學方面

該課程屬于多學科交叉課程，要求學生對數學邏輯思維以及計算機基礎知識的掌握較牢，并且數據挖掘與大數據分析的相關算法過程相對復雜，對學生的理解能力要求較高。現如今，國內外該領域的迅速發展，使得數據挖掘與大數據分析技術更新加快，教材中的內容與日新月異的技術無法同步發展。在課程講授內容方面，對于基礎的數據處理方式模塊涉及較少，多在于數據建模后的結論分析，導致學生基礎不牢固，只知結論卻無法獲取數據挖掘與大數據分析的全過程內容，僅會使用簡單的數據實驗結論驗證，面對新數據不能建模處理，無法解決實際問題。該課程教學還缺乏前沿技術案例的補充，我國高等教育強調培養技術型、創新型人才，但該課程的教學內容多數沒有達到創新性和處理現實問題的要求，缺乏對數據挖掘與大數據分析全過程的詳細講解。因此，學生對實際問題的具體模型以及處理流程認識不清，使得培養學生創新能力的教育目標無法高質量達成，人才培養方案無法落實。

2.3應用實踐方面

數據挖掘與大數據分析作為理論與技術綜合的課程，學生不僅要掌握其中的算法和處理數據的建模方式，而且需要動手實踐，去執行自己掌握的算法代碼。目前，許多高校雖然也會開設相關的實驗課程，但是實驗內容較為簡單，所涉及的實驗案例也較為老舊，沒有和數據挖掘與大數據分析的全過程相結合，在實驗過程中均是使用已經處理好的數據，只需對其進行簡單的驗證即可，沒有下沉到數據本質結構的分析與處理，學生無法達到理論邏輯和現實場景應用的融會貫通，并且所涉及的實驗內容相較于當今的學術發展環境還略有遲緩，不能夠與新技術掛鉤，限制了學生對問題的思考，造成了學術思維守舊脫節的現象。

2.4課程考核方面

該課程的考核大多采用作業與考試相結合的方式，這種傳統的考核方式不能全方位地分析學生對該學科的掌握程度，沒有體現該課程作為一門應用技術型課程的本質。作業和試卷考試只是側重對課程原理理論掌握程度的考查，但本課程實踐性和理論性同樣重要，無法對學生的實踐能力進行考查并給予相應的評價，這也導致學生對本課程學習目標不明確，無法達到學以致用和培養學生創新思維的目的。

3數據挖掘與大數據分析課程雙語教學改革

由于數據挖掘與大數據分析課程在大數據處理中的重要作用，該課程使用雙語教學的模式進行改革，不僅是為了提高教學質量，激發學生潛力，拓展學生知識面，更是為了使學生更好地應用數據挖掘與大數據分析知識解決現實情境中的問題，同時，也是為了更好地實現國家在數據挖掘與大數據分析領域培養創新性人才的目標。結合筆者多年的國外學習經歷以及數據挖掘與大數據分析課程教學的實踐，課程改革可從以下幾個方面實行。

3.1雙語授課豐富課程內容

首先，教師要有扎實的英語基礎，并且對開設數據挖掘與大數據分析課程的意義有明確認知，從而引導學生重視該課程的學習。從教學思路上，通過課堂教學讓學生掌握扎實的理論基礎，并用雙語教學拓展學生的專業知識面，讓其認識到學好該門課程的實際意義。課程總課時32學時，其中理論講解22學時，實驗課時10學時。教學內容對每個知識模塊都有相應的理論講解、典型案例分析和實驗課時安排，并適當加入國內外學科新動態，以最新研究成果作為教學內容的補充，激發學生的創新思維，促使其學會使用多種方法去處理問題。通過雙語教學的案例分析，不僅補充了國內外最新的研究技術，還以英文原文講解的方式，保證了案例內容的完整性和準確性，并結合前面所學的理論知識和實驗，深化對案例分析的認知，讓學生真正理解該課程的目的。

3.2樹立以學生為中心的教學理念

樹立以學生為中心的教學理念，讓學生自主探索該課程從原理到建模分析的全過程，從而更容易地進入學科知識的探索中。因此，教師在課堂上要對學生進行分組，并讓每一組學生完成各自的分工；然后，在課程中的討論環節，小組成員要對案例進行相應的內容或特殊名詞的翻譯，并就案例背景、案例中所涉及的數據挖掘和大數據分析方法，以及模型構建的流程進行討論，最后各小組總結匯報案例重點內容和結果分析，就同類型案例進行對比，并思考與當今新研究方向的聯系。要依此提高學生的學習積極性、激發創新性思維，培養學生發現問題、思考問題、解決問題、總結問題的能力。要根據各小組匯報情況，針對其中的問題對學生學習過程進行評價，并針對出現的問題分模塊進行詳細講解，達到雙向反饋的效果，以提高教學效率。在實驗環節中，要讓學生自主調試并編寫實驗相關代碼，提高學生的動手能力。

3.3采用雙語模式教學方法

在該課程的教學過程中，教師采用雙語模式的教學方法，是為了實現學生以多向思維去解決實際情境中數據挖掘與大數據分析相關問題的教學目的。課程教學環節應結合數據挖掘與大數據課程理論實踐并重的特點，從典型案例為出發點講述應用背景，用國內外相似的前沿案例作為教學補充，同時引導學生學習數據的處理方式、數據挖掘與大數據分析模型的建立以及模型結果分析，將案例教學與雙語教學有機結合。該方法不但可以加深學生對知識的理解和具體應用，還可以拓展學生的思維能力，激發學生的創新能力。在實驗環節，學生要參與案例問題的全過程，而用雙語教學的方式，則可以加快學生對算法程序編寫的接受程度。另外，通過補充大量國外案例的，學生可以學會多模式地建立數據采集預處理模型，而最后的結果分析評價則可以提高學生的動手能力。

3.4科學考核設計

該課程的考核由平時成績、實驗成績、期末成績三部分組成。平時成績主要包括：考勤、課堂提問和課后作業；實驗成績主要以實驗報告成績為評定方式，實驗以小組為單位，小組成員分工合作，評價結果根據每個小組中個人工作的完成質量進行分數認定。課程期末成績分為試卷考試和結課實驗兩部分，試卷考試以課程所授內容為主，涉及基本的算法原理和課堂中引入的典型案例，主要考查學生的課堂學習和對該課程理論知識的掌握程度；結課實驗以小組為單位，完成老師擬題的數據挖掘與大數據分析全過程的實驗，并書寫實驗報告。通過以上方式，能將理論評價和實踐評價相結合，更科學地評價學生的能力。

4結論

本文通過介紹數據挖掘與大數據分析課程的現有教學模式，分析了該教學模式存在的問題，并結合筆者多年的留學經歷和教學經驗，構建了數據挖掘與大數據課程雙語教學模式的改革探索方案。首先，要轉變教學理念，合理安排課程理論講解和實驗部分的課時，利用雙語教學模式將國內外新案例融入教學內容，拓寬學生知識面。其次，要樹立以學生為中心的教學觀念，提高學生學習的主動性。最后，要落實國家對該學科的培養要求，培養出本領域的高質量創新性人才。

基金項目：2021年湖北省自然科學基金項目“基于無人船艇智能監測的實時三維多目標檢測關鍵技術研究”（2021CFB255）。

參考文獻

[1]李忠金，徐帥達.新時代下“數據挖掘”課程的教學改革與探索[J].科技風，2022（13）：121-123.

[2]白育堃，林曉.淺談工科課程中的雙語教學[J].教育教學論壇，2019（36）：219-220.

[3]丁毅濤.大數據時代下的數據挖掘課程改革探索[J].科技風，2021（27）：27-29.

[4]羅來鵬.《數據挖掘》課程思政教學探索與實踐[J].電腦與信息技術，2022，30（04）：69-71，78.

[5]蘇雅勤.高校工科專業雙語教學研究與探討[J].海外英語，2020（10）：3-5.

[6]姜永春.“大數據+雙創人才”培養與課堂教學的深度融合——以數據挖掘課程為例[J].科技經濟市場，2022（8）：109-111.