數據分析與挖掘課程多維教學改革探討

秦華妮

摘? 要：大數據時代下，數據分析與挖掘的課程教學面臨著內容更新快、涉及面廣、難度大等挑戰。針對這些挑戰，該文闡述如何從教學理念、教學內容、教學方式、教學評價以及課程思政等角度進行多維度的教學改革探索。在教學理念上，融合OBE的以學生為主體，以產出為導向；在教學內容上，根據知識模塊和培養的能力目標進行整合優化，以及融入課程思政；根據知識的難易程度，選擇合適的教學方式；根據考察能力的不同改進教學評價方式等。這些改革都對改進該課程的教學效果起到很好的作用。

關鍵詞：數據分析與挖掘；教學改革；混合教學；OBE理念；課程思政

中圖分類號：G642? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2096-000X（2023）32-0111-05

Abstract： In the era of big data， the course teaching of Data Analysis and Mining is faced with the new challenges of rapidly updating of course content， involving wide range and great difficulty. In Aiming at these challenges， in this paper， we expounds how to explore multi-dimensional teaching reform from teaching philosophy， teaching content， teaching methods， teaching evaluation and curriculum ideological and political aspects. It includes the integration of OBE concept， student-oriented and output-oriented， the integration of teaching content and integration of the curriculum， and the appropriate teaching methods according to the difficulty of knowledge， and the improved teaching evaluation method according to the different investigation ability. These reforms have played a good role in improving the teaching effect of the course.

Keywords： Data Analysis and Mining; teaching reform; mixed teaching; OBE concept; curriculum ideology and politics

隨著移動互聯網、電子商務、物聯網和云計算等技術的興起，人們產生的數據呈爆炸式增長。不僅數值型結構化數據如此，文本、音頻、視頻、圖像和日志等非結構化數據也越來越多且復雜。這些數據資源正成為繼土地、資本之后的新要素，人們越來越意識到數據的重要性。為了培養關于數據科學和技術的人才，越來越多的高等院校開設了數據科學與大數據技術專業。數據分析與挖掘作為該專業的核心課程，旨在培養具有數據科學思維和較強的解決大數據實際問題的能力，能獲取數據、分析數據、運用數據及展示數據的高質量專業人才。

然而，隨著大數據出現了“4V”特征：規模性（Volume）、多樣性（Variety）、高速性（Velocity）和價值性（Value），關于這些復雜大數據的分析與挖掘的相關技術也日新月異地發展，使得數據分析與挖掘課程的知識也處于快速更新的狀態。這對高校數據分析與挖掘課程的教學提出了極大挑戰，迫切需要對該課程進行教學改革[1-4]。

本文針對數據分析與挖掘課程的現狀，從教學理念、教學內容、教學方式、教學評價到課程思政等多維度進行教學改革和探索，旨在提高該課程的教學效果。

一? 數據分析與挖掘課程教學面臨的調整

數據分析與挖掘是五邑大學數據科學與大數據技術專業的核心課程，是一門融合了數學、統計、計算機技術及行業知識的多學科交叉綜合性課程，其教學中存在著許多挑戰。

（一）? 知識點多，綜合程度高

多學科交叉課程容易出現“樣樣都涉及、樣樣都不精”的問題[5]。數據分析與挖掘課程內容涉及了高等數學、線性代數、數理統計、機器學習、編程技術和算法設計等多門課程的基礎知識，知識點繁雜，對學生的綜合學習能力要求較高。既需要學生具備嚴謹的邏輯思維能力、扎實的理論功底，又需較強的實踐能力。而在實際教學中，學生對基礎相關知識掌握程度的差異比較大，對于基礎知識掌握得較好的同學，這門課程的學習往往比較順利，并且能從中大大提高對所學知識的綜合運用能力，對以往所學的專業課程有更深刻的理解，也能開闊應用領域的前沿視野。然而，對于少數基礎不扎實、綜合能力不強的學生，對眾多知識點的綜合運用就會感到力不從心，這會使得他們在學習該課程時產生畏難情緒，進而學習動力不強。

（二）? 教學方式單薄，難以滿足大數據時代的課程需求

首先，數據分析與挖掘常常要處理大規模、多模態的高維數據集，在數據處理和分析挖掘過程中需要消耗大量的存儲資源與計算資源，校內的普通教學平臺難以支撐，還需要使用其他教學模式輔助。其次，如今的學生都是伴隨著信息爆炸時代成長起來的，其學習方式不僅僅局限于課堂學習，還伴隨著從嗶哩嗶哩、慕課、微信短視頻等多渠道學習方式。這對傳統的單一教學模式提出了新要求，教師需要及時吸納新技術、新教學觀念，順勢而為，利用好這些新方式為課程教學服務。然而，采用這些方式學習獲得的新知識往往是碎片化的，所以并不能很好地理解，還需要教師從教學內容上加強體系化指導，使得他們能融會貫通。

（三）? 教學內容的理論和實踐部分的占比不平衡

數據分析與挖掘需要處理各種復雜數據，這要求有扎實的理論基礎和較強的實踐能力。而以往的教材往往有深奧的數學原理，但對實踐部分不夠重視，沒有代碼或代碼的可讀性與遷移性不強，學生聽懂了原理但是不能運用；或者偏向于大量的代碼實踐，而其背后的算法原理和思維涉及太少，這使得學生遇到新問題時無法根據原理做出調整，限制了他們的創新性思維。要解決這個問題，教師還需要對課程的理論和實踐二者的緊密關系進行深入思考，從學時、教學內容、教學方式上進行多角度探索和改進。

（四）? 考核方式不全面

數據分析與挖掘是多學科交叉的課程，其學習成果的評價也應該是多樣性的。一方面，傳統的考核方式多采用閉卷考試，終評成績以筆試成績為主，再加上比例較小的平時成績，對過程評價不夠全面；另一方面，考點主要以教材中的算法原理和編程知識為主，有的學生死記硬背也能通過考試，對算法如何應用到實際問題中和調試代碼能力的考察力度不夠，需要增加實踐部分的評價。

二? 課程教學改革的探索

為了應對以上提到的課程教學的挑戰，我們從優化知識體系、探索混合式教學模式、加強課程思政引領、融合OBE教學評價、以競賽和科研拓展教學的五個方面進行課程教學改革。

（一）? 課程知識體系的整合與優化

數據分析與挖掘課程的知識點繁多，且側重點不突出，初學時難以窺全貌，導致學習方向感不強，學習興趣不大，從而影響學習進程和效果。因而，有必要關注學生需求，重新整合課程知識體系。針對本專業立足于數學學院且是為工科設置的特點，充分結合本專業厚實的數學、統計方面師資優勢，優化教學內容。考慮到要將知識、能力、素養有機融合，特別培養學生扎實的數學功底、夯實的統計思維，并加強培養學生對整個數據分析與挖掘的全流程實戰能力。

在對數據分析與挖掘的整個課程知識體系進行梳理和重新設計后，形成五大核心知識模塊，包括數據采集、數據預處理、數據分析、數據建模與挖掘和可視化技術[6-7]。這五大知識模塊分別對應了培養學生數據分析與挖掘全流程中所需要的五大能力，即數據獲取能力、數據整理能力、數據分析能力、數據建模和挖掘能力以及數據展示能力，見表1。

（二）? 線下+線上的混合式教學模式探索

混合式教學模式是將課堂教學與在線教學相結合的一種教學方式[8]。為適應大數據時代數據分析與挖掘課程對硬件資源要求高、學生的學習方式多樣化的新特點，結合課程內容的難易程度，采用線上加線下的混合式教學模式。課程共56學時，其中課堂線下講授20學時，線上講授20學時，實驗課16學時。對于難度大的課程內容，如算法的數學理論、統計原理，學生初學時難以理解，這時主要選擇線下教學，教師利用線下課堂進行詳細講解，既起到很好的指導作用，也能及時掌握學生接受知識的程度，適時啟發，從而減少學生對課程學習的畏難情緒。對于硬件資源和算力要求高的部分課程內容，考慮采用線上教學，教師利用云技術展現課程知識運用之后的過程和效果。此外，除了課堂上的教學之外，還可以充分利用線上網絡教學平臺和網絡資源，一方面，可以將課程內容制作成教學視頻上傳到線上課程中，另一方面，還可以推薦與課程內容聯系緊密的學習內容，讓學生開拓視野，從而鞏固學習效果。

在實驗課部分，結合案例式教學[9-10]，將有關數據分析與挖掘的實際項目設計成相對獨立的案例，將整個案例的數據采集、數據預處理、數據模型建立、數據模型評價、模型優化和實驗結果分析等全周期流程利用線上教學進行演示，讓學生可以反復觀看，在學生實踐過程中隨時可以借鑒案例，并得到啟發。

根據課程教學的內容特點，進行線下線上混合式教學設計的學時分配見表2。

（三）? 將思政教育融入到課程教學

習近平總書記指出，要用好課堂教學這個主渠道……守好一段渠、種好責任田。我們在數據分析與挖掘課程的教學中與思政教育同向同行，引導學生樹立正確的世界觀、人生觀、價值觀和榮辱觀，透過教學的各個細節潤物無聲地貫徹立德樹人的育人目標。數據分析與挖掘課程教學時需要處理的數據常與國計民生緊密相關，處理時用到的知識往往是算法原理、編程技術、行業背景知識等交叉融合，綜合性強，很適合且很有必要結合課程內容展開思政教學，既能讓學生產生共鳴，又提升了學生專業和思想政治的綜合素養。

深入挖掘本課程的思政元素，并有機融入到課程教學的章節、知識點和教學環節，將純理論的抽象教學轉向與實際生產生活密切相聯的有實踐性的案例教學，充分利用好教學第一課堂進行課程思政。在講授面板數據挖掘技術時，如時間序列數據，我們選擇國家宏觀經濟數據為例進行講解，對反映國家經濟形勢的常用經濟指標進行可視化及預測，國內生產總值走勢圖（圖1）讓學生了解到國民經濟隨著改革開放在穩步增強，激發學生的民族自豪感。

在介紹非結構化數據挖掘技術時，如文本分析，數據可選用政府政策、服務民生、科技興國等適合思政教育的文件，把國家戰略、數據工程文化、創新精神等思政元素融合到課程教學中，培養學生的愛國主義精神。如選用2021年中央一號文件利用文本挖掘技術中提取高頻詞，并生成詞云圖進行可視化，如圖2所示。

由圖2可看到，詞云圖充分展示了農村建設、加強農業、鄉村振興和扶貧等工作始終是國家非常重視的頭等大事。這既讓學生學習了數據挖掘技術，又培養了學生的家國天下情懷。通過課程思政元素的融入，既豐富了課程內容，又進行了愛國主義的價值引領，引導學生思考把遠大理想抱負和自身的專業知識結合起來，增強了他們以技術服務民生、為祖國繁榮富強作貢獻的信心和決心。可見，在本課程教學中，融入思政教育可達到立德樹人的協同效應，從而實現高素質和復合型人才的培養目標。

（四）? 融入OBE理念的教學評價改革

考試評價體系是課程質量的保障。隨著新知識、新技術不斷融合到數據分析與挖掘的課程中，對實踐能力的要求越來越高，則評價模式也要及時更新，做到知識、能力、素質的考核并重。傳統的評價模式常以期末考試評價為主，由30%平時成績+70%期末考試成績來評定最終成績。這種評價模式不能充分反映教學過程和教學效果。我們對此改進考核評價方式，將OBE理念融合到評價模式中，以學生為中心，以產出為導向，加強對學生的學習過程和效果的多維度考核。在學習過程中，學生是學習的主體，教師是參與教學的角色，注重考查學生創新精神和實踐能力的發展。以知識模塊為單元，教師通過對學生課前發布資源的掌握情況進行檢查和小測，課堂上組織學生討論知識點內容，以及課后對數據的挖掘思維的創新、應用等都納入到該模塊的評價中，形成課前、課中、課后的模塊化階段性的評價模式，促使學生完全參與到整個學習過程中，充分體現以學生為中心的教學理念。

另外，改變以往評價比例，考試方式由占比70%的閉卷考試改為占比40%的課程論文，增加課程內容過程化考核的比例為50%，平時成績占比10%，見表3。這種評價模式能更準確地考察學生在每一個知識模塊的掌握情況，而期末時完成課程論文，相對于閉卷考試，能避免學生靠突擊復習、死記硬背過關的情況，更能促進學生對問題的獨立思考能力、實踐能力和創新思維能力，實現知識、能力、素養的綜合培養。

（五）? 以競賽、科研拓展課程教學改革

數據分析與挖掘課程內的實驗主要針對知識模塊進行設計，能強化對每個模塊的掌握以及相應能力的培養。而對于整個數據挖掘流程的整體實戰練習是不夠的。為了解決這個問題，必須增加學生的實踐機會，其中鼓勵學生參加與課程相關性較高的學科類競賽或科研項目就能起到很好的補充。

1? 以賽促學

我們針對數據科學與大數據技術專業的人才培養目標，遴選出與課程相關程度較高的全國大學生數學建模競賽、泰迪杯全國數據挖掘競賽，采用先校內選拔再資助的方式組織學生參賽，在比賽過程中提高學生數據分析與挖掘的實戰能力。此外，也要鼓勵學生適當參加Sas數據分析大賽、Kaggle數據分析競賽、阿里云數據分析大賽等其他各類競賽，這些競賽的賽題來自于各行業，非常考驗學生在綜合分析問題、設計數據模型、行業數據挖掘等方面的能力。一般來講，學生參加2～3個此類競賽之后，數據分析與處理、數據建模能力和算法挖掘能力明顯強于較少參加比賽的同學，學生也因此獲得更多的實習和就業機會，并且能更快更好地承擔專業技術工作。

2? 在科研活動中加深對課程內容的理解和創新

教師如果能超越課程本身引領學生接觸前沿科技成果，挖掘和捕捉專業領域內新熱點，給學生打開一扇學術之窗，讓學生感受到專業之美，就會激發學生的學習興趣。首先，吸引學生積極參加教師在數據分析與挖掘類的科研項目，指導其閱讀科研學術論文，了解數據分析與挖掘的研究前沿，并啟發學生在研究上的創新，學習撰寫學術論文。這些訓練對于提高學生的創新思維、解決問題的能力以及寫作水平都有非常大幫助，有的學生在校期間就發表了科研論文，極大地增強了他們學習的自信心和積極性。另外，還指導學生積極申報大學生創新創業項目。每年學生獲得的國家級、省校級創新創業項目，多以數據分析與挖掘課程相關的內容為基礎展開。這些項目的實施可以讓學生更進一步加深對數據分析與挖掘課程內容的理解，逐漸運用自如，并進行創新探索，學生都深感受益匪淺。

三? 結束語

大數據時代背景下，數據分析與挖掘課程遇到了一些新問題和挑戰，本文闡述了如何從教學內容、教學方式、教學理念、教學評價及課程思政等多維度進行課程教學的改革。在改革中以學生為主體，優化課程知識體系，融合課程思政和OBE理念選擇相應的教學方式，增加過程管理和評價，以競賽、科研拓展教學，鞏固學生學習成果等，形成了以學生為中心，進行知識傳授、能力培養、素養提升的培養模式，對改進課程教學效果起到了很好的作用。今后，我們將繼續學習新的教學理念、內容、模式和技術等，與時俱進地持續改革和探索，為培養高質量人才而努力。

參考文獻：

[1] 曹楠源，許衛霞.“數據挖掘”課程教學探討[J].教育教學論壇，2022（4）：172-175.

[2] 楊秀璋，武帥，夏換，等.大數據時代數據挖掘與分析課程教學改革探究[J].計算機時代，2021（9）：107-111.

[3] 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（4）：69-71，78.

[4] 羅莉霞.新工科背景下數據挖掘課程思政教學改革研究[J].林區教學，2021（12）：25-28.

[5] 梁循.交叉學科課程金融數據挖掘教學探索與實踐[J].高教學刊，2020（24）：114-116，119.

[6] 王斌會.Python數據分析基礎教程[M].北京：電子工業出版社，2021.

[7] 林子雨.大數據導論——數據思維、數據能力和數據倫理[M].北京：高等教育出版社，2020.

[8] 周雷，尹梓名，鄭建立.《云計算與數據挖掘》混合教學模式的研究與實踐[J].軟件，2020，41（7）：281-283.

[9] 賈媚媚，劉泉，馬曉普，等.面向新工科的數據挖掘實驗課程教學案例設計[J].現代計算機，2021（3）：80-83.

[10] 衛志華，孔思尹，丁志軍，等.新工科背景下數據挖掘課程綜合性實驗設計[J].計算機教育，2020（3）：127-130，135.