融合OBE理念的數據分析與挖掘課程案例教學探索

摘"要：針對數據分析與挖掘課程的特點，融合OBE理念進行案例教學是提高該課程教學質量的重要手段。該文探討在該課程中如何融合OBE理念進行案例教學。首先，指出課程案例設計不僅要構建體系化的知識，還要注重綜合性強、重實踐、成效性高等原則。其次，根據課程內容模塊的關系，提出“單元案例庫+全息式案例庫”相結合的案例庫設計思路。此外，梳理案例教學實施的流程和方法。最后，探討基于OBE理念的案例教學的過程化評價指標和方法。

關鍵詞：數據分析與挖掘；案例教學；OBE理念；案例設計；案例評價

中圖分類號：G642"""文獻標志碼：A"""""文章編號：2096-000X（2024）36-0139-05

Abstract：BasedonthecharacteristicsofDataAnalysisandMiningcourse，caseteachingintegratingtheOBEconceptisanimportantmethodtoimprovethequalityofcourseteaching.Inthispaper，itisexploredthathowtointegratetheOBEconceptintocase-basedteachingwithinthiscourse.Firstly，itpointsoutthatthedesignofcoursecasesshouldnotonlyaimtosystematicknowledgeconstruction，butalsoemphasizesprinciplessuchasstrongcomprehensiveness，emphasisonpractice，andhigheffectiveness.Furthermore，basedontherelationshipbetweenthecoursecontentmodules，adesignideaforthecaselibrarythatcombinesa\"unitcaselibrary\"witha\"holisticcaselibrary\"isputforward.Additionally，itelaboratesontheprocessesandmethodsforimplementingthesecases.Finally，theevaluationindicatorsandmethodsforcase-basedteachingarediscussed.

Keywords：DataAnalysisandMining;caseteaching;OBEconcept;casedesign;evaluationofcases

隨著大數據、人工智能時代的到來，企業和社會對于數據分析與挖掘技術和人才的需求日益增長，高等學校中的數據分析與挖掘課程也得到了越來越多的關注。數據分析與挖掘涉及多個學科領域的交叉知識，例如數學、統計學、計算機科學和人工智能等，同時在經濟、金融、醫療健康、交通等行業領域有廣泛應用，這使得數據分析與挖掘的課程教學高度強調理論與實踐結合，一方面要培養學生具有敏銳而縝密的數據思維，另一方面要培養學生根據實際行業背景進行數據分析與挖掘的創新實踐能力，以及制定科學而合理的決策方案的綜合能力[1-3]。此外，數據分析與挖掘的技術和方法日新月異，不斷涌現出新的算法和工具，對數據分析與挖掘課程的教學提出了更高的要求。為了培養適應大數據和人工智能時代新需求的數據分析與挖掘人才，在數據分析與挖掘課程教學中進行持續的改革探索和實踐是非常有必要的。

OBE（Outcomes-basedEducation）理念，即成果導向教育，是一種以學生為中心，以成果為目標導向，注重學生的個性化需求和實際能力培養的教學理念。OBE理念要求教師不斷反思和持續改進教學方法和策略，以適應學生的學習需求和成果導向的教育目標，這十分有助于推動教學改革。

案例教學是一種開放式、互動式的教學方式，教師根據教學內容及教學目標進行案例設計，以真實或模擬情境為背景，組織學生對案例進行文獻檢索、閱讀、思考、分析、討論和交流、解決問題、反思與總結等一系列的思維分析與實踐活動。案例教學自1870年由美國哈佛法學院提出使用以來[4-5]，被迅速而廣泛地運用到法學、醫學、經濟學和工學等具有鮮明行業特色的課程教學中，并產生了深遠的影響。案例教學在我國高校的課程教學中也得到了非常有益的研究和實踐[6-9]。

相比于傳統的課堂講授方式的教學效果，案例教學對理論與實踐要求高的課程具有難以比擬的特別優勢，因此，在數據分析與挖掘的課程教學中實施案例教學，必定起到較好的效果。進一步地，在案例教學中融合OBE理念，也會更好地改進數據分析與挖掘的課程質量。本文對此進行探討，將OBE理念融合到該課程案例教學的各個環節中，提出該課程案例的開發原則、案例庫的設計思路以及案例教學的實施方法，最后提出案例教學評價方法，以持續改進課程教學質量，促進案例教學的創新和實踐。

一"案例的開發原則

好的案例有助于教師達成教學目標，有助于學生完成知識點的鏈接和知識體系的建構、強化思維訓練、提高解決綜合問題的能力。本文提出數據分析與挖掘課程的案例開發應遵循以下幾個原則。

（一）"注重知識構建，綜合程度高

數據分析與挖掘的教學內容知識點繁雜，單純的孤立講解會使人感覺沉悶，就很需要案例將這些知識點有機地組織起來，但目前教材的案例教學所占比重小，包含的知識點單一，或者僅對知識點進行印證，沒有進一步挖掘深層的規律，這會忽略有價值的信息。教師在設計案例時要避免這種淺嘗輒止的情況，要以構建學生的系統性知識為目標，選擇具備綜合程度高的案例。

以數據預處理單元的知識為例，雖然逐個講解了數據預處理的一些常見方法和技術，但學生此時感到知識是分散的，而目前教材大多選用案例來匹配和驗證單個知識點，學生得到的實戰鍛煉有限。為了彌補不足，教師應注重選擇更加“原生態”的數據集，例如使用知名機器學習網站UCI上的titanic數據集，并涵蓋十多個數據預處理的知識點進行綜合設計：①如何讀取數據文件。使用Pandas讀寫文檔時，根據文檔類型以及是否有表頭、中文、特定分隔符等，促使學生實戰時主動去探索關于文件類型、形狀等與參數設置的關系。②如何觀察數據信息。數據文件讀取轉化為Pandas的DataFrame格式后，啟發學生觀察數據的基礎信息，包括數據內存、維度形狀、特征的連續或離散類型、特殊特征（如時間特征）的處理等等，根據觀察到的這些信息，要如何進行相應的轉換和處理。③如何清洗數據。這個步驟要啟發學生結合數據實際用途的因素，選擇相應的辦法處理數據缺失值、重復值、異常值等。經過綜合設計后的案例可以避免此部分知識點過于分散瑣碎而導致學習效率低的情況。

（二）"具有強實踐性

數據分析與挖掘的課程內容涉及大量算法和模型，需要理論與實踐相結合。基于此，案例主題必須具有很強的實踐性，可選擇涉及多個真實領域的問題作為案例主題，通過真實的數據場景，讓學生從多個角度進行思考和分析，觀察數據、分析數據、結合需求設計解決方案、實施方案并對結果進行解讀和評估。通過實踐和應用，學生可以更好地理解算法的原理，培養創新思維和跨領域合作能力，在未來的工作中更加靈活地運用，提高就業競爭力。

以分類算法的學習為例，從時下實際熱點問題中選擇并設計成案例。例如，在金融行業的信用風險評估問題中，使用分類算法識別金融行業的貸款風險級別，可以幫助銀行制定差異化的信貸政策，降低不良貸款率；在醫療行業的疾病診斷問題中，使用分類算法識別和預測癌癥等重大疾病，早發現早干預，降低疾病危害，提高患者生活質量；在通信行業的用戶滿意度指數評價問題中，使用分類算法識別用戶群體，針對性地改進服務流程，增加用戶黏性，提高市場競爭力。這些案例都具有非常強的實踐性。

（三）"成效性高

案例的成效性主要指案例在實施后所取得的實際效果，它要求全面評估案例，主要從以下幾點衡量：實現了預設的目標，影響積極且廣泛，實施的成果能持續存在，具有可復制性或推廣性，實施成本相對于收益是合理的，等等。成效性低的案例會使得學生感受不到學習的價值，從而失去學習的欲望。而頗具成效性的案例能夠幫助學生看到通過數據分析與挖掘幫助管理者發現問題、優化流程、提升效率，或者降低不必要的消耗[8]。

以經典的商品銷量預測題為例。該案例中選取全球知名的Kaggle競賽平臺中關于厄瓜多爾大型雜貨零售商CorporaciónFavorita的數百家超市超20萬種商品的銷量數據，要求對不同商店數千種商品的單位銷量建立銷量模型并進行預測。這個案例的成效性在于通過模型建立和預測能幫助商店避免積壓商品過多、生鮮商品減少腐爛、暢銷產品不會出現缺貨等不良情況。此案例的結果可以推廣到其他有類似問題的領域，體現了其成效性，讓學生體會到知識和技術的價值，從而激發學生的學習樂趣。

（四）"從獲取學科知識到培養“專家思維”

“專家思維”指的是一種深入、系統且具備創新性的思考方式，它不局限于對基礎知識和技能的掌握，更強調對知識的深度理解和遷移運用，像專家一樣的思考，洞察復雜問題的深層規律，創新性地提出解決方法和優化策略，具有主動持續學習的自驅力。

數據分析與挖掘課程涉及的數據往往表面是錯綜復雜的，規律深藏其中不易被察覺，案例教學中要注意讓學生學會像“專家”一樣去洞察這些有價值的深層信息。這要求案例的設計既要有基于特定知識點運用的元素，達成可預測的基本學習結果，還要有打破既有知識線性增長的刻板局限性，提高學生網狀思維的能力。因此在案例設計時有必要增加一些更靈活、具有開放性的問題，引導學生從知識和技術的熟練操作者轉向成為主動構建更加復雜的知識體系并能大膽創新的“專家”。

以電商平臺用戶評價問題為例，該案例設計不僅要考慮到學生爬取某知名電商平臺的數據、進行數據預處理的能力，還要引導學生像“專家”一樣，通過識別電商用戶中的高價值用戶群體、如何了解用戶購買偏好、如何決策用戶偏好的趨勢變化等挖掘出具有商業價值的信息，并進一步地利用這些識別結果制定推薦商品的營銷策略。學生根據教師的提問啟發作出一些合理假設，例如高價值用戶群體會傾向于購買高價位的商品，因此建議電商平臺推薦一些知名經典品牌的商品；購買球拍的用戶很可能是運動愛好者，建議電商平臺可進行關聯推薦運動服裝、運動鞋等；某用戶從之前瀏覽汽車的次數最多轉變為瀏覽嬰兒用品的次數最多，則推斷其可能進入新手父母階段，建議電商平臺調整推薦策略。這個案例通過真實的電商用戶數據，讓學生不僅在實踐中學習和應用知識和技能，還培養了“專家思維”。

二"融合OBE理念的案例庫設計

根據數據分析與挖掘課程的特點，其教學內容可分為相對獨立的三個模塊：編程基礎篇、數據分析篇、數據挖掘篇。基于此，課程案例庫的設計分為兩個主要部分：單元案例庫和全息式案例庫，如圖1所示。單元案例庫作為全息式案例庫的基礎，適用于每個單元的知識鞏固階段。全息式案例庫是適用于單元知識的組合深化以及理解整個數據挖掘的全流程，常用于幾個單元學習之后。案例庫的設計也要體現OBE理念，對案例的效果進行分析總結，以及根據學生的反饋效果及時對案例庫優化改進。

圖1"案例庫的結構示意圖

（一）"逐層遞進的單元案例

單元案例庫包含基礎單元、進階單元、高階單元。其中，基礎單元的案例對應于編程基礎篇的知識模塊，以強化數據分析需要的編程技術為主，包括基于Python的編程技巧、基于Numpy庫多維數組的高效運算技術、基于Pandas庫的數據分析技術和基于Matplotlib、Seaborn庫的可視化技術等。進階單元的案例對應于數據分析篇的知識模塊，主要以研究數據的分布規律、相關關系等為主，包括基于數理統計知識為背景的數據描述性分析、探索性分析、統計性分析等。高階單元的案例對應于數據挖掘篇的知識模塊，以挖掘數據內在結構和規律為主，包括回歸預測、聚類分析、分類算法等技術。

以回歸預測的單元案例庫為例，如圖2所示。此單元案例庫針對線性回歸、Ridge回歸和Lasso回歸的常用回歸算法分別進行三個單元案例設計，各個單元案例之間相對獨立，而選擇使用相同的糖尿病數據集可以很好地對三個案例的適用情景、算法過程、預測結果進行橫向比較，并進行總結。

圖2"回歸預測的單元案例庫

（二）"多維度的全息式案例

為了讓學生建立對數據分析與挖掘的全流程的認知，在案例設計時還要突破單元模塊，增加包括數據讀取、數據清洗、特征工程、數據建模、參數優化和模型評價等多維度的全息式案例，在學生掌握課程單元知識的基礎上，將不同單元的知識模塊進行融合，有必要時還進行重組。全息式案例不僅有助于學生對知識進行貫通，還旨在促進學生將數學、統計學、數據分析與挖掘、計算機編程技術和哲學思考等融入一體，將技術升華到學科思維和思政思維，達到通過課程教學來育人的教育完整過程。全息式案例的結構和涉及的知識點如圖3所示。

三"融合OBE理念的案例教學實施方法

數據分析與挖掘課程案例的教學實施是一個系統的、多步驟的過程[10-11]，主要實施步驟大致可分為案例準備、案例引入、小組協作和反思總結，如圖4所示。在實施的每個環節中都注重OBE理念的融合，以學生的能力培養為目標，并進行結果反饋和持續改進。

圖3"全息式案例示意圖

圖4"案例教學的流程圖

（一）"案例準備

教師遵循本課程案例開發的原則，選擇具有鮮明行業特色、有利于培養數據思維、能夠引發學生興趣和思考的主題，編寫內容豐富的案例庫。每個案例要精心創作，預先設計一系列由淺入深、由易到難的問題，并確保案例的完整性，各個案例之間保留較大差異性，避免同質化。

（二）"案例引入

在單元知識學習之后，教師及時根據學時數從單元案例庫中挑選兩到三個單元案例在課堂引入，由教師引導學生帶著問題去閱讀、分析，鼓勵學生思考和提出自己的疑問和觀點。課后再選取多個案例供學生閱讀和觀摩。在中后期從全息式案例庫中選擇一組案例，讓學生對案例進行復現和重新創作，培養學生的“專家”思維。

（三）"小組協作

案例內容包括與數據相關的行業背景、收集數據、明確任務、進行合理假設、設計方案和討論結果并撰寫報告。這些過程以開放性問題居多，適合學生以小組為單位進行團隊合作，集思廣益進行案例分析和解決問題。不僅能提高效率，還能促進學生之間的思維碰撞，激發他們的創新思維，同時鍛煉了他們的團隊協作能力、溝通能力和領導力。

（四）"反思總結

案例教學中反思與總結環節是非常有益的。學生以“專家”身份來分析問題，提出整個數據挖掘過程中遇到的困難，并給出如何解決的辦法。在討論結束后，學生通過反思和總結，提煉出可復用的數據分析、數據模型框架和策略，加深對數據分析與挖掘原理和方法的理解，提高問題解決能力和決策能力。

四"融合OBE的案例教學的評價方法

數據分析與挖掘課程的案例教學中存在較多開放性的問題，重在培養學生的分析能力、實踐能力、協作能力等，如果采用傳統的閉卷考試進行評價會導致考核過于機械，不利于綜合能力的培養。對案例教學融合OBE理念進行過程化評價是對評價方式很好的創新[12]。

在數據分析與挖掘課程的案例教學中，為了促進和檢驗學生的學習效果和能力，教師應采用科學、合理的考核方法和評價標準，并鼓勵學生積極參與評價和反饋，以提高考核的準確性和評價的公正性。為此，我們采取定性評價指標與定量評價指標相結合的方式，見表1。定性評價指標主要考慮教師和學生的主觀感受，占比40%；定量評價指標包括學生參與度、案例分析報告成績，占比60%，其中案例分析報告的成績占比最大（達50%），以保證學生從案例教學中能夠及時提煉和總結，并進一步深化鞏固學習效果。

五"融合OBE理念的案例教學改革成效

本課程在實施融合OBE理念的案例教學改革之后，學生的學習興趣變得濃厚，數據思維、分析能力和使用數據挖掘新技術的能力明顯增強。課程學習之初，學生拿到數據大多無從下手，經過案例教學的訓練之后，學生思維變得非常活躍，可以展開多角度、多粒度的問題分析，并將分析的思路實施之后能達到預期的目標，對得到的結果進行可視化展示。此外，學生在參加與課程相關的各類數據分析或數據挖掘競賽時獲獎人數和獲獎等級顯著提升。學生畢業之后大多從事與數據分析與挖掘相關的工作，例如金融、電商、能源行業的數據分析崗、數據挖掘崗、數據工程師崗等。這與通過本課程的案例教學收獲的數據思維、技術、分析和決策能力有著密切的關系。

六"結束語

融合OBE理念的案例教學是數據分析與挖掘課程教學的重要手段和環節，對提高教學質量和培養學生專業能力起著重要作用。本文總結了從案例的開發原則、案例庫的設計、案例教學的實施過程和案例教學的評價方法等方面進行的探索和實踐，并持續優化案例教學，案例教學的效果因此得到了很大提升，學生在數據分析與挖掘方面的專業實踐能力、分析能力、創新能力和團隊協作能力等顯著增強。

隨著近年來社會的快速發展，新技術和新行業不斷涌現，數據分析與挖掘課程的案例教學要與時俱進，我們要不斷學習新知識和新技術，拓展新的專業視野，持續提升教學能力和專業素養，不斷探索和創新案例教學方法，為學生提供更加豐富多元的案例教學內容、模式、評價方法等，培養具有很強的數據分析與挖掘能力的高質量人才。

參考文獻：

[1]秦華妮.數據分析與挖掘課程多維教學改革探討[J].高教學刊，2023（32）：111-115.

[2]劉順祥.從零開始學Python數據分析與挖掘[M].北京：清華大學出版社，2022.

[3]王磊，邱江濤.Python數據挖掘實戰[M].北京：人民郵電出版社，2023.

[4]魏小娜，張學敏.深度學習視域下的案例教學：價值功能、標準再構和教學實施[J].教育學報，2023（1）：102-111.

[5]屈芳.哈佛案例教學：歷史回溯、特點探析與方法借鑒[J].管理案例研究與評論，2024（4）：663-674.

[6]周學榮，黃青青，郝若曦.加強案例教學，培養高素質人才[J].中國高等教育，2021（8）：47-49.

[7]安成錦，游鵬，許可，范崇祎.“信號與系統”課程的“案例+”教學改革[J].電氣電子教學學報，2024（3）：53-56.

[8]齊琪，房琛琛，崔舒寧，等.“一例到底”在構建計算機求解能力中的探索與實踐[J].計算機教育，2024（7）：72-77.

[9]肖靜華，謝康，吳瑤.基于產教融合的商科“活”案例教學模式[J].管理案例研究與評論，2023（6）：819-828.

[10]鄧娜，林松，熊才權，等.基于案例和懸念的數據挖掘教學模式設計[J].計算機教育，2018（11）：97-99.

[11]呂盛坪，王海林，李君.數據挖掘教學示教與學生實踐系統設計與開發[J].實驗技術與管理，2021（8）：163-168.

[12]畢雪萍.OBE案例教學過程性評價研究[J].管理案例研究與評論，2023（1）：107-114.

基金項目：廣東省高等教育教學改革項目“融合OBE理念的《數據分析與挖掘》課程混合式教學研究”（GDJX2022013）；五邑大學高質量課程建設與創新創業教育建設改革項目“線下一流課程——數據分析與挖掘”（KC2022042）

作者簡介：秦華妮（1977-），女，漢族，湖南常德人，博士，副教授，系主任。研究方向為數據挖掘與機器學習。

DOI：10.19980/j.CN23-1593/G4.2024.36.033