大數據可視化技術在高校計算機教學中的應用研究

關鍵詞：大數據可視化；計算機教學；應用研究

大數據已成為當前信息技術領域的前沿研究方向，其已融入社會各領域，成為推動社會創新發展的關鍵推動力之一。在高校教育教學中，大數據技術的應用日益廣泛，有效提升了教學效率與水平。作為高校基礎課程之一，計算機課程引入大數據可視化技術，有助于克服傳統教學的不足，提升教學效率與水平。因此，探索大數據可視化技術在計算機教學中的應用，對于推動教學創新、提高教學質量具有重要意義。

1 大數據可視化技術概述

大數據可視化技術旨在將復雜、海量數據轉化為直觀的圖形、圖表或地圖，以視覺手段揭示數據中的模式、趨勢和關聯，幫助用戶更好地理解和分析數據。該技術起源于科學計算和統計分析領域，近年來，隨著計算機圖形學、大數據分析技術、人機交互界面等領域的發展，以及人工智能和機器學習算法的融合，大數據可視化技術不斷發展，已成為數據科學重要組成部分。

大數據可視化技術具有可視性、多維性與交互性等顯著特點。可視性是指通過圖像、圖表、地圖等多種視覺形式展示數據，使用戶能夠直觀地觀察、理解和分析數據。多維性是指用戶可以不同條件、維度為標準，對數據信息進行分類、排序、組合并進行展示，實現數據信息的多角度觀察與分析[1]。交互性是指用戶可進行縮放、過濾、 drill-down 等操作，與可視化數據進行互動，實現數據的深入分析與探索。

2 大數據可視化技術在高校計算機教學中的應用價值

2.1 直觀展示數據，化抽象為具體

在高校計算機教學中，大數據可視化技術能夠將繁復且抽象的數據轉化為直觀易懂的視覺呈現形式。大數據可視化技術可通過圖形、圖表、地圖以及其他視覺元素，揭示數據信息變化趨勢與相關之間的關聯，從而簡化復雜概念，具體化抽象概念。

例如，在數據分析課程中，教師可以利用可視化工具向學生展示大規模數據集的統計特性，如分布、集中趨勢和離散程度，幫助學生直觀理解數據結構和屬性。在機器學習或人工智能課程里，可視化技術能夠幫助學生觀察模型訓練過程中的性能變化，如準確率、損失函數隨迭代次數的變化曲線，從而深刻理解算法的優化過程和潛在問題。這種將抽象概念具象化的過程，極大地激發了學生學習興趣，提高了學生數據解讀能力。

2.2 輔助教師教學，優化教學設計

首先，大數據可視化技術可幫助教師通過數據深入了解學生學習行為與學習效果。教師可收集并分析學生登錄頻率、學習時長、參與討論次數等課堂互動數據，使用可視化工具生成學生學習行為熱圖、時間序列分析圖等，識別出學生遇到的學習難點或興趣點。基于圖像數據，教師可以針對性地調整教學內容和方法，以提高教學效果。例如，教師可以設計包含多種題型的在線測試，通過可視化分析學生答題情況，迅速識別學生知識點掌握情況。基于此，教師可以在后續教學活動中加強薄弱環節講解和練習，確保每位學生都能達到課程目標[2]。例如，教師在計算機課堂中布置當堂測試題，并通過可視化技術分析學生答題情況，如圖1所示。教師可借助餅狀圖，直觀掌握學生課堂學習情況，并針對性調整教學設計，提高教學效率與水平。

其次，大數據可視化技術還促進了教師之間經驗交流與資源共享。教師可以創建數據可視化報告，分享自身教學創新成果和成功案例。這有助于構建一個持續學習和改進的教學環境，使教師探索更多元化教學策略，提升教學質量。

2.3 促進學生能力培養，提升綜合素質

大數據可視化技術還可直接培養學生能力，提升學生綜合素質。首先，其強化了學生數據分析與處理能力。在可視化工具幫助下，學生能夠直觀地理解復雜數據集，學會從海量信息中提煉關鍵指標，培養數據驅動的決策思維。

其次，大數據可視化技術促進了跨學科知識融合。學生在運用可視化工具解決實際問題過程中，往往需要結合統計學、數學、計算機科學乃至心理學等多個領域知識。在此過程中，學生既拓寬了自身知識面，提高了創新意識，也有效鍛煉了解決實際問題的能力。例如，教師可以選取統計學教學中所應用的數據集，如某大學圖書館1～4月各類型人員圖書借閱量數據。教師應對數據集特點以及代表含義進行講解，并在講解過程中充分利用大數據可視化工具處理數據，對數據進行清理與分析，根據數據繪制圖表，展示數據之間關聯性與變化趨勢，如圖2所示。教師可根據可視化圖表引導學生觀察數據變化情況，使學生深度思索時間因素及其相關因素（如期末考試、假期、教師科研）與圖書借閱量之間的聯系。

3 高校計算機教學中大數據可視化技術的應用

3.1 案例分析，加強理論與實踐結合

在計算機教學中，教師利用大數據可視化技術，要通過案例分析的形式，有效地將理論知識與實際應用結合，增強學生對知識的理解與掌握[3]。例如，在數據結構與算法課程中，通過大數據可視化技術，教師可以將復雜的數據結構（如樹、圖、鏈表等）以直觀的圖形形式展示出來，幫助學生更好地理解抽象概念。

具體而言，教師可以利用可視化工具，如Tab? leau、D3.js等，展示實際數據集的處理和分析過程。例如，在教授排序算法時，用大數據可視化技術動態展示不同排序算法的執行過程和效率對比。通過圖表和動畫的方式，學生能夠直觀地看到各個算法在不同數據規模下的性能差異，加深對算法時間復雜度和空間復雜度的理解。如圖3所示，大數據可視化技術將多種排序算法性能對比情況進行直觀展示，使學生迅速而全面地掌握不同排序算法的特點與不同場景下的性能優劣情況，并在此基礎上思考不同排序算法的適宜應用場景，掌握相應知識。

此外，大數據可視化技術還可被用于展示數據挖掘和機器學習中的實際案例。例如，教師可以選擇一個真實的商業數據集，使用可視化工具展示數據預處理、特征工程、模型訓練和評估的全過程。學生通過案例分析可以更深入地理解數據挖掘和機器學習的基本原理，掌握實際操作技能，增強實踐能力。

此外，在案例分析過程中，學生可將理論知識與實際操作緊密結合，深入掌握課堂知識內容的同時提高解決實際問題的能力和創新思維能力。這種教學方法有效地激發了學生學習興趣，提升了教學效果，推動了高校計算機教學的改革與創新。

3.2 互動教學，促進學生主動探究

首先，教師可利用大數據可視化技術構建互動學習平臺，使學生能夠在課堂內外自主探究。一方面，教師要尋找并應用適宜課堂教學使用的在線數據分析平臺，學生可通過平臺訪問各種數據集，并使用可視化工具進行數據分析與可視化展示。在此過程中，學生可通過自主操作更好地理解數據分析過程與方法。另一方面，教師要在課堂上展示實時互動圖表，學生可在課堂中參與數據輸入與分析過程。例如，在教授統計學或數據挖掘課程時，學生可實時輸入數據，生成圖表，并討論分析結果。

其次，教師可通過大數據可視化技術設計項目驅動的探究學習活動。教師應將學生分成小組，每組負責一個數據分析項目。教師提供數據集和分析目標，學生通過數據可視化技術進行數據清洗、分析和展示。項目結束后，學生需要展示其分析結果，并通過可視化圖表進行解釋和討論。

最后，實時反饋與調整。學生在課堂中使用大數據可視化技術進行學習，要及時向教師反饋自身學習狀態。教師則利用大數據可視化技術生成學生反饋圖表，針對學生對計算機學習過程中所遇到的問題進行全面分析，調整教學內容與節奏，針對性解答學生疑問。同時，將圖表反饋至學生，幫助學生了解自身計算機課程學習狀況。例如，生成學習進度條、成績分布圖等，幫助學生更好地管理和規劃自己的學習。

3.3 推動跨學科教學，拓展應用領域

首先，教師要結合計算機教學計劃，融合大數據可視化技術設計跨學科項目，促使學生在實際應用中掌握跨學科知識和技能[4]。例如，教師可以組織計算機科學與其他學科（如經濟學、社會學、環境科學等）的聯合項目。學生在項目中需要收集和分析跨學科的數據，利用大數據可視化工具展示分析結果。

例如，計算機科學與環境科學聯合項目——分析城市空氣質量指數（AQI） 。在此項目學習中，學生需要從政府生態環境部門的公開數據庫中下載空氣質量監測站的歷史數據，包括二氧化硫（SO2） 、二氧化氮（NO2） 、顆粒物（PM2.5和PM10） 、臭氧（O3） 和一氧化碳（CO） 等污染物的濃度數據。同時，還需要收集同期的氣象數據，如溫度、濕度、風速和風向等。在獲取數據后，學生將使用Python等編程語言清洗數據，并應用統計方法和機器學習算法來識別污染物濃度的模式和趨勢，以及氣象條件對空氣質量的影響。例如，使用相關性分析來檢查溫度和濕度與PM2.5濃度之間的關系。為使分析結果更加直觀清晰，學生將使用大數據可視化工具，創建時間序列圖、熱力圖、散點圖等圖表，用于展示時間段內不同時間點城市AQI變化、空氣質量情況以及氣象條件與污染物濃度之間的關系。此項目可使學生掌握數據清洗、統計分析與大數據可視化等技能，增強了學生跨學科學習與實踐能力。

其次，教師要向學校申請組織開展跨學科競賽與實踐活動。一方面，學校可組織跨學科數據科學競賽，學生組成跨學科團隊，利用大數據可視化技術解決實際問題。競賽題目涉及不同學科領域，如健康數據分析、社會問題研究、市場預測等。學生通過競賽，不僅能夠鍛煉數據分析和可視化能力，還能培養團隊合作和跨學科思維能力。另一方面，開展跨學科實踐活動，如數據分析工作坊、黑客馬拉松等，學生在實踐活動中利用大數據可視化技術進行跨學科研究。

3.4 分析學生需求，實施個性化教學

首先，教師要收集和分析學生學習數據[5]。教師可從學習管理系統上收集學生學習行為信息數據，包括在線學習時間、訪問頻率、作業提交情況、測試成績等。利用大數據可視化技術生成學習行為分析圖表，展示學生的學習習慣和學習態度。在此基礎上，分析學生在各個教學環節的學習情況，如作業完成度、答題發言次數、各次考試成績等。教師將學生學習情況以可視化技術繪制成圖表，迅速掌握學生在不同知識點上的掌握情況。

其次，制定個性化教學計劃。基于學生學習數據的分析結果，教師可結合不同學生學習需求制定個性化教學計劃與方案，幫助每一個學生收獲學習成果[6]。例如，對基礎較差的學生，提供更多基礎知識的講解和練習，幫助學生掌握基礎的計算機知識與技能；對進度較快的學生，提供更具挑戰性的學習材料。

最后，實施個性化輔導和評價。一方面，教師要根據學生的學習數據，識別需要額外輔導的學生。利用大數據可視化技術生成輔導需求圖表，針對性地安排個別輔導或小組輔導。另一方面，教師要通過大數據可視化技術，設計學生自評和互評系統，收集學生對自己和同學的學習表現和參與度的評價。利用可視化圖表生成評價結果，幫助教師了解學生的學習體驗和教學效果[7]。

4 結束語

綜上所述，高校計算機教學中應用大數據可視化技術，具有多方面價值意義，有助于將抽象的計算機知識具象化，幫助學生理解復雜概念，提高學習興趣；同時，也為教師提供了強大的數據分析工具，有助于優化教學設計、實施個性化教學，最終提升教學質量，促進學生全面發展。未來，高校計算機教師應積極探索大數據可視化技術的應用，將其與教學內容、教學方法深度融合，不斷提高計算機課程教學效率與水平。