面向電子信息學科的大數據技術與應用課程教學改革

DOI：10.3969/j.issn.1671-489X.2024.22.111

摘 要 隨著人工智能時代的到來，大數據技術作為人工智能的重要一環，其作用愈加重要。因此，相關學科將大數據技術與應用設置為必/選修課程。然而，由于電子信息學科研究生大多來自非計算機及數據科學專業，相關的計算機體系結構、數據庫、文件系統、數據倉庫及計算模式等知識儲備不足，課程也存在教學內容不完善、教學模式局限及考評機制單一等問題，影響課程培養目標的實現與培養質量的提升?；诖耍瑥慕虒W內容、教學模式與考評機制等方面著手，實施基于Python語言案例實踐貫通、大數據技術原理講授為輔、機器學習模型大數據部署應用為落腳點、過程化考核機制相結合的課內外“四位一體”的立體化改革及實踐。

關鍵詞 電子信息學科；大數據技術與應用；研究生；機器學習模型；Python

中圖分類號：G643 文獻標識碼：B

文章編號：1671-489X（2024）22-0-05

0 引言

數據產生方式的變革促成了大數據時代的到來。2015年8月，國務院印發《促進大數據發展行動綱要》，提出加快建設數據強國。2017年4月，全國信息安全標準化技術委員會正式發布《大數據安全標準化白皮書（2017）》，從法律、政策、標準和應用角度，全面勾畫了大數據安全的整體輪廓。大數據的發展使科學研究進入數據密集型范式，已經深刻改變了人類的思維方式，促進信息技術與各行業深度融合，產生眾多具體應用。同時，大數據的發展改變了我國高校信息技術相關專業的現有教學和科研體系，在理論研究上有很大進展[1]。大數據具有數據量大、數據類型多、處理速度快、價值密度低等特點，關鍵技術包括數據采集與預處理、數據存儲與管理、數據處理與分析、數據安全與隱私保護，計算模式包括批處理模式、流計算模式、圖計算及查詢分析計算，與云計算、物聯網相互滲透、互為補充[2]。在人工智能三要素數據、模型、算法中，數據是最基本最重要的一環，可以說沒有數據就不存在人工智能。因此，大數據技術與應用在一定意義上是實現人工智能的主要方面，也是控制科學與工程及電子信息學科的學位選修課程。

1 大數據技術與應用專業和課程建設現狀

21世紀前十年，隨著Web2.0應用的迅猛發展，非結構化數據大量產生，大數據解決方案逐漸走向成熟，形成并行計算與分布式計算兩大核心技術，以Google的GFS和MapReduce為代表，Hadoop平臺開始盛行。2010年以后，隨著NoSQL數據庫、Spark、Storm、Flink和圖計算等新型計算模式的出現，大數據技術滲透到各行各業，進入大規模應用期，但是相關技術以Amazon、Google、Micro-soft、Yahoo、IBM等國外互聯網巨頭為領導者。目前，國內相關企業如華為、百度、阿里巴巴在大數據相關技術上已經具有相當優勢，并在某些技術方面處于領先地位。

1.1 大數據技術相關專業開設情況

大數據技術的興起和發展在很大程度上改變了我國高校信息技術相關專業的現有教學和科研體制，數據科學需要掌握數學（特別是統計學）、機器學習、可視化與編程等多方面知識的人才。在國外，2010年前后，美國的斯坦福大學、麻省理工學院和加州大學伯克利分校，英國的牛津大學、倫敦大學等，相繼開設大數據技術相關專業與課程，這些高校是世界上著名的數據科學與大數據技術相關專業的領軍院校[3]。在國內，2014年，中國科學院大學開始設置首個大數據技術與應用專業方向，清華大學成立數據科學研究院；2015年，復旦大學大數據學院成立；2016年，華東師范大學數據科學與工程學院成立，北京大學、中南大學、對外經濟貿易大學三所高校成為國內首批獲得教育部批準設立數據科學與大數據技術專業的本科院校。此后，教育部又于2017年、2018年和2019年分別批準32所、248所和203所本科院校設立數據科學與大數據技術專業[4]。

1.2 大數據技術與應用課程建設情況

在大數據技術與應用課程建設方面，廈門大學于2013年開始為研究生開設大數據技術課程，隨后，林子雨副教授團隊出版十多部大數據相關系列教材，并建設了國內首個大數據課程公共服務平臺，建成“大數據技術原理及應用”國家一流課程和國家精品課程。此外，清華大學的武永衛教授建成了“大數據平臺核心技術”國家一流課程，北京理工大學的計衛星等建成“大數據基礎及應用”國家精品課程，東北師范大學的李雁翎等建成“大數據技術及應用”國家精品課程[5]，其他高校相關的在線課程及雙語課程也較多，這些線上及線下資源都為該課程的教學作出顯著貢獻。

雖然有較多的教材、一流和精品在線課程資源可以借鑒，但是大數據技術與應用課程各組件所涉及知識的原理及體系架構多且復雜，對所采用的Java語言編程存在困難，而且目前新出版的教材也滯后于大數據技術的新成果和領域的新發展。張寧等[6]針對電氣工程學科特點進行該課程的構建與教學實踐，楊尚東等[7]基于交互式大模型進行大數據技術課程實踐，各高校有自己的研究方向和特色，不能一味照搬他人的教學模式，而應該形成自己的模式和特點。

2 大數據技術與應用課程建設存在的主要

問題

就控制科學與工程及電子信息學科而言，由于大數據技術與應用課程學時少（四川輕化工大學為32學時），相關的計算機體系結構和數據庫等基礎知識內容偏少，所涉及知識的原理與架構紛繁復雜，對所采用的Java語言編程存在困難。更由于是選修課、非學位課和考查課，很多研究生感覺內容非常枯燥，也不重視，整體呈現出“教師難上，學生不學”的課程特點。這些問題影響了學科該方向學生培養質量的提高，也成為各高校電子信息學科學生培養所面臨的共性問題，歸納起來，主要有以下幾點。

2.1 大數據技術與應用課程教學內容太原理化

該課程教學基本是對相關技術體系結構與原理的理論化講授，實踐教學案例簡單，多數是大數據存儲與管理（如分布式文件系統HDFS或分布式數據庫HBase的安裝）、大數據處理與分析（如Hadoop或Spark平臺的安裝及簡單詞頻統計），最后是大數據應用的簡單介紹，沒有落腳到真正有用的案例上。而且這些簡單案例都是基于Java語言開發的，對電子信息學科的學生而言也難以掌握和學習。

2.2 電子信息學科研究生缺少大數據所需知識儲備

控制科學與工程及電子信息學科招收的研究生多來自通信工程、電氣工程及自動化、人工智能等專業，學生雖有一些計算機體系結構、數據庫及計算模式等相關大數據所需知識儲備，但是不具體和完備。此外，大部分學生不具備大數據技術所需要的Java編程基礎知識，而且Java編程入門較困難，大多數學生只具備或者正在學習學科目前流行的Python編程語言。

2.3 課內外教學與實踐缺少銜接

課程進行課堂理論與簡單案例教學，課后一般是布置一些簡單的相關技術組件的安裝與簡單編程任務，但因是選修課程，學生不重視，大多數學生也沒有在項目中進行相關實踐，導致難以完成作業任務。課程教學沒有和實踐及有關課題研究對接，出現脫節現象。

2.4 大數據技術與應用課程考查手段單一

以四川輕化工大學為例，大數據技術與應用課程目前是選修、考查課，之前只是要求寫三篇課程相關技術論文或報告，以給分的形式考查測評，學生往往在網上快速查找資料就能拼湊而完成考查任務，缺乏多樣及個性化的綜合實踐性課程學習考查機制。

3 大數據技術與應用課程改革和實踐

為實現該課程教學目標，提高研究生培養質量，使其掌握大數據技術原理及大數據技術應用和實踐能力，實現與研究生課題實踐無縫對接，在多年教研的基礎上，教研團隊對該課程進行了基于Python語言案例實踐貫通、大數據技術原理講授為輔、機器學習模型大數據部署應用為落腳點、過程化考核機制相結合的課內外“四位一體”的立體化改革與實踐。

3.1 大數據技術理論的專題模塊化構建與實踐

教研團隊通過多年實踐，構建了該課程的專題模塊，如圖1所示。在圖1中，課程共分為大數據概述及基礎、數據采集與預處理、數據存儲與管理、大數據處理與分析、大數據應用及框架部署等五大專題模塊組，每一專題模塊組又分為多個單元模塊，單元模塊又包含相應單元的具體知識點與Python實踐案例。通過從專題模塊到單元模塊、到具體知識點的內容構建，使學生掌握大數據技術課程的基本內容與脈絡。只有32學時的該課程，講授課件也略去枯燥乏味的某些大數據組件的原理及體系架構，從組件基本概念及適用場景、具體案例實踐等方面著手，突出實踐性和實用性，將抽象難懂的組件原理及體系架構內容弱化，通過實踐強調圖示化、形象化，強化教學效果。

3.2 基于Python的案例內容專題模塊化構建、實踐與研討

3.2.1 案例專題模塊化構建與課堂演示

考慮到控制科學與工程及電子信息學科專業學位研究生基本沒有Java編程的知識儲備，但大多具有Python編程基礎，所有案例都采用Python進行實現，并且都以可視化的方法顯示結果。所建設的Python案例資源均嵌入各專題配套課件基本概念、理論介紹之后，如圖1所示。這些實踐案例共有14個，可以通過學生進一步擴展，實現一些高級別的功能，提升學生的實踐能力，達到相關知識的內化掌握和與科研課題的銜接作用。有的案例通過相關大數據組件理論講解后進行案例演示實驗，有的作為課后實踐操作作業。通過教師在課堂案例演示中評講、總結和師生研討交流，學生在課后實踐中完成相應案例的編程和分析，從而加深對該課程相關知識的理解，從實踐中深入掌握一些常用大數據組件及技術的使用方法。

3.2.2 案例課后實踐、實現與課堂翻轉研討

由于課程學時數少，課堂不可能講解所有知識與實踐內容，因此，課程建設的另外一個內容是要求學生在課后完成部分專題的實踐案例并可以自行進行擴展。在下次課程時隨機請部分學生在課堂進行實踐匯報，師生共同探討，激發學生主動學習，在實踐中提升學生對相關知識的理解和實踐能力。具體做法：將學生分成10個左右實踐小組，每組3～4人，每次上課完后要求1～2個小組在組內協作完成指定的實踐內容，并在下次課程時結合PPT在課堂進行實踐報告，要求全體學生共同研討。這種翻轉課堂式實踐與報告能培養學生自學、演講、協作能力，加強對相關知識的理解和掌握，營造課程學習氛圍和提高學習興趣[8]。

3.2.3 大數據技術與應用課程報告

課程結束后要求每位學生提交三份論文式學習報告，包括大數據技術綜述報告、專題實踐報告、綜合實踐報告。綜合實踐報告要求將機器學習算法通過TensorFlow或者Deeplearning4j框架部署到大數據相關組件，實現大數據技術綜合應用。專題實踐報告可以是課程相關案例與知識的擴展，也可以是參與實踐的導師科研課題。并且各實踐報告必須包含摘要、實踐目的、數據來源及形式、技術原理、編程過程、結果的可視化展示、分析評價及參考文獻等方面。通過報告可以進一步提升學生對大數據技術知識的內化理解，實現學生自主化和個性化學習、實踐創新以及創業探索能力的培養，也能培養學生對學術論文的寫作能力。

3.3 課程教學效果評價機制建設與實踐

由于大數據技術與應用課程在控制科學與工程及電子信息學科學生培養中的特殊性，其也是本學科研究生的研究方向之一，還是一門技術型課程，課程以了解大數據組件基本原理、掌握相關技術、轉變思維方式和提高實踐能力為目標[9]，因此，對課程教學效果的考評不能簡單地采用出試卷考試給分的方式[10]。經過實踐，課程采用過程式實踐成績評定的考核機制。

大數據技術與應用課程在本學科培養體系中屬于考查選修課，因此，采用的過程式實踐課程成績考評機制為：平時成績占40%（出勤占10%，課堂專題或綜合實踐匯報占30%），期末三篇論文式學習報告占60%（大數據技術綜述報告占10%，專題實踐報告占20%，綜合實踐報告占30%）。其中，課堂專題或綜合實踐匯報根據研討小組成員貢獻大小及講解內容和效果依次給分，最高分30分；最終綜合實踐報告根據研討小組團隊成員自己給出的貢獻率并結合完成效果與完成情況依次給分，最高分30分。

合理且科學的評價機制是保證教學質量的關鍵和前提[11]。大數據技術與應用課程通過綜合學生評價、教師自評、教學督導評價和教師互評的科學多元化的評價機制，得到全面的評價結果，從而提高教學質量。其中，學生評價和教師自評通過學校研究生教務系統完成，教學督導評價通過院校兩級建立的教學督導評價體系完成，教師互評則更具有專業性和針對性。這樣綜合性地評價學生學習課程的達成度是合理的，是提高教學質量的有效方式。

4 結束語

為增強大數據技術與應用課程教學效果，結合學校與電子信息學科特點，對課程教學進行基于Python語言案例實踐貫通、大數據技術原理講授為輔、機器學習模型大數據部署應用為落腳點、過程化考核機制相結合的課內外“四位一體”的立體化改革及實踐，可以呈現大數據技術基本原理與技術的新發展，通過講授、課內外實踐與過程式考評，能實現學生中心、教師主導的教學效果，提高師生教與學的興趣，達到課程培養目標，培養學生的綜合創新和研究能力。

5 參考文獻

[1] 朝樂門.數據科學的科學性與科學問題的分析[J].計算

機科學，2024，51（1）：26-34.

[2] 南樹君.基于大數據技術的案例課程信息化教學實踐[J].電子技術，2023，52（10）：312-313.

[3] 面對面教育.美國大數據專業實力強勁的5所大學，卡

內基梅隆大學榜上有名[EB/OL].（2023-07-03）[2024-02-03].https：//baijiahao.baidu.com/s？id=1770311383232175012amp;wfr=spideramp;for=pc.

[4] 林子雨.大數據技術原理與應用[M].北京：人民郵電出版社，2020.

[5] 中國大學MOOC[EB/OL].[2024-02-03].https：//www.icourse163.org//channel/2001.htm.

[6] 張寧，余揚昊，章家維，等.面向電氣工程學科的“大數據技術與應用”課程構建與教學實踐[J].中國電機工程學報，2023，43（19）：7749-7759.

[7] 楊尚東，陳蕾，陳興國，等.交互式大模型驅動的大數

據技術實踐課程教學探索[J].計算機教育，2023（11）：

55-59.

[8] 李兆飛，熊興中，王小剛，等.案例結合課堂學術報告

的研究生模式識別課程改革與實踐[J].計算機時代，

2021（12）：109-112.

[9] 李松，張麗平，郝曉紅，等.新工科背景下大數據技術

基礎課程教學方法[J].西昌學院學報（自然科學版），

2022，36（2）：109-113.

[10] 周顯春，許燕龍，郭倩，等.新工科背景下《大數據技

術原理與應用》課程過程化考核的教學模式改革[J].中國新通信，2023，25（22）：98-100，67.

[11] 李森林.融合課程思政的大數據技術課程立體化教學模式探討[C]//湖南省高等教育學會計算機教育專業委員會.2022年（第26屆）湖南省計算機教育年會暨學術交流會論文集.2022：6.

*項目來源：教育部高等教育司產學合作協同育人項目“訊飛AILAB平臺產學研一體化實驗室建設”（202102325054）；四川輕化工大學專業學位研究生課程案例庫建設項目“大數據技術與應用案例庫建設”（AL202213）；四川輕化工大學研究生課程思政建設項目“模式識別與機器學習課程思政建設”（SZ202310）；四川輕化工大學教學改革研究項目“工程認證驅動的智科專業培養復雜工程問題能力課程群體系構建”（JG-24064）；四川輕化工大學教學改革項目“以新工科建設和專業認證為導向的生物醫學工程專業人才培養模式研究”（JG-2285）。

作者簡介：李兆飛、丁菊容、王小剛，博士，副教授，碩士生導師；熊興中，博士，教授，博士生導師。