數據科學與物流工程融合下的《大數據分析》 課程教學改革與實踐

中圖分類號：G642 文獻標志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.09.038

TeachingReformandPracticeoftheCourse\"BigDataAnalysis\"undertheIntegrationofData ScienceandLogisticsEnginering

LI Kehong， XIE Han，DUAN Huawei （SchoolofManagement，XihuaUniversity，Chengdu6loo39，China）

Abstract：This papertakesthe\"BigData Analysis\"courseoferedbythelogisticsenginering majorat Xihua Universityasthe researchobjectandexplorestheteachingreformandpracticeundertheintegrationofdatascienceandlogisticsengineering.The articlefirstanalyzsthedemandforbigdataanalysistalentsinthelogisticsindustryandthechalengesfacedbyuniversitiesin theconstructionofbigdataanalysiscourses.Subsequently，thepaper elaboratesonthespecificmeasuresofthe\"big dataanalysis\"coure，includingteachingojectives，theconstructionofexperimentalcontentsystems，efoofexperimentalteachingmeth ods，constructionofexperimentalteachingplatforms，andreformofcourseevaluationmethods.Throughproject-driventeaching models，thebasicprinciplesofdataanalysisarecombinedwithpracticalapplicationscenariosinlogisicsengineeringtocultivate students‘abilitytosolvepracticalproblems.Finall，byconductingaquestionairesurveyanddataanalysisofthestudentswo tookthecourse，theimplementationeffetoftheteachingreformwasevaluated.Theresultsshowthatthereform hasachieved significanresultsinimprovingstudentsdataanalysiscapabilities，practicalskils，andunderstandingofaplicationsceariosin the logistics industry.

Key words： data science; logistics engineering; big data analysis; teaching reform; practical teaching

0引言

隨著信息技術和互聯網的快速發展，物流行業積累了大量異構數據，涵蓋運輸、倉儲管理和供應鏈優化等多個環節。如何從這些海量數據中提取有價值的知識，以優化流程、提高效率和降低成本，成為行業普遍面臨的問題。這一需求催生了大數據和數據科學等新興學科，推動了物流技術的進步，并成為技術革命的核心驅動力。在此背景下，我國高度重視大數據產業的發展，將其作為經濟轉型的重要抓手。西華大學物流工程專業積極響應國家號召，開設《大數據分析》課程，旨在培養學生運用大數據技術解決實際問題的能力。然而，盡管政策支持力度大，大數據產業仍面臨專業人才匱乏的挑戰，物流行業也不例外。為了應對這一挑戰，2024年國家分別出臺了《加快數字人才培育支撐數字經濟發展行動方案 （2024—2026年）》、《交通物流降本提質增效行動計劃》、《關于促進數據產業高質量發展的指導意見》3等多個文件，明確提出要加快物流及數據領域學科體系和人才隊伍建設，培養交叉學科人才。這些政策標志著我國在物流和大數據人才培養方面的重要進展。然而，盡管政策導向明確，高校在實際操作中仍面臨諸多困難，尤其是在大數據分析課程的建設和實施方面。具體挑戰包括：課程體系中理論與實踐教學失衡，教學內容同質化，缺乏專業特色和實際應用結合；考核方式單一，缺乏過程性評價，難以全面反映學生學習效果；部分高校教學方法單一，教材陳舊，缺乏新興技術介紹，教學資源匱乏，師資力量薄弱@；實驗室建設滯后，實驗數據不足，實踐教學資源匱乏；課程與行業需求脫節，缺乏企業參與，影響課程實用性。此外，許多高校在開設大數據分析課程時，缺乏特色辦學思路，未能將數據科學與優勢學科深度融合，導致課程內容與實際需求脫節回。

本文以西華大學物流工程專業的《大數據分析》課程為研究對象，探討如何構建具有“西華特色”的課程體系，優化實驗教學環節，搭建高效的教學平臺，并推動教學方法改革。西華大學在物流大數據工程領域具有一定的學科優勢，為課程的建設和實施提供了基礎。通過將數據科學與物流工程相結合，不僅可以提升課程的專業性和實用性，還能為物流工程專業在大數據領域的發展提供探索與改革思路。

1 《大數據分析》課程定位與現狀

西華大學物流工程專業旨在培養智慧物流與信息化深度融合的高級技術人才，課程體系包括物流運作優化、物流信息系統、物流數據統計與分析等核心課程。《大數據分析》作為重要組成部分，以Python語言為核心工具，總學時 32學時，全程在實驗室授課。課程目標是通過項目驅動，結合數據分析原理與實際案例，培養學生運用大數據技術解決物流問題的能力，掌握數據采集、處理、分析與應用的核心技能。

在課程體系方面，盡管已形成較為完整的框架，但在內容更新和實踐環節強化上仍有提升空間。學校建有港口物流、智能倉儲、智能交通等專業實驗室，為實踐教學提供硬件支持，并通過校企合作引入實際案例和項目，豐富教學資源。教學方法采用項目式教學、BOPPS教學等開放式方式，注重實踐能力和創新精神培養。考核方式多樣，包括平時作業、項目報告、期末考試等，但考核標準需進一步明確和細化，以便更準確反映學生的學習效果和能力提升。

2《大數據分析》課程教學改革的具體措施

2.1教學目標

《大數據分析》課程旨在培養學生在數據分析領域的基本素質和實踐能力。其教學目標是將數據科學的基本概念和原理融入具體的案例（項目）教學中，通過項目驅動的方式，引導學生使用Python語言完成項目任務。在此過程中，學生將掌握數據科學領域的核心概念和關鍵算法，提升面向大數據領域問題的分析與求解能力。同時，課程注重鍛煉學生的自主學習能力和團隊協作精神，培養學生的專業素養和職業精神。

2.2實驗內容體系建設

根據以上教學目標，該課程的關鍵在于以實踐項目推動理論學習，因此基于實踐和項目驅動方式的實驗內容體系建設是課程得以實施的關鍵。為了將大數據分析的方法和原理拆解至不同的項目中，將實驗內容進行模塊化劃分（見圖1），并構建實驗教學體系，使每章節對應具體物流場景案例 （見表1）。

2.3實驗課程教學方法改革

在培養數智化物流工程師的目標下，傳統實驗教學模式已難以滿足學生對復雜數據分析和智能決策能力的需求。通常，教師在講臺上演示代碼，學生機械地復現，導致學生只能照抄照搬，缺乏主動思考、自主探索、自主學習和創造性解決問題的能力。為改變這一現狀，《大數據分析》課程積極探索多元化的實驗教學方法，旨在培養適應數智化物流需求的高素質工程師。具體措施如下：

（1）項目驅動教學模式

本課程以項目為核心，通過案例講解和演示，傳授數據分析的核心概念、主要思想和核心算法，加深學生對原理的理解，增強實際操作能力。學生將通過項目開發的全過程（包括問題背景調研、數據采集、問題分解、逐步求解及項目總結）了解項目開發的基本流程，并初步掌握項目中的進度規劃、人員協作和任務分解等內容，培養團隊協作和自主學習能力。在數智化物流背景下，課程引入物流行業的實際案例，如智能倉儲管理、物流路徑優化、供應鏈數據分析等，讓學生在實踐中掌握運用大數據分析解決實際物流問題的方法。

（2）混合式教學模式

教師不僅在課堂上講解基本知識點和教學案例，還會為學生提供豐富的課后學習資源，包括MOOC課程、案例分析、代碼示例、報告及行業博客等。此外，教師可根據需要制作教學短視頻作為補充材料。這些資源通過QQ、微信、超星云平臺等發布，分為“必選”和“自選”，幫助學生課后自主學習，拓寬知識面，提升對數智化物流場景的理解。

（3）協作與探究式學習模式

在課堂教學中，教師將摒棄傳統的“填鴨式”教學模式，轉而采用以“學生為中心”的啟發式教學方法。教師在課堂上更多地扮演引導者的角色，鼓勵學生提出開放式問題，自行探索問題的解決方案，并自主完成問題的求解。教師僅在學生遇到困難時提供必要的指導，從而營造出平等、協作的學習氛圍，共同完成實驗任務和課程項目。

（4）行業實踐與企業合作

為了進一步提升學生的實踐能力，課程將與物流行業的相關企業合作（包括：順豐、京東等），引人實際項目和數據集。學生將有機會參與企業的真實數據分析項目，了解行業需求，解決實際問題。通過與企業的合作，學生不僅能夠獲得寶貴的實踐經驗，還能了解行業最新動態和技術應用，為未來的職業發展打下堅實基礎。

（5）綜合能力培養

課程還將注重培養學生的綜合能力，包括數據可視化、報告撰寫、項目管理等。學生將通過課程學習掌握如何將復雜的數據分析結果以直觀的方式呈現給非技術背景的決策者，如何撰寫高質量的技術報告，以及如何管理數據分析項目。

這五種教學方法旨在提升學生的實踐能力，激發自主與終身學習意識，鼓勵創新思維，增強團隊合作精神，為后續實訓和培養數智化物流工程師奠定基礎，助力學生適應物流行業對大數據和智能化技術的需求，成為具備創新和實踐能力的高素質工程師。

2.4課程實驗平臺搭建

課程實驗平臺的建設主要由5個部分的工作組成，如圖2所示。

（1）實驗環境搭建與配置

為滿足課程需求，學生需安裝 Python環境、相關數據分析庫（如 NumPy、Pandas）及配置Jupyter Notebok作為開發環境。課程提供詳盡指南，涵蓋環境搭建、Jupyter配置、Git集成及數據集管理，幫助學生快速搭建穩定且高效的實驗運行環境，為后續的實踐學習奠定基礎。

（2）實驗教學管理平臺建設

課程將打造功能完備的實驗教學管理平臺，發布PPT、代碼示例、案例分析等豐富教學資源，并整合優質在線教材。平臺支持作業與實驗報告在線提交，配備自動評分工具，快速反饋代碼規范與運行結果。同時，設置優秀作品展示區和互評機制，激發學生學習動力，優化討論區與主題板塊，促進師生交流，提升教學效果。

（3）實驗文檔與資料管理

課程注重實驗文檔與資料的標準化管理，提供標準化的實驗報告模板，規范報告格式，制定代碼注釋規范，提升代碼可讀性。利用云存儲服務建立課程資料共享庫，方便學生隨時訪問與下載，借助版本控制工具記錄作業與報告的版本歷史，便于學生查看與恢復。此外，收集物流行業實際案例，建立案例庫，鼓勵學生撰寫案例分析報告，提升實踐能力。

（4）實驗項目與案例設計

課程圍繞物流行業實際需求，設計多個數據分析項目案例，融人項目驅動教學法，引導學生在項目實踐中掌握數據分析技能。通過項目開發全流程指導，包括問題背景調研、數據采集、問題分解、逐步求解及項目總結，培養學生系統解決問題的能力。同時，教授項目進度規劃與團隊協作分工技巧，提升學生項目管理與團隊合作能力。

（5）實驗平臺技術支持與維護

為保障實驗平臺的穩定運行，課程組織專業教師團隊提供技術支持，及時為學生解決技術難題。定期對平臺進行維護與更新，修復漏洞，優化功能，確保平臺的安全性與穩定性。同時，建立反饋機制，收集師生意見，根據反饋持續改進平臺，提升用戶體驗，為教學活動的順利開展提供技術保障。

2.5課程評價手段改革

《大數據分析》課程的評價體系是確保教學目標達成和有效監督教學過程的關鍵工具。它不僅幫助學生感受到進步，激發學習動力，還為教師提供教學反饋，以便調整教學策略。隨著“新工科”教育理念的推進，傳統的結果導向評價模式已不滿足人才培養需求。因此，在《大數據分析》課程中，主要從評價維度、評價方法、評價目標、評價內容及評價指標等五個關鍵方面，對傳統的實驗課程評價體系進行全面改革與優化，以更好地適應物流工程專業對創新型、應用型人才的培養目標，如表2所示。

《大數據分析》課程的評價體系采用形成性評價與總結性評價相結合的方法，以全面評估學生在知識掌握、實踐能力、團隊協作以及創新思維等方面的表現。形成性評價通過課堂表現、單元作業和實驗報告三個維度進行，旨在激發學生的學習興趣、鞏固基礎知識、提升實踐能力，并培養學生的分析與總結能力。課堂表現的評價側重于學生的出勤率和課堂參與度，以促進學生的主動學習和課堂互動；單元作業的評價關注作業的完成度和準確性，以確保學生對課程內容的深入理解和應用；實驗報告的評價則聚焦于報告的完整性和質量，以提升學生的實踐能力和結果呈現能力。總結性評價通過項目考核和期末考試兩個維度進行，以綜合評估學生的實踐能力和知識掌握程度。項目考核的評價涵蓋項目開題報告、項目進度、人員分工、項目展示和項目結題報告，旨在培養學生在團隊協作、項目管理和綜合實踐方面的能力；期末考試則通過理論知識和實踐能力的考核，全面評估學生對課程整體內容的掌握和應用能力。這種綜合評價體系不僅關注學生的學習過程，也注重學習成果的展示，旨在為物流工程專業的學生提供一個全面、客觀、科學的學習評價機制，以促進其在數智化物流領域所需的關鍵能力的培養。

3教學改革實施效果分析

為深入評估《大數據分析》課程教學改革效果，本文對 2024年度選修該課程的120名物流工程專業學生進行了全面的問卷調查與數據分析。調查結果顯示，教學改革在提升學生數據分析能力、實踐技能等方面取得了顯著成效，但也存在需要改進之處。

通過對學生課程成績的統計分析，學習成效量化分布對比見圖3。改革后的教學方法，使“優秀”和“良好”成績的學生人數及比例顯著提升（見圖3（c）），分別達到了 35% 和 40% （見圖3（b）），相較于2023年改革前提高了 10% 和 13% （見圖3（a）））。這表明項目驅動與多元教學方法有效提升了學生對大數據分析核心概念和實踐技能的掌握。然而，約 4% 的學生未達到“及格”標準，雖較改革前的 8% 有所下降，但仍顯示部分學生在課程學習中面臨挑戰。

問卷調查還從7個維度收集了學生對課程的反饋，包括“知識點掌握”、“實踐技能提升”、“項目經驗積累”、“學習興趣激發”、“課程資源與支持”、“教學方法與互動性”及“課程內容與物流工程專業的結合度”等，如圖4所示。

在知識點掌握上， 86% 的學生認為案例講解和項目驅動教學模式有助于深入理解大數據分析的核心概念、算法和Python 編程技能，且課程內容的模塊化設計和豐富案例對知識點掌握有積極作用。 14% 的學生建議增加直觀圖表和動畫演示及前沿知識以拓寬視野。在實踐技能提升上， 81% 的學生表示實驗環節和項目實踐顯著增強了數據分析和編程能力， 19% 的學生指出實驗平臺穩定性不足，建議優化性能并增加資源備份。 74% 的學生通過綜合項目積累了項目管理經驗， 26% 的學生反映項目難度分布不均，建議進行分層設計。 83% 的學生表示互動式教學和實際案例激發了學習興趣， 17% 的學生認為部分理論內容枯燥，建議增加與實際生活相關的案例。 76% 的學生認為線上資源豐富，尤其是教學短視頻對自主學習幫助大， 24% 的學生反映資源更新不及時，建議定期更新。 82% 的學生肯定了混合教學模式和協作學習方法的有效性， 18% 的學生指出課堂討論組織不足，建議增加互動環節。 72% 的學生認為課程內容與物流工程專業結合緊密，但 28% 的學生指出部分實驗案例與專業需求貼合不夠緊密，建議優化實驗案例以增強實用性。

4結束語

在數字化轉型加速的背景下，物流工程領域對具備數據分析人才的需求激增。物流工程專業學生需掌握傳統知識和大數據技術，以解決復雜物流問題。因此，數據科學與物流工程的融合是專業發展的必然趨勢。本文聚焦西華大學物流工程專業的《大數據分析》課程，探討其在課程內容、教學方法、實踐平臺搭建及考核機制創新等方面的改革實踐。

本文旨在通過項目驅動教學，將數據分析原理與物流工程實際應用結合，幫助學生建立數據分析思維，培養解決問題的能力。課程改革注重激發學生學習興趣和自主學習能力，通過實踐項目讓學生體驗數據采集、處理到分析的全過程，提升其在物流工程領域的競爭力。此外，課程中的案例、數據和教學資源將為其他課程建設提供參考，推動專業教學體系的優化與升級。

參考文獻：

[1]人力資源社會保障部，中共中央組織部，等．加快數字人才培育支撐數字經濟發展行動方案（2024—2026年）[EB/OL].（2024-04-02）[2025-01-30]. https：//www.cli.com.cn/lhrh/hyxx/202404/t20240424_3958889.html.

[2]交通運輸部，國家發展改革委.交通運輸部 國家發展改革委關于印發《交通物流降本提質增效行動計》的通知[EB/OL].（2024-11-09）[2-30].htps：//dmsa.govcn/b54480d8bfdd1b14fd9a10872b1026db190c49f2a31fdde718ce7jhtml.

[3]國家發展改革委，國家數據局，教育部，等．關于促進數據產業高質量發展的指導意見[EB/OLJ.（2024-12-28）[2025-01-30].https：//www.gov.cn/zhengce/zhengceku/202412/content_6995430.htm.

[4]楊陽，郝玉婷，陶麗，等．大數據時代背景下數據分析類課程教學改革與實踐探索[J].物流科技，2023，46（5）：182-184.

[5]夏大文，王林，張乾．大數據應用技術課程教學改革與實踐[J]．大數據，2020，6（4）：115-124.

[6]呂瓊帥，楊雨，鞏躍洪，等．基于“教賽協同”的數據挖掘課程教學改革研究[J].高等教育學刊，2024（10）：136-140.

[7]楚永杰，蘇腫．大數據時代物流管理專業統計學課程教學改革對策研究[J].物流科技，2023，46（5）：182-184.

[8]彭卓華，王莉．大數據時代數值分析課程教學改革研究[J]．當代教育理論與實踐，2020，12（4）：48-52.

[9]戴志鋒，李春艷，靳洪．多學科交叉融合的數據科學與大數據技術專業課程教學改革與實踐[J].湖北經濟學院學報（人文社會科學版），2022，19（7）：4.