人工智能背景下面向科研素養培養的數據挖掘課程教學改革與實踐

中圖分類號：G642 文獻標志碼：A 文章編號：2096-000X（2025）21-0149-05

Abstract：Theteachingreformofprofessonalcoursesunderthebackgroundofarifialintellgenceisanimportantwayto cultivatennovativetalentsincolegesanduniversities.InviewoftheproblemthatDataMining;coursecanotmeetthetraining needsof innovativetalentsintheinformationfield，theteachingreformofDataMining;courseiscariedoutfromtheaspctsof teachingcontent，teachingmethods，asessmentandevaluationwiththegoalofcultivatingscientificresearchliteracyand inovationability.Thepracticeshowsthattheteachingreformcanefctivelyimprovethequaltyofcourseteaching，and comprehensively improve students’comprehensive scientific research literacy and innovation ability.

Keywords：artificialinteligencescientificresearchliteracy；DataMining；teachingreform;mltiplecomprehensiveevaluation

數據挖掘是數據科學、計算機科學、信息科學等一門專業核心課程，旨在培養學生的創新思維和實踐創新能力等-。近年來，高新技術迅猛發展，信息領域創新人才極其匱乏，其原因是缺乏對學生科研素養能力的培養。所謂科研素養能力，是指學生從事創新活動的綜合素質，涵蓋科學精神、科研方法、創新思維和實踐能力，能綜合運用專業知識創造性地解決問題的能力4。可以說，科研素養能力培養關乎信息領域高素質人才培養質量、自主創新能力和核心競爭力。因此，如何強化學生綜合科研素養和創新能力，培養信息產業發展高素質創新型人才，已經成為當前數據挖掘課程教學改革的迫切要求。

數據挖掘課程教學中的問題分析

隨著現代信息技術的迅速發展，國內很多高校通過整合線上線下教學資源，對數據挖掘課程教學改革進行了有益的探索，取得了一定的教學效果5。但同時，這些課程教學改革主要局限于理論知識傳授與實驗技能操作等傳統教學模式，很大程度上限制了學生綜合科研素養能力培養。盡管課程教學改革一定程度提升了教學質量，但仍存在一些突出問題。

一是課程間關聯與銜接性弱。在數據挖掘課程前后關聯與銜接上，存在一些脫節，課程教學孤立。如神經網絡、監督學習、非監督學習等介紹較少，而這些內容卻是數據挖掘課程教學用到的知識點，這樣造成課程內容銜接性差，學生學習壓力較大，達不到課程教學目標。

二是教學內容不全面系統。當前多數高校數據挖掘課程內容與人工智能或數據科學相差較遠，很多知識點過于陳舊冗繁，部分內容與多元統計、機器學習、人工智能等前導課程存在重疊和脫節，學生難以充分掌握專業知識和激發創新熱情

三是教學方式重灌輸輕思考。現階段數據挖掘課程教學方式以教師授課為主，學生自學能力差，參與度低，主動學習效果有限，難以培養學生自學和科研素養能力。

四是實踐創新能力不強。數據挖掘是一門實踐性很強的課程，傳統的課程實驗教學多為驗證型實驗，綜合型和設計型實驗極少，學生綜合訓練能力不足，缺乏學習驅動力，難以提高實踐創新能力。

五是課程考核方式單一。現階段課程考核方式以期末考試為主，缺少課程過程性考核，形式單一。主觀評價程度高，很難全面綜合考核評價學生。

基于上述問題，亟須開展數據挖掘課程教學改革，進一步培養學生科研思維、科研精神和創新能力。

二 數據挖掘課程教學改革思路

人工智能背景下，數據挖掘課程教學改革思路是，以培養高素質創新型人才為目標，堅持“以學生為中心和成果導向\"教育理念，設計課程教學創新思路[10-]。首先，根據課程目標，對課程內容知識點重構，包括監督學習、非監督學習、神經網絡等與數據挖掘緊密聯系的理論課程、實驗課程、前導課程、課時分配等；其次，根據課程目標，設計“課前 + 課中 + 課后\"三位一體教學模式，開展混合式教學；最后，對課程進行多元考核評價，檢驗課程目標達成度，總結分析發現的問題，提出改進措施，提高學生科研素養和實踐創新能力。數據挖掘課程教學改革總體思路如圖1所示。

從圖1可知，數據挖掘課程教學改革緊密圍繞課程目標開展。課程內容包含從“數據探索\"到“數據挖掘發展趨勢與前沿\"五大知識模塊，進行教學創新設計，并為每個知識模塊提供實驗實訓支撐。本文以面向科研素養和創新能力培養為目標，從教學內容教學方法、和考核評價等方面開展課程教學改革探索與實踐。

三基于科研素養培養的數據挖掘課程教學改革

（1） 教學內容設計

加強課程教學改革，培養學生科研素養和創新能力，是實現課程目標和提高人才培養質量的關鍵3。按照“兩性一度（高階性、創新性、挑戰性）\"標準，開展課程教學改革實踐與探索。針對課程內容關聯度與銜接性弱，課程內容陳舊冗繁、重疊和脫節等現狀，重構數據挖掘課程內容。從數據挖掘前導課程、平行課程及以科研素養培養為核心等方面著手，將神經網絡、監督學習、非監督學習等與本課程緊密相關的知識點納入課程教學中。數據挖掘課程教學內容見表1。

表1數據挖掘課程教學內容

表1中，關聯課程相關內容包括機器學習中的監督學習、非監督學習、神經網絡及模式識別等。同時，數據挖掘技術已廣泛應用于商業、醫療、公共安全等領域，課程教學中應要求學生熟練掌握SAS、SPSS、R、Python、IMRS、CRM等平臺工具。

（二） 教學方法改革

堅持“以學生為中心、成果導向\"教育理念，結合數據挖掘課程目標、學生科研素養能力培養需求等，設計“課前自主學習 + 課中互動教學 + 課后拓展學習”教學模式，即“課前、課中、課后\"三個階段，以及“互動式參與、引導式教學、混合式教學、探究式實驗、持續式改進”五式，如圖2所示。

1課前調研

教師在開課前，通過雨課堂平臺發布問卷調研，了解學生對該課程的學習需求和預期目標，結合課程目標，設計課程教學方案，針對不同專業學生適度調整教學內容深度和廣度，以及合理配置教學資源，并選擇合適的教學方法，確保學生都能掌握理解知識點等。

2課堂混合式教學

在課程實施階段，運用線上線下混合式教學，構建課前自主學習、課中互動式教學、課后延伸拓展教學方式，激發學生學習自主性和熱情，提高課程教學質量和學生科研素養能力。具體做法如下：

1）上課前讓學生明確自主學習目標、學習任務、內容和要求。教師根據課程目標，將準備好的教學資源上傳至雨課堂平臺，供學生自主學習，通過在線交流、小組討論、教師點評等方式答疑解惑。同時，設置課前知識點測試，雨課堂平臺根據測試結果，掌握學生學習情況，重構課堂教學內容，促進課前自主學習與課堂互動教學相互銜接，提高課程產出。

圖2數據挖掘課程三階五式段教學模式

2）課堂上教師根據課前自主學習情況，針對性地講解重難點問題，梳理知識體系，組織學生小組討論、問答等互動活動，加深對相關知識的理解，調動學生創新創業積極性。同時，針對重難點問題，可以結合典型案例分析，案例來源于實際生產或日常生活等。

3）課后設置拓展性學習任務，如教師可以推送相關前沿文獻，鼓勵學生開展研究性學習，或以主題討論方式，學生通過查閱資料，獨立思考或小組合作完成，也可以借助網絡、書籍等形式，教師學生對學習過程中遇到的重點難點問題，適時給出指導。

3課后反饋

課程結束后，根據學生學習過程和效果開展評價，檢驗課程目標達成度。針對課程教學中存在的不足問題、學生提出的建議等，進行深人總結和反思，提出教學改革改進措施，如進一步更新教學資源、優化課程內容、創新教學模式等。

（三） 實踐教學改革

1實驗內容設計

數據挖掘實驗是將課程理論知識轉化為實踐能力，培養學生分析問題、實踐動手和解決問題的能力[12-13]。在課時分配上，現階段數據挖掘課程總課時為48課時，其中實驗課時16課時，實驗內容多以驗證技能為主，很少應用型與設計型實驗。為了提高實驗課程教學效果，重構優化實驗教學內容，將以往的16課時調整至16課時實驗內容 ⁺⁶ 課時課程設計，設計驗證型、應用型及設計型三種實驗。其中，驗證型實驗培養學生運用基本理論知識和算法；應用型實驗是培養學生運用相關專業知識分析問題，并編寫完整實驗報告；設計型實驗培養學生運用專業知識方法解決復雜問題能力，培養學生創新能力。實驗重構內容見表2。

表2數據挖掘重構實驗內容

2實驗教學方法改革

依托信息化技術和E-learning實驗教學平臺，依據“學生主導、教師引導\"原則，開展多階段實驗教學方式，綜合訓練學生實踐創新能力[14-16]。

1）研討式教學。實驗開始前，教師通過雨課堂平臺將實驗課時安排、實驗目的、原理、教學大綱等發送給學生，要求學生對實驗內容有大致了解。其中，教師可以將實驗課程中的理論知識和重難點知識設計為線上問題，要求學生課前學習，以加深了解實驗內容，培養學生創新意識和科研精神。

2）混合式教學。實驗互動教學過程中，運用現場指導和答疑的方式開展互動式教學。教師講解重難點及實驗注意事項，部分內容要求學生講解，幫助實驗小組及時解決實驗過程遇到的問題。在實驗方案制定和實驗匯報中，教師通過翻轉課堂、學生分組討論交流等模式，提高學生實驗課堂參與度。

3）實驗總結。實驗結束后，學生需要撰寫實驗報告，檢驗學生分析總結與凝練問題，鍛煉學生科研思維能力。同時，通過編寫實驗報告，學生重新回顧整個實驗過程、內容和步驟，并提出改進措施，培養學生綜合科研素養能力。教師通過評閱實驗報告，發現問題及時反饋給學生，加強師生互動交流。

4）開放實驗。一方面，課堂實驗沒有圓滿完成實驗內容的學生可以申請延長實驗時間；另一方面，部分學生可以對實驗內容中一些重難點疑問，教師安排答疑，確保學生對實驗內容深度理解和掌握。

綜上，通過改進實驗教學方法，鍛煉了學生實踐動手能力，提高學生綜合科研素養能力；通過編寫實驗報告，鍛煉了學生發現、分析和解決問題的能力；通過拓展延伸實驗項目，鍛煉了學生將專業知識轉化為實際應用的綜合能力。

（四） 多元化考核評價

多元考核評價是了解課程教學模式達成預期教學目標和取得預期學習效果的程度，包括學習過程和學習效果兩方面。

1）學習過程評價。學習過程評價是考查學生學習自主性和創新思維能力。OBE教育理念下，學生過程評價包括線上學習、平時作業、課堂表現、課程論文和探究性項目、科研實踐成果等，更加體現為學生自主學習、創新思維、創新精神等。

2）學習效果評價。學習效果評價是考查學生掌握課程內容程度。現階段單一化考核方式難以全面衡量學生實踐創新能力，也無法體現學生科研素養能力。綜合考慮學生過程、學習結果，多元化考核評價體系見表3。

表3數據挖掘課程多元化考核評價體系

四數據挖掘課程教學改革成效

（1） 激發學生學習興趣

數據挖掘課程教學改革自實施以來，受到學院師生充分肯定和認可。通過問卷調查相關專業學生，共發放問卷128份，回收128份，回收率 100% 。結果顯示，92.4% 的學生對課程教學內容和教學方式十分滿意度，認為課堂師生互動教學，有助于增強學生學習興趣與熱情； 95% 的學生贊同課堂案例式和混合式教學，認為這種教學方法更有助于學生理解和掌握知識，對科研思維和科研能力培養幫助很大；有少數同學（約 7.5% ）認為該教學方式增加了學習負擔，擔心有限學時內無法完成課程教學。問卷表明課程教學方法達到了預期效果。

（二） 學生學習效果

1）期末考試成績明顯提高。將實施教學改革的實驗班（2020級大數據班），與傳統教學方式的對照班（2019級大數據班）進行對比發現：實驗班數據挖掘課程考試成績無不及格現象，平均成績76.5分；對照班數據挖掘課程考試有3人不及格，平均成績68.5分；實驗班的最高成績、平均成績、優秀率（90分以上）等均高于對照班級。結果表明，本課程教學方法能夠顯著提高學生期末考試成績。

2）實踐創新能力不斷增強。實驗教學改革實施以來，實驗班學生編寫的實驗報告內容、分析思路過程、規范化程度、準確性及完整性等方面明顯優于對照班學生的整體水平。說明實驗教學改革有利于提高學生學習能力、分析問題、語言表達和實踐創新能力。

（三） 教師教學成果

1教學效果顯著突出。開展混合式教學、案例式研討教學改革后，學生學習自主性、積極性顯著提高；實施小組討論、團隊合作、組間互評形式教學，學生團結協作、社會責任意識不斷增強，鍛煉了學生創新思維能力；實施探究式課堂改革，學生創新思維和實踐創新能力顯著提升，課程組一年來指導學生獲省級以上競賽獎30余項，包括“挑戰杯”中國國際“互聯網 + \"大學生創新創業大賽、統計建模大賽一、二等獎等。

2）教學質量不斷提升。課程教學改革實施以來，課程組已形成較為完善的數據挖掘課程教學大綱，教學質量不斷提升；課程組一年來發表相關教改論文6篇，立項省級和校級以上教學改革研究項目7項，出版專業教材1部，教師獲省級以上教學創新大賽一、二等獎3項等。

五結束語

人工智能背景下，推進課程教學改革是提高課程教學質量和學生綜合素養培養的有效途徑。本文以數據挖掘課程教學改革為例，分析并總結數據挖掘課程教學存在的問題，從課程教學內容、教學方式和考核方式等開展教學改革，并取得了一定的成效。實踐表明，數據挖掘課程教學改革，能夠有效加強學生科研素養和創新能力培養。然而，課程教學改革是一項復雜的系統工程，目前的數據挖掘課程教學方式仍需不斷完善，需要在教學改革實踐中不斷探索、總結、反思和持續改進，提升課程教學質量。

參考文獻：

[1]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.

[2]楊陽，郝玉婷，陶麗.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]高等工程教育研究，2023（5）：54-59.

[3]付坤，王瑞，楊罕.等.高校本科生科研素養培養教育探索[J].實驗室研究與探索，2017，36（3）：207-211.

[4]朱新寧，楊汀瀅，張春紅.面向科研素養的大學生創新教育探索與實踐[J.北京郵電大學學報（社會科學版），2020，22（6）：108-118.

[5]翠琛，劉波，彭余.多模態融合下的數據挖掘課程教學改革[J]計算機教育，2024（4）：38-43.

[6]鄧娜，王春枝，葉志偉，等.工程認證環境下基于BOPPPS模型的數據挖掘課程教學設計[J].計算機教育，2017（12）：113-115.

[7]郝莉，馮曉云，宋愛玲，等.新工科背景下跨學科課程建設的思考與實踐[J].高等工程教育研究，2020（2）：31-40.

[8]郭傳好.需求驅動的數據挖掘課程教學改革研究[J].中國教育信息化，2019（21）：88-90.

[9]蔣宗禮.本科工程教育：聚焦學生解決復雜工程問題能力的培養[J].中國大學教學，2016（11）：27-30，84.

[10]于健，劉志強，高潔.新工科背景下數據挖掘課程的教學改革探索[J.計算機教育，2023（3）：130-134.

[11]楊馨，鄭蝶，馬顏雪，等.基于OBE理念的交叉學科實驗室建設探索[J].實驗室研究與探索，2023，42（2）：268-271.

[12]裴鈺鑫，汪惠芬，李強.新工科背景下跨學科人才培養的探索與實踐[J].高等工程教育研究，2021（2）：62-68，98.

[13]徐新愛，朱恩芳.數據結構課程實踐教學改革探索與實踐[J].實驗室研究與探索，2021，40（9）：186-192.

[14]林喆，秦志宏，匡亞莉.工程教育認證背景下大學研討型課程的教學實踐與思考[J.高等理科教育，2017（4）：87-90.

[15]王彥飛.產教融合背景下高校創新創業教育的發展現狀和路徑[J].創新創業理論研究與實踐，2022，5（4）：58-60.

[16]施曉秋.遵循專業認證OBE理念的課程教學設計與實施[J].高等工程教育研究，2018（5）：154-160.