谢红霞 孟学多

摘  要： “Python数据分析基础”课程追求以问题求解为出发点和落脚点，培养学生学科交叉和创新应用能力。课程通过中国大学MOOC平台把所有教学环节打通，及时了解学生的学习情况，帮助教师把握教学节奏，调整教学方法。积极开展线上线下混合教学实践，教学内容、教学方法、课程实践、课程考核各环节紧密配合，把教学设计落实到平时的教学过程中。教学实践获得了较好的教学效果，通过了学校示范课堂认定，并帮助学生在学校的数学建模比赛中取得了满意的成绩。

关键词： 线上线下; 教学设计; 课程实践; 教学评价

中图分类号：TP301          文獻标识码：A     文章编号：1006-8228（2021）04-89-03

Abstract： The course of "Fundamentals of Python Data Analysis" aims at problem solving as the starting point and objective， to cultivate students' interdisciplinary and innovative application ability. Through The Chinese University MOOC platform， the course connects all teaching links， timely understands the learning situation of students， and helps teachers grasp the teaching rhythm and adjust teaching methods. Actively carry out online and offline blended teaching practice， closely cooperate with teaching content， teaching methods， course practice and course assessment， implement the teaching design into the ordinary teaching process. The teaching practice has achieved good effect and passed the appraisal of school demonstration class， and help students obtain satisfactory results in the school's mathematical modeling competition.

Keywords： online and offline; teaching design; curriculum practice; teaching evaluation

0 引言

互联网时代，我们每一次敲击键盘、每一次点击鼠标、每一次访问网络资源，都构成了大数据的一部分，都可能被挖掘、分析、使用，或帮助企业分析出某种趋势，完成某项互动或决策。大数据是人类技术发展的最新趋势，数据分析的本质就是揭示数据背后的规律，使数据产生价值。

数据分析的知识范畴包括了计算机科学、统计学及各领域的专业知识，研究从实际问题出发对数据进行建模、分析、预测[1]。本课程是全校公选课，32学时，学生来自全校各专业，计算机基础参差不齐，但他们都抱着对数据分析的兴趣而来。如何用最简单的方式、最实用的技术使学生快速入门，结合实际问题做出数据分析报告，是本课程的目标。采用线上线下结合的方法，不断实践，不断解决问题，课程设计始终围绕这个思想展开。

1 教学设计

1.1 教学内容设计

本课程不泛泛地讲解各类数据分析技术或深层次的理论和算法，也不纯粹介绍各种第三方库的使用，而是根据大多数初学者的特点，设计系列案例来引导学习过程，激发学习者的学习兴趣和应用创新。通过案例的演示和迭代开发，由浅入深，逐步引出知识点，并讨论其中涉及的相关数据思维、激发学生的创新。课程教学内容覆盖数据分析基本步骤、数据的组织和存储格式、数据清洗、转换与合并、数据汇总和统计、机器学习、数据可视化，介绍数据分析技术在文本、图像、时序等领域的最新应用[2]。

主要教学内容及学时设计如下：

⑴ Python编程精讲，四学时;

⑵ 学会使用Numpy、Pandas常用数据分析库，十学时;

⑶ 学会利用Matplotlib进行数据可视化分析，三学时;

⑷ 学会基本的机器学习建模分析，六学时;

⑸ 学会基本的文本数据分析，三学时;

⑹ 了解图像数据处理、时序数据与语音处理的基本分析方法，二学时;

⑺ 数据分析实战，二学时（小组答辩）;

⑻ 随堂考试，二学时。

1.2 教学方法设计

全面采用线上线下翻转课堂的教学方法。选用中国大学MOOC平台，建设独立SPOC，该平台资源丰富，稳定可靠，而且用平台的慕课堂辅助线下教学，进行签到、小组划分、限时答题、随机点名、讨论等。一个平台覆盖了课程教学各环节的需要[3]。具体的教学方法设计如下。

首先，充分发挥线上学习的优势，教学视频按周在平台发布，网上视频分为两种类型，一类是知识点讲解，一类是习题示范，学生看视频学知识，对照视频做作业。

其次，线下课堂讲重点和难点，做随堂小测、互动交流、作业汇报。每次上课时教师开启慕课堂，学生用微信小程序登录慕课堂，先做随堂小测，通常是5题选择题，限时5分钟回答，考察课前的视频学习情况，又兼做课堂考勤。随后教师讲重点和难点，课程中间穿插限时答题，实时反馈答题结果，知晓学生学习情况。灵活运用讨论和互动功能，借助慕课堂可以自由讨论，也可以随机点名回答问题。剩下课堂最后15分钟做随堂作业，把课堂上讲的案例更换数据后再做一遍，目的是让学生把代码敲一遍，加深理解，促进动手实践，掌握本次课的内容。课堂上讲、练、测结合，使学习过程更加高效和有趣[4]。

1.3 课程实践

作为课程的重要组成部分，需要完成一份大作业——撰写数据分析报告，以小组为单位，鼓励学生跨专业组队，期望解决不同专业领域的问题。

解决问题的能力和意识需要在课程教学中培养，需要通过习题、作业、项目实践的启发和训练。特别是以项目为引导的实践训练，培养学生用数据分析的手段解决不同领域问题的意识和能力[5]。课程的出发点和最终目标始终是面向问题求解。

1.4 课程考核设计

在课程考核上，将所有教学环节纳入其中，注重过程性考核，注重动手实践能力的考核[6]。具体成绩组成如下：

⑴ 完成四次课程单元测试;（10分）

⑵ 完成七次课后作业;（10分）

⑶ 完成课堂交流讨论三次及以上;（10分）

⑷ 完成大作业，撰写数据分析报告并答辩;（20分）

⑸ 参加理论考试;（50分）

每次作业、单元测验、交流讨论都在SPOC平台上保留了原始数据，通过平台的学情统计，课程数据统计，学习数据统计，非常方便地评价并导出学生成绩。

2 教学实施

2.1 落实平时教学过程

清楚了教学目标及方案后，落地是关键，因此，要加入多个监测点，需要老师去推动和督促，让教学设计真正落到实处。

整个学期，在SPOC平台上发布了七次课后作业、四次单元测验、十一次随堂小测。课后作业用学生互评的方式，根据评分标准每个同学需评价五份其他同学的作业，由系统随机选定。单元测验限时30分钟，两次机会，覆盖课程的所有章节内容和要求。所有学习数据、课程数据实时查看，一目了然。如图1、图2所示。

2.2 落实课程大作业

促进以小组为单位的合作学习和实践学习。从本课程第一次上课就明确小组大作业的要求和落实方法，让同学们留意日常生活或本学科领域中数据分析的实例，一开始就培养数据分析的意识。到第八周，以四人为一个小组自由组队，鼓励学科交叉，小组成员分工合作，从定题目，找数据，选择分析方案直至写出数据分析报告。期末时，进行大作业答辩，答辩是对每个小组作业质量的检验，杜绝打酱油，随机在小组中，抽一位同学代表该小组汇报和答辩，5分钟时间，其他同学和老师作为评委，根据该组所做项目的质量、创新性、PPT制作、答辩情况来打分，该成绩为小组每位同学共享。课程大作业占课程成绩的20%，期末答辩前，在第十二周安排中期抽查。

前期落实到位，最终的课程大作业收到了比較好的效果，学生思维活跃，选题丰富，如：基于校园卡刷卡数据的城市学院学生消费行为分析，基于武汉Covid19感染数据的分析建模，人民日报文章分析。整体答辩效果非常好，学生愿讲、能讲、具有讲好的愿望和能力，每组同学讲完都收到热烈的掌声，起到了很好的作品展示和相互学习的效果。

图3、图4是期末答辩时的小组汇报，全程在钉钉群直播。

3 教学效果和学生评价

尽管这是一门公选课，但同学们的学习热情很高，开学和期中做了两次问卷，数据显示学生对课程的认可度为81.8%，另36.4%的同学表示课程太难。因为是全校性公选课，选课同学中有近80%的同学来自工科专业背景，另20%的同学来自商学院、医学院等其他专业。选课同学中有50%的同学没有Python语言基础。这些因素导致学生对课程的接受程度有明显区别。

课程总结中，学生写下了对这门课的评价。学生王铭杰说：本次课程虽然是公选课，但是学习到的知识点非常广，甚至超越了许多通识必修课程。在我的眼中，数据分析课程是一门实用性极高、实践性也极高的课程，不但需要在课上进行听讲演练，课后还需要自己手敲代码一步步摸索各个第三方库、函数、模型的意义。而关于实用性，我觉得是毋庸置疑的，在近期开展的学校数学建模比赛中，我们小组成员便使用了Python数据分析作为工具，最终取得了比较好的成绩。希望日后我能将所学知识运用到各个地方，也祝这门课程越开越好。学生对课程如此评价令人欣慰。

4 结束语

本文探讨了以建设线上线下混合金课为契机，深耕教学内容，改革教学方法，重新整合资源，把教学设计落到实处。发挥SPOC平台的功能和优势，跟踪学习数据和课程数据，灵活掌控教学过程。坚持以问题求解为出发点和落脚点，培养学生的学科交叉和创新应用能力。后续将坚持线上线下混合教学总体方向，在前期教学积累的基础上进一步完善教案和配套，在学科交叉和应用能力培养上再作研究和探索。

参考文献（References）：

[1] 宋晖，刘晓强.数据科学技术与应用[M].电子工业出版社，2018.

[2] 余本国.基于Python的大数据基础及实战[M].中国水利水电出版社，2018.

[3] 王瑞芬.线上线下混合教学模式在统计学中的应用[J].教育教学论坛，2020.25：211-212

[4] 杨蓓.我国高校《审计学》课程线上线下混合式教学模式研究[J].智库时代，2019.47.

[5] 马超，曽红，王宏祥.线上线下混合实验教学模式研究[J].实验室研究与探索，2019.37：185-189

[6] 李建荣.线上线下混合式教学探索与实践[J].教育教学论坛，2019.37：164-165