熊炼 赵伦 杨柳 王豪

摘要： 针对高校大数据课程教学面临的困难，分析当前教学方式存在的问题，提出以课赛融合的方式推进课程教学改革。通过建立学科竞赛习题库、竞赛知识图谱，优化教学内容，以及教师参与竞赛指导、竞赛参与课程考核等方式，有效地激发学生的学习兴趣，提高其实践动手能力，明显地改善了教学效果。

关键词： 大数据; 课赛融合; 学科竞赛; 教学改革

中图分类号：G642     文献标识码：A     文章编号：1006-8228（2021）10-111-04

Research on the teaching of big data course with the integration of course and competition

Xiong Lian1， Zhao Lun1， Yang Liu1， Wang Hao2

（1. School of Communication and Information Engineering， Chongqing University of Posts and Telecommunications， Chongqing 400065， China;

2. School of Computer Science and Technology， Chongqing University of Posts and Telecommunications）

Abstract： In view of the difficulties faced by the teaching of big data course in colleges and universities， this paper analyzes the problems existing in the current teaching methods， and proposes to promote the teaching reform for the course by integrating the course and competition. Through the establishment of subject competition exercise bank and competition knowledge graph， and the optimization of teaching content， as well as teachers' participation in competition guidance and including the competition in course assessment， and other ways， students' learning interest is effectively stimulated， their practice ability is improved， and the teaching effect is obviously improved.

Key words： big data; integration of course and competition; subject competition; teaching reform

0 引言

2008年Apache基金會开发的开源分布式系统Hadoop，在包括Yahoo在内的多家互联网公司成功运用后，其卓越的性能和开源特性，受到各大科研院所和企业的关注。众多学者和工程师在此架构上不断改进和创新，大数据成为了继云计算、物联网之后IT行业的又一颠覆性技术。

信息科技变革，要求所有信息技术类专业人才必须具备“大数据与智能化创新能力”的基础素养[1]。但是，高校的传统人才培养方案基本上是从各自专业领域出发，制订相应的教学计划，无法适应该需求。显然，信息技术类各专业对大数据与智能化创新能力的培养存在共性需求，但这些专业间又存在较大的学科知识及行业领域差异，人才培养目标的具体需求也各不相同[2]。

针对本科生，重庆邮电大学目前开设的大数据类课程有三门，分别为“数据分析基础”、“大数据技术及应用” 和“云计算和大数据技术”，主要授课对象为大学二年级和三年级本科生，三门课程均为3学分，48学时。教学内容主要涉及Google云计算原理与应用、OpenStack与虚拟化、大数据架构Hadoop、分布式存储HDFS，分布式计算Mapreduce，分布式数据库Hbase，非关系型数据库NoSQL，以及相应的数据分析挖掘算法，如回归分析、聚类分析、主成份分析、推荐算法、人工神经网络等。

大数据课程涉及到的知识点较多，也较为复杂，对学生的理论知识和编程能力要求比较高，仅依靠上课时间，就让学生掌握并灵活运用，十分困难。尤其是基础一般的学生，课堂上的理论学习就会遇到很大阻力，跟不上学习进度，面对实际开发应用和项目时，更是无从下手。这种现象，与当前高校教学过分重理论、轻实践、重学术、轻工程等教学方式是分不开的，不利于学生创新思维、动手能力的培养。导致学生在课堂上感到枯燥，学习兴趣下降，课下又无法理论联系实际，将学习到的知识运用在工程项目中。

在“新工科”建设和“工程教育专业认证”背景下，专业人才需要适应新的行业需求，需要具有较强的实践和创新能力，解决实际工程问题[3]。学科竞赛是培养具有实际动手能力、创新能力高素质人才的有效途径之一，是课堂教学和学科建设的拓展，可以让学生深入理解专业知识，在此基础上进行系统知识梳理和实践应用[4]。学生参与学科竞赛的全相当于完成了一个小型的科研项目，该过程能极大地激发学生的创新思维，提高学生的实践能力，同时培养学生的协作精神[5]。

在2017年底公布的全国第四轮一级学科评估中，重庆邮电大学计算机科学与技术和通信工程学科均获得B+的成绩。本文结合自身特点和教学科研经验，提出并开展了基于课赛融合的大数据课程教学，通过竞赛促进教学，激发学生主动获取知识的欲望，教学效果得到明显改善。

1 课赛融合教学现状

当今无论是政府、企业还是高校，对大数据、人工智能领域都保持着极大的兴趣，举办了非常多的面向在校學生的学科竞赛[6]。如数据科学分析竞赛平台Kaggle、阿里巴巴天池大数据比赛、全国高校云计算应用创新大赛、滴滴全球Di-Tech算法大赛、国际知识发现和数据挖掘竞赛（KDD-CUP）竞赛、Byte Cup国际机器学习竞赛、全国高校计算机大赛——大数据挑战赛等。这些都是面向全球高校在校生开放，完全免费，并且以企业真实场景和实际数据为基础的高端算法竞赛，均是旨在提升高校学生对大数据架构、工作原理及大数据分析挖掘算法研究与技术应用能力，探索大数据的核心技术与科学问题[7-8]。

学科竞赛能够有效地推进课程建设和教学改革，培养和提高大学生实践和创新能力[9-10]。但就目前的教学资源和环境来说，高效合理的利用学科竞赛，将竞赛和课程进行有机结合，还面临以下几个问题。

⑴ 竞赛信息缺乏整合

当前大学生的各种比赛层出不穷，门类众多。每项比赛均有其面向的应用领域和参赛对象。学生真正了解或接触的门类也只有少数几个，如数学建模、电子设计、互联网+、国际大学生程序设计竞赛（International Collegiate Programming Contest， ICPC）等，这些比赛大部分涉及到的专业知识较广，不针对某一特定专业。并且存在赛事周期较长，获奖困难等问题，容易使部分学生比赛中途放弃、甚至不敢报名。更为重要的是，学生对很多赛事的比赛内容、规则并不了解，也不知道自己所学的专业知识有什么用，可以解决什么问题，适合报名参加那项比赛。因此，对大数据类学科的竞赛信息进行分析整合，指导并鼓励学生参加熟悉、专业相关且感兴趣的赛事，意义重大。

⑵ 师资队伍建设有待提升

大数据课程里面的理论内容，会涉及到各种数据分析挖掘算法，如线性回归分析、主成分分析、聚类分析、推荐算法、人工神经网络等，内容偏重理论和公式推导，如果只根据教材讲解，就会使人感觉枯燥乏味。因此需要结合大量的实际案例，通过应用实例分析，加深学生对重难点知识点的理解和掌握。但是，当前大部分高校老师，主要精力都在理论研究上，接触实际工程项目的机会较少，实战经验缺乏。因此，需要建立一批具有大数据分析挖掘项目经验的师资队伍，才能更好的满足后续教学和竞赛指导的需求。

⑶ 教学内容及方式有待改进

大数据课程目前的教学仍然是按照传统方式进行，以教师为主体，按照教材上的内容进行单方向知识传输。在这种教师为主体的教学模式中，主要时间是用来进行理论知识的讲授，难以体现出学生在教学中的主体地位，没有足够的互动教学内容，难以提升学生的实践操作能力。并且，仅依靠课堂内的理论和实验教学，时间有限，无法让学生自己动手编写稍微复杂点的大数据分析挖掘算法，不利于学生创新思维的培养，也无法真正解决工程中的实际问题。

2 课赛融合教学设计

竞赛是从实际应用的角度出发，可以促使学生在全面掌握理论知识后，向专业应用型人才发展，学生在实践过程中寻求理论和方法上的创新，毕业后能够将所学知识直接运用到工作中。

同时，竞赛可以推动课程教学，让学生实现从课堂上的被动听课，到课下的主动学习、开发项目的转变。因为在竞赛的过程中，总会存在一部分知识、方法是学生不了解或没接触过的，学生要想完成竞赛就需要主动查找相应的资料，学习相应的方法。在此过程中，学生学习的积极性就会得到有效提高，会主动学习甚至钻研某方面知识。

2.1 教学思路

根据专业培养计划和课程教学目标，将竞赛和课程进行有机结合，建立学科竞赛习题库、学科竞赛知识图谱、编写课程教学大纲、优化教学内容和方法、改进课程考核，鼓励和辅导学生参加竞赛，推进教学改革。

通过上述举措，一方面可以很好的提升学生解决实际工程问题的能力，对大学生培养创新能力、自主学习能力、动手能力及团结合作能力的培养，发挥积极的作用。另一方面，能够有效提高教师的教学质量，极大程度上激发学生的科技创新热情，从而潜移默化地培养学生的创新思维，满足“新工科”专业人才的培养需求，培养出高素质的综合性专业人才。

2.2 教学方法

遵循课赛融合的教学思路，采取优化课程教学内容、任课教师参与竞赛指导、竞赛参与课程考核等培养措施，提高课程的教学水平。总体设计如图1所示。

⑴ 建立学科竞赛习题库

调研当前大数据领域的各类学科竞赛，分析每种赛事的报名要求、比赛时间、场所、试题范围、试题难度等信息，建立学科竞赛档案，为学生提供全面的赛事报名指导服务;在此基础上，研究各类大数据分析挖掘比赛的历年赛题，分析赛题涉及的知识点，分析赛题解题思路和方法，建立学科竞赛习题库，供学生使用，进行针对性教学和训练。

⑵ 建立学科竞赛知识图谱

通过分析各项赛事的比赛内容、历年真题，建立基于课赛融合的学科竞赛知识图谱，搭建一套完整的知识体系，帮助学生更好的了解本专业的培养方案、知识框架和重难点内容，学生也能根据自己报名参加的比赛，依据知识图谱，自主查阅相关资料学习。

⑶ 优化课程教学内容和方法

根据本专业学生的培养方案、课程教学目标等要求，结合建立的学科竞赛习题库和知识图谱，找出与本门课程知识点相关联的地方，优化课程教学内容，突出重点，贴合竞赛进行课程设计，使每一个教学内容都能够与专业竞赛相关联，努力形成学后赛、赛辅学的科学发展局面。同时，教师教学进度应当循序渐进，从实现最基本的数据统计分析方法开始，到机器学习、人工神经网络、深度学习、强化学习等进阶方法，最终给学生构建一个相对完整的大数据分析挖掘知识体系。

⑷ 任课教师参与竞赛指导

授课老师参与竞赛指导，从前期的赛事宣传、赛事报名、队伍组建、赛事培训，到参赛过程中的知识点串讲、重难点答疑、解题思路讨论等，教师都发挥着相当重要的作用。教师对学生进行竞赛指导，可以使人才培养达到重难点事半功倍的效果。另外，发挥学生之间的“帮扶带”的作用，让上一届比赛获奖的学生，带领下一届，并通过比赛宣讲会，分析比赛经验，传授解题技巧。

此外，数据挖掘分析类竞赛往往对学生的专业基础要求较高，学生自行研究而缺少指导，容易在摸索阶段就失去学习的积极性和主动性。为此，教师在课堂上结合实际的大数据分析挖掘案例和竞赛真题，讲授一些难以理解的理论知识，加深学生对所学理论知识的理解程度，帮助学生快速度过初始阶段，进入算法实现与创新阶段，使学生体验到参加人工智能竞赛的乐趣。同时，可聘请在大数据工程应用领域有丰富经验的高校老师、企业专家讲解实际项目中的大数据分析挖掘经典案例，激发学生学习兴趣。

⑸ 竞赛参与课程考核

课程与竞赛之间不能各自孤立，将竞赛融入课程考核可以激发学生参与学科竞赛的积极性。可以根据学生的竞赛成绩，免除学生的课程考试，或者提高实践操作的成绩比例，鼓励学生参加各类学科竞赛。但需要注意的是，激励是适度的，要权衡好课程教学与竞赛的关系，让学生明白参加竞赛是为了更好地学习课程，由此激发学生的学习热情，提高学习能力和专业水平。

⑹ 基于课赛融合的人才培养方法

根据“新工科”、“工程教育专业认证”里提出的培养创新人才、应用型、复合型和技能型人才的要求。结合专业培养计划、课程教学内容、教学目标，分析课程涉及到的知识点与竞赛赛题之间的联系，归纳总结解题思路，编写基于课赛融合的课程教学大纲，帮助授课教师在课堂上进行理论与赛事的融合教学，加深学生对知识的理解和掌握程度，激发学生的学习兴趣和实际动手能力。

3 结束语

大数据人工智能时代，缺乏的不是数据，而是数据背后隐藏的价值。显然，对于大数据专业的学生来说，仅靠教材内容，掌握课堂上讲授的大数据架构、基本原理和常见大数据分析挖掘方法，很难将所学知识融会贯通，灵活运用，无法解决实际工程项目问题。

从近三年的教学经验和成果来看，课赛融合式教学，为上述为问题提供了有效的解决途径。课赛融合可以促使我们在教学上有全面的思考，如优化课程教学内容，改进教学和考核方式，课内进行大数据架构、原理及相关算法的理论讲解，课后鼓励和指导学生参加各项大数据学科竞赛;把传授知识和培养技能、课堂内教学和课外实践结合起来，让学生把学到的知识灵活运用在实际项目中，有效提升学生的学习兴趣和自学能力。

参考文献（References）：

[1] 林子雨.大数据技术原理与应用[M].人民邮电出版社，2015.

[2] 王国胤，刘群，夏英等.大数据与智能化领域新工科创新人才培养模式探索[J].中国大学教学，2019.4：28-33

[3] 肖大薇，姜立秋，李彤.新工科背景下应用型大数据人才培养路径探究[J].计算机教育，2019.4：89-92

[4] 仲兆满，管燕.工程教育背景下《大数据采集与分析》课程教学设计[J].教育现代化，2019.6（A1）：195-199，207

[5] 张忠山，宋彦杰.课赛融合背景下人工智能人才培养模式研究[J].成才之路，2020.5：4-5

[6] 陆国栋，陈临强，何钦铭等.高校学科竞赛评估：思路，方法和探索[J].中国高教研究，2018.2：63-68

[7] 王泽民，张骋.基于学科竞赛对金属材料工程专业实验教学的改进[J].实验室科学，2020.23（1）：62-65

[8] 楊志斌，赵昕.学科竞赛促进教学改革与创新能力培养[J].实验室科学，2018.21（5）：238-240

[9] 王岩，杨森，黄岚等.大数据分析与应用课程体系构建[J].计算机教育，2020.2：26-29

[10] 阳富强，黄萍，施永乾，王金贵，段在鹏.以学科竞赛平台促安全工程专业创新型人才培养探究[J].高等理科教育，2020.6：34-39