郭春丽，焦红红，张萌萌，项尚清

（1.广东财贸职业学院信息技术学院；2.广东财贸职业学院马克思主义学院，广东广州 510445；3.广州五舟科技股份有限公司，广东 广州 510700）

0 引言

信息技术与经济社会的交汇融合引发了数据的迅猛增长，数据已成为国家基础性战略资源，大数据正日益对全球经济运行机制、人们生活方式和国家治理能力产生重要影响［1］。2015 年，国务院出台《关于促进大数据发展的行动纲要》，教育部将“大数据技术”列为高等教育教学建设重点，并于2016 年9 月，开始在各高等职业院校增设“大数据技术”专业（专业代码510205，对应2021 年招生目录更新前的“大数据技术与应用”专业，本文统一用2021 新版专业名称）。截至2020 年12 月，全国共有1 354 所高职院校设置“大数据技术”专业，与此同时，各院校招生规模呈井喷式增长。对于这种新兴技术学科，如何构建教学和实践体系，是高职院校大数据专业“三教”改革攻坚行动之一。

本文通过分析大数据专业在课程体系、教学模式、基础设施、师资团队的难点问题，设计和实现了大数据专业的智能教学平台，让师生以平台为载体实现翻转课堂的教与学，为高职新兴技术类学科的教学改革创新提供了高效可靠的借鉴模式。

1 相关研究

1.1 大数据技术专业现状

大数据技术体系复杂多样，知识更新速度快、周期短。专业建设、人才培养等方面均与传统计算机专业不同［2］，照搬原先计算机专业的模式，显然行不通。主要表现在：

（1）缺乏科学规范的课程体系。目前，我国大数据技术专业教学标准尚未发布，一些院校开设较多传统网络类和软件类课程，加上高职院校三年学制的限制，在一定程度上压缩了核心课程，削弱了学生大数据技术专业核心技能培养［3］。但若只围绕专业核心体系与技术开设课程，则容易让学生陷入因缺少基础性知识支撑，而学习难度陡然增大的困境。大部分高职院校制定的《大数据技术专业人才培养方案》以大数据采集、清洗、存储、分析、预测和展示为培养目标，如何设定支撑实现培养目标的专业课程，以及规范课程标准和内容，是学科发展中值得探究的问题。

（2）以教师为中心的教学模式无法很好地满足学生个性化发展的需要。高职院校学生的知识水平和能力相差很大，素质参差不齐，加上专业课程难度较大，大部分教师会选择传统以教师讲授、演示为主导的教学模式。学生在有限的课堂时间进行模仿练习，缺乏持续性学习的理解能力。而大数据技术专业要求学生具有较高的综合素质和较强的自主学习、创新能力，如何构建更加科学的专业教学模式，是专业建设和人才培养中必须引起重视的一个问题。

（3）基础设施无法很好地满足学生实验要求。为完成专业教学，很多高职院校会搭建大数据实训室，但普遍存在资源不足的问题。由于大数据技术专业课程大部分依赖于Linux 操作系统，学校一般会为学生分配云虚拟机，教学资源或软件，学生需自行下载，课堂上几个班几百人同时下载速度慢，严重影响教学进度。此外，下载的资源占用服务器硬盘空间，通常一个软件压缩包或数据文件可达几百兆，学生完成所有专业课程学习至少需要安装使用8种软件，伴随着学生数量增加和学习逐步深入，大数据专业学生所需的硬件服务器数量持续增加，实训室基础设施的建设挑战不断加大。

（4）师资队伍建设存在短板。由于大数据技术是新兴的技术领域，很多高职院校专业教师师资短缺，且招不到合适的人，而从传统计算机学科转型过来的教师又缺乏完整的大数据知识结构和足够的实践技能，短期内完成专业教学任务压力较大。如何快速高效组建双师型教师团队，是大家都很关注的一个问题。

1.2 翻转课堂

翻转课堂也称为颠倒课堂，是将传统的课堂教学结构翻转过来，让学生在课前完成知识的学习，在课堂上完成知识的吸收与掌握的一种新型教学模式［4］。教师将常规课堂讲授的内容制作成教学视频或使用精品网络资源，学生课前预习，课堂变成了师生、生生互动的场所，这相当于“延长”了课堂活动时间。学生拥有强大的自主学习控制权，可进行自我组织的探究性学习，教师更多考虑如何帮助学生完成自主学习并鼓励学生之间进行协作学习，以及如何监督学生的学习行为并为学生提供及时的反馈［5］。

文献［6］和文献［7］提出MOOC+翻转课堂的多元化教学模式；文献［8］提出线上+线下的基于翻转课堂的混合式教学模式，对数据挖掘课程的教学过程分成“四模块三阶段二层面”。这些方法利用网络通用学习平台，无法记录学生的实验过程。而文献［9］提出一种基于大数据学习分析的智能翻转课堂教学模式，收集课前、课中在网络资源中的教学数据，挖掘后分析学生的学习效果，方便教师及时灵活调整教学内容和过程，但不适用于技能类课程。大数据专业作为一门实践性较强的学科，需要记录学生的操作过程，让学生作为学习主体，教师精准促进和指导学习。

因此，本文在以学生为中心的教学理念下，创新性地提出大数据专业的翻转课堂模式，设计和实现了智能化教学平台，利用有限的硬件设施，通过虚拟化技术提供实验平台和实验环境。校企教师依托此平台团队协作备课，以产促教规范课程标准，将反复演示操作建设成课程资源，将课堂时间用于师生、生生互动，让学生在平台里沉浸式实验并自主进行个性化学习。

2 翻转课堂构建

2.1 智能教学平台

2.1.1 协作备课

广东财贸职业学院大数据专业主要围绕大数据技术体系设置课程，会外聘一些企业大数据资深工程师进校上课。同一门课程一般既有熟悉教学的本校专业教师，也有熟悉技术的企业工程师，他们共同制作教学标准，发挥各自专长，协作完成课件、实操手册、视频等课程资源建设，将资源上传到平台共享使用。这种方式不仅可以最快速度、最高效率实现课程标准的统一，同时可以有效缓解学校师资问题，加强本校教师与行业企业前沿人才的知识对接，提升了本校教师的大数据专业水平，对于建设双师型教学团队具有积极意义。

2.1.2 软件与数据资源共享

平台为每个学生创建实验环境，按照需要可能是一个或多个Linux 虚拟机。教师上传软件或规模大的数据资源，所有学生的虚拟机可共享该资源，不需要从网络下载存储到本地，极大节省了硬件服务器的空间，降低了基础设施建设成本。

2.1.3 开放且可控的教学

学生只要有网络都可随时进入平台，选择学习内容，左边是实验手册，右边是虚拟机环境，对照着进行实验。对于普遍喜欢动手练习的高职生而言，此平台提供了一个类似追电视剧的感觉，只要教师发布新的实验手册，就会吸引部分学生参与，调动学生的好奇心和积极性，实现个性化发展。同时实操过程遇到问题，学生可以尝试自己解决，也可以在平台中与其他同学交流，不仅如此，教师也可以直接进入该学生的虚拟机环境，监控学生的学习状况，在线解决问题。这种可控的方式可以充分挖掘学生潜力，满足学生自主化学习需求，同时也增强了师生之间的可信任感。

2.1.4 智能的教学反馈

学生完成实验后，撰写并提交实验报告，教师进行评分。课前平台实时统计班级在线人数，课后统计实验报告提交数量分布、成绩分布、学生提问交流次数，为教师提供智能化的反馈，方便教师根据反馈的学生学习各项数据，及时调整实操手册内容和课中教学重点。

2.2 平台架构

根据平台功能，设计整体架构如图1 所示。

2.2.1 实验环境

实验环境是平台的底层结构。底层是通过Docker 容器将所有的硬件设施资源虚拟化，并纳入统一管理和分配的虚拟资源池，由Kubernetes 统一规划和部署Docker 容器。然后通过容器对上层平台用户需要的网络资源、计算资源、存储资源进行定制和封装，提供API给实验平台调用。

2.2.2 实验平台

实验平台为教师、学生提供友好的Web 界面。使用Mysql 数据库存储用户数据，提供用户管理、课程管理、习题管理、考试管理，以及与底层交互的实验环境管理、文件资源管理功能，并对学生在线时长、学习次数等方面进行实时统计分析。

Fig.1 Structure of the platform图1 平台架构

2.3 平台主界面

平台使用Python 语言实现，只要有网络就可以通过浏览器进行访问。正式开课前，先导入学生和教师信息分配账号，建立课程，为教师和学生分配虚拟实验环境。教师主界面如图2 所示，学生实验界面如图3 所示。

Fig.2 Main page of operation for teachers图2 教师主界面

Fig.3 Main page of experiment for students图3 学生实验界面

3 翻转课堂实践研究

3.1 教学过程实施

翻转课堂教学实施过程如图4 所示，分为课前模仿式学习、课中理解式学习、课后反馈总结3 个过程。

Fig.4 Teaching process implementation图4 教学过程实施

3.2 课前模仿式学习

学生课前根据自身实际，自行决定何时何地打开教学平台，自主掌控节奏，进行模仿式学习。此课程是进入Linux 环境，左边是实验手册，右边是操作环境，边看边练习。教师课前根据学情特征进行教学设计，以任务为导向，开发制作课件、引用或录制视频、步骤详细的实验手册等资源，上传到教学平台中。在实践课程中，外聘企业教师着重于资源开发，本校教师着重于教学设计，发挥各自优势，极大提升学生学习兴趣。

教师也可以通过教学平台了解实时在线人数和时长，为课中展开深入探究和讨论提供数据分析，及时调整教学方案和教学内容，以达到最佳教学效果。

3.3 课中理解式学习

课中教师通过案例或问题讲解难点，引导学生思考、讨论和探究，将学生原有知识与新概念、新知识进行联结，促使学生将课前的模仿学习进行内化理解。教师不再进行演示，从而有更多时间解决学生学习中遇到的问题，并展开个性化辅导。同时，布置适当的拓展练习，满足不同能力水平学生的学习需求。

3.4 课后反馈总结

课后学生提交作业和实验报告，根据自己的理解和实验过程进行描述和总结，达到离开实验手册也能独立完成任务的效果。同时，将课前、课中的学习过程或问题反馈给教师。

教师对作业和实验报告进行评分，检查学生对知识的掌握情况，通过教学平台评分统计，全方位地进行反思，不断优化课前资源和调整课中教学内容。

本文以专业核心课《Hadoop 大数据存储与计算》为例加以说明。在课前模仿学习阶段，让学生掌握HDFS 文件操作和MapReduce 并行计算，了解Hive 组件的功能与使用方式；课上重点以通俗易懂的生活常识或案例为引子讲解大数据中的设计理念，解决学生实验中遇到的问题，个性化地引导拓展练习；课后通过实验报告了解学生知识掌握情况，以及拓展训练效果，必要时进行实时远程指导。

3.5 实践效果评价

本文研究对象是广东财贸职业学院2019 级信息技术学院大数据技术专业的学生，共386 人，4 位授课教师，其中1 位为外聘企业大数据资深工程师，3 位为本校传统计算机专业教师。为了解利用教学平台实施翻转课堂的效果，分学生和教师两个维度进行评价。

3.5.1 学生

主要从是否有效提高自主学习能力、动手实践能力、专业知识理念的内化能力3 个方面进行衡量。通过问卷的方式进行调查，结果显示87.83%的学生认为这种教学模式对提高自主学习能力非常有用，有“追剧”沉浸式学习的感觉；93.65%的学生认为这种教学模式对提高动手实践能力非常有帮助。其中，24.26%的学生认为脱离教学平台上的教学资源仍能独立完成。调查统计结果如图5 所示。

Fig.5 Survey and statistical results of self-regulated learning and practical ability图5 自主学习和动手实践能力调查统计结果

专业知识理念的内化能力主要体现在课程结束前的项目实战中。调查结果显示，89.38%的学生认为能将之前理解的知识点运用到实战的代码实现中，其中5.15%的学生能自主发挥，考虑问题全面和有创新性，1.22%的学生仍表示不知从何入手，如图6 所示。

Fig.6 Survey results of internalization ability of professional knowledge concept图6 专业知识理念内化能力调查结果

3.5.2 教师

主要从大数据专业教师团队建设方面进行衡量。广东财贸职业学院传统计算机学科的教师中，其中一位有6年互联网软件开发与设计经验和2 年教学经验，教师们协作备课。访谈结果显示，3 位本校教师认为在平台构建和实践运用中，能准确、有效地构建起自身的大数据专业知识体系，操作能力快速提升，由最初担心无法胜任到能生动讲授并顺利处理学生问题，1 位外聘教师认为对学生的能力有了更全面的把握，课堂有更多的有效互动。

4 结语

本文利用构建的大数据专业智能教学平台开展翻转课堂实践，校企教师共建课程标准和资源，快速高效打造双师型教学团队，同时以学生为中心，深入挖掘和培养学生的自主、创新性学习能力，提升自己的职业技能和职业素养。此种模式对于高职云计算、人工智能、信息安全等新兴技术类专业建设有很好的借鉴价值，能有效解决专业理论体系深奥难懂、师资队伍建设滞后于专业发展步伐的难题。

目前，大数据技术专业有3 门核心课在平台中进行教学，随着课程和学生使用量的增加，下一步工作是继续梳理和采集学生实验过程的操作、结果数据，形成教学过程大数据；然后对一门课程从不同维度进行分析，全面准确地量化学生学习画像、评教，以及教师资源开发能力评价等；再从大数据专业的整个课程体系深入挖掘并预测学生的岗位匹配度、职业素养能力等数据，为“三教”改革提供更好的技术和数据支撑。