张 岳 宁玉富 杨菲菲

山东青年政治学院信息工程学院 山东济南 250103

众所周知,康养文旅产业是指以健康养生、休闲旅游、文化传承等为主要内容的综合性产业,数字化、智能化是康养文旅产业发展趋势之一,而数据挖掘是实现康养文旅产业数字化、智能化的必由之路。因此,作为以“康养文旅”产教融合发展的应用型本科,掌握数据挖掘技术对学生的就业和未来深造都有重要意义。但是,数据挖掘课程在本科教学阶段普遍存在诸多问题。为了提高教学质量,解决当前教学过程中存在的痛点问题,本文进行了课程改革和探索[1]。

“数据挖掘”课程是面向我校数据科学与大数据技术、信息管理与信息系统三年级本科生开设的一门专业核心课程,共64课时(理论学时32+实验学时32)。课程以Python为开发语言,紧跟人工智能、大数据时代前沿,开篇介绍人工智能、深度学习、机器学习、数据挖掘之间的联系与区别,使学生对本门课程有准确的定位。通过分类预测、回归分析、聚类分析、关联规则、神经网络五大主要任务的学习,培养学生解决数据挖掘实际生产环境中复杂问题的能力,培养学生以“数据”为核心,用“数据”来说话,求真务实、实事求是的做事态度。

1 教学现状及存在的问题

随着“云大物移智”时代的到来,越来越多的高校在本科阶段开设了数据挖掘课程,在数据挖掘应用方面侧重点也有所不同,涉及康养文旅、金融、医疗、教育、生物等领域[2]。教学资源所需数据一般是通过数据爬取的方式,采集互联网数据进行项目开发。考核方式以作业、课堂表现、期末考试、课程设计等方式对学生进行综合评测,以确保学生能够掌握数据挖掘的基本知识和技能,并具备一定的实际操作能力。

在教学过程中存在的主要问题:

1.1 课程教学内容方面

本科阶段的数据挖掘课程挑选教材是一个很“棘手”的问题,首先教材内容要能跟上大数据时代的步伐,新技术、新概念层出不穷,教材内容更新缓慢。其次,教学内容的安排,本科生是否能够理解和接受。数据挖掘课程内容涉及统计学、数学、计算机等多个学科的知识,内容相对来讲难度较大,面对不同基础的学生,需要花费更多的时间和精力来理解和掌握[3]。

数学要求较高:数据挖掘课程需要涉及许多数学知识,包括线性代数、概率论、离散数学等。对于一些计算机科学专业的学生来说,数学基础背景不同,这些数学知识可能相对比较陌生,需要花费更多时间来理解和学习。

数据集质量不高:真实案例依靠的是真实的数据集,而现实中的数据集往往存在一些问题,比如数据缺失、噪声、不平衡等,而数据质量又影响了数据挖掘的结果。在教学过程中,教师需要选取高质量的数据集,并教授学生如何采用数据预处理方法处理数据。

教学内容过于理论化:数据挖掘是一门实践性较强的学科,但有些课程可能过于注重理论,导致学生在实践中遇到困难。

学生难以理解:过于理论化的教学内容可能会使学生难以理解和掌握,因为数据挖掘本身是一门实践性很强的学科,需要结合具体实例进行学习[4]。

太过依赖工具:工具和软件对于数据挖掘课程来讲是非常友好的,例如Anaconda、Pycharm等。然而,过度依赖这些工具可能会导致学生缺乏对于算法原理和底层实现的理解,从而影响其对于数据挖掘的整体把握。

1.2 教学方法和手段方面

由于学生在数据挖掘知识方面的基础、兴趣和能力存在差异,教师在教学过程中可能无法根据学生的不同情况进行个性化的教学和指导。教学资源较为单一,难以满足学生开放性、自主性和创新性的需求。

缺乏实践案例:数据挖掘是一门实践性很强的学科,但是有些教师在课堂上可能只是讲解一些基本概念和算法,而缺乏真实的案例来演示和实践,导致学生对于这门学科的实际应用了解不够深入。

缺乏互动和反馈:在教学过程中,教师应该与学生建立起互动和反馈的机制,及时了解学生的学习情况和反馈,以便针对性地进行调整和改进。但是有些教师可能只是一味地讲解,而没有与学生建立起良好的互动机制,导致学生对于数据挖掘的学习效果不佳。

1.3 课程考核方面

考核方式单一:只采用期末考试和平时作业的形式评测学生的综合能力,无法真实反映学生对课程内容的掌握水平和动手操作能力。

考核内容不够全面:有些课程的考核内容过于狭窄,只注重学生的记忆和理解能力,而忽略了学生的应用和创新能力。这样会导致学生只是为了应付考试而死记硬背,而缺乏真正的学习兴趣和创新意识。因此,应该设计更具有挑战性和启发性的考题,鼓励学生发挥自己的创新思维和实践能力。

考核标准不够明确:考核标准应该明确、公正,以便学生了解自己的考核标准和考核要求。有些教师在考试评分时存在主观性,这样会导致学生的成绩波动较大,评价不公。因此,应该建立科学的考核标准,使评分更加客观和公正。

考试成绩不能全面反映学生能力:考试成绩不能完全代表学生的学习能力,因为考试只是一种评估方式。学生的学习态度、学习习惯和学习方法等都会影响到学习成果,这些因素是考试无法完全反映的。因此,需要采用多种评估方式来全面评价学生的学习能力,如平时成绩、小组讨论等。

调动学生上课积极性,如何完善考核机制,使学生有兴趣和积极性参与到课堂中来,提高课堂的活力,进一步提高课堂教学效果。

为了解决上述问题,需要在数据挖掘课程的教学内容、教学方法和手段、课程考核等方面进行改进和优化。下面将列举一些可能的解决方式。

2 数据挖掘课程教学改革探索

数据挖掘课程的教学改革可以提高学生的创新意识和综合素质,增强学生的实际操作能力,促进教师的教学改进。结合多年的数据挖掘课程教学实践,总结了以下几个方面的改革探索。

2.1 线上线下混合式教学

为了拓展教学资源,提高学生学习的积极性,使用超星平台、MOOC平台辅助教学。教师可在课前发布教学MOOC视频,让学生依据视频提前预习课程内容,让学生带着问题进入课堂,可以提高学生在课堂中学习主动性,增强学生的学习兴趣。教师还可以根据授课内容,借助雨课堂、中国大学MOOC等平台定期发布测试试题和作业,让学生更好地抓住学习的重点和难点,检测阶段性学习效果。

混合式教学方式提高了学生的学习兴趣,拓宽了学习资源,要完善评估与反馈机制,利用在线测验和在线作业系统对学生的学习成果进行评估,及时反馈学生的学习进度和成绩,以及对学生学习过程中的问题进行解答和指导。混合式教学需要教师和学生积极配合,制定好学习计划和进度,及时完成线上和线下的学习任务。同时,教师需要根据学生的学习情况,及时调整教学策略,保证教学效果。

2.2 案例式教学设计

数据挖掘课程许多理论知识比较难以理解,仅靠讲授原理难免让学生感觉抽象乏味,另外数据挖掘任务繁多,让学生在课时内掌握所有数据挖掘任务也不现实,可以采用案例式教学方法,具体为:课程内学时让学生学习一套该案例的解决方案,课程外学时可让学生去探索不同的解决方案或其他类似案例的一套完整解决方案,这样就起到了举一反三的效果。同时运用案例式教学的方式,使学生学到的知识可以快速落地,快速看到自己完成的成果,从而提高自身的学习兴趣。教学案例紧跟学科竞赛内容,及时将学科竞赛中的内容吸纳到教学案例中。

制定明确的学习目标:在开展案例式教学工作前,要使学生明确自己的学习目标,需要掌握哪些知识和技能,可能面对的问题以及解决措施有哪些。

基于案例的作业和考试:通过基于案例的作业和考试,促进学生对数据挖掘技术和方法的深入理解和掌握。可以根据不同的案例进行设计,如分类、聚类、回归分析、神经网络等。

使用可视化工具:合理使用可视化工具可以使学生更好地理解数据,并能够更直观地呈现数据挖掘的结果。常用的可视化工具有matplotlib、pyEcharts等,使用可视化工具可以使学生更好地理解数据挖掘的概念和方法。

教师的引导和评价:在案例式教学过程中,教师应该扮演指导者的角色,对学生的分析和解决问题过程进行引导和评价。同时,需要对学生的实践和表现进行评估和反馈,以帮助学生不断提高。

2.3 建立以学生为中心的教学理念

改变传统的教学理念,教师在整个教学过程中,应该起到“引导”作用,而不能“主导”学生的整个学习过程。首先要让学生明白本门课程的教学重点内容,将重点内容进行“任务化”,以随机分组的形式化解任务。学生可根据任务的要求,自主查询相关学习资源,从而提高了学生的积极性。小组学习是一种以学生为中心的教学模式,能够促进学生之间的互动和合作,增强学生的学习效果。鼓励探索性学习,学生在探索中学习,能够培养学生的自主学习能力和创新思维,建立以学生为中心的教学理念。

建立以学生为中心的教学理念,前提是了解学生的背景和需求,包括他们的学习目标、学科背景、职业规划和个人兴趣等方面。根据学生不同的背景和需求,制定个性化的教学方案和教学内容,从而提高教学的有效性和针对性。

鼓励学生培养自主学习的习惯,自主学习是达成以学生为中心的教学理念的核心之一。教师可以给学生提供相关的个性化指导和资源,鼓励学生自主学习,帮助学生建立自主学习的能力和自信心。自主学习模式包括自主探究问题、自主解决问题和自主展示学习成果等方面。

强调实践应用的重要性。数据挖掘课程是一个理论和实践相结合的课程,强调实践应用可以帮助学生更好地理解和应用课程内容。教师可以提供实践项目和案例研究,鼓励学生将所学的理论知识应用到实践中。

总之,以学生为中心的教学理念是一项复杂的任务,需要教师在课程设计、教学方法、教学资源和教学评估等方面进行不断的调整和改进。只有将学生放在教学的核心位置,才能真正提高教学的质量和效果。

2.4 优化课程考核方式

为了提高学生的动手实验能力,可以增加课程设计的形式对学生进行考核,在学生理解数据挖掘一般过程,学习了分类预测等部分数据挖掘任务后,学生即可采用组队的形式完成一个课程设计。课程设计的主要内容是:使用网络爬虫爬取网页数据、存储数据、数据预处理、数据建模、模型评估、模型建立。为了防止组内成员成绩的平均化,课程设计的考核机制进行了优化。首先,教师给小组课程设计评分,教师评分乘以小组人数是小组总分。然后,小组组内进行互评,根据互评取得个人得分。

课程设计考核内容占比评分内容要求小组日志得分10%1.任务恰当,目的明确2.组内分工合理,执行效果好,存在问题提炼准确3.日志填写规范,内容翔实4.下一步的计划具有可操作性,对整个项目进度把握到位数据挖掘分析报告得分30%1.主题明确,具有实际意义2.数据获取方式科学合理3.数据预处理正确4.分析思路清晰,有结果5.数据可视化方式科学,图表美观,展示效果好小组汇报得分60%1.内容完整,结构合理,思路清晰,重点突出2.PPT整体布局美观合理,中文字体设计恰当,文字清晰3.使用图表、图形等工具直观展示数据此项内容,评分教师打分占比60%,各小组队长打分占比40%(去掉一个最高分,去掉一个最低分,取平均分)

结语

本文针对当前数据挖掘课程教学过程中存在的“痛点”问题,提出了改革探索方案,合理安排教学内容,多渠道拓宽教学资源。引入课程设计考核,并以科学的评分机制引导学生完成课程设计。实践调动了学生学习的积极性,增强了学生理论知识的掌握,提高了学生动手实验能力,培养了学生“实事求是”的做事态度,落实了人才培养方案,培养康养文旅方面的大数据挖掘人才。