面向解決復雜工程問題的“大數據與數據挖掘”教學研究
來源:用戶上傳
作者:
摘要：學生工程教育培養的核心問題是培養學生解決復雜工程問題的能力。解決該問題，首先要準確理解和把握復雜工程問題的本質，其次要針對該目標采取有針對性的教學方法和手段。因此，本文從解讀和闡述復雜性工程問題入手，以“大數據與數據挖掘”課程為例，分析該課程特點以及現有問題，并針對上述培養目標，給出適應該課程的一系列教學方法和改革措施，包括產學合作、項目驅動、“多師”授課、翻轉課堂和綜合評價等策略。
關鍵詞：復雜工程問題;大數據與數據挖掘;產學合作;項目驅動
中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2019）10-0106-04
引言
近幾年，我國高等教育正在大力開展工程教育認證。工程教育認證是一項國際通行的合格性評價標準，為學生培養質量提供基本標準，即依照行業提出的基本質量標準要求完成工科專業人才培養。工程教育認證推進工程教育改革，與工程師制度緊密銜接，增強培養出來的人才對產業發展的適應性，同時大大提升了我國工程技術人才的國際競爭力。
本文以“大數據與數據挖掘”課程為例分析和討論如何運用產學合作和項目驅動等教學策略培養學生的復雜工程問題解決能力。首先，建立產學深入合作以獲取更切合實際的復雜工程問題——大數據和數據挖掘問題;其次，確定合適的大數據與數據挖掘項目，學生自由組隊實施項目;最后，通過翻轉課堂讓學生進行項目答辯，通過教師、學生和企業三方給出學生綜合評價。
“復雜工程問題”的解讀
國際公認的具有權威性和影響力的《華盛頓協議》指出“工程”是包括數學、自然科學和工程知識、技術和技能整體的、有目的性的應用?！皬碗s工程問題”的核心特征是必須運用深入的工程原理進行分析才能得到解決，特別要強調的是復雜工程問題并不等同于高難度且工作量大的問題?？梢姡莆展こ淘淼姆治龊瓦\用是學生具備解決復雜工程問題能力的基本技能。分析工程原理需要深入，運用工程原理需要經過分析以后解決問題?！皬碗s工程問題”除了上面的核心特征以外，還具有以下6個選擇性特征：①涉及多方面技術、工程和其他因素，且相互之間可能存在沖突;②需要通過創造性地建立合適的抽象模型才能解決;③僅靠常用方法是不能完全解決的;④涉及的因素可能沒辦法完全被專業工程實踐標準和規范所包含;⑤相關各方利益不完全一致;⑥具有較高的綜合性，包含若干相互關聯的子問題。具備核心特征和6個選擇性特征中一項或多項的工程問題都屬于復雜工程問題。
“大數據與數據挖掘”課程特點和問題
作為數據科學與大數據技術專業的必修課程和核心課程，同時亦為計算機科學與技術、軟件工程等專業的選修課程和專業課程，大數據與數據挖掘是在完成離散數學、數據結構、數理統計與概率論、計算機程序設計和數據庫原理及應用等基礎課程之后開設的，目的是讓學生更深入了解大數據與數據挖掘的基礎理論知識、應用前景與發展方向，培養學生解決實際大數據與數據挖掘領域復雜工程問題的能力，提高學生的創新思維以及動手實踐能力。所以，提高“大數據與數據挖掘”課程的教學效果對學生的今后學習與就業都有十分重要的意義。
1.“大數據與數據挖掘”課程特點
大數據與數據挖掘應用背景面向的就是復雜工程問題，以下分別從系統性、交叉性、豐富性以及倫理性四個方面對大數據與數據挖掘的復雜性進行解讀。
?。?）系統性
大數據與數據挖掘描述的是一整套以數據為驅動的計算機系統，包括數據采集、數據清洗、數據管理、數據分析、數據可視化等，不但要描述大數據與數據挖掘所涉及的方法、技術、模型和理論，還要闡述大數據與數據挖掘中涉及到的知識產權和倫理道德等方面。
?。?）交叉性
大數據與數據挖掘具有多學科多領域交叉的特征，涉及數學、數據庫、可視化、信息科學、機器學習、高性能計算等，所涉及的方法、技術、模型和理論具有廣泛性。同時，數據來自應用領域，使得大數據與數據挖掘與應用領域及領域知識密切相關。
?。?）豐富性
因其涉及的學科和領域很多，大數據與數據挖掘所涉及的方法、技術、模型或理論甚多，任何一個方面都可以有豐富的現有的資源可以使用，任何一個方面都值得去深入研究創新，更可以通過研究創新以解決大數據與數據挖掘方面的復雜工程問題。
（4）倫理性
大數據和數據挖掘應用的目的是促進經濟社會發展，造福人類，同時也應該考慮大數據和數據挖掘應用可能帶來的不良影響，因此要有風險意識。同時，大數據與數據挖掘更增強了社會大眾對數據隱私的保護意識，因此要有數據隱私保護意識。
2.“大數據與數據挖掘”課程問題
大數據與數據挖掘是數據科學與大數據技術專業、計算機專業和軟件工程專業中一門綜合性以及實踐性非常強的專業課程，采用傳統的教學方法可能會導致課堂氛圍非?？菰?。因此，教學過程中要注重教學內容的復雜工程應用性、實踐性、針對性和專業性?！按髷祿蛿祿诰颉闭n程教學現在普遍存在如下問題，亟待改革。
第一，部分內容理論比較抽象且內容過多，尤其是數據清洗所涉及到的數學公式和數學知識點比較多，數據倉庫數據模型相對較抽象，難以理解，數據挖掘算法也包含很多理論支撐，所以學生在學習中極易產生枯燥、乏味的感覺。
第二，內容理論多于實際，該課程內容包括數據清洗、數據倉庫和數據挖掘，這就需要用足夠的課時來教授學生各部分的知識點，盡量使學生在大數據與數據挖掘方面有個完整的知識體系，但目前很少有具體項目來貫穿整個課程。
第三，任課教師本身缺乏大數據與數據挖掘的完整知識體系，使得教師在講授理論時不能很好地結合現實生活實踐，即不能將當前實際項目案例和該課程教學有機地結合在一起，與實際的大數據與數據挖掘實踐有明顯的差距。 第四，“雙師”型教師嚴重匱乏，大部分高校教師只專注于科研而少有在公司或者企業工作過的經歷，且在培養本科生的科研能力方面沒有真正地深入，僅通過簡單的實驗培養學生的動手能力，所以他們常常在授課過程中忽視學生的項目實踐能力的培養。
第五，該課程實驗側重于傳統動手編程能力的培養，而缺少數據思維的培養，即教師很少談及數據思維，甚至側重程序驗收而不是強調數據采集—管理—分析的整個過程，并且缺少適合實驗教學使用的實驗環境和項目資料，使學生不能將所學到的知識應用于實際。
“大數據與數據挖掘”課程教學改革措施
1.理論知識：結合項目傳統授課和“多師”授課
理論部分教學仍采用教師授課為主的模式，但需要以大數據與數據挖掘項目案例去形象化闡述理論。教師授課以向學生講述大數據與數據挖掘的基本理論為主，內容力求少而精，同時借助大數據與數據挖掘項目案例，以通俗易懂的接受方式講授給學生，目的是在較短時間內讓學生了解現階段最廣泛使用的大數據與數據挖掘技術的理論知識，為下一步的學習奠定基礎。同時，考慮到大數據與數據挖掘知識體系的完整性，保留數據預處理、數據倉庫和數據挖掘授課內容。由于存在教師科研方向問題以及項目案例缺乏等問題，引入“多師”授課方式，即不同部分由不同教師，甚至可以外聘企業人員來校授課，但是在授課前一定要協商好上課內容，保證授課內容的前后銜接和有機結合，以培養學生數據思維為主，培養學生在大數據與數據挖掘方面的興趣愛好，引導學生自主學習，使學生平穩過渡到深入研發階段。
2.應用技術：從項目出發和“用中學”
大數據與數據挖掘與其他計算機課程不同，學生需要面對的不是單一的軟件工具和編程語言，而是一組軟件工具組成的軟件支持環境。為了增強大數據與數據挖掘課的真實性，可選用一組業內流行的大數據與數據挖掘工具和編程語言，如ETL、Hive和Python等，營造一個適合“大數據與數據挖掘”課程的項目實踐環境?？紤]到相關工具和編程語言的復雜性，為避免學生陷入單純學習軟件功能和編程語言的誤區，要堅持“用中學”的方針，不要求學生面面俱到掌握軟件功能和編程語言，而是從實用角度出發，以完成項目為目的，掌握軟件常用功能和編程語言基本語法等。同時，圍繞項目可以布置一些課外任務，以鞏固學生對大數據與數據挖掘所涉及應用技術的熟練程度，同時拓寬學生對應用技術的擴展學習。
3.項目實踐
通過項目實踐完成情況可以考察學生對大數據與數據挖掘的方法和技術的掌握和運用情況。
（1）項目遴選
項目的選取遵循“生產性、相關性、發展性和可操作性”四大原則，選擇的項目要和學生的生活學習相關，同時要是他們熟悉的，要有一定業務流程，能滿足學生今后可持續發展的需要，便于課堂開展教學實施，如氣象實時監控與預測、交通實時監控與預測。要想使學生在大數據與數據挖掘的各知識點均有練習，最好的方式是通過產學合作的方式與相關企業或政府部門建立起長期合作，由企業或政府部門提出復雜工程問題，選擇其中一個作為授課用，并把該復雜工程問題對應的項目（授課用項目）貫穿到整門課的教學包括理論教學和應用技術教學的過程中。
?。?）項目驅動
大數據與數據挖掘理論較抽象，且所需基礎理論知識繁多，學生不宜理解和掌握，可以借助企業實際項目（授課用項目），將實際和理論相結合，這就需要教師具有工程實踐經驗和解決復雜工程問題的能力，并能夠很好地將理論和實際結合在一起進行授課，即把實際真正解決復雜工程問題的過程、方法、理論和技術融入到理論授課過程中。理論授課需要項目驅動，大數據與數據挖掘實踐更需要數據驅動型項目，真實項目不但可以讓學生通過項目感受和掌握大數據與數據挖掘的理論、方法和技術等，更能帶動學生學習興趣和實際動手的積極性。
?。?）團隊協作
根據大數據與數據挖掘實踐過程分析并確定團隊協作人員人數，并根據學生的能力和水平，進行合理有效的分工，明確學生的學習任務和角色，尤其是大數據與數據挖掘實踐過程中的角色以及相應的任務，如數據采集、數據清洗、數據管理（文件系統、數據庫、數據倉庫等）、數據分析和數據可視化等以及細分項。值得一提的是，為了更好地幫助學生認識大數據與數據挖掘各個環節和各個角色的重要性，需要約束和規范學生定期進行小組討論并做會議記錄，按時提交相應會議記錄——進度、問題及解決辦法等;同時，約束和規范學生撰寫項目文檔，并按期提交，但要在理論、方法和技術方面給學生發揮的空間。為了更好地把大數據與數據挖掘項目開展下去，可以為每個團隊配備一名教師和一名企業人員，以幫助學生解決遇到的無法解決的復雜工程問題。
?。?）翻轉課堂
在大數據與數據挖掘項目實施過程中，設定若干階段性成果匯報和最終答辯環節，由學生準備素材設計PPT，并由學生在講臺上講述階段性成果和所遇到的已經解決的和未解決的問題，這樣不但可以培養學生的表達能力，還可以培養學生材料搜集整理的能力，同時更凸顯團隊協作的能力。
?。?）綜合評價
傳統教學模式中主要由授課教師來完成最終成績包括平時成績和期末成績的評定。為了能夠更好地衡量學生團隊在大數據與數據挖掘項目進行過程中的表現，在階段性成果匯報和最終成果答辯過程中，可由教師、學生和企業人員共同參與答辯評審，并且對學生團隊內的每一個人都可以提問，以保證團隊內的每一個學生已熟悉和掌握軟件開發過程中應知必會的知識。
結語
解決復雜工程問題能力的培養是一項系統性的工作，同時也是一個動態的、循序漸進的工作，貫穿整個教學過程。只有準確理解和把握復雜工程問題，才能有針對性地開展教學設計和教學活動。本文探討了“大數據與數據挖掘”課程教學改革措施，結合實際大數據與數據挖掘項目給出了復雜問題教學實施方法，如項目遴選、項目驅動、團隊協作、翻轉課堂、綜合評價等，希望對其他涉及復雜工程問題的課程教學有一定的啟發。
參考文獻：
[1]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.
[2]林健.如何理解和解決復雜工程問題——基于《華盛頓協議》的界定和要求[J].高等工程教育研究，2016（05）：17-26+38.
[3]錢振江，龔聲蓉，徐文彬.面向復雜工程問題的應用型本科計算機類專業人才培養模式研究和實踐[J].計算機教育，2017（06）：10-13.
[4]王洪，洪玲.大數據背景下《數據挖掘理論》課程教學思考[J].現代商貿工業，2018（20）：142-144.
[5]朱衛平，陳佳玲.大數據時代下的“商務智能與數據挖掘”課程教學改革研究[J].計算機教育，2017（10）：33-36.
[6]渠暢，楊靜.本科階段數據挖掘課程教學探究[J].高等教育，2018（03）：183-183.
[7]趙曉凡.公安高等院校數據挖掘課程教改研究[J].計算機教育，2018（01）：39-42.
[8]黃艷梅.大數據背景下“數據挖掘”課程的教學研究[J].江蘇科技信息，2017（34）：63-65.
基金項目：浙江工業大學專業核心課程建設項目“數據挖掘”。
轉載注明來源:http://www.hailuomaifang.com/9/view-14837941.htm
