论文部分内容阅读
【摘 要】大数据挖掘的研究对学术和产业界都有着至关重要的意义，使得各高校也纷纷扩大了对大数据相关课程体系的建设和投入，然而，高校在数据挖掘人才培养方面仍然存在理论与实践脱节等问题，导致学生的学习效果不佳。为了提高数据挖掘授课质量，本文从多个角度出发，提出产业驱动的课程改革方法，并针对课程和学生特点提出了具体的建设性方案。
【关键词】产业驱动;数据挖掘;大数据;自主学习;多元评价
1.引言
互联网的高速发展、5G和智能设备的普及，使得人们每日产生的数据呈爆炸式增长。如何利用这些大数据挖掘有价值信息，从而给企业带来收益，是大数据应用领域需要长期探索的命题。鉴于大数据挖掘技术对企业的巨大价值，各高校也纷纷扩大了对大数据相关课程体系的建设和投入，并针对该课程实现了从传统的理论授课向理论与实验相结合的新型模式转型。本文通过分析高校数据挖掘课程体系的现有弊端，针对性的提出建设性方案，力争为国家培养能顺应工业应用需求的人才。
2.现存授课内容的缺陷
众所周知，互联网高速发展催生了很多新的应用场景，目前高校在数据挖掘人才的培养过程中，并没有一套完整的课程可确切地针对企业应用场景的大数据相关技术及真实大数据资源进行全周期的学习、理解和实践。
具体而言，根据以往教学经验以及同行间交流发现，在现有的数据挖掘课程教学过程中，主要存在以下几个突出的问题：1）教学模式传统、教学方法和手段单一。以教师传授知识为中心的课堂讲授仍然在课程教学中占主导地位;2）在实验教学中，实验项目脱离实际产业应用背景，高校也缺乏能应对企业级规模数据的计算资源，导致对学生企业项目实践能力的培养薄弱;3）网络教学资源交互性弱。网络学习资源大多为文本形式，优质的教学资源匮乏，网络学习过程交互性不强;4）“因材施教”未落到实处。教学内容与教学过程忽略了学生起点水平的差异，造成基础好的学生不想听，基础差的学生跟不上;5）缺少有效的考核方式，传统的卷面考试结合实验测评方法侧重于结果，不能考核学生实际应用开发的能力及各阶段的成效。
针对以上问题，我们提出以产业驱动为切入点进行数据挖掘课程改革研究，将学术界前沿技术和业界“卡脖子”问题融合到课程实践中，通过建设交互式教学网络平台，并构建多元个性化课程评价体系，培养更符合产业需求的复合型创新人才。
3.产业驱动的教学改革方案
针对数据挖掘课程体系的特点，以及目前学生实际动手能力薄弱等问题，本文提出以激发学生兴趣为导向，构建产业应用驱动的线上线下混合型数据挖掘教学体系。
3.1 方案内容
我们提出的改革方案包括以下几方面内容：
1）项目驱动的实践教学模式
我们将通过简单易懂的企业案例让学生理解相关算法在企业场景中的应用。在实践教学上，采用线上线下混合教学方法，学生可通过在线平台学习并完成实验项目、提交并及时获得结果反馈。项目开发在线学员实训平台，构建以产业实践为核心的教学体系。
2）学生为中心的自主学习模式
我们提出开发交互式动画和AI问答来表现数据挖掘中的典型算法思想和复杂程序的执行过程，阐明教学中的重点和难点内容;设计一系列具有实际应用和专业背景的案例，将各重要技术点、关键点以及易错点设计在实验的重要环节中，在注重实用性的同时兼顾趣味性，吸引学生主动学习。
3）实践评测为主的多元评价方式
我们采用阶段性实验和综合设计实践项目相结合的方式，并结合企业项目考核标准，从而使得学生熟悉和掌数据挖掘任务各个阶段的关键技术和考核准则。
3.2具体实施路径
我们提出以下路径来实现有效的课程改革。
3.2.1应用为核心的教学体系
首先，建设融合产业前沿的课题。教师根据教学内容、学生专业水平，结合产业的前沿课题或开放竞赛构建阶段性的实践课题。在每一次实验课或课中测验环节，教师通过线上系统布置实验任务，学生需在规定时间内完成并进行反馈。
其次，开发进程监管的线上平台。开发线上学员平台、考试平台以及实训平台，帮助教师在线检查学生学习进度、作业完成情况等，极大程度减轻教师批改作業的劳动强度，并快速了解学生学习中的问题，从而使教师可以有更多精力来加强对学生学习过程及学习效果的反思，降低实验组织难度、提高实验教学效率。
3.2.2自主学习模式
首先，建设动画和AI互动相结合的教学资源。开发交互式动画来表现数据挖掘中的典型算法思想和复杂程序的执行过程，阐明教学中的重点和难点内容。
其次，构建层次化的实验项目。重点设计一系列具有实际应用的实践项目，形成从基本阶段性实验、综合设计型实验到创新性实验等多层次的实验项目。
再次，营造项目驱动的实训环境。为了引导学生在课外自主学习与训练，建立以“项目驱动”为特征的实践训练环境，帮助学生进行“场景式阶段性”训练。
3.2.3多元化考核方式
在考核与评测环节，实行“面向过程、全面实践”的评测方针。
首先，建立全过程项目评价机制。学生每一次实践作业都在线提交，实时反馈，记载成绩。除了平时上机以外，期末考试也采用实践项目开发的考核方法，衡量学生们掌握数据挖掘技术知识在整体应用开发场景下的实际使用情况，使学生重视项目实践，真正熟悉数据挖掘应用设计与实现的各个环节。
其次，构建结合企业绩效的多元考核机制。参考企业对项目的真实考核机制，研究结合企业项目考核指标的多元化课程考核机制，帮助学生正确预估自身可获得的企业绩效，并通过考核反馈提升学生职场竞争力。
4.总结
数据挖掘技术是企业对工科学生的必备需求，特别是在当前大数据高速发展时代，其相关能力的培养尤为重要。本文针对高校数据挖掘授课的已有缺陷，从教学方法、学习模式和评价方式等方面出发，提出更加顺应业界需求的人才培养方法。本文提出的授课方案具有很强的实践指导意义。
基金项目：
杭州电子科技大学高等教育教学改革研究项目“基于深度学习的个性化在线教学方法研究----以疫情期间为例”（项目编号：YBJG202042）;教育部产学合作协同育人项目“产业驱动的《数据挖掘》课程教学改革研究”（项目编号：202002328022）;教育部产学合作协同育人项目“项目驱动的机器学习课程混合教学模式改革”（项目编号：202002004037）。
作者简介：
谭敏（1987-），女，汉族. 湖南衡阳市衡山县，副教授，博士，杭州电子科技大学，研究方向：人工智能与智慧教育。
（作者单位：杭州电子科技大学）
【关键词】产业驱动;数据挖掘;大数据;自主学习;多元评价
1.引言
互联网的高速发展、5G和智能设备的普及，使得人们每日产生的数据呈爆炸式增长。如何利用这些大数据挖掘有价值信息，从而给企业带来收益，是大数据应用领域需要长期探索的命题。鉴于大数据挖掘技术对企业的巨大价值，各高校也纷纷扩大了对大数据相关课程体系的建设和投入，并针对该课程实现了从传统的理论授课向理论与实验相结合的新型模式转型。本文通过分析高校数据挖掘课程体系的现有弊端，针对性的提出建设性方案，力争为国家培养能顺应工业应用需求的人才。
2.现存授课内容的缺陷
众所周知，互联网高速发展催生了很多新的应用场景，目前高校在数据挖掘人才的培养过程中，并没有一套完整的课程可确切地针对企业应用场景的大数据相关技术及真实大数据资源进行全周期的学习、理解和实践。
具体而言，根据以往教学经验以及同行间交流发现，在现有的数据挖掘课程教学过程中，主要存在以下几个突出的问题：1）教学模式传统、教学方法和手段单一。以教师传授知识为中心的课堂讲授仍然在课程教学中占主导地位;2）在实验教学中，实验项目脱离实际产业应用背景，高校也缺乏能应对企业级规模数据的计算资源，导致对学生企业项目实践能力的培养薄弱;3）网络教学资源交互性弱。网络学习资源大多为文本形式，优质的教学资源匮乏，网络学习过程交互性不强;4）“因材施教”未落到实处。教学内容与教学过程忽略了学生起点水平的差异，造成基础好的学生不想听，基础差的学生跟不上;5）缺少有效的考核方式，传统的卷面考试结合实验测评方法侧重于结果，不能考核学生实际应用开发的能力及各阶段的成效。
针对以上问题，我们提出以产业驱动为切入点进行数据挖掘课程改革研究，将学术界前沿技术和业界“卡脖子”问题融合到课程实践中，通过建设交互式教学网络平台，并构建多元个性化课程评价体系，培养更符合产业需求的复合型创新人才。
3.产业驱动的教学改革方案
针对数据挖掘课程体系的特点，以及目前学生实际动手能力薄弱等问题，本文提出以激发学生兴趣为导向，构建产业应用驱动的线上线下混合型数据挖掘教学体系。
3.1 方案内容
我们提出的改革方案包括以下几方面内容：
1）项目驱动的实践教学模式
我们将通过简单易懂的企业案例让学生理解相关算法在企业场景中的应用。在实践教学上，采用线上线下混合教学方法，学生可通过在线平台学习并完成实验项目、提交并及时获得结果反馈。项目开发在线学员实训平台，构建以产业实践为核心的教学体系。
2）学生为中心的自主学习模式
我们提出开发交互式动画和AI问答来表现数据挖掘中的典型算法思想和复杂程序的执行过程，阐明教学中的重点和难点内容;设计一系列具有实际应用和专业背景的案例，将各重要技术点、关键点以及易错点设计在实验的重要环节中，在注重实用性的同时兼顾趣味性，吸引学生主动学习。
3）实践评测为主的多元评价方式
我们采用阶段性实验和综合设计实践项目相结合的方式，并结合企业项目考核标准，从而使得学生熟悉和掌数据挖掘任务各个阶段的关键技术和考核准则。
3.2具体实施路径
我们提出以下路径来实现有效的课程改革。
3.2.1应用为核心的教学体系
首先，建设融合产业前沿的课题。教师根据教学内容、学生专业水平，结合产业的前沿课题或开放竞赛构建阶段性的实践课题。在每一次实验课或课中测验环节，教师通过线上系统布置实验任务，学生需在规定时间内完成并进行反馈。
其次，开发进程监管的线上平台。开发线上学员平台、考试平台以及实训平台，帮助教师在线检查学生学习进度、作业完成情况等，极大程度减轻教师批改作業的劳动强度，并快速了解学生学习中的问题，从而使教师可以有更多精力来加强对学生学习过程及学习效果的反思，降低实验组织难度、提高实验教学效率。
3.2.2自主学习模式
首先，建设动画和AI互动相结合的教学资源。开发交互式动画来表现数据挖掘中的典型算法思想和复杂程序的执行过程，阐明教学中的重点和难点内容。
其次，构建层次化的实验项目。重点设计一系列具有实际应用的实践项目，形成从基本阶段性实验、综合设计型实验到创新性实验等多层次的实验项目。
再次，营造项目驱动的实训环境。为了引导学生在课外自主学习与训练，建立以“项目驱动”为特征的实践训练环境，帮助学生进行“场景式阶段性”训练。
3.2.3多元化考核方式
在考核与评测环节，实行“面向过程、全面实践”的评测方针。
首先，建立全过程项目评价机制。学生每一次实践作业都在线提交，实时反馈，记载成绩。除了平时上机以外，期末考试也采用实践项目开发的考核方法，衡量学生们掌握数据挖掘技术知识在整体应用开发场景下的实际使用情况，使学生重视项目实践，真正熟悉数据挖掘应用设计与实现的各个环节。
其次，构建结合企业绩效的多元考核机制。参考企业对项目的真实考核机制，研究结合企业项目考核指标的多元化课程考核机制，帮助学生正确预估自身可获得的企业绩效，并通过考核反馈提升学生职场竞争力。
4.总结
数据挖掘技术是企业对工科学生的必备需求，特别是在当前大数据高速发展时代，其相关能力的培养尤为重要。本文针对高校数据挖掘授课的已有缺陷，从教学方法、学习模式和评价方式等方面出发，提出更加顺应业界需求的人才培养方法。本文提出的授课方案具有很强的实践指导意义。
基金项目：
杭州电子科技大学高等教育教学改革研究项目“基于深度学习的个性化在线教学方法研究----以疫情期间为例”（项目编号：YBJG202042）;教育部产学合作协同育人项目“产业驱动的《数据挖掘》课程教学改革研究”（项目编号：202002328022）;教育部产学合作协同育人项目“项目驱动的机器学习课程混合教学模式改革”（项目编号：202002004037）。
作者简介：
谭敏（1987-），女，汉族. 湖南衡阳市衡山县，副教授，博士，杭州电子科技大学，研究方向：人工智能与智慧教育。
（作者单位：杭州电子科技大学）