论文部分内容阅读
摘要：新技术的发展带来了教育和学习领域的重大变革，传统的课堂教学方式既无法适应新的技术条件下知识获取和分享方式的改变，亦无法满足学生日趋多元化的学习需求。面向传媒专业大学生的大数据分析类课程，作为新技术驱动下开设的一门新课程，需要引入新的教学理论和方法。本文基于教学实践和混合学习理论，从课程共同的整体目标和相宜的个体目标出发，从课堂形态、教学方式、学习方式、评价方式和扩展方式5个方面，对面向传媒专业大学生的大数据分析课程教学进行了实践总结和模式探索。
关键词：传媒专业;大数据分析;课程;混合学习理论
中图分类号：G206文献标识码：A 文章编号：1672-8122（2021）10-0036-03
随着互联网技术的不断变革，大数据分析能力和数据素养成为传媒大学生的必备能力和素养。首先，大数据时代带来了传媒业的深刻变革，在“大数据新闻”的思维变革和样态创新之下，大数据能力和数据素养已成为传媒从业者职业竞争力的核心要素[1];其次，在大数据技术重塑社会管理和人类思维方式的背景下，数据素养已成为当代大学生必备的基本素养，是信息素养要求在新时代的延伸和扩展[2]。基于这样的社会背景和教育需求，近年来，大部分高校都把大数据分析类的课程新增进传媒专业大学生的培养计划，设置了诸如“大数据分析”“媒介数据挖掘”“数据挖掘与分析”“计算传播”等课程，或由本专业具备大数据能力的教师进行授课，或外请计算机专业的教师进行授课。总体而言，面向传媒专业大学生的大数据分析课程总体尚处于探索阶段，未有成熟的授课模式和方法。因此，本文基于教学实践和混合学习理论，尝试对面向传媒专业大学生的大数据分析课程教学进行实践总结和模式探索。
一、混合学习理论
近年来新技术的发展使得教育和学习领域掀起了多次变革。传统的课堂教学方式既无法适应新的技术条件下知识获取和分享方式的改变，亦无法满足学生日趋多元化的学习需求。而面向传媒专业大学生的大数据分析类课程，作为新技术驱动下开设的一门新课程，更对教学者提出了新的教学理念和方法的挑战。传统的面向传媒专业大学生的技术类课程，往往分为“理论”与“上机”两部分，在一定程度上存在着理论学习与技术实践相割裂、教学内容与学生需求不适应等问题。因此，把新的教学理论和方法引入面向傳媒专业大学生的大数据分析类课程当中，既是推动新技术与教育教学深度融合的要求，亦是改善教学效果、培养适应新的技术条件下传媒从业者职业素养要求的必经之路。
混合学习（Blended Learning）理论出现于2001年，最早是在企业界的电子教学（E-Learning）研究中兴起，后来拓展到学校的教育教学当中。混合学习理论建立在对传统教学和电子教学优劣势的综合考虑和扬弃的基础之上，其核心思想在于“学习不是一个一次性的过程而是一个连续的过程，混合比用单一的传递方式有优势”。混合学习理论认为，对特定的内容和学习者应该用特定的、相适应的教学内容传输和学习技术手段来呈现与传输，在此过程中运用合适的教学和学习方式[3]。混合学习理论强调多种教学和学习方式的有机融合，为我们探索面向传媒专业的大数据分析课程的教育教学方法提供了有益启示。
二、面向传媒专业大学生的大数据分析课程目标定位从混合学习理论出发，面对特定的学习者，应该制定特定的教学内容和学习手段。因此，面向传媒专业大学生的大数据分析课程，其目标定位可分为整体目标与个体目标。其中，整体目标是从教学者出发，从课程设置与培养计划出发;个体目标则是从学习者出发，从学生需求和教学效果出发。
课程的整体目标为：培养大学生的大数据分析能力和数据素养。其中，大数据分析能力为技术教育目标，包括大数据的获取、分析和理解等能力。通过该课程的学习，学生可以掌握基本的大数据分析方法，学会使用大数据分析的软件，掌握Python语言基础。数据素养为素养教育目标，是人们有效且正当地发现、评估和使用信息及数据的一种意识和能力[4]。通过课程的学习，学生不仅得以掌握对数据进行综合处理和应用能力，还可以形成对数据进行辩证认识的能力，形成敏锐的数据思维和正确的数据观[5]。
课程的个体目标则根据大学生的课程学习需求而异。大学生的课程学习需求一般可分为学术需求和实践需求，计划深造的大学生以学术需求为主，计划就业的大学生则以实践需求为主。因此，课程的个体目标可分为学术目标与实践目标。课程的学术目标在于，使大学生掌握大数据分析方法在传播学学术研究中的主要应用，即掌握计算传播学的理论和方法基础;课程的实践目标在于，使大学生掌握大数据分析和数据可视化在新闻实践或是其它业界实践中的应用。
基于共同的整体目标和相异的个体目标，本文对面向传媒专业大学生的大数据分析课程教学进行了教学实践总结和模式探索。
三、面向传媒专业大学生的大数据分析课程实践探索借鉴基于混合学习理论的课堂教学模式[6]，本文从课堂形态、教学方式、学习方式、评价方式和扩展方式5个方面对面向传媒专业大学生的大数据分析课程进行了实践探索和模式创新。
（一）课堂形态
采用人机混合、“线上+线下”的课堂形态。在开课初期，教师制定每周学习专题计划及主要知识点，利用微信、QQ、百度网盘、SPOC等多种线上渠道，将教学提纲和课件，以及相关的音视频等资料发放给学生。同时，教师对网上公开的相关学习资料和课程进行评估，例如，对于网络上的各式Python学习资料，教师对其进行学习难度、有用性、有效性、易用性的评估，并把评估结果分享给学生。在课堂学习之前，学生可通过教学大纲和课件对学习内容进行预习，激发学生对课程内容的探究兴趣;在课堂学习的过程中，可引导学生自主归纳学习内容中的重点和难点;在课堂学习之后，学生可以随时根据自己的学习情况和需求，对网络学习资料进行取舍，从而形成对课堂教学的有益补充。 （二）教学方式
混合学习理论指导下教学方式革新的关键之一是通过不同教学结构的创建和连接，建立以教师为主导、以学生为主体的“主导—主体型”教学结构。具体表现为，高结构化的直接教学和低结构化的建构主义教学相结合。高结构化的直接教学以实现大数据分析课程的整体目标为主，即培养学生的大数据分析能力和数据素养。主要由授课教师就大数据分析在传播学实践和研究中的主要方法和应用，如文本分析、社会网络分析、情感分析、数据挖掘等，并进行理论、方法、工具的基本介绍;同时，以案例的形式就这些方法在传播学实践和研究中的应用进行演示。通过高结构化的直接教学，使学生达到掌握基本的大数据分析方法，对大数据分析的软件工具和基本的Python语言有所了解。低结构化的建构主义教学以实现课程的个体目标为主，鼓励学生基于自己或学术或实践的目标定位，自行设定研究对象和研究问题，通过课程的学习达到应用大数据方法解决问题的目的。在建构主义教学中，教师需帮助学生搭建大数据分析的理论和方法框架，引导学生进入问题情境，并鼓励学生以问题为引导进行独立探索，同时为学生的独立探索提供方向指导和答疑解惑。
（三）学习方式
在传统的课堂学习基础上，强调个性化学习、协作性学习的应用[7]。通过设计以不同的大数据方法为划分的单元课题，学生可选择其中一个或几个课题组成学习小组或团队，以协作的方式进行学习。教师需对不同的学习课题组建立适合的学习任务和细则，并引导学生按照任务和细则进行内部分工，制定具体的学习计划实施步骤和时间安排。各学习小组需混合利用线上和线下资源，通过微信群、QQ群、腾讯会议等线上通讯方式或者咖啡馆、会议室等校内公共空间，建立定时和即时的交流沟通制度。对于大数据软件工具的使用，教师需对不同的小组制定个性化的任务清单，引导学生协作完成大数据分析的小作业，强化学生对于大数据软件工具的掌握。此外，教师需引导学生在学习和作业完成的过程中，就大数据方法使用的优势和局限性进行小组讨论，以使学生对大数据方法建立辩证性的认知，形成正确的数据思维和数据观。
（四）评价方式
由于混合教学是集合了多种教学方式和学习方式的教学形式，传统的教学评价方式难以对学生的学习效果进行科学评价。因此需要采用基于混合学习理论的混合评价方式，以实现多角度、多角色的教学效果评价机制[8]。首先，课堂学习的评价遵循传统的教学评价，以学生的考勤以及课堂综合表现为标准;其次，网络自主学习的评价，主要通过学生自评的方式进行，学生对自己网络学习的状况进行陈述;再次，小组协作学习的评价，通过组长评价和组员评价的方式综合进行;最后，作业和报告的评价。在整体目标和个体目标的引领下，最终期末作业和报告的评价为学生提供了两个可选项，其一为采用计算传播学方法的学术论文，研究问题自拟，在方法限定为大数据方法的基础上，对研究问题进行开放式设定;其二为数据报告或数据新闻作品，学生需采用大数据的方法进行数据的收集、处理、分析和可视化呈现。学生可以根据自己的个体目标，来选择相应的期末作业形式。前三类评价属于过程评价，第四类评价属于结果评价，从过程化教学的角度来说，过程评价所占比例应该占到课程总分的一半比例。但是，因为前三类评价属于主观评价，第四类属于客观评价，因此从课程得分的公平性出发，课程总分仍然以第四类评价为主，四个类别的评价所占总分比例为1∶1∶2∶6。
（五）扩展方式
课程结束后，师生共同推荐优秀的学术论文和数据新闻或数据报告进行线上展示和交流，并寻求进一步的研究和实践的扩展。对于优秀的学术论文，教师可鼓励学生对研究问题进行进一步的深入研究和完善，参加学术论文竞赛或者创新项目;对于优秀的数据新闻或数据报告，教师可鼓励学生参加数据新闻大赛。
四、结语
在大数据分析能力和数据素养成为传媒专业大学生的必备能力和素养的背景下，不少高校开设了专门面向传媒专业大学生的大数据分析类课程。从课堂形态、教学方式、学习方式、评价方式和扩展方式5个方面对面向传媒专业大学生的大数据分析课程教学进行了实践总结和模式探索。总体说来，面向传媒专业大学生的大数据分析课程目前尚处于起步阶段，作为一门新兴技术类课程，大数据分析类课程非常适合作为传媒专业课程改革的试验田。本文仅从混合学习理论出发对教学实践进行了总结，未来应结合更多前沿教学理念，对面向传媒专业的大数据分析课程模式进行更为深入的挖掘和探索。
参考文献：
[1]仇筠茜，陈昌凤.大数据思维下的新闻业创新——英美新闻业的数据化探索[J].中国广播电视学刊，2013（7）：12-14.
[2]曹樹金，刘慧云，王维佳.从信息素养到数据素养[J].图书情报研究，2017，10（1）：19-24.
[3]田世生，傅钢善.Blended Learning初步研究[J].电化教育研究，2004（7）：7-11.
[4]隆茜.数据素养能力指标体系构建及高校师生数据素养能力现状调查与分析[J].图书馆，2015（12）：51-56.
[5]张晨.大数据时代的图书馆与数据素养教育[J].图书与情报，2014（4）：117-119.
[6]梁由之，陈盛璋，张慧娟.基于智慧课堂与混合学习理论教学模型构建与应用——以电脑图文设计课程为例[J].设计，2019，32（21）：112-115.
[7]胡立如，张宝辉.混合学习：走向技术强化的教学结构设计[J].现代远程教育研究，2016（4）：21-31+41.
[8]王琦，潘磊，邓秀慧，汪峥.混合学习理论在C语言课程教学中的研究与实践[J].高教学刊，2017（23）：34-36.
[责任编辑：杨楚珺]
收稿日期：2020-12-25
基金项目：国家社科基金青年项目：“基于人工智能的网络意识形态自动分类和人机综合治理研究”（20CXW026）。
作者简介：罗茜，女，苏州大学传媒学院讲师，博士，主要从事计算传播、健康传播、政治传播的研究。
关键词：传媒专业;大数据分析;课程;混合学习理论
中图分类号：G206文献标识码：A 文章编号：1672-8122（2021）10-0036-03
随着互联网技术的不断变革，大数据分析能力和数据素养成为传媒大学生的必备能力和素养。首先，大数据时代带来了传媒业的深刻变革，在“大数据新闻”的思维变革和样态创新之下，大数据能力和数据素养已成为传媒从业者职业竞争力的核心要素[1];其次，在大数据技术重塑社会管理和人类思维方式的背景下，数据素养已成为当代大学生必备的基本素养，是信息素养要求在新时代的延伸和扩展[2]。基于这样的社会背景和教育需求，近年来，大部分高校都把大数据分析类的课程新增进传媒专业大学生的培养计划，设置了诸如“大数据分析”“媒介数据挖掘”“数据挖掘与分析”“计算传播”等课程，或由本专业具备大数据能力的教师进行授课，或外请计算机专业的教师进行授课。总体而言，面向传媒专业大学生的大数据分析课程总体尚处于探索阶段，未有成熟的授课模式和方法。因此，本文基于教学实践和混合学习理论，尝试对面向传媒专业大学生的大数据分析课程教学进行实践总结和模式探索。
一、混合学习理论
近年来新技术的发展使得教育和学习领域掀起了多次变革。传统的课堂教学方式既无法适应新的技术条件下知识获取和分享方式的改变，亦无法满足学生日趋多元化的学习需求。而面向传媒专业大学生的大数据分析类课程，作为新技术驱动下开设的一门新课程，更对教学者提出了新的教学理念和方法的挑战。传统的面向传媒专业大学生的技术类课程，往往分为“理论”与“上机”两部分，在一定程度上存在着理论学习与技术实践相割裂、教学内容与学生需求不适应等问题。因此，把新的教学理论和方法引入面向傳媒专业大学生的大数据分析类课程当中，既是推动新技术与教育教学深度融合的要求，亦是改善教学效果、培养适应新的技术条件下传媒从业者职业素养要求的必经之路。
混合学习（Blended Learning）理论出现于2001年，最早是在企业界的电子教学（E-Learning）研究中兴起，后来拓展到学校的教育教学当中。混合学习理论建立在对传统教学和电子教学优劣势的综合考虑和扬弃的基础之上，其核心思想在于“学习不是一个一次性的过程而是一个连续的过程，混合比用单一的传递方式有优势”。混合学习理论认为，对特定的内容和学习者应该用特定的、相适应的教学内容传输和学习技术手段来呈现与传输，在此过程中运用合适的教学和学习方式[3]。混合学习理论强调多种教学和学习方式的有机融合，为我们探索面向传媒专业的大数据分析课程的教育教学方法提供了有益启示。
二、面向传媒专业大学生的大数据分析课程目标定位从混合学习理论出发，面对特定的学习者，应该制定特定的教学内容和学习手段。因此，面向传媒专业大学生的大数据分析课程，其目标定位可分为整体目标与个体目标。其中，整体目标是从教学者出发，从课程设置与培养计划出发;个体目标则是从学习者出发，从学生需求和教学效果出发。
课程的整体目标为：培养大学生的大数据分析能力和数据素养。其中，大数据分析能力为技术教育目标，包括大数据的获取、分析和理解等能力。通过该课程的学习，学生可以掌握基本的大数据分析方法，学会使用大数据分析的软件，掌握Python语言基础。数据素养为素养教育目标，是人们有效且正当地发现、评估和使用信息及数据的一种意识和能力[4]。通过课程的学习，学生不仅得以掌握对数据进行综合处理和应用能力，还可以形成对数据进行辩证认识的能力，形成敏锐的数据思维和正确的数据观[5]。
课程的个体目标则根据大学生的课程学习需求而异。大学生的课程学习需求一般可分为学术需求和实践需求，计划深造的大学生以学术需求为主，计划就业的大学生则以实践需求为主。因此，课程的个体目标可分为学术目标与实践目标。课程的学术目标在于，使大学生掌握大数据分析方法在传播学学术研究中的主要应用，即掌握计算传播学的理论和方法基础;课程的实践目标在于，使大学生掌握大数据分析和数据可视化在新闻实践或是其它业界实践中的应用。
基于共同的整体目标和相异的个体目标，本文对面向传媒专业大学生的大数据分析课程教学进行了教学实践总结和模式探索。
三、面向传媒专业大学生的大数据分析课程实践探索借鉴基于混合学习理论的课堂教学模式[6]，本文从课堂形态、教学方式、学习方式、评价方式和扩展方式5个方面对面向传媒专业大学生的大数据分析课程进行了实践探索和模式创新。
（一）课堂形态
采用人机混合、“线上+线下”的课堂形态。在开课初期，教师制定每周学习专题计划及主要知识点，利用微信、QQ、百度网盘、SPOC等多种线上渠道，将教学提纲和课件，以及相关的音视频等资料发放给学生。同时，教师对网上公开的相关学习资料和课程进行评估，例如，对于网络上的各式Python学习资料，教师对其进行学习难度、有用性、有效性、易用性的评估，并把评估结果分享给学生。在课堂学习之前，学生可通过教学大纲和课件对学习内容进行预习，激发学生对课程内容的探究兴趣;在课堂学习的过程中，可引导学生自主归纳学习内容中的重点和难点;在课堂学习之后，学生可以随时根据自己的学习情况和需求，对网络学习资料进行取舍，从而形成对课堂教学的有益补充。 （二）教学方式
混合学习理论指导下教学方式革新的关键之一是通过不同教学结构的创建和连接，建立以教师为主导、以学生为主体的“主导—主体型”教学结构。具体表现为，高结构化的直接教学和低结构化的建构主义教学相结合。高结构化的直接教学以实现大数据分析课程的整体目标为主，即培养学生的大数据分析能力和数据素养。主要由授课教师就大数据分析在传播学实践和研究中的主要方法和应用，如文本分析、社会网络分析、情感分析、数据挖掘等，并进行理论、方法、工具的基本介绍;同时，以案例的形式就这些方法在传播学实践和研究中的应用进行演示。通过高结构化的直接教学，使学生达到掌握基本的大数据分析方法，对大数据分析的软件工具和基本的Python语言有所了解。低结构化的建构主义教学以实现课程的个体目标为主，鼓励学生基于自己或学术或实践的目标定位，自行设定研究对象和研究问题，通过课程的学习达到应用大数据方法解决问题的目的。在建构主义教学中，教师需帮助学生搭建大数据分析的理论和方法框架，引导学生进入问题情境，并鼓励学生以问题为引导进行独立探索，同时为学生的独立探索提供方向指导和答疑解惑。
（三）学习方式
在传统的课堂学习基础上，强调个性化学习、协作性学习的应用[7]。通过设计以不同的大数据方法为划分的单元课题，学生可选择其中一个或几个课题组成学习小组或团队，以协作的方式进行学习。教师需对不同的学习课题组建立适合的学习任务和细则，并引导学生按照任务和细则进行内部分工，制定具体的学习计划实施步骤和时间安排。各学习小组需混合利用线上和线下资源，通过微信群、QQ群、腾讯会议等线上通讯方式或者咖啡馆、会议室等校内公共空间，建立定时和即时的交流沟通制度。对于大数据软件工具的使用，教师需对不同的小组制定个性化的任务清单，引导学生协作完成大数据分析的小作业，强化学生对于大数据软件工具的掌握。此外，教师需引导学生在学习和作业完成的过程中，就大数据方法使用的优势和局限性进行小组讨论，以使学生对大数据方法建立辩证性的认知，形成正确的数据思维和数据观。
（四）评价方式
由于混合教学是集合了多种教学方式和学习方式的教学形式，传统的教学评价方式难以对学生的学习效果进行科学评价。因此需要采用基于混合学习理论的混合评价方式，以实现多角度、多角色的教学效果评价机制[8]。首先，课堂学习的评价遵循传统的教学评价，以学生的考勤以及课堂综合表现为标准;其次，网络自主学习的评价，主要通过学生自评的方式进行，学生对自己网络学习的状况进行陈述;再次，小组协作学习的评价，通过组长评价和组员评价的方式综合进行;最后，作业和报告的评价。在整体目标和个体目标的引领下，最终期末作业和报告的评价为学生提供了两个可选项，其一为采用计算传播学方法的学术论文，研究问题自拟，在方法限定为大数据方法的基础上，对研究问题进行开放式设定;其二为数据报告或数据新闻作品，学生需采用大数据的方法进行数据的收集、处理、分析和可视化呈现。学生可以根据自己的个体目标，来选择相应的期末作业形式。前三类评价属于过程评价，第四类评价属于结果评价，从过程化教学的角度来说，过程评价所占比例应该占到课程总分的一半比例。但是，因为前三类评价属于主观评价，第四类属于客观评价，因此从课程得分的公平性出发，课程总分仍然以第四类评价为主，四个类别的评价所占总分比例为1∶1∶2∶6。
（五）扩展方式
课程结束后，师生共同推荐优秀的学术论文和数据新闻或数据报告进行线上展示和交流，并寻求进一步的研究和实践的扩展。对于优秀的学术论文，教师可鼓励学生对研究问题进行进一步的深入研究和完善，参加学术论文竞赛或者创新项目;对于优秀的数据新闻或数据报告，教师可鼓励学生参加数据新闻大赛。
四、结语
在大数据分析能力和数据素养成为传媒专业大学生的必备能力和素养的背景下，不少高校开设了专门面向传媒专业大学生的大数据分析类课程。从课堂形态、教学方式、学习方式、评价方式和扩展方式5个方面对面向传媒专业大学生的大数据分析课程教学进行了实践总结和模式探索。总体说来，面向传媒专业大学生的大数据分析课程目前尚处于起步阶段，作为一门新兴技术类课程，大数据分析类课程非常适合作为传媒专业课程改革的试验田。本文仅从混合学习理论出发对教学实践进行了总结，未来应结合更多前沿教学理念，对面向传媒专业的大数据分析课程模式进行更为深入的挖掘和探索。
参考文献：
[1]仇筠茜，陈昌凤.大数据思维下的新闻业创新——英美新闻业的数据化探索[J].中国广播电视学刊，2013（7）：12-14.
[2]曹樹金，刘慧云，王维佳.从信息素养到数据素养[J].图书情报研究，2017，10（1）：19-24.
[3]田世生，傅钢善.Blended Learning初步研究[J].电化教育研究，2004（7）：7-11.
[4]隆茜.数据素养能力指标体系构建及高校师生数据素养能力现状调查与分析[J].图书馆，2015（12）：51-56.
[5]张晨.大数据时代的图书馆与数据素养教育[J].图书与情报，2014（4）：117-119.
[6]梁由之，陈盛璋，张慧娟.基于智慧课堂与混合学习理论教学模型构建与应用——以电脑图文设计课程为例[J].设计，2019，32（21）：112-115.
[7]胡立如，张宝辉.混合学习：走向技术强化的教学结构设计[J].现代远程教育研究，2016（4）：21-31+41.
[8]王琦，潘磊，邓秀慧，汪峥.混合学习理论在C语言课程教学中的研究与实践[J].高教学刊，2017（23）：34-36.
[责任编辑：杨楚珺]
收稿日期：2020-12-25
基金项目：国家社科基金青年项目：“基于人工智能的网络意识形态自动分类和人机综合治理研究”（20CXW026）。
作者简介：罗茜，女，苏州大学传媒学院讲师，博士，主要从事计算传播、健康传播、政治传播的研究。