论文部分内容阅读
摘要：学科交叉融合已成为高等教育中课程建设的发展趋势，当今选修计算机专业课的外专业学生越来越多。作为实战性强的数据挖掘课，传统的授课中往往对实践编程过分看中。然而，与计算机专业学生相比，外专业学生在编程能力、兴趣上有显著差别。导致针对外专业学生而言，数据挖掘课学生积极性不高、授课质量不高。本项目针对混专业中数据挖掘课的授课难点，提出了有效的个性化授课方式，使得不同专业学生都能在充分掌握理论技术的同时，也能熟练地将其用于解决其专业问题。
关键词：数据挖掘；跨专业；学科融合；计算机编程
1.引言
随着人工智能在各行各业的广泛应用，高等院校越来越多地面向全校开设计算机专业的方向课，势必导致了这些课的跨专业教学特色突出。众所周知，数据科学涉及范围广，是金融学、统计学、控制学等多学科的核心工程，因此，数据挖掘，作业计算机方向实践性较强的课程也是备受外专业青睐，但与计算机专业不同，外专业学生往往侧重于利用算法工具包解决问题的能力。传统的数据挖掘课在训练学生编程技能，往往重视算法的机理与实现过程；且他们往往采用任务式教学模式。这种模式一般设计的编程任务较难，要求学生熟练运用某一门编程语言。但而，对于非计算机学生而言，学生编程基础差，直接从算法的角度进行教学很难产生较好的效果。
为了应对非计算机专业学生在编程上的诸多挑战，许多老师通过降低编程要求、强调理论水平，或直接对不同专业学生进行差异化考核。这些措施主旨都是为了降低非计算机专业在学习挖掘课的时编程要求。然而，数据编程已成为新时代各行业人才的必备要求，因此，结合非计算机专业学生，因地质宜的进行个化性教学方法的研究十分重要。
2.现存数据挖掘课教学手段分析
计算机学院开设的数据挖掘课程以阐述各类典型的挖掘算法为主题，以编程任务为导向，强化学生解决实际问题的能力。一般而言，学生涉及的编程解决问题来自两方面：一方面是课后习题编程，另一种是学期中的项目实现。这种培养模式从表面来看是相对合理的，特别是针对外专业而言，因为该方法侧重培养学生用数据挖掘解决实际问题的能力。然而，现有的面向计算机专业的数据挖掘课在面向外专业开设中存在如下问题：
1）.处理的问题与本专业相差较大，导致学生对问题的理解不够。这个主要体现在两方面，一是在授课过程中，课堂案例都是一些泛的问题，这些问题可能并不是这些非计算机专业需要解决的难题；另一方面来自于习题，这些习题往往是利用某些提供的数据对算法进行验证。一般而言，这些数据的质量相对较高，但自身专业领域中可能会涉及大量非结构化、缺失的数据。总体而言，传统教学中案例与习题的主题与本专业相关性低，不适用于此专业学生。
2）项目或大作业难以吸引学生。很多照搬面向计算机专业的项目题目由于偏离学生的本专业应用，故而很难引起学生兴趣，学生也就难全心投入解决该项目。
3）算法实现编程较难，容易打击学生积极性。对于计算机专业学生，由于有相当一部分学生将从事算法方面的研究，因而他需要对各种算法的理论与实现都有透彻的理解。然而，完全重现算法对非计算机专业学生挑战较大，加上他们本身编程技术差。这种吃力感不仅不能让学生收获感十足，反而会打击学生的积极性，导致教学很难进行下去。
3.面向外专业数据挖掘课的改进方法
针对以上提出了的三大点问题，我们结合外专业学生本身的专业特点，提出了对传统数据挖掘课教学的几点改进方法：
1）丰富课堂案例。结果学生专业背景、利用学生专业领域的热门话题设计案例，引人入胜，增强学生的积极性与参与度；同时，对课后作业内容也可根据学生自身特点设计。
2）面向专业背景的项目设计。通過收集学生专业领域中关注的数据处理类的问题，设计适应本专业的题目。如同样对于预测任务而言，对计算机系学生的项目可以是房价预测；面向金融的学生设计股票预测；面向电子商务专业项目内容则设计为电子优惠券的预测等等。这样，通过对每个任务进行专业化的重构，则可实现满足各专业的需要。
3）强化编程工具的运用。对非计算机专业而言，他们往往不需要了解技术细节，中心是如何正确使用现成的算法包用来解决专业领域问题。因而，对非计算机专业学生而言，应当适当弱化他们对算法实现的要求，相反，应当培养他们应对任何问题，快速调用相应任务工具包的能力。
4.方案实施构想
针对如上的几点方法，我们更具体地给出如下可行方案。
对于前两个改进而言，其实都是针对教学内容/任务问题的改进。如前所述，对于传统案例/项目任务，我们需要做专业化迁移，即将本专业热门话题潜入到新的人案例/项目任务（包括简单的场景变化）。与此相关的另一块任务就是专业热门问题的挖掘，这方面可以通过外专业文献网站及学生问卷调查表实现。
对于第三个方法，我们可以对计算机/非计算机专业学生提出差异化的编程要求。对计算机专业，我们要求实现、优化算法，并达到与函数调用同等/更高性能；而对非计算机专业而言，要求其能充分了解开源工具包，会对工具包进行算法调用即可。这个方案也同时要求对非计算机/计算机专业学生的编程能力评价上进行差异化的评分。
5.总结
本人针对面向外专业学生的数据挖掘课的授课方式进行了深刻分析。首先，我们研究了传统的授课方法在面向外专业学生时教学的难点及缺陷，针对缺陷，我们提出了应对方法并给出了具体实施方案。通过结合专业背景进行个性化教育，我们相信教学质量针对各个专业而言都会提到一定的提升，具有良好的现实意义。
作者简介：谭敏，女，1987年9月，汉，湖南衡阳，讲师，博士，计算机视觉与人工智能，杭州电子科技大学。
基金项目：杭州电子科技大学计算机学院2017年高等教育研究资助项目“基于视频分析的智能课堂管理方法研究”（项目编号：XYGJ201705）；杭州电子科技大学2017年高等教育研究资助项目“基于统计学习的学评教分析与研究”（项目编号：YB201729）。
关键词：数据挖掘；跨专业；学科融合；计算机编程
1.引言
随着人工智能在各行各业的广泛应用，高等院校越来越多地面向全校开设计算机专业的方向课，势必导致了这些课的跨专业教学特色突出。众所周知，数据科学涉及范围广，是金融学、统计学、控制学等多学科的核心工程，因此，数据挖掘，作业计算机方向实践性较强的课程也是备受外专业青睐，但与计算机专业不同，外专业学生往往侧重于利用算法工具包解决问题的能力。传统的数据挖掘课在训练学生编程技能，往往重视算法的机理与实现过程；且他们往往采用任务式教学模式。这种模式一般设计的编程任务较难，要求学生熟练运用某一门编程语言。但而，对于非计算机学生而言，学生编程基础差，直接从算法的角度进行教学很难产生较好的效果。
为了应对非计算机专业学生在编程上的诸多挑战，许多老师通过降低编程要求、强调理论水平，或直接对不同专业学生进行差异化考核。这些措施主旨都是为了降低非计算机专业在学习挖掘课的时编程要求。然而，数据编程已成为新时代各行业人才的必备要求，因此，结合非计算机专业学生，因地质宜的进行个化性教学方法的研究十分重要。
2.现存数据挖掘课教学手段分析
计算机学院开设的数据挖掘课程以阐述各类典型的挖掘算法为主题，以编程任务为导向，强化学生解决实际问题的能力。一般而言，学生涉及的编程解决问题来自两方面：一方面是课后习题编程，另一种是学期中的项目实现。这种培养模式从表面来看是相对合理的，特别是针对外专业而言，因为该方法侧重培养学生用数据挖掘解决实际问题的能力。然而，现有的面向计算机专业的数据挖掘课在面向外专业开设中存在如下问题：
1）.处理的问题与本专业相差较大，导致学生对问题的理解不够。这个主要体现在两方面，一是在授课过程中，课堂案例都是一些泛的问题，这些问题可能并不是这些非计算机专业需要解决的难题；另一方面来自于习题，这些习题往往是利用某些提供的数据对算法进行验证。一般而言，这些数据的质量相对较高，但自身专业领域中可能会涉及大量非结构化、缺失的数据。总体而言，传统教学中案例与习题的主题与本专业相关性低，不适用于此专业学生。
2）项目或大作业难以吸引学生。很多照搬面向计算机专业的项目题目由于偏离学生的本专业应用，故而很难引起学生兴趣，学生也就难全心投入解决该项目。
3）算法实现编程较难，容易打击学生积极性。对于计算机专业学生，由于有相当一部分学生将从事算法方面的研究，因而他需要对各种算法的理论与实现都有透彻的理解。然而，完全重现算法对非计算机专业学生挑战较大，加上他们本身编程技术差。这种吃力感不仅不能让学生收获感十足，反而会打击学生的积极性，导致教学很难进行下去。
3.面向外专业数据挖掘课的改进方法
针对以上提出了的三大点问题，我们结合外专业学生本身的专业特点，提出了对传统数据挖掘课教学的几点改进方法：
1）丰富课堂案例。结果学生专业背景、利用学生专业领域的热门话题设计案例，引人入胜，增强学生的积极性与参与度；同时，对课后作业内容也可根据学生自身特点设计。
2）面向专业背景的项目设计。通過收集学生专业领域中关注的数据处理类的问题，设计适应本专业的题目。如同样对于预测任务而言，对计算机系学生的项目可以是房价预测；面向金融的学生设计股票预测；面向电子商务专业项目内容则设计为电子优惠券的预测等等。这样，通过对每个任务进行专业化的重构，则可实现满足各专业的需要。
3）强化编程工具的运用。对非计算机专业而言，他们往往不需要了解技术细节，中心是如何正确使用现成的算法包用来解决专业领域问题。因而，对非计算机专业学生而言，应当适当弱化他们对算法实现的要求，相反，应当培养他们应对任何问题，快速调用相应任务工具包的能力。
4.方案实施构想
针对如上的几点方法，我们更具体地给出如下可行方案。
对于前两个改进而言，其实都是针对教学内容/任务问题的改进。如前所述，对于传统案例/项目任务，我们需要做专业化迁移，即将本专业热门话题潜入到新的人案例/项目任务（包括简单的场景变化）。与此相关的另一块任务就是专业热门问题的挖掘，这方面可以通过外专业文献网站及学生问卷调查表实现。
对于第三个方法，我们可以对计算机/非计算机专业学生提出差异化的编程要求。对计算机专业，我们要求实现、优化算法，并达到与函数调用同等/更高性能；而对非计算机专业而言，要求其能充分了解开源工具包，会对工具包进行算法调用即可。这个方案也同时要求对非计算机/计算机专业学生的编程能力评价上进行差异化的评分。
5.总结
本人针对面向外专业学生的数据挖掘课的授课方式进行了深刻分析。首先，我们研究了传统的授课方法在面向外专业学生时教学的难点及缺陷，针对缺陷，我们提出了应对方法并给出了具体实施方案。通过结合专业背景进行个性化教育，我们相信教学质量针对各个专业而言都会提到一定的提升，具有良好的现实意义。
作者简介：谭敏，女，1987年9月，汉，湖南衡阳，讲师，博士，计算机视觉与人工智能，杭州电子科技大学。
基金项目：杭州电子科技大学计算机学院2017年高等教育研究资助项目“基于视频分析的智能课堂管理方法研究”（项目编号：XYGJ201705）；杭州电子科技大学2017年高等教育研究资助项目“基于统计学习的学评教分析与研究”（项目编号：YB201729）。