數據挖掘與大數據分析課程的教學模式改革與優(yōu)化

吳錦夢 馬雷 張耀宗

摘要 當今正處于一個大數據時代，數據挖掘與大數據分析技術吸引了信息化產業(yè)領域的大量關注，移動互聯網、物聯網中存在大量可以廣泛利用的數據，有效使用這些數據可以從中獲得很多有用的知識和信息。數據挖掘與大數據分析技術這門課程同時兼具實踐性和理論性，能夠提升學生的編程能力及創(chuàng)新能力。通過實際的數據庫應用需求，可以提高學生對數據的處理及分析能力，能夠對數據模型進行專業(yè)的分析和評估，進而加強學生在數據處理領域的專業(yè)水準，提升學生的運算能力、分析能力以及處理問題的能力。如何在實際教學過程中更好地將理論和實踐融合起來，也是數據挖掘與大數據分析課程中的一個難點和關鍵問題。

關鍵詞 數據挖掘；大數據分析；教學模式

中圖分類號：G424文獻標識碼：ADOI：10.16400/j.cnki.kjdk.2023.14.030

數據挖掘通常也可以稱之為信息挖掘或數據探勘，在挖掘數據庫信息中是非常關鍵的內容。數據挖掘是在海量的原始數據中利用機器學習、人工智能、統計學等手段發(fā)現所需要的知識和信息，是一門由計算機科學以及統計學組成的綜合性學科，主要包含計算機科學、機器學習、統計學等多方面的學科內容，并且實際應用性很強，屬于一種技術性的學科，在電子商務、大數據分析、互聯網金融等領域都有比較多的應用[1]。通常來說，數據挖掘與計算機科學有著很大的關聯性，利用統計算法、概率分析、內容篩選、機器學習、參數識別以及其他手段來達到所需求的目的。數據挖掘算法里運用較為普遍的兩類是統計算法和機器學習算法。

大數據挖掘與分析的技術主要有：數據收集和預處理、數據儲存和管理、數據實時處理、數據可視化及應用等[2]。大數據分析又可以細化成狹義數據分析以及廣義數據分析，而平時所說的數據分析一般指狹義數據分析，即依照分析的目標，采取合適的統計方法、分析手段與工具，處理并分析采集到的大量數據，提取里面所需要的、重要的信息，并充分利用這些信息。

1數據挖掘與大數據分析傳統教學方法中存在的問題

數據挖掘與大數據分析課程內容主要是數據挖掘與分析、大數據技術及應用相關知識的介紹，期望通過這門課程使學生了解常見的數據挖掘與分析方法，提高學生對于數據的科學分析能力，以及利用數據挖掘與大數據分析技術來研究相關領域或者行業(yè)內的某些問題。但是，目前大多數學生對于這門課程的認識并不到位，該門課程在教學過程中也存在教學模式比較落后、課程內容設置不夠全面，在關于這門課程的實際應用和實踐中也存在著嚴重的不足，如重理論學習而輕實踐應用、考核方式較為單一等。

1.1教學模式落后

目前很多高校在開展數據挖掘與大數據分析的相關課程教學時，通常還是采用最基礎的教學模式和教學方法[3]，教師根據基本的數據挖掘方法和分析工具等進行傳統的理論教學，學生則局限于教室以理論基礎為主開展學習。但是數據挖掘與大數據分析課程內容復雜，并且各個章節(jié)的獨立性較強，再加上整體課時較短，傳統的課堂講授模式已很難取得滿意的教學效果。單純的理論知識傳授與學習，導致學生缺乏自主獨立思考問題的能力，同時也缺少和教師的交流和溝通，學生對于知識的消化吸收較差，學習效率較低，其對基礎理論知識的掌握、學習的自主能動性以及科研創(chuàng)新的能力得不到提高。

1.2缺少實踐演練

傳統授課過程缺少案例演練或直接引入傳統案例[4]，無法貼合當前大數據行業(yè)的發(fā)展情況，不能緊跟新技術和新問題，這不僅使得學生無法在課堂上掌握與實際發(fā)展情況一致的數據挖掘與分析方法，也使得學生缺乏相應的實際應用能力。數據挖掘與分析課程中包括概率統計、機器學習、數據庫等學科知識，這類知識較多依賴于算法推導與數學建模[5]，而大量且具有一定難度的理論學習容易使學生喪失學習興趣，無法應用到實際科研中。平時教學一般都是進行最基本的驗證類實驗，但不同的實驗之間又缺少關聯性，無法使學生系統地搭建起有關數據挖掘與分析的知識框架，而且也很難真正地應用到實際場景中，從而導致學生雖然學習了相關的理論知識，但是無法完全理解這些內容，也認識不到問題的重點，這種情況下學生很難真正地理解有關數據挖掘與分析的本質[6]。

1.3理論架構較差

目前在進行數據挖掘與大數據分析教學時，因為時間限制而無法全面地給學生科普有關信息檢索、機器學習、統計分析以及數據庫原理等一些計算機相關課程的內容，因此也導致學生無法更好地去理解這門課程的相關內容。如果學生沒有一定程度的知識儲備基礎，就會導致在學習過程中因沒有清晰的學習目標而陷入迷茫，對所學知識缺乏理解進而越學越差喪失學習信心。

1.4合作互動較少

在班級整體教學的情況下，教師根據教案進行理論知識教學，學生基本都是獨自進行學習和思考，很少有和其他同學進行討論與學習的機會，教師在理論知識講解中也很少與學生進行互動，從而缺少對學生知識掌握情況的了解。在此背景下，每個學生基本都是單打獨斗，當面對重難點問題時，缺乏必要的交流討論，導致學習效率低下。

1.5考核方式單一

對學生的學習情況進行科學有效的評價是教學中非常重要的一部分，好的考核方法可以更有效地測評學生的學習效果。傳統的考核方式大都是按平時成績和期末考試成績加權進行折算。由于缺少與學生的互動，平時成績多以學生上課出勤率作為主要考查因素，而期末考試成績就是期末考核的筆試卷面成績。這種評估方式較為單一，對學生學習情況缺乏深度了解，導致學生只關注期末考試的相關內容，而沒有真正吃透知識并在實踐中合理運用。

2數據挖掘與大數據分析教學方法的研究與探索

好的數據挖掘與大數據分析課程的教學方法不但可以改進教學內容、激發(fā)學習興趣、提升教學質量、提高教學效果，還可以讓學生更好地理解和應用數據挖掘與大數據分析的相關知識來解決實際問題。

2.1改進教學模式

改變傳統的知識理論教學方法，采用實例化的教學模式。收集有關大數據的最新案例，根據領域的前沿動態(tài)進行針對性教學。其中案例的選擇要根據不同的章節(jié)內容來設計，同時還應結合實際需求和問題進行分析講解，從而使學生可以更好地了解相關背景、學習相關內容。通過以實際案例為導向組織教學內容，強化各知識點的運用，串聯各章節(jié)的重點，讓學生能夠更好地了解該門課程內容發(fā)展的最新方向，構建對該領域存在的問題和研究情況的初步認知。

2.2加強實踐環(huán)節(jié)

在課堂教學的過程中，可以根據智能制造業(yè)的相關數據和案例進行內容的講解，將理論知識融合到實際應用中。同時，再以小組的模式增加實踐項目，每個小組通過數據挖掘與大數據分析的相關技術和方案來實現項目，這樣不僅可以提高學生的實際應用能力還可以提高其團隊合作能力，以共同解決問題完成項目的方式實現共同進步。通過合作完成項目，培養(yǎng)學生的自信心；通過自主完成代碼編寫與調試，使學生不斷進行學習并積累經驗，在提高編程能力的同時，也增強其專業(yè)能力和相關知識的應用能力，從而加深對理論知識的掌握和理解。

2.3完善理論體系

教師在課前應該認真地完成備課工作，并在開課初期讓學生預習課程將涉及的高等數學、統計分析等內容，為其打好學習基礎、提高課堂教學效率。另外，學校也應給學生安排相關的專業(yè)課程內容，例如數據庫、計算機原理、算法設計與分析等，若尚未作相應安排，也建議在開課前由老師給學生做好科普，鼓勵學生將其作為選修課或課下自行學習。除此之外，教師也應給學生推薦一些相關內容的經典文章和書籍，鼓勵學生課后自學，并做好答疑工作。通過構建全面的課程相關理論體系，深入學習相關內容和技能，可以使學生在面對該門課程的學習時，具有更扎實的理論知識基礎和技術應用能力，從而更容易深入進行后續(xù)的相關課程學習。

2.4增強合作互動

將所有學生隨機進行分組或者自行組成小組，由小組內成員進行溝通和交流，各自提出自己的問題并一起思考解決。通過成員在小組內的討論情況了解案例的背景和數據挖掘的目標，明確實現案例的流程，總結在學習過程中遇到的問題和困難、學習內容的重難點，進而對學習結果進行分析。最后由小組內成員總結討論的結果，并推選出一位學生對討論結果做一個匯報。教師可以根據每個小組匯報的內容進行一定的點評和解惑，并且可以以此來了解學生對于課程內容的學習情況以及實際應用情況，然后根據這些情況再具體安排后續(xù)的教學內容，對學生遇到的問題和不易理解掌握的重難點內容要做重點講解。通過合作的方式可以增強學生的合作能力，提高學習效率，更好地解決所遇到的問題；作為老師來說也能更了解學生對于課程內容的掌握情況，從而合理安排后續(xù)的教學內容。

2.5優(yōu)化考核方式

科學的考核方式是對學生關于數據挖掘與大數據分析相關知識的掌握情況以及檢驗教學成果的一個至關重要的部分，對于學生培養(yǎng)和教學優(yōu)化都是非常關鍵的環(huán)節(jié)。為了更加科學地評估每位學生的學習情況，根據該門課程理論復雜、應用性強的特點，最好是采取多元化的模式對學生的學習情況進行考核。評估標準可以由平時成績、實驗成績以及期末成績三個部分組成。其中平時成績可以由上課出勤率、課堂互動問答、隨堂測驗以及課后作業(yè)等進行綜合評估；實驗報告可以通過小組合作實驗，獨立完成報告的形式進行測評；期末成績則可以組織學生進行期末考試來考核，期末考試內容可以由理論知識和實際應用等內容組成。其中關于實驗部分，由于是由學生組成小組合作來完成，如何做到公平地評估小組內成員的工作參與情況以及合理地給小組內每個成員進行評分是一個重要的問題。在每次實驗的時候，可以要求小組成員對自己承擔的工作量及完成情況進行小結，然后視情況對每次實驗成員的小結進行評估給分。最終實驗完成后，小組內每個成員獨立完成自己的實驗報告并上交，最后由每個學生每次實驗情況的評估分數和最終實驗報告的得分評估學生在實驗中的整體貢獻，再根據這些完成最終評分。這種評分方式既加強了學生的科研合作能力，又能夠更加公平、科學地對每個小組內成員的實驗成果進行合理評估。由以上這些一系列平時考核、實驗考核以及期末考核組合而成的多元化評估，可以更好地完成對學生學習情況的測評，綜合評估學生對于數據挖掘與大數據分析的課程內容掌握和實際應用能力。

3結論

大數據產業(yè)飛速發(fā)展、大數據技術也在不斷創(chuàng)新。大數據產業(yè)在經濟社會發(fā)展中的作用日益顯現，對數據挖掘和大數據分析的課程教學提出了更高的要求。本文對數據挖掘與大數據分析課程教學進行了研究，分析了傳統教學方法中存在的一系列問題，并根據這些問題做了更深層次的探索，提出了相應的解決方法，希望借此機會完善數據挖掘與大數據分析這門課程的教學內容，提高學生對于理論知識的掌握以及實際應用的能力，調動學生的學習積極性，加深學生對該領域的了解，從而更好地完成在大數據領域的學生培養(yǎng)目標。

基金項目：2021年湖北省自然科學基金項目“基于無人船艇智能監(jiān)測的實時三維多目標檢測關鍵技術研究”（2021CFB255）。

參考文獻

[1]丁毅濤.大數據時代下的數據挖掘課程改革探索[J].科技風，2021（27）：27-29.

[2]陳良臣.大數據挖掘與分析的關鍵技術研究[J].數字技術與應用， 2015（11）：93，96.

[3]高建瓴，潘成成.以“問題驅動”為基礎的“數據挖掘及應用”課程教學實踐[J].新型工業(yè)化，2020，10（9）：187-189.

[4]孟凡奇，孫昊晨，王敬東.新工科研究生“數據挖掘”課教學改革探索[J].黑龍江教育（高教研究與評估），2021（4）：54-55.

[5]肖薇，任菊慧，林良釗.數據挖掘與分析課程教學改革與探索[J].社會科學前沿，2022，11（10）：4403-4407.

[6]湯顯，石蘊玉.新工科背景下數據挖掘課程教學改革與探索[J].教育教學論壇，2019（42）：141-142.