大数据背景下数据挖掘课程的教学方法探讨

陈欣　王月虎

摘 要： 传统的教学模式不能适应和满足本专业学生了解数据处理和分析最新技术和方法的迫切需要，必须不断创新和改革课程教学模式。本文结合数据挖掘课程特点，讨论了数据挖掘模型与实现的教学方法，并提出了建设性意见。

关键词： 数据挖掘 课程教学 实践应用 大数据

一、高校数据挖掘课程教学的现状

数据挖掘是高校经济管理专业中非常重要的专业主干课，旨在培养学生针对运营管理和决策过程中的实际问题，特别是面向大数据环境下管理决策新问题，运用数据挖掘处理和优化分析技术，寻求管理问题最佳解决方案的综合实践能力。课程具有很强的实践性，数据挖掘技术变化迅速，数据挖掘模式不断演变与提升。近年来，随着大数据技术的迅速发展，以大数据为中心的数据挖掘技术引起了广泛关注。2012年初，美国政府投入2亿美元启动“大数据研究和发展计划”，使得大数据研究上升为国家意志，这意味着大数据对将来科学技术、经济发展，以至于国家安全将产生深远的影响。大数据的特点可以归结为四个V[1]：Volume（体量大），Variety（模态多），Velocity（速度快）和Value（价值密度低）。从这样的大数据中挖掘和发现潜在有用的信息和知识，对数据理论分析和数据挖掘技术的要求相应提高。传统教学模式并不能适应和满足管理学生了解数据处理和分析最新技术和方法的迫切需要。

国内学者在大数据背景下数据挖掘课程教学方面开展相关研究。如朱恒民[2]（2013）在分析专业学生开设数据挖掘课程的必要性和可行性的基础上，讨论课程在教学过程中存在的问题和设置的教学目标，着重从教学内容和实验环节上探索数据挖掘课程的具体教学方案及其实施。张艳[3]（2014）针对大数据的特点，以构建课程核心知识体系为主题，采用案例教学法，改革传统的教学评价方式，理论结合实践进行研究生数据挖掘课程教学创新尝试，达到预期的教学效果，受到学生好评。李海林[4]（2014）针对目前大数据带来的社会影响力，根据大数据具体特性及数据挖掘学科交叉性强的特点，结合实际教学经验，分别从培养数据意识、改进理论体系、创新教学方法和深入科学研究等四个方面探索如何设计高校数据挖掘课程。石洪波等[5]（2015）从社会和就业需求的角度出发，提出财经院校信息类专业数据管理与分析课程群建设思路，指出课程群立体化结构体系，并对其中的教学手段与方法、教学内容及团队建设等内容进行探讨。李珊珊等[6]（2015）为了解决数据挖掘教学中教学内容与就业需求相脱节问题，探讨以市场需求为导向的数据挖掘课程内容体系，该课程体系包含三大环节：基于纵向和横向案例的理论教学；包含验证性、设计性、综合性实验的实验教学；基于自主学习的讨论式教学。

二、数据挖掘课程教学面临的问题

1.課程理论性要求较高与学生知识结构缺陷之间的矛盾问题[7]。数据挖掘课程涉及数理统计与概率论、数据库、机器学习等课程的相关内容，课程内容以公式推导和算法分析为主，具有较强的理论性，同时对学生前置课程基础要求较高，然而，经管专业学生一般仅具备统计学和数据库课程的，机器学习及其他知识储备较弱，因此学生在课程学习之初普遍感觉难度较大。

2.如何分配课堂理论授课与实验指导学时比例的问题[8]。数据挖掘课程内容丰富，交叉学科特征明显，因此必须保证足够的理论教学学时数量。同时，在教学过程中避免仅仅讲授理论知识，忽视上机实验学习的指导。如果教学过程中对理论算法和知识点的学时花费过多，则学生在实践中培养学时就会相应减少，这不利于体现课程面向实践应用的特性，学生实际动手分析数据的能力得不到锻炼，必然导致课程授课效果不佳和学生积极性不高等现象。因此，特别是对于经管专业学生来说，应特别注意在总课时一定的情况下，科学合理分配理论授课和实践指导的课时，让学生在实践中提高分析问题和解决问题的能力。

3.教学形式不够丰富，学生在课堂上参与性不高。以往的以“灌输式”为主的“老师讲、学生听”的教学模式，不利于数据挖掘课程授课效果的增强，因为课程具有很强的实践性，如果老师仅凭讲授，忽视学生的参与，就很难激发学生对数据分析的听课兴趣，更谈不上学生在课程之后的知识应用能动性和创新性的培养。随着社会的发展和时代的进步、互联网信息经济时代的到来，数据挖掘课程教学过程中遇到的矛盾问题还将不断出现，传统教学模式将越来越不适合当前高等教育发展所提出的新要求，必须不断创新和改革课程教学模式，建立以学生能力培养为核心的教学模式及面向创新开放式实践教学体系，实现以教为中心向以学为中心的转变，以传授知识为主向以培养能力为主的转变。与此同时，《国家中长期教育改革和发展规划纲要（2010—2020）》明确指出要注重学思结合，倡导启发式、探究式、讨论式、参与式教学，帮助学生学会学习。《江苏省教育厅关于全面提高高等学校人才培养质量的意见》明确提出加强理论与实践融合，推行基于问题、基于项目、基于案例的教学方法和学习方法。加强综合性实践科目设计和应用，支持学生开展研究性学习、创新性实验。

三、数据挖掘课程教学的建议

1.以学科特色与科研项目为背景，结合课程和专业培养目标，设计应用型和实践性强的课程问题和以案例体系为主的实验教学大纲，以“课程问题”为引导，突破以往以教师为主的“灌输式”教学模式的做法，丰富和生动课程教学方法，极大地调动学生的学习积极性，在教学中不断提高学生探索问题兴趣和对学科知识的求知欲，进而提高教学质量，同时对培养本科生自主学习能力具有重要的实践意义。

2.以应用为目的设计教学内容。针对管科专业学生就业需求和培养目标等要求，在数据挖掘课程授课时，教师应能够为学生精心挑选知识点，包括对经典挖掘算法的重点介绍，并适当增加商业管理决策的应用案例介绍和分析。比如，在讲授过程中增加若干关于数据挖掘的幽默故事、经典案例和在各行业中的应用案例，通过分析案例加深学生对算法应用的理解。endprint

3.针对课程体系和问题设计场景，设计和选取合适课程教学方式和形式。教学方式应以提高教学质量和教学效率为核心，紧密结合教材、管理专业学生的专业特点和人才培养目标。重点在教学手段及内容组织的改革上，通过充分调动学生的积极性，让学生最大限度地参与教学，激发学生的主动学习意识，更深刻地掌握数据挖掘与管理决策知识。与此同时，教学方式和形式改革的关键在于通过课程学习达到培养其分析问题、独立思考问题和解决问题的能力，以及学生口头表达观点和逻辑思维的能力的目的。

4.融合课堂参与度和课后作业等表现，创新设计课程考核方法和标准。在传统教学中，对学生成绩评价普遍采用“平时成绩+考试成绩”式的评价方法，这种评价标准对于平时成绩的考量具有较强随意性，很难体现学生的实际情况，而且容易造成教师采用传授和应试的教学方法，以及学生平时不巩固，临考抱佛脚的不利局面，教学效果不是很好。通过在教学过程中建立每位学生过程考核档案，设计好成绩考核指标和分配比例，真正做到对学生的考核评价分解到平时学习和讨论过程中，从而使学生学习知识的过程得到持续评价，促进学生主动掌握知识和提高自主学习能力。

四、结语

数据挖掘是一门新型的多学科交叉的学科，知识体系不断地发展和更新。目前在大数据背景下，开设数据挖掘课程有其现实意义，同时对教学是一个挑战，需要在教学过程中不断探索和研究。因此，在教学过程中针对学生，尤其是应用型学生现有的知识水平，認真设计基于问题的教学内容和方法，更有助于激发学生的学习兴趣，提高课堂教学效率，增强学生实践能力，从而使学生对数据挖掘课程的总体框架、基本概念、基本模型和技术有较深入的理解和掌握，最终达到教学目的。

参考文献：

[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域[J].中国科学院院刊，2012，27（6）：647-657.

[2]朱恒民.专业学生开设数据挖掘课程的教学探索[J].教学研究，2013，36（4）：82-84.

[3]张艳.大数据背景下的数据挖掘课程教学新思考[J].计算机时代，2014（4）：59-61.

[4]李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代，2014（2）：54-55.

[5]石洪波，冀素琴，吕亚丽.财经院校信息类专业数据管理与分析课程群体系研究[J].高等财经教育研究，2015（3）：54-58.

[6]李姗姗，李忠.就业需求驱动下的本科院校数据挖掘课程内容体系探讨[J].计算机时代，2015（2）：60-61.

[7]高园园，吕庆文数据挖掘课程的教学思考[J].医学信息，2009，22（11）：23-24.

[8]马淑英，李国日方，邓春岩，郑立新，陈立东.“农业机械学”教学改革初探[J].河北职业技术师范学院学报（社会科学版），2003，2（4）：78-81.

项目基金：南京财经大学2016年度校级高教研究课题（项目编号：JGY1753）。endprint