应用型本科“数据挖掘”课程的构建研究

白杨

摘 要：文章依据应用型本科院校人才培养目标需求，根据数据挖掘学科交叉性强的特点，设置了面向信息管理与信息系统专业的“数据挖掘”课程教学内容，并将传统教学法与现象教学法、翻转课堂教学法相结合，提高学生的学习兴趣和实践能力，推进该门课程的建设研究。

关键词：数据挖掘；应用型本科；课程内容；教学方法

近年来，随着人工智能及大数据技术的发展和应用，国内各高校面向计算机以及信息管理等专业陆续开设了“数据挖掘”课程。数据挖掘是从海量数据中发现隐含的、未知的、有趣的、有价值的规则和知识。显然，针对不同学科的专业、不同层次的高校，“数据挖掘”课程的体系及内容设置都应该有所不同。譬如，不同于研究型大学和高职高专院校，应用型本科院校的培养目标是培养高素质应用型人才[1]，提高学生的创新、创业能力，服务于地方经济的发展，为社会各行业发展提供充足的人才支撑和保障。在高校教育体系中，课程是人才培养的基础和保证。应用型人才培养目标的实现，必须落实在课程教学设计和设置中。目前，应用型本科院校的“数据挖掘”课程设置与人才培养目标存在不相契合的现象，其主要原因在于部分高校课程设置缺乏适应数据科学及大数据技术发展的长远规划，没有真正实现围绕社会岗位及人才知识储备需求，难以体现应用型本科毕业生的职业能力。因此，有必要对“数据挖掘”课程的教学内容、教学方法进行深入探索，构建合理的课程体系和改革途径，以适应应用型本科人才培养目标的需求。

1 教学内容设计

“数据挖掘”课程是一门建立在统计学、机器学习、数据库、人工智能等学科的综合性课程。根据应用型本科的培养目标以及信息管理与信息系统专业的特点，要求学生通过本课程的学习，能够在理论联系实际的基础上，系统地掌握数据挖掘的基本思想、基本理论和基本方法，具有数据处理、数据分析、各种挖掘算法的基本应用能力，培养学生运用数据挖掘技术解决实际问题，进行初步的数据挖掘工作。将理论教学内容与实验教学内容相结合，采用传统与特色教学如话题教学、翻转教学等相结合的教学方法，构建“数据挖掘”课程体系。

1.1 理论教学内容设计

“数据挖掘”课程的教学内容主要分为3个模块：（1）数据挖掘基本概述，包括数据挖掘的概念、特点及发展，结合在大数据背景的数据挖掘的实际应用场景、数据仓库存储方式和数据预处理的工作和流程。（2）数据挖掘方法介绍，包括分类、聚类、关联规则分析等经典算法。（3） Web挖掘概述，包括Web使用挖掘和内容挖掘，着重介绍文本挖掘方法的关键技术。

对以上3个模块的学习是循序渐进的过程。首先，第一模块是学习的基础，学生应对数据挖掘的基本概念和过程加以了解，对比先序课程如关系型数据库的数据管理方法，了解数据仓库的数据存储和管理特点。第二模块是学习的重点，要求学生理解数据挖掘方法的基本思想，掌握经典的数据挖掘算法原理及应用。例如，学习Apriori关联规则挖掘的先验性质，在解决“购物篮分析”问题的具体应用、存在的问题以及优化方法。第三模块是了解数据挖掘的发展热点，由于“数据挖掘”课程必须迎合大数据时代数据量飞速增长、数据类型丰富的特点，因此在该课程内容设置上增加了Web文本挖掘方法的详细介绍。文本挖掘是目前数据挖掘领域流行、不可忽视的发展方向，随着微博、推特等社会网络的蓬勃发展，网络上有80%以上的数据都是以文本形式存在，而目前的数据挖掘类教材中，对文本挖掘的介绍都是一带而过，并没有加以系统、全面的介绍。本模块着重介绍文本数据的预处理的分词、数据表示等关键环节，并且将此部分的学时安排设置与其他经典挖掘方法等同。具体的教学内容设计及学时安排（共计32学时），如表l所示。

1.2 实验教学内容设计

数据挖掘是一门实践性非常强的学科，因此培养实践能力是数据挖掘教学的重要目标，而上机实验是培养实践技能的重要教学环节。目前，用于数据挖掘类课程的实践软件工具有SPSS Clementine，SPSS Modeler， Matlab等。根据信息管理与信息系统专业特点及应用型人才培养目标，辽东学院采用SPSS Modeler作为实验课程的工具软件。SPSS Modeler由IBM官方发布，能实现数据挖掘的具有代表性的经典算法，快速建立预测性模型。面向不同实验题目，在构建数据挖掘模型的过程中，能加深学生对算法的理解和应用。具体的实验内容设计及学时安排（共计16学时），如表2所示。

2 教學方法设计

2.1 传统教学方法

“数据挖掘”课程所涉及的知识点众多，在课堂上通过课件演示，讲授数据挖掘的基本理论和方法，对大部分知识点做广度介绍，而对重点、难点进行具体讲授。采取多种实践教学方式，培养学生应用数据挖掘技术解决实际问题的能力，例如引入案例教学，充分结合数据挖掘的应用场景，通过挖掘方法和手段解决实际问题；通过课程大作业的形式，让学生在实践中解决具体问题，加深并巩固对理论知识的理解。

2.2 特色教学方法

“数据挖掘”课程是多学科交叉的课程，内容覆盖面广、知识点难以理解，因此，有必要采用有针对性的教学方法。现象教学法是一种新型教学组织形式，是围绕学生感兴趣的现象或话题来进行跨领域、多学科的融合教学[2]。数据挖掘的很多领域涉及多门学科知识，如分类挖掘的决策树构建，不仅要理解算法流程，又涉及信息论原理知识，需要将多门学科知识进行整合。聘请相关学科教师进行话题知识点的讲解，并调动学生积极参与话题讨论，达到学生对此算法思想的深度理解。翻转课堂教学是近年来逐渐兴起的教学模式，它将传统教学结构进行颠倒，让学习者在课外时间完成针对知识点和概念的自主学习，课堂变成教师和学生的互动场所，通过解答疑惑、合作讨论等策略促进知识内化的模式[3]。采用对重点、难点知识主题以及软件演示等操作流程提前录制微课程，让学生在课下能反复播放进行复习，课上则引入小组讨论机制，通过教师与学生的互动以及广泛讨论，完成对知识点的深入理解和实践应用。

3 结语

“数据挖掘”课程于2016年秋季学期面向辽东学院信息管理与信息系统专业高年级本科生开课，按照制定的教学内容与实验内容的实践，学生对数据挖掘的基本方法有了一定了解。为激发学生的学习兴趣，在实践环节上，辅之以相关课题的讲座和实践基地的考察，让学生了解数据挖掘的前言知识和企业中的具体应用，能进一步延伸思考本专业领域的大数据应用发展方向及前景。综上，“数据挖掘”课程设置应当在应用型人才培养目标背景下，制定符合应用型本科的信息管理专业的教学内容，采取具有差异性、有针对性的教学方式，并在实践中不断探索和改革，提高课程教学质量与效果，为社会输送合格的数据挖掘领域的应用型人才：

[参考文献]

[1]潘懋元，周群英.从高校分类的视角看应用型本科课程建设[J]中国大学教学，2009 （3）：4-7.

[2]陈式华.现象教学——芬兰2016教改新模式[J].教育与教学研究，2016 （11）：102-106

[3]马秀麟，赵国庆，邬彤.大学信息技术公共课翻转课堂教学的实证研究[J].远程教育杂志，2013 （1）：79-85.