新工科背景下数据挖掘课程教学改革与探索

汤显 石蕴玉

摘要：新工科教育建设需要培养多元化、创新型的具有可持续竞争力的高素质人才。在本科生数据挖掘课程教学改革的探索中，针对目前存在的问题与不足，从加强理论的关联性、增强课程内容的应用性与时效性、进行跨学科知识融合三个方面，引入新理念和新模式，提升学生的创新思维和培养学生的综合应用实践能力。

关键词：新工科;数据挖掘;本科课程;综合能力

中图分类号：G642.0     文献标志码：A     文章编号：1674-9324（2019）42-0141-02

一、新工科建设背景

教育部推出的“新工科”计划引领了我国工科教育改革的方向。新工科不同于传统工科教育，是针对当前和未来产业发展进行的转型和升级。新工科强调工程学科之间、工程学科与其他学科之间以及产学研的交叉和融合，培养未来多元化、创新型卓越工程人才[1]。因此，更新人才培养理念，重构培养目标和知识结构，转变培养方式是新工科人才培养模式的本质内涵[2]。

在新工科的人才培养和建设背景下，高校各专业的课程体系设置及课程改革应注重学生综合能力的全面发展，在培养工科思维的前提下，将人才培养和创新意识进行有效的结合，推动现有工科专业深层次的发展。

二、数据挖掘课程现状

数据挖掘既是计算机专业的专业课，同时又是一门综合性学科，主要为培养学生发现问题，解决问题的能力。该课程内容覆盖面广，交叉性强，要求学生有较强的逻辑思维和实践动手能力。随着互联网技术的发展和大数据技术产生的巨大社会影响力，部分高校已在本科较高年级的课程体系中增设了数据挖掘这门课程。该课程在我院为面向计算机科学与技术专业、数据科学和大数据技术专业的专业特色选修课，课程教学学时为32学时（2学分），其中10学时为上机实验。由于该课程对先修的基础课程的掌握程度要求高，而且课程本身涉及的理论知识多，算法复杂，因此教学难度大，对学生的能力也具有极大的挑战性。如何激发学生的积极性，变被动学习为主动思考，从被灌输到自己动手创新、实践，还有很大的探索空间。在目前的课程开展过程中，主要存在以下问题：

1.教学模式单一。数据挖掘课程设计涉及的基础理论知识多，算法复杂，给教师授课带来极大的挑战。目前教学中一般采用传统的教师授课，学生被动听的方式。由于理论知识枯燥，再加上学生的基础薄弱，导致学生学习起来有较大的难度，很难调动学生的学习积极性和主动性[3，4]。

2.实验的实际应用性不强。在传统的教学方式中，实验环节主要是对课上讲解的理论进行验证，未考虑在实际中如何应用，导致教学与实践脱离，学生也很难意识到知识的应用点，导致对知识的理解仅限于浅层面，无法深入地理解算法。再者，每个实验环节都是相对独立的，数据量较小，使得学生无法系统地理解数据挖掘的本质和过程[5]。

3.对学生持续发展能力培养不足。在传统的教学中，不能体现本课程跨专业和跨学科的特性，只是单纯讲解基础理论，忽略知识间的关联性，这种教学方式已经不能适应学生多元化学习和发展的要求。

三、以成果为导向的课改探索

新工科的培养理念是成果导向（Outcome Based Education，OBE）的。OBE是1981年由美国学者Spady率先提出的，经过10年左右的发展，形成了比较完整的理论体系，至今被认为是追求卓越工程教育的正确方向，适合指导新工科人才培养[6]。新工科人才培养目标必须适应社会和行业对高素质工程应用人才的需求，培养出更适合经济发展和产业需求的可持续发展人才。在此理念指引下，在数据挖掘课程授课过程中，进行了如下探索和改进：

1.加强理论的关联性。数据挖掘课程的算法相对来说比较复杂，学生如果没有扎实的基础知识，吸收知识就会很困难。如果仅仅靠死记硬背，无法真正掌握课程的内涵和精髓。因此，在课程开始前两周，授课教师会将与数据挖掘课程相关联的先修课程的重要知识点发给学生，让学生进行针对性的复习。教师授课时，将关联的知识点一起讲解，加强学生记忆，让学生很好地理解学科之间的关联性，并能将已学知识进行延伸。例如：数据挖掘的对象主要是数据库中的数据，但是需要的数据量很大，这就需要改进普通的数据库的算法，来提高算法的效率。类似这种问题，都可作为课堂讨论题目，让学生参与其中，鼓励学生提出自己的质疑和想法，从而可以让知识递进地拓展。学生从被灌输状态变成主动参与、主动思考的状态，提高了学习积极性和学习效率。

2.增强课程内容的应用性与时效性。随着云计算和大数据的发展，数据挖掘技术的应用越来越广泛。教师授课时，要把最新的应用引入课堂中，同时鼓励学生关注最新的领域学术成果和产业界应用，利用所学知识对应用进行深入分析，借助實验课对应用进行模拟和实现。学生根据自己感兴趣的应用进行分组，同组学生进行分工，合作实现一个具体的应用。学生可以在实现过程中，结合所学的知识以及对应用进行设想，自己动手设计高效的算法，从而解决了原有实验课知识点割裂的弊端。学生通过分析问题、解决问题的过程，培养了数据意识和工程思维方式，锻炼了动手能力。

3.增强学科融合。新工科以学生为中心，以全面提升人才培养质量为终极目标，这就需要对学生进行核心能力的培养，使学生能适应不同岗位、不同工作的需要，并能在工作中保持自我学习的能力，不断提升自身素质。要使学生具有可持续发展的能力，在学校培养过程中，就需要进行针对性的引导和教育。在进行数据挖掘课程的讲授过程中，要不断地挖掘学生的潜力，找出学生的兴趣点并加以适当的引导。数据挖掘是一门综合性课程，它的交叉、跨专业特性使得教师在授课过程中，不能仅局限于本专业领域，要用开放的眼光融合相关学科的知识，同时鼓励学生探索自己感兴趣的方向，寻找实例，并加以分析和探讨。通过查找实例、解决问题的过程，培养了学生解决复杂问题的综合能力和动手能力，从而有效地缩短了学生离开学校步入工作岗位的适应时间。

四、结语

本文分析了本科生数据挖掘课程目前存在的问题和不足，提出在新工科教育建设背景下的改革和探索方案，主要着眼于优化教学模式，注重基础知识与新知识的融合，在此基础上进行知识的延伸和拓展，把最新的应用和案例引入课堂中，引导学生完全参与到课堂教学中，通过质疑、讨论、实现和创新几个步骤，达到知识的融会贯通，将动手和动脑有机地结合在一起，从而培养厚基础、高层次、能创新、敢创新的领域高素质人才。通过加强专业课程之间的前后呼应和内在联系，增强课程内容的应用性与时效性，加强课程以及学科间的融合，对进一步提升数据挖掘课程的教学质量和教学效果，有着重要的意义。

参考文献：

[1]钟登华.新工科建设的内涵与行动[J].高等工程教育研究，2017，（3）：1-6.

[2]姜晓坤，朱泓，李志义.新工科人才培养新模式[J].高教发展与评估，2018，（02）：17-24.

[3]谭征，孙红霞，王立宏，任满杰.基于实例的本科数据挖掘课程教学探索[J].计算机教育，2013，（09）：67-70.

[4]黄岚.数据挖掘课程实践教学资源库建设[J].计算机教育，2014，（12）：89-92.

[5]范祺，朱昌杰，肖建于，沈龙凤，李敏.以项目驱动的数据挖掘课程教学改革的研究[J].科技信息，2012，（11）：9-10.

[6]李志义，朱泓，刘志军，夏远景.成果导向教育理念引导高等工程教育教学改革[J].高等工程教育研究，2014，（1）：29-34.