基于线上线下混合式教学的“数据分析与人工智能”课程研究与实践

朱弘飞，单子鹏，王 文

(上海大学计算中心，上海，200444)

0 引言

随着大数据、物联网、云计算、人工智能等标志性技术的出现、应用和普及，新一轮科技革命和产业革命正如火如荼，方兴未艾。从海量的信息和数据中分析数据的内在规律、联系和发展趋势，并在社会各行业和各领域进行创新应用，已经给社会发展带来了非常多的经济增长点和社会实用价值。因此，整个社会对数据分析类人才尤其是和人工智能结合的数据分析类人才需求呈爆炸式增长，现有的人才缺口非常大，可以预见在现阶段及未来，数据分析和人工智能将是就业前景良好、薪资优越、发展空间巨大的方向之一，尤其是有专业领域知识的专业人才将更加短缺和急需。而且，除了大数据时代社会对数据分析人才的需求外，还有学生对数据分析相关知识和技能的需求和各学科专业发展对数据分析课程教学内容的相关需求[1]。

上海市教委在2019年进一步深化高校计算机基础教育改革中提出了“以提升信息素养、强化计算思维、深化融合应用为主线，构建多层次、多模块、自构建课程教学改革框架”的指导思想。为此，上海大学计算中心制定了一套整体的计算机基础课程体系框架和改革方案。其中，“数据分析与人工智能”课程是理工类专业本科生计算机的核心课程之一。

1 存在的问题：影响“数据分析与人工智能”课程教学效果的不利因素

1.1 教师方面涉及的因素

(1)课程体系和教学内容需要不断更新。

“数据分析与人工智能”是一门跨领域的综合性学科，包括统计学、计算机科学、数学以及其他学科，内容广泛、理论知识深；另外，在包含基础理论的同时，课程体系和教学内容还应该体现数据分析和人工智能领域中的新发展和新动态，要不断进行更新[2]。

(2)教师的业务水平和综合素质有待提高。

“数据分析与人工智能”学科是一门新兴的正在蓬勃发展的学科，教师资源相对欠缺，水平也参差不齐，而且课程难度和需要不断更新的要求提升了对教学资源和对教师素质的要求。

(3)重课堂教学，轻实践教学。

有的学生基础较差，教师就尽量完整讲授整个知识点，而忽略了计算机课程实践的重要性；而且传统的上机辅导方式要耗费教师大量的精力与时间，导致学生无法得到及时的指导。

1.2 学生方面涉及的因素

(1)学习目的不明，动力不足。

有的同学在高中或者大学阶段的信息技术课程已经接触了人工智能的概念和初步知识，但认为这些技术比较前沿，是顶尖的科学家才研究的领域，作为本科生没有必要再深入下去，尤其是非计算机专业的学生，认为这门课程跟自己所学专业无关，更不愿多花时间去学习该门课程。

(2)主动解决问题能力较弱，想象空间较窄。

这门课程要求较强的问题解决能力，而有的同学思想较懒惰，不愿意主动探究问题。

(3)初学者易产生畏难情绪。

初学者涉及课程中较难理解的数据建模、机器学习、深度学习等算法和实现内容时，容易产生畏难情绪。

(4)重理论轻实践。

由于习惯于传统的教学型教学，学生容易产生依赖心理，不愿自己多动手实践，殊不知，用计算机解决问题的能力与投入的上机时间是成正比的。

(5)学生学习习惯发生变化。

目前本课的教学对象主要是“00后”本科生，他们是在网络时代成长起来的，身上具有时代特点。他们注意力时间更短、见识广、兴趣多，更热衷于在线学习[3]。

2 “数据分析与人工智能”课程教学模式研究：研究型教学

所谓研究型教学，也称研讨式教学，是指教师以课程内容和学生的学识积累为基础，引导学生创造性地运用知识和能力，自主地发现问题、研究问题和解决问题，在研讨中积累知识、培养能力和锻炼思维的新型教学模式[4]。

3 “数据分析与人工智能”课程教学实践

3.1 编制详细的研究型教学设计方案

“数据科学与人工智能”课程研究型教学设计方案相当于一场演出的节目单，教师是导演和主持人，是场景的设计者和组织者，学生是演员和主角，它的主要内容包括：教学日期、教学时数、教学内容、讨论主题、实验内容、作业布置、教学方法和教学手段。

3.2 制定培养学生综合能力和高级思维的教学目标

本课程的目标不仅仅是教授基础理论知识和基本技能，而且包括思维能力的培养，而其中又以思维训练和创新能力培养为核心。因此，本课程从视野培养目标、知识培养目标、能力培养目标、思维培养目标4个维度制定了教学目标。

3.3 转变传统教学方式为线上线下混合式教学模式

教学方式从传统的“填鸭式”学习向研究型的“讨论式”学习转变，具体做法是：

依托与教学信息化平台的深度融合来辅助教学，教师在教学化信息平台上提供丰富的讲义、教学视频、实践题目、思考问题、拓展材料等丰富的教学资源，安排学生在课前完成线上自主预习，与线下面授有机结合，开展翻转课堂和混合式教学。同时加强对学生课堂内外、线上线下学习的评价，加强对课程设计的评价，提升课程学习的深度。

教师在课堂上总结知识点的精华、难点，有助于学生综合素养提高的内容；一般描述性内容由学生自学，以训练学生自主获取知识的能力。

“教”法——强调启发和总结：

(1)采用归纳法总结难点和精华；

(2)开展教学讨论、互动式教学，激发学习兴趣，启发学生思考；

(3)开展课程设计，培养学生综合素质。

“学”法——强调自主学习和实践

(1)在教师的指导下自主学习基本概念、基本理论、基本方法；

(2)通过教师布置的多个项目的实践来提高技能、培养思维；

(3)在团队合作完成课程设计的过程中锻炼团队合作能力、提高综合素质。

3.4 实施教学手段多样化

现代教育技术手段和丰富的网络资源的运用，也提升了课程的品质和内涵。本课程构建“AI驱动的计算机能力训练平台”助力教学。

(1)设计以使用者为中心，围绕实际需求，为老师和同学们提供方便的教学功能。

课程的建设(课程组集体讨论制定教学方案)、知识体系的建设、教学资源的建设等都可以集体或者分散完成并集中分享使用。实现课程化管理，让建设好的课程可以复用、分享，以便更好地让老师们在教学中逐渐积累资源、分享经验；该平台除了实现智能推送、自动化评阅外，还紧扣老师和同学们的实际需要，使用课程化管理模式，构建基于课程的知识结构体系，以班级为推送单位，实现教学过程管控。同时，在鱼骨图式知识体系的模式下让教学和学习有序的螺旋式上升展开，让同学们逐渐沉浸于学习、爱上学习。

(2)打造有活力的计算机技术学习平台。

充分激活碎片时间，助力课后线上学习。计划设计包括作业、竞赛活动等的竞赛RANK机制，激发同学们学习的竞争意识、荣誉意识，逐渐提升学习动力，从被动做题到主动尝试，从而实现理想中的快乐学习。

(3)逐步完善平台的智能化和个性发现机制。

按照教学进度、知识点、难易程度、熟练程度等因子做算法推送，对于编程题目，实现系统自动评判。随着平台用户的逐步提升以及过程数据的快速积累，多层次神经网络更加完善。

4 结语

本文针对“数据分析与人工智能”课程教学过程中存在的问题，提出了该课程的研究型教学模式。在基于研究型教学模式的“数据科学与人工智能”课程的教学探索中，我们通过设计教学方案、采用线上线下混合式教学模式、“讨论式”教学方式、分组学习、团队协作、构建“AI驱动的计算机能力训练平台”等多种教学方法的运用，构建了一个有利于学生自学、有利于训练学生数据分析与智能处理的思维、有利于考核学生数据分析能力的良好的学习环境，从而充分调动了学生“学”的积极性。通过此项教学实践活动，学生的知识水平得到提高，实践能力得到锻炼，创新能力得到培养。