基于分层任务和项目驱动的“大数据处理技术”课程教学方法研究*
2021-03-11袁辉勇
余 胜,谢 莉,袁辉勇
(韶关学院 信息工程学院,广东 韶关 512005)
随着社交网络、自媒体和云计算等新技术的快速兴起与发展,对海量数据存储和管理技术的提升是完成大数据处理与分析的关键。在此情况下,高校如何建立有效的大数据处理技术课程体系是培养大数据处理相关专业人才的基础[1-2]。
大数据处理技术是一门理论和实践相结合的课程,具有新颖性、内容范围广、多学科交叉和难度大等特性,在推荐系统、商务数据分析和潜在客户价值分析等多个方面有成功应用[3]。大数据处理技术课程对理论知识和实践应用都有很高的要求,学生需要有很好的概率论、线性代数和机器学习等理论基础[4],也需较强的C++、Python等程序编写能力。在这门课程的学习中,学生的专业基础能力各不相同,部分学生的理论知识基础要扎实些,也有部分学生擅长程序的编写,同时也存在少部分学生理论和实践基础都不强。在这样的情况下,教师若以统一的教学模式开展教学肯定难以满足不同层次学生的需求[5]。为了增加学生对大数据处理技术课程的学习兴趣并提升课程的教学质量,有必要对现有“一刀切”“满堂灌”的教学方法进行改革,设计以满足不同层次的学生需求为目的的分层次任务项目驱动教学模式。
1 分层任务项目驱动教学
分层教学模式是当前较为关注的一种教学方式。它依据学生不同的基础情况,把学习划分成不同的层次。在具体的教学过程中,教师根据学生层次的不同设置不同难易度的学习任务小组。通过学习任务小组的设置来实现不同学生大数据处理技术知识的层次化学习,逐步提升全班学生学习兴趣、提升课堂教学效果。
1.1 任务层次设计原则
大数据处理技术课程是我校计算机科学与技术专业云计算方向的选修课程,课程的教学目标是学生用大数据处理技术解决实际问题,如数据的清洗过滤、商务潜在客户挖掘等,同时综合应用所学知识如某个数据处理解决方案对特定问题的可行性分析,并利用基本的大数据处理技术评估数据处理结果的性能。因此,在课程任务驱动教学过程中,依据教材章节中相关技术、原理、特征等内容,设计基础、中级和高级三个不同难易度层次,满足不同基础层次学生的学习需求。
1.2 任务层次设计内容
课程层级教学中分层内容的设计是整个分层任务驱动教学模式的基础和核心,需要教师把大数据处理技术相关知识点融合贯通,综合考量课堂情况设计基础、中级和高级三个层次化任务案例。
任务案例基本上遵循知识点由简到难全覆盖的原则,对每一个任务案例的设计都是邀请专业组老师以及学生研讨、修正、再研讨、再修正反复完善的过程。确保在能反映教学相关内容的同时,能够有效地提高学生的学习积极性、提升教学效果,最终达到学生综合专业能力提升的目的。以商品零售购物篮分析案例为例,可以布置成不同层次的任务:基础任务为根据给定的数据,应用Apriori算法分析商品之间的关联性,并根据模型分析结果给出相应的销售策略,其中Apriori算法通过调用Scikit-learn的API函数实现;中级任务为在基础任务的基础上,对比分析Apriori和FP-growth两种关联规则算法各自的优缺点和应用场景;高级任务为在中级任务的基础上,小组成员自己用python等编程语言实现相关关联规则算法,并对现有关联规则算法进行优化改进,并设计相应的实验验证算法的有效性。
1.3 案例分层任务项目驱动教学实施
分层任务驱动教学是针对不同层次水平的学生而分配不同难易度任务的教学方式,因此首先需要根据学生此前与本课程关联课程的学习成绩进行分组,也可以由学生自由组合。分组后根据学生的学习情况和学生的意愿进行动态调整,发挥分层任务驱动教学的最大效果。以商品零售购物篮分析为例说明分层任务驱动教学的实施过程。基本步骤是学生的分组、提前一周发布学习任务、学生查找任务相关的资料、课堂知识的讲解、分组讨论。在商品零售购物篮分析案例中,分析带噪声的原始数据的难度要高于预处理好后的数据,通过API函数调用相关分类算法要比自己编写算法容易很多,自己设计分类算法是锻炼所学知识的综合应用能力,难度最大。每个小组根据自身的情况选择适合本小组的任务。本课程设计的综合案例如表1所示。表1中给出了3个综合案例,其中任务A是基础任务,最为容易;任务B是中等难度,需要对所学知识有较深的理解;任务C是综合应用,难度最高。图1是教学过程中,我校计算机科学与技术专业2016级和2017级学生对案例1商品零售购物篮分析任务的选择情况统计。两个年级的学习基本都有50%的学生选择了任务A,两个年级分别有13.4%和12.8%的学生选择了任务C。这也体现了部分基础较好的学生会选择难度更大的任务,提升自己的专业综合能力。
图1 案例1商品零售购物篮分析学生任务选择情况
分层任务项目驱动教学实施中,教师主导课堂内讨论是实施的关键。分层任务项目驱动教学容易导致部分学生对知识点掌握不全面。而通过开展课堂内讨论活动,促使完成不同任务项目的学生可以相互谈论、学习,取长补短,对完成相对简单任务的学生也可以完善知识结构,促进知识的全面吸收与掌握。同时,通过谈论、相互提问与回答,可以培养学生的语言表达和沟通能力、提高学生的团队协作能力。图2为我校计算机科学与技术专业2016级和2017级学生共145人对采取分层任务项目驱动教学方式的满意度调查统计情况,从统计数据可以看出,有105位同学认为分层任务项目驱动的教学方式能提高对该课程的学习兴趣,会主动投入更多的学习时间。
图2 学生满意度调查
2 多元评价体系设计
科学合理的评价体系是设计一套完整有效教学方法的保障。在分层任务项目驱动教学中,需要改变以往以单一考试成绩为主要依据的考核方式。根据教学方式的改变,考核方式需要更加注重学习过程、小组任务完成情况、课堂谈论的参与度等多种方式相结合的多元考核评价方式。这可以有效扼制学生平时不参与小组任务和讨论、仅注重考试的现象。促使学生从本课程开始就进入到被考核的状态,同时学生将主动积极的进行课程预习、参与本小组的任务、参与课题讨论、接受评价的教学方式。图3所示为我校计算机科学与技术专业2015级、2016级和2017级3个年级期末综合测评成绩分布情况,其中2015级共91名学生,采取的是传统教学评价方式。对比三个年级的成绩情况,发现通过实施分层任务项目驱动教学改革,学生的成绩有了较大幅度的提升。2016级和2017级约有45%的学生成绩在80-90分之间,成绩整体呈正态分布。
图3 三个年级学生成绩分布情况
3 结束语
大数据处理技术课程采用分层任务项目驱动的教学方法改变了以往教师“满堂灌”的教学方式,实现了学生高度参与,激励学生完成高难度项目的综合教学改革,扭转了传统教学模式“一刀切”被动学习效果不理想的状况。改革后的教学方式从学生的实际情况出发,充分考虑学生本身知识的积累情况,大大提高了学生的学习兴趣和锻炼了学生的实践能力。从三个年级的学生成绩统计情况看,分层任务项目驱动的教学方法大大提高了学生的学习成绩。本研究成果目前主要应用于计算机科学与技术专业大数据处理技术的课程教学中,方法成熟后也可以应用到其他偏实践的课程教学中,同时也可以部分借鉴到理论和实践相结合的课程教学中。