大数据技术协同优化Python课程教学模式研究

丁晓剑 杨帆

摘要：针对Python语言学习过程中，学生的自主能动性以及计算逻辑思维能力较低，提出了大数据技术协同优化Python课程教学模式。通过将大数据以及人工智能技术融入Python教学过程中，使得学生在学习相应案例过程中，深入理解Python的基础理论知识，不仅能够培养学生的逻辑思维能力，同时也能够激发学生的创新能力，进一步提升了课程的整体教学效果，达到预期Python课程教学目标。

关键词：Python语言;大数据;主体思维;计算思维

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）11-0095-02

Research on Big Data Technology Collaborative Optimization Python Teaching Mode

DING Xiao-jian， YANG Fan

（College of Information Engineering， Nanjing University of Finance and Economics， Nanjing 210003， China）

Abstract： Aiming at the students' low autonomous initiative and low computational logic thinking ability in the process of Python language learning， the big data technology collaborative optimization Python course teaching model is proposed. By integrating big data and artificial intelligence technology into the Python teaching process， students can deeply understand the basic theoretical knowledge of Python in the process of learning corresponding cases， which can not only cultivate students' logical thinking ability， but also stimulate their innovation ability. It improves the overall teaching effect of the course and achieves the expected Python course teaching objectives.

Key words： Python programming; big data; subjective thinking; computational thinking

隨着智能信息时代的快速发展，开发者越来越喜欢利用便捷高效的程序语言，实现对海量大数据进行处理与分析，以及建立对机器学习、深度学习、云计算、物联网等涉及的复杂数理模型，进而促进了Python高级程序设计语言的快速发展[1]。Python语言有利于使用者无须过多关注底层开发知识，可利用计算思维分析能力解决逻辑问题，更有利于开发者学习和使用。传统程序设计语言学习过程中，不仅语法繁多、限制严格，而且开发设计过程中应用接口也相对较少，对于非专业人士学习而言，更加乏味枯燥;而Python语言主要让学习者专注于整个逻辑问题涉及的算法方面上，无须过多关注语法细节上，这也是Python语言主要特色和优势。

大数据信息时代的快速发展，数据不断的递增，在当前发展过程中已经将大数据技术融入成为激发生产力为内核，尤其结合人工智能和云计算等新型技术，正在逐渐渗透到日常生活中的各行各业，使得数据信息成为一种新的能源，时时刻刻影响着我们的生活。如何快速有效的挖掘数据中的有效数据以及各个数据之间的内在联系和价值，直接影响到信息处理的可信度。而传统信息管理系统因为采集、存储、分析等功能不够完备，使得我们只能利用很少的数据信息进行数据分析决策，无法精确获取大量数据内核信息，因此一直成为管理者的比较苦恼的问题[2]。由于技术的限制，成为我们与数据交流的困难的瓶颈，而当前技术条件发展非常迅速，虽然我们在面临海量数据问题依然能力有限，但是我们可以在进行处理数据量的能力已经提升了很高，从而也较以往数据信息管理水平也较高了。

当前阶段大数据表现的特征主要有数据量非常大、数据类型非常复杂、数据的价值密度低。大数据凭借着数据规模大以及类型结构复杂，无法利用常规设备进行获取处理，既而不便于有效快捷服务管理，同时海量的数据也无法依靠管理者自身理解对数据信息进行短时间内收集分析，因而合理有效地采集处理数据，用信息管理手段对数据进行分析，才能够挖掘出海量数据背后有价值规律性的内容。为此通过大数据和人工智能进行开创教育新模式、培养专业精英、构建和优化教学内容模型、满足个性化自适应学习等方面为Python课程教学创新发展注入新动力。

1 Python课程教学问题分析

由于课程开设面向不同专业的学生，使得学生对未来职业发展需求也不同，从而在学习编程语言面对的应用场景也不同，如果采用传统基础语法知识的传授，直接导致主体学习过程中自主能动性缺失。随着新型科技技术的快速发展，以及多形态媒介的大量传播，使得各个主体学习过程中更想将知识点转换到解决实际应用问题中，尤其当前人工智能、云计算、大数据等前沿知识，学生主体更期待通过学习知识自然过渡到掌握一些前沿相关技能。

由于Python语言的课程开设，很多高校都是在其他语言C语言，C++语言或者Java语言等学完以后进行开设，从而导致一部分学生主体对继续学习计算机语言有一种排斥性，同时也会导致学生在学习新语言过程中很容易和其他语言的语法规则进行混淆，既而使得学生学习兴趣低迷;为此在Python授课过程中，可适当补充对比分析不同语言之间的差异性，既而更加加深学生对知识的理解。尤其对于非计算机专业的Python课程教学中，很多課程教学模式没有充分考虑到专业需求定位上，应该最大化降低学生主体学习难度。如经济统计学专业需更多关注与如何利用Python语言对经济市场变化的数量模型分析，而更有针对性的讲解专业目标需求相关知识点，如讲解数据爬虫技术获取市场数据信息进行整合分析，对关联度不大的知识点等就无须重点讲解。

在教学环节过程中，通常都是以老师为主的直接灌溉式授课，缺乏学生主动参与性和相互协作性，很难将学生的主体个性发展融入课程教学体系中，既而创新性得不到很好的培养。同时在实验教学环节中，也都是将各个独立的知识点进行巩固练习，无法将各个知识点关联起来，不能形成连续性教学体系，同时缺乏工程性思维和实践能力，没有从学生主体性需求考虑[3]。教学最后环节的考核方式较单一，无法综合考核衡量学生在整个学习过程中的水平，学生主体思维感觉整个课程学习后成就感不高，计算逻辑思维没有明显提高。针对上述Python课程教学存在的问题，本文重点研究了大数据及机器学习协同优化Python课程教学，其通过扩展学生的知识结构，学术视野和应用能力，引导学生进行开放式、自主式、探究式学校，指导学生多阅读，多练习，多思考，多讨论，多实践;注重培养学生的自主学习能力、批判性思维能力。

2 大数据技术协同优化Python课程教学

Python语言目前广泛流行与国内外各大高校，无论是计算机专业将其作为热点语言进行学习，还是对于非计算机专业而言也极其受到追捧;同时，在日常生活中具有广泛应用场景，如利用Python进行Web开发应用、游戏开发、操作系统管理等，为此，Python语言已逐渐成为各大知名公司的开发岗位上明确要求的基本技能。Python语言是一种简洁、优雅、便捷的解释性高级动态编程语言，具有丰富的内置对象、标准模块和扩展库，适合应用在各个领域进行高效逻辑业务流程处理;尤其具有非常丰富、功能较强的第三方开源扩展库，如：计算机视觉库OpenCV，机器学习库scikit-learn，科学计算库NumPy、SciPy和Matplotlib等，较其他高级语言而言，Python语言更易学、易维护[4]。

大数据时代的发展标志着人们对信息处理在量化上得到了挖掘，以及在挖掘信息的过程中能够更加清晰地认知当前社会中产生的数据信息的内涵，使得人们对认知世界中的数据信息得到了升华，从而使得在这个过程中大数据信息管理得到了快速发展。如何有效地利用大数据时代下的智能信息化管理来体现海量数据的价值，通过大数据技术的不断创新和优化，来充分发挥数据与技术的完美融合。大数据可视化系统设计的目的就是要确保在实现系统逻辑模型的基础上，尽量使目标系统的简洁性、可扩展性、一致性、逻辑完整性、系统可靠性、经济性、系统的运行效率以及系统的安全性等得到提高，这个阶段也是为了确保后期对大数据系统的实施过程制定相应的蓝图。在设计过程中需要充分考虑到如何设计高效的系统模型和体系，使得系统能够确保海量数据简单易用，同时也要避免重复设计和数据不一致性问题，确保数据的规范性，同时也要考虑如何提供高效的系统开发工具，设计有效的高效赋能的数据管理功能，确保数据服务的稳定性，这些都是大数据可视化系统设计过程中需要重点考虑。

数据爬虫是一种功能强大的获取数据的方式，使用范围也非常广泛，爬虫可以使用多种语言进行编写，如C++，Java，Python等;目前大多数的爬虫程序都是用脚本语言编写，由于Python有很多相关的HTTP请求模块和HTML解析模块，还有功能强大的库和框架，比如Scarpy，Beautifulsoup等，因此通过利用Python更适合用来编写爬虫程序[5]。如图1所示，为学生自主开发的实时数据可视化系统，该系统采用Python语言以及利用Django框架，数据爬虫部分采取了request技术、selenium库和Beautifulsoup数据解析，实现了交通指数数据可视化显示系统。

通过将大数据技术和人工智能技术进行有机结合，能够处理传统信息管理难以解决的问题，比如公安部门在进行流动人口管理过程中，面临着流动人口数据的来源多、结构差异化明显等特征非常复杂，传统数据信息管理很难对流动人口进行数据化管理，因此通过利用大数据技术开发设计实现流动人口管理。通过流动人口数据信息管理不仅能够方便公安人员对各类人员进行合理分类，同时也便于对可疑人员进行相应的特征分析，通过海量的数据分析可以最大化地挖掘流动人员的异常行为等。学生通过利用Python语言结合机器学习方法自主设计开发，实现了视频行人目标检测与跟踪的系统，如图2所示。Python中TensorFlow是一个端到端的开源机器学习平台，具有包含各种工具、库和社区资源的全面而灵活的生态系统，它使研究人员能够有效进行机器学习领域中先进技术的开发，并使开发人员能够轻松构建和部署由机器学习支持的应用程序。

学生自主开发的行人目标检测系统实现了批量处理训练数据、训练模型以及使用模型进行目标检测的功能。通过利用数据处理对行人目标数据进行处理，使其符合模型训练要求的格式，使用行人目标数据集进行训练，生成用于检测行人目标的模型;利用训练好的模型，将视频或者图片作为输入，输出视频帧中的行人目标以及坐标，通过矩形框标示检测出的行人目标的位置。

3 结论

通过利用大数据技术进行Python课程优化教学，不仅能够优化教学内容模型，同时也能够满足学生进行个性化自适应学习。尤其在学习Python语言的过程中，学生对当前主流技术的认知较少，因而在Python课程教学过程中，通过将大数据技术结合相应的案例融入课程教学体系中来，不仅能够培养学生的逻辑思维能力，同时也能够激发学生的自主学习能力。与传统的单一教学模式相比，利用大数据技术协同优化Python课程教学模式能够更好地发挥学生的主体能动性，从而进一步提升教学效果。

参考文献：

[1] 黄河燕.新工科背景下人工智能专业人才培养的认识与思考[J].中国大学教学，2019（2）：20-25.

[2] 潘巍.大数据背景下数据库技术类课程体系及教学模式改革[J].黑龙江科学，2019，10（1）：92-93.

[3] 肖克辉.大数据时代基于计算思维的IT专业实践教学改革[J].计算机教育，2019（3）：133-136.

[4] 黄天羽，嵩天.以图形牵引兴趣的Python案例教学方法与实践[J].计算机教育，2017（8）：32-37.

[5] 杨荣领.《Python语言程序设计基础》课程教学改革实践[J].高教学刊，2019（3）：135-137.

【通联编辑：王力】