任务驱动与翻转课堂教学模式在大数据技术课程中应用探索

朱诚　张武

摘要：任务驱动式的教学方式是针对传统的课堂讲授课后练习这种教学方式的改革，翻转课堂是有效激发学生学习自主学习动力的教学模式，该文分析了任务驱动和翻转课堂的特点，提出了将任务驱动和翻转课堂相结合的教学模式，介绍了在大数据技术课程的教学过程中采用这种教学模式的实践过程，验证了任务驱动与翻转课堂教学模式的有效性。

关键词：任务驱动;翻转课堂;大数据技术

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）11-0108-02

1 引言

自“大数据”概念于2008 年被提出[1]之后，大数据技术逐步引起了学术界、产业 界、政府部门和其他组织的关注，许多国家都认识到了大数据的重要性并开始实施大数据战略，同时也注重加强大数据人才培养;在我国，2015年8月《国务院关于印发促进大数据发展行动纲要的通知》明确指出了要创新人才培养模式，建立大数据人才培养体系;各高等院校逐步开始开设大数据技术的相关课程，并把此类课程列为信息相关专业的重要专业课程;然而，作者在自己的工作中发现，大数据技术课程的教学模式若采用传统的理论讲解与综合实践操作训练的教学模式往往难以取得良好的预期效果，在新工科背景下，课程体系中的不同课程可采取不同的教学模式，强调以服务课程目标实现来选择教学方式[2]。为此，我借鉴并整合了新工科背景[3]下的任务驱动与翻转课堂的教学模式，将它用在大数据技术课程的教学中，取得了较好的效果。

2 任务驱动与翻转课堂教学模式

在以任务驱动的教与学的方式中，学生围绕教师精心布置的各项任务展开学习，以任务的完成结果检验和总结学习过程等;也就是说：任务驱动教学模式中，要求教师将各个知识点分散在一系列任务中，利用任务把这门课程的知识与技能串起来，每一个任务都具有明确的目标，最后根据学生对任务目标完成的情况来对本次学习做检验总结;许多教学实践表面：任务驱动式的教学方式特别适合用于高校工科的许多课程[4]。

当前信息化时代的到来，为高校教学改革提供了发展新思路，翻转课堂的应运而生，翻转课堂教学模式要求教师重新调整课堂内外的时间，将学习的决定权从教师转移给学生;实践证明，这一教学方式不仅能够增加师生之间学习互动，而且可充分体现个性化教学方式;特别对于新工科的教学培养目标来说，采用翻转课堂是培养学生新工科所需能力的理想教学方式[5]。

将任务驱动与翻转课堂相结合起来并应用到大数据技术课程的教学实践过程中，无疑也是非常有益的探索，理由如下：首先，大数据的生命周期来看，大数据技术是综合了采集、预处理、存储、分析及可视化等多个环节所需的很多项涉及信息技术的多个子领域的众多知识，要求学生围绕分布式存储和分布式计算两个层面，理解或掌握将先修课程（操作系统、数据库、语言编程、数据结构与算、数据分析等）的知识综合应用起来处理大数据场景的问题，特别适合教师按照课程目标要求，把多个知识点串在一起，设计出一个个大小合适的任务，不仅可以让学生有明确的学习目标，也可以实现多课程联动，更好地培养本科生的大数据实践技术能 力和综合应用能力[6]。其次，信息技术的快速发展给翻转课堂提供了良好的便利，通过课前设计、课中实践和课后互动实现翻转课堂。

3 大数据技术课程的任务驱动与翻转课堂的教学实践

在大数据技术课程的教学实践中，国内高校多以Hadoop平台为实例来讲解大数据技术的基本原理和大数据主要应用[7]，实施任务驱动教学方法可以有效防止教师的课程教学过于偏重理论，避免出现“老师讲，学生听” 为主的方式，同时，在实践教学环节，如完全依赖全部模块化设计、自动化程度高的大数据实验平台，容易使学生忽略许多课程的原理内涵以及实际分析和具体操作的过程，而通过布置合适任务给学生，让学生充足的时间来进行思考判断，分析解决问题所需的原理和方法，就可以激起他们对学习的兴趣和主动性，从而实现理论与实践高度结合，体现“做中學、学中做”。

由于大数据技术课程涉及非常多学生前期学习过的课程知识，一定会存在学生在解决大数据技术问题时，遗忘了相关的内容或不会灵活使用先前学过的知识技术，这种情况下，由于翻转课堂教学模式强调学生先期自主学习，把大量珍贵的课堂教学时间留给了师生交互，教师会有很多的时间与精力为不同的学生做分类指导，帮助学生解决在完成各自任务时遇到的各种大大小小的困难，不仅能取得较好的效果也充分体现了教学个性化。

任务驱动与翻转课堂教学模式下，任务驱动是学生自主学习的内在动力，翻转课堂是教师组织教学的方式方法，都要求教师在充分备学生的情况下，完成课程教学设计，其核心就是任务设计和翻转课堂的设计。

3.1 大数据技术课程的任务设计

任务设计不仅要给学生设置自主学习的课题目标，还要提供引导学生完成任务过程中解决问题的思路方向，因此教师首先要对课程进行深入的分析，在进行课题设置时要把课程内容目标与的学生的学习过程融为一体，确保学生在完成任务课题过程包含所有必须学习的理论知识，所以先要求教师梳理课程的知识体系，将知识点一一整理出来，在大数据技术的课程教学中，作者采用了绘制思维导图的方法将每个章节的知识点做了整理，以大数据处理分析中MapReduce这章为例，如图1为次章的主要知识点：

知识点整理好之后，就可以依据学生的前期学习情况来设计难度合适的任务了，在MapReduce这章，我设计的任务是基于MapReduce的基因序列BLAST算法[8]比对，并在任务中告知基因数据的结构和序列表达形式，以及BLAST算法的非并行算法思路和步骤，要求学生基于MapReduce模型设计出BLAST算法的并行算法;此任务实际上要求学生在理解分布式并行编程方式和MapReduce模型之后，并且在掌握了Map和Reduce函数的功能和设计思路的基础上，依据MapReduce工作流程来完成设计，另外，序列对比的方法与实例分析中单词统计的方法类似，就是“多字符串匹配”;所以，本任务涉及了本章几乎全部理论知识点和一个实例分析，可以满足翻转课堂的设计需求;当然，此任务还涉及了前期学习的分布式存储和分布式数据的基础知识，但不影响学生将其解决任务的重心放在MapReduce的分析与编程设计上。

3.2 大数据技术课程的翻转课堂设计

翻转课堂的实践步骤可以分成：课前设计——课中实践——课后互动三个阶段，在任务驱动的翻转课堂教学模式下，教师完成任务设计之后，就要在课前设计阶段将任务布置给学生，并做一些相关的学习引导工作，比如简单讲授本章知识点，还要讲解不涉及但任务中又提出要求的背景知识以及任务的核心要求;在课中实践阶段，学生以小组形式先进行课下实践，与此同时，教师对每组学生的实践过程进行巡视，及时了解学生的学习进展和任务完成情况，同时给学生提供引导性的指导;等各个小组任务基本完成后，教师召集学生在课堂进行课后互动，各小组汇报自己小组的工作，并接受教师和其他小组的点评和提问。

在作者的翻转课堂教学实践中，绝大多数学生能在老师的帮助下，都能以小组的形式较好地完成每章设计的任务。

4 结语

大数据技术是一门知识交叉性和应用综合性很高的课程，学生需要对前修课程知识掌握得非常扎实才能取得良好的学习效果，通过实施任务驱动的翻转课堂这种教学模式，在翻转课堂的三个环节中，教师的启发和引导，学生的主动学习不仅能提高本门课的学习效率，还能有效促进学生回忆巩固前修课程的相关知识，通过任务进程中的巡视辅导，教师给予学生更个性化的指导，从而有针对性地弥补学生能力的短板，同时，在教师点评、各小组的交流和讨论中，同学们开阔了视野，训练了沟通与表达能力、批判思维能力。

学生评教显示，教学内容和教学方式均得到了较高认可，学生的学习获得感也比较强，这表明了以任务驱动的翻转课堂教学模式是有效的。

参考文献：

[1] Doctorow C.  Big data： Welcome to the petacentre[J].  Nature News， 2008， 455（7209）： 16-21.

[2] 桂劲松，张祖平，郭克华.新工科背景下高校新專业建设思路探索与实践——以数据科学与大数据技术专业为例[J].计算机教育，2018（7）：27-31.

[3] 江敏，周琴，齐龙.任务驱动式教学方法的改革与实施——以“电工电子技术”课程为例[J].机械设计与制造工程，2020，49（6）：121-124.

[4] 张蕾，李平，柴俊武.新工科背景下项目式教学提升翻转课堂教学研究 [J/OL].电子科技大学学报（社科版）.

[5] 丁洁.翻转课堂的高校教学模式改革研究[J].当代教育实践与教学研究，2020（13）：87-88.

[6] 陆悠，傅启明，邹恩岑，等.多课程联动的大数据技术课程实践教学方法研究[J].计算机教育，2019（6）：53-57.

[7] 林子雨.大数据技术原理与应用课程建设经验分享[J].大数据，2018，4（6）：29-37.

[8] 黄宜华.深入理解大数据：大数据处理与编程实践 [M].北京：机械工业出版社，2014.

【通联编辑：王力】