数据挖掘翻转课堂混合式教学模式研究

刘 彤，马梦冉，倪维健

（山东科技大学计算机科学与工程学院，山东青岛 266510）

0 引言

近年来，大数据和云计算技术在许多行业得到了迅速发展，实施国家大数据战略也已经成为我国的基础性战略［1］。数据挖掘专业人才在大数据行业日益发展的社会显得供不应求，因此各高校高度重视数据挖掘人才培养。国内外各高校纷纷开设了数据挖掘相关课程，但许多概念的抽象性、内容的学科交叉性，以及实验的系统性都为该课程教学增加了难度，如果再以传统教学模式授课，学生难以在短时间内理解其实质，若仅仅理解了某一算法原理但并没有真正与实际应用相联系，亦无法满足大数据人才培养需求［2-3］。

在这种大背景下，对数据挖掘课程进行教学模式改革尤为必要。为了解决该问题，多所高校提出了不同的教学模式。叶明全等［4］提出采用WEKA 开元数据挖掘工具进行数据挖掘算法实验，侧重学生实践应用能力培养；郭瑾等［5］提出以计算思维为导向的多元混合教学模式；王瑞等［6］、覃子珍［7］提出MOOC+翻转课堂的多元化教学模式；任丽芳等［8］提出采用分级教学模式，利用现代教育技术提高财经类专业计算机课程教学质量；丁飞等［9］提出基于虚拟现实和增强现实的交互式教学模式，并将其运用于教学实践。但在相关举措中，有的是从教学模式角度进行阐述，有的是针对某一专业的阐述，而缺乏对于数据挖掘课程具体内容的教学讲解。本文提出的混合式教学模式，是一种线上＋线下的基于翻转课堂的混合式教学模式，将整个教学过程分成“四模块三阶段二层面”，对数据挖掘课程教学内容进行深入探究。

1 混合式教学模式可行性分析

1.1 传统数据挖掘课堂教学存在的问题

数据挖掘课程是一门多学科交叉课程，需要学生掌握统计分析的理论和方法、数学建模和计算机编程能力以及数据收集、存储和处理能力［10］。数据挖掘课程现在已然成为各大高校计算机相关专业必修课程，其教学目的是使学生掌握数据挖掘理论，并且能够运用数据挖掘理论解决实际问题。该课程对于培养大学生计算机逻辑思维和信息素养十分重要，但在实际教学过程中却面临诸多问题：

（1）单一教学目标与多元化应用存在较大差距。现阶段的数据挖掘教学过程大多平淡无奇，主要以理论为主，着重基本概念、公式的讲解，仅仅解决了学生对某些具体算法原理的理解，却忽略了理论知识和实践的结合。

（2）教学内容、方式与技术发展不相匹配。在当今人工智能和虚拟现实技术如此流行的高科技背景下，学生的学习兴趣显然已经不足以依靠传统的教学模式加以提高，再加上数据挖掘概念抽象性等特点，在学习过程中，不仅难以理解知识，而且过程也枯燥无趣。

（3）有限的教学学时与数据挖掘课程难度不平衡［11］。数据挖掘课程由于存在较为抽象的概念定义以及复杂的语法逻辑，需要更多课堂学时进行讲解。但教学学时通常非常有限，导致该课程对问题求解过程及方法的讲授不足，对学生思维能力培养有限。

综上所述，对数据挖掘课程教学探索非常有必要。教师应该了解每个学生的学习状况，对其进行正确、合理的引导，做到因材施教，同时还应注意培养学生的信息数据意识，进一步提升学生学习数据挖掘课程的主动性和积极性。

1.2 翻转课堂

翻转课堂又称为“颠倒课堂”，是在课堂中对换教师和学生的角色，决定权不再是任课教师的专属，而是转移给学生［12］。学生可以通过看视频、PPT 课件等多种教学资源，或者在网络上与其他同学进行讨论，以及查阅相关文献资料等方法完成对基础知识的学习，这样可以节省出大量的课堂时间［13］，使得课堂中有更多时间用来交流、讨论。增加小组讨论或学生发表感悟的环节，有助于增加师生之间的互动性，提高学生学习的积极性和主动性。

1.3 混合式教学

混合式教学是一种综合教学模式，结合了传统课堂线下教学和网络线上教学两者优势。线上网络教学可以弥补传统教学的空间、时间不便等弊端，同时传统面对面教学中的灵活、交流感等优势也保存下来，并且将传统课堂中教师教学生学的教学模式转变为翻转课堂模式，将学生变为整个课堂的主体，同时发挥教师主导和学生主体作用，通过这两种教学方式的有机结合，更好地践行“以学生为中心，发挥教师主导能力”的教学原则。

本文提出的“四模块三阶段二层面”教学方法是混合式教学的延伸，是线上慕课+翻转课堂模式“。四模块”指将课程按照其难易程度分为引论学习、数据预处理、算法学习以及评估学习4 个模块，各模块知识点既相对独立又紧密联合；“三阶段”指每个模块的学习过程分为课前自主学习、课中知识升华以及课后巩固提升3 个阶段；“二层面”指线上＋线下两个层面的评估机制，更好地反映其学习效果。本文以数据挖掘课程为例，讲述该教学模式具体实施过程与教学效果。

2 翻转课堂的混合式教学实施

2.1 “四模块”

模块化教学是将现代化的系统论用于教育领域中所形成的产物，强调产学结合。在模块化教学中，学生应学会如何更迅速地获取信息、加工信息等［14］。数据挖掘课程知识模块主要划分为引论学习、数据预处理、算法学习以及评估学习4 个模块［15］。各部分知识点既相对独立又紧密联合，其中对知识点侧重也极为不同，数据预处理与算法学习内容最为庞大，具体知识占比如图1 所示。

Fig.1 Proportion of data mining modules图1 数据挖掘各模块占比

引论学习模块主要包括数据挖掘背景以及一些简单的数据知识，包括认识数据、数据仓库与多维数据存储的立方体等基础理论知识［16］。这部分内容是数据挖掘课程的开篇之论，对于激发学生的学习兴趣具有重要意义。教师应将教材当作制作教学资源的基础，并且在其中融入更多生动的人物、事例和更多数据挖掘技术相关成果，激发学生学习的积极性。

数据预处理模块在数据挖掘算法中最基础，也最常用，在实战中起重要作用。算法学习也是该课程中非常重要的一部分，在教学目标上更多的是以熟练操作和灵活运用为主。教师在制作此模块的教学资源时要注意以基础为主，在学生观看教学资源前适当设计一些具有导向性的问题去引导学生，尽可能地使学生带着问题去看视频，并且鼓励学生在自主学习时发现新的问题，形成发现问题—思考问题—查阅相关资料—解决问题—新问题发现与提出的逻辑循环体系。

评估学习模块指在观看完每个模块的教学资源后，通过相应的练习题检验对于该模块知识的掌握程度，线上平台将根据学生观看视频时长、章节测试得分进行自动统计，并按照一定权值计入课程总分。

2.2 “三阶段”

“三阶段”主要体现在课前自主学习、课中知识升华和进阶式的课后巩固提升，主要流程如图2 所示。

Fig.2 Mixed teaching model process based on flipped classroom图2 基于翻转课堂的混合式教学模式流程

2.2.1 课前自主学习

教师根据教学大纲要求，借助网络多媒体技术，从教学内容及学生实际水平出发，制作有针对性的MOOC 视频，并通过教学平台、QQ 群等方式推送资源，发布任务［17］。视频自主学习完成后有相对应的练习题，如果正确做完练习题，就会推送下一个适合该生的学习模块，完成自动跳转学习。经过课前视频和练习题训练，学生对该知识模块的主要内容就有了大致的认识和了解，以便构建自己的知识框架。此外，教师也可以通过多媒体教学软件查看学生学习进度以及练习题完成情况，有针对性地督促学生学习。

在线课程不仅可以帮助教师上好课，还可以弥补教师人员不足以及空间、时间等问题，只要在规定时间内，学生能够自己把握学习节奏，既可以在家学习，也可以在学校空余时间学习，在观看视频时对于已经掌握的内容可以快进以节省时间，而不理解的地方则可以反复观看。更重要的一点是，它改善了传统课堂填鸭式教学方法，让学生先自主学习，然后带着问题去上课，这样课堂上教师就有足够的时间和学生交流各种问题，呈现出“先学后教”的教学顺序。这样的学习是高效的，既提高了学生的综合学习能力和兴趣，还能帮助学生在课堂中发现更多知识和学习资源。尤其是在目前受疫情影响，无法去学校进行面对面课堂授课的情况下，采用网络线上平台开展教学也能起到传授知识、提升能力的目的。

2.2.2 课中知识升华

传统课堂的优势在于面对面的交流使得教学过程更加灵活，但本文提到的混合式教学中的线下课堂并不仅仅是师生面对面，教师教、学生学的模式，而是利用翻转课堂转变师生角色，教师为个性化学习中的指导者、协作者和监督者，学生是整个课堂的主体。

课中知识升华主要包括3 个方面：①案例教学，在教学过程中为了更好地扩展知识，必要时在讲解过程中引入个性化案例，不仅仅是要学生掌握理论知识，更重要的是让学生将其运用到实际中；②教学答疑部分，解答学生在课堂中出现的问题以及在课前自主观看视频时出现的问题；③总结点评，总结学生在课堂上的表现，布置相应的课后作业。

（1）案例教学。案例教学包括创设问题情境、独立思考或小组讨论发言以及案例讲解3 个部分。教师通过讲解个性化案例对该算法的知识进行详细讲解，主要目的是让学生了解该算法如何解决实际生活中的应用问题。例如，在讲解分类算法并利用其进行预测时，可以运用医院糖尿病数据根据身体各项指标数预测该患者是否患有糖尿病，或者患糖尿病的概率是多少；在讲解挖掘频繁模式时，利用淘宝用户近期购物车的商品预测下一个即将购买的商品是什么，具体的实验步骤是什么等。在讲解过程中，注重对学生思辨能力的培养。具体案例如表1 所示。

Table 1 Theoretical teaching and corresponding cases in the data mining course表1 数据挖掘课程中理论教学以及其对应案例

（2）教学答疑。线上网络学习缺乏面对面授课时教师随时对问题进行解答和演绎的灵活性，导致学生在自主学习时会有很多困惑，因此教师为学生解答问题这一环节尤为重要。对于简单的问题，学生要养成自己查阅相关资料解决问题的习惯，也可将问题留在线上教学平台的留言板处，教师或其他学生在留言板处讨论。实在无法解决的问题应记录下来，留在上课时统一解决。课堂答疑时要注意以学生为主体，以提高学生参与度为目的。教师将学生分为几组，将解答思路提供给学生，组织学生独立思考。每解决一个问题或者发表出好的意见时，将为学生所在小组加1 分。最后计算小组总分，对于高分小组予以适当奖励。让学生先进行解答，教师再作补充，这种教学方法既可以掌握学生对于课堂知识消化的情况，灵活调整后期课堂教学计划和时间安排，又有利于学生间的互帮互助，提高学习的积极性和参与度。在回答问题的基础上，提出新的问题，进一步深化知识，启发学生思维。

（3）总结点评。对于学生的课堂表现进行总结点评，或者让学生之间相互评价，互相了解。必要时鼓励学生积极发表课堂收获。此外，对课堂中学生与教师的直接互动进行学情分析，包括学生对于已有知识的掌握、实际需要、能力水平情况，以及此节课中学生的学习态度、小组讨论的参与性和积极性等方面。学情分析能够有效地优化教学过程，帮助教师全面了解学生情况，因材施教，实现个性化教学。最后在课堂结束时布置相应的课后作业。

2.2.3 课后巩固提升

（1）完成每一章节或每一模块的学习内容后，要及时完成线上教学平台上的章节检测，以检测自己对于知识是否完全掌握，是否有遗漏的地方，其得分将作为综合考核的一部分计入学生总成绩。

（2）独立完成内容总结并撰写实验报告。学生将记录实验过程并对出现的问题进行分析，这样教师能够更多地了解学生的学习状况。如果想要复习某课程内容，也可以重新进入该章节的学习模块反复学习，或者想要真正动手操作实验，编写代码，也有相应的代码编写及结果可视化部分，真正实现教学一体化。

（3）课后教师可以利用教学平台分享各种类型的教学资源，适当推送计算机相关知识、消息新闻、教后心得（教师）及学后收获（学生）等。

2.3 “二层面”

“二层面”指“线上＋线下”评分机制。在进行教学评价时，应针对不同内容和相应课程目标，全面评价学生线上和线下的学习和综合应用［18］。混合式教学的效果评价方式不仅考查学生期末考试试卷上的分数情况，还要考查学生课前自主学习情况，课中学习参与度、积极性以及知识掌握情况等多方面因素，是一种过程性的动态评价。

混合式教学的线上评估主要来源于该教学平台对于学生观看视频在线时长、课程资源阅读，以及课后习题准确率等方面的监测功能和数据统计功能。线上评估不仅能客观、公正、及时地反映出学生的学习情况，掌握学生学习动态，还能根据学生对知识的掌握情况及时调整教学进度。线下成绩包括平时上课出勤率、学生课堂表现、作业完成情况以及期末考试成绩总和。

采用过程性评价和综合性评价混合、线上评价和线下评价混合的模式，更能够及时、清楚、全面地了解学生整个学习状况以及每一个环节的学习效果，评测学生学习的主动性和创造性，避免“一张试卷定终身”的情况。这种评价模式能够使学生更加注重平时学习与积累，而不仅仅是期末考试时考前突击，更充分地彰显人性化学习。

3 教学实施效果

为了验证本文所提数据挖掘课程“四模块三阶段二层面”教学方法的有效性，在山东科技大学2017 级计算机科学与技术、软件工程、物联网技术以及人工智能共4 个专业的学生之间进行分析比较。计算机科学与技术、软件工程、物联网3 个专业的班级在讲解数据挖掘课程时，采用改进的混合式教学模式，线上采用MOOC 视频完成自主学习部分，线下采用翻转课堂模式进行讲解与讨论。而人工智能专业的学生采用传统课上“教师教，学生学”的教学方式。按照每月一考核的方式，结果发现，采用“四模块三阶段二层面”教学方法的学生考试成绩普遍比人工智能专业的学生要高，并且随着时间的增长，效果越明显。

通过图3 可知，在2 月份刚开始采用此教学模式时，4个专业的差别并不大，平均分为60～70 分，然而随着实施效果的凸显，使用“四模块三阶段二层面”教学方法的3 个专业的班级平均分明显上升，在7 月份达90 分以上，而人工智能专业的学生采用传统教学模式的平均分仍然保持在70 分左右，并没有明显提高，且成绩上下浮动较大。这说明本文所提“四模块三阶段二层面”教学方法对于教学有明显促进作用。

在混合式教学模式中引入翻转课堂理念，学生不仅能够灵活地完成课程内容的自主学习，课堂学习中也极大地提高了注意力和积极性。据学生们反映，这种教学模式有助于加强他们对知识点的掌握，提升综合能力，增强团队合作意识。

Fig.3 Comparison of average scores of different majors图3 不同专业平均成绩对比

4 结语

本文提出的“四模块三阶段二层面”教学方法作为混合式教学的有效补充，通过线上多媒体和计算机等网络手段，将网上观看教学资源与线下教师、学生面对面交流相结合，更加适合大学生对于数据挖掘学习方面的需求。整个教学模式科学地覆盖了教学课前课中课后的每一个重要教学阶段和环节，充分体现了教学过程中以教师和学生成长为中心的一系列教学理念和原则，以确保将科学的教育理念充分地融入教育教学，保证教学高效实施。其优势主要体现在：①学生在课前自主学习后，对知识有了一定了解，学生出勤率明显上升；②教师提前安排资料学习，课中学生之间的互动交流增多，课堂气氛明显更活跃；③师生之间的交流更紧密，尤其是对数据挖掘行业前沿问题的探讨，随着交流的深入，有些学生甚至开始加入教师科研项目中，更好地学习专业知识。基于混合学习、案例学习、小组学习等实践教学方式更加适应了大数据时代对应用型数据分析和挖掘人才的需求，师生综合素质也得到较大提升，既达到了深化教育改革之目的，又提高了课程教学质量。