基于VIP模式的数据挖掘课程的教学模式探究

娄鑫坡 何宗耀

（河南城建学院计算机与数据科学学院 河南平顶山 467036）

VIP是vertically-integrated project program的 英 文 缩写，即为垂直整合项目，是一种项目课程模式。VIP项目借鉴了美国VIP项目[1-3]的核心理念，并结合我们国家高等教育发展的实际情况形成了具有本土化特色的VIP课程项目模式。着眼企业对于人才需求的实际情况，创造平台并辅导和帮助学生尽可能在踏入人力资源市场前通过真实的项目经验提高自身的综合素质和竞争力。VIP课程项目模式旨在克服高等教育实施创新教育的三大障碍：学科碎片化、时间碎片化和任务碎片化。学科碎片化是由于高校院系严格按照学科划分，不同专业的学生很少有机会进行有组织的学术上的互动，同时学院对于组织跨学科的学术合作没有太多动力和兴趣；时间碎片化是由于学校时间按照学期划分，而每学期时间则被不同课程或实验分割；任务碎片化是指高校的各类学术教育活动缺乏整合，并且界限不清。

VIP课程项目模式是一个综合平台，该平台集结了不同专业、不同年级的学生群体，这些学生的共同特点在于对学术研究充满热情并且具有巨大发展潜力，与此同时相应的配套资源如师资、设备和场地等为学生和科研机构配套整合创造了条件。

VIP课程项目模式的目的在于改革目前的高等教育模式，探索创新教育的有效路径。为了实现这一目的，VIP项目的培养目标是培养学生的创新精神、创造力和企业家精神。VIP课程项目模式希望通过建设一个面向全体的、开放的综合平台让每一个学生参与广泛的、跨学科的创新。首先，该平台系统整合了研究和教学任务，一方面提供学生学习和掌握各类专业技能、为项目做出持续贡献、担任团队不同角色，在跨专业的环境中高效工作的机会，另一方面研究机构可以完成课题研究并产出成果，从而实现利益相关者的共赢；其次，VIP项目跨越学科限制，着眼大规模的跨学科项目；最后VIP项目通过设计标准规范的课程保证项目的可持续性来克服时间碎片化的问题。

VIP项目借鉴了美国VIP项目的核心理念，并结合我们国家高等教育发展的实际情况做了创新探索，形成了具有本土化特色的VIP项目，着眼企业对于人才需求的实际情况，创造平台并辅导和帮助学生尽可能在踏入人力资源市场前通过真实的项目经验提高自身的综合素质和竞争力。

一、数据挖掘课程特点

数据科学与大数据专业主要是培养具有大数据思维、运用大数据思维及分析应用技术的高层次大数据人才。数据挖掘[4]作为计算机专业和数理统计专业的一门交叉课程，是计算机程序设计类课程以及统计学（主要强调学生的数据收集和分析的能力）相结合的一门课程。数据挖掘课程在本科高年级或者研究生阶段开设，其先导课为程序设计与开发、数据结构、数据库系统、线性代数和概率论与数理统计、最优化理论等课程。主要授课内容为数据的预处理、关联分析、数据分类、数据聚类和离群点检测。要求学生掌握数据预处理、各种分类和聚类算法以及在实际场景中的应用。

与传统计算机专业的课程不同，数据挖掘课程具有较强的学科交叉性，特别是对数理统计和矩阵论等数学学科要求较高。计算机专业学生的优点是具有坚强的编程能力和算法的设计能力，但在数理统计和矩阵论等课程的掌握方面较弱，例如分类算法支持向量机（Support vector machine，SVM）[5]和神经网络（Neural network，NN）[6]中数学原理的推导需要用到较深的数学知识，往往这些也是容易使学生失去兴趣。

目前的授课模式主要存在以下问题：1.教学方式的单一性：传统的讲课式教学模式是以教师课程PPT加板书式讲解，学生被动式听已经不能满足当前学生的要求。传统的授课模式过重强调老师教，而对学生如何学关心不足，因此容易扼杀学生的创新性思维的培养。2.编程课程的滞后性：当前数据挖掘算法发展最快的一块是神经网络算法，主流的平台例如谷歌的TensorFlow等开源深度神经网络框架几乎都是采用Python语言开发，而目前Python课程还没有走进专业培养方案，因此在数据挖掘课程实践环节安排算法的实现对编程的选择较困难。3.传统的计算机专业对数学课程的开设不足，仅仅开设工科基础类数学课程，该课程远远不能满足数据挖掘课程对数学的要求。

二、VIP课程项目模式改革思路

基于VIP模式的数据挖掘课程的教学模式改革，根据新型人才培养目标，要充分利信息化技术手段，结合目前高校大学生的认知规律、专业基础以个性特点，进行项目导向式教学、翻转课堂式教学、DIKW大讲堂、睿翼工坊等进行数据挖掘课程的教学内容、教学方法、教学模式的创新改革，具体如下：

（一）项目导向式教学

项目导向式教学是目前较先进的一种教学方式。数据挖掘课程交叉强，涉及多学科融合，且又紧跟前沿，目前有较多的应用项目用到数据挖掘算法，因此非常适合项目导向式教学。具体方法如下：首先，通过算法的演示让学生了解到算法的具体应用场景，例如通过演示自动识别车牌系统，让学生知道卷积神经网络算法具体的应用。其次，教师利用逆向工程，从项目到算法然后再到代码，一步一步地引导学生，并且创建学习任务和学习目标，分组谈论，进行头脑风暴的实现项目。最后，建立合理的考核评价模式，引进企业工程师对项目进行实际场景的建议，以激发学生解决实际问题的能力。

（二）翻转课堂式教学

充分利用网络教学平台的优势，将学生从传统课程的讲授型方式中解放出来，在课前老师引入微课程、在线课程等机制，整合和优化课堂的教学资源，让学生可以利用手机、电脑等网络终端随时随地进行教学课件和教学视频的学习，并充分利用好课下时间，带着学习的疑问，自主去查资料、读论文、写代码、做实验等，以自我探索寻求答案，提高学生自主学习能力。而课堂上教师是作为课堂教学的组织者，更多地是引导学生去解决教学难点和分配任务，甚至可以让学生走向讲台讲解如何理解问题、如何查找资料、如何解决问题等，将“翻转课堂”引入数据挖掘实践教学，以网络教学平台提供的功能，增强师生间的交流。另外，“翻转课堂”也需要重视课后环节的“课堂评价”“知识复习与巩固”“问题答疑与指导”等，构建完整的课堂链条，形成系统长效的翻转课堂育人机制。

（三）DIKW大讲堂

为了顺应时代需求，让同学们更加了解和掌握数据挖掘的相关知识，也为了增强同学们对计算机方面的热爱程度，学校可以邀请经验丰富的行业专家为同学们授业解惑，不仅使同学们初步了解了DIKW体系，让同学们深刻感受到在互联网时代掌握大量的结构化数据的同时，如何更好地进行深入挖掘，发现数据的价值？如何有效地将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策，需要利用数据仓库、联机分析处理工具和数据挖掘等技术，进而让学生感受到技术的重要性，同时也为同学们以后的学习提供了很大帮助，为学生专业能力的全面发展打下了坚实的基础。

在数据科学与大数据专业学科中，最基本的模型是DIKW（data，information，knowledge，wisdom）层次模型。在大数据时代，数据科学的从业者更应该从DIKW模型中建立计算思维和数据密集型思维。为此我们建立了常态化、专业性、学术性的DIKW大讲堂。定期邀请行业技术人员、校内领域专家、IT管理人员等为学生开展大数据、云计算、物联网、人工智能、区块链、VR/AR以及创新创业放方面的报告。

（四）瑞翼工坊

瑞翼工坊是在河南城建学院与中科曙光教育合作中心指导之下，整合学校和中科曙光的设备、师资、技术、平台等资源，以学生为中心、由学生全面负责工坊运营管理，学校老师、企业工程师与行业专家负责工坊运营管理顾问的成长孵化载体，通过实行企业角色制、团队分层管理制、知识共享制等途径，营造一个具备项目孵化功能的真实的企业生态环境，激发优秀人才成长。共有近100名学生参与，主要方向包括数据采集、数据处理、数据可视化等，通过讨论、竞赛、协同创新等形式，极大地促进学生的学习兴趣和创新能力。借助“瑞翼工坊”校企合作平台，可以有效加强“产教融合”，激发学生兴趣的同时，还可以有效提升学生的专业实践能力，比如河南城建学院通过“瑞翼工坊”对校园进行严格的网格化管理，同时为了实现防疫有序、轨迹可溯、实时数据分析监测等，“瑞翼工坊”的指导老师们带着大数据专业的学生运用大数据技术，校企通力合作通过“管理+信息化”的手段，开发出“智慧寻迹系统”，实现对校园出入及校内聚集场所的疫情防控，让学生学习专业知识的同时，也能够很好地承担社会责任。

三、结论

通过项目导向式的教学培养学生分析问题、解决具体问题的能力，翻转课堂模式使得学生有更多的机会自主学习，学生能够参与到教学的过程当中去，通过多元化的课堂形式，增强学生的眼界，让学生了解到当前学科的发展方向，增强学生的职业兴趣。基于VIP课程项目模式有利于提高教学质量和教学效果，能够加强大数据应用人才的培养。