大数据通识课程教学探索与实践

钟世芬，柳荣其，何忠秀，陈红红

（西华大学计算机与软件工程学院，四川成都 610039）

0 引言

随着信息技术的快速发展，数据呈指数级增长，大数据思维与各行业交汇融合，医疗、旅游、政务、交通、金融、人文、社交、农业等各种大数据应用研究新领域产生。2015 年9 月，国务院正式发布了《促进大数据发展行动纲要》（国发［2015］50 号）。纲要指出，数据已成为国家基础性战略资源，大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。2016 年，大数据政策逐步细化落地，国家发改委、环保部、工信部、国家林业局、农业部等均推出大数据发展意见和方案。

大数据政策从全面、总体规划逐渐向各大行业、各细分领域延伸，急需各类大数据人才，使得“创新人才培养模式，加强大数据人才培养”逐步实施。大数据应用领域广泛，社会不仅紧缺大数据技术专才，也缺乏了解大数据知识的复合型人才，如何为社会培养大数据复合型人才成为一大课题。杨维明等［1］提出校企协同育人机制下的“大数据+教育学”和“数学+大数据”双专业复合型课程体系；肖大薇等［2］给出一种新工科背景下应用型大数据人才培养路径；李大琳等［3］提出大数据人才培养的终极目标是培养优秀的应用型人才，并给出一种整合校企资源的多元化大数据人才培养方案；高妍方等［4］分析并给出管理科学与工程硕士研究生在教学、科研和实践三方面的大数据素养培养途径。

上述文献中提出的大数据人才培养方案或途径都局限于大数据专业人才或部分学科的交叉型人才，不具有培养针对所有专业的大数据复合型人才的普适性。王伟［5］在2016 年就提出大数据适合作为通识教育实践课程的观点。目前，众多高校所开设的通识课程主要以人文科学和社会科学为主，信息技术相关通识课很少。通识教育旨在让学生掌握完整的知识结构，养成触类旁通的通用智慧。

通识课受众多，一般以大班课形式开设。钟浩［6］认为，借助云教学平台可以解决通识大班课学生多、过程性评价难度大、学时少、通识理念传播受限、组织松散、课堂沉闷、考核单一、效率低下等问题；武玉坤等［7］的研究结论表明，融合大数据分析与移动学习的翻转课堂教学模式在课堂效果与考试通过率方面均优于传统教学模式；张策等［8］通过对在线教学与课堂教学的多维度对比，得出线上线下混合式教学将成为一种趋势。

西华大学从2016 年开始，逐步从针对少量非计算机专业发展到针对全校所有专业学生开展大数据通识课大班线上线下混合式教学，形成一套大数据通识教育培养方案。

1 大数据通识课培养对象及培养目标

1.1 培养对象

杨润芊等［9］将大数据人才分为技术型、咨询型和复合型3 类。其中，大数据复合型人才是指具有大数据思维和所从事工作的专业知识，能从管理者角度或所从事工作角度出发，给出利用数据运营支撑本职工作的思路和计划，或协助大数据技术型人才设计出符合本职工作的大数据应用系统。所有非计算机类学生都可以向大数据复合型人才方向发展。

当今社会已步入大数据时代，大数据复合型人才广义上可以延展为具有大数据素养的综合性人才，而这类人才各行各业都需要，需求量巨大，如何培养是一大挑战。除可作为计算机专业学生的导引性课程外，大数据通识课的主要培养对象为所有非计算机专业学生。大数据通识课程的开设对大数据复合型人才培养具有重要意义。

1.2 教学目标

大数据通识课程的教学目标是培养具有大数据素养的综合型人才。数据素养是信息素养的一种扩展，也是大数据时代人们的必备素养，包括数据思维、数据能力和数据安全与伦理3 方面内容［10］。Jonathan 等［11］认为数据素养教育不仅可以培养人们对数据科学的敏感性，还可以培养对数据社会学、数据政治及参与公众数据基础设施的敏感性。

西华大学在2019 版本科人才培养方案制定中，确定了“以通识创新教育为特色，不断优化本科教学课程体系”的基本原则和“强化通识教育，提高学生科学人文素养”的修订重点。大数据素养是科学人文素养中的重要组成部分。为解决偏专业化的高校学生大数据素养培养的局限性问题，面向所有专业本科生的大数据通识课程，其重点不再是单纯地培养学生的大数据技能和知识，还包括培养学生的家国情怀、数据思维、数据能力、数据安全与伦理意识。在思维启迪方面，重在引导学生步入大数据时代，积极投身大数据的变革浪潮之中，使学生具备跨界思维能力。在数据能力方面，重点培养学生了解大数据概念、熟悉大数据应用、探寻大数据与自己专业的应用结合点，并激发学生基于大数据的创新创业热情。在大数据安全与伦理意识方面，重在培养学生养成数据安全意识，在大数据热中保持冷静思考，正确认识大数据技术带来的安全与伦理问题，包括隐私泄露、信息安全、数据鸿沟等，努力使自己的行为符合大数据伦理规范要求。

2 课程具体实施

2.1 大数据通识人才培养模式构建

大数据通识人才培养以思维构建和应用能力培养为主线，目标为培养能运用大数据思维解决本专业和跨专业问题的大数据时代创新人才。如图1 所示，根据大数据通识课教学目标将培养模式分为思维意识、知识和能力3 个融合协同层次。思维意识方面重在培养学生的家国情怀、科学精神、大数据思维、大数据安全和伦理意识；基础知识包括大数据基本概念、大数据相关技术、大数据应用等；应用与创新能力方面包括文献查阅整理能力培养、大数据与专业融合、大数据应用创新等。

Fig.1 Three level integration collaborative training mode图1 三层次融合协同培养模式

2.2 分层分类教学体系构建

2.2.1 分层教学体系建立

西华大学是一所集理、工、文、经管等多学科为一体的综合性大学，学科间相互提供理论和应用支撑。课程注重大数据与各专业的有机结合，兼顾课程目标的分类实施与因材施教。针对大数据知识既有数据思维和数据应用等普适性内容，又有数据获取、数据处理等较专业的内容，将大数据通识教育课程分为如图2 所示的基础类和进阶类两个层次课程体系。对于偏文科的专业，学生只需要了解大数据的概念、大数据对日常工作、生活和思维的影响，以及大数据在不同领域（尤其是自己所在领域）的应用、大数据安全与伦理等知识。对于信息管理、电子商务等数据处理要求高的专业，学生除需要掌握大数据通识课程的基础内容外，还可进一步扩展大数据处理等技术性知识。

2.2.2 专题式教学内容设计

大数据平民化是大数据的未来，只有各行各业的人都能使用大数据，大数据的价值才能不断被放大，产业效率才能得到巨大提升。使所有学生具备大数据思维和大数据素养，像了解计算机基础知识一样了解大数据及大数据应用，必将更好地推动大数据时代下各行各业的发展。针对大数据通识课程学生受众的多样性，本文将教学内容设计为多个专题，包括：迎接大数据浪潮、闪光的数据海洋、大数据采集、大数据存储、大数据分析、大数据可视化、大数据治理、大数据安全、大数据伦理、大数据应用等，具体内容和案例将结合实际情况在每次授课时适当作修改。

Fig.2 Hierarchical teaching system图2 分层教学体系

2.3 线上线下混合式教学方法运用

混合式学习（Blending Learning）将传统学习方式的优势和数字化学习（E-Learning）优势相结合，既发挥教师引导、启发、监控教学过程的主导作用，又充分体现学生作为学习过程主体的主动性、积极性与创造性。大数据通识课程为普适性课程，上课学生人数较多，为大班课授课形式，采用混合式教学方法更有利于提高教学效率和质量。

（1）混合式教学模式。如图3 所示，大数据通识课的混合式教学模式包括：学生自主安排线上MOOC+SPOC 学习；教师根据教学需求灵活安排线上直播教学、讨论及答疑；教师有效组织线下课堂教学，包括对分课堂、案例式教学、讨论式教学等多种教学方式；生生、师生在线讨论；线下线上的考核和评价等。例如，将QQ 群和云教学平台相结合，完成通知、公告、视频学习、讨论、答疑等教学工作，结合直播平台（如腾讯会议、QQ 群课堂等）进行直播授课或实时讨论答疑。

Fig.3 Blended teaching mode图3 混合式教学模式

（2）学生学习。学生学习分为线上多样化学习、线下课堂及课外学习两种。在开展大数据通识课时，教师提前将学习资料和学习任务上传到云教学平台，引导学生提前预习相关内容。教学资料包括教学进度表、授课课件、授课视频或MOOC、云课堂相关视频、图文等；学习任务则可以是每周的学习要求和学习目标，以及提前布置的待完成作业。学生对照学习任务，以完成课前作业、课中讨论、课后测试为检测学习效果的手段，可以做到有目标性地提前预习和课后总结。通过线上学习，学生带着较好的知识基础进入课堂，并在课后自主安排时间巩固知识，使传统教学在时空上得到较好延展。

（3）教师教学。教师教学分为线下和线上两种。为充分调动学生的积极性，避免满堂灌，线下课堂教学尽量采用对分课堂形式，教师只讲重点和难点，引导学生以演讲或讨论的方式完成重点知识学习。与常规授课式教学所不同的是，由于有线上学习辅助，教师除在课堂上讲解重点难点知识外，还可以重点讲解线上测试题目以及作业中所出现的问题，组织学生陈述知识点，引导学生共同讨论或分小组讨论线上和线下学习中所遇到的问题等。

（4）师生互动。合作、互动的学习方式对建构知识和培养学生的创新能力非常有效［12］，为促进学生有效地学习，教师精心设计合作、互动教学环节。在QQ 群、腾讯会议、智能云教学平台等的辅助下，教师的教学活动设计可以做到更多样、更有趣、更容易调动学生学习的积极性。在课堂教学中，教师根据教学内容选择性地利用云教学平台提供的便利条件，开展投票问卷、现场抢答、头脑风暴、讨论等活动，以活跃课堂气氛，使枯燥的课堂学习尽量在轻松愉快的氛围下完成。

3 学情反馈及考核评价

3.1 学情反馈

无论是线上还是线下教学，学情的有效反馈是提高教学质量的重要环节。大数据通识课的大班授课更需要利用各种智能云教学平台辅助搜集学情，动态调整授课策略。开课前的学情调查可以帮助任课教师了解学生学习基础、学习条件等，便于教师根据学情适当调整教学手段和教学计划；授课期间的学情反馈有利于教师掌握学生学习情绪、学生对知识的掌握情况，便于适当调整教学重、难点及讲授方法；课程结束后的调查及收集意见有利于教师对授课过程进行总结，以改进教学。利用云教学平台“投票问卷”或“头脑风暴”之类的功能可以实现不同方式的学情调查，帮助教师适应性地改进教学进度和教学方式。智能云教学平台还可自动推送一些基本学情，如出勤情况、活动完成情况等。由于所有课程开展的相关数据都存储在服务器上，教师和学生可以随时查看。通过这些数据，教师可适应性重组教学内容、调整互动环节、与学生针对性交流等；学生也能了解自己在班级中的学习情况，实现自我监督和激励。借助多平台的混合式教学比纯授课式教学更能有效地关注过程。通过实施混合式教学能明显提高学生的学习效率［13］。

3.2 考核与评价

随着社会的发展，大学生需要学习的内容及学习方式在不断改变，教师对学生的评价和报告也需要随之改变。大数据通识课程学习不仅包括对大数据知识的掌握，而且涵盖了适用于任何领域或范畴的“软技能”“横向技能”及“通识能力”。因此，学生需要培养终身学习的技能。充分利用学习过程数据，可以更好地评价和报告学习课程，特别是复杂能力和通识能力的提高。利用学习者活动的数字踪迹进行学习评价，能够实时计算分数，并在课程进展中极大提高计算和反馈的时效性［14］。

以更好地提升学生的“软技能”“横向技能”和“通识能力”为目标，本课程改革传统“期末一张卷”的考核模式，实行以能力培养为中心的开放式、全程化考核，解决了传统课程考核评价机制中重结果轻过程的问题。本课程改革考核计分方式，推行“五五”比例，即：学生课程总评成绩由50%的平时表现成绩和50%的期末课程报告成绩组成，增加课堂或线上讨论互动、课堂提问与回答、问卷调查、章节测试、视频学习、资料阅读等，将其作为课程平时表现成绩的重要评价指标。

3.3 实践结果

以2019-2020 第2 学期对2 375 名学生进行的问卷调查为例，在1 979 份有效问卷中，文科占比35%，理工科占比59.9%，艺体类占比5.1%。大数据通识课程结束时，有0.8%的学生依然不知道大数据的概念，已了解大数据知识的学生占比30.6%，较好掌握的占比53.1%，深度理解的占比15.5%。调查数据表明，大数据通识课程对学生的大数据素养培养非常有效。

4 结语

在大数据时代背景下，社会需要大量具有大数据素养的复合型人才。培养了解大数据概念、具备大数据思维的各类创新人才是大数据通识课程开设的主要目的。大数据通识课程的学习对象人数众多，专业背景各不相同，按专题组织教学内容、分层分类培养以及采用混合式教学方法是一种有效的教学实施过程。基于多平台的混合式教学法涵盖授课式、启发式、参与式、讨论式等众多教学方法，综合MOOC、SPOC、微课堂、翻转课堂等经验，将线下课堂的针对性和直接性与在线教学的趣味性相结合，能极大促进学生认知和技能的整体提高。实践证明，大数据通识课程采用混合式教学方法，结合重过程和应用能力的考核评价机制，有利于培养学生的数据思维、数据意识和实践能力，从而使学生更能自由地应对未来世界的变革。