新工科背景下大数据基础课程的优化与创新

李 松 张丽平 郝晓红 孙冬璞 李成严

一、大数据基础课程开设的背景及内容

自2017年2月起，教育部先后发布了关于开展新工科研究与实践的相关文件，积极推进新工科建设。为了培养新形势下的创新工程人才，新工科建设主要探索和建立人才培养的“新理念”“新结构”“新模式”“新质量”和“新体系”等“五新”要素。在以新技术、新业态、新产业、新模式为特点的新经济快速发展的背景下，我国工程教育迫切需要培养多样化、创新型科技人才，新工科逐渐成为工程教育创新改革的主流。[1]新工科主要培养具有扎实的学科理论知识，有较强的工程实践能力和创新能力，能够将专业理论知识、创新实践能力以及工程应用能力相互融合的具备国际竞争力的高素质复合型人才。

大数据是信息化发展的新阶段，新工科背景下，许多高校的信息类专业开设了大数据相关课程，如大数据基础、大数据分析技术、Hadoop、NoSQL 数据库、数据挖掘R 语言等，其目的是培养学生熟练掌握大数据分析技术，拥有坚实的并行与分布式计算知识，具备大数据行业的研究和应用能力。当前，大数据课程体系和教学模式的研究受到了广泛的关注和重视。作为大数据方向的重要专业课，大数据基础课程体现出多学科融合、多行业辐射、实践性强等特点。探索在大数据基础课程中如何培养学生解决复杂工程问题的能力，如何强化学生创新能力的训练，培养适应创新型国家建设的高素质人才具有重要意义。

二、大数据基础课程教学存在的典型问题

大数据基础课程以大数据为研究对象，主要涵盖大数据发展历史和基本概念、大数据采集与治理、大数据分类与预测、大数据管理（包括分布式文件系统、NoSQL 数据库及SQL on Hadoop 等）、大数据分析（包括基于机器学习和数据挖掘技术的数据分析、统计数据分析的理论和方法、图数据的分析方法以及自然语言中的数据分析等）、大数据处理平台（包括大数据处理平台架构、批量大数据计算、流式大数据计算、大规模图数据计算等）、大数据安全与隐私保护（包括大数据采集传输存储和交互共享中的安全与隐私、大数据脱敏、大数据安全防护体系和安全标准）、大数据可视化、大数据典型应用、大数据开放共享的法律法规和大数据伦理等内容。体现出多学科融合、多行业辐射、实践性强等特点。

该课程的宗旨是着力培养学生的大数据思维和技能，提升他们开展大数据相关领域的科学研究和应用开发的能力。立足于新工科背景下的工科人才培养目标，该课程要求学生能较为扎实地掌握大数据的基本理论方法和工具，能独立或团队合作完成一定的课内实践实训任务，能利用大数据分析与处理的方法对复杂的大数据工程问题进行研究，能运用相应的技术、工具解决具有复杂工程背景的实际问题，能针对大数据领域的一些关键问题具备一定的分析能力、处理能力和创新能力。

在大数据基础课程教学中，传统方法重点在于传授已有的理论知识和技能，但在根据大数据知识点对学生创新意识进行引导和启迪方面较为薄弱，学生发现问题和解决问题的创新思维、创新意识和创新技能提升不足。存在的典型问题有：

第一，教学内容以基础知识和技术为主，教材和辅导材料主要局限在介绍重要的知识点，缺乏创新思路和创新方法的有机融入和体现。

第二，实践环节中的案例简单，着重于技术实现，缺乏深层次的理论与技术的创新训练，在培养和提升学生发现问题、探索问题、解决问题方面较为薄弱。

第三，教师主要是讲解和灌输知识点，教学方法较为单一，缺乏对学生创新意识的培养。学生则以能熟练记忆相关知识和对基本技术的运用为主要目标，独立自主地分析问题和解决问题的能力薄弱。

为了弥补大数据基础课程传统教学在人才培养方面的不足，立足于新工科对分析能力、处理能力和创新能力的需求，我们对大数据基础课程的教学内容和教学方法进行了拓展和优化。

三、对大数据基础课程教学内容的拓展和优化

有机融合创新思想和创新元素的教学内容是新工科背景下创新性人才培养的一个重要基础。针对上文指出的典型问题，在大数据基础课程中，我们对基本知识技术、前沿学习资料、实践项目案例等进行了拓展和优化。

（一）对基本知识技术的拓展和优化

我们对大数据基础课程的主要知识点进行了研究和论证，重点对13个知识块（大数据采集、大数据离散化、大数据跨界集成、分布式文件系统、NoSQL 数据库、大数据聚类分析、大数据关联规则分析、大数据分类分析、大数据预测分析、大数据隐私保护、大数据脱敏技术、流式大数据计算和大数据图计算）进行了优化，充分体现发现问题、分析问题和解决问题的思路和方法。下图是大数据聚类分析知识块的优化。

大数据聚类的优化

由图1 可知，除了大数据聚类的基本方法和技术之外，我们在知识模块中增加了新问题描述、聚类方法优缺点分析、针对新问题和方法的不足所提出的创新方法和优化思路、大数据聚类方法中蕴含的创新思想和创新方法等内容。学生完成大数据聚类分析的知识模块学习后，不仅能掌握大数据聚类的基本原理和知识，还能更深入地分析大数据聚类的复杂工程问题，理解其知识和技术领域中的创新思路及创新方法。

（二）前沿学习资料库的建设

大数据前沿知识和技术包含着丰富的创新思想和方法，学习和探索这些内容有助于创新思维和创新能力的培养，为此，我们建立了大数据基础课程的前沿知识资料库，包括专家讲座课件和视频资料库、大数据重要理论和技术学术论文资料库、大数据算法资料库、大数据前沿应用资料库。在教学过程中，教师根据课程的进展和学生的具体情况推送相关资料，组织和引导学生进行学习。

（三）实践项目案例优化

课程实践是大数据基础课程教学中的一个重要环节，对培养学生的实践能力具有重要意义。因此我们建立了课程实践的5个目标：

一是提升学生将大数据基础知识用于解决复杂的工程问题和对大数据信息系统进行有效设计的能力。二是在实践中，提升学生发现问题、分析问题和解决问题的创新能力。三是提升学生在多种实现技术中进行合理取舍的能力，增强其综合利用大数据和编程工具完成大数据信息系统的开发、测试和调试运行的能力。四是提升学生经济决策和分析的能力，锻炼他们项目计划、项目安排、项目进度和时间管理等方面的能力。五是增强学生团队协作及交流沟通的能力。

这些目标不是孤立的，而是相辅相成的。立足大数据创新性人才的培养要求和学生能力的达成目标，我们对实践项目案例进行了整合和优化。精选了具有更多创新元素的项目案例，并将项目进行了科学合理的分解。部分项目案例的基本信息如下表所示。

部分项目案例基本信息

四、大数据基础课程教学方法的创新与实践

（一）融合创新思想和技能的项目案例教学法

传统的大数据项目案例教学重视项目的设计与实现，但包含的创新元素较为薄弱，学生从项目案例中获得的创新启迪较少。为了提升学生创新能力培养的效果，我们建立和优化了实践项目案例库。其中的项目案例融合了更多的创新元素，教学过程中教师结合项目案例中的创新点和创新技术对学生进行启

发式教学，培养他们的创新意识和思维。例如，针对基于大数据hadoop 平台的k-means 算法优化与应用系统这一项目案例，学生除了实践系统设计和实现等基本技术之外，还需进一步思考传统k-means算法存在的问题和不足，研究k-means 算法优化的思路和方法，并进行科学比较和分析，在实践中体会项目案例中蕴含的创新思维。

（二）线上线下混合式教学法

在大数据基础课程教学中采用线上线下混合教学法。线下主要进行关键知识点和创新技术的讲解分析，组织学生进行专题讨论，面对面答疑解惑等，线上主要是利用丰富的教学资源库进行在线自主学习，学习时间较为自由充足，学生可以充分利用碎片时间进行学习。教师引导学生利用网络资源进行探究性学习和实践，鼓励他们围绕大数据前沿知识和技术进行在线交流讨论，积极发现问题、分析问题和解决问题。混合教学法包含线上和线下教学方式的优点，同时也克服了各自存在的缺点，相辅相成，在教学中取得了较好的效果。

（三）前沿知识分层分组学习交流法

大数据知识体系较为复杂，新理论和新技术较多，而教材和辅导材料的内容往往较为基础，在新技术新方向新应用方面较为薄弱。学习和了解前沿知识和应用对培养学生的创新意识具有重要作用。在教学中，我们针对大数据的一些前沿技术组织专题讨论会，事先让学生对感兴趣的前沿技术进行收集整理，在会上交流探讨，会后做全面细致的总结。此外，根据实际教学进度和相应知识点，有计划地利用钉钉群等为学生推送大数据前沿知识讲座、技术论文、技术和应用的新闻报道等，鼓励学有余力的同学进一步深入学习和研究。实践表明，很多学生对大数据前沿技术和知识兴趣浓厚，探索欲望强烈，分层分组学习交流法能较好地扩展专业知识面和培养创新意识。

大数据基础课程是该专业研究生研究的基础，我们的大数据基础课程组教师都是研究生导师，指导的研究生具有较为扎实的大数据基础知识和技术，教师根据教学实际需求有计划地组织成绩优秀的研究生参与到教学中，取得了较好的效果。根据学生的兴趣和特点建立了以研究生为组长的大数据技术兴趣小组，每组5～7人，小组成员在组长的带领下进行大数据专项问题的探索，组长在理论和技术方面给予充分的指导。实践表明，本科生和研究生之间的交流更方便更深入，学生的学术创新能力得到了较大程度的提升。

综上所述，基于新工科建设对创新性人才培养的需求，为了弥补传统教学方法的不足，根据大数据基础课程的特点，我们对课程内容进行了整合和优化，在一些关键知识点中合理融入了创新元素，运用了有效的教学方法，在教学实践中收到了良好的效果。未来的工作重点是在“大思政”格局下将课程思政有机融合到大数据基础课程中，进一步助推社会主义创新人才的培养力度。