基于“OBE理念+分层闯关”的应用型课程实践教学研究

张道华

【摘   要】   针对电子商务本科专业《数据挖掘与分析》 课程实践性强、学生知识储备参差不齐、理论知识获取与解决实际问题能力提升不同步等特点，对照金课两性一度标准，引入OBE理念开展基于分层闯关导向式的混合式实践教学。通过梳理数据挖掘技能图谱，构思层次性实践项目，设计分层闯关任务，依托实践教学平台发布任务，提出过程性评价方式，构建双螺旋技能提升路径，调动学生深度参与学习的积极性，促进学生沉浸式学习，确保学生学习热情，逐步提高学生解决问题的能力。教学实践证明，学生的专业应用能力和实践创新能力得到了明显提升。

【关键词】   OBE理念;分层闯关;数据挖掘;实验教学

Research on Practical Teaching of Applied Curriculum Based

on "OBE Concept and Hierarchical Teaching"

Zhang Daohua

（Bozhou University， Bozhou 236800， China）

【Abstract】    The existing problems in "Data Mining and Analysis" course teaching in e-commerce undergraduate major include： this course is highly practical， students' knowledge reserve is uneven， and the acquisition of theoretical knowledge is not synchronized with the improvement of practical problem solving ability， etc. In order to solve these problems， according to the standard of gold class， this essay puts forward the OBE concept and carries out the mixed practice teaching based on the hierarchical teaching. This essay combs the skill map of data mining， and conceives hierarchical practice projects， which are composed of hierarchical tasks， and then teachers release the tasks rely on the Educoder practice teaching platform. This essay proposes a process evaluation method and constructs the double helix skill improvement path to arouse the enthusiasm of students' deep participation in learning and promote students' immersion learning， to ensure students' learning enthusiasm and gradually improve students' problem-solving ability. The teaching practice proves that the students' knowledge application ability and practice innovation ability have been improved obviously.

【Key words】     OBE concept; hierarchical teaching; data mining; experimental teaching

〔中图分类号〕  G642             〔文献标识码〕  A              〔文章编号〕 1674 - 3229（2022）02- 0118 - 05

0     引言

实验课教学作为提高大学生创新实践能力的重要环节，历来是评价应用型本科院校人才培养质量不可替代的指标。电子商务专业以培养既具有不断学习适应时代发展和行业竞争力，也能熟练应用计算机技术开展电子商务营销管理的高素质应用型人才为目标。《数据挖掘与分析》课程作为电子商务专业实践性较强、与实际应用结合较为紧密的一门综合课程，以《JAVA程序设计》与《Python程序设计》为先导，以本地数据或网络数据为基础，引导学生学会获取数据，对数据进行预处理、探索、分析统计及可视化。目前的《数据挖掘与分析》课程实验主要存在以下几个方面的问题：首先，理论教学与实践任务“脱钩”，学生只是记住了理论课上的知识點，缺乏对实验任务的整体认识。其次，实验课以教师示范为主，学生机械地照搬照抄，缺乏分析问题的能力和解决问题的主观能动性[1]。再者，学生基础参差不齐，一刀切式的实验教学难以促进学生能力提升。因此，基于OBE理念，研究适应性分层、成果导向式的实验教学非常重要。

1     OBE理念

基于OBE（成果导向教育）理念与分层闯关导向式的实验教学展现的是以学生为中心、能力为本位[2]、成果为导向的人人都能成功的高效学习理念，它使因材施教与精准教学成为现实。OBE理念强调以学生能力发展为中心、学习成果输出为导向、持续改进人才培养质量为目标[3]，是高校实践教学工作的行动指南，贯穿实践教学实施环节的全过程。立足人才需求和三全育人，OBE理念颠覆传统教学，聚焦学生发展成效，以学生学习效果和个性发展为导向反向设计课程体系与教学环节[4]、安排教学活动、整合实验实训资源，强调学生“学到了什么”和“能做什么”，为什么让学生取得这样的学习成果，教师如何帮助学生取得这些学习成果以及如何评价学生是否掌握了这些成果[5]。由于OBE聚焦的是能力本位，精熟内容，人人达成目标的个体差异化、达成性评价，按照反向原则设计课程，帮助学生经过长期、广泛且贴近生活的实践获得技能提升与知识内化，基于该理念进行《数据挖掘与分析》实践教学改革，能够与时俱进聚焦学生核心能力素质要求，建立持续改进的质量保障机制，推动专业人才培养质量不断提升[6]。

针对《数据挖掘与分析》传统实验课程存在的问题，对照金课两性一度标准，根据学生先导知识的储备情况及课程学习目标，通过课程组教师的不断探索，形成了基于成果导向，考虑学生基础的分层闯关导向式实验策略。开课前，教师对学生Python编程能力进行测试，班内分层给出对应的实验项目和富有知识脉络的导向式实验任务。其中，基础实验项目强调知识整合与合作学习，由课程组教师设计或改进，同时引入校企合作单位的数据分析项目作为高阶实验，每个任务设计2-6个闯关关卡，帮助学生由浅入深、循序渐进掌握知识，形成一技之长，使学生“见大树、更见森林”，从而“上手快、能实战、后劲足”。实验课中，通过实验闯关与数据挖掘报告撰写、基础实践与高阶项目构建双螺旋技能提升路径。实验课结束，基于学生实验闯关的实际情况，根据小组互评、师生互评及获取的经验值与金币数，平台会自动给出实验成绩，成绩的来源有据可查、有迹可循，也便于学生及相关教学督导部门核实。

2      实验教学反向设计

基于内外需求与培养目标制定学习蓝图，使学生清楚聚焦知识技能图谱，在提高期待的基础上制定弹性要求，帮助每个学生成功。

2.1   梳理数据挖掘技能图谱

数据挖掘实验教学包含数据挖掘的入门基础知识到实践进阶的全部内容，深入浅出地按照技能图谱设计实验项目，帮助各个基础的学生由浅入深掌握数据挖掘技能，基于OBE清楚聚焦的教学设计原则，图1给出了数据挖掘技能图谱。

2.2   设计闯关实验项目

为了帮助学生成功掌握数据挖掘与分析技能，通过梳理知识脉络，以能力输出为导向，设计实验项目如表1。依托头歌实践教学平台创建、发放实验项目，每个实验项目设计多个闯关关卡。学生根据实验任务描述查阅相关知识，实验任务完成后，教师发放类似应用场景，帮助学生巩固提升，完成知识内化、知识表达与知识发展，完成所有闯关项目后获得最终的成果。

2.3   闯关关卡设计原则

数据挖掘应用场景包括数据预处理、数据分类、文本特征提取、回归问题、聚类问题、数据降维、模型选择训练模型及预测、模型持久化以及模型评估等。闯关关卡的设计基于SUCCESS原则。

Sloved：关卡的设计考虑到各个层次学生的能力，必须是通过努力能够得以解决的问题。

Unbeliebable：针对实际问题，以分层闯关的形式获取最后的胜利，使每位学生都能在知识建构与技能提升方面获取传统实验难以取得的进步。

Concentrate：传统实验课，所有学生进行同样的任务，分层闯关导向式实验每个学生都可按照适合自己的层次来完成实验任务，因而学生可以更专注地沉浸在学习过程中。

Capability：根据学生的学习基础，结合他们自身的学习习惯，量身分层打造适合他们自身情况的闯关关卡，逻辑更清晰，学生更容易接受，能够助推学习效率的提高，帮助形成知识表达能力与知识发展能力。

Ebullient：通过分层闯关导向式实验教学的开展，全面调动学生学习热情，大幅提高学习效率，实现个性化教育与小组分层教学的结合。在此情况下，学生乐于学习，能够激发知识的形成。

Selectable：分层闯关导向式实验教学中，层次动态，加分环节可选，晋升渠道可选，依据学情发放实验任务，人人都能成功。

Scientific：课程组教师通过反复实验与验证，结合系统论的观点，科学系统地设计闯关关卡。学习内容难度有分层，任务也不再是千人一面，每个人都可以有最适合自己的实验内容，通过探索自我去适应学习，产生条件反射的信息加工，并自主解决问题，完全符合行为主义心理学。

2.4   适应性分层策略

根据学生知识的储备情况与每个实验项目的要求给出适应分层、实时进阶的成果导向式实验策略。能够针对因个体差异导致的学习成效不同步而提供精准实验方案，每个学生可根据自己的基础进行选择，不受同班其他学生的学习程度影响，利于综合素质教育与集体技能提升的开展。基于适应性分层闯关式实验，每个学生都有自己的路径，可以自我调节和进度闯关匹配，主张每组都在团结协作的氛围里拥有自己独特的学习路径[7]。根据开课前的摸底情况与测试结果，可将学生的层次大致分为三类：①基础薄弱学生：掌握数据挖掘基础知識与基本算法;②基础一般学生：这部分学生占大多数，要求掌握数据挖掘进阶知识与算法;③基础较好学生：作为课程实验的标兵，要求掌握数据挖掘高阶知识，并随机抽取项目成果在班级展示。要求基础薄弱的学生理解程序，完成程序的注释;基础一般的学生完成主要代码填空;基础较好的学生完成整体程序设计。依据学生完成情况，给予加分渠道的开放和晋升调整。

教师首先给出适应性分层闯关导向式的实验方案，学生自愿选择适合自己基础的学习层次，教师给出不同层次的考核标准，为后续的实验过程提供导向。对于基础薄弱的学生，他们的实验任务是完成基础的数据挖掘项目和简单的数据分析报告，体会数据挖掘的用处与数据分析的魅力。基础一般和基础较好的学生有两项实验任务：必选实验与可选项目，必选实验是该层次学生按照方案要求必须完成的基本实验任务，可选项目是加分渠道，可以帮助基础一般的学生过渡到更高层次，引导基础较好的学生进行知识表达与创新学习。

实验课上，设计加分环节与晋升渠道。首先，闯关组长通过帮助组内成员完成实验闯关获得加分，该实验项目结束小组自动解散，学生在教师的指引与双向选择的情况下重新分组。其次，完成可选实验项目，学生通过主动探索与研究，独立思考解决问题进行自主学习，积极主动找到解决问题的方法完成可选项目要求，进而完成数据挖掘与分析创新课程设计。通过加分渠道的设计，充分调动学生深度参与、自由探索、协作共享的积极性[8]。由于采用动态分层、实时进阶的实验模式，不同层次的学生在实验过程中都有东西可学、有挑战可破、有团队可依，更有利于知识的意义建构，促进培养勇于探索和敢于挑战的创新人才。依据分层分组适应理论在学习内容、学习结果、学习过程等方面的天然优势，构建基于适应性分层闯关导向式的实验教学模式，对实现分层教学、系统培养、多样成才的全链式跟踪教育提供依据。

3     实验课例

基于分层闯关导向式实验教学的设计思路，根据数据挖掘常见的应用场景，以NumPy库的使用与亲和性分析为知识点实现商品推荐为例，在学生前期已经掌握数据处理 Numpy 库的一些基本使用技巧，如 Numpy 数组的创建、基本运算、切片与索引、堆叠以及拆分等的基础上，实现商品推荐，共设计如下四个任务关卡，见表2。学生根据任务描述进行找差补缺，线上完成闯关任务，线下进行项目汇报、师生互评、小组总结，提升技能，完成知识内化。

处理 Numpy 加载数据的代码如下：

if sample[0]==1：

num_milk_purchases+=1

if sample[1]==1：

num_milkbread_purchases+=1

if sample[1]==1：

num_bread_purchases+=1

排序找出最佳规则的代码如下：

support = valid_rules

confidence = defaultdict（float）

for premise，conclusion in valid_rules.keys（）：

rule = （premise，conclusion）

confidence[rule] = valid_rules[rule] / num_occurances[premise]

def print_rule（premise，conclusion，support，confidence，features）：

premise_name = features[premise]

conclusion_name = features[conclusion]

4      课程考核评价

为了验证基于OBE理念分层闯关成果导向式实验教学效果，采用问卷星对实验组与对照组进行实验教学满意度调查，师生认为该模式设计更符合认知规律，学有所得，具有成就感和价值实现感。由于分层闯关成果导向式实验任务的设计具有多样化、挑战性等特点，传统评价标准无法全方位评价学习效果，特采用RISKING评价模型进行素质测评，考核学生在应对不同学习任务时的综合能力，保质保量落实给出问题、做出计划、监督实施、反思评价、及时补救、反馈下一轮等各个环节的形成性评价。

教学实践证明，基于OBE理念开展分层闯关的应用型课程实践教学，能够有效提升学生深入学习热情与学习效果，学生实训成绩优秀比例达到90%以上。通过任课教师反馈与以赛促学的开展，发现实验组学生的实践能力更强，创新能力更高，知识发展的后劲更足。成果导向式的《数据挖掘与分析》课程实践教学，能够保证学习目标顺利过渡，闯关任务顺利推进，精准教学高效开展。通过树立明星学员的标兵作用（见图2），可以为后续其他专业课程实验教学的开展提供借鉴。

5     结语

实验教学是衡量高校人才培养质量的重要环节，基于OBE理念适应性分层闯关导向式实验教学，创造了更多的选择性，调动了学生深度参与的积极性，促进了学生沉浸式学习，确保了学生学习热情，逐步提高了学生解决问题的能力、专业应用能力和实践创新能力，也为其他课程实验教学的开展提供了参考。

[参考文献]

[1] 郑祥明. 基于ATmega16单片机实验系统开发的教学改革与实践[J]. 西昌学院学报（自然科学版）， 2018，32（3）： 120-123.

[2] 陳黎黎， 国红军. OBE理念下软件工程专业“数据结构与算法”课程教学改革研究[J]. 辽宁科技学院学报，2021，23（5）： 38-40.

[3] 金鑫鑫.“学习产出”（OBE）为导向的电子商务专业课程思政“金课”——以“数字图像处理”课程为例[J]. 辽宁科技学院学报，2021，23（3）：44-46+24.

[4]  石宏伟， 张雪娜， 马玉红， 等. 基于OBE理念的新闻摄影课混合式教学改革与实践[J]. 廊坊师范学院学报（社会科学版），2021，37（3）：107-112.

[5]  朱秋实， 陈菲菲， 王慧， 等. 以能力培养为根本的化工制图教学改革[J]. 廊坊师范学院学报（自然科学版），2021，21（3）： 121-124.

[6] 史建焘， 李秀坤， 娄久. 国外高水平大学算法与数据结构实验课程研究[J].计算机教育， 2016（11）：163-166.

[7]  崔妍， 祝世东， 曹福毅， 等. 基于分层教学的带动导向式“数据结构”实验课研究[J]. 沈阳工程学院学报（社会科学版），2020，16（1）：100-105.

[8] 刘瑜， 杜晶， 杨玫. MOOC背景下《大学计算机基础》Python实验螺旋分层教学设计[J]. 计算机工程与科学，2019，41（1）：115-118.