《数据挖掘》课程教学模式探索与实践

时鸿涛，李绍静，鲁天安

（青岛农业大学理学与信息科学学院，山东 青岛 266109）

0 引言

目前我国大学课堂主要采用讲授型教学模式，在这一教学模式下教师会在课堂上讲授大量的概念和理论知识，而只提供较少的时间来进行案例分析和讨论，这导致了学生往往没有太多时间理解和掌握这些课程内容，因此无法激发他们深层思考的过程。此外，由于学生对先前知识掌握的不全面或不扎实，也会进一步增加他们对课程内容的理解难度，从而导致学习积极性的下降。

翻转课堂（Flipped Classroom）[1]作为一种以学生为中心的教学模式成为解决上述问题的一种有效手段，这种教学模式也受到了越来越多的关注，并在国内教育界掀起了一股教学模式改革的热潮。然而，翻转课堂教学模式在我国高校推广过程中仍面临诸多困难，本研究将针对青岛农业大学开设的《数据挖掘》课程进行翻转课堂教学模式的探索与实践。

1 翻转课堂

翻转课堂是通过调整课堂内外的学时间将学习的主动权从教师转移给学生。在这种教学模式下，教师将不再占用课堂的时间来讲授课程内容，这些内容需要学生在课前通过在线教育资源来完成自主学习，而课堂时间内则用来完成针对前沿项目的分析和讨论[2]。这种将在线教育资源与传统课堂讲授相结合的混合教学方式不仅能够使学生更积极、更规律的学习课程，同时也满足了学生在学习时间和地点上的灵活性需求。

在典型的翻转课堂教学过程中，学生们需要在课堂教学之前观看多段教学视频，这些教学视频为课堂教学提供必备的概念、理论和知识点，学生可以通过互联网快速、便捷的访问，每个视频后面紧跟着四到五个小问题，可以帮助学生及时进行测试，并对自己的学习情况做出判断。如果当前视频涉及之前学过的知识时，视频中也会提供相关教学视频的访问链接从而方便基础薄弱的学生强化学习。在课堂教学过程中教师将对课程中的难点进行强调从而减少学生对知识的误解，并针对国内外前沿研究开展案例分析和讨论，让学生获得更高阶的学习机会。

2 关键影响因素

2.1 学习的主动性

学生及时完成课前教学视频的学习对于翻转课堂教学至关重要，而目前大学生大多习惯于被动学习，因此如何增强学生学习的主动性是影响翻转课堂教学效果的关键。对此，祝智庭等[3]指出在没有监督的情况下保证学生及时完成课前学习是翻转课堂所面临的难题。此外，Ak ay r[4]等指出尽管翻转课堂有利于提升学生的考试成绩，但仅有52%的研究表明翻转课堂对学生的学习有积极的影响，这一情况也说明了翻转课堂对学生学习的主动性的依赖性非常强。

2.2 先前知识架构

影响翻转课堂效果的另一个关键因素是学生对当前课程所涉及的先前知识的掌握情况[5]。相较于通识课，该因素对专业课的影响更为突出。例如数学成绩高的学生对于《算法设计》《数据挖掘》和《人工智能》等课程的成绩表现更为突出。这充分说明先前知识掌握较好的学生能够花费更少的精力完成新知识的学习和消化，同时也能够更加积极地参与到课堂教学过程中。

2.3 教学环境

教学环境包括宏观环境和微观环境两个方面[6]。宏观方面包括学校环境、校风学风、教学资源等。微观方面包括课程设置、班级规模、学生专业、教师特征、课堂环境等。其中，教师特征（如教学能力、科研水平和学历背景等）会直接影响翻转课堂的教学过程，因为教师会在许多方面直接影响课堂过程的教学质量。此外，学生专业与当前课程的相关度也会对教学效果产生影响。

3 研究设计和结果分析

3.1 假设模型设计

《数据挖掘》作为青岛农业大学计算机科学专业的一门专业课程，因涉及大量的数学（如高等数学、线性代数和概率论等）和程序设计（如R语言、Python语言等）知识而被认为过于复杂，并引起学生的负面预期和焦虑，最终导致他们只为应付考试而学习，在这种情况下学生所获得的知识往往会在考试后不久被彻底遗忘。针对上述问题，本研究对《数据挖掘》课程应用翻转课堂的授课模式进行教学，授课前通过“学习通”网站为学生提供课程的教学视频，同时记录每个学生每天的在线学习时长，并检查学生是否按照我们翻转课堂中教师的建议在课堂教学之前观看了在线视频。对于影响翻转课堂效果的三种主要因素，本研究认为学习的主动性和先前知识架构均可以通过学生对教学视频的访问记录来进行量化，而最后一个要素，即教学环境可以被忽略。因此，所有学生的教学视频访问记录将被用来分析他们在期末考试的表现（学业成绩；H1）以及他们在考试结束六个月后的课程设计中的分数（知识保持；H2）。

3.2 数据收集

本次实验对象为青岛农业大学计算机科学专业17级本科生，共计131人。期末考试形式为笔试，考试题型包括单选题、多选题、判断题、问答题和计算题，考试范围与教学视频和课堂讨论内容相对应。试卷由两名经验丰富的教师进行批阅和双重检查，考试成绩设定为变量S。第二学期期末，大约考试结束六个月后，学生通过完成课程设计以衡量学生的知识保持情况，课程设计成绩设定为变量D。本实验收集的教学视频观看数据包括学生学号、视频编号、观看时间和观看时长，这些数据被保存到数据库中以供统计分析。视频观看数据显示教学视频被学生访问了5147次，平均每个学生访问39.29次。变量P反映了学生是否在课堂教学之前完成了教学视频的观看，通过统计分析，大约41%的学生在课堂教学前观看了视频，而59% 的学生在课堂教学后观看了视频。另外，每个学生观看教学视频的总时长（变量T）以及课堂教学的出席率（变量V）也作为变量被统计。

3.3 结果分析

使用上述三个自变量（P，V，T）对两个因变量（S和D）分别进行回归分析，分析结果如表1所示。

如表1所示，在以考试成绩S为因变量的回归分析中，反映教学视频观看时间的变量P、观看视频总时长T和课堂教学出勤率V与期末考试成绩S之间均为正相关。其中出勤率V与期末考试成绩S的相关性更高，统计结果显示出勤率高的学生在期末考试中的平均成绩比出勤率低的学生平均高 9.11分，这一方面说明课堂教学能够帮助学生学习和消化知识，另一方面也说明课堂教学可能涉及了一些考试内容。另外，学生课前观看视频也能有效提升期末考试成绩，统计结果显示学生课前观看视频教程在考试中平均多获得4.91分，相比之下观看视频总时长T与期末考试成绩S的相关度并不明显，统计结果显示每多观看15分钟教学视频，学生在考试中的平均得分只会增加0.12分。

表1 回归分析结果

在以课程设计成绩D为因变量的回归分析中，反映教学视频观看时间的变量P、观看视频总时长T和课堂教学出勤率V与期末课程设计成绩D之间也均为正相关。其中变量P与课程设计成绩D的相关性更高，统计结果显示学生课前观看教学视频在课程设计中平均多获得6.876分，这说明课前观看教学视频更有助于知识保持。另外，观看视频总时长T和课堂教学出勤率V与课程设计成绩D之间相关性均较低，这说明它们对于知识保持的作用较小。

4 结语

综上所述，在课前观看教学视频的学生在考试成绩和知识保持方面受益更多。在课堂教学过程中，通过课前观看教学视频而获得的知识可以在案例分析和讨论中更好的回顾和消化。与此相比，尽管课堂教学出勤率高的学生获得了更好的考试分数，然而在知识保持方面他们的成绩却不突出。此外，观看教学视频总时长对与学生的考试成绩和知识保持并无太大影响，这一结果说明观看视频总时长仅仅反映了学生获取知识的学习时间，这一时间的长短与学生的学习效率和之前掌握的知识结构有关，而与考试成绩和知识保持并无太大关系。因此，提高学生学习的自主性是翻转课堂教学成功的保障。