“新经管”背景下大数据分析课程的教学改革研究

谢天保，杨 娜

(西安理工大学经济与管理学院，陕西西安，710000)

一、引言

信息技术和新经济的不断发展对经济与管理(以下简称经管)类专业的人才提出了新的需求。因此，为顺应当代高等教育发展新形势以及经济社会发展新要求，“新经管”理念应运而生。“新经管”理念既顺应了新时代下“互联网+”、大数据、人工智能等新的信息技术与教育教学改革深度融合的大趋势，又是抢占教育优势、紧随时代潮流的需要。如今，大数据已经遍布每个领域，已经成为推动经济转型发展的新动力，各行各业都与大数据紧密相连。因此，各高校都以大数据时代人才需求为导向，纷纷开设数据科学与大数据技术专业，开始系统地培养具有以大数据为核心的分析问题与解决问题的能力，能够在领域知识中融入信息技术、大数据技术并进行创新的人才。特别是在“新经管”的背景下，大数据分析能力已成为经管类学生不可或缺的能力。在“新经管”背景下，如何提高经管类学生对大数据的应用能力，完善大数据分析课程的教学目标、教学内容、教学方法、课程考核等，已成为高校经管类专业需要深入探讨的问题。

二、相关研究

在“新经管”背景下，教育改革就是改变传统的教学方式、教学内容及教学目标，使“互联网+”、大数据、人工智能等与经管类课程得到有效的结合。

康晓娜等人在“新经管”背景下，从教育理念、创新优化教学内容、重塑教研团队、完善考评机制四个方面对会计教学改革具体措施进行了探讨，建立了“以学生为中心”的师生关系；加强学科交叉融合；采用“以培养能力为目标和信息技术为工具”的新型教学模式，为今后的改革提供了借鉴意义。[1]王平水以计算机公共基础课程为例，在精炼基础理论知识的讲解、强化基本操作技能的培养、突出数据分析能力的提升、加强与经管专业交叉融合、不断丰富线上教学资源、持续加强线下教学设计等方面进行教学改革，以满足新时代下学生对计算机能力的需求。[2]李敬明等人在对管理信息系统这门课程的改革中，将教学过程的设计分为三个阶段，形成了“线下—线上—线下”的教学流程，不断深化知识体系，提高教学质量与教学效果，并采用调查问卷的形式收集课程改革的评价效果，指出这次课程改革的效果较好。[3]周泽炯等人以大学生心理健康教育课程为例，针对其教学目标不明确、教学内容不完善、教学方法不灵活等问题，采取以下措施进行改革：提高大学生心理健康理论知识水平，培养学生的自我认知能力；根据年级的不同设定不同的教学重点和教学内容；讲解一些有代表性的案例；将人工智能、大数据、云计算创造性地运用到大学生心理健康教育课程中，以此增强学生的心理素质。[4]王艳萍着重分析了物流大数据相关就业岗位能力要求，并肯定了物流大数据分析人才培养的重要性，将物流专业与大数据分析结合起来进行改革，在课程体系设计中提出不同的阶段需要掌握不同的知识和工具；倡导进行素质教育与专业教育的一体化设计，如开展学科竞赛和讲座等。[5]

三、多层次培养目标

传统的大数据分析课程面对不同专业的经管类学生，都只要求学生掌握一些基本的处理和分析数据方法，不足以满足如今信息爆炸时代对人才的需求。因此，本研究根据经管类专业各自不同的特点及学生各自的学习能力、爱好，将人才的培养目标划分为三个层次，即数据科学家、数据工程师和数据分析师。

数据科学家侧重研究大数据处理算法的提出与优化改进，同时需要具备良好的大数据、统计等相关专业知识，了解并熟悉大数据分析挖掘的各种典型算法，对大数据分析模式与分析系统有总体上的了解。数据工程师需要能够在理解算法的基础上，运用现代计算机技术进行对人工智能、大数据分析系统的研究，需要具备优秀的软件程序设计能力，熟练掌握数据库基本原理。数据分析师为某一业务领域内的应用型人员，需要全面掌握业务需求，能熟练运用获取数据的工具，并能通过大数据分析提供决策咨询与服务。为此，高校需要建立新的教学体系，制订新的教学计划，以此调动学生的学习积极性，使大数据分析课程的教学目标转移到提升不同专业的经管学生对数据的处理、分析以及实战能力。教学目标与各专业的关系如表1所示。

表1 教学目标与各专业的关系

四、教学内容改革

大数据分析课程包括的内容覆盖面广、难度大、涉及的理论模型算法较多，并且新的信息技术和技术手段的发展越来越快，传统的教学内容很容易出现滞后问题，已经不能满足如今的需求。因此，本研究针对不同的教学目标，设计了以下三项教学内容。

(一)以问题为导向的数据思维

数据思维的培养是指让学生对数据形成认知，学会从数据角度思考问题，即能够清晰地量化问题，进而依据数据做出后续的决策。形成数据思维最重要的一点就是具有对数据的敏感度及掌握分析数据的方法，这也是“新经管”背景下学生不可或缺的能力。因此，教师在安排课程内容时，应为学生提供接触各种不同类型的数据的机会，以此锻炼学生的数据思维。

在具体的教学过程中，教师需要以问题为导向，即不断抛出问题，以有效的提问引导学生形成数据思维。这种教学模式能让学生针对问题自行思考，自主探究解决问题的方式，包括具体应采用什么方法、构建什么模型等，使学生在质疑和答疑的过程中体会到学习的乐趣，并养成自主学习的习惯。

(二)不同的专业设计不同的教学内容

对经管类学生而言，完全掌握大数据分析技能不是仅靠学习一两门相关课程就可以实现的，而是需要由浅至深、由表及里系统地学习一系列的课程，构建知识体系，进而具备大数据分析能力。这一系列课程一般包括四门课程，分别是Python A/B、Spark编程基础、大数据分析、大数据案例实战。其中，Python A侧重训练学生的界面编程能力，旨在帮助学生深入理解算法及优化改进、熟练掌握数据库系统的原理；Python B注重介绍方法及各种经典算法的使用，旨在帮助学生掌握一些基本的编程、语法和原理，使学生能够熟练使用Python进行调包分析。本研究根据经管类专业各自不同的特点，设定了不同的教学目标，并根据不同的教学目标设计不同的教学内容。各专业与课程群之间的具体关系如表2所示。

表2 课程群与各专业的关系

以大数据分析课为例，其总课时为56学时，其中基础知识教学为32学时，案例讲解课时为6学时，实验课时为18学时。课程教学内容、教学学时的对应关系设计如表3所示。

续表

在大数据分析课程中，不同专业的学习内容也有所不同，具体的对应关系如表4所示。

表4 各专业不同的教学内容

信息管理与信息系统、工业工程等专业的教学目标是培养数据科学家，因此，其教学内容范围较广、更有深度。金融学、经济学的教学目标是培养数据工程师，因此，其教学内容集中于算法和模型的使用。其余专业的教学目标是培养数据分析师，因此，其教学内容主要是数据可视化的学习以及案例分析。不同专业教学内容不同，如果教学内容不足56个课时，那么教师可以自由分配多余的课时。

(三)分阶段介绍重点内容

大数据相关知识学习的过程中主要分为三个阶段。第一阶段，学生需要掌握大数据分析所需的相关知识，包括理解Hadoop架构，掌握SQL On Hadoop、MapReduce理论及应用，了解数据库NoSQL及Hbase，认识Scala语言，掌握Spark开发和集群环境的搭建，并系统学习Spark技术栈，包含Spark Stream、Spark SQL、Spark Core、Spark GraphX、Spark MLLib等。

第二阶段，学生需要学习自主搭建Hadoop大数据集群，构建企业级大数据仓库，进一步强化获取数据的能力，重点包括爬虫技术中网页的请求Request和响应方式Response，解析html数据方法，包括使用正则表达式和第三方解析库(如Beautiful Soup、PyQuery) 、解析json数据等。学生还要学习相关算法和模型，如大数据分析的数据预处理、数据回归模型、关联分析模型与算法、分类分析模型与算法、聚类分析与模型、预测分析与模型、异常点分析与模型、文本分析模型、推荐模型与系统等。不同的课程都有相应的实验课时，教师需要针对不同专业，通过不同的案例让学生更清晰地掌握相应的方法，进而更好地利用模型进行分析。

第三阶段，学生需要掌握大数据可视化的分析方法，并理解从数据中挖掘到的信息，如利用Matplotlib绘制常用可视化图形、利用Seaborn绘制高阶可视化图形、利用Pyecharts绘制常见可视化图形等，从而更加直观地获取信息。

五、教学方法改革

传统的大数据分析课程教学方法以教师为主体，教师向学生传授知识点，学生作为被动的一方学习积极性有限。因此，在“新经管”背景下，大数据分析课程的改革应着重提升学生在课程中的参与感，让教师和学生在上课的过程中不断互动和实践，加深学生对课程内容的深刻理解。[6]

(一)引入线上教学平台

在教学中，教师可以引入线上教学平台拓展学生的知识领域。以Tempo大数据分析平台为例，其可用于进行可视化操作及数据分析操作。在课堂上，学生可以对比利用Tempo大数据分析平台得到的结果与实验课中得到的结果，并在探究结果产生差异的原因的过程中更好地理解不同分析方法的原理。

(二)开展实验课

在大数据分析课程中，一些理论、模型和方法仅依靠简单的讲解很难取得良好的效果，实验环节必不可少。因此，教师需要针对不同的模型开展与之匹配的实验课。如果在分类分析模型与算法中存在二分类、多分类及非均衡样本分类等多种分类类型，那么与之匹配的实验课也应包括二分类、多分类及非均衡样本分类等多种分类类型的具体案例，帮助学生更好地理解分类问题的实际应用效果。在实验课中，学生不仅可以进行课堂知识的复现，还可以使用经典的模型和方法处理一些新的数据，进一步提高自身能力。

(三)实现知识共享

教师可以建立课后知识共享平台，如建立社交媒体交流群等，并在交流群中分析典型案例及教学资料，供学生交流下载。学生也可以在交流群中发表自己在学习过程中遇到的疑问，由教师或同学在线解答，营造更良好的学习氛围。同时，教师可以根据每位学生的知识共享程度，如提出的问题或做出的回答是否富有价值等，评估学生的学习积极性，并将其计入期末成绩。此外，为进一步扩大知识共享的范围，高校可以在全校范围内开展一些与大数据相关的比赛，鼓励学生组队参与，进行知识的交流，以此调动学生的学习积极性。

六、课程考核设计

检验学生的学习成果最直接的方式就是进行课程考核。目前，高校大多采用“课上出勤+期末考试”的方式进行课程考核，但由于经过改革后的大数据分析课的教学目标及教学内容发生变化，其考核方式也略有不同，具体包括平时成绩(30%)、课程实践报告(20%)、教学平台(10%)和课程期末考试(40%)。其中，平时成绩包括课上出勤(5%)、课上回答问题的频率(5%)、课上测验(5%)、交流群中知识共享程度(5%)、课后作业(5%)和小组得分(5%)。其中，小组得分根据每次小组成员的真实的工作量和贡献程度，结合评分矩阵，依次得到所有成员的成绩权重，进而计算出个人实际成绩。[7]课程实践报告要求学生利用所学知识，结合自己的专业，通过收集并分析相关数据，得到一份完整的实践报告，以此考查学生对相关方法和模型的掌握情况。教学平台包括对在平台中的每天学习情况、学习习惯、互动情况的评估，再结合线上测验成绩进行综合评价。课程期末考试为闭卷考试，主要考查学生对大数据相关理论的掌握情况。

七、结语

在“新经管”背景下，本研究根据各专业的培养目标，从教学目标、教学内容、教学方法、课程考核四个方面对大数据分析课程进行了改革，着重提高学生的学习积极性，有针对性地增减了一些模块，旨在帮助经管类学生掌握新的信息技术，并全面提升其信息素养，为其在未来的就业和学习中打好基础。