大数据系列课程的OMO教学模式研究与实践

胡贞华，毛伊敏

（韶关学院信息工程学院，广东韶关 512005)

0 引言

2020 年7 月，国家发改委提出“大力发展融合化在线教育，构建线上线下教育常态化融合发展机制，形成良性互动格局”，全国大中小学都在积极开展新一轮的线上线下融合化教育建设。为促进高校融合集群发展，提升高校人才培养整体质量和水平，依据国务院学位委员会《学士学位授权与授予管理办法》《教育部关于深化本科教育教学改革全面提高人才培养质量的意见》《教育部办公厅关于深入推进国家智慧教育平台试点有关工作的通知》等相关规定要求，各高校以“线下+线上”“校内+校外”的方式构建“课程互选、学分互认、教师互聘、教学互评、资源互享、学位互授”六个方面满足本科生多样化学习和发展的需求。[1]在“勇于探索创新，围绕课程和教学改革目标任务，积极推广小班化教学、混合式教学、翻转课堂”的背景下，构建“线上线下(Online Merge Offline，OMO)”教学模式，探究新型“OMO”教学模式为提高课堂教学质量赋能增效。

随着5G 技术、分布式存储和计算的应用为海量数据增长奠定了基础，大数据技术如同雨后春笋般地快速涌出并改变着人们的生活方式，为传统产业带来颠覆性的革新。在《2022 中国大数据产业发展白皮书》中阐明，147 所“双一流”高校中有87 所已开设了大数据专业，占比达到59%。大数据专业热度已经超过了软件工程、计算机科学与技术等传统热门专业，如何通过开展OMO 教学模式进行教学活动，助力课程体系的改革创新，进而提升该专业学生自主学习能力、激发学生学习兴趣、培养学生创新应用能力和工程实践技术能力，是当前讨论的热点话题。

1 国内外研究现状

OMO 教学模式是一种将在线学习和传统面对面教学融合在一起的教学模式，是“Online Merge Offline”的缩写。与O2O(Online To Offline，即线上到线下）模式一致，OMO 模式在商业领域有了一定的发展后，教育领域也开始对这种模式进行了开发和使用，成为近年来的研究热点。

近年，国内外学者针对OMO 教学模式展开了研究。文献[2]以线上教学不打折为理念，完成实体教室向线上课堂的“高保真”转换。打破传统教学手段到线上教育的障碍，规范化专业课程平台。修正了OMO模式，保证了双线教学活动有效实施。文献[3]从会计专业课程与“课程思政”创新融合，构建了结合专业课程知识传授、专业能力培养以及思想价值塑造“三位一体”的教学体系。同时，深入挖掘现代信息技术与课堂教学的深度融合，建设课程思政内容与会计专业课程相结合的教学资源，提高了OMO教学模式下会计专业“课程思政”教育的质量。并以学生为中心，鼓励会计专业师生开展教学互动。文献[4]基于山西省精品共享课程“机械设计”的资源，增设慕课、微课、3D教材等网络教学平台，挖掘课程思政元素，构建情境、互动、体验、质疑为一体的时空学习环境。进行线上线下混合和课内课外充分融合的“OMO”教学，激发学生的学习兴趣，提高教学效果，培养学生解决复杂问题的综合能力和系统设计能力，从而促进学生知识、能力和素质的全面提高，提升人才培养质量。文献[5]探讨“物理性污染控制工程”课程的特点及存在的问题，从线上教学资源的筛选整合、线上线下教学方式的融合、课程考核体系建设三个方面改革OMO教学模式，充分调动学生学习的主动性，转换师生教与学的角色，增强学生团结协作的能力，提高学生实践创新思维。

从上述研究现状可以看出，研究者们已经针对某一门特定课程的特点，构建其OMO教学模式，从而提升教学质量，培养学生创新及工程实践技术能力。但也有研究不足之处：

1)缺乏某一专业系列课程的OMO教学模式。针对某一门特定课程的OMO教学模式使得专业知识点是孤立的，无法衔接各个课程所包含的知识点，其推广的系统性和实用性较差；

2)缺乏大数据课程的OMO教学模式。由于大数据技术近几年才兴起，教育部于2016-2019 年分四批共审批同意479所高校开设大数据技术本科专业，形成专业设立时间短、师资队伍短缺，导致大数据课程的OMO 教学模式研究成果很奇缺，使得构建大数据课程的OMO教学模式势在必行。

2 研究内容和思路

2.1 大数据系列课程目标

课程目标是人才培养方案和课程设置的基本依据，大数据专业致力于培养符合国家战略及产业发展需求的德智体美劳全面发展的高级应用型人才，以适应不断演化的经济与社会发展需要[6]。有一定的数理基础，具备扎实的编程基础以及大数据基础知识与技能。熟练掌握大数据采集、预处理、存储、处理、分析等应用技术[7]，能够运用大数据思维、模型和工具解决实际问题。

课程目标具体可分为知识目标、能力目标和情感目标。知识目标包括了解从数据采集到数据挖掘的数据管理技术，掌握以大数据处理技术、云计算、数据挖掘、机器学习等为重点的基础理论。重点突出教学与企业需求相结合，将科研引入教学，强化应用、实践与创新能力的培养。开展以大数据核心技术为重点的基础理论和工程素质教育，并从人才培养、学科建设和科学研究等多方面努力，为国家培养亟待的大数据优秀人才。能力目标包括能系统地获得课程基本概念、应用价值和领域的知识，具备对大宗数据进行决策分析的能力。培养学生具备较好的数理基础，熟练掌握数据挖掘、分析、建模等原理及工具使用，能对多种数据源进行数据挖掘、深度分析、数据建模及有效评估，并能向行业提供有效的分析报告，为行业运营决策提供数据支持。情感目标包括激发学生学习兴趣，提升学生对大数据技术从业忠诚度，培养学生能够跟踪大数据前沿技术并适应其发展环境，具备较强的实践和创新能力，能够运用专业工具从事大数据领域的开发、设计与管理，能较好地完成一个及以上大数据关键技术的方案设计和研发工作，成长为大数据分析师、大数据研发工程师。

2.2 OMO教学模式研究思路

教学模式研究需要考虑到多方面的因素，包括教学目标、教学策略、教学内容、教学媒介、学生角色、学习方式、教学评估和反馈机制等。只有全面协调地考虑这些因素，才能构建出高效、科学、适用的OMO 教学模式。总体研究思路见图1所示，将信息技术与线上线下教学深度融合，优势互补、各取所长，从OMO课程体系建设、OMO课程平台构建和多元化评估体系构建等方面进行改革。依据OMO教学模式的优势和大数据专业课程的特点，重点开展如下研究内容：

图1 总体研究思路

1)OMO课程体系建设

①探究需进行构建OMO的大数据系列课程。大数据技术本身体系庞杂，专业课程繁多，依据课程性质、课程内容和大数据系列课程目标对应关系的原则，选取适应构建OMO 模式的大数据课程体系。比如先讲授Java、数据结构、计算机原理等基础课程，让学生积累一定的理论知识，再通过数据仓库与数据挖掘、Hadoop、Hive、Spark 等技术实践课培养学生动手能力。实践能力培养课程内容主要覆盖大数据的概念与体系结构，包括数据仓库的存储与处理、数据仓库的系统设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘等技术。

②探索各个OMO 课程资源知识点的构建与衔接。采用甘特图理论，研究OMO 各个课程资源之间的拓扑关系，实现各个OMO 课程资源的关键知识点完美衔接，为OMO 平台构建奠定基础。完善教学课件、配套教学用书和教学软件，形成文字教材、多媒体教材、实验平台、网络课程平台、辅助教学资源、参考文献等资料[8]。构建题型丰富，考察方式灵活，覆盖知识点全面的试题库。坚持教师主导，学生为主体的原则，充实和完善大数据系列课程在线课程资源。积极组织学生参加各类竞赛，使学生在实际应用中根据问题找出对应理论和实际解决方案，有效提高学生分析问题和解决问题的能力。

2)OMO课程平台构建

依据大数据专业人才培养的需求目标，以构建教学情境、师生互动、案例体验、结果质疑为一体的学习环境，重点从理论与实验、实践开展研究。在理论课程方面探究OMO 课程的教学设计，探索网络教学资源平台的构建，创设情境教学方法，探讨优化更新教学内容。在实验、实践课程方面，基于最新的大数据处理技术探究实验课程网络教学资源平台的构建，探索基于大数据新技术的综合实践案例的构建。

3)多元化评估体系构建

建立全方位追踪、全过程评价的评估体系，全面考核学生综合素质。采用线上线下相结合的学习评价，将随堂评价与期末考评结合，探索多元化考核评价体系的构建。根据专业发展需求，更新教学内容，追踪大数据处理技术发展前沿，体现本学科领域的先进性和综合化趋势。合理处理经典理论与现代科技发展的关系，增加前沿性知识，加大实践课程教学内容，有意识地将知识传授、能力培养、素质教育融于一体[9]。对教学方法和教学评价进行综合设计，体现以学生为主体的教育理念[10]。积极实行探索式、开放式、讨论式、启发式的教学模式，促进学生自主性学习和研究性学习，加大教学沟通力度，促进教学相长。有效调动学生学习的积极性，引导学生积极思考、乐于实践，提高自主学习效果，促进学生学习能力发展[11]。

3 实践与成效

3.1 OMO课程体系建设

1)OMO大数据课程的选取

首先依据大数据产业人才需求，确定大数据行业技能，即：认知能力、基本技能、基础架构、业务处理和延展性技术；然后采用课程模块化设计思想，设计大数据行业技能与课程的关联矩阵，结合大数据各个课程的特点，选取适应构建OMO的大数据课程体系。

2)OMO课程资源知识点的构建与衔接

首先圈画所选大数据课程的每门课程所覆盖的知识点内容、前导课程、后续课程；然后采用甘特图理论设计课程或课程关键知识点的拓扑结构图，描绘各个课程的知识点内容列表及各个课程之间知识点的衔接内容，为构建OMO 课程平台提供基本知识原点及其逻辑关系。

3.2 OMO课程平台构建

1)理论课程平台

①OMO 课程的教学设计。为了取得更好的教学效果，通过课前准备、课中教学互动和课后教学辅导的方法，将教学目标与教学手段融入课堂进行整体设计。课前，重点设计课程基本知识点、知识原理、工程案例等的线上资源，供学生自我学习。课中，设计主要讲授的课程难点、重点及案例分析等内容的教学方法和手段。课后，设计课后复习巩固所用的各种线上资源内容，起到开阔视野、提高综合素质能力的作用。

②网络教学资源平台的构建。依据上述的各个OMO 课程基本知识原点内容及其逻辑关系和它们的教学设计内容，充分发挥线上资源广而新的特点，将包含教学要点的碎片化资源与互动式、场景式的教学相结合，研发慕课、微课和电子教材等线上资源。同时，开发辅导资料、在线测试试题、案例视频、创新案例等学习资源和拓展资源。

③情境教学方法的创设。大数据一些课程具有理论与实践紧密结合的特征，其理论方法多、联系多，需要多维度的知识储备。充分利用已有的教学资源和信息技术，从教学要点出发，设立应用场景。将实际生产生活内容融入教学环节，提出问题和引导思路，让学生发挥想象力，找到解决问题的最佳方法。

④优化更新教学内容。大数据新技术不断涌出，为了让学生获取最新知识与技术，在网络资源和课题教学中应适当增加与知识点相关的前沿性内容，与学生一起探究先进的理论方法。通过当前技术热点问题与实际中一些亟待解决的问题，与学生一起共同探讨解决之路。从而增加课程学习的难度和挑战，进而提升学生综合素质和动手应用能力。

2)实验、实践课程平台

①基于大数据新技术的实验课程网络教学资源平台的构建。目前大数据技术更新升级非常快，各种新的平台、软件和技术不断涌现，且具有实践性非常强的特点，针对这些特性，结合优化更新的理论教学内容，研发具有大数据新技术的实验课程电子教材、微课等线上网络教学资源。

②基于大数据新技术的综合实践案例的构建。大数据技术是一个完整的体系或生态，目前开设的实践案例具有松散性，缺少工程应用，应开发符合大数据系列课程标准的交叉立体综合性实验，以及能适应不同数据计算模式的综合实践案例，让学生能够真正地掌握对大数据生态圈相关工具的使用，了解大数据项目开发流程。

3)多元化评估体系

目前课程以纸质答题的期末考试和平时考评相结合的评价方式，不适应工程实践的课程教学要求，不能客观全面地评价学生的综合素质。将线上学习评价（在线学习、在线实践测评、在线讨论质量分析）、开发过程参与考评（到课情况、讨论积极性与主动性、成果的贡献率）与项目作品测评相结合的方法，有助于激发学生学习欲望，进而主动学习。所学知识点在应用中体现，解决问题的方法在项目中反馈，不以最后答案或应用结果定分数的理念，研究多元化的评估体系。充分、立体描绘学生的学习状态，对学生知识掌握程度、思维能力、动手能力进行全方位评估并给出最终评价结果。

3.3 实践成效

1)优化教学设计，强化任课教师主导作用

任课教师应成为课程教学改革的主体和主导者，对课程内容、讲授方法以及如何进行实验教学等问题有最切身的体会，对学生的前期基础与后续希望的发展方向也最为了解[12]。开课前，课程组教师都会依据课程标准，根据学生学习特点，制定完备的教学进度表和科学的教学设计，其中教学进度对应各周次的教学内容和教学要求，教学设计则要求教学目标明确，章节重点难点清晰。课程教学设计能够明确教学目标，正确分析学情，明确教学重点难点。经过课题组多次研讨和分工，结合大数据系列课程要求学生掌握大数据系列课程的基本概念、数学模型及其求解方法，掌握数据挖掘、机器学习技术整体优化的思想和若干定量分析的优化技术，掌握基本研究手段和实验方法的各项指标，最终细化了课程重点难点，梳理了课程间知识点的联系，完成了理论和实际初步结合的案例样本。

2)完善教学工具，提高教学效率

在实践过程中，积极开展教学方法改革。将多种教学方法进行优化整合，充分利用现有教学工具融入线上教学，提高教学效率和质量，取得良好的教学效果。教师充分利用多媒体工具在讲授过程中图文并茂，提高学生的知识接受程度。利用分组讨论功能引导学生思考问题，将思辨能力达到新高度。充分利用网络资源优势，将课程资料上传到建立的教学平台，学生可以在线上进行课程章节内容的预习和复习。积极组织学生与老师进行专业信息方面的互动，着重学生创新能力方面的培养，鼓励学生提出自己的新见解，老师协助进行丰富和完善，大大提高学生积极性，营造积极的学习氛围。强调学生在学习中的主体性和自主性，引导学生从被动接受转变为主动探究，从而实现知识的深入理解和应用。

3)实践分析

从3年4个班共180多人的教学成绩来看，立体化评估学生优秀的占25.45%，不合格的占15.22%，大部分学生处于良好偏优的分布。反映教学的内容能够被大部分学生吸收，学生能掌握大数据的基础知识，能运用大数据技术分析问题、解决问题，符合本科阶段学生应当具备的基本理论、基础知识、基本技能和方法。

4 总结与思考

在未来一段时间，大数据系列课程将围绕OMO教学模式，丰富慕课、微课、大数据等网络课程资源，完善大数据课程的OMO课程平台构建。充实具有新技术的实验课程电子教材，开发设计涵盖12 至15 个依据不同计算模式的综合实践案例，进而构建大数据课程的实验网络教学资源平台。

相对于传统的工科人才，未来新兴产业和新经济需要的是实践能力强、创新能力强、具备国际竞争力的高素质复合型新工科人才[13]。大数据系列课程提出时间虽短但应用非常迅速，在科学研究、市场营销、金融投资、欺诈甄别、产品制造、通信网络管理等各个领域都有不俗的表现。在几年的教学实践中，边教边改，力求将枯燥的理论变得生动有趣，以期提高教学效果[14]。从而改变工程应用课程中工程性缺失和实践环节薄弱，课程体系与产业结构调整不适应等弊病[15]。