数据挖掘与大数据分析教学方法的研究与探索

吴锦梦 马雷 张耀宗

摘要 数据挖掘与大数据分析技术是大数据时代高效处理数据的方式，已在多所高校设立专业课程，并建立了相对应的人才培养计划。文章主要对数据挖掘与大数据分析课程的教学方式进行探索，从教学理念、教学主体、课程内容设计、课程结果评价等方面，结合双语教学模式进行教学改革，以此来提高学生的学习兴趣，培养学生能力，拓展学生思维，使其具备数据挖掘与大数据分析处理的能力，并落实国家创新性人才培养的方针。

关键词 数据挖掘与大数据分析；双语教学；教学改革；创新思维

中图分类号：G642文献标识码：ADOI：10.16400/j.cnki.kjdk.2023.10.021

随着人们在生产生活中所涉及的信息数据量日益增加，从复杂数据中发掘出人们所需的信息，并利用这些信息的内在联系为人们提供决策和便利，促使了数据挖掘与大数据分析技术的出现以及高速发展。多所高校开设了数据挖掘与大数据分析专业的课程，还设立了相关的人才培养计划，让学生可以运用数据挖掘与大数据分析知识解决问题，培养学生的创新精神，结合前沿的技术和研究，以创新性人才培养为目的进行数据挖掘与大数据分析课程的改革，提高学生学术素质和实践能力，是该课程设立的主要目标。

从我国综合素质教学的诸多模式来看，使用双语教学进行工科专业课程改革是一种有效的方式。双语教学模式是以英语为教学辅助工具，通过学科讲授内容与国外前沿研究相结合，以丰富和拓宽学生知识面，培养学生创新精神为目的的教学模式。在这种教学模式下，利用英文为载体去引入多方先进的技术，获取更多元化的专业相关内容，是我们实行双语教学模式进行课程改革的目的。

数据挖掘与大数据分析技术是一个多学科交叉的领域，在该领域中，有大量英文文献、英文数据集以及国外的研究进展等。使用双语教学的模式可以丰富课程内容，提高学生对该专业课的学习兴趣，还可以拓展学生的学习范围，加深学生对该课程学习的深度，并培养学生在该学科领域中多向思维的能力。

1数据挖掘与大数据分析课程简介

数据挖掘与大数据分析是高等数学、统计数学、线性代数、计算机相关学科等多学科相交叉的技术领域，主要涉及机器学习、数据库分析、深度学习等多个专业领域，并且数据挖掘技术在信息管理、医疗影像、金融投资等众多现实场景中有着广泛的应用。数据挖掘与大数据分析课程主要授课方向是对建立数据处理模型过程中的各个方面展开，并且针对各模块，本课程会对数据处理的基本原理、大数据分析的算法逻辑、数据处理的模型搭建和结果分析等内容进行讲解。通过本课程，学生可以了解数据的结构，结合实际的应用场景建立对应的数据处理模型，并对模型进行分析和评估。同时，教师将课程与前沿技术相结合，可以加强学生在数据挖掘与大数据分析领域的专业水准，提高学生的运算思维、分析能力和解决问题的能力，培养该领域的创新型人才。

2数据挖掘与大数据分析课程现状

随着时代的发展，在大量的复杂数据中挖掘重要信息，是人们生产生活中常用的手段。也因此，众多高校都开设了数据挖掘与大数据分析课程，并将其列入创新人才培养计划中。数据挖掘与大数据分析课程是理论与技术综合的课程，该课程的目的是通过讲述经典的数据挖掘与大数据分析的模型原理，并结合相关实际问题的求解与分析，让学生具备使用数据挖掘与大数据分析原理解决实际情境问题的能力。但是，目前多数学校在该课程教学过程中重理论轻实践，学生只掌握教材的理论原理，没有将理论运用到解决实际情境的问题中，究其原因，这些现象的出现主要源于以下几个方面。

2.1思想认识方面

该课程内容复杂造成的入门困难，让学生从思想上对其产生枯燥感，并对本课程的学习目的产生疑惑，即仅仅只是学习教材上的原理去完成课程考试，没有真正认识该课程在实际生活中的实用性，以及该课程后续所涉及行业方向的重要性，对课程中的内容也无法应用到实际生活中。该课程作为数据挖掘与大数据分析领域人才培养中的重要课程，学生要掌握数据挖掘与大数据分析的方法，就不仅要明白其运算逻辑的原理，还要培养学生在该领域处理实际问题的能力，以及培养学生在该领域的创新思维。但是教学方式的不完整，导致学生在思想上不重视，极大地影响了该课程相关领域人才培养的目的。

2.2课程教学方面

該课程属于多学科交叉课程，要求学生对数学逻辑思维以及计算机基础知识的掌握较牢，并且数据挖掘与大数据分析的相关算法过程相对复杂，对学生的理解能力要求较高。现如今，国内外该领域的迅速发展，使得数据挖掘与大数据分析技术更新加快，教材中的内容与日新月异的技术无法同步发展。在课程讲授内容方面，对于基础的数据处理方式模块涉及较少，多在于数据建模后的结论分析，导致学生基础不牢固，只知结论却无法获取数据挖掘与大数据分析的全过程内容，仅会使用简单的数据实验结论验证，面对新数据不能建模处理，无法解决实际问题。该课程教学还缺乏前沿技术案例的补充，我国高等教育强调培养技术型、创新型人才，但该课程的教学内容多数没有达到创新性和处理现实问题的要求，缺乏对数据挖掘与大数据分析全过程的详细讲解。因此，学生对实际问题的具体模型以及处理流程认识不清，使得培养学生创新能力的教育目标无法高质量达成，人才培养方案无法落实。

2.3应用实践方面

数据挖掘与大数据分析作为理论与技术综合的课程，学生不仅要掌握其中的算法和处理数据的建模方式，而且需要动手实践，去执行自己掌握的算法代码。目前，许多高校虽然也会开设相关的实验课程，但是实验内容较为简单，所涉及的实验案例也较为老旧，没有和数据挖掘与大数据分析的全过程相结合，在实验过程中均是使用已经处理好的数据，只需对其进行简单的验证即可，没有下沉到数据本质结构的分析与处理，学生无法达到理论逻辑和现实场景应用的融会贯通，并且所涉及的实验内容相较于当今的学术发展环境还略有迟缓，不能够与新技术挂钩，限制了学生对问题的思考，造成了学术思维守旧脱节的现象。

2.4课程考核方面

该课程的考核大多采用作业与考试相结合的方式，这种传统的考核方式不能全方位地分析学生对该学科的掌握程度，没有体现该课程作为一门应用技术型课程的本质。作业和试卷考试只是侧重对课程原理理论掌握程度的考查，但本课程实践性和理论性同样重要，无法对学生的实践能力进行考查并给予相应的评价，这也导致学生对本课程学习目标不明确，无法达到学以致用和培养学生创新思维的目的。

3数据挖掘与大数据分析课程双语教学改革

由于数据挖掘与大数据分析课程在大数据处理中的重要作用，该课程使用双语教学的模式进行改革，不仅是为了提高教学质量，激发学生潜力，拓展学生知识面，更是为了使学生更好地应用数据挖掘与大数据分析知识解决现实情境中的问题，同时，也是为了更好地实现国家在数据挖掘与大数据分析领域培养创新性人才的目标。结合笔者多年的国外学习经历以及数据挖掘与大数据分析课程教学的实践，课程改革可从以下几个方面实行。

3.1双语授课丰富课程内容

首先，教师要有扎实的英语基础，并且对开设数据挖掘与大数据分析课程的意义有明确认知，从而引导学生重视该课程的学习。从教学思路上，通过课堂教学让学生掌握扎实的理论基础，并用双语教学拓展学生的专业知识面，让其认识到学好该门课程的实际意义。课程总课时32学时，其中理论讲解22学时，实验课时10学时。教学内容对每个知识模块都有相应的理论讲解、典型案例分析和实验课时安排，并适当加入国内外学科新动态，以最新研究成果作为教学内容的补充，激发学生的创新思维，促使其学会使用多种方法去处理问题。通过双语教学的案例分析，不仅补充了国内外最新的研究技术，还以英文原文讲解的方式，保证了案例内容的完整性和准确性，并结合前面所学的理论知识和实验，深化对案例分析的认知，让学生真正理解该课程的目的。

3.2树立以学生为中心的教学理念

树立以学生为中心的教学理念，让学生自主探索该课程从原理到建模分析的全过程，从而更容易地进入学科知识的探索中。因此，教师在课堂上要对学生进行分组，并让每一组学生完成各自的分工；然后，在课程中的讨论环节，小组成员要对案例进行相应的内容或特殊名词的翻译，并就案例背景、案例中所涉及的数据挖掘和大数据分析方法，以及模型构建的流程进行讨论，最后各小组总结汇报案例重点内容和结果分析，就同类型案例进行对比，并思考与当今新研究方向的联系。要依此提高学生的学习积极性、激发创新性思维，培养学生发现问题、思考问题、解决问题、总结问题的能力。要根据各小组汇报情况，针对其中的问题对学生学习过程进行评价，并针对出现的问题分模块进行详细讲解，达到双向反馈的效果，以提高教学效率。在实验环节中，要让学生自主调试并编写实验相关代码，提高学生的动手能力。

3.3采用双语模式教学方法

在该课程的教学过程中，教师采用双语模式的教学方法，是为了实现学生以多向思维去解决实际情境中数据挖掘与大数据分析相关问题的教学目的。课程教学环节应结合数据挖掘与大数据课程理论实践并重的特点，从典型案例为出发点讲述应用背景，用国内外相似的前沿案例作为教学补充，同时引导学生学习数据的处理方式、数据挖掘与大数据分析模型的建立以及模型结果分析，将案例教学与双语教学有机结合。该方法不但可以加深学生对知识的理解和具体应用，还可以拓展学生的思維能力，激发学生的创新能力。在实验环节，学生要参与案例问题的全过程，而用双语教学的方式，则可以加快学生对算法程序编写的接受程度。另外，通过补充大量国外案例的，学生可以学会多模式地建立数据采集预处理模型，而最后的结果分析评价则可以提高学生的动手能力。

3.4科学考核设计

该课程的考核由平时成绩、实验成绩、期末成绩三部分组成。平时成绩主要包括：考勤、课堂提问和课后作业；实验成绩主要以实验报告成绩为评定方式，实验以小组为单位，小组成员分工合作，评价结果根据每个小组中个人工作的完成质量进行分数认定。课程期末成绩分为试卷考试和结课实验两部分，试卷考试以课程所授内容为主，涉及基本的算法原理和课堂中引入的典型案例，主要考查学生的课堂学习和对该课程理论知识的掌握程度；结课实验以小组为单位，完成老师拟题的数据挖掘与大数据分析全过程的实验，并书写实验报告。通过以上方式，能将理论评价和实践评价相结合，更科学地评价学生的能力。

4结论

本文通过介绍数据挖掘与大数据分析课程的现有教学模式，分析了该教学模式存在的问题，并结合笔者多年的留学经历和教学经验，构建了数据挖掘与大数据课程双语教学模式的改革探索方案。首先，要转变教学理念，合理安排课程理论讲解和实验部分的课时，利用双语教学模式将国内外新案例融入教学内容，拓宽学生知识面。其次，要树立以学生为中心的教学观念，提高学生学习的主动性。最后，要落实国家对该学科的培养要求，培养出本领域的高质量创新性人才。

基金项目：2021年湖北省自然科学基金项目“基于无人船艇智能监测的实时三维多目标检测关键技术研究”（2021CFB255）。

参考文献

[1]李忠金，徐帅达.新时代下“数据挖掘”课程的教学改革与探索[J].科技风，2022（13）：121-123.

[2]白育堃，林晓.浅谈工科课程中的双语教学[J].教育教学论坛，2019（36）：219-220.

[3]丁毅涛.大数据时代下的数据挖掘课程改革探索[J].科技风，2021（27）：27-29.

[4]罗来鹏.《数据挖掘》课程思政教学探索与实践[J].电脑与信息技术，2022，30（04）：69-71，78.

[5]苏雅勤.高校工科专业双语教学研究与探讨[J].海外英语，2020（10）：3-5.

[6]姜永春.“大数据+双创人才”培养与课堂教学的深度融合——以数据挖掘课程为例[J].科技经济市场，2022（8）：109-111.