以OBE理念为导向的大数据类前沿课程教学改革

荀亚玲 牛雪莹 陈 鑫 刘爱琴

（太原科技大学计算机科学与技术学院，山西 太原 030024）

1 引言

大数据时代来临，数据已成为新时代重要的生产要素和国家基础性战略资源，其对社会各领域的产业生态产生了深远影响。尤其是疫情发生以来，“数据要素”的概念逐渐深入人心。数据显示，“十三五”时期，大数据产业规模年均复合增长率超过30%。近年来国家又相继发布了《“十四五”大数据产业发展规划》《“十四五”数字经济发展规划》等大数据产业方面的规划，把大数据产业提到了新的战略高度。为加快推进科技创新，推动大数据、人工智能与实体经济的深入融合，大数据人才的需求日益增长。然而，从目前现状来看，大数据人才培养显然在数量和质量上都远未达到实际需求，因此，如何培养“新工科”背景下的大数据人才成为高等院校面临的新挑战[1]。

为适应大数据时代新工科建设人才培养需求，各大高校不论在本科教育还是研究教育阶段均相继开设了大数据类的前沿课程，如大数据基础、大数据技术与应用、云计算与大数据、大数据挖掘、大数据实时分析等，增设了大数据相关专业，或成立了大数据学院。然而，这些大数据类课程不同于传统基础课和专业课，其具有以下特征：内容更新速度快，大数据技术随着相关应用和学科领域的发展而快速更迭，具有较强的时效性；学习难度大，大数据类课程综合了信息论、人工智能、机器学习、数据挖掘、统计学等多学科知识，使得学习难度加大；更强调工程能力，大数据需要与实体产业进行深入融合才能发挥作用，工程能力的培养至关重要。然而，目前国内大数据类前沿课程的教学仍不同程度地沿用传统的教学理念和教学方法，在课程教学过程中仍表现出以下问题：

（1）教学理念陈旧，不能适应大数据类的前沿课程

虽然目前已有一些对前沿类课程的教学改革探索，但仍普遍存在注重理论教学而轻视实践教学的情况，教师教学依然采用以知识传授为主的教学方式。然而，对于学生，知识的简单积累并没有办法构建工程能力，从以往的学生考生考核中发现，学生对知识的综合应用能力差，因此，教师应从根本上改变传统教学理念，不能“把技能当作知识来教”，这样培养出的学生很难成为具有高阶系统能力的复合型人才，工程化程度明显不足，限制了学生分析和解决复杂问题的能力。

（2）教学内容有待进一步优化，难以兼顾先进性和全面性

大数据类课程技术内容丰富，以目前我校智能科学与技术专业开设的大数据处理技术课程为例，该课程涵盖了数据采集、预处理、分布式存储、数据管理、分布式处理、数据可视化以及大数据应用等庞杂的内容，如果按照教材按部就班地讲，很容易导致每个知识点只知皮毛，流于形式。如何能在有限的课时内，合理组织和规划教学内容，让学生既能开阔视野，又能兼顾深度，是极具挑战性的。

（3）资源建设不足，难以适应高阶系统能力人才培养的需要

资源建设包括教材建设、实践案例资源库建设和师资队伍建设。大数据技术蓬勃发展，相关前沿课程的教材应兼顾实用性和先进性，甚至要求包含一些辅助实践教学的教辅材料，选择或编写高质量的教材是一项迫切性的基础工作。大数据类前沿课程强调与企业和实际领域的融合，为提高学生的创新能力和工程实践能力，在理论教学过程中融合一些实际案例和项目至关重要。另外，前沿类课程对教师也出了更高的要求，教师知识、能力和素质也需要持续更新与提升，如何打造一支双师型教学团队任重而道远。

2 以OBE理念为导向的教学改革模型

OBE（Outcome-based Education），即基于学习产出（成果导向）的教育模式，是我国工程教育认证的核心理念之一，其强调以学生为中心，更关心“学生学到了什么”和“是否成功”[2]，也就是说，课程内容与教学实施须基于成果导向的理念，使学生在修完课程后最终能达成相应的学习目标。基于OBE 理念的教学设计不同于传统的教材—教学内容—教学目标的正向教学设计模式，其遵循自顶向下的反向设计规则，这里的“顶”当然是指学生预期学习成果，由该顶层出发设计其下各层的需求目标。以大数据处理技术课程为例，基于OBE 理念的教学模型如图1 所示。通过四个课程目标（G1.4，G2.4，G3.3，G5.2）定义学生学习成果，更具体的大数据技术知识、能力、素质要求要素包括大数据获取能力、大数据存储和管理能力、大数据处理和分析能力、大数据可视化能力以及大数据的综合应用能力。在实现上述课程目标的过程中，合理的教学内容设计，教学方式改革以及资源库建设成为关键。最终，要以学生为出发点，设计差异性的评价方法，并及时发现问题对教学过程实施干预形成闭环以达到持续改进的效果。以下以大数据处理技术课程为例讨论了以OBE理念为导向的教学改革实践及效果。

图1 以OBE理念为导向的教学改革模型

3 以OBE理念为导向的教学改革实践

3.1 以OBE理念为导向的课程目标

大数据技术发展迅速，在各行业领域呈现持续融合和渗透的态势，岗位需求量极大且类型越来越丰富，因此，通过该门课程的学习，旨在使学生熟悉数据存储和分析技术，熟练掌握知识发掘方法，具有初步的分布式并行实践和行业应用能力，并能持续追踪领域发展态势和新技术。在教学过程中引入OBE理念，最终确定本课程的教学目标为：

目标1（G1.4）：掌握各种大数据架构的工作原理，并深入理解其存储和计算模式适用的应用领域以及局限性，并能对大数据应用领域复杂工程问题的解决方案进行评估、比较和综合。

目标2（G2.4）：能够掌握各种大数据平台的设计原则及实现细节，并进行对比分析，使得学生在具体实践应用中，能结合自己所学应用领域专门知识，对企业智能化过程中的影响因素进行分析，并获得有效结论。

目标3（G3.3）：了解国内外大数据发展的现状和大数据主要的应用领域，尤其是作为技术引领的各大互联网公司的大数据处理架构，了解信息技术领域国内外发展趋势和研究热点，在企业智能化过程中能引入大数据新技术和新方法，对系统设计方案进行改进。

目标4（G5.2）：通过对该前沿课程的学习及探索，培养学生自主学习的能力，能够追踪信息技术领域发展动态和计算机新技术，并应用针对企业智能化过程中的人工智能领域复杂工程问题。

3.2 以OBE理念为导向的教学内容设计

大数据处理技术课程内容庞杂，且技术在不断更新迭代，同时，大数据的到来给人们的思维方式产生了深远影响，“全样而非抽样、效率而非精确、相关而非因果”的以大数据驱动决策和解决问题的特征，颠覆了人们的传统思维方式[3]。因此，在教学内容设计上，采用注重大数据思维培养，全面性和先进性兼顾的原则，以到达掌握基本原理方法、开阔视野的同时，提升学生的终身学习能力等课程目标。具体教学内容设计如下：

模块1：大数据技术基础。该模块包括大数据的基本概念、大数据影响、大数据的计算模式和大数据获取技术等内容，以及与其他先进技术间的关系。通过对大数据的基本介绍使学生对大数据形成初步认识，引导学生建立初步的大数据思维观念，以达成课程目标3和4。

模块2：大数据存储和管理。该模块包括大数据分布式存储HDFS和HBase、NOSQL 数据库以及云数据库等。旨在使学生理解大数据的存储架构和原理，使大数据思维观念得到强化，以达成课程目标1、2、3和4。

模块3：大数据处理与分析。该模块主要对目前主流的大数据处理框架MapReduce、Spark 和流处理框架Storm 以及大数据可视化技术进行介绍。旨在使学生理解大数据处理数据的思路，并掌握简单的数据处理技术，培养解决实际问题的能力，以达成课程目标1、2、3和4。

模块4：大数据应用。该模块通过精选一些应用案例，使学生深刻领会利用大数据解决实际应用问题的大数据思维方式、感悟大数据思维的内涵，以达成课程目标1和4。

上述4个模块在兼顾全面性的同时，要注意对知识大数据思维的深入理解培养，比如在模块2中，对行式存储、列式存储及其他存储架构在存储结构、特点、使用场景等方面进行对比分析，在模块3中涉及多种处理模型，也要进行模型间的横向对比，使学生在面对实际任务时知道从哪些角度进行分析并选择合适的存储和处理模型，并具备独立的系统设计和进一步的自主学习能力。

3.3 以OBE理念为导向的教学方式改革

3.3.1 项目介入的教学方式

传统只基于教材内容的就事论事的授课方式，不足以支撑达成以上的课程目标，OBE 理念特别强调教学过程的输出，教师在教授理论知识的同时，更要注重学生解决复杂问题的能力的培养，让学生将知识内化，在学习过程中锻炼能力和培养大数据思维。因此，在讲授知识的同时针对不同知识点结合大量的项目案例，通过启发式教学，在教学过程中有意识地设计问题，在课堂上引导学生排除问题，并在实验过程中进行验证[4]，这样既可以激发学生的学习兴趣，又可以培养学生工程思维方法及解决问题的能力。

优质的项目案例当然至关重要，因此教师应在教学过程中应注重项目案例资源的积累，并建立相应的资源库，具体将在第3.4节做详细介绍。这里需要强调开源项目的有效利用。大多数学生会认为开源项目难度大，不敢去尝试，其实开源并不是高不可攀，经调研显示开源项目的参与者中有很大一部分是大学在校生，大学生参与开源项目具有以下几个优势：（1）大学生相对而言时间比较充裕，甚至有些开源项目专门针对学生假期设计，如：每年的开源之夏活动；（2）可以选择自己感兴趣的领域，更加灵活；（3）有助于将理论知识应用到真实场景中，反过来又可加深对理论的理解。甚至在开源社区中，还可得到相关领域专家的指导。大数据类课程有其独特的开放性和先进性，因此开源项目的有效利用对最终教学目标达成会起到极为关键的作用。

3.3.2 开展线上线下混合式教学授课

线上线下混合教学可以有效延伸课堂教学的时间和空间维度，达到“1+1>2”的效果。2019年疫情以来，线上教学资源得到了极大的丰富，包括教学课件、教学视频、模块测验、项目案例库、大数据有关的前沿技术资料等。此外，针对性更强、短小精干的微课视频，也被用来为师生之间沟通架设更为良好的互动教学环境，调动学习积极性，并形成多样化的交流机制。线上教学资源可以让学生做到课前预习，课后查缺补漏、作业完成［5］。同时也方便教师观察学生状态，及时调整课堂讲授内容，达到对课堂时间的有效延伸。线上线下混合教学示意图见图2。

图2 线上线下混合教学示意图

3.4 优质资源库建设

教材是教学内容的载体，大数据类课程发展较晚、知识更迭快、知识范畴广，更注重能力培养，致使教材的选择至关重要。教材的选择要兼顾先进性和实用性，当下该类教材编写也百花齐放，但不管怎样，必须杜绝“闭门造车”。任课教师可以综合各类教材优势形成自己的教案，甚至编写合适的教材。此外，包含丰富课程实验和项目案例的教辅材料也成为教材资料建设的关键部分。

从以OBE理念为导向制定的课程目标可以看出，大数据类的前沿课程更注重实践和行业基础，即工程能力的培养，以案例为依托进行研讨室教学和实践教学是达成学习成果的有效途径[6]。因此，优质的项目案例库建设至关重要。我们一般采用以下策略应对：将教师的科研项目引入教学；教师积极到企业考察、调研、参与实际项目；教师团队自发设计的教学案例；探索适合教学的开源项目等。

另外，打造一支与时俱进的专业教学团队对新兴人才的培养非常关键。为契合新工科人才培养，应加大双师型教师的培养。目前教师团队建设面临的一大问题是绝大多数教师都是从学校到学校，缺乏实践经验，因此，我们考虑从两方面入手。一方面在引进具有相关教育与科研背景的教师基础上，组织教师通过参加相关的师资培训班，或者借助MOOC、学习通等平台学习以实现教师自身知识、能力和素质的持续提升。另一方面充分吸纳具有硕士及以上学历并有丰富企业经验的工程师作为专业教师，对现有教师队伍进行有效补充。

3.5 多元评价体系

OBE理念承认学生之间的差异，应依据每个学生的个体差异采用多元化的课程目标达成度评价方式。课程目标包含知识和能力两方面学习成果评价，设计了如表1所示的多元化评价方式。期末考试采用闭卷考试形式，重点考查学生对基础知识和原理架构的掌握情况。优化后的评价方式将平时学生的学习讨论情况纳入考核范围，使学生在课堂上有更深的参与度，进一步激发学生的学习兴趣。

表1 多元化学习成果评价

4 总结与思考

大数据时代，数据驱动的具备高阶系统能力的复合型人才培养仍处于探索阶段。在大数据类前沿课程的教学改革中，优化教学内容，改进教学方式，完善教学资源，建设评价机制，逐步构建与大数据行业需求相适应的课程体系和培养方式，才能跟上时代发展的脚步。

然而，在专业知识和能力培养的同时，始终要坚持立德树人为根本，充分挖掘思政元素，在课堂中植入爱国主义精神、社会责任、科学素养、团队协作、思辨精神等元素，使知识传授与价值观培养达到同频共振，培养出适合时代发展的新型人才。