基于旅游大数据的数据挖掘课程混合式教学研究

摘要：为培养学生应用数据挖掘技术解决实际问题的能力，该文针对数据挖掘课程当前存在的授课人数增多、以传统教学方式为主、对学生基础要求较高和考核方式单一等问题，探索优化数据挖掘课程教学质量的方式和方法。该文提出基于旅游大数据的数据挖掘课程混合式教学，将旅游大数据和雨课堂融入课堂教学，强化旅游大数据案例教学和混合式教学，实现课前-课中-课后三个学习环节的完整连接，做到因材施教，提高教师的教学质量和学生的学习效率。

关键词：数据挖掘；旅游大数据；混合式教学；雨课堂；教学质量

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）19-0087-04

0 引言

伴随着大数据时代的到来，各行各业积累的数据越来越多，数据中隐藏的关系和规则亟待研究，出现了“数据爆炸但知识贫乏”的现象。为顺应时代的变化，抓住市场机遇，探索数据之间的奥秘并提供切实有效的方式方法，高校开设了数据挖掘课程。

桂林旅游学院的数据挖掘课程是数据科学与大数据技术专业的专业基础课程。作为一门综合性较强且涉及交叉学科的课程，数据挖掘的学习目的在于让学生对当今世界智能化的思潮有清晰的认识，理解数据挖掘问题和基本算法，学会用数据挖掘技术解决问题和预测未来，为今后从事数据挖掘相关工作奠定坚实的基础。

为培养学生应用数据挖掘技术解决实际问题的能力，本文针对当前数据挖掘课程教学存在的问题，对其进行深入分析，探索优化数据挖掘课程教学质量的方式和方法，包括优化案例教学、引入混合式教学、量化学习过程数据等。

1 存在的主要问题

1.1 授课人数增多

现如今高科技迅速发展，出现了数据爆炸但知识贫乏的现象，社会上对数据科学与大数据技术专业人才的需求不断提升，各高校对数据科学与大数据技术专业的招生规模也不断扩大。虽然高校在教师队伍也有一定的扩充，但师生比的数据还是在不断下降。在此背景下，数据科学与大数据技术专业出现各班级人数增多，合班上课的情况。虽然上课班级人数增多可以充分利用教学资源，降低学校运行成本，但同时也会造成师生间的交流相对减少，无法照顾个体差异[1]，课堂互动难度提升，课堂教学效率降低等问题。

1.2 以传统教学方式为主

在传统教学中，课堂中以教师讲授为主，是教师向学生单向传授知识、学生被动地学习，且数据挖掘课程理论内容较多而课时量较少，教学进度较快，只能通过提问个别同学的方式实现互动，导致课上枯燥，无法掌握所有学生的知识掌握情况，难以有效提高学生的积极性。

1.3 对学生基础要求较高

通过数据挖掘课程的学习，学生可以理解分类、回归、聚类等相关算法理论，初步掌握运用数据挖掘与机器学习方法分析并解决实际问题的能力。因此，对数据挖掘课程的学习需要具备一定的数学基础和编程基础。且在大数据背景下，数据挖掘课程涉及多学科交叉，还需具备一些其他学科的基础知识，需要教师因材施教[2]，有效提升学生对数据挖掘算法的实际应用能力。

1.4 考核方式单一

传统的数据挖掘课程考核方式是考试，考核方式较为单一，往往只考查学生对理论知识的掌握情况，缺乏对运用数据挖掘分析并解决实际问题能力的综合考查，学生以通过考试为目标，缺乏对数据挖掘学习的动力与毅力，无法很好地将数据挖掘的理论知识与实践相结合。因此，数据挖掘课程需要加强学习过程中的考核，增强学生对大数据时代下数据挖掘的理解，提升学生运用数据挖掘相关算法解决实际问题的能力。

数据挖掘课程存在的主要问题如图1所示。

2 课堂教学与雨课堂、旅游大数据相融合

2.1 课堂教学与雨课堂融合，实现混合式教学

雨课堂作为一种智慧教学工具，可以融入PPT和微信中，使用便捷，其基于学习科学理论和混合式教学，有线上签到、实时答题、弹幕互动和课件推送等功能，将课前-课中-课后三个环节连接到一起，环环相扣。老师在雨课堂后台看到学生的学习过程数据和可视化展示，可以及时、充分地了解学生当下的认知水平和难点，以实现对课堂教学中教学方式方法的动态调整。

近年来已有较多学者提出运用雨课堂实现混合式教学。张微微[3]等提出基于“雨课堂+BOPPS”教学模式，在数据挖掘课程中进行探索研究，发现可以提升学生的学习积极性，提高教学质量。王芬等[4]对概率论与数理统计课程实现混合式教学进行探讨，并提出可以运用雨课堂和构建案例库等措施提升教学质量。张瑞娥[5]等将雨课堂应用在信息检索与利用课程教学中，主要从课前、课上、课后等方面介绍了使用效果，并总结出现的问题和解决方案。李晓伟[6]应用雨课堂辅助半导体物理课程，将雨课堂与传统教学相结合，提升教学质量。王晶晶等[7]应用雨课堂到普通物理课程中，有效调动了学生的学习积极性。

综上所述，运用雨课堂辅助课程教学，可以实现混合式教学，有效解决教学方法单一的问题，实现资源共享，及时了解学生对知识的掌握情况，实现课堂教学动态调整，进而提升学生的学习积极性，提高教学质量。

为实现数据挖掘课程的混合式教学，数据挖掘课程教学可以与雨课堂相融合，本文从课前预习、课中教学、课后巩固三个环节进行探究。

1） 课前预习：在课前预习环节，以线上学习和教材预习为主。教师可以通过在雨课堂发布预习任务，由学生观看学习视频、完成相应问题讨论，提前知悉自己不懂的内容以及学习的重点和难点。同时，教师在雨课堂发布现实案例，说明接下来要学习的知识在现实案例中可以应用的部分，吸引学生的学习兴趣。通过课前预习，引导学生带着问题进课堂，激发学生自主学习。

2） 课中教学：在课中教学环节，以线下授课为主，雨课堂辅助。在课中教学过程中，教师可以运用雨课堂在课件中重要知识点部分添加主观题和客观题，让学生在课上作答。通过雨课堂及时统计并展示作答情况，教师可以对课堂教学进度和方式方法进行动态调整，以提高教学效果。同时，教师在课上可以开启雨课堂的“弹幕”和“投票”等功能，学生通过发弹幕等形式及时在课堂反馈学习情况，增加教师和学生之间的互动[8]，提升学生的学习兴趣，活跃课堂气氛。

3） 课后巩固：在课后巩固环节，以线上作业布置为主。教师在雨课堂发布作业，进一步加强学生对所学知识的理解和运用能力。等待学生提交作业后，教师在线批改，及时了解学生的提交和完成情况。并且，学生可以在雨课堂回看课件，对课上理解不够的知识点进行针对性复习。

在课后，雨课堂会生成课后小结发给教师，可以看到学生的学习过程数据，包含学生签到人数、优秀学生、课堂活跃度等，对学生的平时表现实现量化。据此，教师可以掌握每个学生的学习情况，以便对下次课程的教学内容做灵活调整。

2.2 课堂教学与旅游大数据相融合，实现案例教学

文化和旅游部印发的《“十四五”文化和旅游发展规划》中提到，要建强人才队伍，造就新时代文化和旅游队伍。培养新时代文化和旅游的人才，不仅要掌握庞大的旅游信息，更要会对这些多样且有价值的信息进行专业的分析与研究。为适应当下对文化和旅游人才的新需求，培养旅游数据应用型人才，数据挖掘课程可与旅游大数据相融合，加速学生对旅游大数据的理解，提升学生将数据挖掘技术应用到旅游领域的能力。

将数据挖掘课堂教学与旅游大数据具体融合措施如下：

1） 理论讲解：在数据挖掘课程中，讲解与旅游大数据相关的理论概念和方法，介绍旅游领域中常见的数据类型、特点和挑战，讲述数据挖掘在旅游中的应用。

2） 数据收集与预处理：引导学生收集、整理和预处理旅游相关的数据。可以使用公开的旅游数据集或由学生自行收集的数据，进行数据清洗、去除异常值、统一格式等预处理工作。

3） 数据挖掘算法应用：引导学生运用数据挖掘算法探索旅游大数据中的模式、关联、分类、聚类等信息。例如，利用关联规则算法挖掘旅游购物数据中的消费者行为规律，使用聚类算法将旅游景点划分为不同的类型，或者使用支持向量机算法实现景区客流量的预测。

4） 数据可视化与解释：引导学生使用数据可视化工具展示挖掘结果。通过图表、地图等可视化手段，将旅游大数据的分析结果直观地呈现给他人，并解释发现的模式和趋势。

5） 实践项目：组织学生进行旅游数据挖掘的实践项目。学生可以选择自己感兴趣的旅游主题，如酒店预订、航班航线规划、旅游推荐等，在实际案例中应用所学的数据挖掘技术。

6） 论文分享：组织学生分组选读旅游大数据相关的论文，并做分享。通过论文分享，学生可以开阔视野，了解旅游大数据发展的新方向，对论文内容有更加深刻的认识，提升旅游场景中的数据挖掘能力。

3 基于旅游大数据的数据挖掘混合式教学案例

数据挖掘课程中讲授回归、分类、聚类等相关的多种算法，线性回归算法便是其中应用最广泛的算法之一。本文以讲授线性回归算法知识点为例，探索基于旅游大数据的数据挖掘课程混合式教学。教学环节包括课前预习、课中教学和课后巩固三个环节，如图2所示。

在课前，教师通过雨课堂发布预习任务。通过课前预习，让学生了解现实生活中对线性回归算法的应用非常广泛，比如房价预测、销售额度预测和贷款额度预测。同时，收集学生预习时的思考和疑问，让学生带着疑问进入课堂进行学习。

在课中，以“房价预测”为案例，引导学生思考旅游城市房屋价格销售表中面积与销售价钱两者之间的关系，引出线性回归算法，进而讲述线性回归算法的来源、原理等内容。在讲述重点和难点时，将PPT 中提前设置好的随堂测试推送给学生，实时了解学生对重点和难点的掌握程度。同时，可以开启弹幕功能让学生自由发言，及时了解学生的想法，针对疑问做出解答，提升学生在上课过程的专注度和参与度。为加深学生对线性回归算法的理解和应用，引导学生运用线性回归算法对国内旅游总花费实现预测。

本文选取国内生产总值（亿元）作为自变量，国内旅游总花费（亿元）作为因变量，运用一元线性回归算法对国内旅游总花费实现预测。本文使用的数据是2014—2019年全国年度数据，数据来源于《中国统计年鉴》。

首先，构建回归方程y = α + βx + ε，其中y 是因变量，即国内旅游总花费；x 是自变量，即国内生产总值；α 是截距项；β 是自变量x 的回归系数；ε 是随机误差项，ε～N （0，σ2 ）。

使用Python编程实现一元线性回归预测国内旅游总花费，得到的回归结果如下：β = 0.065，α =-10293.79，R2 = 0.98，预测效果如图3所示。可以发现，决定系数R2 为0.98，接近1，预测效果良好；自变量回归系数为0.065，表明国内生产总值对国内旅游总花费的影响为正，起促进作用。国内生产总值每增加1个单位，国内旅游总花费相应增加0.065个单位，即国内生产总值越高，国内旅游总花费越高。因此，政府可以继续提升国内生产总值，影响国内旅游总花费正向发展。

并且，安排学生分组查找线性回归算法相关的论文，在课上对论文内容进行分享（重点分享论文的算法及应用部分），回答其余同学针对论文相关内容提出的疑问，以吸引学生对学习线性回归算法的兴趣，进一步加深学生对线性回归算法的理解。

在课后，教师安排学生自主查找感兴趣的旅游数据，做线性回归算法相关的实验，并对结果进行分析和讨论。

在课后教学反思时，教师可以参考雨课堂中的课后小结分析以及学生课堂表现思考学生对线性回归算法理论知识的掌握程度，通过查看学生的作业完成情况思考学生对线性回归算法实验知识的掌握程度，也可以与学生课后沟通，以便及时调整教学方案，提高教学效果。

4 应用局限性以及改进措施

4.1 应用局限性

将基于旅游大数据的数据挖掘课程混合式教学应用到实际教学中可以发现，教师查学生考勤的时间明显降低，教师与学生的互动增多，教学质量有所提升。同时，教师也可以根据雨课堂的课后小结等生成学生的学习过程材料，及时掌握学生对知识的掌握程度，以便对教学方案进行调整。但是，仍存在一些缺陷，比如：学生签到存在代签等情况，导致数据与真实情况有偏差；学生在完成课前预习的任务过程中不够认真，无法达到课前预习阶段的预期目标。

4.2 改进措施

在实际应用中，教师应积极引领和指导学生将旅游大数据融入数据挖掘课程的学习，帮助学生尽快熟悉和使用“雨课堂”，以实现案例教学和混合式教学。并且，教师在教学过程中应充分利用课前预习、课中教学、课后巩固三个环节，将学生要学习的知识贯穿始终，有效提高学生的学习效率，加深学生对所学知识的理解和掌握。同时，教师要对雨课堂的课后小结、课堂表现以及学生的反馈和评价进行思考和分析，及时调整教学方式和方法，确保教学质量。

针对代签到等问题，教师应加强课堂监管，严格执行考勤制度。针对学生课前预习阶段无法达到预期目标的问题，教师应充分利用课堂教学时间，从案例中引发学生思考，吸引学生的学习兴趣并提高学习效果。

5 结束语

基于旅游大数据的数据挖掘课程混合式教学，相比传统教学模式有较大创新，有较大的教学价值和应用价值。基于旅游大数据的数据挖掘课程教学，可以吸引学生的学习兴趣，提高学生的学习效果，对旅游大数据和数据挖掘相关算法有更加深刻的认识和理解；将“雨课堂”引入课堂中实现混合式教学，教师可以实现课堂教学方式方法的动态调整，学生学习可以实现课前-课中-课后三个环节完整连接，进一步提升教师的教学质量和学生对所学知识的掌握程度。同时，混合式教学可以进一步提升教学资源的利用，方便教师关注到班级中每一个学生的情况，照顾个体差异，尽可能避免教学效率降低等问题。

参考文献：

[1] 陈艳莲.高校大班教学存在的问题及教学方法的优化[J].教育与职业，2011（12）：164-165.

[2] 陈芳，张道强.以学生需求驱动的数据挖掘课程教学改革研究[J].软件导刊，2020，19（9）：274-276.

[3] 张微微，唐龙业，郝建华.基于雨课堂的“数据挖掘” 课程混合式教学[J].科技风，2023（5）：115-117，144.

[4] 王芬，张少艳，吴小英.混合式教学模式下概率论与数理统计课程的改革与实践[J].高教学刊，2020（28）：86-88.

[5] 张瑞娥，闫婷，张豫，等.雨课堂在《信息检索与利用》课程教学中的应用实践[J].中国教育信息化，2017（20）：88-90.

[6] 李晓伟.基于“雨课堂” 网络教学平台的大学课程教学实践[J].高教学刊，2024，10（6）：60-63.

[7] 王晶晶，丁华霖，赵廷玉.浅析雨课堂在大班教学中的应用[J].教育现代化，2020，7（53）：15-18.

[8] 朱纯，陈国庆，聂延光，等.雨课堂“： 多维度分层次” 教学的实践与思考[J].大学物理，2020，39（6）：52-58.

【通联编辑：王 力】