旅游数据分析与可视化课程设计研究

摘要：随着大数据技术、人工智能近年来的发展，这些技术对人们的生活方式以及旅游企业的管理、运营都有了很大的影响。培养适应人工智能和大数据时代的新型旅游行业人才，是旅游院校的新任务。本文对“旅游数据分析与可视化”课程的前导课程、学习目标、学习内容进行了研究，采用OBE理论进行了实训项目设计，并且将以上研究成果应用于教学实践，取得了较好的效果。

关键词：数据分析；课程设计；可视化

1研究背景

随着大数据技术、人工智能的近年来的发展，这些技术对人们的生活方式以及各类型企业的生产、管理、运营都有了很大的影响。旅游企业也不例外，开始主动拥抱大数据。高职院校是培养旅游行业应用人才的主力军，所以应当培养适应人工智能和大数据时代的新型旅游行业人才，这样才能跟上科学技术前进的步伐。

据湛研的研究［1］：数据的挖掘和分析是智慧旅游目的地推进的依据，同程旅游通过对行前、行中、行后的大数据沉淀，对用户搜索、预订、导览、导购、互动等环节的数据进行挖掘和分析，用数据结果为营销决策和精准推送提供基础。同程旅游网是旅游互联网企业，其对智慧旅游的数据分析岗位需求分析，也是旅游企业对旅游专业毕业生的岗位能力要求。为适应旅游企业对旅游人才的岗位能力的新需求，为培养学生数据分析能力，旅游管理学院开设了“旅游数据分析与可视化”课程，使学生具备一定的数据采集、清洗、分析及可视化能力。该课程利用Python语言为编程语言，选用适合的统计分析方法，对收集来的旅游数据进行处理，从数据中提取有用信息。通过本课程的学习，使学生具备一定的数据采集、预处理、分析及可视化能力，并在将来的实际工作中，更深入地理解旅游业务数据，从中发现洞察和机会。

该课程涉及统计学、机器学习、神经网络、网络数据提取和可视化等内容，并且该课程理论部分较多，涉及众多的算法知识，有一定的难度，部分学生缺乏学习兴趣，学习动力不足，所以必须对课程的教学进行研究，以期取得良好的效果。近年来，不少高校教育工作者对此进行了研究。杨雪云［2］通过引入线上线下混合式教学方式，重新增加、调整、组合教学内容，实现了学生学习主体化、教师教学参与化的教学目标。雷泽［3］分析了行业的需求以及学生需要的技能和知识，得出要实现教学改革目标，可以从教学方法、教学内容、考核方案三个方面入手。刘建伟［4］从课程设计选题、指导教师的作用、教学方法、考核等方面提出了数据挖掘课程设计教学改革措施。杨雄［5］归纳了数据挖掘课程的特点以及分析存在的问题，从多个角度深挖思政元素高度融入教学方法和实验内容，探讨一种适应该课程的术、法、道三位一体的教学改革思路。万畅［6］从旅游管理专业的视角，基于OBE理念进行了旅游数据挖掘课程的设计，在实践中发现，该设计有利于促进学生的学习。任和［7］针对医学院校“健康数据挖掘”课程建设需求，从多角度研究了课程设计的方法。王新宇［8］根据旅游数据分析员这一新岗位，同时为了培养学生的“工匠精神”，设计和实施了“互联网旅游信息提取与分析”实训周，在旅游高职院校中较早地开展了旅游数据分析课程的研究。在这些研究的基础上，本文对“旅游数据分析与可视化”课程的前导课程、学习目标、学习内容进行了研究，采用OBE理论进行了实训项目设计，并且将以上研究成果应用于教学实践，取得了较好的效果。

2课程设计

2.1前导课程agK3qSy4NkjAF/nC9qOWlmRVYhVshoIlUl8KcF1McF4=设计

“旅游数据分析与可视化”课程的目标为：掌握数据挖掘的基本概念和原理，了解模型精度的评价方法；掌握使用Python语言设计网络爬虫，从电商网络平台、社交网络快速、大量提取所需信息的方法；掌握词频分析、亲和性分析、情感分析等技术，对旅游类数据进行处理、分析、建模并得出相关结论；掌握使用Python语言将分析结论绘制成各类可视化图形的方法。该课程涉及多门专业课的知识，因此，围绕本课程开设了两门前导课程。

2.1.1高级程序设计

“旅游数据分析与可视化”课程的编程工具选择了目前在人工智能和大数据领域比较流行的Python语言，所以在正式学习该课程前需要掌握Python语言。主要目标为：了解Python语言特点；掌握Python编程基础知识，掌握选择结构程序设计方法、循环结构程序设计；了解Python函数函数；掌握字典中列表、元组与字典之间的转换；掌握文件读写方法；掌握面向对象程序设计。经过教学实践，Python比较适合旅游管理专业的高职学生，该语言上手容易，通过一个学期的学习，大部分学生可以读懂一般代码，也可以编写不太复杂的程序。

2.1.2数据库技术与旅游应用

数据分析与挖掘过程中，需要读取数据和存储数据，一般情况下，可以直接读取和写入文本文件中，但为了存取效率和数据的安全性，最好是通过数据库来进行数据的存取，所以还需要开设一门数据库类的课程作为前导课程。这里选择了MySQL作为学习的数据库，因为MySQL对资源的需求不高，也比较容易操作，很适合教学。通过“数据库技术与旅游应用”这门课程的学习，学生能掌握数据库基础理论、数据库标准语言SQL的基本使用，同时可以培养和提升学生运用数据库技术对数据和信息进行整理、加工和利用的意识与能力。

2.2本课程详细设计

2.2.1课程学习内容设计

“旅游数据分析与可视化”课程的教学内容的设计和编写，是基于OBE理念并以成果为导向来设计的。通过旅游企业数据分析岗位的工作任务，把大部分教学内容（有少部分理论不太适合设计成实训项目）分解成实训项目，边做边学，在实训项目（工作任务）中掌握相关的知识点和技能，以实训项目带动知识点的学习，教师教学、学生的学习、实训（工作）相结合，理实交融一体化。

按设计方案，“旅游数据分析与可视化”课程采用7个模块，以期实现对数据分析知识的学习及应用的实践。课程包含的具体的模块如下：

（1）数据分析基础理论模块，此模块主要介绍数据分析的基本概念和知识、常用指标和术语。

（2）数据网络采集模块：包括数据采集基本概念、网络爬虫概述、网页解析基础、Python网络爬虫技术，通过本模块的学习，学生可以掌握应用网络爬虫技术从互联网采集目标数据的方法。

（3）数据预处理模块：此模块主要是让学生在正式学习数据分析和建模之前，掌握对原始数据的清洗、转换、集成和规约等操作，可进一步提高数据的质量。

（4）数据分析方法模块：包含数据分析方法简介、旅游数据分析方法相关案例、使用Python中的数据分析库：Numpy、Pandas和Matplotlib的基本方法。

（5）数据可视化模块：学习创建适用于科研论文、报告展示的线图、柱状图、散点图、直方图、饼图等多种静态图表；掌握适合数据探索性分析、统计报告场景的热图、箱线图、小提琴图、联合分布图等。如图1所示，为教学过程中绘制的近年来江苏省旅游总收入和旅游总人数的双轴图，图2展示了词频分析过程中生成的词云图。

（6）数据分析实训项目模块包含4个任务：根据旅游企业数据分析与挖掘的应用场景，该课程设计了四个实训项目，分别为：旅游企业服务网络舆情分析、基于SVM的旅游市场预测、基于Elman神经网络的旅游人力资源需求预测、基于BP神经网络的旅游开发风险研究，具体如下表所示。

（7）数据分析报告撰写模块：包含数据分析报告基本概念、数据分析报告的撰写步骤、文档的格式要求。

2.2.2实训室建设

为了完成该课程设计的教学目标，需要建设相应的“旅游数据分析与挖掘实训室”，该实训室需要配备服务器、投影设备、白板、交换机、计算机，可运行Chrome、Edge、Safari、Firefox等常用浏览器的测试终端，安装Linux/Windows操作系统、MYSQL、Python等软件，该实训室可用于程序设计基础、数据库基础、数据挖掘与应用、数据统计等课程的教学与实训。

2.2.3学生成绩测评

该课程的考核分为平时成绩和期末考核两部分，平时成绩由出勤和每个工作任务完成的情况组成，即需要完成4个实训项目模块（工作任务），考虑到这些实训的工作任务有一定的难度，完全由学生自行编制程序完成不太现实，所以每个任务均给出用于参考的解决方案和伪代码，每个工作任务完成后，需要写一份详细的实训报告，该报告需要详细写明实训的过程、最终结论（包括相关的图表），并附完整的源代码和数据。对于每个工作任务完成质量，都会有详细的评判标准，在学生提交实训报告后，对照评判标准进行考核和打分（优秀、良好、及格、不及格）。期末考核为开放型命题，需要每位同学提交一份旅游行业相关业务的数据分析报告，该报告在两个星期内完成（课上时间和课后时间相结合）。最后，每位同学就所提交的期末数据分析报告进行答辩，以该数据分析报告和答辩成绩作为本门课程期末考试成绩。

考核的指标主要包含：是否能以旅游行业某一应用为数据分析主题；是否能根据主题选择合适的数据分析方法；能否根据实际选择适合的数据模型；是否能从网络上采集与主题相符合的数据；是否对采集的数据进行相应的预处理，以确保数据真实、有效、完整，并能识别奇异数据；能否选用了合适的数据可视化呈现方式，完整的报告一般要求包含研究背景、设计思路、实验过程和总结四部分。

结语

新型旅游人才培养是新时代高职旅游院校需要重点关注的方向，结合智慧旅游，并根据学情特点，进行个性化的培养及进行新技术应用于旅游业的课程设计是目前研究的热点。对旅游类专业来说，“旅游数据分析与可视化”课程是一门新颖并且应用性非常强的课程，本次研究以OBE理念对该课程进行了课程设计，通过实践教学，发现大部分学生的数据分析报告撰写规范、数据分析技能得到了提升。

参考文献：

［1］湛研.智慧旅游目的地的大数据运用：体验升级与服务升级［J］.旅游学刊，2019（08）：68.

［2］杨雪云，金文龙.基于OBE理念的线上线下混合式教学课程设计——以数据分析类课程为例［J］.教育教学论坛，2023（18）：141144.

［3］雷泽，刘海军，崔春杰，等.面向数据分析的Python语言课程设计［J］.科技风，2024（09）：79.

［4］刘建伟.数据挖掘课程设计的教学探索［J］.科技信息，2013（23）：56.

［5］杨雄，徐慧华.融入课程思政的数据挖掘课程设计与教学实践［J］.电脑与通信，2023（06）：3639.

［6］万畅.OBE理念下高职《旅游数据分析基础》课程设计探索［J］.济南职业学院学报，2019（06）：3234+37.

［7］任和，肖正光，邵泽国，等.医学院校大数据专业“健康数据挖掘”课程设计探索［J］.中国医学教育技术，2023（06）：700704+714.

［8］王新宇.“中国制造”视域下培养高职学生“工匠精神”探析［J］.职业教育研究，2016（02）：1417.

基金资助：江苏省高校哲学社会科学重点研究基地“新时代应用型旅游人才研究中心”子课题；项目名称：新时代应用型旅游人才的胜任力研究，项目编号：2020SKJD04；南京旅游职业学院电子商务数据分析1+X证书试点，项目编号：2019X2

作者简介：王新宇（1976—），男，汉族，江苏泰州人，硕士，副教授，研究方向：智慧旅游；耿海（1988—），男，汉族，江苏南京人，硕士，讲师，研究方向：智慧旅游。