大数据可视化技术在高校计算机教学中的应用研究

关键词：大数据可视化；计算机教学；应用研究

大数据已成为当前信息技术领域的前沿研究方向，其已融入社会各领域，成为推动社会创新发展的关键推动力之一。在高校教育教学中，大数据技术的应用日益广泛，有效提升了教学效率与水平。作为高校基础课程之一，计算机课程引入大数据可视化技术，有助于克服传统教学的不足，提升教学效率与水平。因此，探索大数据可视化技术在计算机教学中的应用，对于推动教学创新、提高教学质量具有重要意义。

1 大数据可视化技术概述

大数据可视化技术旨在将复杂、海量数据转化为直观的图形、图表或地图，以视觉手段揭示数据中的模式、趋势和关联，帮助用户更好地理解和分析数据。该技术起源于科学计算和统计分析领域，近年来，随着计算机图形学、大数据分析技术、人机交互界面等领域的发展，以及人工智能和机器学习算法的融合，大数据可视化技术不断发展，已成为数据科学重要组成部分。

大数据可视化技术具有可视性、多维性与交互性等显著特点。可视性是指通过图像、图表、地图等多种视觉形式展示数据，使用户能够直观地观察、理解和分析数据。多维性是指用户可以不同条件、维度为标准，对数据信息进行分类、排序、组合并进行展示，实现数据信息的多角度观察与分析[1]。交互性是指用户可进行缩放、过滤、 drill-down 等操作，与可视化数据进行互动，实现数据的深入分析与探索。

2 大数据可视化技术在高校计算机教学中的应用价值

2.1 直观展示数据，化抽象为具体

在高校计算机教学中，大数据可视化技术能够将繁复且抽象的数据转化为直观易懂的视觉呈现形式。大数据可视化技术可通过图形、图表、地图以及其他视觉元素，揭示数据信息变化趋势与相关之间的关联，从而简化复杂概念，具体化抽象概念。

例如，在数据分析课程中，教师可以利用可视化工具向学生展示大规模数据集的统计特性，如分布、集中趋势和离散程度，帮助学生直观理解数据结构和属性。在机器学习或人工智能课程里，可视化技术能够帮助学生观察模型训练过程中的性能变化，如准确率、损失函数随迭代次数的变化曲线，从而深刻理解算法的优化过程和潜在问题。这种将抽象概念具象化的过程，极大地激发了学生学习兴趣，提高了学生数据解读能力。

2.2 辅助教师教学，优化教学设计

首先，大数据可视化技术可帮助教师通过数据深入了解学生学习行为与学习效果。教师可收集并分析学生登录频率、学习时长、参与讨论次数等课堂互动数据，使用可视化工具生成学生学习行为热图、时间序列分析图等，识别出学生遇到的学习难点或兴趣点。基于图像数据，教师可以针对性地调整教学内容和方法，以提高教学效果。例如，教师可以设计包含多种题型的在线测试，通过可视化分析学生答题情况，迅速识别学生知识点掌握情况。基于此，教师可以在后续教学活动中加强薄弱环节讲解和练习，确保每位学生都能达到课程目标[2]。例如，教师在计算机课堂中布置当堂测试题，并通过可视化技术分析学生答题情况，如图1所示。教师可借助饼状图，直观掌握学生课堂学习情况，并针对性调整教学设计，提高教学效率与水平。

其次，大数据可视化技术还促进了教师之间经验交流与资源共享。教师可以创建数据可视化报告，分享自身教学创新成果和成功案例。这有助于构建一个持续学习和改进的教学环境，使教师探索更多元化教学策略，提升教学质量。

2.3 促进学生能力培养，提升综合素质

大数据可视化技术还可直接培养学生能力，提升学生综合素质。首先，其强化了学生数据分析与处理能力。在可视化工具帮助下，学生能够直观地理解复杂数据集，学会从海量信息中提炼关键指标，培养数据驱动的决策思维。

其次，大数据可视化技术促进了跨学科知识融合。学生在运用可视化工具解决实际问题过程中，往往需要结合统计学、数学、计算机科学乃至心理学等多个领域知识。在此过程中，学生既拓宽了自身知识面，提高了创新意识，也有效锻炼了解决实际问题的能力。例如，教师可以选取统计学教学中所应用的数据集，如某大学图书馆1～4月各类型人员图书借阅量数据。教师应对数据集特点以及代表含义进行讲解，并在讲解过程中充分利用大数据可视化工具处理数据，对数据进行清理与分析，根据数据绘制图表，展示数据之间关联性与变化趋势，如图2所示。教师可根据可视化图表引导学生观察数据变化情况，使学生深度思索时间因素及其相关因素（如期末考试、假期、教师科研）与图书借阅量之间的联系。

3 高校计算机教学中大数据可视化技术的应用

3.1 案例分析，加强理论与实践结合

在计算机教学中，教师利用大数据可视化技术，要通过案例分析的形式，有效地将理论知识与实际应用结合，增强学生对知识的理解与掌握[3]。例如，在数据结构与算法课程中，通过大数据可视化技术，教师可以将复杂的数据结构（如树、图、链表等）以直观的图形形式展示出来，帮助学生更好地理解抽象概念。

具体而言，教师可以利用可视化工具，如Tab⁃ leau、D3.js等，展示实际数据集的处理和分析过程。例如，在教授排序算法时，用大数据可视化技术动态展示不同排序算法的执行过程和效率对比。通过图表和动画的方式，学生能够直观地看到各个算法在不同数据规模下的性能差异，加深对算法时间复杂度和空间复杂度的理解。如图3所示，大数据可视化技术将多种排序算法性能对比情况进行直观展示，使学生迅速而全面地掌握不同排序算法的特点与不同场景下的性能优劣情况，并在此基础上思考不同排序算法的适宜应用场景，掌握相应知识。

此外，大数据可视化技术还可被用于展示数据挖掘和机器学习中的实际案例。例如，教师可以选择一个真实的商业数据集，使用可视化工具展示数据预处理、特征工程、模型训练和评估的全过程。学生通过案例分析可以更深入地理解数据挖掘和机器学习的基本原理，掌握实际操作技能，增强实践能力。

此外，在案例分析过程中，学生可将理论知识与实际操作紧密结合，深入掌握课堂知识内容的同时提高解决实际问题的能力和创新思维能力。这种教学方法有效地激发了学生学习兴趣，提升了教学效果，推动了高校计算机教学的改革与创新。

3.2 互动教学，促进学生主动探究

首先，教师可利用大数据可视化技术构建互动学习平台，使学生能够在课堂内外自主探究。一方面，教师要寻找并应用适宜课堂教学使用的在线数据分析平台，学生可通过平台访问各种数据集，并使用可视化工具进行数据分析与可视化展示。在此过程中，学生可通过自主操作更好地理解数据分析过程与方法。另一方面，教师要在课堂上展示实时互动图表，学生可在课堂中参与数据输入与分析过程。例如，在教授统计学或数据挖掘课程时，学生可实时输入数据，生成图表，并讨论分析结果。

其次，教师可通过大数据可视化技术设计项目驱动的探究学习活动。教师应将学生分成小组，每组负责一个数据分析项目。教师提供数据集和分析目标，学生通过数据可视化技术进行数据清洗、分析和展示。项目结束后，学生需要展示其分析结果，并通过可视化图表进行解释和讨论。

最后，实时反馈与调整。学生在课堂中使用大数据可视化技术进行学习，要及时向教师反馈自身学习状态。教师则利用大数据可视化技术生成学生反馈图表，针对学生对计算机学习过程中所遇到的问题进行全面分析，调整教学内容与节奏，针对性解答学生疑问。同时，将图表反馈至学生，帮助学生了解自身计算机课程学习状况。例如，生成学习进度条、成绩分布图等，帮助学生更好地管理和规划自己的学习。

3.3 推动跨学科教学，拓展应用领域

首先，教师要结合计算机教学计划，融合大数据可视化技术设计跨学科项目，促使学生在实际应用中掌握跨学科知识和技能[4]。例如，教师可以组织计算机科学与其他学科（如经济学、社会学、环境科学等）的联合项目。学生在项目中需要收集和分析跨学科的数据，利用大数据可视化工具展示分析结果。

例如，计算机科学与环境科学联合项目——分析城市空气质量指数（AQI） 。在此项目学习中，学生需要从政府生态环境部门的公开数据库中下载空气质量监测站的历史数据，包括二氧化硫（SO2） 、二氧化氮（NO2） 、颗粒物（PM2.5和PM10） 、臭氧（O3） 和一氧化碳（CO） 等污染物的浓度数据。同时，还需要收集同期的气象数据，如温度、湿度、风速和风向等。在获取数据后，学生将使用Python等编程语言清洗数据，并应用统计方法和机器学习算法来识别污染物浓度的模式和趋势，以及气象条件对空气质量的影响。例如，使用相关性分析来检查温度和湿度与PM2.5浓度之间的关系。为使分析结果更加直观清晰，学生将使用大数据可视化工具，创建时间序列图、热力图、散点图等图表，用于展示时间段内不同时间点城市AQI变化、空气质量情况以及气象条件与污染物浓度之间的关系。此项目可使学生掌握数据清洗、统计分析与大数据可视化等技能，增强了学生跨学科学习与实践能力。

其次，教师要向学校申请组织开展跨学科竞赛与实践活动。一方面，学校可组织跨学科数据科学竞赛，学生组成跨学科团队，利用大数据可视化技术解决实际问题。竞赛题目涉及不同学科领域，如健康数据分析、社会问题研究、市场预测等。学生通过竞赛，不仅能够锻炼数据分析和可视化能力，还能培养团队合作和跨学科思维能力。另一方面，开展跨学科实践活动，如数据分析工作坊、黑客马拉松等，学生在实践活动中利用大数据可视化技术进行跨学科研究。

3.4 分析学生需求，实施个性化教学

首先，教师要收集和分析学生学习数据[5]。教师可从学习管理系统上收集学生学习行为信息数据，包括在线学习时间、访问频率、作业提交情况、测试成绩等。利用大数据可视化技术生成学习行为分析图表，展示学生的学习习惯和学习态度。在此基础上，分析学生在各个教学环节的学习情况，如作业完成度、答题发言次数、各次考试成绩等。教师将学生学习情况以可视化技术绘制成图表，迅速掌握学生在不同知识点上的掌握情况。

其次，制定个性化教学计划。基于学生学习数据的分析结果，教师可结合不同学生学习需求制定个性化教学计划与方案，帮助每一个学生收获学习成果[6]。例如，对基础较差的学生，提供更多基础知识的讲解和练习，帮助学生掌握基础的计算机知识与技能；对进度较快的学生，提供更具挑战性的学习材料。

最后，实施个性化辅导和评价。一方面，教师要根据学生的学习数据，识别需要额外辅导的学生。利用大数据可视化技术生成辅导需求图表，针对性地安排个别辅导或小组辅导。另一方面，教师要通过大数据可视化技术，设计学生自评和互评系统，收集学生对自己和同学的学习表现和参与度的评价。利用可视化图表生成评价结果，帮助教师了解学生的学习体验和教学效果[7]。

4 结束语

综上所述，高校计算机教学中应用大数据可视化技术，具有多方面价值意义，有助于将抽象的计算机知识具象化，帮助学生理解复杂概念，提高学习兴趣；同时，也为教师提供了强大的数据分析工具，有助于优化教学设计、实施个性化教学，最终提升教学质量，促进学生全面发展。未来，高校计算机教师应积极探索大数据可视化技术的应用，将其与教学内容、教学方法深度融合，不断提高计算机课程教学效率与水平。