本科信息管理专业数据挖掘课程建设研究

胡 敏

（北京信息科技大学 信息管理学院，北京 100192）

本科信息管理专业数据挖掘课程建设研究

胡 敏

（北京信息科技大学 信息管理学院，北京 100192）

数据挖掘类课程引入国内的时间不长，如何在本科教育阶段，针对信息管理专业学生进行课程建设是非常重要的。参考国内外院校、研究组织对数据挖掘课程的教学内容和方法的分析，根据数据挖掘课程的核心内容和主要应用，对课程建设进行系统的分析，明确教学目标、内容、相应的教学方式和方法，重点运用模块化教学理论对内容和教学方式进行分析。

课程建设；模块化教学；数据挖掘

随着数据挖掘、商务智能技术的快速发展与广泛应用，亟需对信息管理专业的本科生加强对相关知识的介绍，此时进行课程改革，调整、增加授课学时和实践环节有重要意义。数据挖掘是一门与多学科交叉的新兴计算机专业课程，其课程内容丰富、应用范围广、实践工具类型繁多。在有限授课时间内，如何选择适合于信息管理专业的本科生的课程内容、案例与软件工具，选用何种有针对性的教学方法，是进行数据挖掘课程设计需要解决的主要问题。

一、国内外数据挖掘类课程建设研究分析

近年来，数据挖掘与商务智能技术发展迅速，充分借鉴国外相关研究，尤其是ACM SIGKDD课程委员会对数据挖据课程建设建议，对进行数据挖掘类课程的教学建设研究有重要意义。ACM（美国计算机协会）于1998年成立了SIGKDD（知识发现兴趣小组），致力于知识发现与数据挖掘的相关研究，ACM SIGKDD课程委员会连续多年多次更新其主要课程——数据挖据课程的建议，其中委员会将数据挖掘课程分为基础部分与高级主题，基础部分覆盖了数据挖掘的基本方法，高级主题既有数据挖掘基本方法的深入研究，又有更高级算法的介绍。国外很多大学的计算机科学学院、商学院都开设了数据挖掘类课程并同时进行相关研究。波士顿大学开设了“数据管理与商务智能”课程，课程主要包括基础、核心技术、应用三部分。许多国外著名大学建立了教学管理系统，提供大量的案例、在线讨论和在线辅导功能。国内很多学校都开设了数据挖掘的相关课程，我国大多数高校的课程大纲内容与国外大致相同，只是在实践部分选用了不同的商务案例。数据挖掘的应用领域广泛，因此可以根据开课学院和专业选择合适的实例。

二、根据信息管理专业本科生培养要求确定课程目标

数据挖掘课程是一门综合性很强的前沿学科，对计算机软硬件、数据库、人工智能技术、统计学算法、优化算法等基础知识都有较高的要求。因此该门课程开设在学生大三下学期，既有相关知识的基础，又为大四做毕业设计提供了一种思路。信息管理专业是计算机与管理相结合的专业，旨在培养具备信息系统开发能力与信息资源分析与处理能力的综合应用型人才。对信息管理专业的学生而言，本课程主要的目标是数据挖掘算法原理理解、数据挖掘算法在商务管理问题中的应用以及常用数据仓库与数据挖掘软件的熟练应用和二次开发。

三、基于模块化方法的课程内容分析

模块化教学模式是按照程序模块化的构想和原则来设计教学内容的一整套教学体系，它是在既定的培养目标指导下，将全部教学内容按照一定标准或规则进行分解，使其成为多个相对独立的教学模块，且各教学模块之间可以按照一定的规则有选择性的重新组合。学生可以根据个人兴趣和职业取向在不同模块之间进行选择和搭配，从而实现不同的教学目标和人才培养要求[1，2]。模块化教学本质上是以知识点与实践的细化为出发点研究的。商务智能方法本身非常丰富，实践应用也是课程的主要特点之一，因此十分适合使用模块化的知识分解方式。本课程的知识点模块管理分为两个层次，一是从宏观角度设计课程的基础内容模块和高级主题模块；二是从微观角度针对较为复杂的教学内容进行的知识点划分。

1.课程主要内容模块化分析。目前该课程包括十章理论内容，分别为数据仓库与数据挖掘的基本知识、数据仓库的OLAP技术、数据预处理、数据挖掘系统的结构、概念描述：特征化与比较、挖掘大型数据库中的关联规则、分类与预测、聚类分析、复杂类型数据挖掘和序列模式挖掘。根据模块化管理的宏观角度分类，课程内容的第一至五章属于基础理论部分和简单数据挖掘技术的介绍，可以作为基础内容模块；第六至八章为数据挖掘的核心算法，其中既有基础理论与技术方法，又可深入到较难的方法和复杂的应用，因此介于基础内容与高级主题之间；第九、十章可以算做课程的高级主题模块；另外，课程的实践模块既包含数据仓库的建设又包含数据挖掘算法的应用，难度也介于基础内容与高级主题之间。

2.复杂知识点的模块化管理。从微观角度对知识点进行设计主要针对的是上述的高级主题、以及难度介于基础内容与高级主题之间的章节，由于这些章节知识点在难度上有一定层次，讲授内容弹性比较大，因此需要在课程设计中明确一定课时量所要达到的难度。以商务智能技术中的分类算法为例：首先一般的入门课程都会介绍分类算法的概念和基本原理；接着开始介绍分类算法的基础算法——决策树，而决策树算法中又包含ID3等多种算法，并且除了决策树外，还有其他更高级的分类算法；在真正使用分类法进行预测时，还要分析预测准确度；最终要将所学知识加以应用。这样就形成了一个结构清晰、难度循序渐进的知识点模块的层次关系。在宏观角度、微观角度对教学内容进行分类的前提下进行相应的授课方法与考查方法的研究，才能真正有助于学生的学习。

四、授课与考核方法设计

对不同层次学生要求不同，这种不同既体现在知识点的要求上，又直接体现在任务的难易性程度上，这都需要教师在课程设计时充分考虑不同要求情况下的不同的授课方式，并使学生清楚自己需要掌握的程度。对于高级算法和实现部分，通常可以选择一到两章内容采用专题探讨式的教学方法。这种方法是指在教师启发和引导下，以学生为主体，选择某个基本教学单元为专题，学生自主研究作为知识传递的基本形式，将多种灵活的教学方式综合运用到教学环节的教学方法[3]。根据信管专业培养方案的培养目标、以及对学生调研的情况，实践环节比较适合选择成熟的商务智能工具进行数据的整合和多维数据建模，也就是直接使用现成的；或者使用数据挖掘软件进行数据建模，完善数据挖掘算法。可以针对学生管理基础课与IT基础课知识的掌握情况，选择合适的工具为学生设计综合性实验。实验中给出部分操作步骤，并在实验后期仅给出数据与工具，让学生自己设计数据仓库、进行数据挖掘、并对挖掘结果进行多种形式的展示。

五、结论

本文通过国内外数据挖掘课程内容、分类、教学方法的分析，针对信管专业本科生的培养要求，研究了数据挖掘课程建设的主要内容，并针对知识点的不同模块，实行不同的授课方式，使学生更加明确重点、难点和扩展内容，提高了学生的听课效率，对教学内容的模块化分类、以及相应的授课方式的研究成果仍可继续发挥作用，并进行更深入的研究和实践。

[1]韦艳艳，张超群.模块化教学与学习迁移[J].当代教育论坛，2018，（5）.

[2]郑浩，陶虎，王晓辉.高校模块化教学模式及其效果评价方法[J].科技信息，2012，（25）.

[3]陈帆，和红杰.启发式教学在Java语言教学中的应用[J].计算机教育，2010，（16）.

G642.0

A

1674-9324（2014）30-0240-03

项目名称：“商务智能类课程模块化管理与分层教学模式研究”，项目号2012JGYB42。

胡敏（1982-），女，山东烟台市人，博士，讲师，研究方向：管理科学、数据挖掘、应急管理。