跨学科课程交通数据挖掘技术教学方法与研讨环节设计

陈淑燕，陈峻

摘要：交通数据挖掘技术是一门跨学科课程，加上全英文授课增加了教学难度。在教学中分别采用讲授、讨论、练习、探究式教学法，提高教学质量。该文详细介绍研讨环节设计，学生合作完成研讨项目，撰写研究报告，进行研讨交流，不仅培养学生运用知识解决问题的能力，而且培养学生自主学习、团队协作、表达能力、人际交往能力。

关键词：跨学科课程；交通数据挖掘技术；教学方法；研讨设计

中图分类号：G642.4 文献标志码：A 文章编号：1674-9324（2017）46-0235-02

一、引言

交通行业已经进入大数据时代，海量级交通信息迫切需要拥有数据挖掘技术的交通专业背景的复合型人才。东南大学交通运输工程学科历来重视教学体系改革，在对国内外多所高校交通专业课程体系调研的基础上，经过3年的认证和充分准备，于2015年秋季为交通学院本科生开设了跨学科的课程“交通数据挖掘技术”，以适应学科发展和创新人才培养的需要。该课程属于跨学科课程，学生多数具有交通工程及相近专业背景，但缺少计算机专业背景知识，在数据挖掘算法理解上会存在一些困难。同时，该课全英文授课加剧了学生理解吸收新知识的难度。为此，我们在教学方法、研讨环节进行一系列课程建设和改革，取得了较好的教学效果，得到学生的认可。

二、教学方法应用

本课程教学内容包括三部分：数据挖掘基本概念、挖掘算法及原理、挖掘平台。根据不同教学内容，我们在教学中分别采用讲授、讨论、练习、探究式教学法，改变以往“灌输式”教学，提高教的质量、学的效率。

1.讲授法[1]：对各种数据挖掘方法及模型，包括数据清洗、离群数据挖掘、决策树学习、支持向量机、神经网络、实例学习，以讲授法为主，结合其他教学方法，便于学生直接快速掌握。在讲授中，有意识地往复讲授，时常在课开头或结束时用2-3分钟对以往教学内容加以必要的复述和概括总结，以实现更高层次、更深程度上的理解和记忆。

2.讨论法[2，3]：提前一周推荐学生阅读即将学习内容的参考资料，针对阅读文献提出问题供学生思考。学生自由组合，开展课堂讨论。如，集成学习一章采用讨论法，课前推荐以下多篇介绍集成学习的经典文献：

Hansen L K，Salamon P.Neural network ensemble[J].IEEE Trans Pattern Analysis and Machine Intelligence，1990，12（10）：993-1001.

Breiman L.Bagging predictors[J].Machine Learning，1996，24（2）：123-140.

Z.H.Zhou，J.Wu，W.Tang，Ensembling neural networks：many could be better than all？[J].Artificial Intelligence，2002，（137）：239–263.

向学生提出以下问题：集成有哪几种经典结构？如何产生个体？如何集成输出？集成规模对集成分类器的性能有影响吗？如何优化集成规模？

丰富的课后拓展性学习资源引导学生自主学习，获得知识；通过讨论进行合作学习，加深对问题的理解，巩固知识，同时也增强学生的表达能力、自信心、主动学习能力。

3.练习法：我们在介绍决策树算法时使用该法，根据给定的交通事件数据表，让学生计算信息增益，选择分支属性，从而扩展决策树。通过该练习，让学生了解如何构建决策树，如何获取决策规则，并用于判断交通状态，不仅巩固知识，而且培养学生运用知识解决问题的能力。

4.探究式教学法[4]：根据教学目的和内容，设计难度适度、逻辑合理的研讨项目，学生以小组形式共同完成项目，提交研究报告，并在课堂上进行汇报交流。如支持向量机教学内容对应的专题研讨项目为：基于支持向量机的交通事件持续时间预测。学生借助挖掘平台或编码构建预测模型，从而掌握所学内容。在探究式教学过程中，学生的主体地位、自主能力都得到了加强。通过这样的途径获得的知识理解得更透彻，掌握得更牢固。详细设计见下节。

三、研讨环节设计

该课程强调学以致用，以技术应用为导向，围绕课程教学内容设计研讨环节。研讨项目面向国内外研究现状和实际交通问题，以学科和教师的研究课题为支撑，综合考虑体量、难度、适用模型和方法、数据来源等多方面的因素精心设计。该课程提供两类研讨项目，专题研讨项目和综合研讨项目。专题研讨密切围绕教学内容组织，一共设计6个，分别对应数据清洗、离群数据挖掘、决策树学习、支持向量机、神经网络、实例学习。学生2人一组，使用指定的模型或者方法解决问题。借助挖掘平台或者自行编码建模，并对结果进行分析和解释。所提供的交通数据已经过预处理，一般2-3小时左右可以完成项目。通常在布置后的第二周选择部分小组进行课堂交流。综合研讨项目工作量较大，所提供的交通数据为原始数据，需要对原始数据进行噪声识别和数据清洗，结合所学的多种模型或者方法建模解决问题。课程第一周发布项目，学生3-4人自由组合，选择一题，通过查阅文献，设计技术方案，借助挖掘平台或者自行编码，合作完成项目。完成一个综合研讨题目，预计10学时。课程结束之际使用PPT进行研讨交流。按指定格式撰写研究报告，课程结束后提交研究报告。

该课程通过这样的研讨设计，使学生多方面的能力得到培养和提升。

1.获取信息能力的培养。学生查阅相关文献，对相关问题的已有研究成果进行梳理、分析和概括，培养学生文献检索及运用现代信息技术获取相关信息的能力。

2.数据分析能力的培养。学生设计技术方案，通过编程或者借助数据挖掘平台建立模型，解决交通问题，实现知识与实践的融会贯通，提升学生编程水平和驾驭平台的能力，训练和培养学生对数据进行分析和解释、解决实际问题的能力。

3.人际交往、团队合作能力、表达能力的培养。以3-4名学生为基本单元，共同完成指定的综合专题项目，明确组员的各自分工，训练学生人际交往和团队合作能力。学生撰写报告并在课堂上进行汇报交流，回答其他学生和老师的提问，培养学生的表达能力。

学生对于这样的研讨内容设计和组织形式给予肯定。学生反馈“对团队合作重要性有了切身体会”、“课程作业很有趣，理论与实践相结合，也懂得了小组的讨论与合作”。

四、结束语

《交通数据挖掘技术》课程的设置对于优化专业人才培养模式、完善专业课程体系、发挥国家重点学科品牌专业的示范效应具有积极的促进作用。与国外同类课程相比，該课程在教学内容和教学方法上毫不逊色。尤其该课程设置专题和综合型研讨项目，要求学生合作完成项目、汇报交流，对于培养学生自主学习、团队协作、表达能力、人际交往能力有着不可低估的作用。该课程建设是江苏省品牌专业建设的内容之一，经过两年多的课程建设，取得了公认的教学效果，该课程的持续建设将进一步推动人才培养和科学研究工作。

参考文献：

[1]边守正.实用教育学[M].北京：北京图书出版社，1998.

[2]胡庆芳.优化课堂教学：方法与实践[M].北京：中国人民大学出版社，2014.

[3]张梅.两人讨论法和分组讨论法在课堂上的运用[J].高等建筑教育，1997，（S1）.

[4]杨喜平，张玉军，苗永霞.互动——探究式教学法研究及其效果分析[J]，河南教育：高校版，2013，（8）：36-37.