研究生数据挖掘教学模式探究

黄莉 张凯 胡威 王晓峰

一、科学规划、系统构建课堂教学体系

大规模开放在线课程（Massive Open Online Course，MOOC）是基于课程与教学论及网络和移动智能技术发展起来的新兴在线课程形式，众多教学名师为其提供了丰富的教学资源。

规模受限在线课程（Small Private Online Course，SPOC）教学模式利用MOOC的技术和资源，将课堂教学与在线教学结合，实施翻转课堂教学，已在国外高校引起广泛关注，取得了较好的教学效果。

实践教学有助于加深学生对原理的理解，但对大多数学生来说，难以理解到实验现象的内涵。因此，构建一组与课堂教学体系相照应的、梯度化的实验教学体系，有利于系统能力的内化。教师可遴选能力强、有热情、敢于挑战和创新的学生及其作品，使其进一步优化功能。

二、开展多样化的教学方法和教学组织形式

1.收集丰富的立体化课程资源

配合课堂和实验教学体系，将每个章节分解成若干相对独立的知识点，精心制作课程讲义和课件，规划课程视频。视频建设采用循序渐进的策略：在教学改革之初，以难度适中的MOOC視频作为主体，其余相关MOOC视频作为补充，通过遴选和整理，形成适合本校的视频体系和实施方案；随着经验的积累和教学的需要，在充分考虑该课程与其他课程、实验教学的配套关系后，制作完善的课程视频。

2.SPOC教学

将所有的教学资源进行有机组织，搭建在线课程平台，实施SPOC教学模式。具体方法可以是：将学生分为若干小组，所有课堂教学和在线教学均以小组为单位开展；教师提前布置在线学习的视频、相应的文献资料、作业、学习要求、完成时间及课堂讨论问题等；学生分小组学习、讨论，提炼出知识框架、重难点、存在的问题等，撰写学习研究报告，做好充分的汇报准备；在课堂上，每个小组完成指定的课堂汇报次数，其他学生参与课堂讨论，没有机会发言的学生可以在网络上继续参与讨论；教师在课堂上对知识进行点评、串接、拓展和深化，回答学生的问题，与学生一起处理作业或其他任务等，以保证教学效果；定时发布测验、在线讨论等，以获得学习效果的反馈信息。

3.实行基于过程考核的课程评价体系

探索学习效果跟踪机制，将在线学习、课堂学习、实验学习的评分机制有机结合，形成贯穿于全课程的综合考评机制，从根本上改变“一考定成败”的不科学评价模式，例如，利用过程监控和评测系统，在线成绩由学生视频学习、作业、互评作业、测验、在线讨论等成绩综合构成；课堂成绩由小组汇报、参与提问和讨论、新技术小课堂（学生讲授）、课后大作业等成绩综合构成。针对实验教学，探索团队协作评分机制、实验创新加分机制、综合课程设计机制等，从多角度考查学生的实践参与情况。

4.实行与现代教育教学手段结合的多元教学方法

计算机数据挖掘课程具有抽象、难度偏大等特点，为调动学生的学习兴趣，加深理解，启迪思维，教师应广泛采用各种教学方法和手段，以保障系统能力培养的效果。讲解抽象原理时多采用类比教学，将来源于实际生活的思想或处理事务的方法引入课堂，有利于学生对抽象问题的理解。

5.形成有特色的第二课堂

与云计算、移动互联网等学科前沿结合，在专业范围内，广泛开展与数据挖掘相关的第二课堂活动，定制计算机设计竞赛，鼓励学生与计算机学科前沿结合，进行游戏开发、机器人设计、物联网应用、移动互联网应用等，激发学生的创新能力。

对在竞赛中脱颖而出的优秀作品，教师可以指导学生进一步优化完善，让学生在更广阔的平台上进行交流、学习，进而达到以学促赛、以赛促学的良性循环。

参考文献：

[1]张 艳.大数据背景下的数据挖掘课程教学新思考[J].计算机时代，2014（4）.

[2]李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代，2014（2）.