工程教育背景下《大数据采集与分析》课程教学设计

仲兆满，管燕

（江苏海洋大学计算机工程学院，江苏 连云港）

工程教育认证是检验高等学校工科专业的教育质量，是实现工程教育国际互认和工程师资格国际互认的基础。2016 年6 月，我国正式成为《华盛顿协议》成员，标志着我国的工程教育已与国际水平同步，对提升我国工程教育的国际竞争力具有重要意义。

2016 年开始，为培养更多的大数据领域相关人才，教育部启动了“数据科学与大数据技术”专业建设计划。2016 年有3 所高校获批，2017 年有32 所高校获批，2018 年有248 所高校获批，获批数量呈井喷式发展，反映出国家对大数据专业的重视程度。数据科学与大数据专业已成为我国现阶段高等教育的热点问题之一。

但是，数据科学与大数据技术专业建设时间短，人才培养目标、课程设置体系、课程教学内容、课程考核评估等方面都很不成熟。在工程教育认证背景下，如何建设数据科学与大数据技术专业是各高校面临的普遍问题。

专业工程认证以具体课程为支撑，课程的教学改革是专业工程认证的基础。“大数数据采集与分析”是我校申办数据科学与大数据技术专业的核心课程，具有较强的理论和实践操作性。通过该课程的教学，使学生打下数据采集与处理的理论和技术基础，培养学生大数据采集、分析、行业大数据解决方案编写的能力。目前，该课程已经在计算机科学与技术专业、网络工程专业的大三第二学期上课，共 48 个学时，其中理论36 学时，实验12 学时。 依据工程教育认证的理念和标准，发现该课程教学存在以下问题：(1)理论课时偏多、实践动手不足，这不符合工程教育认证以成果为导向的教育理念；(2)教学内容对毕业要求指标点的支撑不够，导致培养的学生能力不足；（3）课程考核方式仍然采用传统的平时成绩加期末考核的方式，不能满足工程教育认证过程考核和复杂工程问题解决能力的培养要求。

本文针对“大数据采集与分析”课程存在的问题，研究了工程教育认证背景下的课程改革探索，包括课程教学目标、教学内容、课程考核方式等内容，以期使得本门课程更符合工程教育专业认证标准，同时对专业认证体系中的其他课程教学改革提供参考。

一 相关研究

工程认证要求课程设置要服务于专业培养目标、满足预期的毕业生能力要求[1]。工程认证的核心理念之一是以学生为中心,指在课程体系、师资队伍、支撑条件、质量保障制度等方面都根据有利于学生达到培养目标和毕业要求来设置[2]。

当前，有些学者围绕专业工程教育认证进行了系统的研究。蔡志平等[3]探索了网络工程专业工程教育认证的思路和做法，涉及修订培养目标、修订毕业要求、设计毕业要求支撑权重矩阵、修订课程标准、开展教学活动、课程考核和归档、评价毕业要求达成度等内容。张贞凯等[4]以电子信息工程专业为依托，设计了模拟电子技术的教学目标，及其毕业要求的支撑度。王红军[5]建立了毕业要求和支撑课程矩阵，并对对机械设计制造及其自动化专业学生的毕业要求达成度进行了定性和定量评价。言十[6]探讨了新工科建设背景下“新”的含义，分析“新”时代的特征、面临的“新”问题及解决方法。

一些学者围绕数据科学与大数据技术专业的课程体系建设进行了初步探索。曹耀钦[7]指出了当前应用型智能科学与技术专业大数据人才培养中存在的问题，分析了大数据应用开发人才的岗位需求及知识结构，提出了基于岗位目标的大数据课程群的概念。桂劲松等[8]探讨了新工科背景下数据科学与大数据技术专业建设问题，包括培养目标、毕业要求、课程体系、培养模式构建与实施、协同育人、质量监控与评价等方面。朝乐门等[9]调研了世界一流大学的8 所高校数据科学专业的建设现状，提出了数据科学与大数据技术这一新专业应重视的10 门特色课程，并分析了现阶段我国数据科学教育中普遍存在的8种曲解现象及对策建议。

少数学者对数据科学与大数据技术专业的具体课程进行了改革探索。覃雄派等[10]介绍了“数据科学”课程群中的“数据科学导论”课程的目标和定位、内容安排、教学计划、考核方法以及实践环节设计。同样围绕大数据专业导论课程，张祖平[11]论述了专业导论的教材准备、课程定位及具体教学内容，在其提出的大数据技能体系中，强调了数据采集与分析的重要性。

二 大数据采集与分析课程教学目标

工程教育认证以学生中心、产出导向、持续改进为三大教育理念，其中的产出导向核心是培养目标和毕业要求。培养目标是对毕业生毕业5 年左右能够达到的职业和专业成就的总体描述，毕业要求是对学生毕业时所应该掌握的知识和能力的具体描述。

“大数据采集与分析”课程旨在为学生打下数据采集与处理的理论和技术基础，主要包括大数据基础、大数据采集、大数据分析、行业大数据解决方案等相关知识，培养学生大数据获取、大数据分析以及行业解决方案编写的能力。工程认证毕业要求包括工程知识、问题分析、设计/开发解决方案、研究、现代工具使用、工程与社会、环境和可持续发展、职业规范、个人和团队、沟通、项目管理、终身学习共计12 个大的指标点。本文设计的大数据采集与分析课程教学目标对毕业要求指标点的支撑关系如表1 所示。

表1 课程教学目标对毕业要求指标点的支撑关系

三 大数据采集与分析技术课程教学内容设计

（一）课程教学内容总体结构

依据“大数据采集与分析”课程教学目标，本文设计的大数据采集与分析课程教学内容总体结构如图1 所示。

图1 所示的“大数据采集与分析”课程教学内容体系共包括4 个模块：大数据基础模块，是后期大数据采集与分析的技术基础；大数据采集模块，为大数据分析提供数据支撑；大数据分析模块，是面向不同应用场景的具体分析技术；行业大数据采集与分析解决方案，最终面向不同行业，在掌握的大数据采集与分析的基础上，提出合理的解决方案。

具体的教学模块的组成，可以根据学生前期掌握的知识内容进行微调。比如，学生已经开设过“大数据基础技术”课程后，在本门课程中可以删除大数据技术简介、Hadoop 开发环境搭建、HDFS 分布式文件系统、MapReduce 编程技术、Hbase 分布式数据库等知识点，直接给学生讲授大数据采集、分析和行业解决方案三个知识模块。

（二）课程教学模块内容

1.大数据基础模块

大数据基础模块教学内容包括五个部分，（1）大数据技术简介：大数据技术的发展、Hadoop 简介、MapReduce 简 介、Hbase 简 介；（2）Hadoop 开 发 环 境搭建：单机和伪分布式开发环境搭建、完全分布式开发环境搭建；（3）HDFS 分布式文件系统：HDFS 简介、HDFS 工作原理、HDFS 操作命令、HDFS 编程实例；（4）MapReduce 编程技术：MapReduce 框架、MapReduce 工作原理、基于MapReduce 编程方法；（5）Hbase 分布式数据库：Hbase 简介、Hbase 工作原理、Hbase 操作简介、Hbase 编程实例。

2.大数据采集模块

大数据采集模块教学内容包括两个部分，（1）大数据模板采集：信息采集方法与技术、模板采集的原理、模板配置实例、模板采集调度实例；（2）大数据搜索采集：搜索采集的原理、搜索采集调度实例。

3.大数据分析模块

大数据分析模块教学内容包括五个部分，（1）文本相似度计算：单词统计、关键词提取、频繁项挖掘、文本表示、文本相似度计算；（2）文本聚类：文本聚类方法介绍、基于K-means 算法的文本聚类实例、基于K-MEDOIDS 算法的文本聚类实例；（3）文本分类：文本分类方法介绍、基于KNN 的文本分类、基于贝叶斯的文本分类；（4）信息检索：信息检索方法介绍、Lucene 索引检索实例、基于hadoop 的Lucene 索引检索实例；（5）社交网络分析：社交网络简介、用户话题提取实例、用户相似度计算实例、基于Map/Reduce 的用户关联强度计算实例、用户相似度绘制。

4.行业大数据采集与分析解决方案

行业大数据采集与分析解决方案教学内容包括四个部分，（1）国际国内大数据产业政策：国际大数据产业政策及发展趋势、国内大数据产业政策及发展趋势；（2）大数据采集与分析知识检索：数字图书馆的使用、搜索引擎的使用；（3）行业大数据采集解决方案：互联网舆情监测行业大数据采集解决方案、社交网络分析行业大数据采集解决方案、电子商务行业大数据采集解决方案；（4）行业大数据分析解决方案：互联网舆情监测行业大数据分析解决方案、社交网络分析行业大数据分析解决方案、电子商务行业大数据分析解决方案。

（三）课程教学内容学时分配

本课程教学内容共计包括16 个部分，分别是大数据技术简介、Hadoop 开发环境搭建、HDFS 分布式文件系统、MapReduce 编程技术、Hbase 分布式数据库、大数据模板采集、大数据搜索采集、文本相似度计算、文本聚类、文本分类、信息检索、社交网络分析、国际国内大数据产业政策、大数据采集与分析知识检索、行业大数据采集解决方案、行业大数据分析解决方案。

课程教学内容、教学环节和课程教学目标的对应关系设计如表2 所示。

表2 课程教学内容、教学环节和课程教学目标的对应关系设计

四 课程教学考核方式

“大数据采集与分析”课程考核形式与教学目标的对应关系如下表3 所示。

表3 课程考核形式与教学目标的对应关系

表3 中，“大数据采集与分析”课程考核由平时作业、翻转课堂、实验、行业解决方案四部分组成，分别占20%、20%、30%和30%。翻转课堂集中诠释了“以学生为中心”的教学理念，颠覆了传统的教学模式[12]，因此，本课程的考核方式也应围绕学生的“学”进行设计。

五 小结

“大数据采集与分析”课程系统地讲授基于大数据技术的信息采集与分析技术，能够从不同的视角培养学生多方面的能力，实现对工程教育认证毕业要求指标点的强力支撑。本课程可以作为数据科学与大数据技术、计算机科学与技术、软件工程、网络工程、计算数学、信息管理、统计学等专业的必须或者选修课程，根据对毕业要求指标点支撑的多少及强弱进行指标点的增删和权重调整即可。下一步，根据本课程的教学设计在实践教学中应用检验，不断改进教学内容、优化考核方式，达到工程教育认证的“持续改进”的教育理念。