基于ARCI的高职院校大数据专业Python课程教学模式研究

汤 卫，杨 赟，陈玉玲，杨茂松

（1.贵州广播电视大学 信息工程学院，贵州 贵阳 556000；2.公共大数据国家重点实验室（贵州大学），贵州 贵阳 550025；3.贵州电子商务职业技术学院 基础教研室，贵州 贵阳 550003）

0 引言

目前大数据行业快速发展，为了在大数据中发掘价值，自2013 年来，国家已经相继成立8个国家大数据试验区，这直接导致了大量的人才需求和市场前景[1]，这也使得众多高职院校相继开设大数据相关专业[2]。有学者根据国内外相关院校的实际情况及经验，对高职院校制定科学的课程体系和培养方案，规划教学资源、师资及环境等方面进行了研究[3]。

在以市场需求为导向的环境下，本科高校以培养理论型和应用型人才为培养目标，高职院校以培养技术型和实战型人才为培养目标。特别是校企合作办学开展订单式、精准化的培养，使高职院校成为重要的人才培养基地，而选用Python为核心教学语言符合市场需求和学生发展[4]。

Python 以简洁、高效、生态等特征为人们所喜爱，国内外众多科研院校已经在这方面获得了巨大的成功[5]，同时提出许多Python 课程的教学模式，如CDIO 教育模式[5]、基于在线开放课程的混合教学模式[6]、MOOC+翻转课堂的多元化教学模式[7]、基于OBE 理念的教学模式[8]等。这表明Python 课程的教学模式必须贴合学情和教学实际，体现应用导向和市场需求。

高职院校大数据专业的Python 课程，应充分了解高职学生的情况，梳理专业课程结构，合理安排课时和教学内容，改进教学方式和形式，以促进学生的积极性，尤其是对大数据专业应该更加关注统计分析和数据处理等知识，努力寻求各相关课程之间的知识融合。由此许多学者提出基于应用倒逼和课程融合的教学模式，并根据培养目标设计教学考评和反馈机制，使其适合于高职院校大数据专业的教学需求[9-11]。

1 Python课程教学现状和问题

1.1 Python语言特点和发展现状

Python 自面世以来，成为继Pascal、C、C++、Java、C#等之后的一门简洁高效的语言。同C、C++和Java 等相比，Python 有以下优势。

（1）简单易学。Python 语法简单，操作简单易学，使学生能专注于解决问题而非语言本身。

（2）解释性。Python 程序可以直接从源代码运行程序，这使得它更加简单，更易于移植。

（3）面向对象。Python 语言是既支持面向过程的编程又支持面向对象的编程。

（4）可扩展性。为提升效率，可采用C/C++来编写关键代码，然后在 Python 程序中使用它们。

（5）混合编程。Python 与其他语言能很容易地混合编程，方便利用各种工具包，提高开发效率。

（6）丰富的库。Python 有强大的标准库，并且Python 的生态系统开始拓展到第三方包。例如用于Web 框架的Web.py，用于科学计算的Numpy，以及用于数据可视化的 Matplotlib 等。

各大高职院校相继以Python 语言作为计算机相关专业的基础语言，不仅适合学生教学需求还很容易被学生所掌握，这对提高学生学习兴趣有着重要的意义。

1.2 高职院校大数据专业的Python课程情况

鉴于Python 越来越受到业界的支持和欢迎，国外很多高校将 Python 作为程序设计教学语言。在 MOOC 等在线教育平台上，有自南京大学等众多高校的Python 课程，然而高职院校对Python 的教学实践和研究工作还远远不够。高职院校大数据专业为了适应专业的特点和人才需求，各高校已经逐渐将基础语言从Java 转变为Python。

首先，高职院校大数据专业是培养具有大数据思维、数据分析能力与计算机技术的人才，注重应用性和实战。该专业是以计算机学科知识为重点，充分融合了各个学科理论与知识的一个交叉专业。与本科相比，学生培养的层次稍低，注重技术型实战型人才培养，就业主要面向技术性工作。与本科重理论、厚基础、轻应用相比，高职院校大数据专业具有重应用、精准化、技术化等特点。

其次，高职院校大数据专业的Python 课程应该更加体现职业性、应用导向性。在大数据专业的课程体系中，数理统计等基础课程应该提前开设。就目前的现状而言，很多高职院校Python课程的配套课程缺失严重，学生不能及时把握重要的基础知识，导致学生学习吃力。

1.3 Python课程教学中存在的问题

1）学生方面的问题。

就高职院校的招生方式和生源结构来说，招生方式逐年发生变化。高职院校的主要招生渠道包括高考统考、自主招生、中职推优三种方式，其中自主招生的生源比例正逐年增加，部分院校自主招生比例超过60%。对于高职生源结构的特点，首先高考统考的学生基础普遍比自主招生的基础和素质偏好，这一类学生具有较强的可塑性。其次由于自主招生的方式灵活、程序简化，是有效的选拔方式，具有较强的针对性。生源虽然是基础较差的高中生和部分中职生，但这群学生职业目标突出。最后是中职推优的学生，学生职业目标较强，经中职专业学习和实践可塑性较强。这类学生的基础理论最差，导致在高职阶段的理论学习非常吃力。

表1 高职院校生源构成和比较

2）教学方面的问题。

教学方面主要存在教师知识掌握不够、教学方式设计不灵活、教学设备缺失、缺乏市场应用导向等问题。解决措施有：加强教师对Python深入学习和研讨，力求教师能够全面把握Python核心专业知识和实操能力；通过集体备课、教学观摩等方式加强教学方式的调整；同时派教师深入企业参加生产实践，促进教师掌握市场需求，以便把握教学方向和重难点；通过校企合作培养的模式，着力解决教学设备缺失老化等困难。

3）课程方面的问题。

高职院校Python 课程主要问题是教材选用、教学大纲的设计、课程的考评机制等问题。一般来说，为适应高职学生的基础，可以选用应用性和难度较低的Python教材，很多院校选用《Python程序：从入门到精通》，开设课时数为72 学时。

2 基于ARCI的Python教学模式设计

Python 课程有很多教学模式，其中较为常用的有CDIO 工程教育理念模式、基于在线开放课程的混合教学模式、“MOOC+翻转课堂”的多元化教学模式、基于OBE 理念的教学模式。针对Python 课程存在的问题，结合高职院校的大数据专业特点和学生发展要求，基于ARCI 的Python教学模式主要结合CDIO 工程教育理念模式和OBE 理念的教学模式等优点。

CDIO 工程教育理念是指构思（conceive）、设计（design）、实现（implement）和运作（operate），是由美国多所大学提出的教育理念，它以现代产品的生命周期为蓝本，以重视学生实践能力、学习能力以及系统掌控能力培养为主题，培养学生的工程科学能力、知识能力、终生学习能力、团队协作能力和职业能力。运用CDIO 模式需要巧妙设计教学目标，合理规划实施步骤，加强教学考评，其中通过学习Python 掌握编程理念和基本知识，通过编程实践培养程序思维能力和设计能力，通过项目化的学习实现数据分析和创新应用的能力。基于上述3 种核心能力的教学目标应该综合考虑学生的基础状态和职业要求，所以在具体的教学实施环节中应该与学生多交流，采用教学过程分阶段、分阶梯的模式，需要统筹兼顾各个学生的差异[5]。

OBE 理念教学模式主要是按照“逆向设计、正向实施”的方法，对Python 课程的教学目标、教学内容、教学方法和教学成果评价方案进行相应的改革设计和探索。在Python 课程中实施基于成果导向的教学模式，使学生明确课程教学目标，理解应该达到的能力，从而激发学习兴趣，提高Python 课程的教学质量和学习成效[8]。

2.1 ARCI教学模式的基本理念

在CDIO 理念和OBE 理念的教学模式基础上的ARCI 教学模式理念有两个。应用倒逼是指在大数据专业的教学过程中注重应用导向和市场需求，以此为培养目标倒逼教学内容和教学模式的设计，一切教学中心围绕学生的实际应用需求和专业发展来开展，在整个学习周期内逆向构思教学内容，正向实施教学设计的过程。教学融合是指充分考虑专业的特色，将Python 课程与相关课程展开深入融合教学，通过在课程结构和教学内容方面相互促进，对Python 课程展开全面的梳理。一方面要求教师能够将Python 数据分析等知识串联互讲，另一方面需要对学生在整个学习周期内进行多方面融合教学。

2.2 ARCI教学模式的核心要点

（1）需求和学情分析。一是根据高职院校学生的未来职业发展要求和市场动态，将实际需求与Python 课程教学内容比对分析，按培养目标编写大数据人才需求报告；二是需要充分考量学生的基本情况，对于高职学校的学情按照因材施教的原则进行教学，开展针对性的教学。

（2）目标任务分解实施。按照培养目标分解任务，依照应用需求和学情报告，选用合适的Python 教材，同时编写讲义作为补充。将教学任务分解为认知阶段基础知识教学、能力阶段技能教学和创新阶段项目实战教学。

（3）教学融合和实践反馈。开展教学实践，对教学过程中融合各相关学科知识，并通过教学实践反馈教学效果。面向大数据分析的Python课程相关知识包括统计分析知识、计算机基础知识和项目实施管理等方面的知识。

2.3 ARCI教学模式的实施过程

ARCI 教学模式的实施主要分为基础理论教学、实验实践教学和项目实战教学3 阶段。具体如下。

（1）基础理论教学阶段。由于Python 课程基础知识的关键作用，在此应做好3 方面的教学工作。一是做好数学及相关基础知识的教学工作，高职院校大数据专业的培养目标是培养具有大数据分析和处理能力的人才，这就需要学生掌握统计分析及计算机等方面的基本知识，如果学生缺少相应的知识，那么将无法完成培养目标。二是做好Python 基本知识技能的教学，根据选用的教程完成课程知识梳理和准备，切实做好基础理论教学。三是做好项目实战的相关知识学习。若要按市场所需培养学生的项目实战能力，那么在此阶段就应包括项目实施和管理的一些基本知识，如项目需求报告和实施方案的编写、项目流程图的设计等知识。

（2）实验教学阶段。一切教学成果都要用实践标准检验，着力提高学生的应用意识和实操能力。在实验教学阶段，围绕培养目标和时间顺序开展教学。首先是把握好课堂的实验教学，教师实时把握学生的学习状态和薄弱环节，有助于及时调整教学进度等。其次是严控课后的自学实验，学生独立完成课程实验实操作业，要求学生对基本技能重复练习直到熟练掌握。最后是以任务驱动学生形成团队，共同完成具有综合性实践任务，一般这样的任务在课程一个章节一次最佳，任务难度需要根据学生情况进行设置调整，任务难度应具不同难度梯次可供学生自由选择。

（3）项目实战教学阶段。经过对理论和技能实验的学习，学生已初步掌握程序编程和设计能力，但是学生还缺乏对项目运作的经验和能力。此阶段通过学生组队完成教师设置的项目，这不仅需要设计好项目实施计划和要求还要求教师全程参与指导。在校企合作背景下更应该让学生参与实战项目中，切实参与完成项目任务以提高学生的综合能力。

图1 ARCI教学实施过程

2.4 ARCI教学的全面融合

由于大数据专业的学科交叉性和Python 课程的应用广泛性，需要充分融合各相关学科知识为Python 课程教学服务。

（1）理论知识的融合。教师需要厘清知识体系和脉络，将统计分析、数据挖掘、程序编程等知识进行深入融合，形成有效的教学内容组合。

（2）专业技能的融合。无论是在课堂技能学习还是顶岗实习阶段，教学内容应该充分融合Python 和其他相关技能，全方位提升学生实践能力。一方面借助企业工程师为学生开展Python 应用分析，培养学生理实结合的能力，大力实施任务驱动、项目管理的模式，充分发挥Python 课程核心课程作用，推动从基础理论到技能的融合。

（3）项目经验的融合。以实战项目驱动的学习主要是为了完成学生能力提升和角色转变。这不仅检验学生基本技能，同时还展现学生的实际项目操作能力。通过学生自学和研讨凝练所学知识、提高创新能力、拓展发展空间，快速提升学生综合能力。ARCI 教学融合方法如图2 所示。

3 ARCI教学模式考评和反馈机制的构建

教学质量反馈是教学的生命线，故须注重每个环节的教学效果反馈。ARCI 教学模式的教学考评和反馈机制分为两步，一是考评办法，能公平公正地完成学生日常学习成果考核；二是反馈机制，通过考核结果和师生沟通进行反馈，核心是及时掌握学习质量和不足，从而调整教学重难点和策略。

实施课堂考核、项目考核和期末考核为一体的形成性考核体系，更加公平地评价学生的学习效果，并将考核依据作为企业选人的重要依据。针对不同阶段的考核结果，教师实施课程进度、重难点、项目难度和团队匹配等的调节，具体如图3 所示。

图2 ARCI教学融合方法

图3 考核指标比重和反馈机制

4 结语

基于ARCI 模式的 Python 课程教学改革的多项措施已应用于日常教学，从教学效果及学生反馈来看，课程改革取得了一定成效，其中基于应用导向和课程技能融合的教学挖掘出很多学生的潜力，他们已经具备独立承担小型项目和参与中型项目的能力。可以看出，基于ARCI的教学模式能更好地达到教学目标，提高学生成绩、提升实践能力，对学生未来专业发展有极大的促进作用。