基于翻转课堂的大数据课程教学改革

李志杰

（湖南理工学院信息科学与工程学院，岳阳 414006）

1 大数据类课程教学现状

新工科建设背景下，不少高校新增了大数据专业，如数据科学与大数据技术专业。同时，高校已办的许多信息类相关专业，也陆续开设了一些大数据相关课程，如大数据基础、云计算与大数据、大数据实时分析等。这些大数据教育的目的是教导学生熟悉数据分析技术，能够熟练使用知识发掘方法，拥有坚实的并行与分布式计算知识，具备数据科学行业的应用能力。

大数据教育开设的大数据类课程，综合了信息论、人工智能、机器学习、数据挖掘、统计学等多学科知识，理论性较强，内容相对较新。大数据适用的应用领域涵盖商业智能、物联网、社会大数据分析、金融、医疗、通信等行业。因此，大数据相对于其他工科课程，教师教学与学生学习难度更大，大数据课程建设与教学改革的重要性更加突出。

众所周知，大数据教育是大数据时代的产物。高校大数据教育的办学目标，是要培养适应大数据时代要求的、能够帮助企业解决大数据实际应用问题的合格数据科学人才。大数据教育设置的课程，主要来源于数据管理、海量数据分析与挖掘、系统开发等大数据应用的三个主要层面。

新工科建设需要新的教育理念和新的教学方法作为支撑。然而，目前国内高校的大数据教育，教育理念陈旧、仍然使用传统教学方法进行大数据课程教学的现象，依然不同程度地存在。

（1）大数据既有基础课程的特点，更有专业背景的要求。在大数据课程教学过程中，部分教师过于偏重知识的讲解与传授，单纯地认为讲解完相关的知识点，课程的基本任务就算完成了。并且，知识传授的方式往往是“满堂灌”、“一堂言”，教师主导课堂教学的全过程。

（2）大数据的实践性特征要求课程教学要由实际项目来驱动。在项目驱动的大数据教学过程中，学生是主体，应当是知识的主动建构者，而教师应该充当学生学习的指导者和促进者。这就要求大数据教学要有意识地培养学生自动思考、互动讨论、自主学习的能力，鼓励学生主动探究、主动学习的精神，而不能把课堂教学变成学生片面依赖的场所。

（3）大数据随着相关学科的发展而快速发展，具有较强的时效性。大数据技术的新颖性、动态性、交叉性对大数据教学的实时跟踪、互动反馈过程提出了更高的要求。传统的课堂传授知识与行业背景脱节，课堂教学过程师生基本无互动、要等到课后作业甚至考试后教师才大致了解学生学习状况，这些现象必须及时做出有针对性的教学调整，回到大数据教学科学合理的轨道。

显然，要体现大数据教学的专业背景要求、实践性特征、时效性特征等需求，传统的教学方式与方法是无法达成的。以大数据项目驱动的三阶段式翻转课堂教学方式，则可以较好地满足大数据课程教学的要求，如图1所示。

图1 大数据项目案例驱动翻转课堂

2 大数据项目案例驱动的翻转课堂

大数据项目驱动的翻转课堂由课前自主学习、课内教学、课后拓展三阶段组成，整个过程由大数据项目案例驱动。

2.1 课前自主学习

（1）在线开放学习平台

建设在线学习与实验平台，给学生创造随时能够学习的实验环境，一台笔记本就可以开始实验，有网时用网络上的大平台实验，无网络时，用我们开发的实验系统也能实验。随时随地，沉浸式学习。

（2）教师设计项目案例

开发一套实验系统，教师精心设计项目案例，编写实验指导书，向学生免费开放。

（3）学生自主学习实践

学生观看慕课上的教学短视频，查阅学习辅导资料。学生组队（3～5人一组）完成按照实验指导书的要求完成初步实验，并可在线进行交互式测试。

2.2 课内教学

（1）项目小组长汇报

经过课前在线自主学习阶段以后，拥有了一定的亲身实践经历，由项目小组长简明汇报他们的经验、收获与遇到的问题。

（2）讨论与评价

教师根据学生遇到的典型问题，组织学生主题讨论与交流，相互解答并进行评价，培养学生探究问题、解决问题的能力。

（3）以项目案例组织教学

针对学生初步实验与在线交互式测试中面临的共同问题，由教师在理论教学中，以案例应用为载体，采用以点带面的思路进行教学内容的组织，细化教学目标，编写教学讲义，并完成学生实验案例中相关问题的解答。

2.3 课后拓展

与课前自主学习和课内教学阶段一样，课后拓展阶段需要教师与学生共同参与。

（1）教师

①整理发布课堂总结

教师要在课内教学阶段结束后，归纳整理课堂教学知识内容，总结课堂探究中学生容易出现的问题，并向学生在线发布。

②分析在线学习行为

根据学生的在线学习日志数据，挖掘学生的学习行为与偏好，有针对性地引导和监管学生的课后学习。

③指导学习实操活动

辅导学生完成课程设计。鼓励学生课后进行知识拓展，参加技术竞赛，并提供指导。

（2）学生

①完成课程设计

只靠10几个课程实验学时，只能完成实验环境及基本技能训练。还要通过工程实训与课后学习等环节完成课程设计。

②参加技术竞赛

数据科学人才仅仅在课堂上的培养是远远不够的，需要通过实操的方式来学习知识。技术竞赛是最好的实操，考验着参与者全方位的技能，也能在短期内最大程度地激发人的潜力。

③巩固与分享知识

学生通过查阅课堂总结、完成工程实训课程设计、参加技术竞赛等方式，课堂教学获得的知识得到巩固、内化与提升。通过小组论坛，学生也可以分享学习体会和学习经验。

3 翻转课堂教学模式的关键问题

大数据项目案例驱动的翻转课堂要想取得成功，有三个关键问题先要得到解决：如何解决大数据项目案例少的问题，教师应对教育革新的能力储备问题，以及如何激发学生的创造力问题。

3.1 如何解决大数据项目案例少的问题？

以大数据项目案例驱动大数据类课程教学，项目案例是很关键的环节。然而，围绕大数据项目案例问题，存在不少挑战。

首先，现有的可用于教学的大数据项目案例太少。一般来说，大数据项目对计算资源的需求大、实验门槛高、需要完善的平台支持、课件以及教师的知识结构都需要更新等，使得寻找合适的大数据项目案例困难重重。

针对大数据项目案例少的问题，我们可以考虑以下应对策略：

（1）将科研中的项目引入教学。要想尽办法让相关教师多申请大数据项目方面的课题。

（2）任课教师去企业考察、调研和学习，参与大公司的实际项目。

（3）发动团队一起来开发新的大数据项目教学案例。

（4）引入工业界广泛应用的框架和平台，如Spark、TensorFlow等，缩短教育界和产业界的距离。

3.2 合格的师资哪里来？

大数据教育对教师提出了更高的要求。教师既要对计算机等信息类学科有较深的认识和理解，又要熟悉大数据应用技术，特别是要有大数据实际系统开发经验。

目前相当多的高校，尽管已开设了大数据相关专业或课程，却存在着师资严重缺乏的现象。由于数据科学人才需求旺盛，愿意进入高校从事大数据教育的人才非常少。现有的师资大多来源于计算机等与大数据相近的学科，匆忙上阵，多数教师并无大数据项目经验。由于时间紧迫以及经费不足等原因，培训机会也不多。

合格的师资哪里来？

（1）大数据教学不是单纯的课堂理论教学，它的实践性要求由项目案例驱动教学。教师需要科学研究的积累，才能设计出好的大数据项目案例。教师要想尽办法多申请或参与大数据方面的课题。

（2）加强与企业的交流与合作，参与大公司的实际项目。大数据教育工作者最缺乏的就是易于理解与操作的实例，而这些实例恰恰不在高校，而在企业中。

（3）有计划地选派教师参加大数据师资培训。由于大数据与行业结合紧密，培训最好结合企业实际案例，切实提高教师对应用层面项目的实战教学能力。

（4）鼓励教师申请MOOC，积极采用现代教育技术，建设大数据精品课程。在项目案例驱动的MOOC建设中，引入工业界广泛应用的框架和项目案例，开发实验系统平台，编写实验指导书，开放在线学习与交流平台，大数据MOOC建设过程也是教师教学能力与水平的一次全方位的提高。

3.3 学生的创造力如何激发？

大数据翻转课堂教学改革的关键点，是如何激发学生的创造力。

学生课前自主学习，“先做后学”，有了亲身经历的初步实践经验，就会自发产生学习未知知识以及进一步探索的欲望，有利于培养主动学习、主动探究的精神。

课中教学阶段，教师根据学生遇到的典型问题，组织学生主题讨论与交流，相互解答并进行评价，培养学生探究问题、解决问题的能力。

优秀的数据科学人才，仅仅在课堂上的培养是远远不够的。社会需要的是真正能发挥作用的人才，而不是仅仅纸上谈兵的学霸。为了破解这个难题，大数据项目案例驱动的翻转课堂教学，强调让学生通过实操的方式来学习知识，将社会需求和深度知识融合到一起。

让学生通过实操的方式来学习知识，这才是培养新型复合型数据科学人才的关键。而最好的实操，就是技术竞赛，让初出茅庐的“嫩芽”通过真刀真枪的比拼来显露锋芒。技术竞赛创造了一个平台，考验着学生理论储备、实践能力、创新精神等全方位的技能，促进学生跟技术的发展建立更加紧密的联系，也在短期内最大程度地激发学生的潜力。

4 结语

翻转课堂是一个跨越虚拟在线与实时交流、涉及多要素（教师、学习者、主题、学习材料和情境）协同的混合式课堂结构。借大数据类课程教学建设的契机，我们借用翻转课堂的理念，设计以案例为载体、重互动的教学方法，同时充分发展现代MOOC教学手段，保障教学计划实施。实践表明，大数据项目案例驱动的翻转课堂更容易激发学生的学习兴趣和对理论的理解，是高校大数据类课程教学改革实践的一次有益尝试。