基于需求驱动的数据挖掘课程教学改革研究

2020-04-22 20:37郭岗磊武苗苗
无线互联科技 2020年4期
关键词:数据挖掘教学改革

郭岗磊 武苗苗

摘   要:随着移动互联网、人工智能、物联网等信息技术的应用,许多行业的数据呈爆炸式增长。挖掘、分析海量数据背后的规律及趋势,已成为当前各行业研究的重点。面对社会发展和学科发展的需要,各高校许多专业开设了数据挖掘课程。然而,学生的基础和专业需求有所不同,有必要重新对课程进行定位、调整课程体系、优化课程内容、转化课程方法,采用多元化的考核形式,全面提升数据挖掘课程的教学质量。文章对此展开了分析。

关键词:需求驱动;数据挖掘;教学改革

随着移动互联网、云计算、物联网、人工智能等信息技术的普及,人们已经进入大数据时代,面临海量的数据信息。如何挖掘和分析海量信息背后所存在的规律、模式和趋势,已经成为当前各行各业研究的重点。对此,为适应经济社会的发展,相当一部分专业已开设了数据挖掘课程。数据挖掘是一门综合性很强的交叉学科,涉及统计学、数学建模、数据库、高性能计算、模式识别和机器学习等多学科的相关内容,是一门以数据理论知识为基础、以方法论为核心,重视创新能力培养与训练的综合性学科[1]。

1    数据挖掘课程教学中存在的问题

目前,国内许多高校已经开设了数据挖掘相关的课程,但在课程的理论与应用层面上还与社会需求存在较大差距。总体来看,存在以下几方面的问题。

1.1  课程定位不清楚,不能满足社会、学生和学科发展需要

目前,开设数据挖掘课程的专业比较多,除了计算机类专业,还包括一些计算机能力比较薄弱的经管类专业。不同的学生对课程的需求及掌握程度有所不同。很多专业开设数据挖掘课时存在定位不清的问题。在开展教学设计时,过于强调理论性教学,而没有针对专业和学生需要进行应用实践设计。事实上,不同学科对数据挖掘课程的内容和实践是有所區别的,如果不能针对专业和学生特点对课程进行定位,就会导致数据挖掘课程的适用性和实用性都不强,不能满足社会需要,也不能满足专业和学生需要。

1.2  课程体系有待优化

数据挖掘课程是一门新兴交叉学科,包括统计学、数学建模、数据库、高性能计算、模式识别和机器学习等方面的知识,涉及的知识内容广泛、理论深奥,学习的难度也比较大。而目前的课程体系重视理论教学,内容多、难度深,忽略了专业英语,缺乏专业性特点,且对某些学生来说学习难度偏高。此外,不同的专业对本课程的学习需求有所不同,因此,本课程体系有待优化,有必要简化理论知识,强化学生数据挖掘的实践能力。

1.3  教学方法比较单一

数据挖掘课程的教学内容枯燥晦涩,而当前高校主要采用教授授课的单一教学模式。这种教学模式难以激发学生的学习兴趣,使得数据挖掘课堂的教学效果不佳。

2    数据挖掘课程的需求驱动因素

2.1  大数据时代对数据挖掘人才的需求

随着移动互联网、大数据云计算和人工智能等技术的发展,数据挖掘已经广泛应用于财务金融、电子商务、市场营销、加工、通讯、物流、生化及社会医疗服务等多个领域。这些领域的快速发展已经离不开数据发掘的发展。近年来,这些领域对数据挖掘人才的需求迅速增加,而相关人才的培养严重滞后于需求。目前,数据挖掘人才的缺口很大,很多企业高薪都难以聘请到相关的人才。总体来看,数据挖掘的人才培养远远不能满足社会发展的需要。因此,有必要加强对学生数据挖掘知识与应用的培养。

2.2  学科专业发展产生数据挖掘课程内容需求

到2018年年末,已经有35所高校申报了大数据相关专业,全国有70%以上的高校开设了数据挖掘相关课程,除了计算类专业,还包括通信控制类专业、数学类专业、经济管理类专业等。不同的专业面向的学生不同,其对数据挖掘的知识和技能要求也有所不同。此外,数据挖掘课程对数学和计算机基础类课程有所要求,而对于一些专业来讲,这些知识和技能相对比较薄弱,相关课程衔接存在一定问题。对此,有必要针对这些问题,对数据挖掘课程体系及教学内容进行改革和优化,以满足各学科发展的需要。

3    数据挖掘课程教学改革探索

通过分析数据挖掘课程存在的问题及相关需求,有必要在课程体系及内容、教学方法和教学评价等方面进行改革。

3.1  课程体系的改革与优化

数据挖掘是一门新兴的交叉学科,包含统计学、数学建模、数据库、高性能计算、模式识别和机器学习等多学科的知识。其理论知识深、内容广泛、学习难度大,且不同学科对相关理论知识的深度和应用要求也有所不同。因此,有必要针对不同专业优化课程体系。在此,以经济管理类专业为例进行说明。经济管理类专业的计算机水平和数据基础相对比较薄弱,他们主要学习对经济、营销等方面的大数据进行挖掘和处理,从中发现经济发展规律,而数据挖掘的知识和理论对于他们来说比较难。对此,在课程系统构建上,可以设置一些先修课程,如统计学、管理运筹学、数据库原理与应用、程序设计等。通过这些基础课程的学习,让学生掌握数学及计算机相关理论知识,从而为数据挖掘课程的学习打下基础。

3.2  教学内容的改革与优化

根据学科要求,对数据挖掘教学内容进行优化。不同学科对数据挖掘应用的要求有所不同,数学类和计算机类专业学生对数据挖掘要求比较高,他们需要详细掌握数据挖掘的相关算法及应用,还要能自己编程设计新的数据挖掘和机器学习等算法。这类专业就需要在数据挖掘相关理论知识上有足够的深度和广度,甚至需要通过多门课程来学习数据挖掘相关内容。对于经济管理类专业,由于其主要要求对经济数据进行挖掘分析处理,理论知识要求相对较低。对此,可以简化数据挖掘的理论知识,强化数据挖掘在经济管理方面的应用实践,通过引入经济管理方面的数据挖掘项目[2]和竞赛[3]来提高课程的实践性,同时通过完成项目的实践来强化学生对数据挖掘理论知识的学习与应用。

3.3  转变教学方式

传统的数据挖掘教学方式过于单一,偏重于数学模型和算法的理论学习,内容枯燥、晦涩难懂,学生的学习兴趣往往比较低,课堂教学效果也不佳。对此,有必要转变教学方式,引入项目驱动和竞赛驱动的教学模式,同时可以借助网络资源开展翻转课堂的教学方式。让学生在课前通过网络学习理论知识,课中通过项目学习数据挖掘方法的具体应用。这不仅提高了课程的实践性,还能够通过项目和竞赛来提高学生主动学习的兴趣和积极性。同时,教师进一步讲解课程的难点和重点,让学生能够在做中学、学中做。教师在授课过程中,应该尽量结合当前流行的教学手段和方法,如雨课堂等,提高学生的学习兴趣和主动性,通过学习数据监控学生的学习效果[4],及时发现并反馈学生学习过程中存在的问题,确保学生真正掌握数据挖掘的方法和技能。

3.4  教学效果考核与评价的改革与优化

传统的数据挖掘课堂采用期末考试的方式来考核,内容主要为理论知识,而对技能和实践的考核则相对缺乏。数据挖掘本身就是一门实践性很强的课程,需要理论与实践相结合。因此,有必要转变原来单一的考核模式,采用多元化的考核方式。对此,考核成绩可以由平时项目实践成绩、作业成绩、竞赛加分和期末考试成绩组成。通过提高平时作业和实践成绩的考核比例,促使学生积极主动学习。对于不同专业的学生,可以根据其兴趣爱好对考核内容和项目进行调整,鼓励理论知识好的学生改进算法、钻研模型、做出创新;对于实践技能比较好的学生,可以鼓励其参加学科竞赛等。

4    结语

随着经济、医疗、人工智能等领域信息数据量的爆炸式增长,要掌握当中的发展规律就离不开数据挖掘技术。因此,数据挖掘技能和方法就成了当代大学生必备的社会技能之一。鉴于许多高校的相当一部分专业开设了数据挖掘课程,从社会需求和学科需求出发,结合当前数据挖掘课程存在的一些问题,本研究认为,有必要重新优化课程体系和课程内容,转变教学方式,采用多元化的考核方式,提高学生的学习兴趣,从而全面提升其数据挖掘的理论和技能水平。

[参考文献]

[1]梁吉业,冯晨娇,宋鹏.大数据相关分析综述[J].计算机学报,2016(1):1-18.

[2]范祺,朱昌杰,肖建于,等.以项目驱动的数据挖掘课程教学改革的研究[J].科技信息,2012(11):9-10.

[3]修宇,刘三民.基于“竞赛驱动”的数据挖掘课程教学改革探索[J].福建电脑,2018(2):75-76,79.

[4]汪一百.網络资源驱动型的数据挖掘课程教改分析[J].信息与电脑,2016(14):247-248.

猜你喜欢
数据挖掘教学改革
基于并行计算的大数据挖掘在电网中的应用
一种基于Hadoop的大数据挖掘云服务及应用
数据挖掘的分析与探索
基于GPGPU的离散数据挖掘研究