基于OBE理念的大数据课程建设

罗旋 周司珺

摘要：基于OBE的教学理念，分析面向计算机专业的大数据技术原理与应用课程建设的思路，从课程目标、教学内容、课程资源建设、课程实施和课程评价几个方面进行了阐述。

关键词：大数据;课程建设;Hadoop;OBE

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）25-0227-02

Abstract： The ideas of the construction of the course of big-data technology principle and application for computer major are analyzed based on the teaching concept of OBE， and the course objectives， teaching content， course resource construction， course implementation and course evaluation are expounded.

Key words： big-data; course construction; Hadoop; OBE

随着大数据技术的发展和更迭，大数据应用越来越广泛。我国大数据技术的发展总体处于起步阶段。目前满足大数据技术岗位的专业人员短缺，在大数据时代，高校教育如何紧贴行业发展需求，培养和输送符合行业需求的应用型人才，为产业发展提供人才保障，是高校当前人才培养的所面临的重要问题[1，2]。

虽然目前不少高校开设了大数据技术原理与应用课程，但是在课程内容的组织、师资队伍的建设和实验资源的建设等方面都没有太多可以借鉴的经验，课程建设资源匮乏，还处于摸索阶段[3]。

本校计算机科学与技术专业开设了“大数据技术原理与应用”课程，解决大数据教育问题。作为应用型高校，学校以OBE模式培养体系为特色。OBE理念以成果为导向，强调学生所获得的能力。以学生的能力为最终目标，反向进行课程设计，开展教学活动。该课程作为大数据技术入门课程，带领学生进入大数据的领域。课程选取现在流行的大数据处理平台Hadoop作为主要学习内容。

1 课程目标与教学内容

根据OBE的理念，首先确定课程的目标，设置需要达到的目标点，反向设计课程内容，根据知识点制定教学计划、准备教学资源，提出面向能力培养的教学方法，制定过程化的评价方式。

通过对本课程的教学，需要使本专业学生对当今主流大数据技术Hadoop有一个全面的了解，具有运用该技术解决生产及生活实际应用的能力。其两个课程目标如下：

课程目标1：了解大数据的基本概念，掌握大数据处理架构Hadoop体系结构、各个组件，掌握Hadoop分布式文件系统HDFS的核心设计、体系结构、读写过程、访问接口、HA机制和Federation机制，掌握分布式并行编程框架MapReduce的基本概念和工作原理。具备大数据方向的专业基础知识。激发学生探索计算机领域中新科技、新知识、新技术的学习动力。

课程目标2：掌握Hadoop开发环境的安装部署和使用，掌握分布式文件系统HDFS的使用方法;掌握MapReduce基本应用编程开发，培养学生运用大数据技术分析问题和解决问题的实际能力。

针对以上课程目标，梳理Hadoop知识单元，确定该课程的教学内容如表1所示。

2 课程资源建设

2.1 教学资源

课程教材的选用要考虑理论和实践并重，既不能只有理论，也不能只是操作过程的讲解，让学生知其然更知其所以然。由于大数据课程开设晚，没有很多成熟的配套资源，需要收集大量的资料，建设整理有特色的数字化教学资源，如授课课件、课前导学微任务、知识点微视频、操作演示视频、案例、习题库、讨论主题、问卷、拓展资源等多样化数字化资源。大数据与时事联系紧密，多提供拓展论文、时事视频、新闻链接，提高学生的学习兴趣，让学生知道如何学以致用。将这些资源按照教学需要和进程组织，循序渐进向学生提供。学生可以在课前课后依据自身情况反复学习，直至掌握为止。

2.2 实验环境

上机实验环节是课程教学的重要一环。学生掌握了理论知识，通過上机进一步强化相关知识点的记忆，验证所学知识，理论联系实际，达到提高学生的动手能力的目的。大数据的实验面临很多挑战，大数据实验环境的搭建复杂，学生在机房上机的时间有限，如果一步没有完成，下一步可能迟迟不能开展。再者，如果需要课后做实验，在自己的计算机上开展上机实践，一是对学生的电脑配置有一定的要求，二是如果实验环境被破坏，自己可能难以修复。为了满足学生多样化学习的需求，通过搭建实验室环境和在线实验平台的方式建设多样化的实践环境。

3 课程实施

积极运用信息化教学手段，探索线上线下混合式教学模式，如利用超星公司的“一平三端”的学习通教学平台发布课程资料、管理课堂活动。

课前，学生可以预习与每节课知识点对应的5-10分钟微视频。课中，通过学习通课堂互动教学，将每个学生的学习情况可视化，更好地实现针对性教学，使教学过程更加透明化、精准化。在课堂上，教师进行知识点的梳理，对学生预习中发现的问题重点讲解，举一反三，将知识单元内容系统化，让学生掌握每堂课的重难点。教师设计教学活动，组织课堂讨论、选人、抢答、随堂练习和单元测试等教学环节。还可以通过翻转课堂，增强师生、生生间的互动，充分发挥学生的主动作用，培养学生的思考能力，从而有效提高课堂教学的效率。课后，学生可以用电脑或手机在学习通平台上学习，继续观看教学视频巩固知识，对每节课的内容进行总结归纳。

4 课程评价

构建多样性的考核及评价方式，分为过程性评价、终结性评价。学生的成绩由平时成绩、上机成绩、期末成绩综合评定而成。通过学习通平台，可以看到学生的学习痕迹，统计班级学生的学生情况，将学生课堂所参与的活动、互动讨论的表现、课堂测验的完成情况、提交的作业质量均纳入过程性评价中。让学生将精力放在平时的学习过程上，而不是考前突击，真正培养学生的学习能力。

5 结束语

大多数高校的大数据课程建设处于起步阶段，可以借鉴的经验不多。本文介绍了面向计算机科学与技术专业的大数据课程建设方法。以学生能力培养为导向，整合课程内容，建设丰富的课程资源，运用信息化工具改进教学方法，切实提高学生的大数据运用能力。

参考文献：

[1] 夏大文，王林，张乾，等. 大数据应用技术课程教学改革与实践[J]. 大数据，2020，6（4）：115-124.

[2] 桂劲松，张祖平，郭克华. 新工科背景下高校新专业建设思路探索与实践——以数据科学与大数据技术专业为例[J]. 计算机教育，2018（7）：27-31.

[3] 林子雨. 大数据技术原理与应用课程建设经验分享[J]. 大数据，2018，4（6）： 29-37.

【通联编辑：王力】