新工科下基于项目驱动的“数据挖掘”课程教学改革研究

魏伟一 张志昌 张国治

关键词：项目驱动；数据挖掘；教学改革

1引言

随着数据采集和存储技术的飞速发展，数据正以前所未有的速度增长。尤其在当前的大数据时代，数据已成为各行各业重要的战略资源。因此，对数据进行深入有效的分析与挖掘，对社会几乎所有领域的决策都变得越来越重要[1]。数据挖掘技术将传统的数据分析方法和用于处理大量数据的先进算法相结合，应用先进的数据库管理技术和大量以机器学习为核心的数据挖掘技术，为数据库中的知识发现提供有效的支撑[2]。因此，在数据科学与大数据、计算机科学与技术及统计学等专业开设“数据挖掘”课程的重要性不言而喻。

不同于传统学科导向的培养理念，新工科肩负着当前工程教育必须面向未来发展的历史重任，重构工科人才的培养新模式[3]。然而，由于数据挖掘是一门融合了数据库技术、机器学习、模式识别、统计学和高性能计算等相关领域的交叉学科，课程内容体系庞大，理论深奥且实践性又强，同时新技术发展迅速，导致教学资源建设和教学手段创新都相对滞后，教学效果也不太理想[4]。

2“数据挖掘”课程教学现状

2.1课程理论深，跨度大

“数据挖掘”课程理论深奥，而且随着应用需求的进一步发展，数据挖掘新的模型和改进算法不断涌现[5]。同时，数据分析与挖掘的应用领域逐步扩大，数据对象也日趋丰富，而当前的数据挖掘课程体系更注重理论教学，加之教学内容多、交叉跨度大，因此对于大部分学生而言学习难度偏大。此外，很多专业同时开设了“机器学习”和“神经网络”等相关课程，导致课程间的内容存在重复与冗余。

2.2课程教学方式单一

目前的教学过程仍然呈现出重基础理论轻实践的现状，没有真正建立以应用为目标和主线的课程体系和教材体系[6]。这容易导致在教学的过程中对数据挖掘基本算法介绍较多，而学生实际项目实践和过程体验较少：实验课时少，学生对相关数据挖掘工具和语言不熟。因此，这种单一的教学模式很容易导致课程教学内容枯燥与晦涩，无法激发学生的学习兴趣，使得课堂教学效果不佳[7]。

2.3创新能力培养与评价过程不完整

教学评价是合理的人才培养的重要保障[8]。然而，现有“数据挖掘”课程的培养方案未能充分体现个性化的应用需求，没有将数据挖掘技术的理论与实践、应用与创新要求有效融合[9]，而且课程的学习评价与考核方法单一，没能充分考虑学习过程的过程性管理与综合能力评价。

2.4教学资源相对匮乏与滞后

目前，数据挖掘技术的应用越来越复杂，技术与方法也在不断发展，但是教学资源存在相对匮乏以及教材中实践应用环节不突出等亟须解决的问题[10]。

3教学改革措施

3.1教学改革思路

新工科面向工程人才培养，采用成果导向（outcome based education，OBE）的培养理念[11]。在工科专业课程教学中引入案例教学法，有助于引导学生针对特定问题应用场景，综合应用多学科知识去分析和解决问题，培养工科人才的实践性和综合专业能力[12]。因此，数据挖掘教学应该面向新工科新业态，以解决实际问题为导向，摒弃传统的以单一理论和典型算法为主的教学模式，以增强学生综合应用所学理论知识解决实际应用问题的能力。同时，重点进行课程教学内容的整合与优化、教学模式的创新和课程资源的建设，从而达到创新型人才与新工科人才的新培养标准。

3.1.1建立多维度的教学组织和评价模式

针对目前教学过程中的问题，着力建立理论与实验教学、科学研究与工程实践相互渗透的新型多维度的教学组织和实践实训模式，并强化对各教学环节的管理与考核。

3.1.2创新课程的教学与学习模式

改变传统“数据挖掘”课程的以理论教学为主导的教学模式，积极探索“数据挖掘”课程的案例与项目驱动的教学模式，不断结合社会热点问题设计新的数据分析与挖掘案例。

3.1.3创建新模式下的教学资源建设

优化教学内容与教学体系，完成教学资源与平台建设，创建优质的教学团队，全方位進行教学模式的改革与创新。

3.2教学改革举措

面向新工科建设需求与领域应用，以培养学生实践与创新能力为导向，针对当前教学中存在的不足，全方位、多举措实施“数据挖掘”课程的教学模式改革。

3.2.1优化课程内容体系，改进教学模式

数据分析与挖掘是一门新兴的交叉学科，具有内容广泛、理论性强、学习难度较大等特点。而且不同学科与专业对相关理论知识的深度和应用要求也有所差异。因此，针对各专业共性需求来优化课程体系、规划教学内容、重新设计课程教学内容与综合实验过程及教学评价体系就显得比较重要。此外，在采用多种教学模式与教学资源的基础上，需要结合应用需求和当前社会热点，融人案例驱动和学科竞赛驱动的教学内容与教学模式，全面提高学生的工程实践与创新能力。

3.2.2专注专业实践需求，实现以项目为驱动的实践教学模式

以全面提升学生数据分析与数据挖掘能力为目标，以学生理论学习和工程实践为中心，面向专业实践要求，通过项目开发作为驱动，由教师设计组织项目活动过程，学生全程参与项目实践并分组研讨展示学习成果，提升学生数据分析与数据挖掘的能力，为学生将来从事相关工作奠定扎实的基础，具体学习内容和实施过程如图1所示。由此，形成以项目为驱动，以学生项目实施活动为主线，重点培养学生的数据分析与挖掘的实践能力。学生通过项目实践进一步理解数据挖掘理论，在活动中体验数据挖掘方法，改变传统的学习方法和习惯。

3.2.3面向教学实施各环节，创新全方位的综合考评方式

在对学生进行考核时，在注重理论考试的基础上，教师还应关注教学过程各环节的管理与考评，包括课前预习、课外讨论、文献阅读、项目实施、项目进展报告与项目答辩结果等维度的评判，全方位考核，切实提高学生的理论水平与创新实践能力。

3.2.4针对课程教学要求，进行教学内容优化与资源建设

当前，用于“数据分析与挖掘”课程的理论与实践教学资料数量较多，但资源分散、系统性不强，而且各项资源间交叉冗余、联系不明确。因此，需要在教学模式改革的基础上，结合技术的特点与发展趋势，优化教学内容，实时引入新技术与新理论，不断完善与优化教学资源。

4教学改革案例和成效

基于教学进度和项目计划，合理安排“数据挖掘”课程的进度和内容，如表1所列，理论教学、文献阅读及项目实施与汇报逐模块同步实施与考核。此外，在基本项目实践基础上，每学期结合社会经济发展热点更新数据挖掘（如新冠疫情数据分析与挖掘）扩展项目。同时，我校近年来积极组织学生参加kaggle、天池和中国农业银行“雅典娜”杯等数据挖掘竞赛，作为课外项目并取得了一定的成绩。

与此同时，在教学改革实施的过程中，不断优化课程内容，积累项目实训案例并编写出版教材，组建课程小组，在教改项目申报和教学资源建设方面取得了一定成效（如表2所列），真正实现了教学相长。