面向研究生思辨能力培养的数据挖掘课程教学实践

叶志伟，高 榕，林 姗，邓 娜

（湖北工业大学计算机学院，湖北武汉 430068）

0 引言

计算机及相关技术的快速发展有力推动了新一轮科技革命的兴起，新基建如火如荼，数字技术驱动新生产蓬勃发展。据2021 年中国信通院发布的《全球数字经济白皮书》显示，中国数字经济规模逼近5.4 万亿美元，德国、英国、美国等发达国家数字经济占GDP 比重超过60%。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》安排专章部署“加快数字化发展建设数字中国”，强调“打造数字经济新优势”，这为我国数字经济发展提供了遵循和指导。智联招聘发布的2020 年新基建产业人才发展报告显示，新基建核心技术人才缺口长期存在，计算机专业本科和硕士人才薪酬持续走高。

研究生教育在中国高等教育中起着重要作用，研究生不仅是中国高层次人才的后备力量，也是建设创新型国家的重要基础。为了实施科教兴国战略，我国研究生每年以6%左右的速度扩招。虽然研究生扩招的根本动力是源于经济社会发展水平提升对高层次人才需求的增长，然而数量的扩招对培养质量提升带来了挑战。如何在大规模扩招背景下确保研究生培养质量持续提升，实现研究生教育高质量、内涵式发展是研究生教育工作者的共同话题。课堂教学是学校实现人才培养的基本途径，但目前地方高校研究生课程教学中还普遍遵从传统的“课堂、教材、教师”这3 个中心，很多研究生学完一年课程，思辨能力也没有得到有效提升。为提高研究生思辨能力，课程组重构数据挖掘课程教学设计，基于学习金字塔理论，利用思维导图并借助翻转课堂，课堂上引领学生提问，从而打造思辨课堂，以期通过该课程学习提高研究生思辨能力，为研究生创新能力培养打下坚实基础。

1 相关工作

1.1 研究生思辨能力现状

创新是社会发展的驱动力量，拥有批判性思维（思辨能力）是具有创新能力的前提。《中华人民共和国高等教育法》和《中华人民共和国学位法》明确指出，硕士研究生教育应当使学生掌握本学科坚实的基础理论、系统的专业知识，掌握相应的技能、方法和相关知识，具有从事本专业实际工作和科学研究工作的能力。批判性思维能够增强硕士研究生的科研能力和创新能力，研究生阶段的教育应该将批判性思维培养放在更为突出的位置。越来越多的学者都意识到思辨能力是培养研究能力和创新能力的基础，如何培养学生的思辨能力成为日前教育改革的焦点。孟祥云研究显示，国内的批判性思维教育课程设置主要偏重于哲学和逻辑学方面的培养，专业性、针对性和系统性存在一些不足。殷兰基于Facione 的双维模型在湖南大学抽取典型样本，对文科与理工科研究生思辨能力进行对比研究。陈富等对陕西省某重点大学研究生批判性思维能力进行测查与评估，结果显示，研究生批判性思维能力培养现状不容乐观，研究生的思辨能力并未随年级的升高而提高。外语教学中研究生思辨能力培养也得到了很多关注，相关研究结果显示，大部分学生缺乏提出问题的意识和解决问题的思路，思辨能力培养有待进一步提高。

1.2 相关理论基础

1.2.1 学习金字塔理论

Fig.1 Learning pyramid theory图1 学习金字塔理论

1946 年，美国学者埃德·加戴尔（Edgar Dale）率先提出了“学习金字塔理论”，他将学习分成7 种方式，具体如图1所示。学习金字塔理论显示：采用不同的学习方法学习两周之后，达到的学习效果完全不同，如果仅靠听讲，学生知识记忆保留率为5%；如果是学习以后与别人分享、沟通并讲授，知识记忆保留率则高达90%，两者之间差距接近20倍。因此，教师应积极转变教学方式，开展多层次、多维度的综合教学。学生则需要努力转变学习方法，由被动听转变为主动学，多感官综合学习。通过这样的方式，学生在参与互助中掌握了知识，进一步通过实践生成能力，真正实现从知识到能力的转化。目前，学习金字塔理论在国内外得到广泛认同，取得了较好的实践效果。

1.2.2 思维导图

创新思维以记忆能力为前提，能力以知识为基础，因此一些基础理论知识的记忆必不可少，拥有详尽的背景知识是提升创新思维能力的关键。思维导图与创新思维具有一定相似性：创新思维需要从多角度、多方面思考问题，思维导图是一种发散性思维方式，可帮助学生扩张思考水平的广度和深度。目前在国内很多课堂上，思维导图得到广泛应用。实践表明，运用思维导图可以增强逻辑思考能力，提升创新思维能力。因此，在本课程教学构建中将思维导图和研究生思辨能力提高结合起来，通过思维导图激发学生的发散思维。

1.2.3 翻转课堂

翻转课堂（Flipped Classroom）指重新调整课堂内外时间，将学习的决定权从教师转交给学生，其目的是让学生的参与度更强。李琳等探索了翻转课堂与传统教学结合的计算机网络原理课程教学，取得一定成效。目前，基于“互联网+”的O2O 翻转课堂、讨论式、“慕课+翻转课堂”课堂已经在研究生教学中有一定程度的探索。

总体而言，以上3 种理论和技术分别在教学实践应用中取得了较好效果。然而，将它们三者结合并用于计算机专业研究生思辨能力培养教学实践仍处于初步阶段，需在实践过程中进一步完善和提高。

2 课程设计

高质量的问题是启发批判性思维的关键。数据挖掘课程内容蕴含着丰富的自然科学知识，与广泛的工程应用技术密切相连，这些内容是培养并提高学生思辨能力的良好素材。利用数据挖掘课程作为载体，提炼出多种多样的问题以引导学生进入更深层次的思考，可以培养和提高研究生的思辨能力。研究生的学习以高级目标（分析、评价、创造）为主，通过提问可以提高研究生的高阶能力。在学习金字塔理论指导下，利用思维导图与翻转课堂构建知识间的连接，从而促进学生思辨能力提升。基于以上认识，对思辨能力培养的逻辑起点和输入进行思考，形成如图2所示的课程教学思路。

Fig.2 Thoughts of course design图2 课程设计思路

学习金字塔理论具体实施思路是采用分组学习策略，将参与课程学习的研究生分成若干小组，提供线上优质课程资源，学生线上完成知识点自学；然后课堂上以小组为单位进行知识点讲解。此外，由于数据挖掘课程理论性强、课程信息量大、知识点多（包括数据预处理、分类、聚类、回归、关联规则、集成学习、进化计算、深度学习等），学生普遍感觉课程知识点连贯性不强，缺乏对知识的系统性理解和掌握，将零散知识点有机结合起来进行运用较为困难。课程组考虑利用思维导图帮助学生建立课程细粒度知识点的整体框架与结构，通过思维导图引导学生构建知识点链接，积极发散思维，理性反思遇到的相关问题，甚至提出新问题。

3 教学实施

3.1 理论课堂实施

根据上述设计，学生主讲自主课堂实施如下：

（1）第一堂课由课程组教师主讲。首先介绍本门课程的授课和考核方式，然后给出课程整体思维导图，完成关于数据过去和未来的综述性讲述。在第一堂课后，提供相关学习资料，在线课程资源信息如下：赵卫东：商务智能（商务数据分析）（超星尔雅）；袁博：数据挖掘理论与算法（学堂在线）。接着进入学生自主讲授课堂环节，间隔设置为4周以上，以便给予学生充足的线上学习时间。

（2）以2～3 人小组为单位对研究生进行分组。要求学生自主讲授内容覆盖数据挖掘核心算法和前沿领域算法（随机森林、极限学习机、均值漂移聚类、谱聚类、生成对抗网络、长短期记忆人工神经网络、深度强化学习、注意力模型、自监督学习等）。针对学生讲座报告PPT 给出模板，同时要求每组学生录制一段15～20min 的专题内容报告视频。报告内容包括算法原理层面、算法应用层面和算法优缺点的阐述以及有无改进思路。

（3）每个小组课堂讲解时间控制在15～20min。由于受应试教育影响，学生普遍愿意当一名课堂听众，很少主动参与课堂讨论。因此，在小组完成报告以后，针对报告内容，主讲教师引导学生提问和组织课堂讨论，比如首先问算法优缺点背后的原因，有主讲小组学生回答，然后继续提出其他问题，学生在观察、模仿其他学生提问和回答问题的过程中逐渐掌握提问方法。课堂提问、讨论和主讲教师综合点评时间为15～20min。上述过程使学生经历“知识—应用—评价—反馈”合理表达的思辨过程，从而形成深刻理解和反思，提升思辨能力。

3.2 课程考核实施

考核是对学生学习成果的认定和评价，良好的考核机制能对学生的学习过程和学习动机产生正确的指引作用，促进教学质量提升。对于课程考核，以思辨能力和创新能力培养为导向，采取多元的考核方式，对课程考评方式设计如下：

（1）小组课堂报告和课堂表现占比15%，各小组提交报告PPT 和相关课程案例，并说明小组成员分工和协作情况。报告内容起评分不超过80 分，综合课程组教师和参与课堂学生打分折算得到，另一部分为报告内容获得学生提问的得分，每获得一个提问并能准确回答问题得5 分，最高20分封顶，每位学生累计提出不少于3个问题。

（2）课程实验占比15%，选择课程相关的任意算法完成一项数据分析任务，并撰写实验报告1 份，要求包含的基本内容如下：算法基本原理、数据来源、数据预处理方法、数据分析过程及分析结果可视化。

（3）论文撰写占比70%，论文类型为数据挖掘和机器学习算法的应用论文或综述性论文。对于应用论文，需具有一定创新性，起评分80 分；对于综述性论文，文献要求不低于40 篇，其中英文不低于10 篇，起评分75 分，论文撰写需符合学术规范。

4 实践效果

Table 1 Students'performance distribution in recent 3 years表1 近3学年学生成绩分布

自2019年实施上述教学设计以来，考核要求和标准基本保持稳定（2021 年增加了思维导图考核）。近3 年选课学生数占总人数的60%左右，选课人数和总评成绩出现增长趋势，具体如表1所示。

观察表1 可知，经过3 年实践后，2021 年平均成绩较2019 年提高近3 分，特别是90 分以上的人数从0 人增长到16 人。2020 年成绩略有下降，主要原因在于受新冠疫情影响，课程完全采用线上教学方式，未能形成良好的提问氛围，成绩不够理想。在2021 年教学中，对课程考核进行了完善，降低实验成绩占比为总评的10%，考核总评中增加了思维导图部分，占总评的5%，要求学生结合自己的研究方向，制作思维导图，主要评价标准包括主题是否明确、内容是否充实、布局是否合理、关键词提取是否准确等。在翻转课堂讲授环节由原来的一个讲授单元调整为每组学生准备3 个单元，在某次课堂报告时随机抽取所准备的内容，做到每个学生录制报告视频全覆盖，从而调动全体学生参与积极性。总体而言，该课堂提问氛围愈加浓厚，所提出的问题从原来的“是不是？”“有没有？”等低阶问题，到后面的“方法为什么能行？”“和同类方法比行在哪里？”“可以从哪里进一步改进”等深层次问题，课堂提问情况有较好提升。部分课堂上的问题成为学生们课后研究的线索，形成了考核论文撰写思路，应用性论文占比从原来不足40%逐步到超过55%，部分论文扩展以后被CCF 推荐的期刊或国际会议录用，学生思辨能力得到了较好的训练。

5 结语

为了培养计算机专业研究生的思辨能力，对数据挖掘课程教学重新设计，打造思辨课堂，在3 年的实施过程中，取得了一定成效。然而，部分教学设计和考评机制还有待完善，如前期为了激发学生提问，学生提问的得分是按个数计，而没有考虑问题的质量；再者，随着研究生招生规模的扩大，很难保证每位学生有机会在课堂上提出3 个问题。因此在后续课程中，会进一步完善课程教学设计和考核机制，从而促进课程建设，让课堂上每位学生的参与度和思辨能力都得到提升。