《数据挖掘》课程的“五合三联”教学改革模式研究

郭红萍，张铁成

(湖北师范大学 数学与统计学院， 湖北 黄石 435002)

0 引言

众所周知，大数据正在悄悄地改变人们的生活和行为。不少国家已经将大数据作为国家发展战略，而商业领域更是将大数据作为下一个投资宝库[1，2]。数据挖掘是近十几年来大数据、人工智能行业飞速发展最重要的驱动技术之一，当前大数据分析几乎都离不开数据挖掘，因此掌握数据挖掘的相关知识技能对于学生当下就业和未来深造都有重要意义。针对《数据挖掘》课程的教学改革研究也引起了高校教师的广泛兴趣[3～6]。

《数据挖掘》课程是面向我校统计学、应用统计学专业三年级本科生开设的一门重要的职业发展课程，共48学时(理论学时32+上机学时16)。课程以大数据挖掘的算法和应用为主要内容，紧跟大数据时代前沿，旨在使学生掌握数据挖掘的原理和方法，熟练运用R语言或python编程挖掘数据背后隐藏的内在信息；使学生具备将复杂实际问题转化为数据挖掘问题，培养学生的数据思维、高阶思维和创新思维，培养自主、合作、探究能力以及解决复杂实际问题的综合能力；使学生养成“用数据说话，透过现象看本质”的思维习惯；培养探索未知、求真务实、勇攀高峰的使命感，建立家国情怀与科学素养，实现立德树人。

1 教学中的“痛点问题”

1)课堂教学理念老化。传统的教学忽略情感价值的塑造，课程育人功能不全；教师只注重知识的讲授，忽视培养学生解决复杂问题的综合能力和高阶思维；教学中倚重多媒体，缺乏现代信息技术手段。

2)课程体系结构僵化。在教学中使用单一教材，高阶资源不够丰富，难以支撑专业需求；现有教材中学科知识的前沿性和时代性不完善，教材中没有及时补充新的学科前沿成果，缺乏与大数据时代相匹配的实际案例；在课程内容的安排上，有的偏重数学理论的推导，有的偏重计算机技术，缺少与统计学专业相契合的内容体系。

3)教学效果评价固化。教学评价以终结性考试为主，过程性考察设计不够；学生平时的学习过程得不到督促，学习效果得不到及时反馈；挑战度不足，缺乏融会贯通知识和运用知识解决问题的能力。另外，也没有考虑学生的自我评价和学生之间的相互评价。

2 “五合三联”教学改革模式

针对教学中长期存在的痛点问题，本文提出了“以学生发展为中心，以翻转课堂为平台，以课程思政为抓手，以能力培养为目标”的创新理念，构建了“融合教学育人、整合教学内容、混合教学模式、耦合教学设计、联合教学评价”的“五合”创新举措，实现数据挖掘课程教学与“时代需求、特色育人、实践创新”紧密联系的“三联”目标，全面深入解决痛点问题(如图1所示)。

图1 “五合三联”全面解决痛点问题

2.1 “立体重构”整合教学内容，形成多维度知识结构

在大数据时代背景下，按照我校统计类专业制定教学计划，按需安排教学内容，满足后续课程的需要。每一类教学内容按难易程度设计为三级，采用不同的教学方式呈现(如图2所示)。知识、能力、素养三阶目标渗透在每一类每一级教学内容中。形成多维度的立体化内容魔方。整合后的内容魔方满足面向产出的专业人才培养需求，保证知识体系的完整性，实现了教学目标，有效解决了教学内容体系结构僵化、与时代需求脱节的教学痛点。

图2 课程内容魔方

另外，还构建课程内容逻辑框架，形成渐进式课程体系链(如图3所示)。同时，删繁就简，瞄准前沿，注重理论与实践相结合。课程的每一章都配套丰富的案例集和数据集，供学生课后实践。

图3 渐进式课程体系链

2.2 “数据挖掘+程序设计”耦合教学设计，实现多课堂互融共促

结合大数据时代的人才培养需求，构建《数据挖掘》课程和学科专业课程互融共促的教学模式。已经建成了“数据挖掘+程序设计”的课程耦合教学设计，学生在掌握了基本方法和原理的基础上，通过编程辅助来实现课程中数据的可视化图形描绘、大样本数据的加工处理、经典应用案例的建模求解等。混合授课的教学模式保障了线下面授课有比较集中的时间研究融合案例。采用查阅资料、主题讨论、分组任务、课程论文等方式，培养学生处理复杂问题的能力。

通过计算机编程后直观生动的可视化展示和大样本数据挖掘，使学生突破直觉局限和思维定势，学会用数据说话，透过现象看本质，从而体现课堂教学的“两性一度”。

2.3 “数据挖掘+课程思政”融合教学育人，深化特色思政建设

作为统计类专业的职业发展课，充分发挥其面向时代需求的育人功能，遵循“以立德树人为根本，以科技报国为己任，培养更多尊重数据、热爱统计的新型人才”的育人原则，深入挖掘课程内容蕴含的思政元素。通过线上资源建设，线下教学活动，师德师风引领等各环节，培养学生的辩证思维、家国情怀、创新精神和科学素养(如表1所示)。

表1 课程思政元素

首先，在线上资源建设中，将课程思政案例制作成视频、文档、课件等形式，上传至教学平台。比如，在资源库中呈现统计发展史和统计励志文化，使学生体会到科学研究的艰辛和科学家坚忍不拔的意志品质。其次，在教学组织过程中，结合学科和专业特点，设计课程思政案例集，使学生不仅认识到学习数据挖掘知识的重要意义，同时也潜移默化地帮助学生建立了专业自信，提升了学生的学习兴趣。另外，教师身正为范的人格魅力和求其务实的治学态度也会感染学生。这样，思政教育变为学生自发的认知需求，强烈的获得感和信念感激发了学生内心的正能量。

2.4 “线上+线下”混合教学模式，提升学生实践创新能力

“线上+线下”混合教学模式为融合教学育人、整合教学内容、耦合教学设计、联合教学评价提供了强有力的平台支撑。这种教学模式保证在现有学时、教师和教室资源不变的情况下，有额外的时间讨论课程融合案例、数学建模、统计建模等高阶活动，增加了实践教学环节。

学生在线上可以完成一级知识点和部分二级三级知识点的自主学习。线下运用翻转教学的方式解决线上自主学习中遗留的问题，实现当堂持续改进，并将“项目化学习和小组合作学习”用于实践教学。围绕数据融合和挖掘案例，学生们开展讨论、辩论、演讲和小组项目等高阶教学活动。原本复杂数据的案例和难以求解的模型，在程序设计的辅助下迎刃而解，激发了学生强烈的探索欲和求知欲。通过高阶教学活动，学生获得的不仅是知识，而是全方位的能力提升。

2.5 “多元考核”联合教学评价，全面反馈学习效果

构建了基于多目标(知识目标，能力目标，价值目标)、多主体(学生自评，生生互评，教师评价)、多方式(定量与定性相结合，形成性与结果性相结合)的评价体系。课程评价的整体内容构成和比例如表2所示。

表2 课程评价的整体内容构成和比例

3 总结

本课程围绕“五合三联”教学改革模式进行了探索和实践，实现了从传统课堂向翻转课堂、灌输课堂向实践课堂、知识课堂向能力课堂的转变。在教学实践中取得了良好的教学效果，实现了“课堂活起来，学生忙起来，教学严起来”，得到了同行和学生的好评。

Research on the“five in three”teaching reform style of Data Mining course

GUO Hong-ping，ZHANG Tie-cheng