PBL教学法在大数据课程教学中的应用研究＊

刘媛媛，杨晓敏

(运城学院数学与信息技术学院，山西 运城 044000)

0 引言

信息化时代，随着数据量的不断攀升，大数据技术推动了信息科学技术的又一次飞跃，加上云计算和人工智能等新型技术的加成，大数据技术已经成为了激发生产力的新内核[1-2]。基于此，大数据相关专业的建设和改革迎来了新的机遇，大数据类课程，旨在培养学生的数据素养、数据意识、数据思维及数据分析能力[3]。

大数据类课程具有很强的行业背景和实践应用意义，基于问题情境的PBL 教学法非常适用。因此，本文在大数据课程的教学过程中引入了PBL 教学模式，分别针对问题情境、教师、学生这三大要素进行了教学设计，设计了与实际应用密切结合的案例，将教师的角色由“信息提供者”调整为“引导者”，而学生成为了教学过程的中心，并基于PBL 教学模式梳理了实施流程，调整了考核方案，极大的提升了学生的积极性和自主学习的能力[4]。

1 PBL教学模式简介

PBL（Problem-Based Learning）是一种以问题为导向的教学模式[5]，该教学模式焦距于问题、教师和学生三大基本要素。其中问题是整个教学方法的中心，通常由教师将真实情境中的各种复杂案例进行引入；学生是学习的主体，通过分组的方式进行问题的分析和讨论，并在此过程中逐渐明确思路，确认项目实施方案；教师是教学过程的主导者和辅助者，应密切关注学生的讨论状态，并适时提供引导，发现学生闪光点予以肯定，充分调动学生学习的动力和热情。

在大数据课程教学中融入PBL 教学法，通过把契合相关知识点、符合真实情境的实际应用问题引入教学，来激发学生的学习兴趣，并且在小组讨论的过程中更容易发现自身的优势和知识上的缺陷，为后续的学习提供更加明确的指导。

2 PBL教学模式下大数据课程方案设计

融入PBL 的教学方案包含问题、学生、教师三大要素，本文针对这三大要素分别进行教学设计，明确每个模块的任务，采用线上线下相结合的混合式教学方式将这三大要素结合在一起，共同完成教学方案的实施[6]。

2.1 PBL教学中问题情境的设计

PBL 教学模式中，问题情境为整个教学过程的核心，本文针大数据课程教学的需求，基于实际生活中的案例，设计了贴合教学知识点的实践项目，针对每一个重要知识点都设计了相应的案例，从数据探索、数据预处理、数据模型到模型结果分析等各个环节都与实际案例相结合，一改传统教学方式下的纯理论讲解，让学生在分组讨论和实践中获得了更好的锻炼。以算法部分为例，其案例设计如表1所示。

表1 算法部分案例设计

2.2 PBL模式下教师角色的定位

在PBL 教学模式下，教师除了讲解主要知识点，更主要的职责在于对学生提供指导和评价。首先，教师需要在题目引入时对学生进行引导，结合实际应用，介绍案例背景，引起学生兴趣。其次，在学生讨论过程中，教师需提供指导，帮助学生制定切实可行的项目方案，确认学生数据处理方案是否可行，模型选取是否合适，小组分工是否明确等。最后，学生提交代码后，需根据考核方案给出合理的评价。在此过程中，教师需要把握指导的尺度，在首次指导时，可以尽可能详尽，帮助学生养成良好的习惯，后续实验中应逐步减少指导内容，培养学生自主解决问题的能力。

因此，在整个PBL 教学过程中教师的角色定位应该是不断变化的，比如，在学生讨论过程中，教师充当的角色为聆听者和观察者，但当学生的讨论出现问题时，教师应该适当的引导和协调，并密切关注学生在讨论过程中的表现，发现学生的闪光点，予以及时的鼓励，从而调动起学生的学习热情。PBL 教学模式中教师的角色定位如图1所示。

图1 PBL教学模式中教师的角色定位

2.3 PBL教学模式下学生的学习模式

PBL模式下，学生的角色发生了改变，由传统模式下的“被动接受者”转变为“主动探索者”。课程改革中，以与学生的生活密切联系的问题情境作为引入，更能调动学生的积极性，学生在兴趣的驱使下搜集资料、讨论方案，在讨论的过程中通常会暴露知识的盲点，在此过程中，教师加以引导，学生对于知识点的理解无疑会更加深刻。

在整个教学过程中，通过由易至难的案例设计，让学生逐渐完成更加复杂的数据分析任务，逐步提升分析问题、解决问题的能力，并在分工合作的环境下意识到团队的重要性，在提高动手能力的同时提高了协作能力，在遇到困难的情况下由一开始的教师引导逐步过渡到自主探索，自主学习，自己去发现和转换复杂的信息，从而构建出自己的理论框架和思维方式。因此，PBL作为一种“主动学习”的方式，其效果和成效要远远大于传统的被动学习。

3 PBL模式下大数据课程方案实施

3.1 PBL模式下大数据课程方案实施流程

本次融入PBL 的大数据课程改革基于一定的应用情境引出知识点，并采用经典案例进行讲解，更有利于学生掌握。在教学过程中，组织学生以小组为单位，基于问题情境进行讨论，完成案例分析任务，具体实施步骤如下。

⑴教师设计多个与实际生产生活相关的项目，创设问题情境，并在该情境中囊括相应理论课程的知识点；

⑵课前，教师将项目下发，学生组织学习小组，提前准备资料，此时可以辅以慕课资源进行知识面扩展，实现线上线下的混合式教学；

⑶课上，教师有针对性地讲解主要知识点并介绍案例背景，充分调动学生的学习兴趣；

⑷小组成员针对案例进行讨论，确定技术方案，选择模型，完成案例分析任务，在此过程中教师负责引导学生，并给予学生适当的指导和评价；

⑸学生以组为单位完成实践任务，形成分析报告，并进行答辩，阐述数据处理方法，建模过程，并对模型进行评估，教师评价方案是否合理，指出学生亮点并给出改进意见。

在此过程中，教师由传统教学中的主导者成为辅助者，而学生成为整个教学过程的中心，通过自主学习和团队协作完成案例的数据探索、数据处理、建模训练、模型评估和报告编写等整个过程，而教师则根据学生的总体表现给出综合评价，整个教学模式实施过程计如图2所示。

图2 PBL教学模式实施流程图

3.2 PBL模式下大数据课程评价体系

在大数据技术课程考核中，由于引入PBL 教学模式，原有的教学评价方式也将进行相应的修改。与传统的静态评价方式不同，PBL 教育模式的评价为一个动态的过程，即将整个课程看成是一个包含有若干个部分的整体，每一部分都是相互关联的，每个项目的阶段评价都是一个过渡性的评价。

为了更加科学合理的对学生进行评价，结合大数据技术课程实践性强的特征，构建了多元化的考核方式。首先，课程的考核方案由50%的平时成绩和50%的课程期末报告组成，调整了平时成绩的比例，使其达到了50%，更加注重学生在整个学期每一阶段的动态表现。其中平时成绩又由20%的平时表现，40%的作业和40%实验组成，其中平时表现包括课堂考勤、课堂提问及分组讨论中的个人表现等，作业为课程的阶段性作业，由学生个人完成，而实验和期末课程的报告则按小组提交。整个考核方案更加注重学生在整个学期的动态表现，既关注了学生的个人能力，又关注到了小组成员之间的分工合作，能够更加全面的对学生的学习情况做出评价，从而更好的提高学生的学习积极性。

实施PBL 教学法后，教学实践的结果表明，学生的平均成绩从81.6 分提高到了83.7 分，同时学生自主学习的兴趣得到了提高，学生的计算机专业素养得到了加强，实际操作能力得到了提升，响应了新工科下的教学培养方案。

4 结束语

大数据时代背景下，大数据课程对于培养具有大数据思维的复合型人才具有重要的指导意义，本文在教学过程中应用了PBL 教学模式，以实际应用情境为中心，学生分组讨论完成实践项目。教师由传统教学模式中的信息传递者转为引导者，充分调动学生的积极性，这是“新工科”背景下提升学生自主学习积极性、培养学生团结协作能力和动手能力行之有效的方法，是提升学生专业核心素养的基础。PBL 教学模式在实施过程中还存在一些问题，例如同一小组不同学生项目贡献度的评估，实验项目选取时难易程度不同造成的最终实现效果的不同等，这也是在后续的教学工作中需要进一步研究改进的部分。