“数据科学导论”课程在医学院校建设的研究

摘要：随着生物医学数据的多样性和数据量的不断增加，大数据技术已成为存储、处理和分析这些数据的关键。在医学院校的背景下，构建贴合生物医学需求的大数据导论课程显得尤为重要，为学生的后续专业学习奠定基础。通过详细介绍“数据科学导论”课程的目标、内容和教学模式，发现其中存在的一些关键问题。基于这些问题的反思，提出了相应的改革方案，包括丰富教学资源、及时更新教学内容、平衡知识点的多样性以及逐步复杂化实验课案例等。这些改进措施将有助于提升“数据科学导论”课程的质量，更好地促进其发展，从而培养更多紧贴医学领域的大数据人才。

关键词：数据科学导论医学院校课程建设教学改革

中图分类号：R-4;G642

ResearchontheConstructionofthe"IntroductiontoDataScience"CourseinMedicalColleges

OUYANGDongCHENYuyun*ZHAOYunZHENGJinqiu

SchoolofBiomedicalEngineering，GuangdongMedicalUniversity，Zhanjiang，GuangdongProvince，524023China

Abstract：Withthediversityandvolumeincreasingofbiomedicaldata，BigDatatechnologyhasbecomethekeytostoring，processing，andanalyzingthesedata.In thecontextofmedicalcolleges，itisparticularlyimportanttoconstructanBigDataIntroductioncoursetailoredtotheneedsofBiomedicalScience，layingthefoundationforstudents'subsequentprofessionallearning.Severalkeyissueshavebeenidentifiedbyprovidingadetailedoverviewoftheobjectives，content，andteachingmethodsofthe"IntroductiontoDataScience"course.Basedonreflectionsontheseissues，thecorrespondingreformplansareproposed，includingenrichingteachingresources，updatingteachingcontentinatimelymanner，balancingthediversityofknowledgepoints，andgraduallycomplicatingexperimentalclasscases.Theseimprovementswillhelpenhancethequalityofthe"IntroductiontoDataScience"course，betterfacilitatingitsdevelopment，andthuscultivatingmorebigdatatalentscloselyalignedwiththemedicalfield.

KeyWords：IntroductiontoDataScience;Medicalcolleges;Courseconstruction;Teachingreform

信息技术的飞速发展和互联网的普及，使计算机成为现代社会不可或缺的工具。随着数据规模的扩大，大数据技术逐渐成为信息化发展的重要组成部分。2015年，国务院发布了《关于印发促进大数据发展行动纲要的通知》，这标志着大数据在我国已经上升到国家战略层面[1]。2016年，教育部新增了数据科学与大数据技术专业。自首批3所高校开设该专业以来[2]，截至2024年，已有超过700所高校设立该专业。然而，随着数据量的增加和复杂性的加剧，各高校在专业建设和课程设置方面面临挑战。

广东医科大学作为以医学为特色的省属综合性本科高校，开设数据科学与大数据技术专业，旨在为医疗行业培养具备大数据应用能力的复合型人才。通过将数据科学与医学相结合，培养学生掌握先进的数据分析工具和技术，应用于医疗数据的管理和分析，提升医疗服务质量和科研水平。同时，国内各高校大数据专业的建设也正在持续推进，逐步构建了符合各自特色的知识体系和能力框架[3]。随着专业课程的不断优化和人才培养模式的日渐成熟，这些课程设计越来越能够满足不同高校的独特需求，培养出更符合实际应用的大数据人才[4]。

导论课程作为高等教育中的入门课程，对于引导学生理解专业领域、激发学术热情和构建知识框架具有重要作用。特别是大数据在医学院校的应用中，导论课程的建设尤为重要。医学院校需结合医学领域的特殊需求，对大数据专业导论课程进行定制化设计，涵盖大数据技术基础知识和应用案例，突出医疗数据的特点和实际应用场景。

1课程目标

“数据科学导论”作为一门专业入门课程，在数据科学与大数据技术专业中具有重要作用。该课程旨在为学生提供数据科学领域的全面概述和基础知识。作为专业基础课，它被设计为必修课程，为学生打下数据科学学科的基础，并为后续专业课程的学习奠定坚实基础[5]。通过学习本课程，学生将掌握数据科学的核心理论、关键的研究方法和技术工具，为他们未来的学习和研究提供了必要的理论支撑和实践技能。具体来说，课程的目标包括以下3个方面。

1.1掌握大数据基础知识

学生应熟悉大数据的基本概念和原理，包括数据采集、存储、处理与分析等方面。他们需要了解常见的大数据处理框架和分析工具，如Hadoop、Spark、Python和R语言，并掌握这些工具的特点、适用场景和工作原理，全面了解大数据生态系统。

• 培养学生的大数据思维

大数据思维是一种通过数据发现问题、解决问题、进行创新并创造价值的思维方式和方法。它强调挖掘和利用数据的潜在价值，注重培养数据分析与应用能力。大数据思维不仅要求能够处理和解读大量数据，还需要具备从数据中提取有意义信息的洞察力，并能将这些信息转化为实际应用，推动决策优化和创新发展。

• 实践应用与问题解决的能力

通过项目实践和案例分析，学生应能够将所学理论知识应用到实际问题的解决中，并开发出有效的解决方案。这种实践性的学习模式有助于他们培养数据驱动的决策能力，使他们能够在面对复杂问题时，通过分析和利用数据来做出更准确的决策。

• 课程内容

在专业导论课程的学习阶段，必须培养强烈的操作意识和实践能力，以便为后续的专业课程奠定基础，同时满足未来专业就业和科研的需求。因此，“数据科学导论”课程采用理论和实验一体化的教学模式，主要内容包括理论课和实验课，其中理论课20个学时，实验课16个学时，一共36个学时。

理论课程内容广泛，涵盖了大数据的基本概述、大数据与其他新兴技术的相互关系、大数据的基础知识，以及大数据在各个领域的应用。课程还包括数据的采集与预处理、数据的存储与管理、数据的处理与分析以及数据的可视化等方面。该课程以介绍基本理论、方法、工具和工作流程为主，旨在培养学生的大数据思维，使其能够全面理解和掌握大数据相关的领域知识。通过系统化地学习这门课程，学生不仅能掌握大数据的核心概念和基本操作，还能了解如何将大数据技术应用于实际场景，从而为以后的深入学习和实际应用打下坚实基础。

实验课的内容包括了R语言的基本语法、基于线性回归的心脏病预测、基于ggplot2包的数据可视化、数据采集与预处理、基于R语言实现操作MySQL和网站制作等。该教学内容以案例为主，旨在帮助学生更深入地理解理论知识。为了实现这一目标，实验课的案例设计将尽量贴合理论部分的内容。通过这种方式，学生可以在实际操作中巩固和应用所学理论，加深对核心概念和方法的理解，从而提高他们的综合实践能力和问题解决能力。

3.1理论课的教学模式

理论课的教学模式应注重理论讲解与具体案例分析相结合。具体教学方法主要包括理论讲解和案例分析。

3.1.1理论讲解

理论课程的教学采用多种有效的方式，包括PPT演示、教材阅读等，旨在帮助学生全面了解大数据的概念、技术框架及其应用领域。在教学过程中，还结合了案例分析、视频播放和课堂互动等多样化方法，以激发学生的学习兴趣和积极参与。此外，理论课讲解也将课程思政贯穿于教学全过程[6]。以新冠肺炎疫情期间的实际案例为例，如“健康码”“智能咽拭子采样机器人”，展示了中国科技在应对公共卫生挑战方面的积极贡献。这种案例介绍的方式有助于强调国家的文化自信和科技实力，同时彰显了爱国主义和集体主义等中国特色社会主义精神。

3.1.2案例分析

通过列举实际运用大数据技术的案例，生动讲解相关知识点。例如：通过介绍“掌上公交”应用，讲解物联网技术的相关知识。还可以通过分析“淘宝推荐系统”，说明大数据在电子商务中的应用；通过“GoogleMaps实时交通预测”，展示大数据在交通管理中的重要作用；通过“京东物流”，解释大数据在物流管理中的应用。这些实际案例不仅帮助学生理解抽象的理论概念，还能激发他们对大数据技术的浓厚兴趣和深入探索的动力。

3.2实验课的教学模式

实验课的教学模式应注重代码详解和学生实操。通过详细讲解每段代码的功能和实现原理，帮助学生深入理解编程逻辑和技术细节。同时，提供充足的实操机会，让学生在实践中应用所学知识，解决实际问题，提高动手能力和解决问题的技能[7]。

3.2.1代码详解

通过对实验案例代码进行逐行讲解，让学生深入理解每一行代码的功能和实现原理。通过逐行实操，学生不仅可以感受代码的编写过程，还能通过实际运行结果的展示，更加生动具体地掌握大数据技术的应用。这样的教学方法有助于将理论知识与实践操作紧密结合，增强学生的动手能力和对知识点的深刻理解。

3.2.2学生实操

通过设计动手做一做的作业，学生能够实际动手操作案例代码，基于所学的代码和函数来实现任务。这样的实践性作业设计不仅能够让学生运用所学知识，还能够加深对代码知识点的理解。通过亲自编写、调试和运行代码，学生将更深入地理解代码的逻辑和功能，从而提升他们的编程技能和问题解决能力。

• 课程存在的关键问题

在“数据科学导论”课程中，存在一些亟须解决的问题，包括课程资源匮乏、内容未能及时更新、知识点多样性平衡不足以及实验课案例过于简单化。具体的内容如下所示。

4.1 课程资源匮乏与内容未及时更新

课程教学资源比较匮乏，只能搜集到一些与大数据技术相关的视频材料，如厦门自动化码头、波士顿动力机器人和日本比特币支付等。这些视频虽能提供一定的理论知识，但缺乏高质量的案例和实训项目，导致学生难以在实践中有效巩固和应用所学知识。由于实训项目的欠缺，学生无法充分理解大数据技术在实际场景中的应用，教学效果大打折扣。此外，大数据领域的技术和应用在不断快速发展，这使得课程内容需要不断更新以反映行业的最新趋势和技术。大数据技术的创新速度极快，新工具、新框架、新算法和新应用场景层出不穷。如果课程内容不能及时更新，学生所学的知识可能很快就会过时，无法满足行业的实际需求。

4.2知识点多样性平衡不足

如何平衡知识点的多样性，设计合适的教学内容涵盖大数据分析工具如Python和R语言，大数据框架如Hadoop和Spark的讲解，以及介绍大数据存储与管理的NoSQL数据库，从而培养学生全面理解大数据概念和技术，以及灵活运用于实践项目中的能力。

4.3实验课案例的简单化

实验课中的案例设计过于简单，限制了学生在大数据领域，尤其是生物医学数据分析方面的实际操作能力和综合应用能力的提升。因此，实验课的案例设计应循序渐进地增加复杂性。通过这种逐步复杂化的案例设计，学生能够逐步提高实践能力和创新思维，从而更好地应对未来职业中生物医学大数据分析的挑战。

• 课程建设的进一步思考

5.1丰富教学资源，及时更新教学内容

在“数据科学导论”课程中，为了解决课程资源匮乏与内容未及时更新的问题，可以采取以下措施：一是建立多元化的教学资源库，涵盖最新的大数据技术、工具和案例，确保教学内容与时俱进；二是开发实训项目，结合当前实际应用，如生物医学中的大数据技术应用，增强学生的实践能力；三是与企业和科研机构合作，获取前沿技术资料和实践机会，不断丰富课程资源，提升教学质量。

5.2平衡知识点的多样性

为了平衡知识点的多样性，课程设计可以采用重要主题的均衡覆盖和项目驱动教学法，涵盖多个关键领域。首先，将介绍大数据分析的两大主流工具Python和R语言，展示它们在数据处理和分析中的广泛应用及其各自的优势。接着，课程将深入讲解大数据框架如Hadoop和Spark，解析它们的架构、工作原理及在大规模数据处理中的应用实例。此外，课程还将覆盖大数据存储与管理的核心技术，重点介绍NoSQL数据库，如MongoDB和Redis，探讨它们在高吞吐量和灵活数据模型方面的特性。通过这种多层次的知识结构，学生不仅能够理解大数据生态系统的全貌，还能掌握实际操作技能，为应对复杂的数据分析任务打下坚实基础。

5.3实验课案例的逐步复杂化

从基础案例开始，学生可以熟悉基本概念和工具的使用，例如数据清洗、基本统计分析和简单的可视化任务。这些初级案例有助于建立坚实的基础。随后，案例的复杂性应逐步提升，涵盖更复杂的数据处理任务、分布式计算实现以及NoSQL数据库的应用等中级内容。这些中级案例不仅要求学生应用已学知识，还鼓励他们探索更高效的解决方案。在高级阶段，案例应结合真实行业项目和前沿技术，挑战学生解决具有实际意义的大数据问题，如处理大型数据集、优化数据处理流程和实施复杂的机器学习算法。

• 结语

“数据科学导论”课程作为数据科学与大数据技术专业中的重要导论课程，紧密结合医学院校的实际特色，从课程目标、内容和教学模式等方面进行了详细介绍。

课程建设的创新之处在于将理论学习与实践操作有机结合，通过生物医学领域的实际案例和编程实验，旨在强调理论知识的应用与实践技能的培养。这种教学模式突出了案例分析与动手实践相结合的重要性，学生不仅能够通过案例教学深入理解理论知识，还能够通过实验操作加深对知识的理解和应用。针对课程存在的关键问题，本文进行了深入思考，未来将从以下几个方面完善课程内容、案例和教材：丰富教学资源、及时更新教学内容、均衡覆盖重要主题、平衡知识点的多样性和逐步复杂化实验课案例。通过这些改进，力图形成具有领域特色的大数据专业理论课程实践资源与服务平台。

参考文献

• 刘巧红，凌晨，孙丽萍.医学院校“大数据科学与技术导论”课程建设的实践[J].中国医学教育技术，2020，34（5）：578-582.
• 黄辉，卫昭希.“大数据管理与应用导论”课程建设的研究[J].工业和信息化教育，2024（3）：90-94.
• 吴俊锋，吴昂，张浩，等.“双一流”学科建设背景下“大数据导论”课程探讨：以河南农业大学“农业工程”学科为例[J].南方农机，2024，55（2）：172-175，195.
• 周玉珍，朱二喜.三教改革背景下专业导论类课程体系研究：以“大数据导论”课程为例[J].工业和信息化教育，2023（10）：79-82，89.
• 姚香秀，张俊丽，申雅琛.应用型本科院校《数据科学导论》课程思政建设探索：以西安欧亚学院为例[J].西部学刊，2024（2）：113-116.
• 王倩，王晓煜.大数据时代下物流专业《大数据导论》课程思政建设[J].物流科技，2023，46（17）：161-163，166.
• 廖雅婕.“大数据技术导论”课程改革研究[J].韶关学院学报，2023，44（5）：71-75.