本科信息管理專業數據挖掘課程建設研究

胡 敏

（北京信息科技大學 信息管理學院，北京 100192）

本科信息管理專業數據挖掘課程建設研究

胡 敏

（北京信息科技大學 信息管理學院，北京 100192）

數據挖掘類課程引入國內的時間不長，如何在本科教育階段，針對信息管理專業學生進行課程建設是非常重要的。參考國內外院校、研究組織對數據挖掘課程的教學內容和方法的分析，根據數據挖掘課程的核心內容和主要應用，對課程建設進行系統的分析，明確教學目標、內容、相應的教學方式和方法，重點運用模塊化教學理論對內容和教學方式進行分析。

課程建設；模塊化教學；數據挖掘

隨著數據挖掘、商務智能技術的快速發展與廣泛應用，亟需對信息管理專業的本科生加強對相關知識的介紹，此時進行課程改革，調整、增加授課學時和實踐環節有重要意義。數據挖掘是一門與多學科交叉的新興計算機專業課程，其課程內容豐富、應用范圍廣、實踐工具類型繁多。在有限授課時間內，如何選擇適合于信息管理專業的本科生的課程內容、案例與軟件工具，選用何種有針對性的教學方法，是進行數據挖掘課程設計需要解決的主要問題。

一、國內外數據挖掘類課程建設研究分析

近年來，數據挖掘與商務智能技術發展迅速，充分借鑒國外相關研究，尤其是ACM SIGKDD課程委員會對數據挖據課程建設建議，對進行數據挖掘類課程的教學建設研究有重要意義。ACM（美國計算機協會）于1998年成立了SIGKDD（知識發現興趣小組），致力于知識發現與數據挖掘的相關研究，ACM SIGKDD課程委員會連續多年多次更新其主要課程——數據挖據課程的建議，其中委員會將數據挖掘課程分為基礎部分與高級主題，基礎部分覆蓋了數據挖掘的基本方法，高級主題既有數據挖掘基本方法的深入研究，又有更高級算法的介紹。國外很多大學的計算機科學學院、商學院都開設了數據挖掘類課程并同時進行相關研究。波士頓大學開設了“數據管理與商務智能”課程，課程主要包括基礎、核心技術、應用三部分。許多國外著名大學建立了教學管理系統，提供大量的案例、在線討論和在線輔導功能。國內很多學校都開設了數據挖掘的相關課程，我國大多數高校的課程大綱內容與國外大致相同，只是在實踐部分選用了不同的商務案例。數據挖掘的應用領域廣泛，因此可以根據開課學院和專業選擇合適的實例。

二、根據信息管理專業本科生培養要求確定課程目標

數據挖掘課程是一門綜合性很強的前沿學科，對計算機軟硬件、數據庫、人工智能技術、統計學算法、優化算法等基礎知識都有較高的要求。因此該門課程開設在學生大三下學期，既有相關知識的基礎，又為大四做畢業設計提供了一種思路。信息管理專業是計算機與管理相結合的專業，旨在培養具備信息系統開發能力與信息資源分析與處理能力的綜合應用型人才。對信息管理專業的學生而言，本課程主要的目標是數據挖掘算法原理理解、數據挖掘算法在商務管理問題中的應用以及常用數據倉庫與數據挖掘軟件的熟練應用和二次開發。

三、基于模塊化方法的課程內容分析

模塊化教學模式是按照程序模塊化的構想和原則來設計教學內容的一整套教學體系，它是在既定的培養目標指導下，將全部教學內容按照一定標準或規則進行分解，使其成為多個相對獨立的教學模塊，且各教學模塊之間可以按照一定的規則有選擇性的重新組合。學生可以根據個人興趣和職業取向在不同模塊之間進行選擇和搭配，從而實現不同的教學目標和人才培養要求[1，2]。模塊化教學本質上是以知識點與實踐的細化為出發點研究的。商務智能方法本身非常豐富，實踐應用也是課程的主要特點之一，因此十分適合使用模塊化的知識分解方式。本課程的知識點模塊管理分為兩個層次，一是從宏觀角度設計課程的基礎內容模塊和高級主題模塊；二是從微觀角度針對較為復雜的教學內容進行的知識點劃分。

1.課程主要內容模塊化分析。目前該課程包括十章理論內容，分別為數據倉庫與數據挖掘的基本知識、數據倉庫的OLAP技術、數據預處理、數據挖掘系統的結構、概念描述：特征化與比較、挖掘大型數據庫中的關聯規則、分類與預測、聚類分析、復雜類型數據挖掘和序列模式挖掘。根據模塊化管理的宏觀角度分類，課程內容的第一至五章屬于基礎理論部分和簡單數據挖掘技術的介紹，可以作為基礎內容模塊；第六至八章為數據挖掘的核心算法，其中既有基礎理論與技術方法，又可深入到較難的方法和復雜的應用，因此介于基礎內容與高級主題之間；第九、十章可以算做課程的高級主題模塊；另外，課程的實踐模塊既包含數據倉庫的建設又包含數據挖掘算法的應用，難度也介于基礎內容與高級主題之間。

2.復雜知識點的模塊化管理。從微觀角度對知識點進行設計主要針對的是上述的高級主題、以及難度介于基礎內容與高級主題之間的章節，由于這些章節知識點在難度上有一定層次，講授內容彈性比較大，因此需要在課程設計中明確一定課時量所要達到的難度。以商務智能技術中的分類算法為例：首先一般的入門課程都會介紹分類算法的概念和基本原理；接著開始介紹分類算法的基礎算法——決策樹，而決策樹算法中又包含ID3等多種算法，并且除了決策樹外，還有其他更高級的分類算法；在真正使用分類法進行預測時，還要分析預測準確度；最終要將所學知識加以應用。這樣就形成了一個結構清晰、難度循序漸進的知識點模塊的層次關系。在宏觀角度、微觀角度對教學內容進行分類的前提下進行相應的授課方法與考查方法的研究，才能真正有助于學生的學習。

四、授課與考核方法設計

對不同層次學生要求不同，這種不同既體現在知識點的要求上，又直接體現在任務的難易性程度上，這都需要教師在課程設計時充分考慮不同要求情況下的不同的授課方式，并使學生清楚自己需要掌握的程度。對于高級算法和實現部分，通常可以選擇一到兩章內容采用專題探討式的教學方法。這種方法是指在教師啟發和引導下，以學生為主體，選擇某個基本教學單元為專題，學生自主研究作為知識傳遞的基本形式，將多種靈活的教學方式綜合運用到教學環節的教學方法[3]。根據信管專業培養方案的培養目標、以及對學生調研的情況，實踐環節比較適合選擇成熟的商務智能工具進行數據的整合和多維數據建模，也就是直接使用現成的；或者使用數據挖掘軟件進行數據建模，完善數據挖掘算法。可以針對學生管理基礎課與IT基礎課知識的掌握情況，選擇合適的工具為學生設計綜合性實驗。實驗中給出部分操作步驟，并在實驗后期僅給出數據與工具，讓學生自己設計數據倉庫、進行數據挖掘、并對挖掘結果進行多種形式的展示。

五、結論

本文通過國內外數據挖掘課程內容、分類、教學方法的分析，針對信管專業本科生的培養要求，研究了數據挖掘課程建設的主要內容，并針對知識點的不同模塊，實行不同的授課方式，使學生更加明確重點、難點和擴展內容，提高了學生的聽課效率，對教學內容的模塊化分類、以及相應的授課方式的研究成果仍可繼續發揮作用，并進行更深入的研究和實踐。

[1]韋艷艷，張超群.模塊化教學與學習遷移[J].當代教育論壇，2018，（5）.

[2]鄭浩，陶虎，王曉輝.高校模塊化教學模式及其效果評價方法[J].科技信息，2012，（25）.

[3]陳帆，和紅杰.啟發式教學在Java語言教學中的應用[J].計算機教育，2010，（16）.

G642.0

A

1674-9324（2014）30-0240-03

項目名稱：“商務智能類課程模塊化管理與分層教學模式研究”，項目號2012JGYB42。

胡敏（1982-），女，山東煙臺市人，博士，講師，研究方向：管理科學、數據挖掘、應急管理。