多樣化可擴展的Python教學體系探索與實踐

張莉+金瑩+張潔

摘 要：以“用Python玩轉數據”若干次公選課的學生為基礎，提出多樣化可擴展的Python教學體系，即基于學生特征將學生分成人文社科類、理工類和商學類3種模式，具體闡述如何通過內容和方式兩個不同維度對3類學生的3種模式進行Python多樣化教學，最后建議將這3種模式便捷地擴展到單獨的人文社科類院系、理工類院系和需要進行專業定制的院系。

關鍵詞： Python；多樣化；可擴展；教學體系；問題求解

0 引 言

當今時代計算機、網絡、移動互聯、人工智能等飛速發展，人們的思維方式發生了翻天覆地的變化，各行各業對計算機的需求也越來越多，計算機基礎教學面向非專業學生，致力于培養計算機應用人才，將計算的理論、技術、方法、思想應用于各領域中，推動行業發展的同時帶動科技的進步和社會的發展，同時也成為創新創業的原動力和主戰場，是未來新興產業誕生的搖籃。程序設計是培養學生理解計算思維并用計算機求解問題的重要方式，而Python[1]因為其簡潔、易用和強大特別是擁有十分豐富、功能完備的第三方庫，近幾年在全球引起極大的關注，在計算機和其他相關領域大放異彩，其易用性甚至在人文領域都有很大的市場，這是以往計算機程序設計語言無法實現的。

除了在Coursera平臺和中國大學MOOC在線平臺開設的“用Python玩轉數據”MOOC課程吸引了大量各個學科的學習者外，2015年秋季南京大學開設了“用Python玩轉數據”公選課，同樣受到了很大的關注。選課學生分布在全校各個院系，有計算機、電子和軟件學院這樣的專業院系，也有數學、天文、大氣、生科等理工科院系，還有部分中文、歷史、哲學等人文社科類院系，而文理兼收的商學院學生占了較多的比例。能否借鑒MOOC平臺上眾多學習者的經驗和公選課上不同類學生的特征設計課程體系，將Python課程由公選課順利納入新一輪大類/院系計算機基礎課程的教學計劃中，是我們一直在思考的問題，目前通過幾輪探索和實踐形成了多樣化可擴展的Python教學體系。

1 多樣化可擴展的Python教學體系

基于學生的特點，可將“用Python玩轉數據”選修課學生分成3類，分別是人文社科類、理工類（將專業學生歸到理工類）和商學類，圖1所示是4次課程具體的學生分布。基于不同的學生群體特征，可將3類學生對應分成3種培養模式，如圖2所示，從計算機基礎教學核心培養目標計算思維和問題求解[2]的角度考慮，對人文社科類學生著重基礎問題的求解，對理工類學生著重高級問題的求解，對商學類學生進行專業定制的培養，主要在內容和方式這兩個維度實施不同方案，形成多樣化可擴展的Python教學體系，如圖3所示，將人文社科類模式和理工類模式直接擴展到人文社科類和理工類院系，將商學類模式擴展到各類需要進行專業定制的院系。

2 不同維度的教學體系實施

2.1 不同的內容維度

2.1.1 課程內容

“用Python玩轉數據”課程主要內容是用Python處理、分析和展示數據，從Python基本語法開始，到在Python中如何從本地和網絡上獲取數據，再到表示數據、對數據進行處理和分析及可視化，最后設計GUI界面用來表示和處理數據及用Python進行實踐開發，共分為6個模塊8個章節，如圖4所示，其中教學體系的3種不同模式在內容上的區別主要體現在數據獲取與表示、Python高級數據處理與可視化、面向對象和圖形用戶界面、項目實踐這4個部分。

2.1.2 不同內容維度實施方案

我們以網絡數據獲取、數據處理與可視化、項目開發這3個部分為例說明人文社科類、理工類和商學類這3種模式在內容上的不同，基本設計原則是盡可能貼近不同類學生的特征和各自用Python進行應用開發的特點，并能培養他們的創新思維和發揮其潛能，以更快更好地在各自領域中求解問題。

1）網絡數據獲取。

網絡數據獲取主要通過3種方式：一是利用Requests庫抓取網頁，再利用BeautifulSoup庫和re（正則表達式）模塊進行網頁內容解析獲取數據；二是利用Web API或基于Web API的第三方模塊直接獲取數據；三是利用現成的語料庫或從網頁上直接下載數據，同時學生還需要了解http協議的一些知識。表1為3類學生在網絡數據獲取上需要掌握的知識、工具、模塊等內容的大致比較。

人文社科類學生只要掌握基本的網絡知識，數據主要利用第三方API和現成的語料；商學類學生需要掌握數據抓取和解析的基本內容；而理工類學生則需要掌握更多的內容甚至是中大型爬蟲框架Scrapy的基本知識。

2）數據處理與可視化。

“用Python玩轉數據”課程數據處理和可視化主要使用著名的Python開源生態系統SciPy，重點介紹SciPy中包含的NumPy、Matplotlib和pandas這3個核心模塊，數據處理主要使用NumPy和pandas模塊，可視化主要使用Matplotlib和pandas模塊，3類學生3種模式在這部分也有不同內容的要求，主要體現在表2。

人文類學生主要掌握幾個模塊的基礎部分并能完成基本的統計工作和繪制基礎的二維圖；商學類學生則還需要更多了解模塊與專業相關的函數，繪制適合專業數據的二維圖如蠟燭圖等；理工類學生則需要掌握各模塊在理工領域的應用，如NumPy庫中線性代數庫、矩陣庫和通用函數的性能測試，還需要掌握更高級的數據處理和分析方法如機器學習工具包scikit-learn中的分類和聚類的常見應用。

3）項目開發。

由于3類學生在各自基礎、專業方向等方面存在較大的差異，因此在項目開發上可以采用彈性要求，不在數據獲取和使用算法難度上額外增加要求，重點考查學生是否能夠揭示所用數據隱藏的特征以及較好地處理、分析挖掘這些數據，也鼓勵3類學生混合編組進行功能項目的開發。根據以往完成項目的統計，3類學生體現出較明顯的項目特點。

（1）人文社科類學生，較多地使用自然語言處理NLTK工具包中現成的語料庫如古騰堡項目中各類小說、美國總統就職演說稿等進行分析。

（2）理工類學生，較多地在網絡上抓取數據并進行各類統計分析，項目涉及領域很多，如谷歌學術文獻爬取器、地區空氣污染數據分析、百度貼吧表情分析、房價數據挖掘、就職網站職業需求統計、微博輿情控制等。

（3）商學類學生，主要集中在股票數據分析特別是對A股數據的各類分析統計如投資組合推薦、股票漲跌分析等方面。

圖5、圖6和圖7所示是3類學生開發的項目示例，有的是同類學生成組開發的，也有的混合成組開發但核心成員都明顯屬于某一類，項目特點鮮明。

2.2 不同的方式維度

面對基礎不同的學生，要進行多樣化教學難度較大，如何將不同的學習任務布置給不同的學生并能及時檢驗其學習效果和進行調整是應該著重研究的主題。經過幾輪探索，目前已初步形成一個較為成熟的多種教學方式組合的方案，除了利用課堂和部分課外時間進行多樣化特征突出的重要項目開發外，主要借助以下3個平臺幫助和平衡3類學生不同內容的學習、訓練和檢驗。

1）MOOC[3]平臺。

MOOC平臺上“用Python玩轉數據”課程學習者遍布各個年齡層和領域，其課程學習過程和結果的統計分析數據以及各類問題的提出可以給課程迭代提供很好的依據，拓寬Python基礎教學的廣度，提升內涵，給本校學生的Python學習提供很好的基礎支撐。學生可以在Coursera和中國大學MOOC在線平臺上使用本課程的視頻、作業和測試題，主要的使用分為兩種情況。

（1）人文社科類學生的知識補充。大部分人文社科類學生沒有學過程序設計課程，沒有什么編程經驗，對于基礎的知識如條件結構、循環結構、函數等沒有太多的概念，但是教師在課堂上無法細講，因此對于這類學生有額外的要求，即在規定時間內完成規定的內容學習、測試等。

（2）商學類和理工類學生的知識提升。大部分商學類和理工類學生對于學習有更高的要求且基礎好、自學能力強，如用Python進行GUI開發部分由于課堂時間有限、學生差異太大等問題不在課堂上重點講解和討論，建議此類學生在MOOC平臺上自學并明確完成圖8所示的結合數據獲取、表示和處理的GUI任務開發。

2）“課立方”輔助教學平臺。

過程性評價在教學中十分有必要，除了可以及時了解學生的課程內容掌握情況，還可以提前了解學生對于某些內容的掌握和熟悉程度。“用Python玩轉數據”課程使用“課立方”輔助教學平臺，如圖9所示，可以設置課前小測對學生已學或待學知識進行考查和調查，并且系統有即時的數據分析能夠讓教師及時了解學生的反饋，如提前調查學生對于某個知識點的認知狀態有利于把握某些問題的深度，可以更好地照顧到基礎薄弱的學生如大多數人文社科類學生，為多樣化教學提供依據。

3）Python OJ平臺。

圖10所示的OJ平臺是日常學生進行編程訓練的一種很好的方式，OJ平臺問題難度設置從低到高，3類學生均能進行共同和專屬內容的訓練，也是檢驗和輔助多樣化內容設置的一種手段；同時由于OJ平臺的成績是實時獲知的且還可以進行各類競賽，因此能夠很大地提高學生的學習興趣，讓學生也可以及時了解自己的情況，從而主動進行基礎訓練或提升訓練。

通過課堂學習、項目開發及其與這3類平臺的結合，可以照顧到不同學生的多樣化教學，輔助完成不同的學習任務及檢測不同學習任務的合理性。

3 結 語

目前通過幾輪探索和實踐已初步形成了多樣化可擴展的Python教學體系。通過內容和方式兩個不同維度對3類學生3種模式進行Python多樣化教學，從過程性評價、學生開發的項目等來看效果較好，由于體系中任務明確、可操作性好，因此可以較容易地將課程共同核心模塊和模式適用的模塊切割出來，并擴展到單獨的人文社科類、理工類，也可以滿足院系定制的需求，只要在共同的課程核心模塊上加上專業需要的若干第三方庫和案例即可。由于Python的開放性，這些庫一般都有自己的官方網站，有很多公開的案例和代碼，對教師的專業要求不高。在新一輪教學計劃中，已有商學院、生科院和醫學院確定開設Python定制課程，有一些理工類院系也已經開設Python課程，相信未來Python在計算機基礎教學領域還將有更大的空間。

德國教育家斯多惠說過：“教學的藝術不在于傳授本領，而在于激勵、喚醒、鼓舞。”Python是一種適合激勵、喚醒和鼓舞各類學習者學習、應用計算機熱情的程序設計語言，愿更多的人能加入到Python教學和學習的行列中，這不僅很有意思，也很有意義。

參考文獻：

[1] Python[EB/OL]. [2017-05-30]. https：//www.python.org/about/gettingstarted/.

[2] Wing J M. Computational thinking[J]. Communications of the ACM， 2006， 49（3）： 33-35.

[3] Masters K. A brief guide to understanding MOOCs[J]. The Internet Journal of Medical Education， 2011（2）： 1.

（編輯：宋文婷）