基于案例和懸念的數據挖掘教學模式設計

鄧 娜，林 松，熊才權，肖 亮

（1.湖北工業大學 計算機學院，湖北 武漢 430068；2.海軍指揮學院 戰略教研室，江蘇 南京 210016）

0 引 言

在大數據時代，各行各業都積累了海量的數據，如何從中發現隱含的豐富信息是亟待解決的問題，而數據挖掘就是解決這個問題的一大利器。為了培養學生對大數據的敏銳嗅覺以及分析處理海量數據的能力，湖北工業大學計算機學院面向大四軟件工程專業學生開設了數據挖掘與數據倉庫這門選修課程。歷屆學生的選課統計情況表明，學生對該課程的興趣較為濃厚，選課率通常在90%以上，但是由于各方面的因素，此課程的教學過程中存在若干問題。

1 數據挖掘課程教學現狀

數據挖掘是一門交叉學科，涉及數據庫、機器學習、人工智能、統計學等多門學科的知識和方法，解決大數據時代數據龐大但信息緊缺的問題，研究如何從海量數據中發現其中隱藏的模式和信息，為生產生活提供決策支持[1]。

數據挖掘知識體系清晰固定，研究方法成熟，是一門非常適合本科計算機專業學生學習的課程，但是由于學時限制、排課時間等，目前該課程教學過程中存在以下問題。

（1）由于是專業選修課程，數據挖掘課程理論學時只有22學時。授課教師要在22學時內完成該課程所有主要內容的教授，進行教學內容設置、教學進度安排、教學環節設計等，無疑是一種挑戰。

（2）由于授課對象是大四學生，他們面臨著畢業設計、實習、考研、就業等事務，時間緊張，選課時的濃厚興趣和學習積極性到了真正上課時常常大打折扣。選課率高，但到課率低成為歷屆學生的一個共性問題。

2 數據挖掘課程教學思考

（1）如何在較短的理論學時中完成主要內容的教授以及如何抓住學生的興趣點，這兩個問題的解決需要授課教師探尋一種新的教學模式，使學生保持當初選課時的濃厚興趣，實現“少”而“精”，在較“少”的學時內掌握課程的“精華”。

（2）數據挖掘課程主要教學內容包括數據預處理、關聯規則挖掘、分類挖掘、聚類挖掘、時序挖掘等[2]，章節內容既相互關聯，又相對獨立。內容相互關聯體現在：數據預處理是其他挖掘任務不可缺少的前期工作，而聚類挖掘有時又是數據預處理運用的一種手段。此外，分類挖掘和聚類挖掘都是將數據對象劃分為不同的類別，區別在于分類挖掘是監督式學習，聚類挖掘是無監督式學習。教學內容的相對獨立性體現在：實際應用時，一般情況下，只面向一種類型的挖掘任務。

（3）跟軟件工程專業其他的專業課程（如軟件工程、軟件體系結構設計、軟件需求工程等）相比，數據挖掘課程更傾向于是一門工具類課程，學習這門課程的最終目的是將各種類型的挖掘任務應用到實際生活中，對各行各業的海量數據進行分析和挖掘，因此，這門課程的操作性和實用性較強。本著“授人以魚不如授人以漁”的教育理念，教師應當思考怎樣有效地讓學生理論結合實際，將課程中的理論知識應用到真實數據中，解決現實生活中的問題。

3 基于案例和懸念的教學模式優勢

傳統的數據挖掘教學模式是以理論教學為主，著重于概念、公式、算法等的講解。這些理論知識過于枯燥，很難吸引學生，即使學生掌握了理論知識，在遇到實際問題時，如何應用理論知識，也是學生較為薄弱的環節。案例教學是一種以案例為基礎、以問題為核心進行教學過程組織的教學模式，有利于提高學生分析和解決問題的能力以及培養學生的創新意識[3]。在案例教學過程中，教師為每一章節單獨設置案例，案例貫穿每一章節始終。教師提出案例問題，引導學生思考，使學生在對案例進行思考和尋求解決方案的過程中掌握概念、公式、算法等理論知識。由教師挑選的案例貼近實際問題，可以為學生以后的實踐打下基礎，“紙上得來終覺淺，絕知此事要躬行”，當學生面臨真實數據需要分析挖掘時，由于已經有了案例的鋪墊，他們能較容易地進行知識遷移，將案例映射到實際問題中。

在整個教學過程中，為了保證學生都能保持較高的興趣和求知欲，教師可以在引入案例時設立懸念[4]。懸念需要由教師圍繞著案例精心設計，與章節主題緊密相關。通常情況下，用一些看似相互矛盾的問題或者意想不到的問題作為懸念能起到良好的效果。數據挖掘本身的任務就是從數據中發現一些無法預料但又客觀存在的模式和規律，因此，對于數據挖掘課程而言，有比較充足的素材可以用來設立懸念。通過懸念的設立，整個教學過程中學生帶著問號學習，可以大大提高學習興趣。

4 數據挖掘課程教學示例

4.1 案例及懸念問題設計示例

表1為數據挖掘課程中與重要挖掘任務相對應的各個章節所設置的案例及懸念問題，數據挖掘課程的相關案例及懸念問題設置均以此為模板。

表1 數據挖掘課程章節案例及懸念設計

4.2 教學過程設計

以分類挖掘之貝葉斯挖掘一章為例，詳細說明基于案例和懸念的教學過程設計。貝葉斯挖掘是分類挖掘中的一種經典挖掘方法，利用統計學中的貝葉斯理論，將分類問題轉換為條件概率問題。如果單純從統計學概率計算公式著手教授本節內容，學生會覺得很枯燥，學完之后，對貝葉斯理論如何運用到分類挖掘中可能不會理解得很透徹。在基于案例和懸念的教學模式中，教師可以選擇一個非常貼近生活的案例——預測是否會購買電腦，來設計教學過程。

預測是否會購買電腦案例設計的具體內容：原始數據集中存儲著不同人的收入、年齡、是否是學生、信用等級等信息，以及他們最終是否購買電腦的事實。相應的懸念問題是對于一個測試對象，已知他的個人相關信息，預測他是否會購買電腦，教學過程見表2。

整個教學過程被分成7個環節。

（1）案例展示。直接向學生展示案例的原始數據集，提出懸念問題。該案例非常貼近學生的生活，學生很能產生代入感，他們會不由自主地思考：自己也具備案例數據中的那些屬性（收入、年齡、是否是學生、信用等級），那么自己購買電腦的決定跟這些屬性相關嗎？如果相關，這么多的屬性，到底哪個或哪些屬性起決定性作用？教師提出的懸念問題讓他們迫不及待地想去探求問題的答案。

表2 貝葉斯挖掘教學過程安排

（2）案例分析。教師引導學生分析案例數據集，包括數據集的特點、懸念問題與數據集的關系等。在本案例中，帶領學生觀察數據集的屬性列以及各個屬性的取值范圍，引導學生思考懸念問題與數據集的關系。

（3）理論回顧。本案例底層的數學模型建立在統計學的貝葉斯理論之上，學生已經在概率論課程中學過該理論。為了幫助學生進一步回憶知識點，這一環節可以采用推演的教學形式將貝葉斯理論重新復習一遍。

（4）映射案例與理論。通過前面的案例分析和相關理論的回顧，指導學生在案例和理論兩者之間建立橋梁。案例中為預測一個測試對象是否會購買電腦，將這個分類問題轉換為條件概率問題，利用貝葉斯定理，比較兩個條件概率的大小關系。

（5）解決懸念問題。通過條件概率問題的解決，間接地解決懸念問題。

（6）舉一反三。為了檢驗學生是否透徹理解貝葉斯分類挖掘方法以及考查學生舉一反三的能力，用另一個全新的案例，讓學生在課堂上自己動手做一做，教師就學生的完成情況進行點評。

（7）總結。總結貝葉斯分類挖掘的步驟，幫助學生理清思路。歸納該分類方法的特點和不足，由于貝葉斯定理建立在屬性獨立的前提條件下，因此，需向學生強調貝葉斯分類方法使用場景的局限性。

5 結 語

數據挖掘課程中章節相對獨立且實用性強的特點使其非常適合使用案例式教學法，將案例和懸念結合起來設計教學環節，可以激發學生學習積極性和提高教學效果。下一步研究工作是探索數據挖掘課程實踐環節有效的教學模式。