面向研究生思辨能力培養(yǎng)的數據挖掘課程教學實踐

葉志偉，高 榕，林 姍，鄧 娜

（湖北工業(yè)大學計算機學院，湖北武漢 430068）

0 引言

計算機及相關技術的快速發(fā)展有力推動了新一輪科技革命的興起，新基建如火如荼，數字技術驅動新生產蓬勃發(fā)展。據2021 年中國信通院發(fā)布的《全球數字經濟白皮書》顯示，中國數字經濟規(guī)模逼近5.4 萬億美元，德國、英國、美國等發(fā)達國家數字經濟占GDP 比重超過60%。《中華人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要》安排專章部署“加快數字化發(fā)展建設數字中國”，強調“打造數字經濟新優(yōu)勢”，這為我國數字經濟發(fā)展提供了遵循和指導。智聯招聘發(fā)布的2020 年新基建產業(yè)人才發(fā)展報告顯示，新基建核心技術人才缺口長期存在，計算機專業(yè)本科和碩士人才薪酬持續(xù)走高。

研究生教育在中國高等教育中起著重要作用，研究生不僅是中國高層次人才的后備力量，也是建設創(chuàng)新型國家的重要基礎。為了實施科教興國戰(zhàn)略，我國研究生每年以6%左右的速度擴招。雖然研究生擴招的根本動力是源于經濟社會發(fā)展水平提升對高層次人才需求的增長，然而數量的擴招對培養(yǎng)質量提升帶來了挑戰(zhàn)。如何在大規(guī)模擴招背景下確保研究生培養(yǎng)質量持續(xù)提升，實現研究生教育高質量、內涵式發(fā)展是研究生教育工作者的共同話題。課堂教學是學校實現人才培養(yǎng)的基本途徑，但目前地方高校研究生課程教學中還普遍遵從傳統(tǒng)的“課堂、教材、教師”這3 個中心，很多研究生學完一年課程，思辨能力也沒有得到有效提升。為提高研究生思辨能力，課程組重構數據挖掘課程教學設計，基于學習金字塔理論，利用思維導圖并借助翻轉課堂，課堂上引領學生提問，從而打造思辨課堂，以期通過該課程學習提高研究生思辨能力，為研究生創(chuàng)新能力培養(yǎng)打下堅實基礎。

1 相關工作

1.1 研究生思辨能力現狀

創(chuàng)新是社會發(fā)展的驅動力量，擁有批判性思維（思辨能力）是具有創(chuàng)新能力的前提。《中華人民共和國高等教育法》和《中華人民共和國學位法》明確指出，碩士研究生教育應當使學生掌握本學科堅實的基礎理論、系統(tǒng)的專業(yè)知識，掌握相應的技能、方法和相關知識，具有從事本專業(yè)實際工作和科學研究工作的能力。批判性思維能夠增強碩士研究生的科研能力和創(chuàng)新能力，研究生階段的教育應該將批判性思維培養(yǎng)放在更為突出的位置。越來越多的學者都意識到思辨能力是培養(yǎng)研究能力和創(chuàng)新能力的基礎，如何培養(yǎng)學生的思辨能力成為日前教育改革的焦點。孟祥云研究顯示，國內的批判性思維教育課程設置主要偏重于哲學和邏輯學方面的培養(yǎng)，專業(yè)性、針對性和系統(tǒng)性存在一些不足。殷蘭基于Facione 的雙維模型在湖南大學抽取典型樣本，對文科與理工科研究生思辨能力進行對比研究。陳富等對陜西省某重點大學研究生批判性思維能力進行測查與評估，結果顯示，研究生批判性思維能力培養(yǎng)現狀不容樂觀，研究生的思辨能力并未隨年級的升高而提高。外語教學中研究生思辨能力培養(yǎng)也得到了很多關注，相關研究結果顯示，大部分學生缺乏提出問題的意識和解決問題的思路，思辨能力培養(yǎng)有待進一步提高。

1.2 相關理論基礎

1.2.1 學習金字塔理論

Fig.1 Learning pyramid theory圖1 學習金字塔理論

1946 年，美國學者埃德·加戴爾（Edgar Dale）率先提出了“學習金字塔理論”，他將學習分成7 種方式，具體如圖1所示。學習金字塔理論顯示：采用不同的學習方法學習兩周之后，達到的學習效果完全不同，如果僅靠聽講，學生知識記憶保留率為5%；如果是學習以后與別人分享、溝通并講授，知識記憶保留率則高達90%，兩者之間差距接近20倍。因此，教師應積極轉變教學方式，開展多層次、多維度的綜合教學。學生則需要努力轉變學習方法，由被動聽轉變?yōu)橹鲃訉W，多感官綜合學習。通過這樣的方式，學生在參與互助中掌握了知識，進一步通過實踐生成能力，真正實現從知識到能力的轉化。目前，學習金字塔理論在國內外得到廣泛認同，取得了較好的實踐效果。

1.2.2 思維導圖

創(chuàng)新思維以記憶能力為前提，能力以知識為基礎，因此一些基礎理論知識的記憶必不可少，擁有詳盡的背景知識是提升創(chuàng)新思維能力的關鍵。思維導圖與創(chuàng)新思維具有一定相似性：創(chuàng)新思維需要從多角度、多方面思考問題，思維導圖是一種發(fā)散性思維方式，可幫助學生擴張思考水平的廣度和深度。目前在國內很多課堂上，思維導圖得到廣泛應用。實踐表明，運用思維導圖可以增強邏輯思考能力，提升創(chuàng)新思維能力。因此，在本課程教學構建中將思維導圖和研究生思辨能力提高結合起來，通過思維導圖激發(fā)學生的發(fā)散思維。

1.2.3 翻轉課堂

翻轉課堂（Flipped Classroom）指重新調整課堂內外時間，將學習的決定權從教師轉交給學生，其目的是讓學生的參與度更強。李琳等探索了翻轉課堂與傳統(tǒng)教學結合的計算機網絡原理課程教學，取得一定成效。目前，基于“互聯網+”的O2O 翻轉課堂、討論式、“慕課+翻轉課堂”課堂已經在研究生教學中有一定程度的探索。

總體而言，以上3 種理論和技術分別在教學實踐應用中取得了較好效果。然而，將它們三者結合并用于計算機專業(yè)研究生思辨能力培養(yǎng)教學實踐仍處于初步階段，需在實踐過程中進一步完善和提高。

2 課程設計

高質量的問題是啟發(fā)批判性思維的關鍵。數據挖掘課程內容蘊含著豐富的自然科學知識，與廣泛的工程應用技術密切相連，這些內容是培養(yǎng)并提高學生思辨能力的良好素材。利用數據挖掘課程作為載體，提煉出多種多樣的問題以引導學生進入更深層次的思考，可以培養(yǎng)和提高研究生的思辨能力。研究生的學習以高級目標（分析、評價、創(chuàng)造）為主，通過提問可以提高研究生的高階能力。在學習金字塔理論指導下，利用思維導圖與翻轉課堂構建知識間的連接，從而促進學生思辨能力提升。基于以上認識，對思辨能力培養(yǎng)的邏輯起點和輸入進行思考，形成如圖2所示的課程教學思路。

Fig.2 Thoughts of course design圖2 課程設計思路

學習金字塔理論具體實施思路是采用分組學習策略，將參與課程學習的研究生分成若干小組，提供線上優(yōu)質課程資源，學生線上完成知識點自學；然后課堂上以小組為單位進行知識點講解。此外，由于數據挖掘課程理論性強、課程信息量大、知識點多（包括數據預處理、分類、聚類、回歸、關聯規(guī)則、集成學習、進化計算、深度學習等），學生普遍感覺課程知識點連貫性不強，缺乏對知識的系統(tǒng)性理解和掌握，將零散知識點有機結合起來進行運用較為困難。課程組考慮利用思維導圖幫助學生建立課程細粒度知識點的整體框架與結構，通過思維導圖引導學生構建知識點鏈接，積極發(fā)散思維，理性反思遇到的相關問題，甚至提出新問題。

3 教學實施

3.1 理論課堂實施

根據上述設計，學生主講自主課堂實施如下：

（1）第一堂課由課程組教師主講。首先介紹本門課程的授課和考核方式，然后給出課程整體思維導圖，完成關于數據過去和未來的綜述性講述。在第一堂課后，提供相關學習資料，在線課程資源信息如下：趙衛(wèi)東：商務智能（商務數據分析）（超星爾雅）；袁博：數據挖掘理論與算法（學堂在線）。接著進入學生自主講授課堂環(huán)節(jié)，間隔設置為4周以上，以便給予學生充足的線上學習時間。

（2）以2～3 人小組為單位對研究生進行分組。要求學生自主講授內容覆蓋數據挖掘核心算法和前沿領域算法（隨機森林、極限學習機、均值漂移聚類、譜聚類、生成對抗網絡、長短期記憶人工神經網絡、深度強化學習、注意力模型、自監(jiān)督學習等）。針對學生講座報告PPT 給出模板，同時要求每組學生錄制一段15～20min 的專題內容報告視頻。報告內容包括算法原理層面、算法應用層面和算法優(yōu)缺點的闡述以及有無改進思路。

（3）每個小組課堂講解時間控制在15～20min。由于受應試教育影響，學生普遍愿意當一名課堂聽眾，很少主動參與課堂討論。因此，在小組完成報告以后，針對報告內容，主講教師引導學生提問和組織課堂討論，比如首先問算法優(yōu)缺點背后的原因，有主講小組學生回答，然后繼續(xù)提出其他問題，學生在觀察、模仿其他學生提問和回答問題的過程中逐漸掌握提問方法。課堂提問、討論和主講教師綜合點評時間為15～20min。上述過程使學生經歷“知識—應用—評價—反饋”合理表達的思辨過程，從而形成深刻理解和反思，提升思辨能力。

3.2 課程考核實施

考核是對學生學習成果的認定和評價，良好的考核機制能對學生的學習過程和學習動機產生正確的指引作用，促進教學質量提升。對于課程考核，以思辨能力和創(chuàng)新能力培養(yǎng)為導向，采取多元的考核方式，對課程考評方式設計如下：

（1）小組課堂報告和課堂表現占比15%，各小組提交報告PPT 和相關課程案例，并說明小組成員分工和協作情況。報告內容起評分不超過80 分，綜合課程組教師和參與課堂學生打分折算得到，另一部分為報告內容獲得學生提問的得分，每獲得一個提問并能準確回答問題得5 分，最高20分封頂，每位學生累計提出不少于3個問題。

（2）課程實驗占比15%，選擇課程相關的任意算法完成一項數據分析任務，并撰寫實驗報告1 份，要求包含的基本內容如下：算法基本原理、數據來源、數據預處理方法、數據分析過程及分析結果可視化。

（3）論文撰寫占比70%，論文類型為數據挖掘和機器學習算法的應用論文或綜述性論文。對于應用論文，需具有一定創(chuàng)新性，起評分80 分；對于綜述性論文，文獻要求不低于40 篇，其中英文不低于10 篇，起評分75 分，論文撰寫需符合學術規(guī)范。

4 實踐效果

Table 1 Students'performance distribution in recent 3 years表1 近3學年學生成績分布

自2019年實施上述教學設計以來，考核要求和標準基本保持穩(wěn)定（2021 年增加了思維導圖考核）。近3 年選課學生數占總人數的60%左右，選課人數和總評成績出現增長趨勢，具體如表1所示。

觀察表1 可知，經過3 年實踐后，2021 年平均成績較2019 年提高近3 分，特別是90 分以上的人數從0 人增長到16 人。2020 年成績略有下降，主要原因在于受新冠疫情影響，課程完全采用線上教學方式，未能形成良好的提問氛圍，成績不夠理想。在2021 年教學中，對課程考核進行了完善，降低實驗成績占比為總評的10%，考核總評中增加了思維導圖部分，占總評的5%，要求學生結合自己的研究方向，制作思維導圖，主要評價標準包括主題是否明確、內容是否充實、布局是否合理、關鍵詞提取是否準確等。在翻轉課堂講授環(huán)節(jié)由原來的一個講授單元調整為每組學生準備3 個單元，在某次課堂報告時隨機抽取所準備的內容，做到每個學生錄制報告視頻全覆蓋，從而調動全體學生參與積極性。總體而言，該課堂提問氛圍愈加濃厚，所提出的問題從原來的“是不是？”“有沒有？”等低階問題，到后面的“方法為什么能行？”“和同類方法比行在哪里？”“可以從哪里進一步改進”等深層次問題，課堂提問情況有較好提升。部分課堂上的問題成為學生們課后研究的線索，形成了考核論文撰寫思路，應用性論文占比從原來不足40%逐步到超過55%，部分論文擴展以后被CCF 推薦的期刊或國際會議錄用，學生思辨能力得到了較好的訓練。

5 結語

為了培養(yǎng)計算機專業(yè)研究生的思辨能力，對數據挖掘課程教學重新設計，打造思辨課堂，在3 年的實施過程中，取得了一定成效。然而，部分教學設計和考評機制還有待完善，如前期為了激發(fā)學生提問，學生提問的得分是按個數計，而沒有考慮問題的質量；再者，隨著研究生招生規(guī)模的擴大，很難保證每位學生有機會在課堂上提出3 個問題。因此在后續(xù)課程中，會進一步完善課程教學設計和考核機制，從而促進課程建設，讓課堂上每位學生的參與度和思辨能力都得到提升。