康養文旅背景下數據挖掘課程改革探索

張 岳 寧玉富 楊菲菲

山東青年政治學院信息工程學院 山東濟南 250103

眾所周知,康養文旅產業是指以健康養生、休閑旅游、文化傳承等為主要內容的綜合性產業,數字化、智能化是康養文旅產業發展趨勢之一,而數據挖掘是實現康養文旅產業數字化、智能化的必由之路。因此,作為以“康養文旅”產教融合發展的應用型本科,掌握數據挖掘技術對學生的就業和未來深造都有重要意義。但是,數據挖掘課程在本科教學階段普遍存在諸多問題。為了提高教學質量,解決當前教學過程中存在的痛點問題,本文進行了課程改革和探索[1]。

“數據挖掘”課程是面向我校數據科學與大數據技術、信息管理與信息系統三年級本科生開設的一門專業核心課程,共64課時(理論學時32+實驗學時32)。課程以Python為開發語言,緊跟人工智能、大數據時代前沿,開篇介紹人工智能、深度學習、機器學習、數據挖掘之間的聯系與區別,使學生對本門課程有準確的定位。通過分類預測、回歸分析、聚類分析、關聯規則、神經網絡五大主要任務的學習,培養學生解決數據挖掘實際生產環境中復雜問題的能力,培養學生以“數據”為核心,用“數據”來說話,求真務實、實事求是的做事態度。

1 教學現狀及存在的問題

隨著“云大物移智”時代的到來,越來越多的高校在本科階段開設了數據挖掘課程,在數據挖掘應用方面側重點也有所不同,涉及康養文旅、金融、醫療、教育、生物等領域[2]。教學資源所需數據一般是通過數據爬取的方式,采集互聯網數據進行項目開發。考核方式以作業、課堂表現、期末考試、課程設計等方式對學生進行綜合評測,以確保學生能夠掌握數據挖掘的基本知識和技能,并具備一定的實際操作能力。

在教學過程中存在的主要問題:

1.1 課程教學內容方面

本科階段的數據挖掘課程挑選教材是一個很“棘手”的問題,首先教材內容要能跟上大數據時代的步伐,新技術、新概念層出不窮,教材內容更新緩慢。其次,教學內容的安排,本科生是否能夠理解和接受。數據挖掘課程內容涉及統計學、數學、計算機等多個學科的知識,內容相對來講難度較大,面對不同基礎的學生,需要花費更多的時間和精力來理解和掌握[3]。

數學要求較高:數據挖掘課程需要涉及許多數學知識,包括線性代數、概率論、離散數學等。對于一些計算機科學專業的學生來說,數學基礎背景不同,這些數學知識可能相對比較陌生,需要花費更多時間來理解和學習。

數據集質量不高:真實案例依靠的是真實的數據集,而現實中的數據集往往存在一些問題,比如數據缺失、噪聲、不平衡等,而數據質量又影響了數據挖掘的結果。在教學過程中,教師需要選取高質量的數據集,并教授學生如何采用數據預處理方法處理數據。

教學內容過于理論化:數據挖掘是一門實踐性較強的學科,但有些課程可能過于注重理論,導致學生在實踐中遇到困難。

學生難以理解:過于理論化的教學內容可能會使學生難以理解和掌握,因為數據挖掘本身是一門實踐性很強的學科,需要結合具體實例進行學習[4]。

太過依賴工具:工具和軟件對于數據挖掘課程來講是非常友好的,例如Anaconda、Pycharm等。然而,過度依賴這些工具可能會導致學生缺乏對于算法原理和底層實現的理解,從而影響其對于數據挖掘的整體把握。

1.2 教學方法和手段方面

由于學生在數據挖掘知識方面的基礎、興趣和能力存在差異,教師在教學過程中可能無法根據學生的不同情況進行個性化的教學和指導。教學資源較為單一,難以滿足學生開放性、自主性和創新性的需求。

缺乏實踐案例:數據挖掘是一門實踐性很強的學科,但是有些教師在課堂上可能只是講解一些基本概念和算法,而缺乏真實的案例來演示和實踐,導致學生對于這門學科的實際應用了解不夠深入。

缺乏互動和反饋:在教學過程中,教師應該與學生建立起互動和反饋的機制,及時了解學生的學習情況和反饋,以便針對性地進行調整和改進。但是有些教師可能只是一味地講解,而沒有與學生建立起良好的互動機制,導致學生對于數據挖掘的學習效果不佳。

1.3 課程考核方面

考核方式單一:只采用期末考試和平時作業的形式評測學生的綜合能力,無法真實反映學生對課程內容的掌握水平和動手操作能力。

考核內容不夠全面:有些課程的考核內容過于狹窄,只注重學生的記憶和理解能力,而忽略了學生的應用和創新能力。這樣會導致學生只是為了應付考試而死記硬背,而缺乏真正的學習興趣和創新意識。因此,應該設計更具有挑戰性和啟發性的考題,鼓勵學生發揮自己的創新思維和實踐能力。

考核標準不夠明確:考核標準應該明確、公正,以便學生了解自己的考核標準和考核要求。有些教師在考試評分時存在主觀性,這樣會導致學生的成績波動較大,評價不公。因此,應該建立科學的考核標準,使評分更加客觀和公正。

考試成績不能全面反映學生能力:考試成績不能完全代表學生的學習能力,因為考試只是一種評估方式。學生的學習態度、學習習慣和學習方法等都會影響到學習成果,這些因素是考試無法完全反映的。因此,需要采用多種評估方式來全面評價學生的學習能力,如平時成績、小組討論等。

調動學生上課積極性,如何完善考核機制,使學生有興趣和積極性參與到課堂中來,提高課堂的活力,進一步提高課堂教學效果。

為了解決上述問題,需要在數據挖掘課程的教學內容、教學方法和手段、課程考核等方面進行改進和優化。下面將列舉一些可能的解決方式。

2 數據挖掘課程教學改革探索

數據挖掘課程的教學改革可以提高學生的創新意識和綜合素質,增強學生的實際操作能力,促進教師的教學改進。結合多年的數據挖掘課程教學實踐,總結了以下幾個方面的改革探索。

2.1 線上線下混合式教學

為了拓展教學資源,提高學生學習的積極性,使用超星平臺、MOOC平臺輔助教學。教師可在課前發布教學MOOC視頻,讓學生依據視頻提前預習課程內容,讓學生帶著問題進入課堂,可以提高學生在課堂中學習主動性,增強學生的學習興趣。教師還可以根據授課內容,借助雨課堂、中國大學MOOC等平臺定期發布測試試題和作業,讓學生更好地抓住學習的重點和難點,檢測階段性學習效果。

混合式教學方式提高了學生的學習興趣,拓寬了學習資源,要完善評估與反饋機制,利用在線測驗和在線作業系統對學生的學習成果進行評估,及時反饋學生的學習進度和成績,以及對學生學習過程中的問題進行解答和指導。混合式教學需要教師和學生積極配合,制定好學習計劃和進度,及時完成線上和線下的學習任務。同時,教師需要根據學生的學習情況,及時調整教學策略,保證教學效果。

2.2 案例式教學設計

數據挖掘課程許多理論知識比較難以理解,僅靠講授原理難免讓學生感覺抽象乏味,另外數據挖掘任務繁多,讓學生在課時內掌握所有數據挖掘任務也不現實,可以采用案例式教學方法,具體為:課程內學時讓學生學習一套該案例的解決方案,課程外學時可讓學生去探索不同的解決方案或其他類似案例的一套完整解決方案,這樣就起到了舉一反三的效果。同時運用案例式教學的方式,使學生學到的知識可以快速落地,快速看到自己完成的成果,從而提高自身的學習興趣。教學案例緊跟學科競賽內容,及時將學科競賽中的內容吸納到教學案例中。

制定明確的學習目標:在開展案例式教學工作前,要使學生明確自己的學習目標,需要掌握哪些知識和技能,可能面對的問題以及解決措施有哪些。

基于案例的作業和考試:通過基于案例的作業和考試,促進學生對數據挖掘技術和方法的深入理解和掌握。可以根據不同的案例進行設計,如分類、聚類、回歸分析、神經網絡等。

使用可視化工具:合理使用可視化工具可以使學生更好地理解數據,并能夠更直觀地呈現數據挖掘的結果。常用的可視化工具有matplotlib、pyEcharts等,使用可視化工具可以使學生更好地理解數據挖掘的概念和方法。

教師的引導和評價:在案例式教學過程中,教師應該扮演指導者的角色,對學生的分析和解決問題過程進行引導和評價。同時,需要對學生的實踐和表現進行評估和反饋,以幫助學生不斷提高。

2.3 建立以學生為中心的教學理念

改變傳統的教學理念,教師在整個教學過程中,應該起到“引導”作用,而不能“主導”學生的整個學習過程。首先要讓學生明白本門課程的教學重點內容,將重點內容進行“任務化”,以隨機分組的形式化解任務。學生可根據任務的要求,自主查詢相關學習資源,從而提高了學生的積極性。小組學習是一種以學生為中心的教學模式,能夠促進學生之間的互動和合作,增強學生的學習效果。鼓勵探索性學習,學生在探索中學習,能夠培養學生的自主學習能力和創新思維,建立以學生為中心的教學理念。

建立以學生為中心的教學理念,前提是了解學生的背景和需求,包括他們的學習目標、學科背景、職業規劃和個人興趣等方面。根據學生不同的背景和需求,制定個性化的教學方案和教學內容,從而提高教學的有效性和針對性。

鼓勵學生培養自主學習的習慣,自主學習是達成以學生為中心的教學理念的核心之一。教師可以給學生提供相關的個性化指導和資源,鼓勵學生自主學習,幫助學生建立自主學習的能力和自信心。自主學習模式包括自主探究問題、自主解決問題和自主展示學習成果等方面。

強調實踐應用的重要性。數據挖掘課程是一個理論和實踐相結合的課程,強調實踐應用可以幫助學生更好地理解和應用課程內容。教師可以提供實踐項目和案例研究,鼓勵學生將所學的理論知識應用到實踐中。

總之,以學生為中心的教學理念是一項復雜的任務,需要教師在課程設計、教學方法、教學資源和教學評估等方面進行不斷的調整和改進。只有將學生放在教學的核心位置,才能真正提高教學的質量和效果。

2.4 優化課程考核方式

為了提高學生的動手實驗能力,可以增加課程設計的形式對學生進行考核,在學生理解數據挖掘一般過程,學習了分類預測等部分數據挖掘任務后,學生即可采用組隊的形式完成一個課程設計。課程設計的主要內容是:使用網絡爬蟲爬取網頁數據、存儲數據、數據預處理、數據建模、模型評估、模型建立。為了防止組內成員成績的平均化,課程設計的考核機制進行了優化。首先,教師給小組課程設計評分,教師評分乘以小組人數是小組總分。然后,小組組內進行互評,根據互評取得個人得分。

課程設計考核內容占比評分內容要求小組日志得分10%1.任務恰當,目的明確2.組內分工合理,執行效果好,存在問題提煉準確3.日志填寫規范,內容翔實4.下一步的計劃具有可操作性,對整個項目進度把握到位數據挖掘分析報告得分30%1.主題明確,具有實際意義2.數據獲取方式科學合理3.數據預處理正確4.分析思路清晰,有結果5.數據可視化方式科學,圖表美觀,展示效果好小組匯報得分60%1.內容完整,結構合理,思路清晰,重點突出2.PPT整體布局美觀合理,中文字體設計恰當,文字清晰3.使用圖表、圖形等工具直觀展示數據此項內容,評分教師打分占比60%,各小組隊長打分占比40%(去掉一個最高分,去掉一個最低分,取平均分)

結語

本文針對當前數據挖掘課程教學過程中存在的“痛點”問題,提出了改革探索方案,合理安排教學內容,多渠道拓寬教學資源。引入課程設計考核,并以科學的評分機制引導學生完成課程設計。實踐調動了學生學習的積極性,增強了學生理論知識的掌握,提高了學生動手實驗能力,培養了學生“實事求是”的做事態度,落實了人才培養方案,培養康養文旅方面的大數據挖掘人才。