網絡數據采集與處理課程教學模式改革

關鍵詞：網絡數據采集；三階遞進式；課程改革；百度AIStudio平臺；頭歌平臺

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2024）28-0146-03

0 引言

大數據、人工智能等技術引領數智時代的發展，促進了產業結構的轉型與升級，進而對我國研究生教育培養和創新素質提出了新的要求[1-2]。圖書情報專業涵蓋多學科前沿知識，具有典型的跨學科、實踐性強等特點。因此，如何在數智時代新環境下拓展專業內涵，構建適應新時代圖書情報專業研究生培養的課程體系，是當前必須面對的問題[3]。

傳統的圖書情報專業教育模式已無法滿足數智時代對人才的需求，課程改革勢在必行。同時，我校圖書情報研究課題大多與數據分析和機器學習模型相關，因此網絡數據采集與處理課程在我校圖書情報碩士人才培養中占有重要地位。孫文龍等[4-6]利用問卷調查、網絡分析的方式分別對國內情報學、圖書館學研究生課程進行了系統調研，結果表明關于大數據技術、機器學習等課程設置不足，且未形成系統化。歐美高校通過建設“圖情+”項目，引入企業背景師資，采用綜合實踐等創新教育模式，系統提升了學生的專業素質[7-8]。與歐美高校相比，國內高校在該領域的課程建設仍處于起步階段，存在以下問題：開設時間較短、缺乏完善的體系化規劃、實踐平臺薄弱、理論與實踐的結合程度低以及教學內容與業界需求之間的聯系不夠緊密[9]。

在新工科背景下，圖書情報專業的數據分析和人工智能人才培養更加重視實際應用。這意味著需要圖書情報專業能夠滿足社會和企業對應用的迫切需求。課程建設是人才培養的基石和關鍵環節，本文以應用型人才培養為目標，針對網絡數據采集與處理課程的實踐教學模式進行改革，提高實驗實訓的參與度，提升學生的實踐能力。

1 課程特點分析

目前，由于圖情行業對人才的多樣化需求、師資力量薄弱和實驗平臺硬件高要求的特殊挑戰和困難，該課程面臨一些迫切需要解決的問題。

1.1 實驗軟硬件環境滯后

網絡數據采集與處理課程的深度學習模型部分，需要圖形處理器（Graphics Processing Unit，GPU） 計算資源和復雜的環境配置，當前學校機房軟硬件環境滯后，導致學生無法進行深度學習模型的實驗，限制了他們實踐能力的提升。

1.2 行業案例和項目選題缺乏創新性

由于傳統教學模式與行業實際需求脫節，導致學生難以理解知識的實際應用，無法解決現實中的復雜問題[10]。

1.3 課程實踐性強，跨專業學生基礎薄弱

該課程的教學效果高度依賴理論與實踐的結合，實踐至關重要。本課程需要學生掌握Python，尤其要熟悉使用其中的各種包，也包括Pytorch、PaddlePaddle 等不同的深度學習框架。同時，不同院校的圖書情報碩士跨專業生源存在顯著差異，武漢大學等校生源大多具備相關專業背景[10]。對于非圖書情報背景的學生來說，有些學生可能自學了Python，但缺乏足夠的編程訓練。因此，如何根據學生的具體情況合理安排學時、線下、線上和課外學習內容，提高學生對專業的興趣和熱情，是課程教學設計須認真考慮的關鍵問題。

2 三階遞進式教學模式設計與探索

課程采用課堂、實驗和項目的三階遞進式教學模式，以需求為導向凝練知識點，幫助學生將理論與實踐相結合，激發解決實際問題的興趣，從而滿足企業和社會對人才的要求。

第一階段：課堂教學。在這一基礎階段，教師通過授課向學生傳授相關理論和編程方法。這個階段強調調試代碼能力的訓練，也為后續的實踐打下堅實的理論基礎。

第二階段：實驗環節。在這一階段，學生親自動手完成驗證性實驗。學生將在這個過程中消化課堂所學的理論知識，運用理論知識指導實踐，將學習到的實踐方法轉化為實際操作技能。

第三階段：面向企業需求的項目實踐。學生以小組方式學習企業實踐案例。這一階段旨在提升學生的綜合應用能力和創新思維，培養他們應對實際工作挑戰的能力。

基于以上三階遞進式教學模式設計思路，本課程采用頭歌實訓平臺和百度AI Studio平臺對課程的實踐教學模式進行改進和創新。在課程教學中，首要確定運行Python的編程環境，Python實驗平臺選擇頭歌在線實訓平臺。該平臺采用游戲化闖關的形式，有效激發了學生的學習興趣和主動性。

同時，深度學習實驗對GPU算力有較高要求，本校實驗環境難以支撐此類實驗實踐教學。而且，在以往實驗教學設計中，教師需要安裝和配置相對復雜的軟件環境。受認知水平的影響和自主學習能力的差異，部分學生在自行安裝實驗環境時也面臨重重困難，加之學生的溝通和協作意識不強，阻礙了學生學習的熱情。為解決以上問題，課程經綜合考慮選擇了百度AIStudio平臺。與其他深度學習平臺相比，百度同時為每位開課老師和選課學生提供免費GPU算力，免費的算力和在線的開放平臺能夠為老師在平臺上建課和授課提供極大的便利性。平臺還提供了豐富的樣例工程和各領域數據集，以及云端的計算和存儲資源，可以快速搭建以行業應用為驅動的項目實踐教學平臺。

2.1 課堂教學過程

課堂教學配套的資源豐富多樣，方便學生根據需要學習知識點。為了應對內容繁雜、知識點眾多的課程，教師可以將各種類型的資源上傳到頭歌平臺，包括PPT、視頻、音頻等，以便學生有針對性地選擇學習。在授課過程中，教師可針對性講解內容，其中數據采集、數據預處理和機器學習是授課的重點。

課程內容傳授過程分為課前和課中兩個環節進行設計，旨在實現翻轉教學效果。課前，學生在課外完成基本的知識點學習，通過自學和在線資源掌握基礎理論。課中，教師在課堂內通過輔助教學，幫助學生鞏固和提高所學知識。這種設計不僅提升了課程的授課效果，還增強了學生的學習體驗。通過課前自主學習和課中互動教學的結合，學生能夠更好地理解和應用所學內容，從而實現更高效的學習成果。

2.1.1 課前環節

課前環節包括學期開課前準備素材、定時發布教學內容和學生按要求完成預習任務。具體步驟如下：1） 教師準備課程素材；2） 平臺發布內容；3） 學生獨立學習和自測；4） 測試題與統計。通過這樣的課前準備環節，學生能夠在上課前建立起對課程內容的初步理解，為課堂上深入學習和互動討論打下良好的基礎。

2.1.2 課中環節

課中教學部分以問題或者項目為導向歸納核心知識點，將原來課堂教學內容、教學環節重新分解再造，劃分成10～20分鐘為單位的授課階段，每個階段后輔以投票、測驗、問答討論等教學環節，完成知識點的學習。授課過程中采用理論結合實踐的方法，先講解理論原理，再結合1～2個實踐案例進行講解。

實踐證明，學生能夠迅速理解飛槳框架相關的深度學習代碼，這不僅加強對深度學習理論的理解，還使得課堂教學更加流暢。此外，通過實際應用飛槳框架，學生逐漸增加了對國產深度學習框架的信心和熱情，達到課程思政的教學目標。

2.2 基于頭歌開展線上基礎實驗

基礎實驗內容遵循以下原則：

1） 實驗題目具有新穎的特點，能引起學生的興趣；2） 實驗內容與理論授課內容相匹配，能夠加深對理論內容的理解；3） 實驗可進行自動評測，降低教師評價工作量。

基于以上三原則，課程在頭歌平臺創建了在線基礎實驗課程。

在實驗課之前，要求學生預習相關資源。實驗過程中，教師講解實驗細節，學生通過自己動手實踐。若遇到問題，學生可以在討論區與教師和同學討論，但不得張貼答案。完成實驗后，學生將獲得闖關成功的提示。整個實驗設計如圖1所示，共包含41個基礎實驗。

2.3 基于AI Studio開展項目教學

本課程在項目實踐環節主要來自AI Studio中的“飛槳產業實踐范例庫”，其項目背景和需求與企業密切相關。同時，百度AI Studio平臺提供了豐富的資源，包括社區、算力、課程、比賽等。課程在充分借鑒平臺優秀案例的基礎上，進行了二次開發，以完善課程線上實驗資源。這種方式不僅結合了平臺的優質資源，還根據學生的具體需求進行了調整，確保教學內容更具有針對性和實用性。

我校生源來自多個不同專業，為降低與任務相關背景知識的學習難度，課程以情感分析單一任務講解三大深度學習模型，不再介紹圖像分類、信息抽取、問答系統等多個自然語言處理任務，而是將這種多樣化需求體現在學生自選項目上。圖2所示是在AI Studio 平臺上搭建的課程網站。

2.3.1 項目題目篩選

項目選題符合實際應用場景。選題從行業應用出發，使學生從了解行業需求，逐步提高能夠解決復雜工程問題的能力。選題不應僅僅是為了實現某個模型，而是要與實際工程應用所面臨的問題相關聯，讓學生在解決項目中的挑戰時能夠運用所學知識和技能。表1展示了2023年秋學期課程選擇的6個“飛槳產業實踐范例庫”中的題目。

2.3.2 項目的實施過程

項目實施采用課內和課外相結合的方式。課內學時為學生與指導教師提供了交流和討論的機會。學生被要求在百度AI Studio開源項目中進行工作，并在項目討論區發布項目進展，以便教師和同學進行點評和互評。這種開源項目的方式進一步提高了學生的參與度。項目的評估通過期末答辯和項目報告進行綜合衡量。

2.3.3 項目的總結延伸

為了進一步推動學生參與大數據和人工智能領域的創新實踐，課程采取以下措施：1） 表彰和獎勵；2） 組建興趣小組。通過這些舉措的實施，可以看到越來越多的學生對大數據和人工智能充滿熱情，并積極參與學習和實踐，取得了令人矚目的成就。這種積極性的提升對于培養學生的實踐能力至關重要，不僅能夠促進個人的成長，還能夠為整個行業的發展注入新的活力和創新力。在2023年9月舉辦的“泰迪杯”數據分析技能賽中，課程所在班同學均報名參賽，獲得國賽二等獎2項和三等獎5項的優異成績。

3 結論

針對企業對圖書情報專業學生的需求，本課程對網絡數據采集與處理課程進行了有針對性的設計和實踐，更加注重數據分析和機器學習技術在行業中的應用。為了解決課程實驗中的難題，本課程從基礎到綜合逐步搭建了集成教學環境，并進行了多輪教學實踐。通過這些措施，成功解決了軟硬件環境搭建困難、行業數據集獲取缺乏和教學設計缺乏針對性等問題。集成教學環境的建立不僅簡化了教學過程，提高了學生的學習效率和實踐能力，還進一步為其綜合素質和職業發展打下了堅實基礎。未來，將探索將大型語言模型（如ChatGPT） 應用于課程教學，以進一步提升學生的代碼編寫能力和創新實踐能力。