基于“以學習為中心”理念的高職大數據專業課程沉浸式課堂實施探索

摘要：文章以高職院校大數據技術專業課程教學改革為研究對象，圍繞環境準備、課程銜接、工具選擇、問題庫創建、先學后教等關鍵環節，系統闡釋了以學習為中心的大數據專業課程沉浸式課堂構建的策略分析與成效評估，為大數據專業課程及同類課程的以學習為中心教學課堂的實施提供了參考與借鑒。

關鍵詞：大數據專業；以學習為中心；自主學習；沉浸式課堂；實踐教學

中圖分類號：G42" " " 文獻標識碼：A

文章編號：1009-3044（2025）21-0143-03

開放科學（資源服務） 標識碼（OSID）

0 引言

自21世紀初，社會經濟的迅猛發展對人才的綜合素質提出了前所未有的要求。在這一背景下，學生若想成為某一專業領域的合格技能型人才，不僅需要精通專業知識、技能和素養，還必須密切關注專業技術的最新發展，保持持續學習的態度和能力。這一發展趨勢對高職教育的教學質量提出了更大的挑戰。高職專業教育的目標不應僅限于傳授專業知識和技能，更關鍵的是引導學生掌握學習方法，助力他們在個性、社會性和認知能力上獲得全面的發展[1]。“學會學習”已成為新時代人才競爭的核心能力。“學會學習”強調在教學過程中激發學生的自主學習能力，將被動接受知識轉變為主動探索的過程，在探索中發現樂趣，從而更加積極地投入學習。從掌握一個技能點開始，逐步擴展到更廣泛的領域，實現學生專業技能乃至整體能力的全面提升。因此，教學質量的實現不僅取決于教師的教學水平，更在于學生主體性的激發和學習質量的提升。“以學習為中心”的課程教學已成為必然趨勢。

1 “以學習為中心”的課程教學內容

“以學習為中心”的課堂是指以學生獨立、能動的學習作為整個課堂教學中心的課堂[2]。這樣的課堂需要教師在教學中持續關注學生的學習，包括：學生的學習參與度、學習過程、學習結果等[3]。教師需要根據學生的學習情況，不斷調整自己的教學，并提供豐富的學習資源和支持，營造積極的學習環境。“以學習為中心”課堂教學過程組織的基本邏輯是：以學生的問題作為教學過程組織的基本導向，并以學生自身能動的學習活動作為教學過程的本體[4]。學生通過探索、研究、討論和實踐等多種方式，積極構建自己的知識體系[5]。在這一過程中，教師的教學目標不再只是“教知識”，而是“教學生如何學”。教師發揮作用的主要方式是對學生能動參與學習活動進行動機激發、情緒調動，對學生有效完成學習過程進行方法指導、操作示范、反饋評價、互動交流和解答疑難等[4]。這種教學方式強調知識的實際應用，通過案例分析、項目設計、實驗操作等實踐活動，使學生能夠將理論知識與實際問題相結合，提高解決實際問題的能力。同時，教師和學生都需要不斷反思教學和學習過程中的問題，尋求改進的方法和策略，以不斷提升教學效果和學習質量。其最終目的是培養學生的自主學習能力和綜合素質。

2 大數據專業課程的特點及存在的問題

大數據專業課程具備較強的綜合性和實踐應用性，通常由若干個項目構成。從技術的角度來看，需要學生靈活使用Linux操作系統，掌握編程的基本技能和思維，熟悉數據庫操作等。大數據環境涉及許多組件，每個組件都有多個版本，且版本之間存在兼容性問題，因此理順環境的問題是后續學習的基礎，同時也是大數據學習中的難點。這些特點為學生的學習過程帶來了多重挑戰，解決這些問題的有效途徑就是通過實際項目實踐。能夠將大數據類課程學好，不僅意味著收獲新的知識、技能和能力，也是一種對所學課程的綜合運用，以真正達到學以致用的效果。

在大數據專業課的授課過程中，由于課程的特點，會出現如下幾種問題：

1） 實驗環境與課程任務間存在前后依賴關系。當前一節課完成的內容可能是下一節課所需的環境，這導致課程任務之間產生了前后依賴關系，前面任務的完成情況會影響到后面任務的完成。

2） 前導課程掌握程度的差異導致學生任務完成效率參差不齊。前導課程的掌握程度差異在學生完成任務的效率上顯著體現，掌握程度不佳的學生完成課程相關項目任務的效率較低，學生之間完成同一任務所需的時間差距較大。

3） 課程的高操作性要求與編程能力要求構成綜合挑戰。課程既要求在搭建集群環境時具備高操作性，又要求在編寫代碼時具備相應的編碼能力，這對學生構成了一種綜合能力的挑戰。

4） 學生課堂專注度不足，影響了知識的扎實掌握。部分學生對聽講不夠重視，老師講課時，他們常常不認真聽講或做其他事情。這些學生在進行練習時會遇到問題，很多問題正是老師講過的內容，老師不得不重復講解。而在老師講解他人問題的解決方法時，他們往往認為與自己無關，因此注意力不集中，導致在任務進行到后期時又會碰到類似的問題。

3 教學實施過程

面對上述課堂實施時的問題，基于“以學習為中心”的教學理念，從以下幾個方面進行嘗試和實踐，取得了良好的效果。

1） 環境準備

通過對實驗室及學生個人設備環境的優化，確保每個階段任務均能在穩定的環境中進行。首先，在實驗室安裝好通過虛擬機搭建的集群，將課程每個任務對應的集群虛擬機環境制作成快照，以方便按需選擇。其次，學生在個人計算機上搭建集群，隨著課程任務的推進，提醒他們在能夠穩定使用時建立快照。最后，在服務器上搭建便于維護的CDH集群，并在上課時將鏈接發放給學生，作為后備的選擇。

2） 選擇適合學生的易用組件

大數據處理流程的各個環節均有多種組件可以完成相應的功能。在大數據課程中，難免會涉及多個組件的使用，而學生學習每一個組件都需要時間。如果組件數量過多或使用方法過于復雜，將會影響學生的學習積極性和學習效果。因此，選擇組件的原則是盡量減少涉及的組件數量，確保使用簡單方便。如果某個組件能夠同時完成多個環節的功能，即使它在生產環境中不夠流行，仍應在學習環境中優先選擇，以便學生能夠真正達成學習目標，并在過程中培養學習能力。待學生的學習能力有所提升，能夠自如應對復雜環境后，再逐步引入接近生產環境的組件。

例如，在大數據分析實訓課程中，最初使用Hadoop集群的MapReduce進行數據預處理，Hive命令行進行數據存儲與分析，以及Java Web進行可視化展示。目前，已在Hadoop集群上安裝Zepplin組件，經過簡單配置后，學生可以基于Hive完成數據預處理、數據分析和數據可視化。這種調整顯著提升了學生的參與度和任務完成度。

3） 夯實前導課程基礎

首先，梳理出前導課程中與當前課程最相關的知識點，并整理成測試題讓學生以開卷形式完成。測試時設置允許多次提交，旨在促使學生熟練掌握關鍵知識點。在課堂上，對重點內容進行演示講解，并通過互動提問加深學生的印象。

4） 創建問題庫

在集群搭建和組件安裝過程中，常常會遇到許多問題，其中許多是學生普遍面臨的共性問題。雖然通常可以通過搜索引擎找到解決方案，但需要一定的經驗與技巧。為此，將這些共性問題及其解決過程記錄整理，形成班級共享的問題庫，以便學生自主查閱和借鑒。這樣的做法不僅促進了學生的自主學習，也為撰寫和查閱問題的同學提供了積極的學習動力。同時，學生在這個過程中積累了通過網絡解決問題的經驗。

5） 選擇合適的課程內容實施先學后教

對于課程中操作步驟簡單或與已學任務大體類似的任務，實行先學后教，以充分發揮學生學習的主觀能動性[4]。首先，教師發布學習任務、學習要求及相關資源，并給出相應的說明。隨后，學生自主學習該任務。接著，圍繞該任務進行小組討論與實踐，理清思路后進行項目實踐。在此期間，教師巡視并排查學生遇到的問題，對于個別問題進行個別解決，對于共性問題進行全班講授解決。最后，學生進行自我評估與總結反思。如時間允許，表現突出的小組可在全班分享學習成果。圖1展示了先學后教的總體流程，包括教師發布資源、學生自主學習、小組合作、教師講解、項目實踐、自我評估、總結與反思等環節。

自主學習以學習教材內容為主，同時提供與教材同步的形式多樣的學習資源（包括視頻、課件、文檔、在線資源鏈接、實戰案例、相關電子書等） ，供學生選擇[6]。學生帶著教師提出的問題進行思考、理解和分析，按照教師的思路進行實踐。這種方式彌補了部分同學只照做不思考的情況，推動他們獨立思考、深入理解，積極探索實踐并勇敢嘗試。同時，鼓勵學生，即使在實踐中出現問題也沒有關系，出現問題正是探索學習的開始。解決問題的過程將經歷沖突、理解、分析、試錯、驗證、修正和重構等一系列思維活動[7]。通過交流討論完善解決方案，教師與學生都能沉浸其中，從中體會到學習的成就感和樂趣，產生新的學習能動性，使學習不斷持續和深化。

在實施過程中，要充分發揮小組共學的功能[1]，同時對學生可能產生的問題進行預判。在解決問題時，一定要抓住主次，先解決共性問題，有些問題可以暫時擱置。幫助學生時盡量只提供解決問題的思路，讓學生自己嘗試解決，而不要直接介入，給予他們自由探索的空間。

在項目實踐完成或部分完成后，教師引導學生進行自我評估與同伴評估，思考與反思在學習過程中遇到的問題以及解決方案，并教導學生使用不同的學習策略，如思維導圖、筆記技巧等，使他們能夠有效地監控和調整自己的學習過程，同時幫助他們識別自己的優勢和需要改進的方面。通過自我評估，學生能夠充分培養自主學習能力、反思能力和批判性思維，從而促進自身的全面發展。

采用先學后教的方式，教師的講授時間減少，可以有更多時間幫助學生解決在前期學習中留下的問題，尤其是對于在不同思維模塊切換中尚未適應新模塊的同學，教師可以給予相應的幫助，使他們更好地適應新的模塊形式。對于不愛聽講的同學，這種方式增加了真正用于學習的時間，將一些學習的“觀光者”真正拉回課堂，提高了學生的學習投入度[8]。同時，教師能夠更加關注學生在學習過程中的表現和進步，而不僅僅是最終結果。在課程推進過程中，隨著學生對課程的熟悉度和解決相關問題能力的提升，可以逐步增加先學后教課程內容的比例。

以大數據分析實訓課程為例，該課程內容包括搭建Zeppelin環境，完成Hadoop集群上從數據采集、存儲，到數據預處理及分析可視化的電子商務消費行為分析，選擇的先學后教模塊為搭建Zeppelin環境及數據分析與可視化。

6） 設定個性化的學習目標

在教學中發現，有些學生較擅長安裝配置，而有些學生則在代碼編寫和調試等方面表現突出。因此，針對不同基礎與興趣的學生，設計分層次、個性化的學習任務顯得尤為重要。例如，對于編程基礎較好的學生，可以設置高級的MapReduce編寫目標；對于Linux操作熟練的同學，則可以增加云端集群或商業版本集群的搭建實踐；對于SQL基礎較好的同學，可以增加Hive數據分析的進階練習等；對于基礎較為薄弱的學生，則應著重強調Hadoop的基本概念和偽分布集群的搭建操作。

4 實施效果分析

通過一段時間的實踐與觀察，“以學習為中心”的課堂教學方式非常適合大數據專業課程和高職學生的教學。在“以學習為中心”的理念下，學生的學習投入度、上課活躍度和任務完成度等均有顯著提升。例如，在2022級大數據分析實訓的授課中應用了這一理念，并以2020級學生的該門課程學習效果作為對照。圖2展示了根據2020級和2022級各班大數據分析實訓課程期末成績數據，使用ECharts繪制而成的結果。如圖2所示，2020級的學生根據不同的生源分班，大數據2001班為高中生源，大數據（單招） 2001班為中專生源，兩個班的成績差異較大。而2022級每個班均有兩種生源，因此總體成績相對接近。2022級中等及以上成績的比例顯著高于2020級。這表明“以學習為中心”的教學模式在提升學生課堂互動、學習投入度和項目完成度方面都是積極有效的。然而，同時發現課程后期部分學生的學習積極性有明顯下降。

5 結論

本研究探索了“以學習為中心”理念在大數據課程中的沉浸式課堂實踐，涵蓋了環境構建、資源配置、問題庫建設以及先學后教流程的實施，并取得了階段性成果。下一步，將重點放在項目式教學和人工智能輔助教學的設計與實現上，進一步保障“以學習為中心”理念的實施。學生自主學習能力的真正提升，既依賴于教師的教學設計和引導，也需要在教學過程中深入關注學生的實際學習狀態和發展需求，將學生的學習情況作為評估和優化教學策略的重要依據[5]。通過建立“以學習為中心”的反饋機制，教師可以及時了解教學效果，動態調整教學內容與方法，從而構建教與學之間的良性互動關系。在此過程中，教師需不斷優化教學策略，積極應對并解決教學過程中遇到的各種挑戰，為學生的自主學習能力發展創造更有利的環境支持。

參考文獻：

[1] 周芬芬.課堂教學改革推動高校人才培養模式改革：基于“以學習為中心” 課改理念的思考[J].華中師范大學學報（人文社會科學版），2017，56（4）：169-176.

[2] 陳佑清.“學習中心課堂” 教學過程組織的邏輯及其實現策略[J].全球教育展望，2016，45（10）：40-47.

[3] 孫二軍.“以學習為中心” 的高等教育質量觀及其路徑分析[J].高教探索，2015（2）：16-19.

[4] 陳佑清.學習中心教學的學校行動研究：走向學習中心，落實學生發展[M].北京：教育科學出版社，2019.

[5] （新西蘭）約翰·哈蒂，南希·弗雷，道格拉斯·費舍.可見的學習與深度學習[M].北京：中國青年出版社，2020.

[6] 吳軍其，吳飛燕，張萌萌.數據驅動的協作學習腳手架模型構建與應用[J].教育研究與實驗，2023（4）：128-136.

[7] 陳靜靜.學習共同體：走向深度學習[M].上海：華東師范大學出版社，2020.

[8] 胡建軍.大學生學習投入影響因素及提升對策[J].教育評論，2022（6）：86-91.

【通聯編輯：張薇】