大数据分析课程“四位一体”混合式教学探索与实践

作者: 席耀一 王博 李勇 魏晗 南煜

大数据分析课程“四位一体”混合式教学探索与实践0

[摘 要]针对大数据分析课程的教学现状及问题,文章提出该课程可进行“四位一体”混合式教学模式改革,即从四个方面完成大数据分析课程的混合式教学,分别是学情分析多元混合、课堂组织模式多元混合、课程内容与思政多元混合、课程考核方法多元混合。这四个方面形成一个有机整体,覆盖从开课准备到课堂组织与内容设计,再到结课等教学全过程,且每个方面内部也由多元素混合组成。

[关键词]大数据分析;四位一体;混合式教学;教学模式

[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437(2022)12-0007-04

2018年,新时代全国高等学校本科教育工作会议明确指出,高教大计,本科为本;本科不牢,地动山摇。这句话充分说明了本科教育在高等教育中的核心位置。大数据分析课程作为与大数据相关的新兴本科专业中的核心骨干课程,在相应专业的人才培养课程体系中占有重要地位,需要认真研究课程建设事宜。

新工科教育的核心理念之一是教学模式改革,强调学生学习主体地位的回归。笔者结合自身在大数据分析课程建设中的体会,重点探讨在新工科教育大背景下,如何改革大数据分析课程的教学模式,使其能够贴合学生实际,符合课程特点,同时契合新工科教育的培养目标,提出“四位一体”混合式教学模式,以期为相关专业的人才培养和课程建设提供参考和借鉴。

一、现状与问题分析

(一)研究现状

大数据分析属于新开课程,国内外高校开设该课程的不多。相关研究主要集中在教学内容体系方面,例如于雷对大数据分析的课程内容范围进行了初步探索,认为其主要内容为数据挖掘,同时应注重对学生应用能力的锻炼、社会管理及运营经验的培养[1]。王涛等基于开源大数据处理框架Hadoop对大数据分析课程内容进行了规划和设计[2]。李超等研究了大数据分析课程中的案例教学法,以Python和R语言实现相关数据的文本挖掘与可视化[3]。黄贤英等针对专业学位研究生工程能力的培养,提出建设大数据分析方向课程案例库,“渐进式”提升学生解决复杂工程问题的能力,培养其工程素质[4]。

目前,围绕大数据分析课程教学模式的研究并不多,然而“它山之石,可以攻玉”,与教学模式改革相关的教学研究非常多。总的来看,教学模式有很多种,但没有明确的划分标准。

围绕如何利用互联网,有以下教学模式:智慧教学模式[5],SPOC混合式教学模式[6],MOOC+SPOC混合式教学模式[7],基于雨课堂[8]、课堂派[9]、微信平台[10]等的混合式教学模式等。

围绕如何组织好课堂教学环节,有以下教学模式:加拿大教学技能工作坊提出的BOPPPS 教学模式,包括6个教学过程,即导言(bridge-in)、学习目标(objective)、前测(pre-assessment)、参与式学习(participatory learning)、后测(post-assessment)、总结(summary)[11];CDIO教学模式,分为构思(conceive)、设计(design)、实现(implement)和运作(operate)四个阶段[12];对分课堂,其把教学在时间上清晰地分离为讲授(presentation)、内化吸收(assimilation)和讨论(discussion)三个过程,也可简称为PAD课堂[13]。

围绕课程内容讲授方法,有以下教学模式:以团队为基础的学习(Team-Based Learning,TBL);以问题为基础的学习(Problem-Based Learning,PBL);以案例为基础的学习(Case-Based Learning,CBL)[14];多元互动教学模式[15];项目驱动教学模式[16];PI 教学(Peer Instruction)即同伴教学,常规实施方法为“学生课前学习—学生独立思考回答教师精心设计的问题—教师讲解—学生互相讨论—学生互相纠错—教师总结”等[17]。

(二)问题分析

大数据分析课程的相关研究存在以下几方面问题:

1.研究大数据分析课程内容的多,研究面向该课程教学模式的少。已有的教学模式多针对其他课程,虽然大数据分析课程可以借鉴,但是目前仍然缺乏直接面向大数据分析课程的教学模式的相关研究。大数据分析课程的理论性和实践性都很强,单纯地依托教材“以教为主”“照本宣科”的传统注入式教学缺乏与学生之间的互动,对启发和引导学生学习课程的积极性和主动性作用有限,有必要重构课程教学模式,改善课程教学效果。

2.学情分析不足。课堂教学要保证效果,一定要结合学生实际充分分析学情。在以往的教学中,有些教师可能仅凭学生的专业成绩对学情进行判断,没有深入研究所讲课程内容是否符合学生实际,教学效果不尽如人意。

3.课程思政融入欠缺。如何挖掘大数据分析课程教学中蕴含的思想政治教育资源,实现全员全方位育人,尚无有效研究。

4.配套评价模式研究欠缺。上述研究多忽略了对评价方法的研究。课程评价起着“指挥棒”的作用,科学合理的评价方法不仅能起到选拔人才的作用,而且能激发学生的学习主动性。

二、“四位一体”混合式教学

针对上述问题,本文从四个方面对大数据分析课程进行混合式教学改革,分别是学情分析多元混合、课堂组织模式多元混合、课程内容与思政多元混合、课程考核方法多元混合,构建了“四位一体”的大数据分析课程混合教学模式,如图 1所示。“四位一体”教学模式涵盖了开课前/中期的学情分析环节,开课后的课堂组织环节,课堂内容设计环节以及结课后的课程考核环节,覆盖教学全过程。

(一)全面调研畅通交流

全面准确的学情分析对于实现因材施教、提升教学质量具有重要作用。只有在深入分析学情的基础上,确保讲述内容与学生实际紧密结合,才能保证课堂效果,例如从学生日常生活、前期预修课程以及以往求学经历等入手。

为实现这一目标,本文利用现代化教学手段,建立与学生之间多样化的沟通渠道,包括邮箱、微信、电话、短信、钉钉和问卷调查等。特别是借助问卷调查小程序,可以实现快速学情调查,既可以实名也可以根据需要匿名,保证调查数据的真实可靠。在设计的过程中,应注意问卷问题的合理性,一般应根据平时的观察和情况了解,精心设计问题。

通过多渠道收集学生信息,可以达到以下效果:

1.从多维度了解学生特点,了解不同学生预修课程的学习情况,以及对课程内容的难点困惑、特殊需求等,为把握教学进度和针对不同专业学生特点设计教学案例提供参考。

2.辅助总结共性问题和个性问题。对于共性问题应反思教学过程,结合学生实际进行再讲解。对于个性问题,如果是实名的,可以直接面对面帮助分析;如果是匿名的,应在教学过程中留心观察,特别是根据课堂提问和作业情况等发现问题所在。

表 1和表 2分别给出了大数据分析课程开课前和学期中采用的调查问卷示例。

(二)多元模式改善教学

研究分析不同教学模式的使用场景,针对每堂课的内容,结合学生特点及其反馈的难点困惑和特殊需求等,选择合适的教学模式,提高课堂互动效果。本文以理论和实践教学两部分分别举例,说明教学模式相混合的方法,具体如下。

1.BOPPPS教学模式与PBL模式相混合。在课堂教学开始时,按以下步骤组织课堂教学:①采用问题导入方式,首先抛出问题,吸引学生思考;②围绕问题解决,明确该堂课的学习目标;③结合前期知识,测试学生学习情况;④课堂巧妙设计提问,活跃课堂气氛,争取人人参与;⑤以实际问题举例,要求学生给出解决方案;⑥讲评学生答案,总结课堂内容。以大数据聚类分析中的K-Means算法并行化为例,给出课堂组织方案,具体如表 3所示。

2.SPOC教学模式与CDIO教学模式相混合。大数据分析课程课时有限,而其中的部分实践课程可能无法当堂完成,需要占用学生的课余时间。因此,可借鉴SPOC等混合式教学模式,即线上学习、堂上讨论的方法组织课堂教学。在组织堂上讨论时,同时引入CDIO模式,将构思、设计、实现和运作四个阶段融入其中。以大数据分析中的词频降序排列实践课为例,给出课堂组织方案,具体如表 4所示,其中的关键在于构思环节,在该环节需要合理设计问题,启发学生思考。

(三)融入思政激发活力

在教学互动之外,教师还要与学生进行思想互动,特别是在课程内容中融入思政元素,让课堂充满正能量。这样不仅能从思想上帮助学生解决问题,调动其学习热情,提高其学习主动性,而且能够启迪思维,使学生在课堂内容之外学习到其他对今后有用的知识。

1.课程内容融入思政元素。将思政元素融入课程教学是针对有效提升育人水平而言的,不要勉强或胡乱“联系”,融入的内容自然贴切最重要,否则学生不爱听,教师自己也没有成就感。此外,课程思政并非越多就越好,妙在画龙点睛,运用得当。在教学过程中,只有针对教学内容恰当运用,才能达到更好的育人效果。表 5给出了大数据分析课程中的几个典型思政案例。

2.谈心交流发现个体差异。“良师”可以同时是“益友”。教师如果有条件可以积极与学生交朋友,注重与学生谈心交流,了解其学习和生活情况,特别是对学习的认识,以及对本课程的真实想法等。对于学习成绩较差,特别是学习动力不足的学生,应重点进行引导和关怀,避免其掉队。要注重个体差异,进行个性化施教,以鼓励为主,引导学生主动进步。

(四)丰富评价现实激励

课程考核成绩是多数学生在课程学习中关注的焦点,有导向性作用。大数据分析课程重在考查学生的实际应用能力,可以在期末考试时采用机试的方式进行课程考核。然而,仅仅依赖机试,则显得考核手段过于单一,而且由于机试时间有限,具有一定的偶然性,不利于体现学生的真实水平。

本文采用多元考核评价手段,争取最大限度地发挥考核的激励作用。具体来讲,就是考核包括形成性考核和终结性考核两部分。其中,形成性考核又包括课堂表现(包括回答问题情况和到课率)、课堂实验完成情况(实验报告)、大作业完成情况以及课程总结等;终结性考核以机试为主,开卷进行,考核题目为综合题,题目灵活多样,范围涵盖课程全部内容,尤其以大数据聚类分析、分类分析、关联分析、回归分析和链接分析为主。计分标准为形成性考核占60%,课程考核占40%。通过计算标准可以看出,形成性考核占比较大,可以降低机试偶然性因素的影响。另外,通过灵活设置课堂实验题目和机试试题,可以较好地考查学生的理论学习情况和实际应用能力。

三、小结

本文提出的大数据分析课程“四位一体”混合式教学,将学情分析、课堂教学组织模式、课程思政以及考核手段统筹考虑,实现了学情分析多元混合、课堂组织模式多元混合、课程内容与思政多元混合、课程考核方法多元混合,具有多元性和全面性特点,对解决现有大数据分析课程教学研究中存在的问题具有一定参考意义。研究和实践表明,该教学模式能在一定程度上提高课堂教学质量,促进学生自主学习,培养学生的实践能力和创新精神,未来可以考虑推广至其他课程的教学中。

[ 参 考 文 献 ]

[1] 于雷.高校计算机专业《大数据分析》课程教学内容初探[J].科技创新导报,2018(18):221-222.

[2] 王涛,邵国强,邹红,等.“基于Hadoop的大数据分析”课程规划与设计[J].电脑知识与技术,2015(7):190-192.

[3] 李超,唐义杰.基于案例的大数据分析课程教学研究:以网络数据收集和数据可视化教学内容为例[J].白城师范学院学报,2019(6):56-61.

[4] 黄贤英,卢玲,刘超.大数据分析方向案例库建设及案例设计探索[J].福建电脑,2020(12):100-101.

经典小说推荐

杂志订阅

友情链接