融入思政元素的“数据分析”课程教学改革方法研究

［摘 要］ 大数据时代，数据分析成为各个领域长期发展的必要手段。“数据分析”课程作为一门选修课，主要训练学生掌握解码大数据背后时代发展规律的方法，为培养医学、物理、化学、经济等专业学生的数据处理能力奠定良好基础。主要针对“数据分析”课程的教学目标以及目前教学过程中存在的问题，提出具体的教学改革措施，从优化课程内容、改善教学方法、融入思政元素、增加实训练习和改革考核模式等五个方面，以提高课程教学质量和增强学生应用能力的培养。

［关键词］ 数据分析；课程思政；案例式教学；混合式教学方法

［基金项目］ 2023年度吉林大学本科教学改革研究项目“课程思政理念下‘数据分析’课程教学改革研究与实践”（2023XYB098）；2022年度吉林大学研究生教育教学改革项目“基于对分课堂的‘数据通信’课程设计与建设”（2022JGY063）

［作者简介］ 周 旭（1988—），女，吉林长春人，博士，吉林大学公共计算机教学与研究中心副教授，主要从事智能计算、数据挖掘研究；孙 庚（1988—），男，吉林通化人，博士，吉林大学计算机科学与技术学院副教授，主要从事数据通信、计算智能研究。

［中图分类号］ G642.41 ［文献标识码］ A ［文章编号］ 1674-9324（2024）42-0055-04 ［收稿日期］ 2023-07-20

当今社会，数据科学越来越被应用于各个领域之中，数据科学是对历史经验的总结，对数据进行加工、处理、揭示数据背后的真相成为每个决策者都想要了解的事实，而数据分析作为数据存储和挖掘分析的前沿技术，在其中起着核心的作用，广泛应用于物联网、电子商务、科学计算等领域。课程思政教育是全国高等学校教育的重要工作内容，将思想政治工作贯穿教育教学过程具有重要意义。“数据分析”课程的教学重点在于培养学生运用统计方法分析解决实际问题的能力，掌握数据分析这项技能对学生的专业课学习具有非常重要的促进作用。在教学过程中挖掘课程所蕴含的思政元素，不仅能帮助学生更好地掌握专业知识，更能引导学生树立正确的世界观、人生观、价值观，是落实立德树人根本任务的重要因素。本文结合大数据时代特征，通过对吉林大学本科生公共选修课程“数据分析”的教学现状进行分析研究，提出“数据分析”课程教学改革的方向和具体措施的几点建议，为学生搭建通向“大数据知识空间”的桥梁和纽带，为学生学习大数据技术及应用等相关课程奠定基础，使得数据分析成为学生将来在学习专业课程时的有力工具。

一、“数据分析”课程学习现状

数据分析是以数理统计学为基础的一门推广性学科，是研究纷繁杂乱的大数据背后本质规律的一门学科［1］。如何向不同专业的学生传授数据分析的思想方法、展示实际操作这项技能对高等教育工作者来说尤为重要。

现阶段“数据分析”课程教学存在的问题包括：（1）教学方法单一，授课在多媒体教室进行，理论和实践结合得不够丰富，以理论传授方法为主，在讲授知识时未激发学生学习的主动性，对所讲授的内容缺乏深入的探究。（2）教学内容设定枯燥，“数据分析”课程教学内容主要介绍各数据分析方法的思想原理、借助Python语言进行建模与应用，但在授课中教师讲解的案例较少，或存在案例和实际联系不紧密的情况，导致学生学习后对数据挖掘算法原理理解得不透彻。（3）教学考查方式单调，在以往的传统考核方式中学生的总成绩一般由期末考试试卷成绩与平时成绩加权求和得到，此种考核方式容易出现平时成绩考核依据元素过少，而占主要部分的期末成绩又容易出现一考定结果的局面，期末试卷上的各类选择题、填空题、判断题和简答题的设定未能对学生的应用能力进行全面考查。

二、“数据分析”课程目标

现代化工具的多元化发展为数据分析提供了可能性与精准性，“数据分析”课程结合了众多统计分析方法与现代化工具的应用。整体教学过程既重视理论知识的教学，又重视现代化工具的实际操作能力［2］。本课程主要给学生介绍数据准备、数据处理、数据分析和结果呈现四部分内容，涉及的数据分析工具包括Excel，SPSS和Python集成开发环境。为学生介绍多种数据分析工具是让学生快速地掌握数据分析这项技能，了解每一种工具对数据进行处理与分析的技巧，为以后实际应用打下坚实的基础。

“数据分析”课程针对数据分析的特点以及选课学生的知识背景情况，把教学内容集中在了数据分析的过程和数据分析相关软件的操作上，避开了对复杂算法的研究，尽最大可能地做到教学与实际应用相结合。（1）让学生能够了解数据分析可以做到什么。（2）了解数据分析的过程，以及数据分析中可能出现的问题，并最终在软件上实现对数据的分析。（3）让学生掌握基本的数据挖掘方法，培养学生数据科学思维，并能应用数据挖掘与数据分析技术独立研究某个领域或行业的问题。

三、“数据分析”课程改革措施

（一）优化课程内容，构建课程体系

课程内容的设定对教学起着重要作用，选择合适的课程内容，如果课程内容偏难，学生很难在有限的32学时的课程中掌握应学习到的技术；如果课程内容偏简单，会让学生失去学习的原动力。加强创新，对教学内容进行优化是一项重要的改革措施，“数据分析”课程从众多数据分析方法（如回归分析、方差分析、聚类分析、时间序列分析、矩阵分析、关联分析、交叉分析等）中选择几种典型的分析方法进行讲解。本课程的教学内容如表1所示，共计8周的教学内容。

第一周对数据分析中的核心概念进行介绍。让学生了解数据分析的应用领域、使用工具等，再介绍网络爬虫的基础知识，为下一周的学习奠定基础。

第二周介绍数据信息获取方式。重点介绍如何针对某领域进行数据采集，调用Python爬虫模块采集相关数据信息，再介绍Excel、SPSS和Python软件进行文本数据处理操作，主要包括数据清洗、异常值处理、中分分词、残缺值填补以及数值统计等。

第三周介绍可视化分析。为了更直观地体现数据挖掘和数据分析结果，通过调用Python语言的可视化模块或利用EXCEL可视化工具进行分析。通过对各领域、各行业的实际分析结果的可视化呈现，进行对比实验和图表展示。

第四周到第八周介绍数据挖掘与分析的案例操作。作为该类课程的重点部分，运用合理的数据挖掘或机器学习算法对行业数据进行有效的大数据分析。采用SPSS、Python实现回归、分类、聚类等数据挖掘算法的案例教学任务。

（二）采取混合式教学方法，提升教学效果

所谓混合式教学就是利用数字化设备，打破传统教学——教师讲、学生听的“填鸭”模式，转变为以学生为中心的混合线上线下的新教学模式［3］。混合教学模式的最大优点是学生可以通过互联网信息技术，选择适合自己的资源，根据自己的学习步调进行自主学习，大幅提高了学生对课程的参与度，让所有学生得到了个性化的教育。本文主要基于混合教学模式开展教学任务，通过理论知识与编程实践相融合来促进学生的编程兴趣，同时兼顾数据挖掘理论知识和编程实践能力。教学中强调以书本知识及实践案例操作为主，引导学生发散思维。我们借助学习通、吉大学堂等软件来实现混合式教学，重点介绍课前、课中、课后新的教学过程。在课前，给学生布置任务，让学生先了解各个数据挖掘分析算法的原理。在课堂上，充分利用多媒体动画教学课件，结合典型实用案例和相关软件，边授课边演示，促使学生提高自主学习的积极性。每次课上教学都先向学生展示案例结果，激发学生的兴趣。然后，针对学生提高自学阶段存在的疑难问题进行讲解，在课中除了讲解机器学习算法原理的理论知识，重点先用模拟数据给学生讲解采用Python、SPSS实现聚类或其他数据挖掘算法的简单例子，通过交互式操作页面每运行一条命令，实时给学生展示每条语句的运行效果。最后，将模拟数据替换成案例数据集，利用所学知识实现一个具体的案例。此外，师生一起解决课前提出的疑问、思考，并加强对问题的探讨和总结，大幅度地提高了课堂教学效率和课堂教学效果。在课后，再一次通过学习通软件布置线上作业等方式，检查学生的学习效果及掌握情况，及时进行总结反馈。

（三）融入思政资源，注重思政教育

在“数据分析”课程的教学过程中，特别注重学生的思想政治教育，把所挖掘的思政元素以润物无声的方式融入课堂教学，选择合适的、多元的教学方法作为辅助开展积极有效课程思政。课程主要采用案例式教学法、启发式教学法和讨论式教学法，通过创设问题情境、价值判断情境等培养学生分析问题、解决问题的能力，让学生在解决问题的过程中，认识问题和知识背后所蕴含的理论思维、方法论和价值判断，激发学生的思想碰撞和情感体验，实现对学生的价值引领［4-5］。

数据分析中的各类算法，在现实生活中有广泛的应用，和生活中的例子是密不可分的。下面重点介绍如何挖掘思政资源以及如何进行思政教育进行探究与实践，以介绍线性回归分析为例，思政过程如下：Python回归模型案例讲解中，先介绍回归模型的分类，再介绍线性回归模型的数学原理，采用循序渐进的方式让学生理解线性回归模型的建模方法。为了让学生更加真实地理解线性回归模型的建模方法，先用numpy库生成一些样本数据点，再对数据绘制散点图，然后调用sklearn第三方库中的linearmodel构建线性回归模型，对数据进行训练，创建拟合方程，对未知数据进行测试。当学生清楚了解原理之后，引入实际案例数据，对各类因素与销售额的关系做出评估，比如通过对销售额数据和微信广告、电视广告、门店海报量进行线性建模，从中判断出影响销售额的因素有哪些。从单变量因素上升到多元线性关系，再结合环境数据让学生完成基于多元线性回归空气质量预测，以此增强学生的环境保护意识。结合《中国统计年鉴》上某年数据，完成我国国内生产总值及其影响因素的回归分析，让学生了解国家经济情况；结合糖尿病患者的血糖数据，完成血糖预测分析，探究糖尿病及其发病的机制，让学生关注身体健康，明确“健康中国”的理念和目标，养成良好的生活习惯。

以聚类算法为例，思政过程如下：以“近朱者赤，近墨者黑”为依据引入聚类思想，相似的人和有共同兴趣爱好的人往往会形成一个圈子，引导每位学生要不断进步，和其他优秀的人为伍。结合模拟数据熟悉掌握K-means算法的步骤之后，让学生带着以下问题自由探索、分析结果。利用我国各地区各类农产品（如粮食、油料、棉花、茶、糖料等）种植面积数据文件，对不同地区的农作物数据进行聚类，让学生解决以下问题：（1）将所有地区采用K-Means算法聚成4类。（2）显示聚类结果，写出每个聚类中心。（3）根据聚类结果请分析每个聚类结果省市以哪种农作物为主要特色。从案例实操中锻炼学生分析数据的能力，更从真实的数据结果分析中，让学生了解中国是农业大国，是种植业大国，粮、棉、油、糖、果、菜、茶等农作物面积和总产均居世界前列，种植业持续稳定发展为确保国家粮食安全和主要农产品有效供给做出了重要贡献。根据我国地理环境和各地区农作物的种植特点，同时从该案例拓展介绍“杂交水稻之父”袁隆平，“菌草之父”林占熺等先进人物事迹，介绍专家的科研成就，帮助大家坚定专业思想、树立爱国主义情怀，教育学生养成珍惜粮食的优良品德，培育学生“三农”情怀。

（四）增加实训练习，提高实操能力

数据分析是一门应用型学科，目的是培养学生解决实际问题的操作能力。因此，除了理论教学还要进行实验教学，部分实验教学已经在理论教学中体现出来了，而学生作为主体，需要通过上机实验让学生掌握实际操作技能。“数据分析”课程上课地点安排在实验室机房里，课上在教师的带领下，学生通过“尝试—分析—再尝试”的模式，通过上机实训解决实际问题，启发学生如何选择恰当的数据分析方法、如何表达实际问题的最终结论。课上，教师已经通过实际应用案例引导学生建立数据分析逻辑思维，但为了让学生在遇见问题、探讨问题、尝试解决问题的循环过程中一步步掌握数据分析技巧，教师再多布置一些实训练习任务，让学生作为中心开展自主学习，从而真正掌握数据分析这项技能。教师在实训中起到引导、答疑解惑的作用，这样学生才能真正地增强实际操作能力。此外，通过要求学生撰写实验报告，训练学生的逻辑思维、写作，以及总结问题的能力，让学生基本掌握解决一个实际问题的完整步骤。总之，经过增加实训训练，提高学生的实操能力和思维水平。