基于OBE理念的线上线下混合式教学课程设计

［摘 要］ 大数据时代的来临，对传统教学模式提出了挑战。有效地培养相关专业学生数据分析思维和能力是数据分析类课程在大数据时代面临的重要课题。基于OBE理念，在数据分析类课程教学中，通过引入线上线下混合式教学方式，重新增加、调整、组合教学内容，可实现学生学习主体化、教师教学参与化的教学目标。基于OBE理念的线上线下混合式教学课程设计，突出了学生主体与成果导向，改变了传统教学活动过程以及师生在课堂上的任务与角色，提高了学生学习的积极性与主动性。

［关键词］ OBE理念；线上线下；混合式教学；数据分析

［基金项目］ 2019年度安徽省教育厅高等学校省级质量工程项目“《女性学》互动式、本土化教学模式的探索与实践”（2019jyxm0075）；2020年度安徽省教育厅高等学校省级质量工程项目“女性学教学团队”（2020jxtd018）

［作者简介］ 杨雪云（1969—），女，安徽阜阳人，社会学博士，安徽大学社会与政治学院教授，博士生导师（通信作者），主要从事女性社会学研究；金文龙（1987—），男，安徽安庆人，社会学博士，安徽大学社会与政治学院讲师，主要从事经济社会学研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2023）18-0141-04 ［收稿日期］ 2022-12-13

引言

当前大数据分析的使用场景越来越广泛，基于小数据的传统数据分析类课程教学面临着巨大挑战。如何有效地培养包括社会学等相关专业学生的数据分析思维和能力，是数据分析类课程在大数据时代面临的重要课题。

一、大数据时代数据分析类课程面临的困境

首先，大数据应用场景越来越广泛，传统课堂教学形式已经无法满足大数据时代对相关专业的培养要求。数据规模庞大、增长迅速、类型繁多、结构各异已成为数据分析无法回避的现实问题。如何把繁杂的大数据转换成我们能够快速处理且有效的小数据，即针对特定问题构建一个干净、完备的数据集，变得尤为重要。目前，社会科学相关专业的“数据分析”课程以小数据为基础，以软件操作教学为主要内容。尽管该教学模式能够在一定程度上培养学生的数据分析能力，但是基于结构简单、类型单一的小数据的数据分析训练远不能满足大数据时代对从业者能力的要求。

其次，大数据时代的数据分析方法层出不穷，传统课堂教学无法满足现实场景对分析方法的需求。数据分析的传统教学形式主要是教师讲授，学生听课、做课后习题。但是课堂时间有限，授课教师很难跟进前沿的数据分析方法，同时这种“授课—听课”的方式遏制了学生的探索与创新精神，让学生无法适应未来多元化的应用需求。在实际研究过程中，研究者要先确立研究问题，明确达到分析目标需要运用的方法，再根据研究问题所需要的目标变量，对数据进行必要的“清理”。只有在明确研究问题的条件下，数据清理才能更有效率，以培养学生的知识迁移能力。

传统社会学类专业的“数据分析”课程能够解决的问题相对来说比较单一。其研究流程通常是：选定研究课题、设计测量工具、实施问卷调查、分析数据以及解释数据结果。由于研究受到数据收集难度的限制，许多有社会、经济价值的研究议题不得不被搁置。然而，大数据却能够在一定程度上拓展研究问题的选择边界，或者使传统研究议题得到更加科学的回答。如基于移动通信的人口流动信息大数据分析方法与应用、基于出行数据解决城市交通拥堵问题，等等，都是大数据分析直接的应用场景［1］。

同时，传统数据分析的数据通常是研究者根据研究课题收集的，它会受到研究课题的限制，很难被二次开发。大数据分析的核心逻辑是数据驱动，研究者称之为第四研究范式，它突破了传统社会科学研究目标弱化、学科学派对立、有限数据质量和统计偏误等的局限性［2］。大数据通过对个性化、全样本的研究，为社会科学提供了精准的数据和计算实验平台，重建了社会科学预测的可能性［3］。因此，大数据时代对研究者提出了更高的要求，如更宽阔的研究视野、更敏感的数据思维、更严密的数据处理逻辑以及更复杂的数据运算［4］。但是传统的数据分析可能只会提供传统研究议题内的课程内容，其应用性相对受限于数据收集能力。

二、OBE理念下的高等教育

事实上，不仅是社会学专业面临用人单位对人才能力的期望与高校培养的学生能力不匹配的问题，其他相关专业同样面临期望与能力不匹配的问题［5］。在此背景下，成果导向教育理念（Outcome-based Education， OBE）因其聚焦社会对人才的实际需求，强调围绕学习成果组织课程、安排教学时间和设计关键资源而越来越受到人们的关注［6］。OBE是一种以学习者为中心、学习结果为导向的教育哲学思想，在北美、澳大利亚以及南非等国家和地区具有较大的影响力，并且在这些地区取得了很多成功经验［7］。

国内高校引入OBE已有一段时间，但预期学习成果确立和对其的评估是较为薄弱的一环。顾佩华等［8］阐述了汕头大学引入OBE教育模式的实践，并提出围绕预期学习成果开展教学活动和评估，将学习成果评估按层次分为课堂层面、专业层面和学校层面。刘冰月等［9］提出要结合OBE理念进行软件工程专业毕业设计改革，探索以学习成果为中心的应用，以提高毕业设计质量。

OBE教育模式是成果导向的教学评价，用人单位成为高等教育培养模式制定的重要参与者，以用人单位的需求作为高等教育人才培养模式的导向性指标，并以此为依据确定培养学生专业能力的目标［10］。专业培养目标中的专业能力目标需要有相应课程体系的支持才能达成，课程体系建设对于实现专业能力目标的培养是至关重要的［11］。结合成果导向的课程体系建设改革正成为势在必行的教改课题。

社会学专业学生数据分析能力是该专业学生能力培养的重要方面。但是近些年来随着大数据技术的发展，用人单位对社会学专业学生的数据分析能力培养提出了新要求，而传统的社会学数据分析技术目前无法满足用人单位的需求。基于此，本研究在OBE理念指导下，分析、实践以成果为导向的社会学专业“数据分析”课程体系建设。课程体系是基于知识体系的有机整合，而在OBE理论指导下的专业课程体系建设，重点是依据OBE模式建立课程体系框架并加以实施，在建设过程中明确学习成果，形成学习成果、专业课程体系、教学体系与能力评价体系相互作用的教学实施闭环。

三、OBE理念下的数据分析类课程设计

大数据时代的数据分析方法不断创新，但有限的课堂内容难以传授所有的分析方法。课堂内能够有效传达的是数据分析思维与数据分析基本素养，这就需要授课教师能够有效激发学生学习的自主性，充分调动学生的积极性与探索精神。这样即便课程结束，学生依然可以利用丰富的网络课程资源达到自学的目的。在OBE理念指导下的数据分析类课程设计可以满足这种需求。

如图1所示，本研究认为在大数据时代，数据分析类课程教学过程中，线下需要以研究问题—数据分析—成果展示为中心开展教学活动（虚框所示）。这部分也是传统“数据分析”课程所缺乏的内容。虚框之外的部分为传统“数据分析”课程的模式，以“教师授课+学生习题练习”为主要内容。课程内容调整后，传统“数据分析”教学中，教师的主讲内容以及学生习题练习将在在线教育平台进行，线下进行必要的补充与答疑。

以上数据分析类课程的设计特征包括以下三点：（1）通过引入外部行业专家指导学生选题，学生了解了行业对从业者能力的要求，然后通过解决实际问题，有意识地培养这些能力，从而实现需求与能力相匹配。（2）数据分析类课程中贯穿成果导向的内容体系。在学生个性化定制研究问题环节，教师要引导、参与，在“干”中引导学生学习分析数据，选用合适的分析方法，有效地传递数据信息，表达研究结果，从而达到学生学习主体化、教师教学参与化的教学目标。（3）充分利用网络教学平台的优势，融合线上线下教学方式，对教学内容进行重新安排，将课堂有限的时间资源用于对学生个性化定制研究问题与数据分析的指导上。

四、OBE理念指导下数据分析类课程的实施要点

在OBE理念指导下，将线上线下教学内容重新调整、组合，可以提高相关专业学生的数据分析思维和能力。基于OBE理念进行线上线下混合式数据分析类课程体系的设计时需要注意以下几点。

（一）发挥课程体系构建中行业专家的作用

基于OBE理念的数据分析类课程体系设计的关键要素是在行业专家的指导下，引导学生提出研究问题，展示研究成果，使课程对学生能力的培养更具有针对性。以行业发展为标杆与参考，能够使学生更加明确学习目标，有利于学生自主学习能力的培养。

（二）课程调整后，如何适配化安排传统“数据分析”课程内容

调整“数据分析”课程的核心内容以后，批量化授课的内容以及学生对相应内容的练习可以在线上进行。这部分内容也是传统数据分析类课程的核心内容，以批量化生产为主。因此，可以相应地调整为线上进行。这并非认为传统授课内容与学生习题练习不重要，相反这部分内容在课程体系中发挥着不可替代的作用。传统的授课内容可以为学生进一步学习夯实基础，只不过这部分内容主要以批量化的方式讲授，因而要充分发挥在线教育平台的作用。同时，在线下对这部分内容进行必要的补充。

（三）如何设计以成果为导向的课程内容，各环节如何分工

成果导向的“数据分析”课程流程主要是研究问题—数据收集/数据分析—成果展示。其中，研究问题的选择是比较关键的部分，它直接影响到后面的教学内容，因而研究问题选择的课程内容需要结合相关专业的特点与要求进行。如社会学专业要求学生能够在数据中检验、发现抽象的理论问题。数据分析模块是核心内容，它需要教师对学生的研究问题进行单独的指导，对普遍性的问题进行集中讲解。成果展示部分则需要教师重点讲解如何有效地利用数据、图表对所研究发现的问题进行精准的概括与表达。整体上看，这部分内容需要依据学生研究问题的实际情况进行个别辅导，因此，应以线下为主、线上为辅的方式进行。对于普遍性的问题，可以适当地采用线上方式答疑。

（四）成果导向的课程教学中，行业专家、教师与学生如何配合

因为成果导向的课程内容被划分为若干环节，不同环节所面临的重点、难点不同，因此需要行业专家和教师对学生进行有针对性的指导、答疑与交流。在研究问题的选取阶段，学生需要在行业专家与教师的指导下，根据自身研究兴趣与已有的数据或者获取的网络数据，确定研究问题。教师根据研究问题的可行性与适当性，对学生的个性化研究问题给予建议。在数据分析阶段，学生需要主动探索，尝试利用网络爬虫、大型公开的数据，对数据进行相应的清理与分析，教师则需要根据学生的疑惑与研究进度给予指导和建议。在成果展示阶段，教师需要讲解成果展示的重难点等，为学生提供一些优质的研究论文和研究报告作为写作范本，行业专家对学生成果进行点评。

结语

大数据所带来的不仅是技术层面的革新，同时也对人文社会科学相关专业提出新的议题挑战。传统的教学模式很难适应新形势下社会对人才素质的需求。本研究以数据分析类课程为例，分析了在OBE理念指导下的线上线下混合式教学课程设计。研究认为，大数据时代，应当以成果为导向，培养学生的思维能力与解决现实问题的能力。本研究所分析的课程体系设计对其他相关课程设计和教学团队的建设也具有一定的启发意义。

参考文献

［1］郝龙，李凤翔.社会科学大数据计算：大数据时代计算社会科学的核心议题［J］.图书馆学研究，2017（22）：20-29+35.

［2］刘存地，徐炜.能否让算法定义社会：传媒社会学视角下的新闻算法推荐系统［J］.学术论坛，2018，41（4）：28-37.

［3］米加宁，章昌平，李大宇，等.第四研究范式：大数据驱动的社会科学研究转型［J］.学海，2018（2）：11-27.

［4］易连云，邹太龙.大数据时代的教师德育胜任力及其转向与培养路径［J］.湖南师范大学教育科学学报，2017，16（5）：64-68.

［5］马永霞，张雪，施翰.大学生就业能力的“双顾客”满意度评价研究［J］.教育与经济，2019（3）：11-19.

［6］柏晶，谢幼如，李伟，等.“互联网+”时代基于OBE理念的在线开放课程资源结构模型研究［J］.中国电化教育，2017（1）：64-70.