新工科背景下大数据分析课程改革与探索

摘  要：大数据分析是在新工科背景下，着眼于使学生掌握大数据分析方法，能应用大数据软件对数据进行智能加工处理，深入挖掘数据的价值而开设的一门专业必修课程。该文以大数据分析课程教学为例，从解决大数据分析课堂存在理论知识陈旧、学生课堂参与率低、实践能力薄弱的问题出发，通过拓展教学内容、实施案例实践教学方式、校企联合、引入实践性评估机制课程改革和探索方法，实现课堂知识与时俱进，提高学生参与度，培养学生创新思维，增强个人实践能力的目的，为学生今后的职业发展打下坚实基础。实践证明，课程改革之后的教学模式，更加适应时代发展，能够培养更多满足社会发展需求的人才。

关键词：新工科；大数据分析；课程改革；校企联合；实践性评估

中图分类号：G642      文献标志码：A          文章编号：2096-000X（2024）30-0144-04

Abstract： Big Data Analysis is a mandatory course under the background of new engineering， focusing on enabling students to equip with methods for analyzing big data， enable them to proficiently utilize big data software in order to intelligently process and extract value from data. This paper takes the course as an example and highlights the challenges faced in traditional teaching methods， such as outdated theoretical knowledge， low student participation， and weak practical skills in Big Data Analysis. To address these challenges， four approaches were explored： expanding the teaching content， introducing practical case studies， promoting university-industry collaboration， and implementing practical evaluation methods. By adopting these approaches， this course has been successful in keeping up with the latest developments， cultivating students' innovative thinking and enhancing their practical ability can lay a solid foundation for students' future career development. Practice has proved that this curriculum reform is more adaptable to the development of the times and can train more talents to meet the needs of social development.

Keywords： new engineering; Big Data Analysis; curriculum reform; school-enterprise cooperation; practical evaluation

基金项目：2020年度河南省新工科研究与实践项目“面向农业农村现代化多学科交叉融合的创新型工程教育组织模式研究与实践”（2020JGLX014）；2020年度河南省高等学校青年骨干教师培养计划“智能农机装备中电子系统故障预测及健康管理方法研究”（2020GGJS046）；河南农业大学2023年校级本科教育教学改革研究与实践项目“课程思政背景下《电工学》课程混合式教学模式探索与实践”（2023XJGLX084）；河南农业大学2021年教学改革研究与实践项目“电子信息工程专业复合应用型人才培养模式的研究与实践”（2021XJGLX094）

第一作者简介：姚准（1991-），男，汉族，河南邓州人，工学博士，校聘教授，硕士研究生导师。研究方向为大数据数据分析技术。

*通信作者：王玲（1980-），女，汉族，河南郑州人，博士，副教授。研究方向为课程教研。

我国已经进入信息时代，数据呈现爆炸式增长，数据类型也由结构化、静态数据库数据转变为大量非结构化、半结构化数据及实时流媒体数据等动态数据，给数据的分析处理带来极大的挑战[1-2]。大数据是一门在分布式集群中运行，支持并行处理和对实时流媒体数据分析的新兴技术，能够对海量复杂的关联数据进行分析处理，快速筛选提取关键有效的信息，深入挖掘数据的价值和规律，更好地指导人们生产生活[3]。大数据技术已经成为引领新经济新技术发展的潮流，引起各个行业和领域发生革命性的变革。经济方面，大数据成为推动经济转型发展的新动力；社会方面，大数据成为提升政府治理能力的新途径，社会安全保障的新领地；科研方面，大数据为科学研究提供新方法[4-8]。

在新工科专业建设背景下，将大数据技术与传统科目有机结合，形成交叉型课程体系，已经成为未来发展的重要方向[9-11]。为了适应时代的要求，河南农业大学（以下简称“我校”）为电子信息工程专业开设了大数据分析课程，旨在使学生掌握大数据的理论知识、数据处理分析方式和应用办法。然而，在大数据分析课程教学过程中发现知识陈旧，学生课堂参与少、实践创新能力不足、不能灵活运用所学知识解决实际案例的问题。本文从解决大数据分析课程教学问题出发，对教学内容拓展、实施案例实践教学方式、实践性评估机制建立等方面的工作进行了探索。

一  大数据分析课程学情分析

大数据分析作为一门应用型课程，对学生的创新和实践能力提出了新的要求。虽然学生考试成绩较好，大部分集中在75～90分之间，且判断题和计算题的得分率也较高，说明学生在基础理论知识方面掌握得比较扎实。然而，在综合分析题方面，学生的得分率就相对较低，这表明学生在应用知识方面还存在一定的欠缺和不足。学生往往只是被动接受知识，缺乏主动思考和动手解决问题的能力，无法独立进行软件操作和案例综合分析。此外，在教学过程中发现，在讲述经典案例时，学生往往缺乏兴趣，当列举与生活中相关的案例时，学生不仅会积极回答问题，还会积极主动探索案例实现的方案，展现出浓厚的学习兴趣。因此，在后续的教学中，我们可以加强与生活相关的案例讲解，激发学生的学习主动性，诱导其主动思考，提高动手解决问题和综合分析能力，从而更好地掌握和应用所学知识。

二  大数据分析课程教学中存在的问题

如图1所示，课堂教学存在的问题主要集中在以下几个方面。

（一）  理论内容陈旧，学生课堂参与率低

在大数据教学过程中，存在知识陈旧、范围狭窄的问题，面对新经济新技术时，显得捉襟见肘。目前大数据分析课程主要教学内容仍然集中于传统的统计方法（回归分析、贝叶斯分类等）和经典的机器学习的聚类及分类方法。关于大数据处理关键技术方面的知识，如应用于计算机和自然语言处理领域中，能够充分提取海量数据中非线性信息的卷积神经网络、递归神经网络等深度学习算法，研究比较匮乏。此外，大数据分析课程需要与实际应用场景紧密结合，引入相关领域的典型案例和实际场景，方便学生理解并掌握所学数据分析方法和技术，而当前课堂分析案例与生活关联性不强，导致学生上课兴趣不高，注意力不集中。因此，大数据分析课堂需要更新专业课程知识体系以跟上时代的发展。

（二）  学生缺乏创新实践能力的培养

当前大数据分析课堂仍然采用传统教学模式，由任课教师讲授理论知识，进行经典案例讲解，并分析其实现步骤和代码，再由学生上机重现案例的分析过程，完成对应的课后习题。这种教学模式停留在对理论知识的掌握程度上，在这个过程中，学生机械地进行学习，思维固化，难以创新，无法独立完成运用所学知识对现实案例的数据分析处理，且缺少对学生实践能力的评估，不利于学生的全面发展和实践应用。此外，完整的案例分析包括数据清洗、数据筛选、价值挖掘和数据可视化等步骤，整个流程繁琐费时，在课堂教学上无法整体展示分析的过程，而实验平台构建复杂，学生无法在自己电脑上搭建，下课后无法进行后续实验，导致学生缺乏实践操作，动手能力弱。因此，需要探索新的课程教学模式，建立更为严谨的实践性评估机制，并增加实际案例的数量，构建现代化实验平台，更好地培养学生的实践创新能力。

三  大数据分析课程教学改革的途径

（一）  结合大数据应用拓展教学内容

大数据分析与社会关系密切，致力于对产生的海量数据进行数据分析处理和模型预测，服务于人类的生产生活。面对理论知识陈旧的问题，需要拓展教学内容。例如，在大数据分析关于机器学习这节内容中更多侧重于决策树、朴素贝叶斯、神经网络等常用算法学习，算法的训练和测试过程可以在单个计算机上完成。然而，大数据机器学习的主要目标是高效地处理海量数据，需要延伸分布式系统和并行处理技术，扩展深度神经网络技术来实现数据的分析和预测。在大数据分析关于云计算这节课内容中，只简单介绍了云计算的概念，需要进行深层次的讲解，可以增加关于基础设施即服务（IaaS）、平台即服务（PaaS）、软件即服务（SaaS）三个方面内容的介绍，便于学生深入地去领悟这种基于网络的计算服务模式。关于大数据处理非常流行的大数据开源框架Hadoop、Spark这节课的内容中，课程更偏重于概念性的介绍，缺乏实践性应用，应当多补充这方面的案例教学，便于学生真正地去了解这些知识的应用范围和前景。此外，关于实验平台方面，目前学校的实验平台过于简陋，无法满足学生课上课下需求，应当构建现代化的在线实验系统，便于学生在下课后，能够及时继续重现有限课堂上没有完成的工作，能够充分熟悉和掌握这些工具和技术，提高实践操作的熟练程度。

在注重教授大数据分析课程的理论知识的同时，教师也应该关注跨学科融合的重要性。大数据分析课程涉及到统计学、数学等多个学科的知识，因此学校需要进行统筹安排，举办学科教师交流会，促进涉及相关课程的老师们可以进行专业知识的融合交流，形成一个综合性的教学体系，获得更好的教学效果，从而让学生更加深入地理解所学知识。例如，在课程的数据分析这一章节内容中，学生在学习模型算法时，任课教师可以通过跨学科融合，利用数学学科知识进行辅助教学；在涉及数据分析应用的相关工具时，可以利用统计学学科的知识进行辅助教学，使学生更加深入地理解应用软件。跨学科融合能够发挥各学科的特长，设计课程更加合理，提高教育效果。

（二）  实施案例实践教学方法提高教学效果

案例实践教学模式能够有效地培养学生的学习兴趣和实践创新能力。在大数据时代，新的数据处理方式不断涌现，任课教师可以利用网络资源汇编最新的大数据案例，以及编程实现的大数据技术，定期更新教学内容，并配合课程设计与社会热点相结合，来帮助学生理解和掌握数据处理软件的运行原理和步骤，感知所学到知识和技能对社会实践应用的现实意义，提高大数据分析课程的质量和实用性。例如，大数据分析技术为我国的新冠感染疫情防控工作提供科学、准确、实时的数据分析支持，产生了不可磨灭的作用。针对这一热点话题，任课教师可以开设一个特别课题，选用数据分析在疫情期间的应用实例，探索新冠感染疫情防控之后大数据分析的技术支持，包括数据采集、数据清洗、数据挖掘、模型构建、算数选择和预测分析等技术，引导学生运用大数据技术探究解决现实问题。