融合OBE理念的数据分析与挖掘课程案例教学探索

摘  要：针对数据分析与挖掘课程的特点，融合OBE理念进行案例教学是提高该课程教学质量的重要手段。该文探讨在该课程中如何融合OBE理念进行案例教学。首先，指出课程案例设计不仅要构建体系化的知识，还要注重综合性强、重实践、成效性高等原则。其次，根据课程内容模块的关系，提出“单元案例库+全息式案例库”相结合的案例库设计思路。此外，梳理案例教学实施的流程和方法。最后，探讨基于OBE理念的案例教学的过程化评价指标和方法。

关键词：数据分析与挖掘；案例教学；OBE理念；案例设计；案例评价

中图分类号：G642      文献标志码：A          文章编号：2096-000X（2024）36-0139-05

Abstract： Based on the characteristics of Data Analysis and Mining course， case teaching integrating the OBE concept is an important method to improve the quality of course teaching. In this paper， it is explored that how to integrate the OBE concept into case-based teaching within this course. Firstly， it points out that the design of course cases should not only aim to systematic knowledge construction， but also emphasizes principles such as strong comprehensiveness， emphasis on practice， and high effectiveness. Furthermore， based on the relationship between the course content modules， a design idea for the case library that combines a "unit case library" with a "holistic case library" is put forward. Additionally， it elaborates on the processes and methods for implementing these cases. Finally， the evaluation indicators and methods for case-based teaching are discussed.

Keywords： Data Analysis and Mining; case teaching; OBE concept; case design; evaluation of cases

随着大数据、人工智能时代的到来，企业和社会对于数据分析与挖掘技术和人才的需求日益增长，高等学校中的数据分析与挖掘课程也得到了越来越多的关注。数据分析与挖掘涉及多个学科领域的交叉知识，例如数学、统计学、计算机科学和人工智能等，同时在经济、金融、医疗健康、交通等行业领域有广泛应用，这使得数据分析与挖掘的课程教学高度强调理论与实践结合，一方面要培养学生具有敏锐而缜密的数据思维，另一方面要培养学生根据实际行业背景进行数据分析与挖掘的创新实践能力，以及制定科学而合理的决策方案的综合能力[1-3]。此外，数据分析与挖掘的技术和方法日新月异，不断涌现出新的算法和工具，对数据分析与挖掘课程的教学提出了更高的要求。为了培养适应大数据和人工智能时代新需求的数据分析与挖掘人才，在数据分析与挖掘课程教学中进行持续的改革探索和实践是非常有必要的。

OBE（Outcomes-based Education）理念，即成果导向教育，是一种以学生为中心，以成果为目标导向，注重学生的个性化需求和实际能力培养的教学理念。OBE理念要求教师不断反思和持续改进教学方法和策略，以适应学生的学习需求和成果导向的教育目标，这十分有助于推动教学改革。

案例教学是一种开放式、互动式的教学方式，教师根据教学内容及教学目标进行案例设计，以真实或模拟情境为背景，组织学生对案例进行文献检索、阅读、思考、分析、讨论和交流、解决问题、反思与总结等一系列的思维分析与实践活动。案例教学自1870年由美国哈佛法学院提出使用以来[4-5]，被迅速而广泛地运用到法学、医学、经济学和工学等具有鲜明行业特色的课程教学中，并产生了深远的影响。案例教学在我国高校的课程教学中也得到了非常有益的研究和实践[6-9]。

相比于传统的课堂讲授方式的教学效果，案例教学对理论与实践要求高的课程具有难以比拟的特别优势，因此，在数据分析与挖掘的课程教学中实施案例教学，必定起到较好的效果。进一步地，在案例教学中融合OBE理念，也会更好地改进数据分析与挖掘的课程质量。本文对此进行探讨，将OBE理念融合到该课程案例教学的各个环节中，提出该课程案例的开发原则、案例库的设计思路以及案例教学的实施方法，最后提出案例教学评价方法，以持续改进课程教学质量，促进案例教学的创新和实践。

一  案例的开发原则

好的案例有助于教师达成教学目标，有助于学生完成知识点的链接和知识体系的建构、强化思维训练、提高解决综合问题的能力。本文提出数据分析与挖掘课程的案例开发应遵循以下几个原则。

（一）  注重知识构建，综合程度高

数据分析与挖掘的教学内容知识点繁杂，单纯的孤立讲解会使人感觉沉闷，就很需要案例将这些知识点有机地组织起来，但目前教材的案例教学所占比重小，包含的知识点单一，或者仅对知识点进行印证，没有进一步挖掘深层的规律，这会忽略有价值的信息。教师在设计案例时要避免这种浅尝辄止的情况，要以构建学生的系统性知识为目标，选择具备综合程度高的案例。

以数据预处理单元的知识为例，虽然逐个讲解了数据预处理的一些常见方法和技术，但学生此时感到知识是分散的，而目前教材大多选用案例来匹配和验证单个知识点，学生得到的实战锻炼有限。为了弥补不足，教师应注重选择更加“原生态”的数据集，例如使用知名机器学习网站UCI上的titanic数据集，并涵盖十多个数据预处理的知识点进行综合设计：①如何读取数据文件。使用Pandas读写文档时，根据文档类型以及是否有表头、中文、特定分隔符等，促使学生实战时主动去探索关于文件类型、形状等与参数设置的关系。②如何观察数据信息。数据文件读取转化为Pandas的DataFrame格式后，启发学生观察数据的基础信息，包括数据内存、维度形状、特征的连续或离散类型、特殊特征（如时间特征）的处理等等，根据观察到的这些信息，要如何进行相应的转换和处理。③如何清洗数据。这个步骤要启发学生结合数据实际用途的因素，选择相应的办法处理数据缺失值、重复值、异常值等。经过综合设计后的案例可以避免此部分知识点过于分散琐碎而导致学习效率低的情况。

（二）  具有强实践性

数据分析与挖掘的课程内容涉及大量算法和模型，需要理论与实践相结合。基于此，案例主题必须具有很强的实践性，可选择涉及多个真实领域的问题作为案例主题，通过真实的数据场景，让学生从多个角度进行思考和分析，观察数据、分析数据、结合需求设计解决方案、实施方案并对结果进行解读和评估。通过实践和应用，学生可以更好地理解算法的原理，培养创新思维和跨领域合作能力，在未来的工作中更加灵活地运用，提高就业竞争力。

以分类算法的学习为例，从时下实际热点问题中选择并设计成案例。例如，在金融行业的信用风险评估问题中，使用分类算法识别金融行业的贷款风险级别，可以帮助银行制定差异化的信贷政策，降低不良贷款率；在医疗行业的疾病诊断问题中，使用分类算法识别和预测癌症等重大疾病，早发现早干预，降低疾病危害，提高患者生活质量；在通信行业的用户满意度指数评价问题中，使用分类算法识别用户群体，针对性地改进服务流程，增加用户黏性，提高市场竞争力。这些案例都具有非常强的实践性。

（三）  成效性高

案例的成效性主要指案例在实施后所取得的实际效果，它要求全面评估案例，主要从以下几点衡量：实现了预设的目标，影响积极且广泛，实施的成果能持续存在，具有可复制性或推广性，实施成本相对于收益是合理的，等等。成效性低的案例会使得学生感受不到学习的价值，从而失去学习的欲望。而颇具成效性的案例能够帮助学生看到通过数据分析与挖掘帮助管理者发现问题、优化流程、提升效率，或者降低不必要的消耗[8]。

以经典的商品销量预测题为例。该案例中选取全球知名的Kaggle竞赛平台中关于厄瓜多尔大型杂货零售商Corporación Favorita的数百家超市超20万种商品的销量数据，要求对不同商店数千种商品的单位销量建立销量模型并进行预测。这个案例的成效性在于通过模型建立和预测能帮助商店避免积压商品过多、生鲜商品减少腐烂、畅销产品不会出现缺货等不良情况。此案例的结果可以推广到其他有类似问题的领域，体现了其成效性，让学生体会到知识和技术的价值，从而激发学生的学习乐趣。

（四）  从获取学科知识到培养“专家思维”

“专家思维”指的是一种深入、系统且具备创新性的思考方式，它不局限于对基础知识和技能的掌握，更强调对知识的深度理解和迁移运用，像专家一样的思考，洞察复杂问题的深层规律，创新性地提出解决方法和优化策略，具有主动持续学习的自驱力。

数据分析与挖掘课程涉及的数据往往表面是错综复杂的，规律深藏其中不易被察觉，案例教学中要注意让学生学会像“专家”一样去洞察这些有价值的深层信息。这要求案例的设计既要有基于特定知识点运用的元素，达成可预测的基本学习结果，还要有打破既有知识线性增长的刻板局限性，提高学生网状思维的能力。因此在案例设计时有必要增加一些更灵活、具有开放性的问题，引导学生从知识和技术的熟练操作者转向成为主动构建更加复杂的知识体系并能大胆创新的“专家”。

以电商平台用户评价问题为例，该案例设计不仅要考虑到学生爬取某知名电商平台的数据、进行数据预处理的能力，还要引导学生像“专家”一样，通过识别电商用户中的高价值用户群体、如何了解用户购买偏好、如何决策用户偏好的趋势变化等挖掘出具有商业价值的信息，并进一步地利用这些识别结果制定推荐商品的营销策略。学生根据教师的提问启发作出一些合理假设，例如高价值用户群体会倾向于购买高价位的商品，因此建议电商平台推荐一些知名经典品牌的商品；购买球拍的用户很可能是运动爱好者，建议电商平台可进行关联推荐运动服装、运动鞋等；某用户从之前浏览汽车的次数最多转变为浏览婴儿用品的次数最多，则推断其可能进入新手父母阶段，建议电商平台调整推荐策略。这个案例通过真实的电商用户数据，让学生不仅在实践中学习和应用知识和技能，还培养了“专家思维”。

二  融合OBE理念的案例库设计

根据数据分析与挖掘课程的特点，其教学内容可分为相对独立的三个模块：编程基础篇、数据分析篇、数据挖掘篇。基于此，课程案例库的设计分为两个主要部分：单元案例库和全息式案例库，如图1所示。单元案例库作为全息式案例库的基础，适用于每个单元的知识巩固阶段。全息式案例库是适用于单元知识的组合深化以及理解整个数据挖掘的全流程，常用于几个单元学习之后。案例库的设计也要体现OBE理念，对案例的效果进行分析总结，以及根据学生的反馈效果及时对案例库优化改进。