基于ADDIE模型的高职大数据技术专业核心课程教学模式实践

摘要：文章研究基于ADDIE模型的数据可视化技术课程线上线下混合式教学模式，从教学分析阶段、教学设计阶段、教学开发阶段、教学实施阶段和教学评价阶段五个方面展开分析，重构课程内容，优化课程资源，以期培养大数据技术行业所需的高素质、高技能、创新型人才。

关键词：ADDIE模型；大数据专业；数据可视化技术课程

一、引言

2023年初，中共中央、国务院印发的《数字中国建设整体布局规划》强调要强化人才支撑，统筹布局一批数字领域学科专业点，培养创新型、应用型、复合型人才。这对湖南省大数据技术技能型人才培养提出了新要求，更对职业院校大数据技术专业课程教学模式提出新需求。

湖南工程职业技术学院大数据技术专业课题组（以下简称课题组）提出基于ADDIE模型的混合式教学模式，以应对以上新要求。在信息化教学技术支撑下，教师引导学生课前借助智慧职教平台自主学习，加速知识内化，在课堂中采用Gitee平台（国内代码管理平台）进行任务分工和项目合作开发。课后，学生针对学习效果完成任务或优化任务，采用Gitee平台进行代码提交、测试和AI评价。

二、数据可视化技术课程教学现状

数据可视化技术课程是大数据技术专业核心课程，它涵盖了基础理论、大数据可视化方法、大数据可视化工具及应用三个部分。目前，该课程实践部分大多是教师在智慧职教平台上安排学生完成任务，学生自行分组并口头分布任务。在每次课程结束后，学生需要自行备份代码，以便下次课程可以继续编码。但是，这样的教学方法存在以下问题：第一，一些学生在完成学业后，发现所学与职场需求脱节；第二，学生不知道学习这些内容有什么用；第三，传统代码提交方式为截图或者上传代码文件到智慧职教平台，难以判断学生是否有抄袭行为，无法区分学生为项目所作的贡献，也无法记录学生整个课程中的代码量。为解决这些问题，课题组以学生为中心，转变教学行为方式，依托智慧职教平台和Gitee平台，构建以学生为中心的、基于ADDIE模型的混合式教学模式。

三、基于ADDIE模型的数据可视化技术混合式教学模式设计

针对高校教育模式改革的背景和现状，本研究引入ADDIE模型，该模型最早由美国的两位学者沃特·迪克和卢·凯里提出。ADDIE模型是一种系统化的教学设计方法，通过分析（Analysis）、设计（Design）、开发（Development）、实施（Implementation）和评估（Evaluation）五个主要阶段，帮助学生规划、实施和评价教学项目。ADDIE教学模型与高职大数据技术专业课程教学融合机制如图1所示。

（一）教学分析阶段

大数据工程技术人员《国家职业技术技能标准》初级要求学生能够使用数据可视化工具，掌握前端页面开发知识，能够配置及使用可视化平台；中级要求学生掌握数据可视化设计知识，能够进行可视化组件库的开发。在全国职业院校技能大赛“大数据应用开发”赛项中，数据可视化模块要求学生能够使用JavaScript（编程语言）框架Vue（编程语言框架）和开源可视化图表库JavaScript、ECharts，并能够对可视化结果进行业务分析、技术参数优化。基于“岗赛证”三方面的调研，课题组重构教学内容，使用企业案例，依托Gitee平台，培养懂理论、重实践、爱合作、知规范的数据可视化技术人才。

课题组在学期前进行学情分析，了解每个学生前置课程的学习情况，使用调查问卷对学生的学习需求进行分析和评估，调查学生对编码规范等职业素养的了解情况，并将学生按照学习进展进行分类，针对每一类学生制订相应的教学计划。

数据可视化技术课程教学目标是让学生具备讲好数据故事的能力，具备代码规范的职业素养，形成数据安全意识；让学生掌握数据可视分析技术的一般原理和处理方法的能力，熟练使用数据可视化技术的能力，以及对大规模数据进行可视分析的能力；让学生具备将人和机器优势进行有机融合从而更快找到数据中隐含的规律的能力。

（二）教学设计阶段

在教学设计阶段，课题组基于企业调研、赛项分析、证书要求重构教学内容，基于学生前置课程学习情况、学习需求、职业素养设定教学目标。课前，教师需要对学生知识自学情况进行摸底，从而调整素质目标、知识目标和能力目标，优化课程设计。课中，教师把课程教学分解为多个教学任务，以“培养数据挖掘能手，守牢数据安全底线”为理念，以“激活数据要素潜能，挖掘数据赋能价值”为目标，深入挖掘、提炼每个教学任务蕴含的思政元素和德育元素，并以智慧职教平台为基础，依托Gitee平台，实施任务驱动、线上线下混合式教学。

（三）教学开发阶段

在教学开发阶段，人工智能的兴起让传统的教学模式发生了翻天覆地的变化。课题组结合“人工智能+”的理念和相关信息技术，开发数据可视化技术课程，包括智慧教材、无代码编程问题智能答疑、在线评测、多维教学数据分析、智能教学评估等。基于大模型的编程教学应用平台，教师为学生提供实时且精准的智能代码纠错、差异化代码修改对比、1对1启发式智能编程辅导。教师通过线上“AI+学习”与线下传统教学相结合模式，为学生提供全新的人工智能学习平台。此外，教师利用Gitee平台进行角色扮演，使学生提前适应职场环境，提高学生团队合作能力和职业素养，从而提高学生的专业能力和发展潜力，让学生毕业与就业无缝衔接。

（四）教学实施阶段

在教学实施阶段，教师采用混合式教学模式，融合课前研学、课中做中学、课后拓展的教学方法，借助人工智能分析学生对专业知识的理解和掌握情况，全面、快速、准确地识别学生的学习情况，并针对每个学生定制教学内容，因材施教。

在课前研学阶段，由于课堂时间有限，准备工作阶段需要提前安排在课前进行。因此，教师在提前准备好学习资源的基础上，可以将微课视频、开发工具、技术社区网页链接、智慧教材等教学资料上传至智慧职教平台。学生利用课余时间，结合教材完成课前学习任务，进行实践操作，列出问题清单。如果学生遇到问题或困惑，可以在智慧职教平台上讨论，形成一个以班级，甚至以学校为单位的技术社区。在总结学生疑惑点之后，教师会及时调整教学目标，删除学生自学已懂内容，重点讲解学生似懂非懂和完全不懂的内容。

在课中做中学阶段，教师通过企业真实案例，引导学生按照真实工作流程进行需求分析、项目开发和任务分配。教师利用Gitee平台，将学生分组进行项目开发，选定组长后，教师带领学生熟悉开发任务，由组长根据成员角色分配子任务。在项目开发过程中，学生熟悉企业的真实开发环境，角色分配大大激发了他们完成任务的欲望，同时锻炼了团队协作能力。通过Gitee平台，教师可以清晰地查看每个学生的任务提交清单和代码清单，并且每个学生完成的子任务不同，有效避免了传统教学中提交图片和代码文件时可能出现的代码抄袭现象。

在课后拓展阶段，教师根据课堂情况实施分层课后拓展。针对课堂上已完成任务的学生，教师可以进一步优化任务，而未完成任务的学生需要在课后继续完成。同时，教师推荐优质技术公众号文章，供学生拓展阅读，并鼓励学生参加大数据技术技能竞赛，积极考取社会认可度高的证书，参与各种编程实践，确保每个学生都能学有所获。具体的教学实施如图2所示。

（五）教学评价阶段

在教学评价阶段，“人工智能+”全面推动教育评价方式创新。教学评价主要包括诊断性评价、过程评价、终结评价和增值评价。

第一，诊断性评价，是指在开学初期，对学生的前置课程学习情况、职业素养及对本门课程的知识储备进行的一系列评价。

第二，过程评价，是指在教学过程中，为了及时了解学生的学习情况，发现教学中的问题而进行的评价，教学评价贯穿整个教学过程。在线上学习阶段，教师通过智慧职教平台记录，跟踪学生课前自学情况和课中考勤情况。在线下实操环节中，教师将学生分组，通过Gitee平台分配角色，进行项目管理和任务分配。学生可以通过Gitee平台的代码评测工具进行AI评价，也可以将代码开源给业内人士进行评价，还可以进行组间互评和教师评价等多元化评价。

第三，终结评价，通常在课程或教学单元结束时进行，对学生的知识掌握程度、技能运用能力、问题解决能力、职业素养等方面的表现进行全面评价。本课程中的终结评价指标包括三个模块项目的完成情况、优化情况和可视化报告的质量等。

第四，增值评价，是指从开学初期到期末时，每个学生经过一学期的学习所获得的增量，是针对每个学生的纵向比较，主要从学生的本门课程项目完成情况、优化情况、职业素养和解决问题的能力等方面进行评价。增值评价的手段有AI和问卷调查等。

参考文献：

[1]许道云.基于ADDIE模型的《配送管理实务》课程混合式教学模式研究[J].物流科技，2023（21）.

[2]吴萍，王文成，吴小进，等.基于ADDIE+对话模式的程序设计类课程“理实一体化”教学设计[J].计算机教育，2024（4）.

[3]王晶，李嘉杰，侯亮.基于ADDIE模型的研究生积木式程序设计课程智慧课堂构建[J].计算机教育，2024（1）.

[4]吴帅，李琪.新发展阶段数字技能人才开发机制研究[J].科技中国，2023（5）.

[5]李珊珊，董梅，郭玲，等.ADDIE模式在机器人手术规范化流程管理中的应用[J].护理研究，2024（9）.

[6]迟慧，吴思奇，王琴.基于ADDIE模型的“食药环犯罪侦查”课程设计实证研究[J].职业技术，2024（5）.

基金项目：2023年湖南工程职业技术学院校级课题“基于ADDIE模型的高职大数据专业课程混合式教学模式实践研究——以《数据可视化技术》为例”，项目编号：GC23YB21；湖南省教育科学研究者协会课题“工程机械行业背景下的高职大数据人才培养体系研究”，项目编号：XJKX22B206。

（作者单位：湖南工程职业技术学院）