《面向解决复杂工程问题的“大数据与数据挖掘”教学研究.docx》由会员分享，可在线阅读，更多相关《面向解决复杂工程问题的“大数据与数据挖掘”教学研究.docx（11页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、面向解决复杂工程问题的“大数据与数据挖掘”教学研究 摘要：学生工程教化培育的核心问题是培育学生解决困难工程问题的实力。解决该问题，首先要精确理解和把握困难工程问题的本质，其次要针对该目标实行有针对性的教学方法和手段。因此，本文从解读和阐述困难性工程问题入手，以“大数据与数据挖掘”课程为例，分析该课程特点以及现有问题，并针对上述培育目标，给出适应当课程的一系列教学方法和改革措施，包括产学合作、项目驱动、“多师”授课、翻转课堂和综合评价等策略。 关键词：困难工程问题;大数据与数据挖掘;产学合作;项目驱动 中图分类号：G434 文献标识码：A 论文编号：1674-211710-0106-04 引言
2、近几年，我国高等教化正在大力开展工程教化认证。工程教化认证是一项国际通行的合格性评价标准，为学生培育质量供应基本标准，即依照行业提出的基本质量标准要求完成工科专业人才培育。工程教化认证推动工程教化改革，与工程师制度紧密连接，增加培育出来的人才对产业发展的适应性，同时大大提升了我国工程技术人才的国际竞争力。 本文以“大数据与数据挖掘”课程为例分析和探讨如何运用产学合作和项目驱动等教学策略培育学生的困难工程问题解决实力。首先，建立产学深化合作以获得更切合实际的困难工程问题大数据和数据挖掘问题;其次，确定合适的大数据与数据挖掘项目，学生自由组队实施项目;最终，通过翻转课堂让学生进行项目答辩，通过老师
3、、学生和企业三方给出学生综合评价。 “困难工程问题”的解读 国际公认的具有权威性和影响力的华盛顿协议指出“工程”是包括数学、自然科学和工程学问、技术和技能整体的、有目的性的应用。“困难工程问题”的核心特征是必需运用深化的工程原理进行分析才能得到解决，特殊要强调的是困难工程问题并不等同于高难度且工作量大的问题。可见，驾驭工程原理的分析和运用是学生具备解决困难工程问题实力的基本技能。分析工程原理须要深化，运用工程原理须要经过分析以后解决问题。“困难工程问题”除了上面的核心特征以外，还具有以下6个选择性特征：涉及多方面技术、工程和其他因素，且相互之间可能存在冲突;须要通过创建性地建立合适的抽象模型才
4、能解决;仅靠常用方法是不能完全解决的;涉及的因素可能没方法完全被专业工程实践标准和规范所包含;相关各方利益不完全一样;具有较高的综合性，包含若干相互关联的子问题。具备核心特征和6个选择性特征中一项或多项的工程问题都属于困难工程问题。 “大数据与数据挖掘”课程特点和问题 作为数据科学与大数据技术专业的必修课程和核心课程，同时亦为计算机科学与技术、软件工程等专业的选修课程和专业课程，大数据与数据挖掘是在完成离散数学、数据结构、数理统计与概率论、计算机程序设计和数据库原理及应用等基础课程之后开设的，目的是让学生更深化了解大数据与数据挖掘的基础理论学问、应用前景与发展方向，培育学生解决实际大数据与数据
5、挖掘领域困难工程问题的实力，提高学生的创新思维以及动手实践实力。所以，提高“大数据与数据挖掘”课程的教学效果对学生的今后学习与就业都有非常重要的意义。 1.“大数据与数据挖掘”课程特点 大数据与数据挖掘应用背景面对的就是困难工程问题，以下分别从系统性、交叉性、丰富性以及伦理性四个方面对大数据与数据挖掘的困难性进行解读。 系统性 大数据与数据挖掘描述的是一整套以数据为驱动的计算机系统，包括数据采集、数据清洗、数据管理、数据分析、数据可视化等，不但要描述大数据与数据挖掘所涉及的方法、技术、模型和理论，还要阐述大数据与数据挖掘中涉及到的学问产权和伦理道德等方面。 交叉性 大数据与数据挖掘具有多学科多
6、领域交叉的特征，涉及数学、数据库、可视化、信息科学、机器学习、高性能计算等，所涉及的方法、技术、模型和理论具有广泛性。同时，数据来自应用领域，使得大数据与数据挖掘与应用领域及领域学问亲密相关。 丰富性 因其涉及的学科和领域许多，大数据与数据挖掘所涉及的方法、技术、模型或理论甚多，任何一个方面都可以有丰富的现有的资源可以运用，任何一个方面都值得去深化探讨创新，更可以通过探讨创新以解决大数据与数据挖掘方面的困难工程问题。 伦理性 大数据和数据挖掘应用的目的是促进经济社会发展，造福人类，同时也应当考虑大数据和数据挖掘应用可能带来的不良影响，因此要有风险意识。同时，大数据与数据挖掘更增加了社会大众对数
7、据隐私的爱护意识，因此要有数据隐私爱护意识。 2.“大数据与数据挖掘”课程问题 大数据与数据挖掘是数据科学与大数据技术专业、计算机专业和软件工程专业中一门综合性以及实践性特别强的专业课程，采纳传统的教学方法可能会导致课堂氛围特别枯燥。因此，教学过程中要注意教学内容的困难工程应用性、实践性、针对性和专业性。“大数据和数据挖掘”课程教學现在普遍存在如下问题，亟待改革。 第一，部分内容理论比较抽象且内容过多，尤其是数据清洗所涉及到的数学公式和数学学问点比较多，数据仓库数据模型相对较抽象，难以理解，数据挖掘算法也包含许多理论支撑，所以学生在学习中极易产生枯燥、乏味的感觉。 其次，内容理论多于实际，该课
8、程内容包括数据清洗、数据仓库和数据挖掘，这就须要用足够的课时来教授学生各部分的学问点，尽量使学生在大数据与数据挖掘方面有个完整的学问体系，但目前很少有详细项目来贯穿整个课程。 第三，任课老师本身缺乏大数据与数据挖掘的完整学问体系，使得老师在讲授理论时不能很好地结合现实生活实践，即不能将当前实际项目案例和该课程教学有机地结合在一起，与实际的大数据与数据挖掘实践有明显的差距。 第四，“双师”型老师严峻匮乏，大部分高校老师只专注于科研而少有在公司或者企业工作过的经验，且在培育本科生的科研实力方面没有真正地深化，仅通过简洁的實验培育学生的动手实力，所以他们经常在授课过程中忽视学生的项目实践实力的培育。
9、 第五，该课程试验侧重于传统动手编程实力的培育，而缺少数据思维的培育，即老师很少谈及数据思维，甚至侧重程序验收而不是强调数据采集管理分析的整个过程，并且缺少适合试验教学运用的试验环境和项目资料，使学生不能将所学到的学问应用于实际。 “大数据与数据挖掘”课程教学改革措施 1.理论学问：结合项目传统授课和“多师”授课 理论部分教学仍采纳老师授课为主的模式，但须要以大数据与数据挖掘项目案例去形象化阐述理论。老师授课以向学生讲解并描述大数据与数据挖掘的基本理论为主，内容力求少而精，同时借助大数据与数据挖掘项目案例，以通俗易懂的接受方式讲授给学生，目的是在较短时间内让学生了解现阶段最广泛运用的大数据与数
10、据挖掘技术的理论学问，为下一步的学习奠定基础。同时，考虑到大数据与数据挖掘学问体系的完整性，保留数据预处理、数据仓库和数据挖掘授课内容。由于存在老师科研方向问题以及项目案例缺乏等问题，引入“多师”授课方式，即不同部分由不同老师，甚至可以外聘企业人员来校授课，但是在授课前肯定要协商好上课内容，保证授课内容的前后连接和有机结合，以培育学生数据思维为主，培育学生在大数据与数据挖掘方面的爱好爱好，引导学生自主学习，使学生平稳过渡到深化研发阶段。 2.应用技术：从项目动身和“用中学” 大数据与数据挖掘与其他计算机课程不同，学生须要面对的不是单一的软件工具和编程语言，而是一组软件工具组成的软件支持环境。为
11、了增加大数据与数据挖掘课的真实性，可选用一组业内流行的大数据与数据挖掘工具和编程语言，如ETL、Hive和Python等，营造一个适合“大数据与数据挖掘”课程的项目实践环境。考虑到相关工具和编程语言的困难性，为避开学生陷入单纯学习软件功能和编程语言的误区，要坚持“用中学”的方针，不要求学生四平八稳驾驭软件功能和编程语言，而是从好用角度动身，以完成项目为目的，驾驭软件常用功能和编程语言基本语法等。同时，围绕项目可以布置一些课外任务，以巩固学生对大数据与数据挖掘所涉及应用技术的娴熟程度，同时拓宽学生对应用技术的扩展学习。 3.项目实践 通过项目实践完成状况可以考察学生对大数据与数据挖掘的方法和技术
12、的驾驭和运用状况。 项目遴选 项目的选取遵循“生产性、相关性、发展性和可操作性”四大原则，选择的项目要和学生的生活学习相关，同时要是他们熟识的，要有肯定业务流程，能满意学生今后可持续发展的须要，便于课堂开展教学实施，如气象实时监控与预料、交通实时监控与预料。要想使学生在大数据与数据挖掘的各学问点均有练习，最好的方式是通过产学合作的方式与相关企业或政府部门建立起长期合作，由企业或政府部门提出困难工程问题，选择其中一个作为授课用，并把该困难工程问题对应的项目贯穿到整门课的教学包括理论教学和应用技术教学的过程中。 项目驱动 大数据与数据挖掘理论较抽象，且所需基础理论学问繁多，学生不宜理解和驾驭，可以
13、借助企业实际项目，将实际和理论相结合，这就须要老师具有工程实践阅历和解决困难工程问题的实力，并能够很好地将理论和实际结合在一起进行授课，即把实际真正解决困难工程问题的过程、方法、理论和技术融入到理论授课过程中。理论授课须要项目驱动，大数据与数据挖掘实践更须要数据驱动型项目，真实项目不但可以让学生通过项目感受和驾驭大数据与数据挖掘的理论、方法和技术等，更能带动学生学习爱好和实际动手的主动性。 团队协作 依据大数据与数据挖掘实践过程分析并确定团队协作人员人数，并依据学生的实力和水平，进行合理有效的分工，明确学生的学习任务和角色，尤其是大数据与数据挖掘实践过程中的角色以及相应的任务，如数据采集、数据
14、清洗、数据管理、数据分析和数据可视化等以及细分项。值得一提的是，为了更好地帮助学生相识大数据与数据挖掘各个环节和各个角色的重要性，须要约束和规范学生定期进行小组探讨并做会议记录，按时提交相应会议记录进度、问题及解决方法等;同时，约束和规范学生撰写项目文档，并按期提交，但要在理论、方法和技术方面给学生发挥的空间。为了更好地把大数据与数据挖掘项目开展下去，可以为每个团队配备一名老师和一名企业人员，以帮助学生解决遇到的无法解决的困难工程问题。 翻转课堂 在大数据与数据挖掘项目实施过程中，设定若干阶段性成果汇报和最终答辩环节，由学生打算素材设计PPT，并由学生在讲台上讲解并描述阶段性成果和所遇到的已经
15、解决的和未解决的问题，这样不但可以培育学生的表达实力，还可以培育学生材料搜集整理的实力，同时更凸显团队协作的实力。 综合评价 传统教学模式中主要由授课老师来完成最终成果包括平常成果和期末成果的评定。为了能够更好地衡量学生团队在大数据与数据挖掘项目进行过程中的表现，在阶段性成果汇报和最终成果答辩过程中，可由老师、学生和企业人员共同参加答辩评审，并且对学生团队内的每一个人都可以提问，以保证团队内的每一个学生已熟识和驾驭软件开发过程中应知必会的学问。 结语 解决困难工程问题实力的培育是一项系统性的工作，同时也是一个动态的、按部就班的工作，贯穿整个教学过程。只有精确理解和把握困难工程问题，才能有针对性
16、地开展教学设计和教学活动。本文探讨了“大数据与数据挖掘”课程教学改革措施，结合实际大数据与数据挖掘项目给出了困难问题教学实施方法，如项目遴选、项目驱动、团队协作、翻转课堂、综合评价等，希望对其他涉及困难工程问题的课程教学有肯定的启发。 参考文献： 1蒋宗礼.本科工程教化：聚焦学生解决困难工程问题实力的培育J.中国高校教学，2022：27-30+84. 2林健.如何理解和解决困难工程问题基于华盛顿协议的界定和要求J.高等工程教化探讨，2022：17-26+38. 3钱振江，龚声蓉，徐文彬.面对困难工程问题的应用型本科计算机类专业人才培育模式探讨和实践J.计算机教化，2022：10-13. 4王洪
17、，洪玲.大数据背景下数据挖掘理论课程教学思索J.现代商贸工业，2022：142-144. 5朱卫平，陈佳玲.大数据时代下的“商务智能与数据挖掘”课程教学改革探讨J.计算机教化，2022：33-36. 6渠畅，杨静.本科阶段数据挖掘课程教学探究J.高等教化，2022：183-183. 7赵晓凡.公安高等院校数据挖掘课程教改探讨J.计算机教化，2022：39-42. 8黄艳梅.大数据背景下“数据挖掘”课程的教学探讨J.江苏科技信息，2022：63-65. 基金项目：浙江工业高校专业核心课程建设项目“数据挖掘”。 第11页 共11页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页第 11 页 共 11 页