大數據下數據挖掘課程改革淺議

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數據下數據挖掘課程改革淺議范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：數據挖掘技術作為大數據分析的有效工具已被廣泛地引入高校相關專業的人才培養中。本文旨在對數據挖掘課程的現狀進行分析，并針對目前存在的問題，從思想認識、內容課時安排、教學理念和方法、學習效果評價等各方面對課程教學改革進行探索，以更好地培養學生學習興趣，提高學生學習積極性，使學生具備數據挖掘方法處理實際問題的能力。

關鍵詞：數據挖掘；教學改革；案例式教學法；能力培養

隨著大數據時代的到來，使得人們收集數據的能力也越來越強，從而關于大數據的處理問題也被越來越多的人所關注。為了從海量高維數據中挖掘出重要信息，進而尋找出其內在規律或趨勢，并為人們的生產生活提供決策，數據挖掘技術的出現為解決這一類問題提供可能。在高校教學過程中，數據分析相關專業為了培養相關領域的人才均開設了數據挖掘課程。但是，當前數據挖掘課程教學過程中普遍存在諸多問題。為了提高教學質量，培養學生使用數據挖掘知識解決實際問題能力，提高學生就業競爭力，結合前沿的思想和理念對數據挖掘課程進行深入分析和深度改革，以提高人才培養質量是該課程當前面對的主要問題。

1數據挖掘課程簡介

數據挖掘是統計學與計算機科學等多個學科相互結合的綜合性交叉學科，主要涉及統計學、機器學習、數據可視化技術、數據庫和數學建模等多個方面且應用性較強的技術領域，并且數據挖掘技術在電子商務、互聯網金融、生物醫學、腦神經科學和壓縮遙感等眾多應用領域有著廣泛的應用。數據挖掘課程主要介紹建模過程中的有關任務：數據探索、數據預處理、分類與預測、聚類分析、時間序列預測、關聯規則挖掘、SVM、樸素貝葉斯和離群點的檢測等，并且針對各模塊的相應方法主要講授包括基本概念、原理、求解算法及實現和結果分析等相關內容。該課程主要培養學生掌握數據挖掘的基本技能和方法，掌握數據挖掘的核心技術與主流軟件解決實際問題的能力，并且使學生具有綜合分析及處理相關領域一定復雜問題的能力。

2數據挖掘課程現狀

該課程是在大數據的背景下產生的，作為大數據分析技術中的核心課程，同時為了培養學生嚴密的思維邏輯和較強的動手能力，并且為滿足社會各領域對數據挖掘人才的需求彌補人才缺口，因此眾多高校的相關專業均開設了數據挖掘課程。但是數據挖掘課程本質上是一門技術類課程，通過介紹一些經典的數據挖掘方法，并使得學生能夠正確理解方法原理，并能夠實現對大數據相關實際問題的求解與分析。但是，目前該課程在教學過程中大多數學生對于該門課的地位和重要程度認識嚴重不足，教學理念依然比較落后，關于課程內容的設置還不夠均衡，對于該課程的應用性與實踐性在教學實踐與實際應用還有一定差距，重理論輕實踐的現象依然普遍存在。總之，該課程目前存在的問題主要分為以下幾個方面：

2．1思想認識方面

該課程在相關專業的人才培養中具有重要的地位，學生掌握相應的數據挖掘方法不僅能夠處理具體的實際問題，還能培養學生處理問題的能力，也有利于學生就業和更好地服務社會。但是，目前普遍存在的問題是學生只將數據挖掘看做是一門普通的課程，對自己的要求只是考試過關，并沒有從思想上認識該課程的重要性，對該課程缺乏全面的認識和了解，不清楚該課程的實際意義。從而導致學生思想上不重視、學習中不認真、實踐中不落實、應用中不熟練，極大地影響了學習效果和人才培養方案的實施效果。

2．2課程內容方面

該課程所涉及的內容覆蓋面廣泛、各知識點之間交叉性強；并且該課程包含了大量的復雜理論，特別是對于高等數學和概率論等先修課程的知識掌握要求較高，從而使得學生入門有一定困難，并且所涉及的各類算法過程相對復雜抽象，導致教學難度較大，對學生的理解能力要求較高且充滿挑戰。并且由于新技術、新理論的迅速發展，使得數據挖掘技術更新加快，但是教材內容的更新則相對緩慢，進而存在內容滯后的問題［1⁃2］。并且關于課程講授內容的安排，多數關注分類與預測部分的內容，對于數據挖掘整個環節中最基礎的數據探索和數據預處理部分并未涉及，導致整個數據挖掘過程無法形成完整的閉環，所以就導致學生忽略了這一重要過程，只會使用已處理好的數據進行簡單的結論驗證，面對具體的實際問題和未經處理的雜亂數據，反而卻無從下手，無法達到學以致用的目的。另外，缺乏系統性案例的詳細講解，即以某一具體現實問題為背景，如何確定挖掘目標、分析方法與過程的詳細闡述、模型構建以及代碼實現等全部過程的問題很少涉及。人才培養方案中一直強調培養學生的創新能力和解決實際問題的能力，卻恰恰沒有給出創新的空間和實際問題處理全過程的詳細講解，學生無法理解和掌握實際問題的具體模型以及處理流程，使得培養學生的創新能力和處理實際問題的能力淪為口號，人才培養方案無法真正落實。

2．3教學理念方面

教學理念是對認識的集中體現，同時也是人們對教學活動的看法和持有的基本的態度和觀念，是從事教學活動的信念。教學理念有理論層面、操作層面和學科層面之分。明確表達的教學理念對教學活動有著極其重要的指導意義。在傳統的教學模式中，即以教師為中心的教學模式，教師作為教學活動的主體和中心，教師按照課前設計好的教學思路，通過引入教學內容，講解疑難點，練習作業布置等環節。在整個教學過程中，學生都是跟著教師事先設計好的路線走，學生在各個環節需要做的工作都已被安排好，并且學生通常都是被動接受。學生很少有思考和探討的時間，就更難去提出自己的想法和不同見解，學生的創新性思維也沒能得到發展，對所學知識也僅停留在表面理解和短期的記憶上，進而導致了學而不會，會而不用，用而不精。對于理論教學環節，由于理論知識復雜且枯燥乏味，再加上學生理解能力的差異，導致學生興趣不足，互動性差，課堂教學效果不佳，進而形成惡性循環。總之，學生沒能成為課堂的主體和中心，導致寶貴的課堂時間僅用于知識的簡單傳授、沒能實現對學生思維的高效啟發和能力的培養。

2．4應用實踐方面

數據挖掘作為應用型技術類課程，要掌握其中主要的方法和經典算法，僅靠簡單的理論講解根本無法理解和掌握其精髓，適當的實踐環節必不可少，否則無法實現學以致用。但是，對于目前多數教學過程中，課程的實踐環節主要是進行簡單的驗證性實驗，各實驗之間相對獨立，不利于學生對所學內容的系統性理解，并且各實驗中均是采用已經處理的少量數據進行結果驗證，并未將數據挖掘方法應用到真正的大數據實際應用場景中去，不能使學生形象而深刻的理解數據挖掘方法處理大數據問題，不利于學生系統地理解大數據時代下數據挖掘的本質和過程［3］。

2．5課程考核方面

課程的考核是在教學過程中及結束前，針對課程所設定的目標而進行的各項測試，包括但不僅限于過程性測試、形成性測試及總結性測試，并對測試結果進行分析學習者是否達到課程目標的要求［4］。目前，大多數高校的數據挖掘課程的考核方式都主要采用閉卷考試和課程作業相結合的方式。閉卷主要考查學生對算法原理及思想的理解，課程作業則考查學生對案例的分析。但是，這種傳統的考核方式未能體現該課程的實踐性和應用性，沒有從該課程的本質出發，并未實現該課程重實踐輕理論的特點，并沒有做到以學生為中心，并沒有真正做到學以致用，也沒能調動學生的積極性，更不能實現培養學生的創新思維能力的目的。鑒于目前數據挖掘課程的教學及發展現狀，結合時代和社會發展需要，為了能更好地培養大數據分析人才具備的各種素質和能力。那么，關于數據挖掘課程的教學改革勢在必行。

3數據挖掘課程教學改革探索

數據挖掘課程的教學改革不僅能夠改進教學工作、提高教學質量、提高學生學習興趣和教學效果，還能使學生更好地理解和熟練地應用數據挖掘知識解決大數據實際問題。由于數據挖掘課程在大數據處理中的重要作用，為了更好地實現數據挖掘人才的培養。結合多年數據挖掘課程教學實踐，可從以下幾個方面實行改革探索。

3．1提高思想認識，合理安排教學內容

首先，教師要認識到大數據時代下的開設數據挖掘課程的必要性和重要性。通過教師的言傳身教，讓學生感受到數據挖掘課程的重要意義。只有思想上的轉變，使得學生認識到該課程的重要性以及學好該門課程的對未來學習和就業的幫助，才可以一定程度上加強學生對該門課程的重視［5］。另外，為了解決課程內容方面存在的問題，對于課程內容結合實際合理安排，課程總課時48學時，其中知識案例講解32課時，實驗課時16學時。主要的教學內容主要包括：數據挖掘背景介紹、數據獲取、探索和預處理方法、回歸分析、決策樹、人工神經網絡、聚類分析、關聯規則、時間序列模型、樸素貝葉斯，支持向量機、離群點檢測和案例講解與分析等主要數據挖掘方法。對于每個知識模塊都有實驗課時的安排。并嘗試關注學科新動態，搜集最新研究成果作為教學內容，彌補資源滯后的問題。并且針對每個模塊精心設計最新的案例背景，通過對案例的分析引入新問題，進一步結合所授知識給出解決問題的數據挖掘方法，并通過實驗進行該案例問題的全過程實現。讓學生真正融入教學，實現由難到易的學習轉變。

3．2牢固樹立以學生為中心的教學理念

轉變傳統教學觀念，樹立以學生為中心的教學理念，熟悉專業人才培養方案中的培養目標，特別是數據挖掘課程的培養目標。通過對課程各部分內容的精心設計和安排，結合講授內容特點選用翻轉課堂引導學生參與到教學過程的各個環節。充分調動學生參與教學過程的積極性，以加深對課程內容的深刻理解。在教學環節，首先對學生進行隨機分組，學生完成各自分工；其次，通過小組討論明確案例背景以及挖掘目標、梳理解決問題的流程、總結課程內容重點、存在的問題以及結果分析；最后，通過隨機抽簽的方式確定人員對所討論的問題及存在的問題進行匯報。根據各小組匯報情況整體把握學生對內容的理解程度與應用情況并進行詳細點評，針對學生的問題結合重難點內容進行詳細講解。對任務實現環節，鼓勵學生動手編寫代碼，并通過不斷調試總結問題積累經驗，以提高學生的動手編程能力。總之，所有的教學環節始終堅持以學生為中心，在傳授知識的同時，調動學生參與積極性、啟發學生創新性思維、培養學生主動發現問題、深入思考問題和科學解決問題的能力。

3．3采用案例化教學方法

在數據挖掘課程教學過程中，為了更好地完成教學任務、實現培養學生利用相關方法解決實際問題能力的教學目的，結合數據挖掘課程輕理論重應用的特點。因此，在該課程的教學過程中采用案例化教學方法，針對具體的知識點，課程教學環節設計以案例為出發點，確立應用背景、明確挖掘目標、數據獲取、數據探索、數據預處理、模型建立與求解、結果分析等各個環節，將案例與數據挖掘知識有機結合。該方法不但可以加深學生對知識的理解，還可以使學生更好地掌握方法的具體應用。針對實驗環節，學生不再是進行簡單的驗證性實驗，而是參與案例問題的全過程求解，包括數據采集、預處理、模型建立與算法程序編寫，結果分析評價，以提高全體學生動手能力。

3．4科學評價學生學習效果

學生學習效果的科學評價是教學過程中的重要環節，是對學生學習質量和水平的全面測評。為了科學公平的評價學生，結合數據挖掘課程應用性的特點，該課程采用多元化考核方式對學生學習成績進行評定。首先，該課程的多元化考核方案由：平時成績（20％）、實驗報告成績（30％）和課程期末報告成績（50％）三部分組成，其中平時成績主要包括：課堂考勤、小測驗、課堂提問環節和作業等，課程實驗報告和期末報告都是以小組為單位共同完成。為了防止小組成員得分的平均化，要求每次小組成員需根據每個人的真實的工作量和貢獻程度給出評分得到評分矩陣。然后根據評分矩陣，計算所有成員對某一小組成員的整體評價，作為該成員的成績權重，依次得到所有成員的成績權重，并根據實驗報告實際成績結合各自權重計算出個人實際成績。通過該權重方法能夠更公平對各成員的學習成果進行科學評價。對于實驗報告和課程報告評分過程中，嚴格考察實踐操作（40％）和報告內容（60％）兩大部分等多個細節，將過程化考核與總結性考核相結合，通過一系列細化指標的考核力爭做到全面科學公正評價學生各方面能力。

4結語

數據挖掘技術是大數據時代下，通過對數據進行分析挖掘其內在規律，用于服務社會各領域的科學。本文主要分析了數據挖掘課程的現狀，并指出了目前存在的一些問題，結合近年來教學經驗給出數據挖掘課程的改革探索方案。首先要提高思想認識，堅定課程的重要地位，合理安排課程各環節內容及實驗課時，并樹立以學生為中心的教學理念，讓學生積極參與到教學的各個環節中來，并通過設計新案例融入教學內容，提高學生學習興趣，進而調動學生學習積極性，落實人才培養方案，以培養高質量大數據分析與挖掘人才。

參考文獻：

［1］汪維清．大學計算機專業《人工智能》教材的教學實踐［J］．內江科技，2008（6）：60⁃61．

［2］潘遠春．新課程背景下基于學生需求分析的教材優化［J］．當代教研論叢，2019（1）：105⁃106．

［3］湯顯，石蘊玉．新工科背景下數據挖掘課程教學改革與探索［J］．教育教學論壇，2019（42）：141⁃142．

［4］劉永紅，胡先文，李雪剛，等．信息化背景下課程考核的改革與探索［J］．大學化學，2017，32（03）：34⁃37．

［5］唐曉鳳．數據挖掘課程教學改革探討［J］．中外企業家，2016（27）：190．

作者:丁毅濤 單位:西京學院理學院