基于雨课堂的“数据挖掘”课程混合式教学

张微微　唐龙业　郝建华

摘要：随着新兴技术的发展，数据挖掘在不同领域发挥着重要作用，因此，越来越多的高校开始设立“数据挖掘”课程。针对“数据挖掘技术”课程在教学过程中出现的理论内容多、学科交叉、学时少等问题，结合线上教学平台雨课堂，以教学目标为导向，以学生为中心的教学形式，提出了基于雨课堂+BOPPPS教学模式的“数据挖掘技术”课程探索研究，并通过案例分析得出结合雨课堂的教学相比较传统教学，在课堂互动、调动学生学习积极性等方面有明显提升，进一步达到提高教学质量的目的。

关键词：数据挖掘技术；雨课堂；BOPPPS

中图分类号：G642文献标识码：A

Abstract：With the development of emerging technologies，data mining plays an important role in different fields，therefore，more and more universities begin to data mining course，in view of the data mining technology course in the teaching process of the theory content of many，interdisciplinarity，less class hours，combined with the online classroom teaching platform rain，guided by the teaching goal，student-centered teaching form，Based on the rain classroom+BOPPPS teaching model，this paper puts forward the exploration and research of data mining technology curriculum.Through case analysis，it is concluded that compared with traditional teaching，the teaching combined with rain classroom has obvious improvement in classroom interaction and arousing students' learning enthusiasm，so as to further improve the purpose of teaching quality.

Keywords：Data Mining technology； Rain Classroom； BOPPPS

當今社会中，我们虽然拥有丰富的数据，但却缺乏有用的信息，于是催化了数据挖掘技术的发展。数据挖掘是在大量的数据中挖掘感兴趣的信息，因为隐藏在数据之后更深层次、更重要的信息能够描述数据的整体特征，可以预测发展趋势，在决策中具有重要价值。另一方面，网络信息技术的完善促进了线上教学的发展，其中雨课堂智慧教学平台就是一种新兴的在线教学工具，能够实现老师和学生之间的教学互动，将雨课堂和传统的课堂的优点进行结合并采用BOPPPS教学方法能有效地实现线上线下混合式教学模式。

一、教学过程中存在的问题

（一）大班授课

近年来，随着信息与计算科学专业的不断发展，招生规模也不断扩大，虽然在教师队伍上进行了一定的扩充，但是生师比还是在不断提高。在此背景下，迫不得已采取大班授课的教学组织形式，虽然大班授课能够使得学校的教学资源得到充分利用，降低学校运行成本，同时保持了班级的多元化，但是大班授课也会带来一些弊端，由于听课学生较多，在课堂上不能进行有效的师生讨论，不能照顾个别差异［1］。研究发现表明，教学过程中的师生互动中学生比率如果小于25%，将影响学生的上课积极性［2］，个别学生感觉自己在大班上课时注意力无法集中，容易受其他同学影响，认为大班学生多，老师注意不到自己，因而显得较为松懈，不能专心听课。基于以上弊端，需要努力探索适合大班授课的教学方法。

（二）教学以教师讲授为主

教学以教师讲授为主，传统教学中，由于大班教学的特点，在课堂教学过程中存在单向的传授知识的现象，学生只能是被动地接收授课内容，上课变得枯燥无味，不能提高学生的学习兴趣和积极性。课程内容的掌握情况不能及时反馈，传统的教学过程中，由于教学实践安排，只能通过提问个别同学的方式或者班级同时回答的方式查看掌握情况，这种方式不能反馈每一个学生的掌握情况，容易造成“以偏概全”的现象，难以根据学生的反馈调整授课进度和内容。

（三）考核方式单一

考核方式单一，平时成绩的考核难以量化，传统的考核方式不能全面地考查学生对知识的掌握，学生只以通过考试为目标，缺乏学习的动力和持续性。因此，需要深化新时代教育评价改革总体方案加强过程性考核。

二、雨课堂介绍

2020年以来，随着线上线下教学模式的改革发展，各种各样的线上教学如雨后春笋般在华夏大地如火如荼地兴起，雨课堂就是其中之一。雨课堂将复杂的信息技术手段融入PPT和微信，对于教师端，授课教师只需要在官网下载并安装雨课堂，PPT中会自动嵌入雨课堂功能，并能使用雨课堂签到、出题、新建试卷等功能；对于学生端，雨课堂在微信小程序中，方便快捷，避免在学生端安装软件的烦琐步骤并节省内存，因此学生接受程度很高。上课时教师先登录雨课堂，然后选择授课班级，生成课堂码，学生使用微信扫一扫就可以一键签到，使用雨课堂签到也减轻了大班考勤的工作难度并节省时间。雨课堂在课外预习与课堂教学间增强了切合度，让课堂互动由课上延续到课下。使用雨课堂，教师可以将带有课前预习视频或语音推送到学生手机，课堂上可以实时答题，教师可根据答题情况实时答疑，为传统课堂教学师生互动提供了便利。雨课堂使得课前—课上—课后环环相扣，并能够通过后台得到学生的学习过程数据表并进行可视化展示［3］。

近年来，随着线上教学的不断发展，越来越多的研究人员将雨课堂运用到课堂教学过程中。程海涛等［4］提出雨课堂在“微型计算机原理与接口技术”混合式教学中的应用，针对课程教学现状，提出混合式教学模式，介绍了混合式教学的模式和具体实施情况，并为应用型本科院校课程教学改革提供一些参考。张瑞娥等［5］提出雨课堂在“信息检索与利用”课程教学中的应用实践，使用“雨课堂”辅助教学，主要从课前内容准备、课上使用效果、课后学习统计等方面介绍应用实践过程，总结出现的问题并提出一些解决对策。王晶晶等［6］浅析雨课堂在大班教学中的应用，探讨雨课堂智慧教学模式对大班教学改革的推动作用，为高校更好利用雨课堂进行智慧教学提供参考。于洪涛［7］提出基于雨课堂的高校智慧教学五步法探究，能充分调动学生的学习积极性，实时掌握学生的学习情况，且教学效果一目了然，故具有较大的推广价值。

三、BOPPPS教学模式

BOPPPS教学模式是起源于哥伦比亚大学，由道格拉斯·克尔在1978年提出。它是一种以教学目标为导向，以学生为中心的教学模型，主要包括六个阶段Bridge-in、Objective/Outcome、Pre-assessment、ParticipatoryLearning、Post-assessment和Summary，分别代表导言、学习目标、前测、参与式学习、后测和总结，BOPPPS就是取自六个阶段的英文首字母。通过知网查阅文献可知，最早在2011年，王若涵、张志翔［8］将BOPPPS应用到“植物生殖生态学”课程中，提高了学生的学习兴趣和教学效果，对培养学生的创新能力起到显著的推动作用。王林玉等［9］以高等数学中“导数的概念”为例来探讨BOPPPS微课教学模式的教学设计策略［9］。郭晓晴［10］提出计算思维培养视角下BOPPPS教学模式在信息技术基础中的应用研究，采用的教学模式对学生自主学习能力、参与学习能力、计算思维能力的强化有积极作用。石蕴玉等［11］提出基于BOPPPS模型的数字图像处理教学设计，采用BOPPPS教学模型进行课程知识点和讲解方式的设计，满足多专业学生的基本学习需求，培养学生的学习兴趣，从而激发学生的自主学习意识和知识探索的精神［11］。

四、基于雨课堂+BOPPPS模型的数据挖掘教学设计案例

数据挖掘技术发展至今，提出了面向不同应用问题的挖掘与分析算法，朴素贝叶斯（Naive Bayesian）是其中应用最为广泛的分类算法之一。本节教学设计结合雨课堂线上教学平台+BOPPPS教学模式。

（一）导入（Bridge-in）

什么是分类？在国外大学中，学校需要根据教师目前的等级（助理教授、副教授、教授）以及教龄等信息来预测该教师是否有资格被授予终身职位，学校希望能够分析已有教师的数据，以便帮助他们猜测具有某些特征的教师是否會被授予终身职位，这个数据分析任务就是典型的分类任务。现有学生数据集包含四个特征分别是年龄、收入、学生、信誉评分，类标号为是否购买电脑。如何用朴素贝叶斯分类器预测一个未作类别标记数据的类别。

（二）学习目标（Objective/Outcome）

知识与技能：通过学习了解朴素贝叶斯算法的基本原理，能够使用朴素贝叶斯算法对数据进行分类。

过程与方法：通过讨论法、案例法，发展学生的推理能力，进一步培养学生的算法理解能，掌握分析数据、能够解决问题的能力。

情感态度与价值观：端正学习态度，树立正确的价值观，培养学生良好的学习情感，激励浓厚的科学兴趣。

（三）前测（Pre-assessment）

朴素贝叶斯分类器基于一个简单假设：被分类对象的各个属性之间互相条件独立，利用概率统计知识预测给定元组属于特定类的概率，是基于贝叶斯定理。因此本节的先验和前测知识是概率统计中的贝叶斯定理。

令X为数据元组：类标签未知，令H为一个假设在：X属于类别C，给定训练数据X，假设H的后验概率P（H|X）满足贝叶斯理论。

随着课程思政在高校思想政治工作中的地位和作用得到进一步明确和加强，在本节教学设计中引入和学生相关的选择题，既能够使学生端正学习态度、树立正确的价值观，又能检测学生们关于贝叶斯定理的掌握情况。例如，如果缺课5次以上的比率是30%，补考率是20%，补考中的60%都是缺课5次以上，问：缺课5次以上的学生补考的概率是多少？

通过雨课堂中随堂练习提交数据显示学生选择各选项的分布情况，全班共70人，其中选择B选项3人，D选项1人，66人选择正确答案C选项。说明大部分同学对贝叶斯定理掌握得比较好，因此在接下来的教学过程中，可以重点关注选错的4位同学的掌握情况。

（四）参与式学习（Participatory Learning）

（五）后测（Post-assessment）

后测是检验学生对本节教学内容的掌握情况，目的在于验收学生学习成果，检测是否达成学习目标。例.X=（Refund=No，Married，Income=120K），该测试样本的类标号。为了提交方便，我们将这个题以选择题形式考察，通过学生们提交的数据显示，大部分同学能够较好地掌握本节课的内容。而在线下课堂中通过查看学生们的算法分析过程，重点讲解易错或不明白的知识点。同时也充分发挥了线上线下教学的优势。

（六）总结（Summary）

总结对本节教学内容做一个归纳汇总，并强调通过后测发现的问题如何避免，布置课后习题，并通过数据分析对课堂表现优秀的学生提出表扬，对于预警学生给予鼓励。

五、教学成果分析

通过分析近年来信息与计算科学专业学生关于数据挖掘期末考试成绩发现，采用基于雨课堂+BOPPPS教学方式的线上线下教学方式能有效地提高学生成绩。2017级数据挖掘教学是采用小班传统教学方式，2018级教学过程中结合雨课堂教学，提高师生互动的效率，调动学生上课积极性，2018级是采用大班教学方式，但平均成绩明显高于2017级的教学成绩。虽然在教学成绩上有一定的提高，然而，通过箱线图我们也能发现两个成绩异常点，所以大班教学容易出现两极分化，这也是在以后教学中要解决的问题。

结语

近年来，数据挖掘正被不同的专业领域所关注，作为一门具有通用性和基础性的数据处理方法与技术，越来越多的高校开设了“数据挖掘”课程，但是“数据挖掘”课程是一门交叉学科且内容多为枯燥无味的算法原理，因此，在实际教学过程中采用传统教学方式不能取得满意的效果，所以本文提出基于雨課堂+BOPPPS的线上线下教学模式，结合雨课堂丰富的线上功能，坚持使用案例教学，丰富了考核评价体制，量化平时成绩，实现学习的过程化管理，能够做到课前预习、课上发布习题练习，并能及时反馈学生掌握情况，课后作业巩固，结合线下的BOPPPS的五步教学法。通过数据分析表明能够有效解决大班上课中的问题，坚持以学生为中心，有效地提高师生互动积极性，有效地掌握算法原理内容，进一步提高学生动手实践能力。

参考文献：

［1］陈艳莲.高校大班教学存在的问题及教学方法的优化［J］.教育与职业，2011，12：164-165.

［2］袁淑云.高校大班额课堂教学中“边缘人”问题的研究［D］.辽宁师范大学，2018.

［3］王帅国.雨课堂：移动互联网与大数据背景下的智慧教学工具［J］.现代教育技术，2017，27（05）：26-32.

［4］程海涛，李鹏，徐鹤.基于雨课堂的“微型计算机原理与接口技术”课程教学模式探讨［J］.计算机时代，2019，328（10）：93-95.

［5］张瑞娥，闫婷，张豫，等.雨课堂在《信息检索与利用》课程教学中的应用实践［J］.中国教育信息化，2017（20）：88-90.

［6］王晶晶，丁华霖，赵廷玉.浅析雨课堂在大班教学中的应用［J］.教育现代化，2020，7（53）：15-18.

［7］于洪涛.基于雨课堂的高校智慧教学五步法探究——以“网络教育应用”课程为例［J］.现代教育技术，2018，28（09）：54-58.

［8］王若涵，张志翔.BOPPPS式教学在“植物生殖生态学”课程中的探索与实践［J］.中国林业教育，2011，29（06）：55-57.

［9］王林玉.基于BOPPPS模式的高等数学微课教学设计——以导数的概念为例［J］.曲阜师范大学学报（自然科学版），2022，48（02）：126-128.

［10］郭晓晴.计算思维培养视角下BOPPPS教学模式在信息技术基础中的应用研究［D］.河北师范大学，2021.

［11］石蕴玉，韦钰.基于BOPPPS模型的数字图像处理教学设计［J］.教育教学论坛，2018（05）：168-169.

基金项目：2019年12月，校企合作模式下双师型师资培养 教育部产学合作协同育人项目（项目号：201902060 021）研究成果之一

通讯作者：张微微（1993—），女，汉族，山东滕州人，硕士，山东交通学院助教，研究方向：信息管理与数据挖掘。

作者简介：唐龙业（1973—），男，汉族，山东泰安人，博士后，山东交通学院副教授，信息系主任，研究方向：信息管理、网络安全；

郝建华（1993—），男，汉族，山东滕州人，山东师范大学信息科学与工程学院计算机科学与技术专业博士研究生，研究方向：数据挖掘。