数据挖掘与大数据分析课程的教学模式改革与优化

吴锦梦 马雷 张耀宗

摘要 当今正处于一个大数据时代，数据挖掘与大数据分析技术吸引了信息化产业领域的大量关注，移动互联网、物联网中存在大量可以广泛利用的数据，有效使用这些数据可以从中获得很多有用的知识和信息。数据挖掘与大数据分析技术这门课程同时兼具实践性和理论性，能够提升学生的编程能力及创新能力。通过实际的数据库应用需求，可以提高学生对数据的处理及分析能力，能够对数据模型进行专业的分析和评估，进而加强学生在数据处理领域的专业水准，提升学生的运算能力、分析能力以及处理问题的能力。如何在实际教学过程中更好地将理论和实践融合起来，也是数据挖掘与大数据分析课程中的一个难点和关键问题。

关键词 数据挖掘；大数据分析；教学模式

中图分类号：G424文献标识码：ADOI：10.16400/j.cnki.kjdk.2023.14.030

数据挖掘通常也可以称之为信息挖掘或数据探勘，在挖掘数据库信息中是非常关键的内容。数据挖掘是在海量的原始数据中利用机器学习、人工智能、统计学等手段发现所需要的知识和信息，是一门由计算机科学以及统计学组成的综合性学科，主要包含计算机科学、机器学习、统计学等多方面的学科内容，并且实际应用性很强，属于一种技术性的学科，在电子商务、大数据分析、互联网金融等领域都有比较多的应用[1]。通常来说，数据挖掘与计算机科学有着很大的關联性，利用统计算法、概率分析、内容筛选、机器学习、参数识别以及其他手段来达到所需求的目的。数据挖掘算法里运用较为普遍的两类是统计算法和机器学习算法。

大数据挖掘与分析的技术主要有：数据收集和预处理、数据储存和管理、数据实时处理、数据可视化及应用等[2]。大数据分析又可以细化成狭义数据分析以及广义数据分析，而平时所说的数据分析一般指狭义数据分析，即依照分析的目标，采取合适的统计方法、分析手段与工具，处理并分析采集到的大量数据，提取里面所需要的、重要的信息，并充分利用这些信息。

1数据挖掘与大数据分析传统教学方法中存在的问题

数据挖掘与大数据分析课程内容主要是数据挖掘与分析、大数据技术及应用相关知识的介绍，期望通过这门课程使学生了解常见的数据挖掘与分析方法，提高学生对于数据的科学分析能力，以及利用数据挖掘与大数据分析技术来研究相关领域或者行业内的某些问题。但是，目前大多数学生对于这门课程的认识并不到位，该门课程在教学过程中也存在教学模式比较落后、课程内容设置不够全面，在关于这门课程的实际应用和实践中也存在着严重的不足，如重理论学习而轻实践应用、考核方式较为单一等。

1.1教学模式落后

目前很多高校在开展数据挖掘与大数据分析的相关课程教学时，通常还是采用最基础的教学模式和教学方法[3]，教师根据基本的数据挖掘方法和分析工具等进行传统的理论教学，学生则局限于教室以理论基础为主开展学习。但是数据挖掘与大数据分析课程内容复杂，并且各个章节的独立性较强，再加上整体课时较短，传统的课堂讲授模式已很难取得满意的教学效果。单纯的理论知识传授与学习，导致学生缺乏自主独立思考问题的能力，同时也缺少和教师的交流和沟通，学生对于知识的消化吸收较差，学习效率较低，其对基础理论知识的掌握、学习的自主能动性以及科研创新的能力得不到提高。

1.2缺少实践演练

传统授课过程缺少案例演练或直接引入传统案例[4]，无法贴合当前大数据行业的发展情况，不能紧跟新技术和新问题，这不仅使得学生无法在课堂上掌握与实际发展情况一致的数据挖掘与分析方法，也使得学生缺乏相应的实际应用能力。数据挖掘与分析课程中包括概率统计、机器学习、数据库等学科知识，这类知识较多依赖于算法推导与数学建模[5]，而大量且具有一定难度的理论学习容易使学生丧失学习兴趣，无法应用到实际科研中。平时教学一般都是进行最基本的验证类实验，但不同的实验之间又缺少关联性，无法使学生系统地搭建起有关数据挖掘与分析的知识框架，而且也很难真正地应用到实际场景中，从而导致学生虽然学习了相关的理论知识，但是无法完全理解这些内容，也认识不到问题的重点，这种情况下学生很难真正地理解有关数据挖掘与分析的本质[6]。

1.3理论架构较差

目前在进行数据挖掘与大数据分析教学时，因为时间限制而无法全面地给学生科普有关信息检索、机器学习、统计分析以及数据库原理等一些计算机相关课程的内容，因此也导致学生无法更好地去理解这门课程的相关内容。如果学生没有一定程度的知识储备基础，就会导致在学习过程中因没有清晰的学习目标而陷入迷茫，对所学知识缺乏理解进而越学越差丧失学习信心。

1.4合作互动较少

在班级整体教学的情况下，教师根据教案进行理论知识教学，学生基本都是独自进行学习和思考，很少有和其他同学进行讨论与学习的机会，教师在理论知识讲解中也很少与学生进行互动，从而缺少对学生知识掌握情况的了解。在此背景下，每个学生基本都是单打独斗，当面对重难点问题时，缺乏必要的交流讨论，导致学习效率低下。

1.5考核方式单一

对学生的学习情况进行科学有效的评价是教学中非常重要的一部分，好的考核方法可以更有效地测评学生的学习效果。传统的考核方式大都是按平时成绩和期末考试成绩加权进行折算。由于缺少与学生的互动，平时成绩多以学生上课出勤率作为主要考查因素，而期末考试成绩就是期末考核的笔试卷面成绩。这种评估方式较为单一，对学生学习情况缺乏深度了解，导致学生只关注期末考试的相关内容，而没有真正吃透知识并在实践中合理运用。

2数据挖掘与大数据分析教学方法的研究与探索

好的数据挖掘与大数据分析课程的教学方法不但可以改进教学内容、激发学习兴趣、提升教学质量、提高教学效果，还可以让学生更好地理解和应用数据挖掘与大数据分析的相关知识来解决实际问题。

2.1改进教学模式

改变传统的知识理论教学方法，采用实例化的教学模式。收集有关大数据的最新案例，根据领域的前沿动态进行针对性教学。其中案例的选择要根据不同的章节内容来设计，同时还应结合实际需求和问题进行分析讲解，从而使学生可以更好地了解相关背景、学习相关内容。通过以实际案例为导向组织教学内容，强化各知识点的运用，串联各章节的重点，让学生能够更好地了解该门课程内容发展的最新方向，构建对该领域存在的问题和研究情况的初步认知。

2.2加强实践环节

在课堂教学的过程中，可以根据智能制造业的相关数据和案例进行内容的讲解，将理论知识融合到实际应用中。同时，再以小组的模式增加实践项目，每个小组通过数据挖掘与大数据分析的相关技术和方案来实现项目，这样不仅可以提高学生的实际应用能力还可以提高其团队合作能力，以共同解决问题完成项目的方式实现共同进步。通过合作完成项目，培养学生的自信心；通过自主完成代码编写与调试，使学生不断进行学习并积累经验，在提高编程能力的同时，也增强其专业能力和相关知识的应用能力，从而加深对理论知识的掌握和理解。

2.3完善理论体系

教师在课前应该认真地完成备课工作，并在开课初期让学生预习课程将涉及的高等数学、统计分析等内容，为其打好学习基础、提高课堂教学效率。另外，学校也应给学生安排相关的专业课程内容，例如数据库、计算机原理、算法设计与分析等，若尚未作相应安排，也建议在开课前由老师给学生做好科普，鼓励学生将其作为选修课或课下自行学习。除此之外，教师也应给学生推荐一些相关内容的经典文章和书籍，鼓励学生课后自学，并做好答疑工作。通过构建全面的课程相关理论体系，深入学习相关内容和技能，可以使学生在面对该门课程的学习时，具有更扎实的理论知识基础和技术应用能力，从而更容易深入进行后续的相关课程学习。

2.4增强合作互动

将所有学生随机进行分组或者自行组成小组，由小组内成员进行沟通和交流，各自提出自己的问题并一起思考解决。通过成员在小组内的讨论情况了解案例的背景和数据挖掘的目标，明确实现案例的流程，总结在学习过程中遇到的问题和困难、学习内容的重难点，进而对学习结果进行分析。最后由小组内成员总结讨论的结果，并推选出一位学生对讨论结果做一个汇报。教师可以根据每个小组汇报的内容进行一定的点评和解惑，并且可以以此来了解学生对于课程内容的学习情况以及实际应用情况，然后根据这些情况再具体安排后续的教学内容，对学生遇到的问题和不易理解掌握的重难点内容要做重点讲解。通过合作的方式可以增强学生的合作能力，提高学习效率，更好地解决所遇到的问题；作为老师来说也能更了解学生对于课程内容的掌握情况，从而合理安排后续的教学内容。

2.5优化考核方式

科学的考核方式是对学生关于数据挖掘与大数据分析相关知识的掌握情况以及检验教学成果的一个至关重要的部分，对于学生培养和教学优化都是非常关键的环节。为了更加科学地评估每位学生的学习情况，根据该门课程理论复杂、应用性强的特点，最好是采取多元化的模式对学生的学习情况进行考核。评估标准可以由平时成绩、实验成绩以及期末成绩三个部分组成。其中平时成绩可以由上课出勤率、课堂互动问答、随堂测验以及课后作业等进行综合评估；实验报告可以通过小组合作实验，独立完成报告的形式进行测评；期末成绩则可以组织学生进行期末考试来考核，期末考试内容可以由理论知识和实际应用等内容组成。其中关于实验部分，由于是由学生组成小组合作来完成，如何做到公平地评估小组内成员的工作参与情况以及合理地给小组内每个成员进行评分是一个重要的问题。在每次实验的时候，可以要求小组成员对自己承担的工作量及完成情况进行小结，然后视情况对每次实验成员的小结进行评估给分。最终实验完成后，小组内每个成员独立完成自己的实验报告并上交，最后由每个学生每次实验情况的评估分数和最终实验报告的得分评估学生在实验中的整体贡献，再根据这些完成最终评分。这种评分方式既加强了学生的科研合作能力，又能够更加公平、科学地对每个小组内成员的实验成果进行合理评估。由以上这些一系列平时考核、实验考核以及期末考核组合而成的多元化评估，可以更好地完成对学生学习情况的测评，综合评估学生对于数据挖掘与大数据分析的课程内容掌握和实际应用能力。

3结论

大数据产业飞速发展、大数据技术也在不断创新。大数据产业在经济社会发展中的作用日益显现，对数据挖掘和大数据分析的课程教学提出了更高的要求。本文对数据挖掘与大数据分析课程教学进行了研究，分析了传统教学方法中存在的一系列问题，并根据这些问题做了更深层次的探索，提出了相应的解决方法，希望借此机会完善数据挖掘与大数据分析这门课程的教学内容，提高学生对于理论知识的掌握以及实际应用的能力，调动学生的学习积极性，加深学生对该领域的了解，从而更好地完成在大数据领域的学生培养目标。

基金项目：2021年湖北省自然科学基金项目“基于无人船艇智能监测的实时三维多目标检测关键技术研究”（2021CFB255）。

参考文献

[1]丁毅涛.大数据时代下的数据挖掘课程改革探索[J].科技风，2021（27）：27-29.

[2]陈良臣.大数据挖掘与分析的关键技术研究[J].数字技术与应用， 2015（11）：93，96.

[3]高建瓴，潘成成.以“问题驅动”为基础的“数据挖掘及应用”课程教学实践[J].新型工业化，2020，10（9）：187-189.

[4]孟凡奇，孙昊晨，王敬东.新工科研究生“数据挖掘”课教学改革探索[J].黑龙江教育（高教研究与评估），2021（4）：54-55.

[5]肖薇，任菊慧，林良钊.数据挖掘与分析课程教学改革与探索[J].社会科学前沿，2022，11（10）：4403-4407.

[6]汤显，石蕴玉.新工科背景下数据挖掘课程教学改革与探索[J].教育教学论坛，2019（42）：141-142.