“大数据基础”课程教学改革体会

李志杰　刘基旺

摘  要：针对“大数据基础”课程学习内容相对较新、知识面较广、教师教学与学生学习难度更大的实际状况，分析该课程的定位、教学内容与教材选择、教学方式与实验案例设计等问题。提出和实践新工科背景下的大数据课程教学方法，包括项目案例驱动教学、以问题提升教学、激发学生创造力等。同时，结合“大数据基础”课程教学实践分析了大数据课程教学改革方向。

关键词：大数据基础;课程教学改革;项目案例;数据科学人才;新工科建设

中图分类号：G642      文献标识码：A 文章编号：2096-4706（2019）23-0171-03

Experience in Teaching Reform of “Big Data Foundation”

LI Zhijie，LIU Jiwang

（School of Information Science & Engineering，Hunan Institute of Science And Technology，Yueyang  414006，China）

Abstract：Aimed at the fact that the learning content of “Big Data Foundation ”course is relatively new，the knowledge is wide and the difficulty of teaching and learning is greater for teachers and students，this paper analyses the positioning of the course，the selection of teaching content and materials，the teaching method and the design of experimental cases，and puts forward the teaching method of big data course under the background of the new subject，including project case-driven teaching，problem-based teaching，stimulating students’creativity，etc. Meanwhile，combining with teaching practice，this paper analyses the direction of teaching reform of big data course.

Keywords：big data foundation;course teaching reform;project case;data science talents;construction of new engineering

0  引  言

大数据是信息化发展的新阶段。新工科建设背景下，不少信息类专业开设了大数据相关课程，如大数据基础、云计算与大数据、大数据实时分析等，其目的是教导学生熟悉数据分析技术，能够熟练使用知识发掘方法，拥有坚实的并行与分布式计算知识，具备数据科学行业的应用能力。

由于大数据综合了信息论、人工智能、机器学习、数据挖掘、统计学等多学科知识，理论性较强，内容相对较新。大数据适用的应用领域涵盖商业智能、物联网、社会大数据分析、金融、医疗、通信等行业。因此，大数据相对于其他工科课程，教师教学与学生学习难度更大，大数据课程建设与教学改革的重要性更加突出。

湖南理工学院从2018年上学期开设“大数据基础”课程，覆盖信息科学与工程学院软件工程本科专业2个班，100人左右，目前已开课两次;湖南理工学院研究生的大数据分析课程，覆盖研究生一个班20人左右。大数据应用技术实训课程，覆盖3个专业120人左右。

“大数据基础”课程是数据科学与大数据技术、人工智能两个专业的技术基础课程。在本科生和研究生的“大数据基础”相关课程教学中，应该按照新工科建设的标准与要求，从应用的角度引入工业界最新的大数据技术，提高学生的实践能力和学术能力。“大数据基础”课程侧重实践教学，由大数据项目案例驱动本科生和研究生的实验教学，必然会从根本上提高学生的动手能力，对学生未来的就业和学术生涯具有重要意义。

本文围绕“大数据基础”课程教学实践，分析该课程大纲的制订、教学内容与教材选择、教学方式与实验案例设计等问题，提出新工科背景下的大数据课程教学方法，并结合教学实践分析大数据课程改革方向，如图1所示。

1  “大数据基础”课程建设

1.1  课程定位

大數据时代，传统的数据库、编程语言、数据结构、编程思想和框架的处理能力已经不能满足当前大数据时代的需求，学生的知识结构急需更新。不仅新开设的数据科学与大数据技术专业，一些信息类相关专业也有大数据教育的需求。

在大数据教育体系中，“大数据基础”课程是一门必修基础课程。该课程基于分布式架构实现技术，技术内容丰富，涵盖数据采集、预处理、存储、管理、数据分析与可视化等。系统讲述数据分析全流程中，典型软件的安装、使用和基础编程方法为后续课程（数据挖掘、云计算与大数据、大数据实时分析等）的教学奠定扎实的理论和实践基础。

通过“大数据基础”课程的教学，使学生系统地掌握操作系统（Linux和Windows）、开发工具（Eclipse）以及大数据相关技术、软件（Kafka、Hadoop、HDFS、MapReduce、HBase、Hive、Spark、数据可视化工具）等，逐步熟悉大数据的应用开发过程，并能在大数据编程实践中灵活使用相关技术。

“大数据基础”是一门面向工程应用实际的技术基础课程，要将工业界最新的大数据和人工智能技术引入本科生和研究生的教学中，通过丰富的课程实验和综合案例，培养学生的大数据基本工程素养，并为今后进一步从事大数据相关工作打下良好的理论和实践基础。

1.2  课程教学内容

按照新工科建设的标准与要求，“大数据基础”课程教学内容的选择遵循的原则是“知识够用、注重应用、内容先进和总体优化”。

（1）知识够用。涵盖大数据批处理、流处理、图计算、查询分析计算等四种处理模式，以及它们的应用实例;

（2）注重应用。“大数据基础”课程教学全过程由大数据实际项目案例驱动;

（3）内容先进。适当介绍一些可以用于大数据分析的机器学习与数据挖掘常用算法，以及在分布式并行环境下的使用方法;

（4）总体优化。从总体上保证课程内容系统全面，重点突出，层次分明，实用先进。

1.3  课程考核方式

为了准确地体现“大数据基础”课程教学要求，有利于实现数据科学人才的培养目标，课程考核方式的选择与操作要能比较客观公正地反映学生的学习状况和教学效果，要能较好地考察学生分析问题与解决实际问题的能力，有利于激发学生的主动创新能力。

在“大数据基础”课程的考核方式上，我们采用平时、理论与实践相结合的多样化考核方法，考核内容强调实践操作能力与应用技能考核，加大实践考核的比例。比如，在总分100分中，平时成绩（包括考勤、作业、课堂提问等）占20%，理论考核（期末）占30%，实践技能考核占50%。

“大数据基础”课程考核的成绩评定由平时、理论、实践相结合综合评定，考核方法向多元化、全程化、科学化、综合化转变，通过课程考核的引领作用来激励学生的积极性，切实提高教学质量。

1.4  教材编写

对于高校而言，推出更加实用、更加专业的高校大数据课程和教材似乎是一项迫切的基础性工作。显然，“大数据基础”包含的知识范畴比较广，又注重应用，教材的选择至关重要。选定的教材要有一定的先进性和实用性，最好还有相关的大数据课程辅助教材，能提供丰富的课程实验和综合案例，用于指导大数据编程实践。

中国高校大数据教育当下的课程教材编写颇有些群雄逐鹿的意味，但不管怎样，在课程教材编写中，必须结合企业的实际应用，杜绝“闭门造车”的现象，为自己的学生寻求与编写最实用的教材和平台。

大数据是一个不断蓬勃发展的学科，教材编纂始终保持在发展前沿，自然能为人才培养输入源源不断的生命力。

2  “大数据基础”教学方式改革

2.1  项目案例驱动教学

大数据理论教学必须与本工科专业结合，以相关案例驱动大数据教学过程。在理论教学中，以案例应用为载体，采用以点带面的思路进行教学内容的组织，细化教学目标并编写讲义。实验教学设计实际应用场景，以知识应用与实践技能培养为重点内容。同时，适度引入大数据最新技术以保证课程内容先进性。

另外，大数据处理需要复杂度更低的可行算法，甚至在有些情况下需要设计并行算法。因此，大数据对自主实际编程的能力要求很高，“大数据基础”课程需要体现大数据编程的特色，强调编程能力和算法设计，并专门教授并行计算相关内容。

“大数据基础”实验实训环节，以案例应用为载体，设计实际应用场景，安排专门教授并行计算相关内容的教学环节，注重自主编程能力培养。同时，改革课程考核方式，在课程成绩评定中引入激励机制，教学全过程考核。

我们设计实践导向的课程项目，学生组队（3～5人一组）完成3个课程项目。课程项目包含必做和选做部分，必做部分主要完成一些基本的大数据实验任务;选做部分具备一定的难度和灵活性，解决的问题更加开放，要求学生必须自己编写大數据并行代码。所有项目都要在课堂上做项目汇报，内容主要包括项目方案、算法细节、程序编码、以及收获等方面，目的在于激发学生的创新能力和培养他们独立思考问题和解决问题的能力。

实践表明，通过案例问题导向的方式更容易激发学生的学习兴趣和加深对理论的理解。另外，在具体案例分析过程中，多采用以点带面的内容安排技巧，从一点出发逐步扩展，可以更好地帮助学生获得课程理论的清晰脉络。

2.2  以问题提升教学

相对于传统课程，无论教师教学还是学生学习，“大数据基础”课程的难度更大。为了取得良好的教学效果，实现课程教学的目标，教学方式的改革很有必要。

传统的课程教学方法以课堂理论教学为主，教学内容根据课程本身来设计，教学方法又根据教学内容来设计，这种课程教学方法不能适应“大数据基础”课程教学的需要。

在“大数据基础”课程教学实践中，我们以学生为主体，根据学生志趣与课程特点，在理论与实验教学过程中设计了以案例驱动教学、以问题提升教学、以“鼓励”提升教学3种先进教学方法。同时，积极运用现代教学技术与手段，如申报慕课，借鉴翻转课堂手段等。另外，课程考核方面，我们在课程成绩评定中引入激励机制，教学全过程考核，强调实践操作能力与应用技能考核，最后进行综合考试。

现阶段大数据教学存在的主要问题，一方面是重视不够，不少高校还没有开设专门的大数据教学模块;另一方面，已开设的大数据相关课程，常常存在专业案例教学弱化、忽视自主编程能力培养等现象。这些现象与问题是与国家大力提倡的新工科的要求相悖的，需要引起足够重视。按照新工科的精神要求，“大数据基础”课程只有延展实践育人平台，强化教学实验、实习实训，教学科研互动促进教学，产学研协同，教学全过程考核，才能提高数据人才培养质量。

2.3  激发学生创造力

“以学生为中心”，以多种方式充分激发学生的主动性与创造性。

（1）完成课程设计。只靠十几个课程实验学时，只能完成实验环境及基本技能训练，还要通过工程实训与课后学习等环节完成课程设计;

（2）参加技术竞赛。培养数据科学人才仅仅通过课堂教学是远远不够的，还需要通过实操的方式来学习知识。技术竞赛是最好的实操，考验参与者全方位的技能，也能在短期内最大程度地激发人的潜力;

（3）巩固与分享知识。学生通过查阅课堂总结、完成工程实训课程设计、参加技术竞赛等方式，课堂教学获得的知识得到巩固、内化与提升。通过小组论坛，学生也可以分享学习体会和学习经验。

3  结  论

当前，我国的工程教育在理念、人才结构、知识体系、培养模式等方面，与培养卓越工程人才的要求有一些不适应，大数据教学还处于起步阶段。例如，在教育理念方面，中国受到传统教育体制的限制，更重视纵深的专业技能，缺少跨学科和专业的综合性体制的建立。而大数据是跨学科和专业的，因此，我们应该开放心态，积极转型为“T”字型数据科学人才教育理念。

借“大数据基础”课程建设的契机，我们设计以案例为载体、重互动的教学方法。充分发展现代化技术教学手段，保障教学计划实施。这种新工科背景下的大数据课程教学方法，在“大数据基础”课程的教学实践中取得了良好的教学效果。

新工科指明了我国工程教育改革的方向，为大数据课程的教学改革提供了一个全新的视角和可行的思路。近年来的诸多实践证明，想培养真正合格的大数据人才，产学研融合是一条可行之路，也是必由之路。产学研融合，由大数据项目案例驱动大数据课程教学的全过程，也是大数据教育改革的可行之路。

参考文献：

[1] 姚兴华，吴恒洋，方志军，等.新工科背景下机器学习课程建设研究 [J].软件导刊，2018，17（1）：221-223.

[2] 林子雨.大数据基础编程、实验和案例教程 [M].北京：清华大学出版社，2017.

[3] HE H ，ZHANG J Z，LIAN L I，et al. Reform on MCU Course of College Based on PROTEUS Platform [C]//计算机科学与电子技术国际学会.2013年教育技术与管理科学国际会议论文集，2013：74-77.

[4] 陈劲松.新工科背景下电子类专业计算机类课程体系探索 [J].廊坊师范学院学报（自然科学版），2018，18（3）：108-111.

[5] 杜小榮.基于大数据下的中职计算机基础课程教学改革研究 [J].考试周刊，2018（93）：12.

[6] 李英梅，黄玉妍，夏伟宁.关于高校应用型软件人才培养的探索 [J].教育探索，2011（6）：102-103.

[7] 读芯术.2019高校AI真能从0到1？先解决4个问题 [EB/OL].（2019-03-01）.https：//baijiahao.baidu.com/s？id=1626793522631836904&wfr=spider&for=pc.

[8] 百度AI.4个月开设一门人工智能课，这位老师怎么办到的？ [EB/OL].（2018-10-09）. http：//yingxiao.baidu.com/new/home/product/details/id/3503？ly=author_zx.

作者简介：李志杰（1964-），男，汉族，湖南永兴人，副教授，博士，中国通信学会云计算和大数据应用专委会委员，研究方向：大数据在线学习;刘基旺（1997-），男，土家族，湖南永顺人，硕士研究生，研究方向：大数据智能算法。