基于Python的数据分析课程教学模式探讨

摘要：随着大数据时代的到来，数据成为各个领域中最重要的信息资源，如何从数据里发现并挖掘有价值的信息成为了众多学者研究的问题。文章针对高校开设数据分析课程中存在的问题，构建了“自主学习—案例教学—实战训练”三位一体的教学模式。实践证明该教学模式不仅提高了学生的分析与解决问题能力，还提高了学生的决策及实践动手能力。

关键词：教学模式;自主学习;实践动手

1、前言

随着大数据与云计算技术的快速发展，数据得到了前所未有地爆发性增长。在大数据环境下，能够从数据中挖掘有价值的信息变得越来越重要，数据分析技术应运而生。众多高校计算机专业为了培养学生通过计算机工具和数学知识处理数据，从中发现规律性的信息，并做出决策的能力，都开设了数据分析这门课程。该课程涉数学，Python数据分析概论，Numpy数值计算基础，Matplotilb数据可视化基础和Pandas统计分析基础等知识。学习完这门课程，学生能够在数据收集、整理与清洗的基础上，进行数据预处理、数据分析及数据可视化，并能完成数据分析应用的编程。在实际应用中，原始数据往往存在不完整、不一致等情况[1]。这显得数据分析前的数据预处理过程尤为重要。另外，大数据技术正在与数据挖掘、人工智能等技术融合[2]。说明大数据技术的应用已逐渐渗透到社会生活的各行各业，利用数据分析技术挖掘信息已势在必行，这对高校人才培养模式提出了更高的要求。

2、课程教学现状

数据分析课程要求学生具备高等数学、线性代数以及统计学等数学背景，并能将Python语言灵活运用到实践中，进行数据处理及分析。该课程涉及面广，难度深，并且需要有较强的Python编程能力。因此，用传统课堂讲授的方法很难达到教学目标的要求。

2.1以数学为背景，编程要求高

数据分析课程是本院人工智能专业大二学生的专业核心课程，课程要求学生有较好的数学和统计学基础。但根据统计数据来看，此年级学生的数学功底较弱，统计学方面的知识几乎没有。另一方面，要求学生有较强的Python编程基础，程序设计的教学不能仅仅满足于语法层面，还应着力培养学生的程序设计能力以及解决不同领域的实际问题的能力[3]。因此，Python程序设计的教学需要从人才培养目标出发，着力培养学生的编程能力以及理论联系实际的能力，而且还要强调对学科特征的体现[4]。因此，对于数据分析这门课来说，学生在大一学习了Python基本语法后，还需要掌握如何使用Python语言实现数据处理及数据分析。然而根据多年教学经验，许多大二学生只能掌握基本的Python语法，这使得他们处理数据分析问题很难下手。

2.2教学方法单一

传统教学方法是教师讲，学生听。教师采用PPT讲授理论知识，学生在吸取了理论知识后，进行上机操作。然而这种的学习方式很被动，由于理论知识抽象难懂，学生在课堂上听教师讲授时可能已经失去了学习兴趣，导致理论知识掌握不扎实。等到上机操作时，又不能灵活使用所学到的理论知识。因此，传统课堂教学方法对于数据分析这类涉及面广又有较高编程要求的课程来说并不适用，很难提高学生的分析与解决问题能力及实践动手能力。

3、教学模式探讨

针对上述问题，我們在数据分析课程的教学中，构建了课前自主学习—课堂案例教学—课尾实战训练的三位一体教学模式。

3.1课前自主学习

课堂教学前，教师将本节课需要的预习目标、教学PPT及小视频上传到教学资源平台，然后引导学生利用平台进行自主探究预习。

教师可以利用网络上的多媒体资源，根据教学大纲及因材施教原则创建各类自主学习的信息化平台实施分层教学，帮助学生提高自主预习效率。教学资源分为必学内容和拓展内容，必学内容可以针对课堂知识点及Python编程来设定，每位同学必须自主完成学习任务;拓展内容让学有余力的同学进行选学，为今后培养竞赛的种子选手打基础。

通过这种线上的预习任务，让学生养成自主学习的习惯，进而提高学生自主学习的能力。

3.2课堂案例教学

在多年的课堂教学中，我们发现职业院校学生喜欢动手实践，喜欢通过模仿、体验、讨论等方式进行学习。

因此课堂教学时，首先检测学生预习目标是否达成，然后提出新的学习目标;接下来通过案例教学法，引入本讲的学习案例，提出多个疑难问题并布置学习任务;最后通过多种形式的教学活动，完成学习任务。

从表1中可以看出，为了更好发挥学生的主体作用，教师设计了多种教学活动，通过小组PK梳理思路，开启头脑风暴激发思维活动，利用小组讨论分工协作;在这些教学活动中攻克教学的重难点，培养学生的团队协作能力和决策能力;最后教师根据各组表现进行点评及指导，完成本次课的教学目标。

3.3课尾实战训练

为了将知识点融会贯通、兼顾社会能力及实践动手能力的培养，课程结束后安排一周的课程设计任务，发展学生的实践技能。教师结合具体的企业项目，根据开发过程中需要的知识与技能规划教学进度，确定学生实训任务。

整个课程设计围绕高技能人才培养的目标展开教学，以“项目导向、任务驱动”的教学模式为主，引入企业真实项目，创设实战环境。以任务的开发过程为主线，融合所学知识点，根据任务的不断拓展来推动整个课程设计的进展。在具体的项目开发过程中，要求学生按照需求分析、数据收集、数据处理及数据分析等过程展开任务。在循序渐进完成任务开发的同时实现教学目标，做到理论与实践、知识与社会需求的深度融合。

参考文献

[1]汤羽.大数据分析与计算[M].清华大学出版社，2018.

[2]王岩，杨森，黄岚等.大数据分析与应用课程体系构建[J].计算机教育，2020（2）：26-29.

[3]嵩天，黄天羽，礼欣.Python语言：程序设计课程教学改革的理想选择[J].中国大学教学，2016（2）：42-47.

[4]赵广辉，李屾，秦珀石等.以赋能为目标的Python程序设计线下“金课”建设[J].计算机教育，2019（11）：28-32.

作者简介：吴慧婷（1980-），女，副教授，主要研究方向：机器学习、深度学习。