ICT 非计算机专业大数据课程学习兴趣激发的研究与探索

杨晓波，王勇，徐川，张家波，甘臣权

（重庆邮电大学通信与信息工程学院，重庆 400065）

目前，大数据技术产业基础技术研究、平台产品研发和数据业务综合应用等人才短缺，国家、企业、各大专院校对大数据人才的培养工作都十分重视。工信部印发的《大数据产业发展规划（2016—2020年）》对大数据产业的发展提出明确的规划和要求，并对推动大数据人才的培养工作提出具体意见。规划要求各高校要联合企业和社会资源，“推动建立创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系”[1]。

适应这一大趋势，我校通信与信息工程学院开设了《大数据技术及应用》课程，面向学院所有专业的本科生，其中信息工程专业为必修，其他专业为选修。该课程选修人数多，覆盖面广，是通信与信息领域中一门重要的专业课程。本课程定位为大数据技术入门课程，为学生搭建起通向“大数据知识空间”的桥梁和纽带。本课程系统梳理、总结大数据相关技术，介绍大数据技术的基本原理和大数据的主要应用，帮助学生形成对大数据知识体系及应用领域的轮廓性认识。

一、问题分析

（一）存在的问题

作为实用性非常强的热门技术，大数据课程自然吸引了很多学生前来选修。但在实际教学过程中，却发现不少学生慢慢地失去了继续学习的兴趣。通过调研分析，发现存在以下问题：

1.实验环节传统单一、学生成就感不足，失去进一步学习的兴趣

《大数据技术及应用》课程由理论和实验两部分组成，共48学时。其中，课堂理论部分占16学时，上机实验部分占32学时。理论课系统讲授大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库Hbase、分布式并行编程模型MapReduce、大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、Hbase、MapReduce等重要章节，安排了入门级的实践操作，主要包括虚拟机的安装及LINUX的安装和使用、Hadoop的安装、HDFS 常用操作 Shell 命令、HDFS 常用操作 Java API操作、MapReduce 词频统计、MapReduce排序操作、HBase 操作 Shell 命令、HBase操作Java API共八个实验任务。这八个任务涉及系统的安装和环境的部署，这些属于验证性实验；另外一些是使用shell命令或系统提供的JAVA接口API完成简单的分析任务。这种传统的实验内容设置存在以下弊端：

①这些实验任务实际上主要考查学生的熟练度。学生只要照着指导书仔细一点、多操练几次，很容易就把任务完成了，对于实验原理缺乏思考，理解浮于表面，没有达到知识的融会贯通。同时，任务简单，无区分度，没有给学有余力的学生进一步探索的机会。

②实验任务彼此独立，与生活贴合度不高，学生感觉好像学了不少，但真正有用的东西没学到。面对一个真正的需求，学生感觉茫然而无从下手。“授人以鱼不如授人以渔”，指导实践最有用的是思维和方法。研究大数据的根本目的是分析大数据以挖掘数据的价值，学生选修大数据类课程的目的也在于此。但目前的实验设置方式无法让学生对大数据处理的完整流程有全面的理解，不知道如何利用大数据技术来分析处理数据。

2.考核方式不够合理，没有将学习各环节都纳入考核范围，考核方式对学生的区分度不高，没能从制度上激发学生积极参与课程学习

①对本课程要求的前导知识的自学过程缺乏考核机制，使得自学效果大打折扣，导致学生前导课程知识储备不足，编程难度增大。

《大数据技术及应用》融合了编程基础、算法思维、数据库原理、LINUX系统知识、计算机网络知识、机器学习理论等基础知识，综合性较强。特别是在实践环节中，学生需要灵活运用面向对象程序设计和 Java语言编程等前导课程的知识，并灵活运用Hadoop JAVA API实现相关编程任务。本课程面向通信学院所有专业学生开设，各专业的编程基础不同，除信息工程专业学生在选修《移动应用开发》课程时学习了JAVA基础知识外，其他专业均未专门开设课程学习。而本课程的授课时间有限，不可能专门为学生讲授JAVA基础知识，也没有大量的时间详细阐述Hadoop JAVA API，往往是让学生在课后进行自学。但由于缺乏对自学效果的有效监督，很多学生并没有完成相关内容的自学，导致在实践环节，学生对于JAVA编程的实验内容无从下手，老师只好把参考代码发给学生。这样不仅达不到基本的实践效果，更无法实现对学生创新能力的培养。

②考核方式不够合理，对学生的区分度不高。与其他传统实践类课程一样，此类课程目前一般采用的考核方式是平时的实操任务的考核和实验报告加权获得。例如，《大数据技术及应用》考核内容包括平时的实操、实操考试和实验报告。平时的八个实验任务中，几个验证性实验只要认真、仔细，在老师的适当指导下均可成功完成；另外几个分析任务都比较简单，没有创新性。实操考试是从几个分析任务中随机选择一个完成，主要根据任务完成的时间长短来给出分值。因此，目前的考核方式并不能很好地区分学生，特别没有对优秀的、想拓展能力的学生提供附加分值，不能激发学有余力学生的探索热情。

（二）当代大学生的学习特点

鉴于以上的分析，要让学生保持对大数据课程的兴趣，就应该让该类课程的设置能结合学生的特点进行调整。当代大学生已进入“00”后甚至“05”后阵营，在学习方面普遍具有以下特征：

视野广阔、思维活跃、学习能力强，熟练使用互联网和信息技术获取知识，但自我约束力不强[2-4]。

深入家庭的互联网和宽广的信息平台使大学生学习知识更加便捷，丰富、优质教学资源在网络上很容易获取。因此，老师的身份，应该从“知识的传授者”向“思维的引导者”转变。例如，在前导知识的自学环节，老师应该采取措施，引导学生利用好这些资源，充分发挥学生善于学习且乐于学习的特点，但对自学效果不能放任自流，要采取有效的机制，监督自学的效果。在后续的具体实验过程中，提供任务后，不直接给出解决办法，而是让学生通过思考后，自行选择合适的方法。

关注新技术的发展、具有奋斗意识，追求自我价值，但心理抗挫能力不足[2-4]。

生长在经济高速发展环境下的当代大学生，普遍认同奋斗精神，他们希望通过自己的拼搏奋斗实现自我价值，具体表现在学习上，希望能利用自己所学去解决实际问题。因此，实验任务应该是面向实际问题的，实验的过程应该采用学到的方法去解决实际问题。同时，在解决问题的过程中，应该让学生能够获得阶段性的满足感，有坚持下去的动力。

二、探索与实践

（一）研究目标

“知之者不如好之者，好之者不如乐之者”，让学生主动学习，乐于探索专业兴趣是必备利器[5]。如何提高学生的学习兴趣，是需要不断探索的问题。本文的研究目标是探索ICT非计算机专业大数据类课程有效激发和培养学习兴趣的方法，如何让怀着对大数据的热情而来的非计算机类学生，在编程基础相对而言较为薄弱、课时有限的情况下，能在学习的过程中继续保持对大数据的学习兴趣，并为进一步在大数据领域“深耕细作”奠定基础、指明方向。

（二）具体措施

设计让学生在实践环节持续保持学习兴趣的方案。

1.优化整合实验任务，提高实验任务的综合性

通信类专业学生应该具备能够应用信息技术对复杂工程问题进行预测、模拟和求解的能力。所以，必须对《大数据技术及应用》的实验内容进行调整，使学生能够具备大数据技术解决复杂专业应用问题的能力。

一个大数据的完整处理过程包括系统安装、大数据平台的搭建、数据预处理、大数据存储、大数据分析、大数据可视化等多个环节。理论课程对各环节都进行了阐述，但实验中没把各环节都联系起来。要实现学生对大数据技术的全面理解，需要创新实验体系，改变原来小实验项目形式，重新设计实验内容，开发一个大型的、综合性的实验项目，对任务进行分解，以项目驱动的方式开展实验教学，让任务的实现贯穿大数据处理流程的各环节：引导学生搭建好平台，根据具体的应用需求，收集数据，进行数据预处理，并存储在Hadoop大数据平台上，从而理解大数据分布式存储的思想；利用Hbase实现对数据的有效管理；结合MySQL等传统关系数据库系统，实现传统数据库和列式数据库的互操作；采用MapReduce或Spark技术实现对数据的处理，从而深入理解大数据分布式处理的思想；最后采用合适的可视化技术对结果进行可视化呈现，一步步地完成各环节的任务，从而实现对大数据各组件的综合应用，促进对大数据技术的全面理解。

2.从社会生活需求出发，设计实验任务，提高实验任务的实用性

大数据已经在社会生活中发挥着非常重要的作用，研究大数据的核心目的在于数据价值的挖掘与利用，以让人们能感知现在、预测未来和更好地决策调控。我们在设计实训案例时，也不要忘了“初心”，要从社会生活需求出发，设计的实训项目应该是贴近生活的、实用性强的。同时，数据集的选取也非常重要。数据集选取应尽量贴近实际应用，即数据集中的数据应选取真实的、有分析价值的数据[6]。同时，也鼓励优秀的学生通过爬虫等技术，自行获取原始数据源。同时，在分析数据时，引导学生结合应用、多角度地挖掘数据价值，这样不仅可以提高学生的学习兴趣，还能培养学生解决实际复杂问题的能力。

3.分解任务目标，让每一个阶段的结果清晰可见

例如，实验总任务开始时，老师可提供相应的大数据应用演示示例代码，让学生通过演示示例直观地认识大数据处理的步骤和具体功能，快速学习大数据处理流程；然后，把任务分解成一个个小目标，根据分解的小目标把实验过程划分成若干阶段，在每一阶段学生都能看到成果的展现，获得过程中的满足感。在面对每一个小目标时，让学生通过网络、期刊、书籍等各种资料，选出合适的解决问题的思路与方法，整个过程要求学生做好资料的整理与项目的详细记录工作，最后撰写一份实验报告。

三、设计合理的、有区分度的梯级考核方案

学生的课程成绩评价的构成，直接影响到课程效果和学生学习的积极性。遵循我们的宗旨和目标，设计一个合理的、有区分度的梯级学生成绩评价方案，从制度上督促学生有效参与课程学习[7]。

成绩评价方案应包括课程学习的各环节，从制度上督促学生有效参与课程学习。例如，要监督学生的自学效果，就必须把前期的自学情况纳入考核内容。例如，在开始所有实验任务之前，要求学生必须完成面向对象编程思想和JAVA基础编程等内容的学习，因此在第一次实验之前，要进行相关内容的考核，并计入总分。在涉及JAVA编程任务之前，学生必须完成Hadoop JAVA API相关函数的深入学习，并进行考核，考核结果计入总分。

评价方案要有区分度，能激发优秀学生进一步探索的热情。例如，在实训项目环节，规划每一阶段的实训任务，分阶段考核。每一阶段的实训任务，设置基本任务和拓展任务，分别赋予分值，让学有余力的同学有进一步挑战难度、追求更好成绩的机会。同时，也鼓励优秀的学生尝试采用不同的数据集完成分析任务，培养勇于创新、勤于思考的优秀品质，这部分要给予附加分值。

四、结束语

通过本方案的实施，使学生在掌握必要的大数据技术的同时，提高学生的课程学习的主动性与参与课堂的积极性；提高学生发现问题、分析问题和解决问题的能力；提高学生的自信心，激发学生的学习热情，带着兴趣完成整个课程的学习。