大数据下数据挖掘课程改革浅议

摘要：数据挖掘技术作为大数据分析的有效工具已被广泛地引入高校相关专业的人才培养中。本文旨在对数据挖掘课程的现状进行分析，并针对目前存在的问题，从思想认识、内容课时安排、教学理念和方法、学习效果评价等各方面对课程教学改革进行探索，以更好地培养学生学习兴趣，提高学生学习积极性，使学生具备数据挖掘方法处理实际问题的能力。

关键词：数据挖掘；教学改革；案例式教学法；能力培养

随着大数据时代的到来，使得人们收集数据的能力也越来越强，从而关于大数据的处理问题也被越来越多的人所关注。为了从海量高维数据中挖掘出重要信息，进而寻找出其内在规律或趋势，并为人们的生产生活提供决策，数据挖掘技术的出现为解决这一类问题提供可能。在高校教学过程中，数据分析相关专业为了培养相关领域的人才均开设了数据挖掘课程。但是，当前数据挖掘课程教学过程中普遍存在诸多问题。为了提高教学质量，培养学生使用数据挖掘知识解决实际问题能力，提高学生就业竞争力，结合前沿的思想和理念对数据挖掘课程进行深入分析和深度改革，以提高人才培养质量是该课程当前面对的主要问题。

1数据挖掘课程简介

数据挖掘是统计学与计算机科学等多个学科相互结合的综合性交叉学科，主要涉及统计学、机器学习、数据可视化技术、数据库和数学建模等多个方面且应用性较强的技术领域，并且数据挖掘技术在电子商务、互联网金融、生物医学、脑神经科学和压缩遥感等众多应用领域有着广泛的应用。数据挖掘课程主要介绍建模过程中的有关任务：数据探索、数据预处理、分类与预测、聚类分析、时间序列预测、关联规则挖掘、SVM、朴素贝叶斯和离群点的检测等，并且针对各模块的相应方法主要讲授包括基本概念、原理、求解算法及实现和结果分析等相关内容。该课程主要培养学生掌握数据挖掘的基本技能和方法，掌握数据挖掘的核心技术与主流软件解决实际问题的能力，并且使学生具有综合分析及处理相关领域一定复杂问题的能力。

2数据挖掘课程现状

该课程是在大数据的背景下产生的，作为大数据分析技术中的核心课程，同时为了培养学生严密的思维逻辑和较强的动手能力，并且为满足社会各领域对数据挖掘人才的需求弥补人才缺口，因此众多高校的相关专业均开设了数据挖掘课程。但是数据挖掘课程本质上是一门技术类课程，通过介绍一些经典的数据挖掘方法，并使得学生能够正确理解方法原理，并能够实现对大数据相关实际问题的求解与分析。但是，目前该课程在教学过程中大多数学生对于该门课的地位和重要程度认识严重不足，教学理念依然比较落后，关于课程内容的设置还不够均衡，对于该课程的应用性与实践性在教学实践与实际应用还有一定差距，重理论轻实践的现象依然普遍存在。总之，该课程目前存在的问题主要分为以下几个方面：

2．1思想认识方面

该课程在相关专业的人才培养中具有重要的地位，学生掌握相应的数据挖掘方法不仅能够处理具体的实际问题，还能培养学生处理问题的能力，也有利于学生就业和更好地服务社会。但是，目前普遍存在的问题是学生只将数据挖掘看做是一门普通的课程，对自己的要求只是考试过关，并没有从思想上认识该课程的重要性，对该课程缺乏全面的认识和了解，不清楚该课程的实际意义。从而导致学生思想上不重视、学习中不认真、实践中不落实、应用中不熟练，极大地影响了学习效果和人才培养方案的实施效果。

2．2课程内容方面

该课程所涉及的内容覆盖面广泛、各知识点之间交叉性强；并且该课程包含了大量的复杂理论，特别是对于高等数学和概率论等先修课程的知识掌握要求较高，从而使得学生入门有一定困难，并且所涉及的各类算法过程相对复杂抽象，导致教学难度较大，对学生的理解能力要求较高且充满挑战。并且由于新技术、新理论的迅速发展，使得数据挖掘技术更新加快，但是教材内容的更新则相对缓慢，进而存在内容滞后的问题［1⁃2］。并且关于课程讲授内容的安排，多数关注分类与预测部分的内容，对于数据挖掘整个环节中最基础的数据探索和数据预处理部分并未涉及，导致整个数据挖掘过程无法形成完整的闭环，所以就导致学生忽略了这一重要过程，只会使用已处理好的数据进行简单的结论验证，面对具体的实际问题和未经处理的杂乱数据，反而却无从下手，无法达到学以致用的目的。另外，缺乏系统性案例的详细讲解，即以某一具体现实问题为背景，如何确定挖掘目标、分析方法与过程的详细阐述、模型构建以及代码实现等全部过程的问题很少涉及。人才培养方案中一直强调培养学生的创新能力和解决实际问题的能力，却恰恰没有给出创新的空间和实际问题处理全过程的详细讲解，学生无法理解和掌握实际问题的具体模型以及处理流程，使得培养学生的创新能力和处理实际问题的能力沦为口号，人才培养方案无法真正落实。

2．3教学理念方面

教学理念是对认识的集中体现，同时也是人们对教学活动的看法和持有的基本的态度和观念，是从事教学活动的信念。教学理念有理论层面、操作层面和学科层面之分。明确表达的教学理念对教学活动有着极其重要的指导意义。在传统的教学模式中，即以教师为中心的教学模式，教师作为教学活动的主体和中心，教师按照课前设计好的教学思路，通过引入教学内容，讲解疑难点，练习作业布置等环节。在整个教学过程中，学生都是跟着教师事先设计好的路线走，学生在各个环节需要做的工作都已被安排好，并且学生通常都是被动接受。学生很少有思考和探讨的时间，就更难去提出自己的想法和不同见解，学生的创新性思维也没能得到发展，对所学知识也仅停留在表面理解和短期的记忆上，进而导致了学而不会，会而不用，用而不精。对于理论教学环节，由于理论知识复杂且枯燥乏味，再加上学生理解能力的差异，导致学生兴趣不足，互动性差，课堂教学效果不佳，进而形成恶性循环。总之，学生没能成为课堂的主体和中心，导致宝贵的课堂时间仅用于知识的简单传授、没能实现对学生思维的高效启发和能力的培养。

2．4应用实践方面

数据挖掘作为应用型技术类课程，要掌握其中主要的方法和经典算法，仅靠简单的理论讲解根本无法理解和掌握其精髓，适当的实践环节必不可少，否则无法实现学以致用。但是，对于目前多数教学过程中，课程的实践环节主要是进行简单的验证性实验，各实验之间相对独立，不利于学生对所学内容的系统性理解，并且各实验中均是采用已经处理的少量数据进行结果验证，并未将数据挖掘方法应用到真正的大数据实际应用场景中去，不能使学生形象而深刻的理解数据挖掘方法处理大数据问题，不利于学生系统地理解大数据时代下数据挖掘的本质和过程［3］。

2．5课程考核方面

课程的考核是在教学过程中及结束前，针对课程所设定的目标而进行的各项测试，包括但不仅限于过程性测试、形成性测试及总结性测试，并对测试结果进行分析学习者是否达到课程目标的要求［4］。目前，大多数高校的数据挖掘课程的考核方式都主要采用闭卷考试和课程作业相结合的方式。闭卷主要考查学生对算法原理及思想的理解，课程作业则考查学生对案例的分析。但是，这种传统的考核方式未能体现该课程的实践性和应用性，没有从该课程的本质出发，并未实现该课程重实践轻理论的特点，并没有做到以学生为中心，并没有真正做到学以致用，也没能调动学生的积极性，更不能实现培养学生的创新思维能力的目的。鉴于目前数据挖掘课程的教学及发展现状，结合时代和社会发展需要，为了能更好地培养大数据分析人才具备的各种素质和能力。那么，关于数据挖掘课程的教学改革势在必行。

3数据挖掘课程教学改革探索

数据挖掘课程的教学改革不仅能够改进教学工作、提高教学质量、提高学生学习兴趣和教学效果，还能使学生更好地理解和熟练地应用数据挖掘知识解决大数据实际问题。由于数据挖掘课程在大数据处理中的重要作用，为了更好地实现数据挖掘人才的培养。结合多年数据挖掘课程教学实践，可从以下几个方面实行改革探索。

3．1提高思想认识，合理安排教学内容

首先，教师要认识到大数据时代下的开设数据挖掘课程的必要性和重要性。通过教师的言传身教，让学生感受到数据挖掘课程的重要意义。只有思想上的转变，使得学生认识到该课程的重要性以及学好该门课程的对未来学习和就业的帮助，才可以一定程度上加强学生对该门课程的重视［5］。另外，为了解决课程内容方面存在的问题，对于课程内容结合实际合理安排，课程总课时48学时，其中知识案例讲解32课时，实验课时16学时。主要的教学内容主要包括：数据挖掘背景介绍、数据获取、探索和预处理方法、回归分析、决策树、人工神经网络、聚类分析、关联规则、时间序列模型、朴素贝叶斯，支持向量机、离群点检测和案例讲解与分析等主要数据挖掘方法。对于每个知识模块都有实验课时的安排。并尝试关注学科新动态，搜集最新研究成果作为教学内容，弥补资源滞后的问题。并且针对每个模块精心设计最新的案例背景，通过对案例的分析引入新问题，进一步结合所授知识给出解决问题的数据挖掘方法，并通过实验进行该案例问题的全过程实现。让学生真正融入教学，实现由难到易的学习转变。

3．2牢固树立以学生为中心的教学理念

转变传统教学观念，树立以学生为中心的教学理念，熟悉专业人才培养方案中的培养目标，特别是数据挖掘课程的培养目标。通过对课程各部分内容的精心设计和安排，结合讲授内容特点选用翻转课堂引导学生参与到教学过程的各个环节。充分调动学生参与教学过程的积极性，以加深对课程内容的深刻理解。在教学环节，首先对学生进行随机分组，学生完成各自分工；其次，通过小组讨论明确案例背景以及挖掘目标、梳理解决问题的流程、总结课程内容重点、存在的问题以及结果分析；最后，通过随机抽签的方式确定人员对所讨论的问题及存在的问题进行汇报。根据各小组汇报情况整体把握学生对内容的理解程度与应用情况并进行详细点评，针对学生的问题结合重难点内容进行详细讲解。对任务实现环节，鼓励学生动手编写代码，并通过不断调试总结问题积累经验，以提高学生的动手编程能力。总之，所有的教学环节始终坚持以学生为中心，在传授知识的同时，调动学生参与积极性、启发学生创新性思维、培养学生主动发现问题、深入思考问题和科学解决问题的能力。

3．3采用案例化教学方法

在数据挖掘课程教学过程中，为了更好地完成教学任务、实现培养学生利用相关方法解决实际问题能力的教学目的，结合数据挖掘课程轻理论重应用的特点。因此，在该课程的教学过程中采用案例化教学方法，针对具体的知识点，课程教学环节设计以案例为出发点，确立应用背景、明确挖掘目标、数据获取、数据探索、数据预处理、模型建立与求解、结果分析等各个环节，将案例与数据挖掘知识有机结合。该方法不但可以加深学生对知识的理解，还可以使学生更好地掌握方法的具体应用。针对实验环节，学生不再是进行简单的验证性实验，而是参与案例问题的全过程求解，包括数据采集、预处理、模型建立与算法程序编写，结果分析评价，以提高全体学生动手能力。

3．4科学评价学生学习效果

学生学习效果的科学评价是教学过程中的重要环节，是对学生学习质量和水平的全面测评。为了科学公平的评价学生，结合数据挖掘课程应用性的特点，该课程采用多元化考核方式对学生学习成绩进行评定。首先，该课程的多元化考核方案由：平时成绩（20％）、实验报告成绩（30％）和课程期末报告成绩（50％）三部分组成，其中平时成绩主要包括：课堂考勤、小测验、课堂提问环节和作业等，课程实验报告和期末报告都是以小组为单位共同完成。为了防止小组成员得分的平均化，要求每次小组成员需根据每个人的真实的工作量和贡献程度给出评分得到评分矩阵。然后根据评分矩阵，计算所有成员对某一小组成员的整体评价，作为该成员的成绩权重，依次得到所有成员的成绩权重，并根据实验报告实际成绩结合各自权重计算出个人实际成绩。通过该权重方法能够更公平对各成员的学习成果进行科学评价。对于实验报告和课程报告评分过程中，严格考察实践操作（40％）和报告内容（60％）两大部分等多个细节，将过程化考核与总结性考核相结合，通过一系列细化指标的考核力争做到全面科学公正评价学生各方面能力。

4结语

数据挖掘技术是大数据时代下，通过对数据进行分析挖掘其内在规律，用于服务社会各领域的科学。本文主要分析了数据挖掘课程的现状，并指出了目前存在的一些问题，结合近年来教学经验给出数据挖掘课程的改革探索方案。首先要提高思想认识，坚定课程的重要地位，合理安排课程各环节内容及实验课时，并树立以学生为中心的教学理念，让学生积极参与到教学的各个环节中来，并通过设计新案例融入教学内容，提高学生学习兴趣，进而调动学生学习积极性，落实人才培养方案，以培养高质量大数据分析与挖掘人才。

参考文献：

［1］汪维清．大学计算机专业《人工智能》教材的教学实践［J］．内江科技，2008（6）：60⁃61．

［2］潘远春．新课程背景下基于学生需求分析的教材优化［J］．当代教研论丛，2019（1）：105⁃106．

［3］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．

［4］刘永红，胡先文，李雪刚，等．信息化背景下课程考核的改革与探索［J］．大学化学，2017，32（03）：34⁃37．

［5］唐晓凤．数据挖掘课程教学改革探讨［J］．中外企业家，2016（27）：190．

作者:丁毅涛 单位:西京学院理学院