高校数据挖掘课程教学模式探究.docxVIP

高校数据挖掘课程教学模式探究 摘要：针对数据挖掘课程教学过程中存在的主要问题，提出以项目式学习为导向，案例辅助教学的教 学方法，结合翻转课堂教学模式，从课前学习、课中讨论和课后应用三个环节开展教学活动，提倡研究生 自主学习，充分挖掘学生的能力，实现学习者个性化学习的需求，并在项目实践中培养团队合作以及运用 数据挖掘方法分析问题和解决问题的能力。 关键词：数据挖掘；翻转课堂；项目式学习 一、引言 随着我国教育信息化水平的不断提升，大数据已然成为信息技术发展的新趋势，数据挖掘技术在教育 领域的广泛应用引起了教育变革，推动教育的发展。数据挖掘是大数据时代的产物，是学校培养数据挖掘 人才的重要课程[1]。数据挖掘技术是统计学和计算机科学的交叉学科，涉及数据库技术、并行计算、分布 式计算、统计学、人工智能、机器学习和模式识别等学科知识，在商务、医学、科学与工程等领域广泛应 用[2]。数据挖掘课程涉及的内容广泛，要求学生知识面宽广、基础课程功底扎实等，很多高校已在本科阶 段开设数据挖掘课程，以提高大学生解决实际问题的能力，进而为以后进入社会工作打好基础。本文探讨 高校的数据挖掘课程教学，引导学校将理论教学与实践教学有机结合，创新数据挖掘课程的教学方法，理 论课程多引用案例教学，以具体的实例引导学生学习；实践课程结合项目式学习的方法，依据具体的项目 实践，完成项目任务，学以致用，不断提升综合实践的能力。 二、高校数据挖掘教学现状 （一）教学系统性不足 数据挖掘课程的教学内容相当丰富，作为计算机科学与技术专业的核心课程，该课程要求学生对数据 挖掘的技术有深层次的认识，掌握数据挖掘的原理、过程和方法，能够熟练运用数据挖掘技术解决问题。 目前的该课程教学系统不够科学，实践教学与理论教学未能衔接，基本的操作技能未能得到拓展。 （二）教学内容与企业需求有差距 现今数据挖掘技术发展迅速，企业业务具有较大拓展性，因此企业招聘时要求人才能与时俱进。在学 校教学中，教学内容往往依托着教材，由于实践课与理论课比例不当、校企合作不足等原因，致使学生在 技能应用上的滞后。 （三）适合个性化学习的资源缺乏 目前与数据挖掘课程教学相适合的优质资源较为匮乏，例如：教学资源没有进行整体的设计，内容多 为重复资源；教学资源更新不及时，没有及时跟进与国际接轨的最新、最前沿资源；没有很好的利用互联 网资源，多以纸质教材资源为主；没有系统的设计适用于课堂个性化教学的资源。 （四）课堂交互不足，学生积极性不高 课堂教学活动中，教师不能引导学生积极主动地参与，学生学习积极性和主动性不高。例如：课堂教 学只注重教学内容的呈现与讲解，且教学内容多以静态为主，忽视教学情景和交互的设计；教育技术的多 种交互在课堂教学中体现不充分，课堂问题设计不具针对性，不利于好促进师生之间的交流。 三、数据挖掘课程教学改革思路 数据挖掘课程改革以深入开展校企合作为出发点，以企业需求为基础设计教学内容，根据典型的案例 分析合理划分多个课程教学模块；分析各个知识点间的内在联系，在每个学习模块中安排结构化的学习项 目，有层次的提升学生的学习能力；应用翻转课堂开展课程教学课程实践，按课前学习、课中讨论和课后 应用开展每一个项目的学习；优化课程考核方法，增加过程性评价的比例，全面提高学生的综合能力。 四、数据挖掘课程教学改革具体实施 教学模块 应用案例 案例功能描述 分类模型 垃圾邮件的判别 采用朴素贝叶斯的方法进行判别，根据邮件正文中的单词，是否经常出现在垃 圾邮件中，进行判断。 预测模型 红酒品质的判断 通过分类回归树模型进行预测和判断红酒的品质和等级。 关联分析 啤酒尿布 啤酒尿布主要是产品之间的关联性，如果大量的数据表明，消费者购买?A?商 品的同时，也会顺便购买?B?产品，那么?A?和?B?之间存在关联性。 聚类分析 零售客户细分 识别不同的客户群体，然后精准地进行产品设计和推送。 异常值分析 信用卡欺诈检测 通过判断刷卡的时间、地点、商户名称、金额、频率等要素进行判断。 协同过滤 推荐引擎 推荐引擎会同时考虑其他顾客的选择和行为，在此基础上搭建产品相似性矩阵 和用户相似性矩阵。 社会网络 电信中的种子客户 通过人们的通话记录，就可以勾勒出人们的关系网络。 文本挖掘 字符识别 手机一些?APP，可以扫描书本，然后把扫描的内容自动转化为?word。 数据挖掘教学过程涉及课堂教学和实验教学。其中，理论课教学主要讲授数据挖掘概念、模型、方法 和算法等相关内容；实验课教学则主要以加强学生对课堂知识的理解、培养应用能力为目标。 理论课教学主要以案例为中心组织教学内容，以问题引出知识点并对知识点进行有机串联；通过案例 分析的方式，学生能掌握数据挖掘技术的基本方法和流程。为了要巩固学生学到的知识，在实践课中以项 目开发为