网站大量收购闲置独家精品文档,联系QQ:2885784924

“一中心、三协同、五联动”的课程教学改革探索与实践.docx

“一中心、三协同、五联动”的课程教学改革探索与实践.docx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

“一中心、三协同、五联动”的课程教学改革探索与实践

一、课程改革背景

随着数字经济的飞速发展和产业模式的不断升级,数据技术的应用已经成为企业数字化转型的核心竞争力之一。国家层面也提出要推动互联网、大数据、人工智能和实体经济深度融合,支持传统行业优化升级。这为《大数据分析实务》课程的改革指明了方向。面对此类技术课程学习过程中学生出现的“没兴趣、学不会”等问题,课程基于企业亟需的大数据分析能力,通过岗课赛证的融通和商业情境的引入,创设以岗位能力要求1中心引领、情境-任务-角色3方式协同、检-行-学-练-悟5环节联动的教学策略。同时,基于教学内容进行“自我提升、科技报国”的课程思政设计;基于数据挖掘技术,运用自主开发的学生行为评价与预测系统,实现精准的教学评价、预测及诊改。最终通过一些列的改革举措使学生具备较强的数据决策思维和数据建模能力,有效达成课程教学目标。

二、课程改革举措

(一)融岗课赛证聚焦前沿,以任务进阶重构内容

课程共56学时,在原有教学中,参照大数据分析岗位工作流程将内容分为数据采集与预处理、数据存储与组织、数据挖掘与建模、商业结论与应用四个项目。然而,该结构导致课程全部学完后才能完成一个完整工作流程,很难使学生自主的将碎片化知识内容形成完整的岗位工作技能。基于此,课程打破原有结构,以四元教学理论为基础,设计基于具体工作情境的综合学习模式。课程对接国家专业教学标准,并通过对上百家数字转型企业的调研得到大数据分析岗位亟需的五大核心能力。以此为起点,融合1+X证书和职业技能大赛的能力要求,引入数字前沿领域的新技术、新模式和新规范。之后,以数据咨询公司员工不同成长阶段为情境设计了逐级递进的四个全流程工作模块,四个模块依据学生学习规律和大数据分析专员职业能力发展规律,分别对应新手、生手、熟手、能手四个阶段,每个模块的四个项目在纵向上均构成一个完整的数据挖掘工作流程,且在横向上难度递进。通过四个完整的工作流程模块有效对学生进行从无到有、从有到精的递进式训练。

?图1重构全流程工作模块

(二)创设“1-3-5”教学策略,推进教学目标达成

1.?教学策略设计

(1)岗位能力要求“1中心”,设计综合任务,定位重点难点为了无缝对接企业人才需求,课程以实际岗位能力要求为中心进行产教融合的课程设计,并结合校企共建的实训基地将数据挖掘的综合工作任务融入课程,实现“数据企业进校园、一线技术进课堂、在校学生入岗位”,推进“教室工作室化、教学生产化、学生学徒化、作业产品化”,最终准确定位真正的重点和难点,避免出现“僵而不化”“学而无用”的误区。

(2)情境-任务-角色“3协同”,激发学习兴趣,突破教学重点对于数据挖掘算法理论等重点内容,学生容易出现“没兴趣、不专注”的问题。课程基于行动导向教学理论设计整体商业情境,即数据咨询公司的运营发展。这个情境贯穿课程全部教学内容,并在每次课继续设计相应的子情境,即学生在数据咨询公司中承接不同领域的数据咨询项目,使整个课程与每次课堂自然呼应,整体中体现个性化,吸引学生兴趣。结合情境设计综合学习任务,之后通过大数据分析专员、客户、电商运营人员等多种角色进行互动演练,激发学习兴趣,培养双创意识,并使学生快速进入状态,完成知识内化与迁移,由此突破教学重点。

(3)课堂教学环节“5联动”,设计三阶任务,化解教学难点对于数据模型构建与操作等难点内容,学生容易出现“学不会、不想学”的问题。本模块结合学习认知规律,沿着“先实践发现问题、后理论分析问题、再实践解决问题”的改革思路,设计循序渐进式的“检-行-学-练-悟”课堂教学五环节,并在每次课的教学环节中均引入难度升级的低阶、中阶、高阶三阶数据任务,触发学生解决数据问题的主动性并搭建自主学习路径,有效化解教学难点。

?图2一中心,三协同,五联动的教学策略

2.教学策略实施课前,通过“K-means聚类+每类随机抽取”的形式对学生进行科学的异质分组,同时上传学习资料并发布低阶数据任务,使学生在没有相关理论基础的前提下探究任务,为课堂预热。课中,积极推进课堂革命,为课堂升温。

环节1为低阶检验,通过课前数据任务抽查、带入企业任务情境等步骤激发学生兴趣。

环节2为中阶先行,通过自主求解难度升级的中阶数据任务发现问题,由此聚焦教学重点。

环节3为思而后学,通过新知引入、分角色互动式训练、数据任务操作展示等方式突破数据算法原理等教学重点。

环节4为高阶训练,通过个人训练、企业老师提醒和小组实战等步骤分析难度二次升级的高阶数据任务,逐步化解数据建模操作等教学难点。

环节5为感悟提升,通过梳理内容、评价表现和思政升华等步骤总结课堂。课后,通过线上实时答疑、拓展数据任务和测试、自建公众号的大数据知识延伸等形式,为课堂保温,最终有效达成教学目标。

图3教学实施过程

(三)思政育人融入课

文档评论(0)

gtyzyz + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档