基于OBE理念的线上线下混合式教学课程设计.docx

基于OBE理念的线上线下混合式教学课程设计

杨雪云金文龙

［摘要］大数据时代的来临，对传统教学模式提出了挑战。有效地培养相关专业学生数据分析思维和能力是数据分析类课程在大数据时代面临的重要课题。基于OBE理念，在数据分析类课程教学中，通过引入线上线下混合式教学方式，重新增加、调整、组合教学内容，可实现学生学习主体化、教师教学参与化的教学目标。基于OBE理念的线上线下混合式教学课程设计，突出了学生主体与成果导向，改变了传统教学活动过程以及师生在课堂上的任务与角色，提高了学生学习的积极性与主动性。

［关键词］OBE理念；线上线下；混合式教学；数据分析

［基金项目］2019年度安徽省教育厅高等学校省级质量工程项目“《女性学》互动式、本土化教学模式的探索与实践”（2019jyxm0075）；2020年度安徽省教育厅高等学校省级质量工程项目“女性学教学团队”（2020jxtd018）

［中图分类号］G642.0［文献标识码］A［文章编号］1674-9324（2023）18-0141-04［收稿日期］2022-12-13

当前大数据分析的使用场景越来越广泛，基于小数据的传统数据分析类课程教学面临着巨大挑战。如何有效地培养包括社会学等相关专业学生的数据分析思维和能力，是数据分析类课程在大数据时代面临的重要课题。

一、大数据时代数据分析类课程面临的困境

首先，大数据应用场景越来越广泛，传统课堂教学形式已经无法满足大数据时代对相关专业的培养要求。数据规模庞大、增长迅速、类型繁多、结构各异已成为数据分析无法回避的现实问题。如何把繁雜的大数据转换成我们能够快速处理且有效的小数据，即针对特定问题构建一个干净、完备的数据集，变得尤为重要。目前，社会科学相关专业的“数据分析”课程以小数据为基础，以软件操作教学为主要内容。尽管该教学模式能够在一定程度上培养学生的数据分析能力，但是基于结构简单、类型单一的小数据的数据分析训练远不能满足大数据时代对从业者能力的要求。

其次，大数据时代的数据分析方法层出不穷，传统课堂教学无法满足现实场景对分析方法的需求。数据分析的传统教学形式主要是教师讲授，学生听课、做课后习题。但是课堂时间有限，授课教师很难跟进前沿的数据分析方法，同时这种“授课—听课”的方式遏制了学生的探索与创新精神，让学生无法适应未来多元化的应用需求。在实际研究过程中，研究者要先确立研究问题，明确达到分析目标需要运用的方法，再根据研究问题所需要的目标变量，对数据进行必要的“清理”。只有在明确研究问题的条件下，数据清理才能更有效率，以培养学生的知识迁移能力。

传统社会学类专业的“数据分析”课程能够解决的问题相对来说比较单一。其研究流程通常是：选定研究课题、设计测量工具、实施问卷调查、分析数据以及解释数据结果。由于研究受到数据收集难度的限制，许多有社会、经济价值的研究议题不得不被搁置。然而，大数据却能够在一定程度上拓展研究问题的选择边界，或者使传统研究议题得到更加科学的回答。如基于移动通信的人口流动信息大数据分析方法与应用、基于出行数据解决城市交通拥堵问题，等等，都是大数据分析直接的应用场景［1］。

同时，传统数据分析的数据通常是研究者根据研究课题收集的，它会受到研究课题的限制，很难被二次开发。大数据分析的核心逻辑是数据驱动，研究者称之为第四研究范式，它突破了传统社会科学研究目标弱化、学科学派对立、有限数据质量和统计偏误等的局限性［2］。大数据通过对个性化、全样本的研究，为社会科学提供了精准的数据和计算实验平台，重建了社会科学预测的可能性［3］。因此，大数据时代对研究者提出了更高的要求，如更宽阔的研究视野、更敏感的数据思维、更严密的数据处理逻辑以及更复杂的数据运算［4］。但是传统的数据分析可能只会提供传统研究议题内的课程内容，其应用性相对受限于数据收集能力。

二、OBE理念下的高等教育

事实上，不仅是社会学专业面临用人单位对人才能力的期望与高校培养的学生能力不匹配的问题，其他相关专业同样面临期望与能力不匹配的问题［5］。在此背景下，成果导向教育理念（Outcome-basedEducation，OBE）因其聚焦社会对人才的实际需求，强调围绕学习成果组织课程、安排教学时间和设计关键资源而越来越受到人们的关注［6］。OBE是一种以学习者为中心、学习结果为导向的教育哲学思想，在北美、澳大利亚以及南非等国家和地区具有较大的影响力，并且在这些地区取得了很多成功经验［7］。

国内高校引入OBE已有一段时间，但预期学习成果确立和对其的评估是较为薄弱的一环。顾佩华等［8］阐述了汕头大学引入OBE教育模式的实践，并提出围绕预期学习成果开展教学活动和评估，将学习成果评估按层次分为课堂层面、专业层面和学校层面。刘冰月等［9］提出要结合OBE理念进行软件工程专