基于Python的“大数据分析与应用”课程教学模式探索

打开文本图片集

摘  要： 根据“大数据分析与应用”培养目标和教学特点，提出基于Python的开放多元混合教学模式。通过任务驱动法引导学生进行课前自主学习;课堂上引入Python案例贯穿理论授课始终;采用项目教学法，强调学生在自主学习的基础上，积极开展小组讨论，以培养学生团结协作及工程实践能力。与传统单一的理论授课模式相比，混合教学模式充分发挥了学生的主体作用和课堂参与意识，激发了学生的学习兴趣，提高了学生的动手能力，也提升了教学效果，达到预期的教学目标。

关键词： 大数据分析与应用; 开放多元; 混合教学模式; Python

中图分类号：G642          文献标志码：A     文章编号：1006-8228（2019）11-83-04

Abstract： According to the training objectives and teaching characteristics of "big data analysis and application" course， this paper proposes an open and pluralistic blended teaching mode based on Python. The task-driven method is used to guide students to study independently before class. In the classroom teaching， Python cases are introduced throughout the theoretical teaching， and project teaching method is adopted to emphasize that students actively carry out group discussion on the basis of independent learning， so as to cultivate students" solidarity and cooperation ability， as well as engineering practice ability. Compared with the traditional single theoretical teaching mode， the blended teaching mode gives full play to the main role of students and their sense of participation in class， stimulates their interest in learning， improves their practice ability， which improves the teaching effect， and achieves the expected teaching objectives.

Key words： big data analysis and application; open and pluralistic; blended teaching mode; Python

0 引言

大數据技术主要是对大数据进行分析，从而获取更多智能的、深层次的、有价值的信息。大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果真实和有价值。在实际应用中，原始数据往往存在不完整、不一致等情况[1-2]，这严重影响数据分析的效率和效果。因而，大数据分析前的数据预处理过程十分重要。大数据技术的应用领域也越来越广泛，逐渐渗透到社会生活的各行各业，这对高校人才培养模式提出了新的要求。

为了培养符合大数据发展需要的应用型人才，高校数据库类课程教学内容亟待调整和改革。本文对新开设的“大数据分析与应用”课程的教学内容、教学方式和实践环节进行了深入研究和探索，提出了基于Python的开放多元混合教学模式的尝试，分为三个层面的开放多元包括：课前开放式预习、课堂混合式授课、结课综合开发。

三个层面的开放多元混合教学模式具体如下：①上课前，教师上传教学大纲、教学PPT、预习目标和要求，引导学生利用慕课、网上教学平台进行自主预习。②上课时，首先了解和考查学生预习目标是否达成，并提出新的学习要求;接下来回顾和复习上一次课的授课内容以及时巩固授课效果;然后再由教师讲解新知识点，采用传统板书及PPT授课形式，最后由学生编写小程序来实现或验证算法的效果。③课程结课阶段，教师设置若干个面向应用的综合案例，要求学生以小组的形式，按照项目开发流程，完成从问题分析、模型搭建、编程实现、到演示答辩的过程。重点对数据挖掘技术在航空、电子商务、公共服务、电力等行业的应用进行分析和探索。

1 Python语言的优势

Python是一门免费、开源的跨平台高级动态编程语言[3]，支持各种编程方式，拥有大量功能强大的内置对象、标准库和扩展库，可以通过直接调用内置函数或标准库来实现强大的编程功能。从它的特点来看，Python是一种“面向对象”的语言[4]，同时也是一门“解释型”语言。Python比较容易入门，其语法接近英语的语法，可直接通过解释器执行程序，但占用较大硬件资源。

Python尤其适合于做数据分析与处理，它提供的Matplotlib是一个2D绘图工具，经常被用来绘制数据图表，只需简单几行代码即可。此外，Pandas也是Python在做数据分析时常用的数据分析包，它是一种开源工具，可对较为复杂的二维或三维数组进行计算，同时还可以处理关系型数据库中的数据。

Python强大而丰富的库以及数据分析能力，使得其能较好地应用于人工智能领域。在神经网络、深度学习方面，Python都能够找到比较成熟的包来加以调用。而且Python是面向对象的动态语言，适用于科学计算，这就使得Python在人工智能方面备受青睐。而调用方便、科学计算功能强大依旧是Python在AI领域最强大的竞争力。

本文借助Python语言的强大功能，以及上手快、入门简单等特点，将其用在大数据分析与应用课程教学中，使学生在实践中加深了对相关理论知识的理解，激发了浓厚的学习兴趣，提高了动手能力，提升了教学效果。

2 大数据分析与应用开放多元混合教学模式的构建

根据大数据分析与应用课程地位和培养目标，教学目标定位为“掌握大数据分析的基本理论和算法，了解大数据分析的典型应用场景，学会用大数据分析算法解决实际问题”3个层次[5]，在此基础上，对教学内容进行合理组织，形成“理论知识、编程实践、综合应用”的三层次教学体系结构（如图1所示），每层次采用不同的教学模式（教学方式和学习方式）。

具体从三个层面来体现：课前、课上和结课。上课前，引导学生通过慕课和网上教学平台进行自主学习，安排预习小题目，让學生带着问题去预习，以提高预习效果。上课时，先了解和考查学生预习的目标是否达成，回顾和复习上一次课的授课内容，再讲授新知识点，最后由学生编写小程序来实现或验证算法的效果。通过以上课堂教学内容的合理安排，实现了教师理论讲授和学生编程实践相结合的有效实施。课堂教学内容围绕Python数据分析、预处理、数据分析算法等内容展开。课程结课阶段，教师设置若干个面向应用的综合案例，要求学生以小组的形式，按照项目开发流程，完成从问题分析、模型搭建、编程实现、到演示答辩的过程。

2.1 课前开放式预习

慕课，即大规模开放在线课程，是“互联网+教育”的产物，是新近涌现出来的一种在线课程开发模式[6-7]。它具有大规模的特点，由很多人参与开发，是多人智慧的结晶;是免费开放的网络课程，上课地点不受局限，无论你身在何处，都可以花最少的钱享受一流课程，只需要一台电脑和网络连接即可。

本文提出的基于Python的开放多元混合教学模式，分为三个层面的开放多元，课前开放式预习是第一个阶段。具体内容是：上课前，首先由教师上传课程教学大纲、教学PPT、预习目标和要求，以此为依据引导学生利用慕课、网上教学平台进行自主预习。

近几年，慕课教育成为国际趋势。对于中国高等教育而言，慕课发展与世界保持了同步。早在2013年中国就已经开始慕课建设。此外，我校的网上教学平台也在几年前就已经投入使用。我校教学任务的安排，包括每一门课程的任课教师、授课教材、上课学时以及学生选课等项目，都会安排在前一个学期完成，师生之间能及时搭建起各种联络和沟通的方式。这些都有力地保证了课前开放式预习任务的有效实施和顺利开展。

2.2 课堂混合式授课

为了提高学生的课堂参与意识，充分发挥学生课程学习的主体作用，课堂混合式授课采用教师理论讲授、学生编程实践相结合的形式。因此，必须合理安排整个课程的教学内容，既能保证理论授课的深度和广度，也能保证学生编程时的难易程度。美国管理学家埃得温·洛克曾指出，当目标既是未来指向的，又是富有挑战性的时候，它便是最有效的。课堂授课也是如此，给学生设定的任务既是能达成的，但也需具有一定的挑战性。为此，我们设定课堂教学内容重点围绕Python数据分析、大数据预处理、大数据分析算法、大数据处理技术等几个方面展开（见表1）。这些内容从理论角度看，涉及大数据技术的最新知识，具有较强的系统性和层次性;从实践角度，也易于用Python工具来实现。

具体在课堂教学时，首先由教师讲解新的知识点。采用传统课堂教学形式，注重讲授系统性的理论知识，有助于学生在短时间内形成知识结构与体系。在课堂的后半部分，由教师引导学生共同探讨问题、解决问题，使学生的学习有目的、有成效地进行。具体的方式就是由学生来编程实现理论算法。由于有预习阶段的学习准备，学生能较快进入状态，仿照教师给出的Python案例，可以较快完成当堂小作业，进一步加深了对理论知识的理解。

2.3 结课综合开发

项目教学法是一种基于工作任务的教学模式[8]，在这个过程中强调学生在自主学习的基础上，积极开展小组讨论、协商，制订合理可行的解决方案，培养学生的合作、协调能力以及工程实践能力。结课综合开发是本文提出的开放式多元混合教学模式的第三个阶段，也是检验教学效果的重要阶段。

在具体的项目开发活动中，重点要求学生对数据挖掘技术在航空、电子商务、公共服务、电力等行业的应用进行分析。按照背景挖掘，数据抽取、数据探索与预处理，模型构建等过程展开。具体的开发流程如图2所示。

在目标定义时，首先完成对行业应用领域的具体分析，了解背景知识，弄清用户需求，从而确定具体的任务目标。在此基础上，就可以开始进行数据采集。数据采集既可以来自于数据库，也可以来自于互联网。通过建立数据库导入网上下载的数据文件，或者通过八爪鱼等网络爬虫工具抓取网页数据信息。

对于下载的数据，可能存在数据不全、错误、属性过多、属性不足等问题。依据前面学习到的预处理方法，进一步整理采集的数据，使之能满足挖掘和分析的基本要求。各小组同学结合具体的应用背景，完成各自项目所需要的数据变换、归约等操作。

在模型构建时，根据目标定义，给出具体的模型选择。例如，对于航空公司、商业推介策划等应用背景，适合于用聚类算法进行客户分类;电子商务网站服务推荐，可采用基于物品的协同过滤算法;以及电商用户商品评价的基于语义网络的评论分析等等。针对各项目开发目标，项目组之间还讨论了各模型的优化和应用的拓展。在整个开发过程中，同学们不仅接触到了大数据、人工智能领域的最新前沿算法，还对这些算法的应用领域进行了有效探索，为后期进一步的学习和研究提供了思路和方向。

3 结论

本文通过在大数据分析与应用课程中引入课前目标性预习方法，有效促进了课堂教学的开展;在进行系统理论授课时，融入Python小案例，使学生加深了对相关理论知识的理解和掌握。最后的结课阶段，采用项目案例开发方法，重点要求学生对航空、电子商务、公共服务、电力等行业的应用进行数据挖掘和分析。学生在项目开发过程中学会了使用八爪鱼等工具进行数据采集;完成了包括数据清洗、属性归约、数据变换等数据整理工作;编程实现了数据可视化过程;完成了小组任务的模型搭建和分析，探讨了常见算法比如K-means聚类最优K值的选取方案，进行了对比实验分析;对于模型的优化和应用拓展，也提出了自己的观点并进行了初步尝试。

与传统单一的理论授课模式相比，混合教学模式充分发挥了学生的主体作用和课堂参与意识，形成课堂的良好交互，大大激发了学生的学习兴趣，提高了动手能力，提升了教学效果，达到了预期的教学目标。

参考文献（References）：

[1] 张良均.Python数据分析与挖掘实战[M].机械工业出版社，2016.

[2] 汤羽.大数据分析与计算[M].清华大学出版社，2018.

[3] 刘永芬，赖晓燕，李盼盼.人工智能时代背景下Python课程的案例教学研究[J].计算机时代，2019.4：89-92

[4] 狄博，王晓丹.基于Python语言的面向对象程序设计课程教学[J].计算机工程与科学，2014.36（S1）：122-125

[5] 张顺利，黄文芝.计算思维导向的离散数学混合教学模式研究[J].计算机教育，2019.3：39-43

[6] 张蕾，张华峰.为什么选择MOOC——基于"学堂在线"学习者数据的在线学习动机研究[J].江苏高教，2019.4：50-57

[7] 张向东.混合模式教学实践探索[J].计算机教育，2017.5：61-65

[8] 吕翔，郑铭海.项目教学法应用于高校计算机教学的探索[J].计算机产品与流通，2019.4：179，181

推荐访问:大数 教学模式 据分析 探索 课程