前言:想要寫出一篇引人入勝的文章?我們特意為您整理了數據挖掘課程教學模式研究范文,希望能給你帶來靈感和參考,敬請閱讀。
摘要:分析數據挖掘課程教學現狀,引入高校邦智慧學習平臺,介紹其核心功能,通過比較傳統教學模式與基于高校邦智慧學習平臺的教學模式,說明基于高校邦智慧學習平臺教學的優勢,以決策樹挖掘章節為例,探討建立在高校邦智慧學習平臺上的數據挖掘課程新型教學模式。
關鍵詞:高校邦;智慧學習平臺;智慧教室終端;數據挖掘;教學模式
0引言
在大數據和人工智能時代,互聯網和信息技術高速發展,一些集成了多種設備、涵蓋了多種教學環節、擁有多種強大功能的教學平臺應運而生,如智慧學習平臺[1-2]、智慧教室[3]等。這些新式的教學平臺在很大程度上能夠避免傳統教學模式的種種弊端,使教學過程更加靈活和高效。高校邦智慧學習平臺是目前國內較為先進的高等教育智慧學習平臺,借助此平臺,可以大幅度節省教學管理和教學運營的時間,讓教師能更多地把時間和精力投入解決學生個性化學習的問題中[4]。
1數據挖掘教學現狀
數據挖掘課程是一門理論性和操作性都比較強的計算機專業課程,在大數據時代,學生學好這門課程對于他們適應時代,掌握分析、處理和挖掘數據的能力有著重要意義。數據挖掘課程旨在讓學生掌握數據挖掘相關基本理論和方法,并能通過實踐將所學理論知識應用到實際項目之中[5]。目前,由于各種原因,上課與實驗教學環節的教學效果不佳,主要體現在以下3個方面。(1)學生到勤率不高。學生選課時大都對數據挖掘這門課程抱有濃厚的興趣,然而,由于學生面臨就業、考研、畢業設計等多重壓力,實際的上課和實驗到勤率不高,這在很大程度上影響了本門課程的教學效果。(2)缺乏個性化指導。由于課程學時有限(22學時理論教學+10學時實驗教學),在有限的教學時間內,教師忙于傳授知識,很容易忽視學生的個體化差異。每名學生掌握得如何,哪些知識點是他們的薄弱環節,教師難以發現。(3)實踐難以跟蹤。在10個學時的實驗教學中,學生人數較多,教師難以跟蹤到每位學生的實驗進度和實驗質量。
2高校邦智慧學習平臺
高校邦智慧學習平臺是一款集成了多種功能的新一代在線學習云平臺,包含如下5個核心功能。1)混合教學模式。高校邦智慧學習平臺支持多種混合教學模式,包括SPOC、MOOC、翻轉課堂等,教師可以根據實際需要靈活選擇教學模式。學習較為主動的學生可以在課前通過線上觀看課件和視頻提前預習,缺課的學生也能通過課后在線補看從而跟進老師的教學進度。平臺還提供了豐富的學習模式,如闖關學習、順序學習、開放學習和傳統學習等,學生可以根據自己的具體情況選擇相應的學習模式自主學習。2)在線交互。傳統教學中,由于教學進度限制和學生靦腆等原因,師生交互不足,而在高校邦智慧學習平臺上,師生之間、學生之間可以隨時互動,對學習中的問題進行反饋和探討,使問題得到及時解決。3)實境編程。在傳統實驗環節中,學生按照既定的實驗指導書進行自主實驗,往往效果不佳。平臺提供了各類計算機編程語言的編程環境,在這樣的環境中,平臺的實境編程功能可以以錄制視頻的方式,將教師的實踐操作步驟錄制下來,學生可以根據自己的掌握情況回放視頻,查缺補漏。此外,學生還能對教師放置在平臺上的課程實驗代碼進行修改、重寫、重運行。整個實境編程過程大大改善了學生的實踐體驗,幫助學生真正提高動手實踐能力。4)多終端同步。高校邦智慧學習平臺提供多終端同步的功能,學生可以在手機或電腦上登錄平臺,完成各項學習活動,包括學習視頻、下載課件、完成作業、師生交流或同伴交流等。學習不再受時間空間的限制,學生可以隨時隨地利用空閑時間或碎片化時間學習。5)教育數據分析。教師和學生在平臺上的各種教育數據都被平臺記錄下來,如學習時長、作業分數和討論發言等,并能將這些數據進行統計分析,以可視化的方式展示給教師,幫助教師了解每位學生的學習情況。
3傳統教學模式與基于高校邦智慧學習
平臺教學模式的比較針對數據挖掘課程,從學習時間、學習地點、理論學習模式、實驗模式、互動、教育數據分析、教學資料管理和個性化指導等多個維度對傳統教學模式和基于高校邦智慧學習平臺教學模式進行比較。跟傳統教學模式相比,基于高校邦智慧學習平臺的教學模式從各個維度來看,都能夠大幅度節省教學管理和教學運營的時間,能夠讓教師更加關注學生個體和教學效果。
4基于高校邦智慧學習平臺的教學設計
決策樹挖掘是數據挖掘分類任務中的一個重要方法,既包含算法理論,又具有良好的可操作性。以數據挖掘課程中的分類—決策樹挖掘章節為例,基于高校邦智慧學習平臺的教學設計過程如下。1)課前準備。課前,教師在平臺上決策樹章節的相關課件、資料或學習視頻,并布置預習任務。CLS(ConceptLearningSystem)算法是決策樹算法的一個基本算法,后期其它決策樹算法大多是在它的基礎之上的改進,本章節教學的重難點ID3算法就是從CLS算法演變而來的。鑒于CLS算法過程簡單、清晰、可自學性強的特點以及它與ID3算法的關聯關系,將CLS算法作為學生的預習任務。另外,為了促進學生積極思考,提出兩個問題:CLS算法有什么缺點?在利用CLS算法構建決策樹時,如果根節點和中間枝丫節點選擇的屬性不同時,會生成相同的決策樹嗎?這兩個問題意在激發學生的求知欲,在預習內容和課堂教學內容之間搭起橋梁。在這個課前環節,學生在平臺上自主學習,完成教師布置的任務,思考教師提出的問題,將預習過程中遇到的問題記錄下來。2)課堂教學。由于學生在課前已經預習了決策樹的相關概念和CLS算法的過程,教師在課堂上可以側重于強調ID3算法和CLS算法的主要區別。教師通過提問、討論等互動形式著重強調CLS算法最大的不足是沒有闡明分支屬性的選擇策略,分支屬性選擇的隨意性會導致生成差異巨大的多棵決策樹。而ID3算法恰好解決了這個問題,使用信息增益作為選擇分支屬性的評判標準。經過前期的預習和思考,課堂上帶著疑問的學習方式會讓學生更能牢固地掌握知識。之后,教師對學生預習過程中的問題有針對性地進行講解,既能使發現學生學習過程中的共性問題更加容易,又能使一些不常見的問題得到及時解決,防患于未然。3)課后鞏固。與傳統教學只能選擇課后作業這種單調的復習方式不同的是,智慧學習平臺支持多種類型的復習形式,如線上作業、討論、知識拓展等,學生能自由地利用碎片化時間在平臺上完成作業、在線討論或者鉆研相關拓展的知識。教師可以在平臺上布置線上作業:使用ID3算法對一個全新的數據集生成決策樹,考查學生對算法的掌握程度;教師也可在平臺上討論話題:ID3算法有什么不足的地方?為下一次課的教學內容——決策樹算法的過度擬合問題作鋪墊;教師還可以另一種決策樹算法C4.5算法的拓展資料,供學有余力的學生擴展思維。在傳統教學中,教師對教學過程最難以管理的地方就是課后鞏固環節,學生是否及時完成了作業,是否是抄襲等等這些問題都難以監管。在平臺上,教師可以通過查看學生的在線作業、在線討論情況甚至學習時長等教育數據充分了解學生的學習情況。4)實驗教學。傳統實驗教學只能在實驗室完成,學生按照固定的實驗指導書自主完成實驗,教師從旁指導。由于每次上機學生人數眾多,教師不可能跟蹤每位學生的實踐情況。而在智慧平臺上的實境編程環境中,當學生對實踐操作步驟不清楚時,可以觀看教師錄制的操作視頻,還可以對平臺上教師上傳的代碼進行修改、重寫和重運行。此外,傳統在實驗室里進行的上機內容通常只能用規定的編程語言實現,而在智慧平臺上,多種語言集成的編程環境可以讓學生嘗試用不同的編程語言實現同樣內容的上機任務,例如,學生既可以選擇熟悉的Java語言來實現決策樹算法,也可以選擇大數據時代興起的Python語言。
5結語
大數據時代要求計算機專業學生具備良好的數據分析、挖掘能力,傳統數據挖掘課程教學存在到勤率較低、缺乏個性化指導、復習鞏固環節不易監管、實踐過程難以追蹤等問題,導致教學效果不佳。基于高校邦智慧學習平臺的教學過程,涵蓋課前準備、課堂教學、課后鞏固和實驗教學4個環節,對比傳統教學模式具有很大的優勢,可以解決以上難題。下一步研究工作將聚焦于智慧教室環境下,數據挖掘課程實踐環節的教學效果評估問題。融入當代先進人工智能技術的智慧教室,可通過智慧教室終端設備自動采集教學大數據,并進行智能分析、處理,為評估教學效果提供客觀依據,節省人力成本,克服人工評估教學不可避免地帶有人為主觀性和隨意性等不足。
作者:鄧娜 陳旭 劉永川 熊才權 葉志偉 單位:湖北工業大學計算機學院 中南財經政法大學信息與安全工程學院