数据挖掘课程教学模式研究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了数据挖掘课程教学模式研究范文，希望能给你带来灵感和参考，敬请阅读。

摘要：分析数据挖掘课程教学现状，引入高校邦智慧学习平台，介绍其核心功能，通过比较传统教学模式与基于高校邦智慧学习平台的教学模式，说明基于高校邦智慧学习平台教学的优势，以决策树挖掘章节为例，探讨建立在高校邦智慧学习平台上的数据挖掘课程新型教学模式。

关键词：高校邦；智慧学习平台；智慧教室终端；数据挖掘；教学模式

0引言

在大数据和人工智能时代，互联网和信息技术高速发展，一些集成了多种设备、涵盖了多种教学环节、拥有多种强大功能的教学平台应运而生，如智慧学习平台[1-2]、智慧教室[3]等。这些新式的教学平台在很大程度上能够避免传统教学模式的种种弊端，使教学过程更加灵活和高效。高校邦智慧学习平台是目前国内较为先进的高等教育智慧学习平台，借助此平台，可以大幅度节省教学管理和教学运营的时间，让教师能更多地把时间和精力投入解决学生个性化学习的问题中[4]。

1数据挖掘教学现状

数据挖掘课程是一门理论性和操作性都比较强的计算机专业课程，在大数据时代，学生学好这门课程对于他们适应时代，掌握分析、处理和挖掘数据的能力有着重要意义。数据挖掘课程旨在让学生掌握数据挖掘相关基本理论和方法，并能通过实践将所学理论知识应用到实际项目之中[5]。目前，由于各种原因，上课与实验教学环节的教学效果不佳，主要体现在以下3个方面。（1）学生到勤率不高。学生选课时大都对数据挖掘这门课程抱有浓厚的兴趣，然而，由于学生面临就业、考研、毕业设计等多重压力，实际的上课和实验到勤率不高，这在很大程度上影响了本门课程的教学效果。（2）缺乏个性化指导。由于课程学时有限（22学时理论教学+10学时实验教学），在有限的教学时间内，教师忙于传授知识，很容易忽视学生的个体化差异。每名学生掌握得如何，哪些知识点是他们的薄弱环节，教师难以发现。（3）实践难以跟踪。在10个学时的实验教学中，学生人数较多，教师难以跟踪到每位学生的实验进度和实验质量。

2高校邦智慧学习平台

高校邦智慧学习平台是一款集成了多种功能的新一代在线学习云平台，包含如下5个核心功能。1）混合教学模式。高校邦智慧学习平台支持多种混合教学模式，包括SPOC、MOOC、翻转课堂等，教师可以根据实际需要灵活选择教学模式。学习较为主动的学生可以在课前通过线上观看课件和视频提前预习，缺课的学生也能通过课后在线补看从而跟进老师的教学进度。平台还提供了丰富的学习模式，如闯关学习、顺序学习、开放学习和传统学习等，学生可以根据自己的具体情况选择相应的学习模式自主学习。2）在线交互。传统教学中，由于教学进度限制和学生腼腆等原因，师生交互不足，而在高校邦智慧学习平台上，师生之间、学生之间可以随时互动，对学习中的问题进行反馈和探讨，使问题得到及时解决。3）实境编程。在传统实验环节中，学生按照既定的实验指导书进行自主实验，往往效果不佳。平台提供了各类计算机编程语言的编程环境，在这样的环境中，平台的实境编程功能可以以录制视频的方式，将教师的实践操作步骤录制下来，学生可以根据自己的掌握情况回放视频，查缺补漏。此外，学生还能对教师放置在平台上的课程实验代码进行修改、重写、重运行。整个实境编程过程大大改善了学生的实践体验，帮助学生真正提高动手实践能力。4）多终端同步。高校邦智慧学习平台提供多终端同步的功能，学生可以在手机或电脑上登录平台，完成各项学习活动，包括学习视频、下载课件、完成作业、师生交流或同伴交流等。学习不再受时间空间的限制，学生可以随时随地利用空闲时间或碎片化时间学习。5）教育数据分析。教师和学生在平台上的各种教育数据都被平台记录下来，如学习时长、作业分数和讨论发言等，并能将这些数据进行统计分析，以可视化的方式展示给教师，帮助教师了解每位学生的学习情况。

3传统教学模式与基于高校邦智慧学习

平台教学模式的比较针对数据挖掘课程，从学习时间、学习地点、理论学习模式、实验模式、互动、教育数据分析、教学资料管理和个性化指导等多个维度对传统教学模式和基于高校邦智慧学习平台教学模式进行比较。跟传统教学模式相比，基于高校邦智慧学习平台的教学模式从各个维度来看，都能够大幅度节省教学管理和教学运营的时间，能够让教师更加关注学生个体和教学效果。

4基于高校邦智慧学习平台的教学设计

决策树挖掘是数据挖掘分类任务中的一个重要方法，既包含算法理论，又具有良好的可操作性。以数据挖掘课程中的分类—决策树挖掘章节为例，基于高校邦智慧学习平台的教学设计过程如下。1）课前准备。课前，教师在平台上决策树章节的相关课件、资料或学习视频，并布置预习任务。CLS(ConceptLearningSystem)算法是决策树算法的一个基本算法，后期其它决策树算法大多是在它的基础之上的改进，本章节教学的重难点ID3算法就是从CLS算法演变而来的。鉴于CLS算法过程简单、清晰、可自学性强的特点以及它与ID3算法的关联关系，将CLS算法作为学生的预习任务。另外，为了促进学生积极思考，提出两个问题：CLS算法有什么缺点？在利用CLS算法构建决策树时，如果根节点和中间枝丫节点选择的属性不同时，会生成相同的决策树吗？这两个问题意在激发学生的求知欲，在预习内容和课堂教学内容之间搭起桥梁。在这个课前环节，学生在平台上自主学习，完成教师布置的任务，思考教师提出的问题，将预习过程中遇到的问题记录下来。2）课堂教学。由于学生在课前已经预习了决策树的相关概念和CLS算法的过程，教师在课堂上可以侧重于强调ID3算法和CLS算法的主要区别。教师通过提问、讨论等互动形式着重强调CLS算法最大的不足是没有阐明分支属性的选择策略，分支属性选择的随意性会导致生成差异巨大的多棵决策树。而ID3算法恰好解决了这个问题，使用信息增益作为选择分支属性的评判标准。经过前期的预习和思考，课堂上带着疑问的学习方式会让学生更能牢固地掌握知识。之后，教师对学生预习过程中的问题有针对性地进行讲解，既能使发现学生学习过程中的共性问题更加容易，又能使一些不常见的问题得到及时解决，防患于未然。3）课后巩固。与传统教学只能选择课后作业这种单调的复习方式不同的是，智慧学习平台支持多种类型的复习形式，如线上作业、讨论、知识拓展等，学生能自由地利用碎片化时间在平台上完成作业、在线讨论或者钻研相关拓展的知识。教师可以在平台上布置线上作业：使用ID3算法对一个全新的数据集生成决策树，考查学生对算法的掌握程度；教师也可在平台上讨论话题：ID3算法有什么不足的地方？为下一次课的教学内容——决策树算法的过度拟合问题作铺垫；教师还可以另一种决策树算法C4.5算法的拓展资料，供学有余力的学生扩展思维。在传统教学中，教师对教学过程最难以管理的地方就是课后巩固环节，学生是否及时完成了作业，是否是抄袭等等这些问题都难以监管。在平台上，教师可以通过查看学生的在线作业、在线讨论情况甚至学习时长等教育数据充分了解学生的学习情况。4）实验教学。传统实验教学只能在实验室完成，学生按照固定的实验指导书自主完成实验，教师从旁指导。由于每次上机学生人数众多，教师不可能跟踪每位学生的实践情况。而在智慧平台上的实境编程环境中，当学生对实践操作步骤不清楚时，可以观看教师录制的操作视频，还可以对平台上教师上传的代码进行修改、重写和重运行。此外，传统在实验室里进行的上机内容通常只能用规定的编程语言实现，而在智慧平台上，多种语言集成的编程环境可以让学生尝试用不同的编程语言实现同样内容的上机任务，例如，学生既可以选择熟悉的Java语言来实现决策树算法，也可以选择大数据时代兴起的Python语言。

5结语

大数据时代要求计算机专业学生具备良好的数据分析、挖掘能力，传统数据挖掘课程教学存在到勤率较低、缺乏个性化指导、复习巩固环节不易监管、实践过程难以追踪等问题，导致教学效果不佳。基于高校邦智慧学习平台的教学过程，涵盖课前准备、课堂教学、课后巩固和实验教学4个环节，对比传统教学模式具有很大的优势，可以解决以上难题。下一步研究工作将聚焦于智慧教室环境下，数据挖掘课程实践环节的教学效果评估问题。融入当代先进人工智能技术的智慧教室，可通过智慧教室终端设备自动采集教学大数据，并进行智能分析、处理，为评估教学效果提供客观依据，节省人力成本，克服人工评估教学不可避免地带有人为主观性和随意性等不足。

作者：邓娜 陈旭 刘永川 熊才权 叶志伟 单位：湖北工业大学计算机学院 中南财经政法大学信息与安全工程学院