OBE与数据挖掘商科课程改革教学实践
前言：想要写出一篇引人入胜的文章？我们特意为您整理了OBE与数据挖掘商科课程改革教学实践范文，希望能给你带来灵感和参考，敬请阅读。
摘要：为实现专业培养与企业需求的有效衔接，部分商科课程应以成果导向教育（obe）理念为指导，重建教学大纲，将课堂教学与模拟实践相结合，提高学生的知识应用能力，培养知行合一的高素质人才。文章以学生实践技能提升为核心，基于数据挖掘技术的特征选择方法和分类算法，革新企业经营模拟实验过程中企业供应链绩效评价方法。实践表明：以学习成果为导向，应用数据挖掘方法的教学改革，不仅加深了学生对理论知识的理解和应用，提高学生从事商业管理工作的综合素养，还为企业管理提供了客观的依据。
关键词：OBE；教学改革；绩效评价；数据挖掘
一、问题的提出
传统教学模式下，高等院校的商科教学大多是由教师主导的课堂教学，教师较为关心学生知识获取情况，对学生综合运用所学知识解决实际问题的能力和素质情感培养缺乏关注。为了更好地践行“学生中心、产出导向、持续改进”的本科教育新理念，教师需要根据课程的特点，以学生应用能力培养为导向，积极探索“案例”引领的教学模式，转变学生在课堂上被动接受知识为主动获取知识，激发学生学习兴趣，满足社会对高素质人才的需求。OBE（OutcomeBasedEducation）即成果导向教育是指教学设计和教学实施的目标是学生通过教育过程最后所取得的学习成果[1]。OBE的实施过程中需要清楚聚焦学习者最终的产出，并且扩大学生成功机会并提供帮助[2]。然而，随着全球一体化步伐逐渐加快，企业管理向全球化、绿色化、敏捷化和数字化的趋势发展，对企业各个业务单元的表现进行综合系统的评价，越发困难。在商科管理信息系统，Enterprisere⁃sourceplanning，InterdiciplinaryVirtualIntegrated等课程教学中，我们基于成果导向教育进行了实验教学改革探索。但在教学实践过程中，很难清晰评估学生在企业模拟经营各个业务单元的成效，并且难以在学生的模拟经营过程中提供有效的提升经营业绩机会的建议。为解决上述问题，本文立足“互联网+”时代人才培养需求，引入OBE理念和数据挖掘方法，指导并对企业供应链绩效评价进行了实证研究，从而优化评估方法，客观且科学地反映企业供应链运作状态，得出详细综合的供应链绩效水平。
二、OBE理念OBE源于北美上世纪
80年代的基础教育改革运动[3]，作为教育强国的美国因对自身科技方面的贡献及表现不太满意，开始反思教育的实用性及成果的重要性。在这种背景下，Spady提出OBE理念，指出“成效”是指我们希望学生能够通过学习经验结束后展示的清晰的学习结果。强调围绕学习成果（产出）来合理安排教学时间和设计关键教学资源[4]。OBE理念以学生为中心，重点围绕学生产出评估进行教育质量持续改进。培养方案、指导、评价等规划都需要围绕学习成效来进行设计。教学过程中，学生和教师都对成效的评估清晰明了[5]。然而，“互联网+”时代对复合型人才的培养提出了新的要求，强调多元化的学习产出，而目前依据OBE理念开发的课程实践很难清晰评估学生在企业模拟经营各个业务单元的成效，并且难以在学生的模拟经营过程中提供有效的提升经营业绩机会的建议。
三、教学设计与实施
（一）企业供应链绩效评价应用指标体系设计随着全球经济的发展，企业间的竞争加剧，并逐渐转化为供应链间的竞争。全球化趋势不断发展，导致市场需求不断地向着多元化、个性化发展，企业必须具备完善的市场应变能力以应对产品生命周期持续缩短、市场不确定性极大增加等竞争环境。供应链绩效评价工作对企业供应链的良好运作具有核心参考作用。应用平衡记分卡理论为供应链建立平衡记分卡，从供应链财务、顾客、内部业务流程、学习与发展等四方面构建核心企业为制造商的响应型供应链的绩效评价指标体系，为供应链绩效评价提供依据[6-8]。企业供应链绩效评价指标体系如表1所示。
（二）利用数据挖掘特征选择方法进行指标提取1.数据挖掘特征选择方法。特征选择（FeatureSelection）是数据挖掘前期关键数据预处理方法，能够筛除冗余或不相关的特征，从而使模型简化，提高模型的精确度。特征选择流程首先通过产生过程产生特征子集，之后结合评价函数和停止准则进行筛选，最后通过验证过程进行验证。之前学者已经提出的特征选择方法有很多种，本研究采用Relief特征选择算法，Relief算法是一种特征权重算法，基于特征对近距离样本的区分能力，通过评估特征属性与类别属性的相关性赋予不同的权重，选取供应链绩效平均预测指标。总体而言，该算法相对简单，运行效率较高，并且结果也比较令人满意，因此本文选择此算法进行应用。2.数据。根据企业供应链绩效评价指标体系，同属性的指标各有3年，因此共有42个指标，结合企业经营模拟10组公司（A—J）的三年的财务报表、订单交货记录、研发记录和生产运行状态等数据记录，运算出了各项指标值，以此作为分析分析数据，完成了数据准备。图1显示了课程模拟实践过程中A公司的订单交货记录。基于Relief评估算法和Ranker搜索算法得出各个指标的权重和排序，由于每个指标仅有十个公司的样本值，因此认为选取排名前五的指标进行下一步的绩效评价较为合理。排名前五的的指标为IS2，PRG3，ALR3，MS2，MGR2，其中指标后数字表示该指标对应年份，如IS2表示第二年的信息共享度。由此可看出第二年和第三年的指标对预测第四年的供应链绩效起到了主要作用，并且涉及了财务角度、顾客角度和学习与发展角度，符合预期，完成了指标的提取。
（三）利用数据挖掘分类预测方法进行企业供应链绩效评价在初步建立的企业供应链绩效评价指标体系基础上，结合企业经营模拟的10组企业各项运营数据，完成了基础数据准备，并进一步实现了企业供应链绩效评价的指标提取，接下来就要根据提取的五项指标的指标值，运用逻辑回归数方法，对各企业第四年的供应链绩效优劣水平进行实证研究，以此得出评价企业供应链绩效水平的最合理的分类方法。我们以精度（Precision）、召回率（Recall）和F值（F-Mea⁃sure）作为主要的参考指标来对分类算法结果的好坏进行评价，精度度量了精确性，召回率度量了覆盖面，而F值则综合了精度和召回率两方面的结果，三者同时进行考虑可基本反映出分类算法的效果好坏。预测效果如表2所示。从预测效果上看，基于逻辑回归分类预测方法对供应链绩效水平优劣分类的综合精度达到0.520，综合召回率达到0.500，综合F值达到0.505，因此可以认为采用逻辑回归算法对于企业供应链绩效优劣水平进行评价，但效果一般，未来可用尝试更加合理的分类预测方法。
四、结语
按照新商科创新人才培养和OBE教学理念，我们对原有教学内容进行了优化，对教学方法和成果评价方式进行了革新，推进了商科管理信息系统等课程实践教学改革，并基于数据挖掘方法对企业供应链绩效评价进行了实证研究，提取了一套有助于清晰评估学生在企业模拟经营各个业务单元的成效的指标体系，有优化企业供应链运作状态评估方法，有利于教师在学生的模拟经营过程中提供有效的提升经营业绩机会的建议。
参考文献：
[1]李志义.解析工程教育专业认证的成果导向理念[J].中国高等教育,2014（17）.
[5]顾佩华,胡文龙,林鹏,etal.基于"学习产出"（OBE）的工程教育模式——汕头大学的实践与探索[J].高等工程教育研究,2014（01）.
[6]马士华,李华焰,林勇.平衡记分法在供应链绩效评价中的应用研究[J].工业工程与管理,2002（04）.
[7]郑培,黎建强.基于BP神经网络的供应链绩效评价方法[J].运筹与管理,2010,19（02）.
作者：裴佳音 徐磊 喻涵文 单位：江南大学