数据挖掘技术教学探索和实践.docVIP

数据挖掘技术教学探索和实践 　　摘要：《数据挖掘技术》是计算机科学与技术和电子信息工程相关专业的高年级本科生和研究生的一门重要专业拓展课程。在教学实践活动的基础上，本研究讨论分析了当前《数据挖掘技术》在教学中存在的问题，并从教学目标、教学内容、教学方法、教学手段以及课程评价五个方面对课堂教学进行了有效的探索与实践。 　　关键词：数据挖掘；教学内容；教学方法；考核评价 　　一、引言 　　数据挖掘作为一门新兴学科，在最近几年里得到了飞速的发展，表现出强大的应用价值和前景。目前，国内外高校纷纷开设数据挖掘课程，目标是使学生了解该领域的基本理论和发展前沿，拓展学生的专业知识视野，培养学生的专业应用能力和创新意识，为学生在这个领域的工作和深造打下良好的基础。 　　《数据挖掘技术》在计算机科学与技术和电子信息工程学科中具有非常重要的地位，如何提高课程的教学质量成为亟待解决的一个关键问题。笔者立足于教学实践，讨论分析《数据挖掘技术》在教学中存在的一些问题，并从教学目标、教学内容、教学方法、教学手段和课程评价五个方面进行了探索和实践，其目的在于提高教学质量，培养学生的专业应用能力和创新意识。 　　二、 《数据挖掘技术的教学现状 　　（一）学生基础差异大，教学目标难统一 　　学生基础差异主要来自于目标学历层次差异、学生地域差异和先导课程差异。目前，笔者所在的学校为计算机科学与技术、网络工程和信息工程专业的高年级本科生和计算机应用等专业的硕士研究生开设了《数据挖掘技术》。本科生与研究生的培养层次不同，技术基础差别也较大。另外，即使培养层次相同的本科生，也会因为不同地区间的教育发展程度的差异而具备不同的专业基础与学习能力。 　　不同专业的先导课程的学习情况差异在《数据挖掘技术》教学中尤为明显。《数据挖掘技术》的预修课程包括《概率论与数理统计》《高等代数》《数据库基础》和《模式识别》等。这些课程中，前两门课程是两个专业共同的必修课，而《数据库基础》只在计算机科学与技术相关专业开设，《模式识别则是信息工程专业学生的必修课。这就使得不同专业的学生所储备的基础知识不在同一水平。这些差异的存在，使得任课老师很难设计出满足全部学生的统一的教学目标，容易造成“有的学生不够吃，有的学生吃得太多消化不了”的现象。 　　（二）课程信息量大，教学内容难取舍 　　《数据挖掘技术》包括的信息量非常大，经典数据挖掘教材内容包括：数据挖掘的基本概念、数据预处理、数据仓库与联机分析处理、关联分析、分类挖掘、聚类分析、离群点分析、各种复杂对象挖掘和数据挖掘的应用。《数据挖掘技术》作为高年级本科生和研究生的专业选修课，一般安排20～30个标准教学课时，其中包括实验课时。要在有限的教学课时内将《数据挖掘技术》的基本概念、关键技术和典型应用以及该领域的必威体育精装版进展介绍给学生，这对于任课老师而言，存在一定的难度，如何取舍教学内容值得商榷。 　　（三）课程理论性强，教学过程不直观 　　数据挖掘受到多个学科领域的影响，其中，数据库、机器学习、统计学无疑是对其影响最大的。对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。机器学习涉及的数学知识非常多，包括统计推断、概率论等。经典的机器学习方法有决策树、贝叶斯分类器、感知器方法和支持向量机等。这些方法都有着深厚的理论基础，使得《数据挖掘技术》的数学“气味”非常浓厚。 　　同时，数据挖掘是在实际的大数据应用环境中发展起来的，具有很强的工程性，但高校教师大都从事理论研究，工程经验相对缺乏，部分教师对课程内容实质的把握有所欠缺，不能或难以结合工程实践讲解相关的概念和方法，课程教学缺乏直观性。 　　（四）教学手段单调，过于依赖多媒体 　　目前，在《数据挖掘技术》教学过程中，普遍采用理论教学和实验教学相结合的方式，并且一般是以理论教学为主，实验教学为辅。在理论教学中，以讲授法为主，配合以PPT为主要形式的多媒体来进行讲授；在实验教学中，往往采用上机作业的形式让学生完成一个或几个针对特定数据的挖掘任务。除讲授法之外的教学方法，如研讨式教学等，虽然也有运用，但往往不是教学方法的主要部分，教学手段的缺乏使得教学质量难以进一步提高。 　　多媒体课件教学是目前《数据挖掘技术》的主要教学手段。多媒体课件教学具有传统教学手段没有的趣味性，但也有它的劣势，如内容偏多、进展不宜把握等。在《数据挖掘技术》的教学中，部分教师特别是年轻教师，过于依赖多媒体，甚至出现“零板书”的现象，黑板成为摆设，忽视了传统板书在教学中的作用。 　　（五）评价方式简单，难激发学生的学习热情 　　《数据挖掘技术》的考核评价，一般包括平时考核和最终考核两个部分。平时考核通过听课情况、课堂问答情况、作业完成情况等方式来体现，最终考核一般通过期末笔