数据挖掘课程教学探究

导语：数据挖掘课程教学探究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：文章从研究大学本科数据挖掘课程教学现状出发，结合大数据环境下数据挖掘的发展方向，提出大学本科数据挖掘课程教学对策，即教师正确使用课程的实践软件、重视理论教学、积极开展实践教学、积极收集教学案例。

关键词：数据挖掘；课程建设；教学案例

近年来，随着云计算、互联网+、大数据等新兴技术及计算理念的发展与成熟，信息技术被广泛运用于公共政策制定、企业经营管理、商业策略开发、金融市场分析等诸多领域，而数据挖掘作为商业智能实现的最深层次，在商业智能解决方案体系中占据着重要的位置。随着大数据所承载的价值逐渐获得社会各界的认同，能够高效地获取及应用数据的价值成为大数据时代信息管理的重要发展方向。现代企业对大数据挖掘技术人才需求的增长，使数据挖掘课程快速发展，作为一门具备多学科交叉属性的专业课程，它在传统的统计分析基础上，进一步纳入了数据库技术、高维数据处理、机器学习、模式识别等内容，具有很强的理论性和实践性。

一、本科数据挖掘课程教学现状

随着人们对大数据挖掘认识的不断深入，更关注数据的整合与融合，更注重时效性、精确性及完备性三者之间的关系，这成为大数据挖掘的新共识[1]。因此，数据挖掘技术在不断发展，Web数据挖掘、异构数据挖掘、时序数据挖掘及深度学习越来越受到人们的关注。为了培养符合时代要求的大数据挖掘人才，数据挖掘课程需要在培养模式、教学方式、实践设计、教学管理等方面不断进行改革，以强化课程的可持续发展能力。通过调研，可以看到本科阶段数据挖掘课程教学还存在以下几个问题。第一，理论学习难度较大。由于数据挖掘课程的教学内容覆盖统计学、数据库技术、机器学习、模式识别等学科内容，对本科学生有限的知识体系而言，在短期内全面、系统地掌握相关基础理论知识难度较大。同时，数据挖掘中的各种挖掘算法原理复杂，再加上学时限制，许多教师在教学过程中往往对算法原理的讲解一带而过，甚至忽略不讲，这使得学生无法从根本上理解数据挖掘的实质，对后续学习产生不良影响。第二，实践教学中存在可操作性不强、目的不明确的问题。近年来，大部分学校已将数据挖掘课程归为实践课程，然而在实际的操作环节中，并没有对实践教学内容进行合理设计。特别是对于一些计算机编程基础较弱的学生而言，需要花费大量精力学习挖掘软件的使用，才能开展数据挖掘的实践环节，因此，在有限学时的限制下，学生学会独立完成一套完整的数据挖掘流程是比较困难的。第三，缺乏实际的大数据挖掘案例，影响了教学效果。大量高级商业数据案例对学生的学习有着重要的作用，数据挖掘课程中最需要的一类教学材料就是案例数据。目前，大部分课程案例数据是从教材或参考书籍中获取的，虽然具有一定代表性，但一来数据量不够，二来离实际的商业运营数据还有一定差距，因此，需要进一步增加教学案例数据。

二、本科数据挖掘课程教学对策

首先，在数据挖掘课程教学中，教师应正确使用课程的实践软件，通过数据挖掘课程的学习使学生认识并掌握实践软件的数据分析方法，为学生今后的职业发展提供更加广阔的选择空间。教师充分发挥软件的图形和动画功能，生成各种数据挖掘算法的过程示意图和过程演示动画，从而提高教学效果，增加学生的学习兴趣。同时，兼顾学生的知识基础，使拥有不同计算机编程基础的学生都能在较短时间内进行数据挖掘实践操作，便于开展课程的实践教学。其次，教师要重视理论教学，利用案例、模型、过程示意图等多种方式将理论形象化，深入浅出的在短时间内将数据挖掘理论体系演绎出来，帮助学生打好理论知识基础，为后续的实践教学提供理论依据。再次，教师要积极开展实践教学，对于实践教学阶段要合理设计，坚持由浅入深、以点带面，帮助学生使用实践软件解决数据挖掘的问题。合理设计实践课程难易度，能够激发学生的成就感，保持学生持续学习的热情。最后，教师要积极收集教学案例。通过收集真实数据，进一步丰富教学案例库，选择包容度较高的实践软件扩宽教学案例数据的入口，降低教学案例数据的选择难度。教师使用真实案例数据进行教学，能够有效提高学生解决实际问题的能力。

三、结语

对于本科阶段的学生而言，数据挖掘课程的主要目标包括四个完整的层级：①让学生学会如何从各种数据源中获取到的数据；②对于所获取的数据高效的进行整理、预处理；③针对不同的数据类型能够选择最合适的数据挖掘算法进行挖掘，得出隐含的、有价值的信息；④通过清晰、有吸引力的图形化手段展示结果，并将结果整合成合理的决策报告。课程建设应该重点突出实践环节，合理规划理论和实践部分的比例，突出数据挖掘的大数据环境，强调数据挖掘技术在决策领域中的应用。

参考文献：

[1]梁吉业.大数据挖掘面临的挑战与思考[J].计算机科学,2016(7):1-2.

作者:杨静 单位:北京师范大学