高校数据挖掘课程的教学模式探索

宋蒙蒙，耿松涛，陈凯军

（海南大学旅游学院，海口 570228）

高校数据挖掘课程的教学模式探索

宋蒙蒙，耿松涛，陈凯军

（海南大学旅游学院，海口 570228）

大数据时代的到来，意味着数据挖掘将发展为一种新型产业，此环境下，对数据挖掘型人才的需求可谓迫切。高校的数据挖掘作为一门融多学科的交叉课程，其教学模式需与大数据的特性以及企业需求相结合，探析具有实践意义的创新型教学模式。在对大数据的特性及企业数据挖掘人才的需求进行分析后，针对目前高校数据挖掘型人才的培养方法与教学模式进行了创新性探悉。

数据挖掘；教学模式；人才培养

阿里巴巴的 “无人超市”吸引了无数人的注意，引发了各界对“大数据”的关注。不仅在学术界，国际顶尖学术刊物Nature（2008）和Science（2011）分别展开了大数据相关研究计划，集中在美国本土安全、教育及国防等领域；商界也对其表现出了浓厚兴趣，例如商业巨头沃尔玛（Wal-Mar）利用大数据分析消费者兴趣爱好，采取措施提升了消费者的消费欲望，增加了收益。我国教育部对大数据也颇为重视，在十年发展规划中强调，高校教育的发展离不开信息技术，需促进教育体系、教学模式的现代化发展，注重人才培养的创新化，将高校与企业、政府的产学研相结合，促进高校人才的信息化培养。由此可见，国家对高校在信息技术方面人才的培养相当重视。而数据挖掘技术可谓信息技术的中流砥柱。

作为现代化信息技术的数据挖掘，以挖掘大量数据中的知识为目的〔1〕首要条件就是拥有数据挖掘人才，但国内数据挖掘专业存在培养体系不健全，人才稀少等问题，与此同时，市场、政府和企业对此类人才需求量巨大，导致数据挖掘型人才处于一个供需严重失衡的状态。在此背景下，加强数据挖掘专业型人才的培养工作已刻不容缓。

一、大数据时代下对数据处理专业人才的需求

大数据的迅速发展，对专业型人才的需求也日益凸显。麦肯锡（McKinsey）的报告指出，利用大数据实现其价值最大化的最重要因素即是人才。随着大数据对社会越来越深入的影响，对大数据处理、分析等专业型人才的需求日益增多。但此类专业型人才依然稀少，美国大数据分析报告称，到2018年对数据分析的初级人才需求量为14-19万，而高级人才的需求将达到150万左右〔2〕。

对数据处理等专业人才的需求不仅体现在数量上，由于数据类型的复杂性、实时性等因素，对这种数据处理专业人才在能力素质方面也有很高的要求。不仅要求能将复杂的数据、文本转化为可利用的资源，同时也需透过数据分析结果进行预测并做出一定的趋势分析。对人才的这种需求，引起国家的高度重视。我国在2015年的《纲要》中提出，鼓励各高校设立数据挖掘相关专业，将培育专业化的数据挖掘型人才作为重点。同时鼓励高校与企业合作，理论教授与实践培养相结合，培养适应时代发展需求的现代化综合性人才〔3〕。

二、企业对数据挖掘人才的要求

1、完整的数据挖掘理论体系

完整的理论体系是大数据挖掘工作者的工作前提，只有在已有的理论体系之上，才能对数据进行评判。一般数据挖掘的过程被划分为数据准备、数据挖掘、评估解释模式模型、巩固知识和运用知识五个步骤〔4〕，而其中第三步是分析前两步中所涉及的模型，剔除没有实际意义的信息，因为在某些情况下，模型反映的信息与事实情况恰恰相反，因此，拥有完备的数据挖掘理论知识（包括对统计学的掌握，对常见的预测模型的透彻理解〔5〕）是企业对数据挖掘人才的最基本要求。

2、熟悉数据库的相关知识及其爬取方法

大数据环境下，挖掘工作者必须拥有从网络中爬取数据的基本技能。2013年，时任中国人民银行副行长的李东荣曾发文呼吁，国际上已经将大数据看作一种非常重要的资产、资源和生产要素〔6〕，如今，一些行业领军企业如阿里巴巴、星巴克等，陆续开设一个新的职位CDO（即Chief data officer，首席数据官），由CDO对大数据相关事宜进行专门负责〔5〕，以上事件都显示出了大数据的重要性，而数据库是决定数据价值的先决条件，因而，对数据库相关理论的熟悉和搜集方法的掌握，是大数据时代下数据挖掘人才不可或缺的基本技能。

3、数据分析能力（数据深度挖掘能力）

现代化信息技术的数据挖掘，以挖掘大量数据中的知识为目的〔1〕，因而，数据的深度挖掘能力是大数据挖掘人员的核心竞争力。大数据环境下的挖掘与传统挖掘在处理数据的广度和深度等方面存在差异〔7〕，由于传统的统计分析软件如E-views、SPSS等在处理数据上的限制，大数据的挖掘与统计需利用新型工具探索数据潜在的信息，例如Hadoop、Hive等软件的使用，这就对编程能力有了相当高的要求。企业不仅需要会使用相关工具的人员，更需要能够根据企业自身特点进行工具开发的相关人才。

4、具有行业基础理论体系

大数据的挖掘和分析必须在特定行业环境下展开才会具有价值。俗话说“隔行如隔山”，每一个行业都需要其特定的专业知识作为支撑，例如统计学大数据工作者，需要在学习安排中要着重培养自己的经济理论基础，使自己建立起数理统计、宏微观经济等理论体系〔8〕；而大数据时代的新闻工作者，需要首先掌握文学、政治、心理学、社会学等学科基础知识〔9〕。

5、各种“软”实力的要求

大数据挖掘工作者最基本的操守便是严谨、实事求是的科学态度，这是通过数据挖掘得到价值信息的前提，只有通过科学、严谨的态度才能得到客观而有价值的信息；对大数据的新鲜感和热情于大数据挖掘工作者而言具有同样的重要性，只有带着好奇心和敢于怀疑的态度投入到挖掘工作中来，才能从根本上增强自身业务水平和能力；一般情况下，数据管理部门在企业中与每个部门都有密切联系，因而，交流沟通能力对大数据挖掘人员而言尤为重要。

三、高校数据挖掘教学模式的创新与探索

1、以学生为主体的教学模式融合

自新中国成立以来被确立的“客观主义”的相关教学理论—接受式的教学模式从未得到根本改变，我国高校教师占用绝大多时间为学生讲授的根本教学格局仍未改变〔10〕，数据挖掘课程亦在此行列中。数据挖掘这门课程具有很强的专业性，是融管理工程、信息技术、统计学及社会学等多门学科的一门交叉性课程。社会经济的发展和信息技术的进步，使数据挖掘的学习不能仅仅局限于了解数据挖掘的概念和浅层次的数据挖掘技术，而是要对学生进行引导，培养学生对数据挖掘的兴趣，传授给学生学习数据挖掘的方法，最终使学生具有发掘自身潜力的能力。因而，在教学模式上，应该将班级授课（通过把年龄相仿、智力相似和受教育水平相当的学生编为班级，集体授课〔10〕）和小型研讨会（Seminar，注重学生自主学习能力和主观能动性，老师的主要作用是引导〔10〕）两种教学模式进行融合，既能发挥老师的传授作用，又能给学生以“主人翁”的角色帮助其开发自身潜力。在方法上，可以通过多媒体大量引用适应信息时代的商业案列和声像的展示，让学生及时接触最新的行业动态和相关问题，然后让学生分组讨论，让学生结合实际情况，通过讨论产生解决方案；老师还可以从数据挖掘型人才的社会需求、职位性质以及大数据环境下挖掘工作者的工作方式等方面来增强学生对数据挖掘工作的了解，然后组织同学自主研讨、相互协作，最后在课堂上展示自己对数据挖掘行业的认识，引导学生朝着适合自己的数据挖掘岗位发展。

同时，在新技术与互联网高度发达的今天，应对数据挖掘这门与时代紧密接轨的课程，必须得注重加涅教学模式（Robert Mills Gagne，利用网络和相关新生技术，为学生提供全球视野范围内的优秀教育资源，激发学生创新能力〔10〕）在实际教学中的应用，例如，可采用云计算技术开发的教育信息服务平台，根据学生自身特点定制专属课程，在云平台上建立起协作小组（使老师与学生、学生与学生等建立起协作关系）〔11〕；也可在在大数据环境下，引入 MOOC（massive open online courses，大型开放式网络课程）等新型教学模式，在这种资源开放、共享的平台上，为学生提供数据收集、分析和处理、在线学习视频等免费课程和交流社区〔12〕。利用这些开放式的教育平台，为学生提供全球最顶级的教育课程、最新的业界动态和最实用的挖掘工具，无疑会有助于学生自学能力的提高，帮助学生潜力的开发。

2、以实践为核心的教学模式创新

数据挖掘课程由于与计算机操作紧密结合的特点，其课程对应用能力的要求较其它课程有较大的差异，在莱茵“预备—提示—联合—总结—应用”的五阶段教学模式〔13〕中，数据挖掘课程对“应用”的要求尤为突出。近年来，部分高校对数据挖掘的教育模式进行了探索和尝试，例如，清华大学2014年宣布成立数据科学研究院，天津财经大学2013年开设“数据工程专业”，中国人民大学、首都经贸大学、北京大学、中央财经大学、中国科学院大学5所大学组建的培养数据挖掘人才的协同创新平台〔14〕，无一例外都开设了大量的实践课程，由此足以验证该课程“应用”的重要性，因而，数据挖掘课程教学模式的改革，离不开“实践”二字。

在具体方法上，通过开展大量的实践课程，使理论课程与实际操作有机结合，将理论课程中讲述的操作流程和案例内容在上机时引导学生自主完成，提高学生对理论的理解和实际操作的能力；同时，将学生进行分组并给每组布置一定的课下实操作业，让学生通过MOOC平台进行一部分知识的学习，并促使学生通过云平台等协作平台进行相互学习，以此提高学生的自学能力和协调能力，最终提高其数据挖掘的相关应用能力。

3、以企业为辅助的教学模式探索

大数据背景下，数据挖掘技术得到重视和关注，企业对该专业的人才需求也日益增多，而学生也需要大量的工作用以加深自己对数据挖掘理论的理解、检验自己的数据挖掘能力、认识自身的不足和寻找适合自己的工作岗位。因而，有必要将合作教学模式（阿莫纳什维利创立，尊重学生个性，通过真诚合作激发学生学习兴趣〔13〕）运用到数据挖掘课程中。

可通过吸引大数据企业进驻学校，共同成立“数据挖掘研究实验室—数据战略实习基地”的方式，帮助学生获取最新、最有实践价值的研究资源，企业也可以通过此过程培养出自身需要的潜力人才，获得更强的研究力量，最终达到“双赢”甚至“多赢”的效果；其次，企业也可成立微信公众平台等网上实践平台，安排一些实践性的操作任务，来提高学生的应用能力，这将有利于学生深刻认识数据挖掘工作的重要性，加强其实践操作能力，也为企业及社会带来了一定经济价值，真正做到产、学、研三方的结合。

教学模式早已从单一化向多样化进行了发展〔13〕，在具体的数据挖掘课程教学实践中，必须得注意将各种教学模式进行融合创新，逐渐形成一种稳定、有效、适应时代发展的数据挖掘课程教育模式。

〔1〕韩家炜,KAMBER M,裴健.数据挖掘:概念与技术〔M〕.北京:机械工业出版社，2012．

〔2〕Manyika J，Chui M，Brown B， et al.Big Data:The Next Frontier For Innovation，Competition，And Productivity〔J〕.Analytics， 2011.

〔3〕国务院关于印发促进大数据发展行动纲要的通知.国发〔2015〕50 号〔EB/OL〕.〔2015-09-05〕.国中央政府门户网.http://www.gov.cn/zhengce/content.2015-09/05/content_10137.htm.

〔4〕黄翠萍.数据挖掘概念综述〔J〕.数字技术与应用，2014，（1）：193-194.

〔5〕陈宪宇.大数据时代企业相关职位设置与人才培养〔J〕.经营与管理，2014，（9）：43-47.

〔6〕李东荣.大数据时代的金融人才培养〔J〕.中国金融，2013（24）：9-10.

〔7〕邓仲华，刘伟伟，陆颖隽.基于云计算的大数据挖掘内涵及解决方案研究〔J〕.情报理论与实践，2015，38（7）：103-108.

〔8〕徐秋艳.大数据时代高校统计人才的培养〔J〕.中国统计，2016（3）：69-70.

〔9〕祝兴平，马瑙.大数据时代新闻出版人才培养的创新〔J〕.出版发行研究，2016（4）：90-92.

〔10〕黄爱华.高等教育教学模式的演进、研究与变革〔J〕.高校教育管理，2017，11（1）：92-96.

〔11〕杨辉军.于云计算的高校课程教学模式创新研究 〔J〕.湖南城市学院学报 (自然科学版)，2016，25（2）：362-363.

〔12〕张成龙，李丽娇.论基于MOOC的混合式教学中的学习支持服务〔J〕.中国远程教育:综合版，2017（2）：66-71.

〔13〕李学芹，蔡燕.浅谈教学模式的发展及其趋势〔J〕.教学与管理，2012（15）：129-130.

〔14〕祝丹，陈立双.大数据驱动下统计学人才培养模式研究〔J〕.统计与信息论坛，2016，31（12）：87-92.

0000

A

1009— 2234（2017）10—0153— 03

2017— 10—03

海南省高等学校科学研究项目“一带一路背景下地方高校大学生国际交流意识的研究—以海南大学为例”（Hnky2016-4）；海南大学科研启动基金项目“基于数据挖掘的社交网络服务精准营销研究”(kyqd1603)；海南大学科研团队培育专项“旅游创新业态团队”（hdkytg201707）。

宋蒙蒙（1984—），女，山东烟台人，讲师，管理学博士，主要研究方向：消费者行为、数据挖掘。

〔责任编辑：侯庆海〕