认证导向下基于OBE的数据挖掘课程混合教学模式探索与实践

王辉， 张强， 潘俊辉， 王浩畅

(东北石油大学 计算机与信息技术学院， 黑龙江 大庆 163318)

0 引言

自我国正式成为《华盛顿协议》签约国，相继出台了《工程教育认证标准&通用标准》与《专业补充标准》，推动了国内高校依据国际化标准教育改革，实现工程专业教育国际互认[1]。“数据挖掘”是一门交叉学科，要求学生深入理解数据仓库、数据挖掘的有关概念，熟练掌握关联规则挖掘、分类与预测和聚类分析等技术。本文以“数据挖掘”课程为例，探索符合认证标准、基于强调“学习产出”OBE、线上线下相结合的混合教学模式实践。

1 工程教育认证

中国加入WTO后，各国高等教育领域全球化程度不断提高，竞争日趋激烈，提高工程教育质量，加强国际工程教育互认已成为工程教育发展趋势[2]。2016年，中国成为《华盛顿协议》正式成员，标志着我国工程教育专业认证实现与国际工程教育认证实质等效跨越，提高了我国工程教育国际影响力[3]。

2 OBE与混合教学模式

OBE(Outcomes-Based Education)指“清晰地聚焦和合理地组织教育系统资源，使之围绕引领学生取得未来成功的实质性经验”[4]。全新认证标准EC2000将OBE视为一项重要质量准则，强调学习成效和专业培养目标持续改进，鼓励专业和评价方法创新，对其不间断的质量优化实施效果进行监测和评估[5]。

混合教学模式源自混合学习的概念，最初“混合学习”(Blended Learning，BL)的想法是将游戏与学习相结合[6]。混合学习强调适当地将网络教学技术和教学方法混合，创建灵活且丰富的学习体验，以期达到最佳学习效果。

3 “数据挖掘”课程混合教学模式构建

“数据挖掘”以网络教学平台为依托，在认证引导下，采用OBE和混合学习理念构建的教学模式,如图1所示。

图1 基于OBE的“数据挖掘”课程混合教学模式

3.1 课前活动

在对学习目标和学习者特征分析的基础上，利用网络平台为学生提供相关视频资料、知识点动画和其他辅助资料，根据学习内容和难度发布相应学习任务。如第7章聚类分析，通过动画和视频资料展示“聚类”与“分类”区别，帮助理解“聚类”；同时发布一系列任务，如采用选择题组织“聚类”概念理解测验，发布“如何判断哪种聚类方法是最佳的？”等讨论议题。

学生通过网络平台按时完成知识点预习及测验等任务，可查看成绩及推荐答案。鼓励学生积极参与讨论议题，也可提出新问题发布到网络平台，师生可参与所有讨论。如针对“聚类分析”预习内容，学生提出“聚类所要求划分的类是未知的么？”“聚类与分组是一个概念么？”等。

教师根据测验成绩和议题讨论，可掌握学生预习完成度、参与度、学习积极性情况和对知识点理解程度等，为不同预习完成度的学生制定不同的课中讨论议题，以期通过个性化教学完成知识点学习。利用上述掌握情况，客观评价每名学生课前活动，总结共性问题，以及每个资源是否准确发挥了应有作用，不断改进资源和任务。

3.2 课中活动

教师根据课前情况调整并组织课中活动，先解惑课前共性疑问，讲解重难点知识点，而后提出不同难度的多个新议题，引导不同层次学生以多种形式探讨，包括分组讨论、组间讨论等。最后，根据各组发表的观点总结议题结论，也可留作实验或拓展任务。如学习完“聚类分析”算法后，在课堂上分组深入探讨课前议题“如何判断哪种聚类方法是最佳的？”，各组得出结论后鼓励组间交流讨论，教师针对议题发布实验任务，用数据支撑各组观点。

要求学生对组内讨论表现给出自我评价、组内相互评价和组间评价。教师根据学生听课情况、讨论情况、学生自我评价和相互评价等给予学生本节的课中综合评价，并对课堂内容组织方式、完成情况和授课效果给予评价。评价情况作为改进课程组织和拓展任务发布内容选择的参考，也作为学生成绩考核的一部分。

3.3 课后活动

结合课前、课中活动学生的表现，教师选择合适的拓展任务和议题发布至网络平台，协助完成课后活动，升华学习内容。拓展任务包括实验、测验和自我总结任务等，每次任务必包括以客观题为主的计时测验。同时，可发布课后议题或继续讨论课前活动的议题，每次必包括课后调查议题“课程组织反馈”，要求学生对本次课程组织形式等给予反馈。教师根据学生完成任务及参与讨论情况，给予学生评价和课程组织评价以作改进。

3.4 课程评价

在认证导向下，“数据挖掘”课程教学过程遵循OBE 理论与混合教学模式构建，采用多元化评价方式对学习过程、课程组织等进行有效评价与改进。学习过程分三部分评价，即平时成绩、实验成绩和卷面成绩，对各环节设立权重，建立有效的综合评价机制。平时成绩包括课前成绩(20%)，由预习资源完成度、课前任务完成度和议题讨论参与度组成；课中成绩(60%)，由教师打分的课堂讨论评价、自我评价和组内评价和组间评价组成；课后成绩(20%)，由拓展任务评价、议题讨论参与度组成。实验成绩包括课中议题涉及的实验评价、拓展任务实验评价，各占50%。

根据学生对每个教学组织环节不间断的信息反馈，以及教师对学生掌握知识点的情况评价，不断调整教学资源，优化这种混合教学模式。

4 实施效果分析

工程教育认证导向下，基于OBE的混合教学模式应用于我院信管151(30人)、信管161(30人)两个班级。

4.1 课程目标与认证标准支撑关系

根据认证标准要求及本专业培养方案，“数据挖掘”课程制定了如下课程目标，分别支撑认证指标点,如表1所示。

表1 课程目标与认证标准支撑关系

课程目标1. 通过自主学习的方式掌握理解统计学相关原理，自修掌握R语言基础知识及基本语法。

课程目标2. 能够在学习到的基础数据分析算法基础上通过不断学习，持续对基础算法做出挖掘及改进，培养终身学习理念。

课程目标3. 熟悉团队开发流程，可整合不同专业人员组件数据分析项目工作组，可以通过其他专业人员的专业知识来共同协作完成跨专业数据分析项目。

课程目标4. 通过团队协作完成数据样本分析项目，训练学生的团队开发能力，训练学生整合多种数据分析算法达成分析项目任务目标，让学生了解实际企业开发中各个角色在团队中的职责、地位。

4.2 课程考核

在实施教改的信管151与信管161课程考核过程中，严格按认证标准对整个过程进行完整跟踪、考核、记录及循环改进，相比以往教学更能体现课程目标的达成，如表2所示。

表2 课程考核对比

信管151与信管161平均分、优秀率明显提高，不及格率有所降低；经过一轮教学的改进，信管161各项指标明显优于信管151。

4.3 参赛及毕设

鼓励学生申报与数据挖掘内容相关项目和毕设课题,如表3所示。

表3 创新创业项目及毕业设计课题统计(个)

信管151与信管161参加大学生创新创业大赛申报项目中，有61%的项目与数据挖掘相关，比前两届大幅度提高；在毕业设计过程中，信管151选作的数据挖掘相关课题数为前两届数据挖掘课题数量总和。

4.4 问卷调查

授课和考核全部结束后，对实施教改的两个班级进行匿名问卷调查，旨在更深入地了解本学期课程学习情况，以便为后期课程组织改进提供参考。问卷由主观题和客观题组成，主观题要求学生填写对课程教学模式的意见与建议；客观题,如表4所示。

表4 问卷调查/(n/%)

括号外与内分别为信管16级与15级学生调查百分率。根据信管15级学生问卷调查结果，对后续16级学生的教学组织过程、评价方法等实施改进，再次调查可明显看出学生满意度的提高。

4.5 就业情况

近年来，学生就业渠道多样化，本专业信管13初次就业率为65.22%，信管14初次就业率为75%，信管15初次就业率为94.44%。其中，信管15的 16.67%毕业生就职于各互联网公司数据挖掘相关工作。

5 总结

在工程教育认证指导下，基于OBE的混合教学模式为“数据挖掘”课程教学提供了一种崭新的线上线下混合模式的知识传播和学习方式。这种模式结合工程教育认证要求，更注重以学生预期学习结果为起点反向设计课程内容和教学活动的组织，利用每个教学阶段的评价反馈不断改进和完善教学活动，促进学生更好地理解、应用数据挖掘知识与概念，提高了工程教育质量。