以OBE理念為導向的大數據類前沿課程教學改革

荀亞玲 牛雪瑩 陳 鑫 劉愛琴

（太原科技大學計算機科學與技術學院，山西 太原 030024）

1 引言

大數據時代來臨，數據已成為新時代重要的生產要素和國家基礎性戰略資源，其對社會各領域的產業生態產生了深遠影響。尤其是疫情發生以來，“數據要素”的概念逐漸深入人心。數據顯示，“十三五”時期，大數據產業規模年均復合增長率超過30%。近年來國家又相繼發布了《“十四五”大數據產業發展規劃》《“十四五”數字經濟發展規劃》等大數據產業方面的規劃，把大數據產業提到了新的戰略高度。為加快推進科技創新，推動大數據、人工智能與實體經濟的深入融合，大數據人才的需求日益增長。然而，從目前現狀來看，大數據人才培養顯然在數量和質量上都遠未達到實際需求，因此，如何培養“新工科”背景下的大數據人才成為高等院校面臨的新挑戰[1]。

為適應大數據時代新工科建設人才培養需求，各大高校不論在本科教育還是研究教育階段均相繼開設了大數據類的前沿課程，如大數據基礎、大數據技術與應用、云計算與大數據、大數據挖掘、大數據實時分析等，增設了大數據相關專業，或成立了大數據學院。然而，這些大數據類課程不同于傳統基礎課和專業課，其具有以下特征：內容更新速度快，大數據技術隨著相關應用和學科領域的發展而快速更迭，具有較強的時效性；學習難度大，大數據類課程綜合了信息論、人工智能、機器學習、數據挖掘、統計學等多學科知識，使得學習難度加大；更強調工程能力，大數據需要與實體產業進行深入融合才能發揮作用，工程能力的培養至關重要。然而，目前國內大數據類前沿課程的教學仍不同程度地沿用傳統的教學理念和教學方法，在課程教學過程中仍表現出以下問題：

（1）教學理念陳舊，不能適應大數據類的前沿課程

雖然目前已有一些對前沿類課程的教學改革探索，但仍普遍存在注重理論教學而輕視實踐教學的情況，教師教學依然采用以知識傳授為主的教學方式。然而，對于學生，知識的簡單積累并沒有辦法構建工程能力，從以往的學生考生考核中發現，學生對知識的綜合應用能力差，因此，教師應從根本上改變傳統教學理念，不能“把技能當作知識來教”，這樣培養出的學生很難成為具有高階系統能力的復合型人才，工程化程度明顯不足，限制了學生分析和解決復雜問題的能力。

（2）教學內容有待進一步優化，難以兼顧先進性和全面性

大數據類課程技術內容豐富，以目前我校智能科學與技術專業開設的大數據處理技術課程為例，該課程涵蓋了數據采集、預處理、分布式存儲、數據管理、分布式處理、數據可視化以及大數據應用等龐雜的內容，如果按照教材按部就班地講，很容易導致每個知識點只知皮毛，流于形式。如何能在有限的課時內，合理組織和規劃教學內容，讓學生既能開闊視野，又能兼顧深度，是極具挑戰性的。

（3）資源建設不足，難以適應高階系統能力人才培養的需要

資源建設包括教材建設、實踐案例資源庫建設和師資隊伍建設。大數據技術蓬勃發展，相關前沿課程的教材應兼顧實用性和先進性，甚至要求包含一些輔助實踐教學的教輔材料，選擇或編寫高質量的教材是一項迫切性的基礎工作。大數據類前沿課程強調與企業和實際領域的融合，為提高學生的創新能力和工程實踐能力，在理論教學過程中融合一些實際案例和項目至關重要。另外，前沿類課程對教師也出了更高的要求，教師知識、能力和素質也需要持續更新與提升，如何打造一支雙師型教學團隊任重而道遠。

2 以OBE理念為導向的教學改革模型

OBE（Outcome-based Education），即基于學習產出（成果導向）的教育模式，是我國工程教育認證的核心理念之一，其強調以學生為中心，更關心“學生學到了什么”和“是否成功”[2]，也就是說，課程內容與教學實施須基于成果導向的理念，使學生在修完課程后最終能達成相應的學習目標?；贠BE 理念的教學設計不同于傳統的教材—教學內容—教學目標的正向教學設計模式，其遵循自頂向下的反向設計規則，這里的“頂”當然是指學生預期學習成果，由該頂層出發設計其下各層的需求目標。以大數據處理技術課程為例，基于OBE 理念的教學模型如圖1 所示。通過四個課程目標（G1.4，G2.4，G3.3，G5.2）定義學生學習成果，更具體的大數據技術知識、能力、素質要求要素包括大數據獲取能力、大數據存儲和管理能力、大數據處理和分析能力、大數據可視化能力以及大數據的綜合應用能力。在實現上述課程目標的過程中，合理的教學內容設計，教學方式改革以及資源庫建設成為關鍵。最終，要以學生為出發點，設計差異性的評價方法，并及時發現問題對教學過程實施干預形成閉環以達到持續改進的效果。以下以大數據處理技術課程為例討論了以OBE理念為導向的教學改革實踐及效果。

圖1 以OBE理念為導向的教學改革模型

3 以OBE理念為導向的教學改革實踐

3.1 以OBE理念為導向的課程目標

大數據技術發展迅速，在各行業領域呈現持續融合和滲透的態勢，崗位需求量極大且類型越來越豐富，因此，通過該門課程的學習，旨在使學生熟悉數據存儲和分析技術，熟練掌握知識發掘方法，具有初步的分布式并行實踐和行業應用能力，并能持續追蹤領域發展態勢和新技術。在教學過程中引入OBE理念，最終確定本課程的教學目標為：

目標1（G1.4）：掌握各種大數據架構的工作原理，并深入理解其存儲和計算模式適用的應用領域以及局限性，并能對大數據應用領域復雜工程問題的解決方案進行評估、比較和綜合。

目標2（G2.4）：能夠掌握各種大數據平臺的設計原則及實現細節，并進行對比分析，使得學生在具體實踐應用中，能結合自己所學應用領域專門知識，對企業智能化過程中的影響因素進行分析，并獲得有效結論。

目標3（G3.3）：了解國內外大數據發展的現狀和大數據主要的應用領域，尤其是作為技術引領的各大互聯網公司的大數據處理架構，了解信息技術領域國內外發展趨勢和研究熱點，在企業智能化過程中能引入大數據新技術和新方法，對系統設計方案進行改進。

目標4（G5.2）：通過對該前沿課程的學習及探索，培養學生自主學習的能力，能夠追蹤信息技術領域發展動態和計算機新技術，并應用針對企業智能化過程中的人工智能領域復雜工程問題。

3.2 以OBE理念為導向的教學內容設計

大數據處理技術課程內容龐雜，且技術在不斷更新迭代，同時，大數據的到來給人們的思維方式產生了深遠影響，“全樣而非抽樣、效率而非精確、相關而非因果”的以大數據驅動決策和解決問題的特征，顛覆了人們的傳統思維方式[3]。因此，在教學內容設計上，采用注重大數據思維培養，全面性和先進性兼顧的原則，以到達掌握基本原理方法、開闊視野的同時，提升學生的終身學習能力等課程目標。具體教學內容設計如下：

模塊1：大數據技術基礎。該模塊包括大數據的基本概念、大數據影響、大數據的計算模式和大數據獲取技術等內容，以及與其他先進技術間的關系。通過對大數據的基本介紹使學生對大數據形成初步認識，引導學生建立初步的大數據思維觀念，以達成課程目標3和4。

模塊2：大數據存儲和管理。該模塊包括大數據分布式存儲HDFS和HBase、NOSQL 數據庫以及云數據庫等。旨在使學生理解大數據的存儲架構和原理，使大數據思維觀念得到強化，以達成課程目標1、2、3和4。

模塊3：大數據處理與分析。該模塊主要對目前主流的大數據處理框架MapReduce、Spark 和流處理框架Storm 以及大數據可視化技術進行介紹。旨在使學生理解大數據處理數據的思路，并掌握簡單的數據處理技術，培養解決實際問題的能力，以達成課程目標1、2、3和4。

模塊4：大數據應用。該模塊通過精選一些應用案例，使學生深刻領會利用大數據解決實際應用問題的大數據思維方式、感悟大數據思維的內涵，以達成課程目標1和4。

上述4個模塊在兼顧全面性的同時，要注意對知識大數據思維的深入理解培養，比如在模塊2中，對行式存儲、列式存儲及其他存儲架構在存儲結構、特點、使用場景等方面進行對比分析，在模塊3中涉及多種處理模型，也要進行模型間的橫向對比，使學生在面對實際任務時知道從哪些角度進行分析并選擇合適的存儲和處理模型，并具備獨立的系統設計和進一步的自主學習能力。

3.3 以OBE理念為導向的教學方式改革

3.3.1 項目介入的教學方式

傳統只基于教材內容的就事論事的授課方式，不足以支撐達成以上的課程目標，OBE 理念特別強調教學過程的輸出，教師在教授理論知識的同時，更要注重學生解決復雜問題的能力的培養，讓學生將知識內化，在學習過程中鍛煉能力和培養大數據思維。因此，在講授知識的同時針對不同知識點結合大量的項目案例，通過啟發式教學，在教學過程中有意識地設計問題，在課堂上引導學生排除問題，并在實驗過程中進行驗證[4]，這樣既可以激發學生的學習興趣，又可以培養學生工程思維方法及解決問題的能力。

優質的項目案例當然至關重要，因此教師應在教學過程中應注重項目案例資源的積累，并建立相應的資源庫，具體將在第3.4節做詳細介紹。這里需要強調開源項目的有效利用。大多數學生會認為開源項目難度大，不敢去嘗試，其實開源并不是高不可攀，經調研顯示開源項目的參與者中有很大一部分是大學在校生，大學生參與開源項目具有以下幾個優勢：（1）大學生相對而言時間比較充裕，甚至有些開源項目專門針對學生假期設計，如：每年的開源之夏活動；（2）可以選擇自己感興趣的領域，更加靈活；（3）有助于將理論知識應用到真實場景中，反過來又可加深對理論的理解。甚至在開源社區中，還可得到相關領域專家的指導。大數據類課程有其獨特的開放性和先進性，因此開源項目的有效利用對最終教學目標達成會起到極為關鍵的作用。

3.3.2 開展線上線下混合式教學授課

線上線下混合教學可以有效延伸課堂教學的時間和空間維度，達到“1+1>2”的效果。2019年疫情以來，線上教學資源得到了極大的豐富，包括教學課件、教學視頻、模塊測驗、項目案例庫、大數據有關的前沿技術資料等。此外，針對性更強、短小精干的微課視頻，也被用來為師生之間溝通架設更為良好的互動教學環境，調動學習積極性，并形成多樣化的交流機制。線上教學資源可以讓學生做到課前預習，課后查缺補漏、作業完成［5］。同時也方便教師觀察學生狀態，及時調整課堂講授內容，達到對課堂時間的有效延伸。線上線下混合教學示意圖見圖2。

圖2 線上線下混合教學示意圖

3.4 優質資源庫建設

教材是教學內容的載體，大數據類課程發展較晚、知識更迭快、知識范疇廣，更注重能力培養，致使教材的選擇至關重要。教材的選擇要兼顧先進性和實用性，當下該類教材編寫也百花齊放，但不管怎樣，必須杜絕“閉門造車”。任課教師可以綜合各類教材優勢形成自己的教案，甚至編寫合適的教材。此外，包含豐富課程實驗和項目案例的教輔材料也成為教材資料建設的關鍵部分。

從以OBE理念為導向制定的課程目標可以看出，大數據類的前沿課程更注重實踐和行業基礎，即工程能力的培養，以案例為依托進行研討室教學和實踐教學是達成學習成果的有效途徑[6]。因此，優質的項目案例庫建設至關重要。我們一般采用以下策略應對：將教師的科研項目引入教學；教師積極到企業考察、調研、參與實際項目；教師團隊自發設計的教學案例；探索適合教學的開源項目等。

另外，打造一支與時俱進的專業教學團隊對新興人才的培養非常關鍵。為契合新工科人才培養，應加大雙師型教師的培養。目前教師團隊建設面臨的一大問題是絕大多數教師都是從學校到學校，缺乏實踐經驗，因此，我們考慮從兩方面入手。一方面在引進具有相關教育與科研背景的教師基礎上，組織教師通過參加相關的師資培訓班，或者借助MOOC、學習通等平臺學習以實現教師自身知識、能力和素質的持續提升。另一方面充分吸納具有碩士及以上學歷并有豐富企業經驗的工程師作為專業教師，對現有教師隊伍進行有效補充。

3.5 多元評價體系

OBE理念承認學生之間的差異，應依據每個學生的個體差異采用多元化的課程目標達成度評價方式。課程目標包含知識和能力兩方面學習成果評價，設計了如表1所示的多元化評價方式。期末考試采用閉卷考試形式，重點考查學生對基礎知識和原理架構的掌握情況。優化后的評價方式將平時學生的學習討論情況納入考核范圍，使學生在課堂上有更深的參與度，進一步激發學生的學習興趣。

表1 多元化學習成果評價

4 總結與思考

大數據時代，數據驅動的具備高階系統能力的復合型人才培養仍處于探索階段。在大數據類前沿課程的教學改革中，優化教學內容，改進教學方式，完善教學資源，建設評價機制，逐步構建與大數據行業需求相適應的課程體系和培養方式，才能跟上時代發展的腳步。

然而，在專業知識和能力培養的同時，始終要堅持立德樹人為根本，充分挖掘思政元素，在課堂中植入愛國主義精神、社會責任、科學素養、團隊協作、思辨精神等元素，使知識傳授與價值觀培養達到同頻共振，培養出適合時代發展的新型人才。