云端教学 | 刘广利：疫情期间《数据挖掘》课程的教学策略和混合教学实践

编者按

疫情期间混合教学的策略是怎样的？又当如何着手实践呢？中国农业大学信息与电气工程学院刘广利副教授“策略求效、实践得证”，为大家分享混合教学设计策略和实践经验。
《数据挖掘》是数据科学与大数据技术专业的一门专业核心课程。大数据分析与挖掘已经成为当前计算机及信息技术领域研究与实践的热点。从数据库的视角，《数据挖掘》课程介绍了数据挖掘系统的原型、结构、特征、方法，重点传授数据挖掘的可行性、实用性、有效性和大型数据库中模型发现的可测量性等问题。课程内容包括了KDD工程、数据仓库和OLAP、大数据关联挖掘、分类挖掘、回归预测、聚类分析等专题，且每个专题配有实例，对各类问题都将分别列举最佳算法，并对怎样运用技术给出经过实践检验的实用型规则，以确保能够使学生从中学到数据挖掘领域的知识，了解领域最新动向。

一、线上线下相结合的混合式课程教学设计

01

基于在线教学平台，践行OBE理念

混合式教学是一种线上线下有机融合的教学模式，很多新的教学理念都可以在混合式教学模式下有效实施，比如翻转课堂、OBE教育理念、SPOC等。在大数据和人工智能时代，对《数据挖掘》课程中模型和算法的掌握，是大数据专业学生URP及论文撰写必备的知识和技能，所以课程的选课人数较多，学生对课程的预期很高。基于此，笔者将新工科OBE理念充分融入教学设计，实施混合式教学模式，充分发挥了学生线上自主学习、知识获取和教师线下指导、答疑解惑的双重优势，调动了学生的学习积极性；同时注重学生学习过程的多角度评价，以及学习效果指标如思想意识、知识获取和技能操作等三维目标评价，创新了以过程为导向、以成就获得为抓手的综合评价体系；另外将农业高校特色科研融入教学中，精细化设计，有机植入思政元素，从而达成既定教学目标。

疫情期间，《数据挖掘》课程实施了“以中国农业大学在线教育综合平台（优慕课）为基础，雨课堂、腾讯会议、微信群等其他通讯工具为辅”的混合式教学，修订撰写了新大纲和新日历，建设了PPT、录播视频等教学资源，组织了课上讨论、在线沙龙、随堂测试等教学活动，并采用了独创的“九步教学法”，达到了预期目标。

02

九步混合教学模式设计与实践

基于OBE理念，笔者将自己正在进行的具有农业特点的科研项目与《数据挖掘》课程有机融合，采用混合式教学模式和翻转课堂思想，创造性地构建了新工科专业课九步教学范式，在疫情防控的特殊形势下，灵活实施了线上线下有机融合的混合教学模式。

1

第一步：课前准备

教学平台采用了中国农业大学在线教育综合平台（优慕课）。笔者提前3个月便在平台上建设好了混合课程，设定了学习单元，设计了相应的教学活动，还上传了各类教学资源和学习指导手册，录播课堂可以采用WPS工具。上课前一周，教师建好微信群、腾讯会议，并发布课程通知，开放课程第一周的教学内容和教学任务。学生提前一周准备好各类软件，并完成好系统平台的下载、注册与测试，包括优慕课在线教育综合平台、课程伴侣APP、微信群等，该步骤是后续教师教学和学生学习的基础。需要特别指出的是，课程内容的开放时机要充分发挥学生的猎奇心理，不可全部公开，也不可都不公开。

图  刘老师在优慕课在平台上建设的课程

2

第二步：知识导引

利用优慕课在线教育综合平台的“随堂教学”模块，根据学生的预习、复习情况和存在问题进行导引，针对性地开展课堂教学。比如在《数据挖掘》课程的第一次课，笔者特别提供了“啤酒尿布”问题和NBA两个案例学习视频，让学生看完视频后进入“随堂教学”回答两个问题：数据挖掘是做什么的？如何做？学生可以在微信群里或者优慕课在线教育综合平台的“随堂讨论”模块以语音或文字留言方式开展讨论，大大增加了交互性。交互部分大概需要5分钟。

图  “啤酒尿布”问题

3

第三步：课堂讨论

事先设计好需要讨论的问题，引导学生线上作答，线下则进行提问点评。疫情形势下，可以微信群通知学生进行线上知识学习，录播视频长度一般都压缩在15分钟以内，如果视频太长学生则容易精力不集中。同时将针对这部分知识需要讨论的问题呈现在线上，教师组织讨论并答疑，比如对分类的概念，特别设计了问题：分类与聚类有什么区别并举例说明。

图  “分类与聚类的区别”的讨论

4

第四步：在线测试

优慕课在线教育综合平台提供了方便实用的“在线测试”模块。教师需提前将每个知识点的测试题输入系统，构建测试题库。根据章节需要，启动一个45分钟的在线测试就可以实现对学生所学知识的检验，既方便教师后续针对性开展教学，也有利于学生巩固学习。同时，教师还可以根据需要组织课上5分钟测试，短时测试是课堂教学经常采用的手段，既可以提升学习效果又可以控制课堂节奏。

图  组织测试

5

第五步：实践教学

将实际课题或者教学实践以沙龙和讨论等灵活方式呈献给学生，引导学生学以致用和树立团队合作意识，激发学习兴趣。比如将智慧牛场科学配料系统中支持向量挖掘模型以实践教学的模式引入到课程中来，取得了非常好的教学效果。这类实践非常受学生欢迎，对学生今后做URP或者毕业设计也有一定的指导意义。

6

第六步：课堂考核

基于优慕课课程伴侣APP“随堂教学”模块的“随机点名”和“随机提问”进行。课堂上鼓励同学提出问题，教师就同学提出的问题或者教师抛出提前设计好的问题，针对性答疑解惑、沟通交流。这个步骤大约需要5分钟，设计的问题要与本阶段知识密切关联。

图  课堂上设置签到、点名、抢答等环节

7

第七步：课下作业

教师就前次作业进行点评，并采用优慕课在线教育综合平台布置本次作业。每次课程安排1-2项作业，教师布置的作业任务要能覆盖课堂教学的重点知识内容，方便学生及时发现知识掌握的薄弱节点，并进行针对性强化训练。优慕课课程伴侣APP支持教师在任何时间和地点基于移动设备批阅学生作业。

图  每次课程均安排课下作业

8

第八步：课堂总结

就本节课涉及的知识点及基本技能要求，进行概括性总结，并恰当引入下次课内容，为后续课堂教学做好铺垫。对在本堂课表现突出的学生要提出表扬，以强化其学习动机和学习兴趣。每节课的总结都要在优慕课在线教育综合平台上留存记录并备注时间，作为教师改进教学的重要依据。

9

第九步：教学反思

教师对本节课教学过程中发现的问题或总结的经验及时进行反思，记录存档。对发现的问题要及时提出诊改措施。教学反思非常重要，不积跬步无以至千里，只有不断改进不足才能持续提升教学效果。

上述步骤并非一成不变，教师可根据每堂课的实际情况进行灵活使用。

03

混合式翻转课堂的设计与实施

线上资源准备是开展混合式教学的重要基石，教学活动特别是各类研讨活动的设计与组织则是翻转课堂教学成败的关键。

图  课程的学习单元列表

1

释义型研讨

所谓释义型研讨，是指针对学生在线上学习过程中容易混淆的概念，进行翻转式分组研讨，教师答疑解惑，以确保学生准确理解这些概念的内涵和外延。比如：上课一开始教师抛出一个问题：到底什么分类问题？它与聚类问题有何区别，请举例说明。请三个小组商讨并推举一位同学回答。分类和聚类是学生非常容易混淆的概念。5分钟的小组讨论后，每组分别给出解答。一般情况下，至少两组回答是偏离的，将分类理解成了聚类。教师对同学的回答不要急于否定，而是先肯定其正确的部分。此时融入案例：父亲教孩子识别奥迪车、绿豆芝麻分开，并针对性给出释义。通过上述课堂讨论，就可以使学生对分类问题有了更清晰的认知。

2

质疑型研讨

所谓质疑型研讨，是指在翻转课堂上教师针对性引出学生线上学习过程中反馈的疑问或出现的问题，培养学生发现问题和解决问题的科研攻关与创新能力。比如就SVM模型产生过程是否利用了+1和-1的数字性质，如果两个类别本来是可以没有任何关联的字母或者数字如0和1来表示，数学模型是否就不一样了？让学生时刻保持质疑的科学精神，激发学生的求知欲和兴趣度。

3

实践型研讨

所谓实践型研讨，是指教师根据特色科研或实践背景，以翻转研讨模式引导学生以实践为导向的课堂导学模式，基于OBE理念培养学生解决问题的实际动手能力。作为农业大学的大学生，要学农知农，强农兴农，这就需要将与农业有关的科研项目融入到翻转课堂中来。比如实际课题融入：国家粮食宏观调控系统和智慧农业项目投资分析案例，翻转课堂设计中采用实践性研讨引导学生从问题出发利用数据挖掘模型进行思考。

4

推广型研讨

所谓推广型研讨，是指教师就线上知识点采用翻转分组研讨模式引导学生进行知识推广，培养学生系统性思维和创新性实践的科研素质。比如粮食安全预警问题的五类顺序回归问题，不是简单的教师一对多讲解，而是让学生参与分组讨论。

5

本原型研讨

所谓本原型研讨，是指在翻转课堂的活动实施末期回归到问题的本原上来，以求新的突破，培养学生多维度研发思维。比如如何构建两条不平行的直线，能否将SVM应用到回归和聚类问题等。

二、研究型混合教学探索

将教师的科研项目有机融入到课程中，使学生将书本知识与科研实践无缝链接，实现以学生为中心（SC）、成果导向（OBE）和持续改进（CQI）的新工科三个核心理念。研究型教学是将教师团队的科研项目与课程教学有机融合，一方面使学生将课程教学中学到的知识和技术与实际课题研究融会贯通，另一方面，引导学生在项目研究过程中探索知识创新，为未来的工作和学习提供支撑，实现新工科背景下学生培养的OBE理念。优慕课在线教育综合平台是实施混合教学的一个载体，平台专门设计了“研究型教学”模块，支持教师采用翻转课堂和分组研讨等模式将研究项目融入教学过程，支持教师构建学生学习小组并按小组分配研究任务，各小组通过基于活动的协作学习完成既定任务。《数据挖掘》是大数据背景下以实用性为主要特征的理论和实践相结合的课程，将农业特色科研与混合教学渗透融合是课程设计的立足点。具体实施路径包括：一是梳理有关数据挖掘的实际科研项目，建立了针对课程章节对应的项目案例体系；二是研究与实践启发式教学与案例实验相结合的混合式课堂教学方法，构建课程的教法体系，三是研发平台软件，建立数据挖掘课程的网络学习与实验平台，实验平台主要是以实践和应用为基础，重点考虑业界广泛应用的平台系统，比如微软的SQLServer2019+Excel2019的分析与挖掘模块、Db2的BI模块、Oracle的Darwin以及Python等一些独立的开源系统等等。笔者在优慕课在线教育综合平台的“研究型教学”模块建立了“智慧粮库与GlobeGAP透明溯源技术”的实际科研项目，让同学们在学习课程知识的同时，尝试建立模型和应用方法进行项目实操的实践训练。该项目贯穿整个课程学习的始终。

图  利用“研究型教学”模块载入实际科研项目

首先在第一章绪论部分，课程引入粮食安全包括数量安全和质量安全两个部分，指出当前粮食安全是一个重要问题，那么如何保障粮食安全，也就需要数据挖掘技术，这样就可以给学生介绍项目的背景和应用效果。其次，在第二章KDD部分，就项目的需求分析、概要设计、数据库设计、KDD模块、界面设计等进行了与课本知识相吻合的实践。第三，后续数据挖掘章节包括了相关技术的知识，比如粮食安全预警子系统采用了数据挖掘的SVM分类算法、粮食产量和需求预测方法采用了回归、时间序列和聚类算法等等。除此之外，《数据挖掘》课程还从第三章开始分别设计了小的科研案例进行实践教学，比如智慧牛场的饲料系统用于KPCA和贝叶斯分类模型实践、智慧农业板块指数预测用于时间序列挖掘实践、农业项目投资分析系统用于回归模型实践、农业区划分析系统用于聚类模型实践等等。

另外，在研究型教学设计中，笔者将科研项目“北京存量房大数据分析与挖掘系统”进行改造，按照数据挖掘中知识管理过程，分为问题定义、数据抽取、数据预处理、数据挖掘和知识评估五个阶段，培养学生参与实际项目研究的知识应用能力。教学实践表明，学生应用数据挖掘技术进行科研和实践的素质与能力得到了提升，研究型教学具有较好的教学效果。

三、进行思政育人有机融入模式设计，贯彻以德树人理念

课程有机嵌入“思政育人”模块，全方位融合思政教育。《数据挖掘》课程思政育人的主要课堂教学设计包括：

1

厚德载物与大局意识

课程开课第一周，第一单元第一章绪论，将以德育人融入案例分析，数据挖掘重在知识发现，在大数据中寻求规律性和关联性，比如“啤酒尿布”问题、NBA比赛智能分组等等。综述数据挖掘技术与应用的发展史，重点强调数据和知识都需以德载之，也就是要厚德载物，从而引出“子应刚毅坚卓，奋发图强；大地的气势厚实和顺，君子应增厚美德，容载万物”。对于学生未来从事的科研实践工作，一是数据不能捏造；二是知识必须客观呈现，不可篡改；三是要将技术和知识服务民生，为人民福祉和国家稳定发展贡献自己的一份力量。

图  思政融入-厚德载物

第二单元是知识发现，思政融入大局意识，结合课程内容的数据挖掘研究对象，将大数据特别是农业大数据分析和挖掘，通过案例引导学生得出结论，“三农问题”不单单是为了产中技术的分析，更重要的是要从产后农民增收和乡村振兴的大局出发，研究与学习数据挖掘，为国家发展与社会进步贡献力量。在课程中，结合绪论的案例分析，比如粮食大数据分析案例和实践分析，培养同学树立大局意识，把工作和学习放到大局中去思考和定位，做到正确认识大局、自觉服从大局、坚决维护大局。希望同学在以后的科研、工作和学习中要不断增强大局意识，正确处理局部与全局、当前与长远的关系，自觉从党和国家大局出发想问题、办事情、抓落实，坚决贯彻落实中央决策部署，为国家发展和社会进步而努力奋斗。

2

爱国爱民与实事求是

作为农业大学学生，以粮食安全问题作为案例教学符合课程目标和定位。分类、回归和时间序列分析以及OLAP分析是数据挖掘的核心知识内容，课程以“国家粮食宏观调控系统”中的数据挖掘技术作为案例，融入爱国爱民思想。中国粮食的发展涉及三农问题、国家安全问题和社会发展问题，我们党和国家在粮食经济发展过程中从广大人民群众有粮吃，到现在的有肉吃，再到安全农产品战略，广大农民做出了重大贡献，从而实现了粮食数量安全和质量安全，是一部可歌可泣的史诗，借此引导学生要爱国爱民，要学好本领为国家的强盛和人民的幸福而努力奋斗。

创新源于理念和思考。课程内容是“关联规则”数据挖掘理论与实践，同学们要深刻领会“好数据才有好知识”，好数据不是造出来的，而必须是客观抽取获得的，这样意外的知识如“啤酒和尿布”问题才会被挖掘出来，所以实验的本质是发现，要时刻思考与观察，遵循科学，勤于钻研。课程中几个案例都可以类比分析，鼓励同学类比提出与“啤酒尿布问题”类似的实际场景，可以激发学生科学思考的理念，树立求实思维，自觉做到实事求是，从实际出发，寻求客观必然性。

图  思政融入及思考作业

3

职业素养与诚实守信

数据挖掘技术中一个重要的概念是核函数，也是一个范数的概念，这就引出了规则意识。职业素养是人类在社会活动中需要遵守的行为规范，个体行为的总和构成了自身的职业素养，职业素养是内涵，个体行为是外在表象。在数据挖掘之分类方法授课过程中，就范数之中内涵的规范意义进行引申并推广，然后列举组织管理和企业经营过程中的范数的保距变换理念，强调位置与职责的对应，做事过分就好比做得不够一样，皆不妥当，职业晋升和目标达成都需要以一定的规范为基础，大数据之职业亦然如此。课堂教学融入的内容主要包括：职业信念（爱岗、敬业、忠诚、奉献、正面、乐观、用心、开放、合作及始终如一）；职业技能（大数据技术、项目实施与管理技术等）；职业习惯（坚守职业道德）。每个人都是一棵树，而根系就是一个人的职业素养。枝、干、叶、型就是其显现出来的职业素养的表象。

诚实守信。创新源于思考，诚信关乎成败。诚实守信，是做人的基本准则。诚实与守信是相互联系又相互统一的优良品德，是思想和行为高度一致的具体表现。课程内容中的“分类方法的贝叶斯”，概率统计是基础，深刻领会“好数据才有好知识”，挖掘的本质是发现，科研和生活中诚信也是根本。通过随堂讨论中“狼来了”的故事诠释“诚实可信”的品质之重要，“某人的行为会不断修正其他人对他的看法”这个道理，贝叶斯决策也是应用这个理论来进行村民对小孩信任程度的计算。课堂教学中特别融入“诚实守信”理念，很自然地引入诚实守信思政教育。

4

团队精神与智解民生

团队精神是大局意识、协作精神和服务精神的集中体现，核心是协同合作，反映的是个体利益和整体利益的统一，进而保证组织的高效率运转。比如神经网络和支持向量机，授课过程中，就支持向量机技术的产生过程特别融入了团队的重要性，一个组织或团体要为攻克实现数据挖掘与最优化技术的结合，找到突破点并分工协作，才能实现目标，这就是团队精神。

“解民生之多艰，育天下之英才。”作为农业大学的大数据本科生，要关注民生，并立志为民生而努力学习增强智慧。当今中国，民生问题频出，如食品安全、教育医疗等，作为农业大学的大学生，就应该“顶天立地”，学农爱农，破解当前“三农”问题，把智解民生作为人生努力的重要方向。第八周课程内容是聚类问题，数据挖掘中的聚类可以实现“物以类聚”的智能化信息处理，课程教学中特别融入“物种聚类”、基于聚类理念的“农民工”概念的产生、土地流转、粮食安全等问题，要求同学关注大局、关注民生、关注三农。

5

不负韶华与路在脚下

课程的在线讨论给出了一个数据挖掘与菜园子的案例，激发大家创新创业学农爱农的兴趣与热情，农业农村的发展需要数据挖掘和大数据支撑，也是同学们立功创业的伟大舞台，聚类找国际化成功模式，分类创新营销理念，时序挖掘引导出要借鉴历史，胜利是量变到质变的必然结果。处于如此伟大的时代，不应辜负大好青春，拿出努力和干劲，让激情洋溢于事业之创举，为国家之富强，为百姓之安居乐业，为社会之和谐发展，为农业农村之振兴，引导同学要不负韶华，做出自己的贡献。

大数据和人工智能刚刚起步，中国的发展需要我们努力奋斗，这是使命更是责任。数据也是生产力，比肩土地、劳动力、资金和技术。数据产业将在金融、证券、保险、电信、电商、科研、教育等各个领域发挥其独特的渗透属性。作为涉农院校，开设大数据专业的特色是智解民生。大数据作为智慧农业的重要支撑，必将为智解民生开辟出一条康庄大道。特色大数据专业要培养出一批能承担重大科研和智慧民生服务的毕业生，既需要教育学生掌握大数据科学与技术，也需要结合实践，融入智解民生科研训练和社会服务通识教育。

6

崇尚正能与乡村振兴

数据挖掘算法强调迭代矩阵的正定性质，以保证算法收敛和有限步终止，借此强调正能量意识，指出青年学生应该积极向上、乐观奋进，只有你我都正能思考与行事，社会才会崇正而向上。

课程教学中融入了结合“三农”问题的数据挖掘实验内容和案例分析，比如智慧农业发展国内外模式挖掘分析，植入乡村振兴之思源，鼓励学生筑牢未来事业之基础。

当前党中央国务院将农村农业问题列为折子工程，乡村振兴需要科技支撑，需要产业支持，需要人才储备。农业农村大有可为，是当代大学生创业和实现自我价值的广阔天地。（全文完）

图  刘老师悉心做的课程结语

往期精彩