0 引 言
在全球信息化的时代，大数据技术已经广泛应用于各行各业，然而传统的教学模式已经无法满足大数据时代培养高素质人才的需求，因此创新教学模式势在必行。2023 年 3 月，教育部等五部门印发了《普通高等教育学科专业设置调整优化改革方案》的通知，明确提出深化新工科建设，对现有工科专业全要素改造升级，将相关学科专业发展前沿成果、最新要求融入人才培养方案和教学过程 [1]。为实现上述目标，采用线上线下混合式理论教学模式和基于项目启发式的教学模式，基于阿里云人工智能平台，将混合教学模式应用在大数据类课程教学中，以更好地培养学生的实践能力和解决问题能力。
1 混合式教学研究现状
混合式学习模式是线上学习与线下学习的混合，更深层次的优化、选择和组合教学环境、教学资源，发挥教师引导和启发的主导作用，充分体现学生学习过程的主体作用。有学者在中国大学 MOOC 平台上创建学习资源充足、呈现形式丰富的智能机器人技术及仿真在线课程 [2]。课前进行教学设计和开发，课后开展网上自主学习。文献 [3] 中提出将问题导向式教学方法与混合式学习方式相融合的教学模式。微课、MOOC、SPOC、大数据等信息技术手段走入课堂教学，使得信息技术与教育技术深度融合，推动了教育现代化的理念创新，为构建智能化的学习环境提供了可行性。计算机专业课程的特点是知识系统性较强，理论联系实际密切，同时相关技术更新快、前沿动态时效性强，前沿技术更新频率高，该部分比较适合配合传统教学进行课外线上学习。混合式教学模式将网络化教育资源、在线教学、互动和传统课堂教学相结合，利用虚拟现实、人工智能及大数据技术等，将部分学习内容和教学过程在网络上实现，学生自主调控，但教师需要着力在教学模式、教学方法和教学内容上 [4]。大部分的混合教学模式线上部分都采用 MOOC 形式，学生被动听和看网络资源，没有主动参与的行为。为了加强学生对于线上部分的参与度，近年来也产生了新的教学方案。新加坡采取了多种措施，利用完备的网络环境来推进人工智能教育。其中，采用线上线下结合的教育模式，整合了优质师资和在线学习资源，为学生和国民提供了丰富的学习资源和方便的学习路径，还引入了互联网公司的在线共享教育资源，引导学生使用在线平台或工具学习优秀开发经验 [5]。文献 [6] 中设计了校企合作产教融合的深度学习算法与实践课程混合式教学方法，将企业的技术和平台引入课堂，教师着重设计线下授课方案，以项目式学习引导教学过程，提供了学生的工程实践能力。文献 [7] 中针对当前机器学习课程教学手段单一、教学内容多而教学课时少、实践教学缺少实际数据和案例、课程考核方式落后等问题，探索了以百度飞浆 AI Studio 平台作为混合式教学的重要载体的教学新模式。总体来说，学生在线上部分的参与度与工程实践能力的培养仍有不足。
大数据类课程强调数据分析的重要性，需要掌握数据处理、数据分析，通过数据解决实际问题，并且注重实践，培养学习者根据业务需求进行数据处理和分析的能力。学生不易接触到各种大数据分析和挖掘的行业领域，如何将现有资源与教学结合，提高学生实践能力，更好地服务于教学是需要研究的问题。
2 基于阿里云的“一个主体，两条线路，三个层次，四个面向”三阶段混合式教学模式
传统的混合式教学平台，超星、雨课堂等不能编码，数据分析及机器学习类课程更需要面向人工智能的一体化学习平台。阿里云、百度飞浆、华为云都提供了具有免费算力的云平台，可以应用于课程建设和学习。故此，以阿里云人工智能实训平台天池AI为基础构建大数据类课程教学体系，设计线上线下混合式教学方案和教学评价方法，算法理论与应用实践一一对应并相互印证，以期有效激发学生学习热情，提高学生理论与实践结合的能力，提高教育教学质量，为大数据分析及应用、数据挖掘技术等课程教学方法改革提供思路与模板。
以“一个主体，两条线路，三个层次，四个面向”构建以学生为中心的教学情境，研究适配课程的混合式教学方法，旨在激发学生学习兴趣和创造性思维，提高学生解决实际问题的能力。以符合时代要求和学科背景的教学理论和学习理论为指导，产生教育服务新模式，促进人才培养支撑体系的重构，实现学生高阶能力的培养。
“一个主体”是教与练为主线贯穿整体教学设计，教师的“教”有助于学生精准掌握数据分析算法理论知识，学生在实战演“练”中出现的问题反馈与教师的“教”，进而逐步改善教学内容。
“两条线路”是线上线下两种教学方式的混合，学生线上利用云计算平台，不需本地部署，完成实战；线下通过师生互动、生生互动达到能力的提升。
“三个层次”是理论学习、测试、实战演练。第一个层次是按照“金课”的标准设计课堂教学，并引入前沿科技知识、精品慕课等。第二个层次是在云平台上指定时间内需要学生完成测试和作业。第三个层次是学生完成教学设计的实战演练，同时对于成绩较好学生，亦可以布置平台上已有的商业真实案例实战。
“四个面向”是面向竞赛，鼓励学生参加天池大数据竞赛、Kaggle 等相关的数据竞赛，学生可以接触到真实的数据、实际的问题和解决方案，并且可以借鉴其他团队的思路和方法，不断完善数据分析和解决问题的能力。竞赛还能够激发学生的创新意识和团队协作能力，增强他们的自信心和成就感，对于学生的职业发展和个人成长都具有积极的促进作用。面向科研，教学平台加科研，相互促进，培养人才。面向业务需求，培养学生具备根据实际业务需求进行数据处理和分析的能力，注重实际应用场景的训练和实践。面向能力培养，培养具备实际操作能力、分析解决问题能力和创新能力的复合型人才。
阿里云是公有云，它将软件封装成服务提供给用户，减少了学生安装和调试程序运行环境的成本。基于阿里云提供的云计算平台开展教学实践，根据每学期教学产出，不断优化教学活动，紧跟前沿科技进步与发展，持续更新课程内容，保持课程的时效性和先进性。教学实践分 3 个阶段进行。
（1）第一阶段：制定课程目标与预期效果。了解学生的知识背景和特点，确定课程的关键知识点和层次。
（2）第二阶段：实施教学过程。设计线下理论课教学活动和教学方案，设计线上实战演练（包括详细的实现代码、实战步骤），其中实战步骤包含 Hadoop 平台搭建、数据采集、数据清理和集成、特征工程、数据建模和训练、模型评估和部署及结果解释，设计开放式综合大作业，设计多方位考核评价方式。
（3）第三阶段：学习效果评价。帮助教师和学生了解课程的效果和质量，也可以促进教学策略和方法的改进和提高。
3 个阶段呈螺旋式上升关系，每个学期 3 个阶段形成一个闭环，下个学期较上一个学期有所改善，稳步提高教学质量。基于阿里云的“一个主体，两条线路，三个层次，四个面向”三阶段混合式教学模式如图 1 所示。
3 教学实施过程
1）学情调查与分析。
进行摸底调查问卷，了解学生的薄弱环节和学习诉求。
2）确定教学目标。
难度适中，并根据每轮授课的效果评价不断更新教学内容。
（1）知识目标：掌握大数据技术的基本概念和理论，包括数据挖掘、数据分析、机器学习等方面的知识；熟悉大数据处理平台和工具，如 Hadoop、Spark 等，并能够进行基本的数据处理和分析；了解大数据应用的实际场景和案例，掌握大数据在不同领域中的应用和实践。
（2）能力目标：能够使用大数据处理平台和工具进行数据处理和分析，包括数据清洗、数据挖掘、数据建模等方面的能力；能够使用机器学习算法进行模型训练和预测，并进行模型评估和优化；能够针对实际问题，运用大数据技术进行数据分析和应用，提出解决方案并在阿里云人工智能实训平台上实现。
3）设定教学环境。
（1）线上：阿里云人工智能实训平台。天池 AI 实训平台面向在校人工智能与数据科学相关专业的老师与学生，提供实验工具和天池经典实验案例与数据集，即开即用的实验工具和教学管理，独家行业真实实训案例和数据集，在线交互式的数据分析工具 Notebook[8]。
（2）线下：理论课堂、互动和讨论。
4）设计教学活动。
混合式教学模式：混合式教学模式是教师对教学过程精心设计，学生利用线上资源进行课外学习，师生利用线下课程进行互动、讨论来提升学习效果。本文的线上线下模式与其他课程不同，线上部分学生完成算法演练和概述型课程，线下教师完成部分难点的理论授课并与学生就实战演练进行讨论和互动。
（1）线上：慕课、在线视频、算法验证、算法演练。针对第一层次，大数据处理框架、数据管理技术、数据可视化及大数据应用的课程内容以慕课方式呈现。针对第二层次，算法原理在阿里云天池 AI 实训平台在线验证。测试和作业布置都在平台发布，学生在阿里云平台上完成部分算法原理的学习和验证。针对第三层次，对数据分析和挖掘的基本任务进行实战环境演练。在阿里云平台上设计 16 学时的实战演练，与理论课一一对应，每一章节分成两个学时，每个学时有实战代码，并且代码都经过调试，只要安装好合适的库，在平台上都可以运行。设计 16 学时实战演练指导书，详细列出指导步骤，供学生参考学习。学生在阿里云平台进行程序调试和运行，供教师批改审阅。教师审阅后，在阿里云平台上展示实战参考代码，供学生对比学习。
（2）线下：复杂算法原理讲解、分组讨论、学生项目展示。从大数据分析能力培养、业务需求、与科研结合的角度布置若干项目案例，课后学生自由组队，以团队协作的形式完成项目。线下的课上学生汇报项目成果、进行案例分析，加深对知识的理解和应用，并培养团队合作与沟通能力。采用多样化的资源实现组内深度互动，教师对每组的表现给予评价，鼓励和指导优秀的团队学习阿里云平台的商业实战案例，参加平台组织的大数据竞赛。大数据类课程强调数据科学思维的重要性，培养学生具备探索数据、提出问题、分析数据、解决问题等能力。鼓励学生具备开放性思维和创新性思维，通过不同角度、不同方法去分析和解决问题，探索新的数据处理和分析方法，以适应数据科学的不断变化和发展。
5）学习效果评价。
每个学生的学习能力、理解能力、接受能力参差不齐，设计线上和线下学习环节评价、理论和实战学习环节评价、过程性和总结性评价的多方位考核评价方式（见表 1 ）。
2021 春季学期计算机科学与技术系学生共计 4 个班 96 名学生选课“数据挖掘技术”2022 年春季学期，由于 2021 年开展的教学情况反馈很好，计算机科学与技术系共计 8 个班级 186 名学生选课“数据挖掘技术”。学生在天池 AI 实训平台上参加课程，通过平台开展课程实验的学习与讨论，并提交课程作业。2023 年春季学期，共计 95 名学生使用天池平台学习“大数据分析及应用”的理论及实验课。经过 3 轮的基于阿里云平台的授课，采用混合式教学方法，学生可以更加自主地选择学习方式和时间，而不是仅仅听课和完成作业。大部分学生认为这种灵活的学习方式可以提高学生的学习兴趣和积极性，更愿意主动地参与课程。学生可以根据自己的学习进度和需要，自主选择学习材料和资源，可以增加学生的学习效果和实用性。学生在课堂外进行学习和讨论，教师在课堂上选择有难点的机器学习和人工智能算法举例讲述，生生、师生在课堂上根据项目进行更深入的探讨和交流，互动式的教学方式可以提高课堂参与度和互动性，提高了学习效率，但仍有小部分学生认为课程的理论学习和实践应用较难，今后将针对此部分学生开展差异性教学。
4 结 语
基于阿里云的大数据类课程混合式教学模式为学生提供了真实的大数据应用场景和实战环境，使学生能够深入了解大数据的技术和应用，能够在实际应用中进行实践操作，从而更好地理解和掌握数据科学理论知识。通过实际的项目实践和团队合作，学生获得更好的学习体验，激发学习兴趣，提高综合能力。混合式教学与实战演练相结合，算法理论与应用实践一一对应并相互印证，提高学生理论与实践结合的能力、提高教育教学质量，必然是教学改革的重要发展方向，为学生进一步学习大数据系列其他课程奠定坚实基础，为大数据类课程的教学模式创新提供有力的技术支撑和平台环境，今后可推广至大数据及人工智能方向教学实践中，统一大数据类课程授课体系。
参考文献：
[1] 中华人民共和国教育部. 教育部等五部门关于印发《普通高等教育学科专业设置调整优化改革方案》的通知[EB/OL]. [2023-03-02]. http://www.moe.gov.cn/srcsite/A08/s7056/202304/t20230404_1054230.html.
[2] 王旭仁, 冯安然, 熊子晗. 智能机器人技术及其仿真课程混合式教学实践与效果评估[J]. 计算机教育, 2018(10): 33-37.
[3] 陈旭生, 郭华平, 孙艳歌. 混合式学习背景下基于PBL的教学模式构建与实践: 以信号与系统课程为例[J]. 计算机教育, 2021(8): 40-44.
[4] 邹燕, 冯婷莉, 赵一凡. 混合式教学模式的设计与实践研究[J]. 中国高等教育, 2020(1): 58-60.
[5] 徐鹏, 董文标, 王丛. 新加坡人工智能终身教育体系现状及启示[J]. 现代教育技术, 2022, 32(1): 35-43.
[6] 肖雄子彦, 陈江平, 仝月荣, 等. 基于产教融合的混合式教学改革探究: 以上海交通大学人工智能实践课程为例[J]. 实验室研究与探索, 2022, 41(11): 208-212.
[7] 陈玫玫, 玄玉波, 李兆玺, 等. 基于百度飞桨AI Studio的机器学习教学新模式实践与探索[J]. 计算机教育, 2021(9): 46-50.
[8] 阿里云. 天池AI实训平台[EB/OL]. [2023-04-22]. https://tianchi.aliyun.com/education.
基金项目：黑龙江省高等教育教学改革项目“基于云计算平台的‘数据挖掘技术’混合式教学模式构建与实践”（ SJGY20210093 ）；教育部产学合作协同育人项目“基于天池AI的‘数据挖掘技术’教学案例与课程内容开发”（ 202101001030 ）；黑龙江省高等教育教学改革项目“智慧农业专业实践教学改革的研究与实践”（ SJGY20210081 ）。
第一作者简介：赵语，女，东北农业大学讲师，研究方向为农业人工智能，yuzhao@neau.edu.cn。
引文格式: 赵语, 贾琰. 基于阿里云的大数据类课程混合式教学模式创新 [J]. 计算机教育, 2023(8): 207-211.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
