高校工科大数据课程教学,该文是教学研究相关论文范文文献与工科和教学研究和课程相关论文范文文献.
教学研究论文参考文献：
摘 要：大数据技术的飞速发展对社会的进步产生深远的影响.传统高等学校教育方式必将发生变化,开设大数据相关课程是未来发展趋势.文章首先探讨大数据课程生态圈,同时分析国内外高校教学中的大数据课程建设现状,讨论大数据课程体系教学模式和培养对象的层次目标,最后提出大数据课程进行教学改革探索的具体措施.
关键词：大数据；云计算；物联网；数据分析；课程建设
0引言
近年来,大数据、云计算[1]、物联网等技术的相互融合产生了海量数据,全球数据量大约每两年翻一番.大数据[2]指数据的大小超出常规的数据库工具获取、存储、管理和分析能力的数据集,其意义在于对多种类型的数据集进行分析和研究,提取有价值的信息,帮助人们在解决问题时做出科学的决策.大数据呈现出与传统数据不同的特点,数据量呈现规模巨大（volume）,容易积累TB级、PB级的数据；数据类型多样（variety）,包含视频、音频、日志、图片等结构化和非结构化数据；对数据分析大量采用可视化方法,秒级时间内就可以分析出结果（velocity）；通过对不同主题要求的信息挖掘,发现大量数据潜在的数据价值（value）.这些特点无疑会带来大数据与互联网的深度融合,大数据正成为行业的创新点.各企业、组织纷纷借助大数据的发展,形成新的增长点并在应用领域崭露头角.相关数据统计显示,未来市场对大数据相关岗位的需求缺口达到百万级别,因此,大数据专业及课程的开设迫在眉睫.大数据必将促使人们思维方式悄然变化,大数据技术的应用必将会促进学校和教师在教学方式、模式、内容、实验等方面进行改革[3].
在大数据时代背景下,该课程体系涉及众多领域的框架和计算模式,如图1所示.
HDFS是分布式文件存储系统,在其之上的是资源调度管理YARN,基于MapReduce、DAG、内存的集中计算模式都是在其之上完成,Hbase作为非传统数据库存储相关数据,Sqoop、Flume负责数据的采集、迁移工作.Zookeeper、Oozie、Ambari负责相关协调、调度、安装任务.可以看出,随着技术不断发展,一个丰富的大数据生态圈已经形成.
1高校大数据相关课程开设现状
随着大数据技术的发展和相应理论的成熟,大数据技术必然会成为各高校的重要课程.现在,国外很多学校已经开设相关课程,如大数据分析统计基础、大数据挖掘与机器学习等.国内一些高校也正在尝试开设大数据课程,帮助学生了解大数据,学习大数据分析[4].国内很多院校都在积极申请大数据的相关专业,大数据统计基础、数据清洗和Linux操作系统等核心课程必将成为计算机专业的核心内容,也会成为高校重要的基础课程.2015年首批开设数据科学和大数据技术专业的学校有北京大学、中南大学和对外经济贸易大学,2016年全国有34所高校申报成功.从申报的地理分布来看,东北1所,华中3所,华南4所,华北和华东各7所,而最密集的区域在西南,有12所之多,其中贵州和北京分别有5所高校,可以看出,大数据相关专业在开设的初期,呈现出发展的不平衡,需要管理部门优化教育资源的配置.目前,大数据教学案例还不够丰富,课程体系建设还有待完善,有些课程的设置不能紧密跟随大数据的步伐,使得教学内容和形式还比较滞后,教学不能很好地实现理论联系实际,学习效果因此受到影响,教学质量也不能达到预期效果.
2大数据课程体系内容
2.1大数据课程相关知识
大数据课程主要涉及大数据特性、大数据的应用及数据资源化、大数据分析与建模、大数据的编程模型和数据库技术等主要内容.大数据依赖底层平台数据支持,包括云存储、云服务、虚拟化技术等内容.大数据技术需要众多课程知识的支撑,包括Linux系统的使用、Hadoop的安装使用、非传统数据库HBase、MapReduce编程模型、数据仓库Hive、Spark、机器学习、大数据统计学、数据的采集工具Flume、Sqoop和抓取工具Python语言、可视化技术R语言等,这无疑大大增加了学习难度,也使得学习需要多元化.
图2是整个大数据课程相关的知识体系,每层面向不同的培养对象群体,底层是原始的数据,图片、音频、视频、文字等各种类型的数据文件在此汇聚,主要以数据库和文件的形式存储.再上一层是传统的数据库Oracle、SQLServer、MySQL等,管理员在此可以通过SQL语句完成各种数据的操作,完成基本数据管理操作.此外还有近些年兴起的非传统数据库（NoSQL）,如Redis、MongDB、HBase等,很多分布式文件的存储都依赖于Hadoop平台下的HDFS数据文件格式存储.该层通过各种数据库和数据资源的导入汇聚成数据仓库,形成更大的数据资源,可以在此基础上做在线数据分析（OLAP）,数据仓库产品Hive可以通过类似SQL语句的查询形式完成分布式数据处理方式MapReduce的编程操作,对MapReduce编程模式不熟悉的用户,完全可以不必了解太多编程模式的细节.分布式数据的汇总可以通过Sqoop、Flume等工具进行数据导入完成合并操作.自下而上的第三层可以使用统计学的相关知识,利用统计量和参数值做数据分析形成分析统计报告,该层需要用户有比较扎实的数理统计知识背景,同时还需要精通各种常见的数理统计工具,如SAS、IBMSPSS、R语言等.这一层开始对原始数据做比较详细的分析,同时肩负着数据清洗、转换、约束等基本工作,为后续的数据分析和决策判断打下基础.自下而上的第四层会利用数据挖掘的分类、预测、聚类等经典算法对底层的数据进行进一步挖掘和分析,相比之前的数据分析,此层的分析主题会更有针对性,除了前面介绍的SAS、IBMSPSS、R语言还有Weka、MatLab等工具都实现了很多数据挖掘里面的经典算法,并且还在不断发展中.值得关注的是近些年比较热门的基于内存的Spark产品中的MLib模块也对数据挖掘的众多经典算法提供了很好的支持,并且基于分布式内存处理方式极大优化了传统数据算法的时间成本.金字塔顶层是数据展现层,此层主要通过可视化的手段给最终用户展现分析的结果,新颖、高效、充实、美感的图形化的数据展示有利于用户了解丰富的数据信息.最高层是提供给最终用户的决策层,服务对象主要是企业、政府、公司的决策者.传统可视化软件仅用于单个文件处理,同时处理多个文件的能力较弱,图表的分析也无法在交互界面中显示,在处理比较新颖的统计方法中更新周期较长.主流的一些可视化产品包括R语言、Echarts、Tableau等,统计软件R软件扩展包众多,拥有强大的同时处理大批数据文件的功能,成为大数据时代不可或缺的软件.
2.2大数据课程培养对象和目标
大数据背景下高等教育需要紧跟时代步伐,对课程教学而言,培养学生的数据处理、分析、应用能力是课程教学的核心,必须重视不同层次学生独立思考和解决问题能力的培养,这是学生创新能力培养的关键[5-6].在图2的不同层次中,数据存储和数据管理的用户负责数据的整理、转换、导入、清洗等工作,一般是管理数据运行、维护,也可以认为是数据源、存储层,定位的培养对象是本科生,主要解决数据处理.数据分析和数据可视化用户的要求除了熟练掌握底层数据操作外,还要求有一定的分析和创新能力,要求学生能够在大数据环境下挖掘数据、分析结果、改进模型、提出新算法,甚至可以创建新的开源框架,这就对培养目标提出更高要求,本科学生只要求运用经典方法做数据分析,而研究生、博士生在此可以进行更为深入的探索研究,更侧重理论性,需要根据数据建立合理模型运用分析.从图2可以看出,数据分析用户和数据可视化用户可以归结为数据分析和挖掘层,决策层用户为企业、公司等的政策制定者,培养对象可以是非计算机相关专业的学生,不需要了解底层的技术细节,只要学会运用工具做出科学的判断即可,该层也可以理解为最终的大数据应用层,偏重于解决具体行业实际应用问题.可以看出,大数据课程体系要求学生能掌握面向大数据的数学、统计、计算机方面的理论及技术知识,并能够熟练运用这些基本方法胜任数据的建模、分析、挖掘、统计等工作.
3高校大数据课程教学思路探讨
3.1教师知识结构需要不断优化
在大数据时代,高校教师要走在时代前列,不断加强专业知识学习,提高自身业务水平,调整和优化知识结构.从图3中可以看出,教学有3个比较重要的角色,其中之一就是教师,教师是大数据课程建设的关键.由于大数据技术课程在很多高校还没有完全开设,目前还处于研究建设状态,存在着诸多教学内容上的问题,教学材料缺乏,一本教材上的内容并不能完全展现大数据课程的全貌,与相关课程彼此间的衔接和串联需要老师根据选定教材上的知识点整合教学内容,形成适合学生学习的知识脉络.同时,教师需要将一些大数据技术的手段运用到实际的分析案例中,如网上用户的购物习惯分析、物流配送优化分析、购物情感心理分析、基于基站的人群类别划分等,激发学生学习的热情和动力.
大数据课程授课中,教师要了解学生学习的全过程和轨迹,学生课前预习、课堂考勤、课间讨论、课后实验、课后练习等,都将被涵盖在大数据分析中.老师可以利用大数据课程本身的技术优势,教以致用,借助学生的学习特征,进行数据分析,从中提取有价值信息,精确掌握学生学习行为,因材施教.老师甚至可以构建学生行为相关模型,预测下一步所需要的教学内容并对学生的未来学习发展进行科学合理规划.例如,可以捕获到教学视频中有大量学生回放部分的章节,这意味着这些内容所对应的知识点可能有教学设计上的不足,指导教案重新设计.此外,在课后习题自动批改过程中,也可以找到学生对哪些知识点掌握得不够,利用数据分析技术提取题目涵盖的知识点,重新从题库中自动抽取题目供教师上课讲解.
3.2大数据课程教学手段多样化
课堂板书教学结合多媒体教学,在很大程度上提高了教学效果,但是针对大数据技术课程还远远不够,从图3可以看出教学众多的环节都会和视频教学有关联,视频教学是不可或缺的重要环节,它关系到指导学生实验、分析学生观看行为、了解学生学习进度等方面的问题.大数据课程中很多编程、配置、原理的细节需要有实际环境的演示,如果仅靠单一的PPT学习,许多细节不能学习完整,讲解也有局限性.同时,由于投影屏幕太小,很多技术上的细节看不清楚,非常容易忘记.课堂上老师讲得辛苦,时间紧张,偶尔遇到配置兼容性问题,还要临时在课上调试解决,耽误很多宝贵时间.与此同时,学生学得吃力,信息量大,很难及时消化,课后又不能完全回忆起课堂内容,因此,迫切需要改变教学方式.网络视频教学为教学大数据的收集、整理和分析打下了基础,国外普林斯顿、伯克利等知名学府都逐步向全世界开放自己的视频课程.清华大学、北京大学等,也都纷纷提供免费网络课.MOOC(massiveopenonlinecourses)、翻转课堂(flippedclassroom)等多样化的教学模式正在改变学生上课的方式.网络资源教育平台有力地补充了传统教育的不足.
3.3学生学习大数据课程的方法
随着大数据时代的到来,需要制定更加符合学生自身发展的培养目标.学生要有一定学科交叉的知识背景,夯实自己的能力.
从图3可以看出,学生主要受到教务管理部门和授课老师两个角色的影响,而学生在学习中的反馈信息无疑又会提升前两者角色的管理和教学水平.在教学前,学生可以预习上课内容,随后教师检查学生预习进程,教师通过统计学生掌握情况,有针对性地进行讲解.课后,通过作业、布置学习资料巩固所学知识,对学生进行学习指导,完善课程教学内容.管理部门也可根据学生情况适时调整管理方案.学生在学习时首先要搞清楚大数据整个课程体系的脉络,然后根据老师上课讲解,逐渐梳理内容,把之前所学的高等数学、统计学、面向对象编程、Linux操作系统、数据库、数据结构、算法分析与设计等多门课程的内容有效地融合到大数据课程中,找到这些课程和大数据课程的内在联系,这样既能够提高学习效率,也能极大地激发自己对学过课程的兴趣和认识.有些学生即使临近毕业可能都对自己学到的计算机方面的专业课程知识缺乏深入了解,连贯性和整体大局观不强,只见树木,不见森林,导致学生认为相关计算机课程和自己所学专业内在没有多大联系,缺乏学习的动力和热情,也不能够把相互依赖的知识点通过案例融会贯通,最终学不能致用,迷失了学习的方向.
大数据课程的学习需要学生做到理论和实践有效结合.实验中的配置环境复杂,实验中每个同学遇到的问题可能不尽相同,老师在有限的实验时间中,不能够完全覆盖和及时回复所有的问题,也需要避免影响实验内容的讲解.因此,实验环节中可以就某些章节指定几个同学组成小组相互学习,在实验课中讲解提高,小组成员之间需要分工协作完成实验内容,有问题可以和老师讨论,从而在老师的协助下,由各组同学协同完成课程实验的内容,这样既保证了效率也兼顾到及时的交流和协作能力培养.
3.4教学管理部门资源配置和管理优化
从图3中可以发现,大数据课程建设需要教学管理方面的大力支持,这是加快高等教育大数据进程的有效途径,让有限的资源得到合理的利用,最大限度发挥师生的积极性.近年来很多高校在大数据课程的建设上投入了大量资金进行信息管理系统建设,信息系统极大地方便了日常的教学工作.然而,大部分教学管理系统功能比较独立,还不能有效融合促进信息一体化,有些数据不能在多平台共享.为避免重复投资浪费,可以现有的教学管理系统平台为基础,对其功能进行扩充,以便逐步采集、共享、分析教育管理过程中的各类数据,并根据数据分析课程教学效果,形成一个真正的数据融合的大数据教学管理辅助平台.此平台的提升不但能促进大数据课程的长远发展,也会让整个高校的教学管理步入一个新的台阶.目前,安徽工业大学已经在此方面做了积极有力的探索,并取得了积极效果,如课堂考勤、网络教学平台、学情预警、手机端的信息管理、多媒体教室管理、网上评教系统、毕业设计系统正在彼此融合,做到信息一体化.
在实验室建设和管理中,大数据技术需要众多开源软件的支撑,环境的搭建通常比较繁琐复杂,如在Linux的虚拟机环境下配置,有大量的命令需要手工输入,这就需不断建设完善的教学视频和配置指南以备学生反复观摩、学习.同时,也要考虑到实验室资源的限制和资金投入问题,采用云计算的资源虚拟化、虚拟机技术,适当调用云端虚拟机搭建配置环境,既可提高效率,也能有效节约成本.这样的实验环境可以在实验室和学生自己的设备上快速配置,从而解决课后无法重现实验细节的技术难题.
4结语
大数据时代的来临推动着信息化发展的浪潮,必将改变当今教育的现状.我们应当顺势而为,主动适应大数据时代教育的需求,加大交叉学科理论研究的探索,积极引导教师参加课程体系建设活动,提高教师整体的教学水平.同时,随着大数据技术相关课程的逐步开展,诸多挑战也会产生.教学改革和课程建设不是一蹴而就的,而是一项艰巨的系统工程,需要不断发展完善.大数据给计算机专业教育和交叉专业带来众多机遇和启发,教师需要在教学实践中不断探索和完善,提高自身教学质量,加强与同行间的合作,总结教学经验,做到在大数据时代下计算机专业教育从理论体系、科学实践、教学方案等方面的创新,为提高计算机专业课程体系的教学质量提供依据.
基金项目：安徽省教学研究项目"面向工程创新的计算机网络类专业人才系统能力培养模式研究"（2016jyxm0132）.
第一作者简介：李乔,男,讲师,研究方向为服务计算、软件测试、云计算,75807995@.com
参考文献：
[1]李乔,郑啸.云计算研究现状综述[J].计算机科学,2011,38(4):32-37．
[2]程学旗,靳小龙,王元桌,等.大数据系统和分析技术综述[J].软件学报,2014,25(9):1889-1908．
[3]陆星家,王玉金,刘林林.大数据背景下的计算机课程分层教学研究[J].计算机教育,2016(5):52-55.
[4]林子雨.大数据技术原理与应用[M].2版.北京:人民邮电出版社,2017:242-251.
[5]胡蓉.基于大数据背景下的高校计算机教学研究[J].科技展望,2016,26(24):227.
[6]宁勇.大数据背景下的高校计算机专业教育改革研究[J].数字通信世界,2016(5):302.
（见习编辑：景贵英）
括而言之:该文是一篇关于经典教学研究专业范文可作为工科和教学研究和课程方面的大学硕士与本科毕业论文教学研究论文开题报告范文和职称论文论文写作参考文献.
大数据环境下提升高校计算机教学质量
摘要随着科学技术的不断发展,互联网的不断普及,人类逐步进入了大数据时代 微信、微博……社交平台的出现使人们的信息交流更加快捷,如今人们每天需要从大量的数据信息中获取有价值的信息 大数据环境对高校的计算.
高校图书馆在大数据背景下教学中的作用分析
摘 要随着社会的不断发展,教育事业越来越受到广大人们的重视 但随着科技的进步,教育设备也在与时俱进 那么,为了提高高校图书馆中的管理水平 不少的高校图书馆运用了大数据 通过大数据将图书馆里的资料进行收.
大数据思维在高校教学管理中的应用探究
摘 要现代社会高速发展,数字化、信息化快速席卷全球社会各个层面,因此大数据也慢慢地深入到了人们的学习、工作与生活之中,并扮演着重要的角色 在高校的管理中大数据思维也慢慢的成为主角,用大数据分析思维来解.
应用型本科高校食品工程原理课程教学
雍雅萍,苏 靖（河套学院农学系,内蒙古 巴彦淖尔 015000）摘 要根据学院转型发展,培养应用型人才的理念,对食品工程原理课程教学进行思考与探索,针对该课程特点及教学过程中存在的现实问题,从优化课堂.