導語：數據挖掘課程教學探究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：文章從研究大學本科數據挖掘課程教學現狀出發，結合大數據環境下數據挖掘的發展方向，提出大學本科數據挖掘課程教學對策，即教師正確使用課程的實踐軟件、重視理論教學、積極開展實踐教學、積極收集教學案例。

關鍵詞：數據挖掘；課程建設；教學案例

近年來，隨著云計算、互聯網+、大數據等新興技術及計算理念的發展與成熟，信息技術被廣泛運用于公共政策制定、企業經營管理、商業策略開發、金融市場分析等諸多領域，而數據挖掘作為商業智能實現的最深層次，在商業智能解決方案體系中占據著重要的位置。隨著大數據所承載的價值逐漸獲得社會各界的認同，能夠高效地獲取及應用數據的價值成為大數據時代信息管理的重要發展方向?，F代企業對大數據挖掘技術人才需求的增長，使數據挖掘課程快速發展，作為一門具備多學科交叉屬性的專業課程，它在傳統的統計分析基礎上，進一步納入了數據庫技術、高維數據處理、機器學習、模式識別等內容，具有很強的理論性和實踐性。

一、本科數據挖掘課程教學現狀

隨著人們對大數據挖掘認識的不斷深入，更關注數據的整合與融合，更注重時效性、精確性及完備性三者之間的關系，這成為大數據挖掘的新共識[1]。因此，數據挖掘技術在不斷發展，Web數據挖掘、異構數據挖掘、時序數據挖掘及深度學習越來越受到人們的關注。為了培養符合時代要求的大數據挖掘人才，數據挖掘課程需要在培養模式、教學方式、實踐設計、教學管理等方面不斷進行改革，以強化課程的可持續發展能力。通過調研，可以看到本科階段數據挖掘課程教學還存在以下幾個問題。第一，理論學習難度較大。由于數據挖掘課程的教學內容覆蓋統計學、數據庫技術、機器學習、模式識別等學科內容，對本科學生有限的知識體系而言，在短期內全面、系統地掌握相關基礎理論知識難度較大。同時，數據挖掘中的各種挖掘算法原理復雜，再加上學時限制，許多教師在教學過程中往往對算法原理的講解一帶而過，甚至忽略不講，這使得學生無法從根本上理解數據挖掘的實質，對后續學習產生不良影響。第二，實踐教學中存在可操作性不強、目的不明確的問題。近年來，大部分學校已將數據挖掘課程歸為實踐課程，然而在實際的操作環節中，并沒有對實踐教學內容進行合理設計。特別是對于一些計算機編程基礎較弱的學生而言，需要花費大量精力學習挖掘軟件的使用，才能開展數據挖掘的實踐環節，因此，在有限學時的限制下，學生學會獨立完成一套完整的數據挖掘流程是比較困難的。第三，缺乏實際的大數據挖掘案例，影響了教學效果。大量高級商業數據案例對學生的學習有著重要的作用，數據挖掘課程中最需要的一類教學材料就是案例數據。目前，大部分課程案例數據是從教材或參考書籍中獲取的，雖然具有一定代表性，但一來數據量不夠，二來離實際的商業運營數據還有一定差距，因此，需要進一步增加教學案例數據。

二、本科數據挖掘課程教學對策

首先，在數據挖掘課程教學中，教師應正確使用課程的實踐軟件，通過數據挖掘課程的學習使學生認識并掌握實踐軟件的數據分析方法，為學生今后的職業發展提供更加廣闊的選擇空間。教師充分發揮軟件的圖形和動畫功能，生成各種數據挖掘算法的過程示意圖和過程演示動畫，從而提高教學效果，增加學生的學習興趣。同時，兼顧學生的知識基礎，使擁有不同計算機編程基礎的學生都能在較短時間內進行數據挖掘實踐操作，便于開展課程的實踐教學。其次，教師要重視理論教學，利用案例、模型、過程示意圖等多種方式將理論形象化，深入淺出的在短時間內將數據挖掘理論體系演繹出來，幫助學生打好理論知識基礎，為后續的實踐教學提供理論依據。再次，教師要積極開展實踐教學，對于實踐教學階段要合理設計，堅持由淺入深、以點帶面，幫助學生使用實踐軟件解決數據挖掘的問題。合理設計實踐課程難易度，能夠激發學生的成就感，保持學生持續學習的熱情。最后，教師要積極收集教學案例。通過收集真實數據，進一步豐富教學案例庫，選擇包容度較高的實踐軟件擴寬教學案例數據的入口，降低教學案例數據的選擇難度。教師使用真實案例數據進行教學，能夠有效提高學生解決實際問題的能力。

三、結語

對于本科階段的學生而言，數據挖掘課程的主要目標包括四個完整的層級：①讓學生學會如何從各種數據源中獲取到的數據；②對于所獲取的數據高效的進行整理、預處理；③針對不同的數據類型能夠選擇最合適的數據挖掘算法進行挖掘，得出隱含的、有價值的信息；④通過清晰、有吸引力的圖形化手段展示結果，并將結果整合成合理的決策報告。課程建設應該重點突出實踐環節，合理規劃理論和實踐部分的比例，突出數據挖掘的大數據環境，強調數據挖掘技術在決策領域中的應用。

參考文獻：

[1]梁吉業.大數據挖掘面臨的挑戰與思考[J].計算機科學,2016(7):1-2.

作者:楊靜 單位:北京師范大學