“一中心、三协同、五联动”的课程教学改革探索与实践
张昶、龚雅洁、张蕾
(石家庄邮电职业技术学院,河北 石家庄050021)
一、课程改革背景
随着数字经济的飞速发展和产业模式的不断升级,数据技术的应用已经成为企业数字化转型的核心竞争力之一。国家层面也提出要推动互联网、大数据、人工智能和实体经济深度融合,支持传统行业优化升级。这为《大数据分析实务》课程的改革指明了方向。面对此类技术课程学习过程中学生出现的“没兴趣、学不会”等问题,课程基于企业亟需的大数据分析能力,通过岗课赛证的融通和商业情境的引入,创设以岗位能力要求1中心引领、情境-任务-角色3方式协同、检-行-学-练-悟5环节联动的教学策略。同时,基于教学内容进行“自我提升、科技报国”的课程思政设计;基于数据挖掘技术,运用自主开发的学生行为评价与预测系统,实现精准的教学评价、预测及诊改。最终通过一些列的改革举措使学生具备较强的数据决策思维和数据建模能力,有效达成课程教学目标。
二、课程改革举措
(一)融岗课赛证聚焦前沿,以任务进阶重构内容
课程共56学时,在原有教学中,参照大数据分析岗位工作流程将内容分为数据采集与预处理、数据存储与组织、数据挖掘与建模、商业结论与应用四个项目。然而,该结构导致课程全部学完后才能完成一个完整工作流程,很难使学生自主的将碎片化知识内容形成完整的岗位工作技能。基于此,课程打破原有结构,以四元教学理论为基础,设计基于具体工作情境的综合学习模式。
课程对接国家专业教学标准,并通过对上百家数字转型企业的调研得到大数据分析岗位亟需的五大核心能力。以此为起点,融合1+X证书和职业技能大赛的能力要求,引入数字前沿领域的新技术、新模式和新规范。之后,以数据咨询公司员工不同成长阶段为情境设计了逐级递进的四个全流程工作模块,四个模块依据学生学习规律和大数据分析专员职业能力发展规律,分别对应新手、生手、熟手、能手四个阶段,每个模块的四个项目在纵向上均构成一个完整的数据挖掘工作流程,且在横向上难度递进。通过四个完整的工作流程模块有效对学生进行从无到有、从有到精的递进式训练。
图1 重构全流程工作模块
(二)创设“1-3-5”教学策略,推进教学目标达成
1.教学策略设计
(1)岗位能力要求“1中心”,设计综合任务,定位重点难点
为了无缝对接企业人才需求,课程以实际岗位能力要求为中心进行产教融合的课程设计,并结合校企共建的实训基地将数据挖掘的综合工作任务融入课程,实现“数据企业进校园、一线技术进课堂、在校学生入岗位”,推进“教室工作室化、教学生产化、学生学徒化、作业产品化”,最终准确定位真正的重点和难点,避免出现“僵而不化”“学而无用”的误区。
(2)情境-任务-角色“3协同”,激发学习兴趣,突破教学重点
对于数据挖掘算法理论等重点内容,学生容易出现“没兴趣、不专注”的问题。课程基于行动导向教学理论设计整体商业情境,即数据咨询公司的运营发展。这个情境贯穿课程全部教学内容,并在每次课继续设计相应的子情境,即学生在数据咨询公司中承接不同领域的数据咨询项目,使整个课程与每次课堂自然呼应,整体中体现个性化,吸引学生兴趣。结合情境设计综合学习任务,之后通过大数据分析专员、客户、电商运营人员等多种角色进行互动演练,激发学习兴趣,培养双创意识,并使学生快速进入状态,完成知识内化与迁移,由此突破教学重点。
(3)课堂教学环节“5联动”,设计三阶任务,化解教学难点
对于数据模型构建与操作等难点内容,学生容易出现“学不会、
不想学”的问题。本模块结合学习认知规律,沿着“先实践发现问题、后理论分析问题、再实践解决问题”的改革思路,设计循序渐进式的“检-行-学-练-悟”课堂教学五环节,并在每次课的教学环节中均引入难度升级的低阶、中阶、高阶三阶数据任务,触发学生解决数据问题的主动性并搭建自主学习路径,有效化解教学难点。
图2 一中心,三协同,五联动的教学策略
2.教学策略实施
课前,通过“K-means聚类+每类随机抽取”的形式对学生进行科学的异质分组,同时上传学习资料并发布低阶数据任务,使学生在没有相关理论基础的前提下探究任务,为课堂预热。
课中,积极推进课堂革命,为课堂升温。环节1为低阶检验,通过课前数据任务抽查、带入企业任务情境等步骤激发学生兴趣。环节2为中阶先行,通过自主求解难度升级的中阶数据任务发现问题,由此聚焦教学重点。环节3为思而后学,通过新知引入、分角色互动式训练、数据任务操作展示等方式突破数据算法原理等教学重点。环节4为高阶训练,通过个人训练、企业老师提醒和小组实战等步骤分析难度二次升级的高阶数据任务,逐步化解数据建模操作等教学难点。环节5为感悟提升,通过梳理内容、评价表现和思政升华等步骤总结课堂。
课后,通过线上实时答疑、拓展数据任务和测试、自建公众号的大数据知识延伸等形式,为课堂保温,最终有效达成教学目标。
图3 教学实施过程
(三)思政育人融入课程,响应时代润物无声
课程以《高等学校课程思政建设指导纲要》为指导思想设计思政育人内容,以国家科技强国和个人素养提升两个层面切入,在国家科技强国层面,结合低、中、高三阶数据任务,根据课程情境,设计“算力提升推进国家科技发展”的相关案例,形象对比我国从昨日打破技术封锁到今日数据赋能发展,使学生把自我成长与国家发展紧密相连,树立科技报国的理想信念。在个人素养提升层面,结合算法特点巧妙设计思政元素,强化学生的职业素养、品格素养和思维创新等内容。最终通过课程思政设计全方位体现爱国情怀、职业精神、工匠精神、劳动教育等内容,有效提升育人能力。
图4 课程思政设计
(四)提升数智资源效用,研发评价预测系统
目前,课程依托大量自建的颗粒化数字资源搭建MOOC和SPOC课程,这能够有效丰富教学形式并提升教学效果,如针对抽象的数据建模原理,通过教师演示与3D仿真动画相结合等形式可以形象展示算法执行过程,激发学生兴趣。同时,“线上+线下”的多样化教学也提供了丰富的学生学习数据。
基于数据,教学团队构建了全面的评价指标体系,制定完成度、准确性、积极性、协作性、创新性、勤劳度、熟练度七个学习评价指标的测量标准,由此对学生的过程行为和学习成效数据进行采集。同时基于课程重点学习的数据挖掘算法,自主研发了学生行为评价与预测系统:一方面通过对七个指标的加权计算,统筹课前、课中和课后,形成全过程的增值评价,同时通过对指标的组合加权计算,兼顾增值评价结果,形成覆盖素质、知识和能力的综合评价。另一方面,通过系统中的决策树、随机森林、人工神经网络、聚类等算法进行大数据模型训练,实现对学习行为模式的预测,精确化、智能化把控未来可能出现的结果,进而指导教学设计。
图5 数字资源与评价预测系统
三、建设成效
课程的教学改革体现了德技兼修、工学结合、知行合一的教学理念。完整的工作流程任务实现了岗位能力的全面提升。同时,相关教学策略的运用能够充分发挥学生作为学习主体的作用。
(一)激发兴趣强化素养,爱国情怀逐步升华
课堂革命激发了学生对大数据运营的兴趣,显著改善了课堂参与度。随着教学持续推进,线上学习平台互动次数及人均在线时长均持续走高;通过对学习评价指标的组合加权分析,可以看到学生的劳动意识、团队意识、创新精神、工匠精神及职业素养均显著提升;通过对每次课学生输入的词云进行统计,可以看到其已逐步具备科技报国的家国情怀。
图6 建设成效1
(二)知识技能不断攀升,教学目标有效达成
在知识考核中,对比之前内容,全班同学成绩均有所提升,这反映学生在知识层面上已从线性数据分析提升为智能决策分析。同时,在校企联合设计的大数据分析岗位技能考核中,岗位所要求的五大核心技能均有较为明显的提升,有效达成教学目标。此外,在企业实施的大数据产教融合项目中,学生的岗位操作水平得到企业老师的一致认可。
(三)赛研转化处处开花,综合能力全面提升
学生把知识、技能和创新意识延伸到课后,参加各级职业技能大赛获奖、创新实践项目立项以及创新创业大赛获奖人数的增长率超过50%,同时通过1+X证书考核的人数增长率也超过50%,提升明显。教师与学生共同组建兴趣研究小组,班级多达19人次参与省级课题、国家级专利与高水平论文的数据处理与建模。赛、研参与度达到100%,全面提升了综合能力。
图7 建设成效2
四、课程改革创新点
(一)内容重构,情境引入,对接前沿领域
课程以岗位核心能力为中心,将实际工作内容创新性地重构为难度递进的四个数据挖掘全流程工作模块,有效帮助学生将散点性知识进行整合。同时,引入数据咨询公司情境,并以具体承接的数据咨询任务延伸出相应的子情境,在情境中融合了职业技能大赛和1+X证书的能力规范,使学生提升了数据前沿领域的思维、知识和技能。
(二)信息覆盖,数据预测,灵活精准施教
课程基于不同内容特点以丰富的信息化技术为手段拓展混合式教学模式,延伸了课堂的广度,增强了学习的实时性、趣味性和交互性。同时,通过自主设计的多样化学习评价指标以及自主研发的学生行为评价与预测系统,能够达到:(1)全面的、科学的测评学生学习过程和效果;(2)运用训练好的大数据模型归纳学习行为模式并预测下一阶段的学习成效,从而设计针对性、精准化教学策略。
(三)五环递进,三阶融情,矢志科技报国
课程结合情境和任务,采用“检、行、学、练、悟”教学五环节递进,构建了“实践-思考-再实践”的自主学习路径,教师基于不同内容设计角色游戏、小组研讨、补全任务等互助式学习形式,由此激发学生的探索精神和学习热情。同时,对应低、中、高三阶数据任务引入思政案例,有效将国家科技发展与个人能力提升紧密相连,润物细无声地培育了品格素养、职业精神和爱国情怀,使学生树立了科技报国的理想信念。