浅谈基于混合教学模式的通识选修课《大数据概论》的课程设计和教改思路

打开文本图片集

摘要：随着大数据时代的到来，国内国外均面临大数据人才紧缺的问题，都在火急火燎地寻求大数据人才培养出口。高校作为人才培养的重要基地，如何在不同学科背景下培养具备一些大数据知识的相关人才就显得十分急迫。因此，本课程《大数据概论》正是在这样的背景下开设的一门面向全校本科学生的通识选修课。全文归纳和总结了基于混合教学模式下的《大数据概论》的课程设计和教改思路，希望起到抛砖引玉的作用。

关键词：大数据概论;混合教学模式;课程设计;教改思路

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2019）13-0163-03

随着物联网、云计算技术在各行各业的广泛应用，大数据时代应运而生，当前，大数据技术也正在广泛被应用于诸多行业中。然而，大数据人才现在十分紧缺，据公开资料显示，预计未来五到十年，我国大数据市场规模年均增速将超过30%。未来五年，国内大数据人才缺口将突破150万。在BAT发布的招聘职位中，目前大数据岗位占比已经超过60%。现在业界有一种观点：即使把全国所有计算机专业都做成大数据专业，仍然无法满足国内对大数据人才的需求量[1]。因此，当前我校学生有必要在了解大数据的特点上，掌握一定的大数据分析处理技术，为自己将来更好地融入社会、满足社会需求提前做好一些准备。所以，我校从2014年就开始面向全校所有专业开设《大数据概论》这门课程。

《大数据概论》是由我校大数据学院教师开设的一门面向理工科专业的通识选修课程。该课程的难度设置是科普和准专业之间，是为全校本科学生搭建起通向“大数据知识空间”的桥梁，并以“讲解基本原理、学会初级实践、了解相关应用”为教学原则，为学生在大数据领域方面奠定基础和指明方向。课程从大数据在当前各行各业的广泛应用开始，系统讲授大数据的基本概念、云计算和物联网、大数据采集与预处理、大数据处理架构Hadoop、分布式文件系统HDFS、分布式并行编程模型MapReduce、大数据在各个领域的应用。在Hadoop、HDFS、MapReduce等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。课程自从2014年春季学期面向全校本科生开课以来，已有大约1500名学生参与学习，深受学生的喜爱，学生们普遍反映，通过该课程的学习，对大数据时代及大数据应用有了一定了解，并能进一步延伸思考本专业领域的大数据应用发展方向及前景。以下就该课程基于混合教学模式的课程设计和教改进行总结。

1混合教学模式概念

当今中国对大数据相关方面人才的需求量急剧提升，且我国的教育理念也正在发生巨大变化，以往传统的教学方式已经不能满足当前教学需要，特别是以混合教学模式为主的教学方式正在快速被人們认识和接受。所谓混合教学模式就是通过各种教学媒体、教学模式、教学环境等各种要素有效的混合，从而提高学习者的学习满意度，优化学习资源的组合，达到最优的教学效果。彭涛等[2]指出，混合教学是为了实现特定的教学目标并得到较好的教学成果，其实质在于以“合”为目标，以“混”为手段。因此，混合教学模式就是可以使用各种教学要素有效的混合起来，到达特定的教学目的，在这个“混”与“合”的过程中，特别强调教师不再是整个教学的主体，是而通过学生主体性与教师主导性的结合来强化学生主体作用，即以学生为中心，学生是认知的主体，是知识的主动构建者，因此给予了学生一定的自主性，这就要求学生要具体较高的学习主动性和积极性，即自学能力。

在整个《大数据概论》课程的教学过程中，通过采用混合教学模式的教学方法，一方面学生逐渐从知识的被动接收者转变为知识的主动学习者，使得学生的自学能力得到极大的提升，另外一方面，教师在整个课堂中只起引导作用，充分发挥每个学生在整个教学过程中的主导作用，调动他们的积极性，让他们主动走进课堂，与教师进行沟通交流，从而解惑，学到知识，到达教学目标。

2课程设计内容

《大数据概论》课程设计内容如图1所示。第一章是大数据概述，主要介绍大数据时代的背景、大数据的定义和特征、大数据的影响、大数据的技术以及大数据的计算模式。首先从大数据的诞生、数据大爆炸引出大数据对社会生活产生的影响、对各行各业引起的变革，以及带来的新的问题和提出的挑战。然后再讲，什么是大数据，大数据的4V特征，以及对人们思维、社会发展、就业市场等方面带来的影响，需要学生通过与老师的讨论进一步加深认识。最后，再讲大数据技术的四方面，特别是分布式存储和分布式处理两大核心技术，由于大数据处理的问题复杂多样，任何单一的计算模式都不能满足不同类型的计算需求，因此，除了MapReduce计算模式外，还要简单介绍查询分析计算、图计算、流计算等多种大数据计算模式，有助于帮助他们较全面系统的学习大数据概述这一章的知识内容。这一章的教学重点是大数据的概念和特征，教学难点是大数据关键技术。

要讲清楚大数据技术，就要从物联网和云计算说起。第二章首先介绍了云计算的概念、云计算的分类、云计算的特点、云计算的关键技术以及云计算的应用，然后，再介绍了物联网的概念、物联网的体系结构、物联网的关键技术及其应用，最后，详细介绍了大数据与云计算、物联网三者之间的关系和区别。以帮助学生掌握大数据与云计算、物联网之间是相辅相成、密不可分的关系。本章的教学重点是云计算、物联网的概念，云计算的分类，物联网的体系结构，教学难点是云计算、物联网与大数据之间的关系。

大数据来源广泛，通过第二章的学习我们知道物联网是大数据的重要来源，此外，还有系统日志、网络数据等。因此，这一章，首先介绍为什么要进行数据采集、什么是大数据采集以及采集的要点，其次，详细介绍大数据的常用采集方法和Flume、Kafka等常用采集工具的使用，最后，重点介绍大数据的预处理技术包括数据清洗、数据集成、数据变换、数据规约等。通过实例讲解使学生掌握大数据的基本采集方法和常用的数据处理技术。本章教学重点是大数据采集方法和大数据采集工具的使用，教学难点：大数据的预处理技术。

现实生活中往往采集到的都是“脏”的数据，这些海量的“脏”数据通过数据预处理后，就可以从中提取有价值的信息了，这时就需要对数据进行分析和挖掘。因此第三章，首先从福特运用大数据分析来促进汽车销售的案例讲起，引出大数据分析的基本概念、面对的数据类型、大数据分析的基本方法、大数据分析的主要技术以及常见的大数据分析系统。最后，介绍了大数据挖掘的概念、大数据挖掘的常用方法以及数据挖掘的应用案例。本章的教学重点是大数据分析的基本方法、数据挖掘的常用方法，教学难点是大数据分析和挖掘的方法。

第五章重点介绍了大数据处理架构Hadoop。首先介绍Hadoop的发展历史、重要特点和应用现状，然后，介绍Hadoop项目结构及其各个组件，最后重点介绍Hadoop平台的安装和使用方法。本章的教学重点：Hadoop概述，Hadoop生态体系架构，安装伪分布式Hadoop，教学难点：Hadoop平台的安装和使用方法。此外，本章还安排了第一个课带实验：Hadoop的伪分布式安装，需要通过本上机实验让学生掌握在单机上进行Hadoop的伪分布式安装方法，为完成后续上机实验奠定基础。

HDFS全称就是Hadoop平台上的分布式文件系统，就是为了解决海量数据的分布式存储问题的系统，它是Hadoop项目的核心子项目。本章第六章首先从HDFS概念、HDFS优缺点。然后介绍块、名称节点、数据节点和第二名称节点的概念以及具体的执行过程，从而引出名称节点的两大核心数据结构：FsImage和EditLog，最后，详细Hadoop分布式文件系统HDFS的体系结构、存储原理和读写过程，并熟练掌握分布式文件系统HDFS的使用方法。本章的教学重点是HDFS基本概念、HDFS存储原理、HDFS的文件读/写操作过程，教学难点是HDFS的基础编程。此外，本章也安排了第二个课带实验：HDFS编程实践，使得学生通过编写一个Java程序，打开一个HDFS中的文件，并读取其中的数据并进行输出。

第七章重点介绍了分布式编程框架MapReduce的基本原理和编程方法。首先介绍了MapReduce的简介、MapReduce的功能和技术特征、Map和Reduce任务。然后，重点介绍了MapReduce的工作流程、Shuffle的执行过程。最后，重点介绍了MapReduce的一个编程实例—词频统计。本章的教学重点是Map和Reduce任务、MapReduce工作流程、Shuffle执行过程，教学难点是MapReduce的基础编程。此外，本章也安排了第三个课带实验：编写MapReduce程序实现词频统计，通过本次上机培养学生在Map端、Reduce端以及main函数中具备编写基础代码的能力，并调试出不同单词出现的次数。

随着大数据时代的到来，每时每刻都有海量数据在不断生成，需要我们对数据进行及时、全面、快速、准确的分析，呈现数据背后的价值，这就更需要可视化技术协助我们更好地理解和分析数据，可视化成为大数据分析最后的一环和对用户而言最重要的一环。本章首先介绍什么是大数据可视化、大数据可视化的过程，然后，介绍大数据可视化的工具，最后，重点介绍了数据可视化的一个实例。本章的教学重点：数据可视化概念，大数据可视化工具，教学难点：数据可视化实例制作。此外，本章安排了第四个课带实验：可视化工具Tableau操作实践，旨在让学生了解Tableau这款可視化工具，学会简单操作Tableau以及制作简单的可视化图表。

最后一章介绍了大数据的应用现状，以及大数据在智慧医疗、金融行业、智慧校园、智能物流中的应用案例。并重点以“菜鸟网”为例介绍了智能物流案例，从而让学生了解到可以使用大数据技术来提高物流信息化和智能化水平，降低物流成本，提高物流效率。

3课程教学设计

《大数据概论》的课程教学设计主要由课前教学任务、课堂教学活动和课后教学总结三个部分组成。

3.1设计课前教学任务

由于该门课是面向全校所有专业开设的选修课程，在制定课前教学任务之前，一方面要充分考虑到不同学科背景的学生，另外一方面由于我校属于二本高校，存在部分学生自主学习的愿望不强，懒惰性比较大的实际情况，因此，教学任务和内容不宜安排过多、复杂。在本次混合教学模式的实施中，课前教学任务通过布置课前导学任务单来实现。课前导学任务单一般由5部分组成，即学习目标、学习任务、课前习题、课后习题、在线讨论。

学习目标、学习任务、课前习题要求学生在课前完成。学习目标要紧扣课程教学大纲，明确重点和难点，知识点的掌握程度可以分为了解、掌握、熟悉等层次。学习任务可以由教学视频、多媒体课件等组成。课前习题可以是选择题、简单题、判断题等。课后习题可以是选择题、编程题、上机实验等，提升学生学习的成就感。在线讨论可以分为课中和课后，课中讨论这个环节是教学向学习目标延伸的一种重要方式，教师可以提出具有一定深度和广度的问题引导学生参与讨论，培养学生独立思考能力。课后讨论可以使用清华在线平台，学生可以以小组为单位，围绕本节知识内容，提出一些问题或话题，激发学生课后在线讨论。

3.2课堂教学过程设计

每学期第一堂课上，可以根据学生人数进行分组，每组人数在5-6人，并选出组长。组长的职责是服务师生，组织好本组学生完成教学任务。分组的目的有二：1）是为了完成课前任务，包括前面提到的学习目标、学习任务、课前练习，小组成员之间可以相互交流、讨论;2）是为了培养学生的团队协作精神，共同完成教师提问或课堂任务。

课堂教学过程设计分为三步骤：1）教师可以花3～5分钟检查学生完成课前导学任务情况，可以以随机提问的方式，也可以使用“雨课堂”或“清华在线平台”提前布置一些问题，来检测学生对知识点的掌握情况，并纳入学生平时成绩中;2）教师根据学生回答课前导学任务的情况，结合本节知识点，有针对性地在“雨课堂”或“清华在线平台”上不断地抛出一些新问题，让学生积极参与到课堂中去，主动去思考问题，这里要求抛出的问题要与教学环节紧紧相扣，并让学生明白到底错在哪里;3）教师总结，教师根据学生参与讨论的情况，进行系统的归纳和总结，并再次强调本节知识点的重点和难点。

3.3课后教学设计

教师可以采用任务驱动的方式，通过“雨课堂”或“清华在线平台”向学生发布本节线下课后习题，并布置下次课的课前导学任务，学生可以通过手机或电脑在线观看教学视频，线上完成课前习题，完成必要的预习任务，为下一次课提前做好准备。

4结束语

《大数据概论》以混合教学模式的教学方式来改变传统的教学方式，是属于一种比较新的教学模式，在我国很多高校都未实施，其教学模式远未成熟。虽然该课程通过我校学生的上课实践，取得了一些教学经验和成绩，但同时也暴露了不少问题，希望在今后的教学过程中不断改进。教育改革永远在路上！

参考文献：

[1]来源搜狐网：http：///a/128457757_610696

[2]彭涛，丁凌云.混合学习环境下给予学习分析技术的深度教学模式研究[J].继续教育研究，2019（9）：123-125.

【通联编辑：王力】