2021【3】1 3 卷 1 期 ISSN:2661-3573(Print);2661-3581(Online)
年来本科毕业生考研人数逐年上升[1]，从图 1 统计可以看出，
从 2016 年到 2020 年，考研人数从 177 万人递增到了 341 万人，
2017至 2020 年连续增长率都超过 10 个百分点，而录取率也持 增长趋势，但增长率相对于报考率而言较低，考研升学压力也 在逐年增加 , 从而导致有些学生付出大量精力在考研课程上。
因此，在本科阶段的培养理念也应随之改变，需要加强发现问题、
分析问题、文献调研、解决问题等科研能力的训练，培养学生 严谨、积极主动的学习态度，为学生深造打好基础。
面向科研能力培养的《数据挖掘》课程教学模式探索
【摘 要】 《数据挖掘》是为高校信息类专业学生开设的一门专业选修课，针对新时期对学生科研能力的培养要求以及学生对本课程的 重视/ 参与程度不够等问题，就如何在课程教学中加强科研能力的培养进行了教学模式探索。提出一种面向科研能力培养的教 / 学模式，并对教学内容的设计方法、课程考核方法展开了讨论，强调以学生为中心，科研能力的培养要揉入到教学过程的每 个环节，经验证该教学模式取得了较好的实践效果。
【关键词】 《数据挖掘》；科学研究；教学模式；案例教学
1、《数据挖掘》课程教学中存在的问题
教育讲究因材施教，需要与时俱进，每个时期、不同高校、
不同学生的特点不尽相同，在教学过程中应不断发现问题，持 续改进，采用或选择越来越丰富的教学手段，提高教 / 学质量。
本节针对专业选修课《数据挖掘》的课程教学，对目前存在的 问题展开讨论。
1.1 升学深造比例逐年升高
由于学生为了提升就业竞争力、追求名校情结等因素，近
蔡江辉 杨海峰 赵旭俊 张素兰 王建丽
（太原科技大学计算机科学与技术学院 山西太原 030024）
1.2 工程教育认证毕业要求
工程教育认证旨在为专业人才从业提供预备教育质量保证，
在毕业要求指标中 G4 明确要求学生在科学研究方面，能够基 于科学原理并采用科学方法对复杂计算机工程问题进行研究，
包括制定技术路线、设计实验方案、分析与解释数据、并通过 信息综合得到合理有效的结论[2]。要求课程体系中相关课程教 学过程中进行针对性训练，《数据挖掘》的教学内容和教学方 式与科学研究的训练方向具有较高的一致性。
1.3 《数据挖掘》学生重视度不够
《数据挖掘》是计算机类专业教学计划中的一门专业选修 课，开课学期安排较晚，一般在第七或八学期[3-4]，期间学生的 重心会放在就业和考研上，因此对该选修课的重视程度比较低，
因此需要改变传统的教学模式，以学生为中心，更好的激发学 生的学习兴趣和积极性，从而达成课程的教学目标。
1.4 普通高校科研反哺教学力度不够
科研与教学相辅相成是一个老话题，利用教师的科研优势，
反哺教学可以有效提高教学质量。然而，很多高校（尤其是普 通高校）横向课题与教学结合的比较好，基础研究类纵向课题 则相对较差，而《数据挖掘》课程与之契合度较高，因此在课 程教学中，加强科研能力的培养，开阔视野是比较可行的[5-6]。
2、面向科研能力培养的教 / 学模式设计
教/学模式的设计充分考虑课程性质、学生的积极性等因素，
采用将课前、课中、课后3个环节融入线上/下混合式教学模式中，
其流程与教学模式如图 2 所示，有教师环节、线下授课环节和 学生线上 / 下学习环节 3 条线索，下面按先后流程展开讨论。
（1） 课堂：串讲本门课程的知识体系，提示学生通过线上、
线下结合的方式学习相关知识点；教师：结合科研项目，分析、
提取课题中的关键技术，凝练相关问题，供学生选择；学生：
线上学习相关知识点。
（2） 课堂：对若干实际问题进行讲解，引导学生解决问 题思路（重点）；教师：分析、总结实际问题在知识体系中涉 及的相关知识点。
（3） 学生：选择自己感兴趣的问题，进行分组、分工；
分析问题、调研、提出解决方案、理论与实验验证，判断有无 改进方案，形成改进闭环，结果展示（重点）。
（4） 教师：结合相关知识点，分析与评价学生的解决方 案与结果。
（5） 课堂：选择典型案例，进行精讲与课堂讨论，分析 有无改进方案，形成改进闭环，最后进行教师、课堂、学生 3 图 1 近五年本科毕业生考研统计情况
DOI: 10.18686/jyfzyj.v3i1.36698
2021【3】1 3 卷 1 期 ISSN:2661-3573(Print);2661-3581(Online)
参考文献
[1] 全国研究生招生数据调查报告 . 中国教育在线 微博教育，2018.
[2] 工程教育认证自评报告指导书（2020 版）. 中国工程教育专业认证协会，2020 [3] 太原科技大学计算机科学与技术专业培养方案（2019 修订版），2019
[4] 郭传好 . 需求驱动的数据挖掘课程教学改革研究 [J]. 中国教育信息化 ,2019(21):88-90.
[5] 康雁 , 林英 , 朱燕萍 , 张一凡 . 基于 SE-CDIO 的数据挖掘课程教学改革 [J]. 云南大学学报 ( 自然科学版 ),2020,42(S1):54-57.
[6] 王建新 . 数据挖掘课程中数据思维的培养方法探索 [J]. 计算机教育 ,2019(08):117-120.
[7] JiaweiHan, MichelineKamber, JianPei, 等 . 数据挖掘概念与技术 [M]. 机械工业出版社 , 2012.
个环节各自的总结（重点）。
3 面向科研能力培养的教学内容设计
《数据挖掘》课程的教学内容大体分三个层面：基本概念、
数据挖掘任务以及各类数据挖掘方法（算法）[7]，其任务及方 法在 各种信息类科研项目中有较好的应用，因此可以在教学内 容的设计上融入科研思维，不仅可以提高学生对相关知识的深 入掌握，还可以使得科研能力在潜移默化中得到训练。本节以 典型的分类任务为例，说明科研思维在教学内容中的体现情况。
（1）在分类任务的基本概念以及各类分类算法的基本思想、
适用情况等内容串讲中，强化引导学生如何选择网络资源、选择 依据是什么等思路，让学生学会自行掌握各类算法细节的方法；
（2）讲解项目任务，强化引导学生分析实际问题、调研研 究动态、选择合适的算法、分析评估算法性能、切入可以改进 的关键点等思路，引导学生自行解决实际问题；
（3）典型案例讲解，强化分析、讨论、评价学生在解决问 题各个环节上的实施情况，强化理论分析与实验验证。
4、优化考核方式
《数据挖掘》是专业选修课，旨在拓宽学生的知识面，训 练其科研能力，因此考核的基本思想是强化过程性考核，淡化
卷面考试。过程性考核在“选择典型案例，精讲与讨论”环节 进行，成绩采用五级制，通过教师对学生案例的引导分析、讨 论与评价，由师 / 生按比例投票式打分，作为学生考核成绩。
可以提高学生对案例分析、讨论与评价的参与感，不断强化、
加深学生对科学研究过程的理解。
5、结语
新时期科研能力的培养得到了高校的普遍重视，《数据挖掘》
教学模式在我校计算机专业进行了试点，并获得了良好的效果。
从学习情况来看，这种方法的教学实践具有以下几个优势：（1）
学生参与的积极性有显著提高，具体表现在出勤、课堂讨论发言、
线下与教师沟通情况等方面；（2）学生对科研思维有了更深入 的理解，具体表现在学生毕业设计选择科研题目的比例有所提高，
设计过程特别是在调研文献、选择解决 / 改进方案等环节的表 现相比过去有了较好的提高；（3）从升学学生的反馈情况来看，
相对更容易上手。
基金项目：山西省高等学校教学改革创新项目（编号：
J2019129; J2020213）; 山西省精品资源共享课（K2020148）；
太原科技大学教学改革创新项目（编号：201908；201866）。
图 2 面向科研能力培养的教 / 学流程与模式
