《面向健康计算的《应用数据分析基础》剖释》-工学论文，软件工程论文-论文范文参考-科学狗论文网

标题

面向健康计算的《应用数据分析基础》剖释

范文

阙夏沈娟杨矫云安宁

摘要：目前，高校数据分析类课程教学模式大都采用纯“知识点”教学法，往往导致教学内容比较呆板。为改进教学内容呆板的缺点，一些高校在教学中引入案例教学法，但带来的结果是教学内容连贯性不足。针对以上问题，面向健康计算领域应用编排教学内容，对传统案例教学方法进行改进，采用真实世界数据主线贯穿知识点的案例教学法，使得教学内容活泼连贯。最后，针对实验模式建设现状提出相应解决方案。

关键词：应用数据分析课程;健康计算;内容编排;案例教学法

DOI：10. 11907/rjdk. 182469 开放科学（资源服务）标识码（OSID）：

中图分类号：G436文献标识码：A 文章编号：1672-7800（2019）007-0221-04

Analysis of Basic Application Data Analysis for Health Computing

QUE Xia1， SHEN Juan2， YANG Jiao-yun1， AN Ning1

（1. School of Computer Science and Information Engineering， Hefei University of Technology， Hefei 230601， China;

2. Institute of Information Engineering， Anhui Xinhua University， Hefei 230088， China）

Abstract： Currently， the mode of data analysis course instruction in colleges and universities mostly uses the pure “knowledge point” method， which often leads to dull contents. In view of this， some colleges and universities have introduced case-based learning in the classroom， which makes the boring content more interesting， but consequently， the teaching content lacks consistency. To solve these problems， the authors carried on the bold attempt. We made health computing application oriented arrangement of course content， the traditional case-based learning method was improved by using real world data lines through case-based learning knowledge， and we made the learning contents lively and coherent. Finally based on the present status of experiment mode construction the corresponding solutions are put forward.

Key Words：basic application data analysis course; health computing; content arrangement; case-based learning

基金项目：教育部-微软产学合作协同育人项目（201701004007）;安徽省质量工程示范试验实训中心项目（2014sxzx021）

作者简介：阙夏（1978-），女，合肥工业大学计算机与信息学院讲师、博士研究生，研究方向为数据科学和数据挖掘;沈娟（1984-），女，硕士，安徽新华学院信息工程学院副教授，研究方向为数据挖掘、机器学习;杨矫云（1987-），男，合肥工业大学计算机与信息学院副教授、硕士生导师，研究方向为启发式搜索、机器学习、并行算法、健康数据挖掘等;安宁（1971-），男，合肥工业大学计算机与信息学院教授、博士生导师，研究方向为数据科学与工程、老人福祉科技、移动健康技术、健康传播及数字化学习。本文通讯作者：阙夏。

0 引言

随着大数据和互联网技术飞速发展，数据已经成为与自然资源、人力资源一样重要的战略资源，想有效组织和利用数据中隐含的巨大价值，必须用科学方法研究数据[1]。科学研究数据的方法主要包括：数据采集、数据存储和数据分析[2]。数据分析是科技信息和经济信息的主要分析解读手段，掌握数据分析理论和技术，能够挖掘出人们需要的数据并总结分析出背后蕴藏的价值信息，是现阶段迫切需要解决的问题[3]。

快速发展的数据时代急需掌握数据分析技术的科技人才[4]。高校是培养专业人才的主要载体，在高校相关专业开设数据分析课程是培养数据人才的途径之一[5]。数据分析课程早先是面向统计学类专业本科生开设的一门重要专业选修课，课程主要介绍数据分析基本理论与方法，强调统计软件和统计方法在数据分析中的应用，以及应用统计软件解决统计计算问题[6，7]。随着社会对数据科学人才需求增加，越来越多的高校增设了数据科学专业，电子商务、信息与计算机科学等信息类专业本科生也开设了数据分析课程[8-10]。

数据分析课程“教什么，怎样教”才能快速、有效培养合格的数据分析技术人才，很多高校都进行过不同探索。关于“教什么”，根据不同专业需要，数据分析课程内容侧重点不同。有的主要介绍数据分析基本理论与方法，强调详细叙述数据分析中的线性回归分析、方差分析、主成分分析、经典相关分析和Bayes分析等重要分析方法;有的結合目前流行的数据分析软件，如SAS、SPSS、MATLAB等开展课程内容建设[12]。

（3）尝试以学生为中心的案例教学。在传统教学甚至是案例法教学中，学生的主要任务是听讲和接受知识，在整个教学过程中基本处于被动接受地位。在本文教学过程中，改变教师“满堂灌”的教学方法，尝试将部分课堂时间让给学生。让学生自主寻找适合知识点的案例，在课堂上展示，然后由同学们和教师点评。这样的教学模式，改变了过去传统的被动式学习方式，极大地调动了学生的主动性和积极性，启发、引导学生独立思考和讨论，从而发现客观规律。

授课过程采用基于真实数据为主线的案例法教学，从学生的平时作业成绩和最终成绩反映看，学生对数据分析基本方法掌握情况较好。同时，也存在一些问题：由于悟性和表达能力不一致，不同学生准备的案例质量存在差别，介绍案例时表达水平也会存在差异。这时，就需要教师在学生准备的案例基础上进行必要补充和点评，消除由于学生层次不一致带来的差异。

3 针对真实数据的实验模式建设

当今，专业型工程学科人才培养特点是注重学生理论联系实际能力、动手能力和科技创新能力等工程素质能力培养，掌握数据分析的科技人才也不例外[21]。笔者所在高校《应用数据分析基础》课程并未设置实验环节，但是课程却要求学生具备一定的实际操作能力。因此，如何建设课程实验模式是一个需要解决的现实问题。

针对该现状，大胆采用课堂时间与学生课外时间相结合的实验构建模式，在没有专门实验课时的情况下，教师在课堂上讲述相关内容，布置对应实验题目，让学生课后完成。学生因存在差异性，在没有教师指导的情况下，独立完成可能存在困难。此外，没有专门实验课，教师无法现场指导，对学生掌握的情况也不了解。对此，本文从实验环境、实验方式方面考查，主要措施如下：①成立学习实验小组。让学生自由组合，成立实验小组，每个小组1～3人，一起讨论完成实验作业。通过这种方式，学生可以在小组内讨论和相互帮助，避免学习实验碰到难题孤立无援的情况，以便构建合理的实验环境;②让学生在课堂上分享自己的实验结果。课程每周4课时，分2次上，除第一周外，每周第1次课由学生分享上一周老师布置的实验作业，第2次课学生分享新案例，或者教师讲新内容并布置课后实验作业。通过学生分享实验成果，教师加以点评，不仅教师能掌握学生的实验情况，而且学生通过教师点评，也能改进自己的实验。

除此之外，还要考虑实验内容建设。课程实验数据是与安徽中医药大学合作采集用于研究帕金森病的步态数据，实验以真實数据为主线，内容安排如下：①学习数据可视化内容，让学生对原始步态数据尝试进行可视化处理，对原始步态数据有一个初步认识，便于后续分析;②学习数据降噪和补缺等知识，让学生在学过的内容中，自选方法对步态数据进行降噪补缺;③学习数据分析中的特征选择提取方法，让学生自选方法对降噪补缺过的步态数据进行特征选择和提取;④学习数据建模，学生要选用合适的模型对前面处理过的步态数据建模;⑤学习数据建模分析方法，学生要对自己建模的步态数据模型进行分析。

由此可见，《应用数据分析基础》课程实验模式建设，是在课程无实验课时的前提下，以实际应用领域数据为主线，实验内容由处理实际应用数据的流程确定，实验方式采用学生分组课外完成和课内学生分享、教师点评相结合。该实验模式构建方式不仅克服了课时不足和课程操作性要求的矛盾，还锻炼了学生团队合作和分析问题、主动解决问题等能力。

4 结语

在《应用数据分析基础》课程教学过程中，本文对课程的内容编排、教学模式和实验模式搭建进行了探索，并取得了一定成果。同时也发现一些问题，比如由于强调数据分析的基础性，课程内容编排与《数据挖掘》、《人工智能》课程衔接不够紧密，在今后的教学中会进行适当调整。

参考文献：

[1] 李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊， 2012， 27（6）：647-657.

[2] 鄂维南. 数据科学的基本内容[J]. 中国计算机学会通讯， 2017， 13（8）：45-48.

[3] 陈华舟，石凯，唐国强，等. “数据分析”课程理论与实践相结合的教学改革思路[J]. 时代教育， 2017（17）：44-45.

[4] 张云泉，徐葳，龙桂鲁. 数据科学：问题导向的交叉学科创新[J]. 科学通报，2015（Z1）：425-426.

[5] 黄晋. 关于大数据人才培养的思考与探索[J]. 教育教学论坛， 2014（45）：201-203.

[6] 罗冬梅. 数据分析课程教学中的几个关键问题[J]. 安徽工业大学学报：社会科学版， 2007， 24（4）：102-103.

[7] 窦建君. 数据分析课程教学中的几点体会[J]. 徐州工程学院学报：自然科学版，2008，23（3）：146-147.

[8] 张蕾，魏立斐. 大数据时代下“数据分析”课程的探索[J]. 教育教学论坛， 2015（25）：154-155.

[9] 殷红梅. 数据分析课程在电子商务专业中的教学研究[J]. 电子商务， 2017（2）：62-63.

[10] 张慧. 信息管理专业数据分析课程实验教学研究[J]. 计算机时代， 2015（10）：64-65.

[11] 唐小勇. 高校计算机专业大数据分析课程教学内容初探[J]. 福建电脑， 2017， 33（3）：169.

[12] 方欢，方贤文，郭娟. SPSS数据分析课程中随机化过程实现方法研究[J]. 廊坊师范学院学报：自然科学版， 2016， 16（4）：20-23.

[13] 赵卫东，赵洪博. 基于项目沉浸式的数据分析类课程教学研究[J]. 计算机教育， 2017（6）：58-61.

[14] 朝乐门，邢春晓，张勇. 数据科学研究的现状与趋势[J]. 计算机科学， 2018（1）：1-13.

[15] 姚兴华，吴恒洋，方志军，等. 新工科背景下机器学习课程建设研究[J]. 软件导刊，2018，17（1）：221-223.

[16] 李廉. 以计算思维培养为导向深化大学计算机课程改革[J]. 中国大学教学，2013（4）：7-11.

[17] 张雯. 应用型本科高校数据分析类课程案例库建设与实践[J]. 环球市场信息导报，2017（39）：86-87.

[18] 卢珊. 案例教学在数据分析技术课程中的应用探讨[J]. 首都师范大学学报：社会科学版，2009（s4）：18-21.

[19] 于长俊. 案例教学在数据分析课程中的应用[J]. 数学学习与研究，2014（23）：12.

[20] 张家军，靳玉乐. 论案例教学的本质与特点[J]. 中国教育学刊， 2004（1）：48-50.

[21] 冯根生，冯婷，杜春荣. 基于学科特点的研究型实验教学模式建设[J]. 实验技术与管理，2012（3）：239-241.

（责任编辑：何丽）

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。