新工科背景下大数据通识课程建设探索

张兆民，付维方，张伟纲，刘 博

（中国民航大学交通科学与工程学院 天津 300300）

新工科（Emerging Engineering Education,3E）是基于国家战略发展新需求、国际竞争新形势、立德树人新要求提出的我国工程教育改革方向[1]。教育部先后出台了《关于开展新工科研究与实践的通知》《高等学校人工智能创新行动计划》等通知，要求推进 “新工科” 建设。新工科背景下，要不断丰富教学形式，完善教学质量保障机制，以学生为中心，树立 “产学研用” 的工程理念[2-3]。随着新工科建设逐步推进，围绕大数据与其他工科专业交叉融合，复合型专业人才培养受到了广泛的重视。但是，对于非计算机的其他工科专业，开展大数据通识课程建设仍面临着诸多挑战。

1 ADDIE拓展模型概述

ADDIE（Analysis-Design-Development-Implementat ion-Evaluation）模型作为一种通用教学设计模型，包括分析、设计、开发、实施、评价，是一个动态的循环结构[4-5]。五个环节组成了既相互独立，又相互衔接的非线性系统。ADDIE拓展模型是在ADDIE模型的基础上，将整个教学设计模型系统分为资源层面、运行层面和目标层面三个层次[6]。

2 课程建设目标层与资源层分析

2.1 课程目标层建设

首先，要建立毕业要求与课程目标的关系。 “大数据分析与应用基础” 课程满足新工科建设要求，具有较强的民航维修特色，毕业要求需要满足学生的培养方案。基于此，需要建立毕业要求指标点与课程目标的对应关系。

其次，对课程目标进行分解，主要包括以下课程目标：①了解大数据基本概念与大数据思维等基础知识；②掌握大数据分析的全流程；③掌握大数据管理基本技术，了解大数据的典型应用。

2.2 课程资源层建设

课程资源层分析是课程建设的重要内容，是保证教学活动开展的前提与保障。 “大数据分析与应用基础” 课程在广泛调研的基础上，形成了教材类资源、线上公开课资源、公开数据资源和实验室资源等多方面的立体化课程资源。其中，教材类资源包括通识类、基础类、实训类和专题类四种教材资源。

3 课程运行层建设

3.1 分析阶段

课程分析阶段包括四个方面的分析，分别是学习需求分析、学习者特征分析、学习内容分析以及资源和约束条件分析。

3.1.1 学习需求分析

课程改革之初，教师采用问卷形式对参与课程学习的92名同学对本次课程的学习需求进行调查，得出如下几点结论：①对于操作类的学习需求较多， “实验” “软件” “动手” “实际操作” 等词汇出现较多。② “数据处理” “理论” 和 “处理过程” 等关键词，主要体现大数据存储和大数据分析的理论学习需求。③对于基础性的编程语言具有学习需求，学生的基础较为薄弱，出现 “编程语言” 和 “基础薄弱” 等关键词。因此，以上问卷的分析结果，对于课程内容设计，尤其是课程课时分配、拓展资料的选择、课程模块设置等提供了重要的参考。

3.1.2 学习者特征分析

针对授课对象的学习起点、专业特点、年龄和认知水平等进行分析，为教学策略和教学内容的选择提供参考。由于大数据课程需要一定的编程语言基础，重点对授课学生群体的编程基础进行问卷分析。从问卷调查结果可以看出：60.47%的学生具有C语言的编程基础；48.84%的学生具有C++的编程语言基础；此外，Python、JAVA和Linux操作系统操作语言等其他语言，部分学生具有一定的基础。由此可见，具有一定的编程基础，但是并不具备大数据课程需要的Linux操作系统操作语言基础，因而在课程内容设置中需要对Linux操作系统的操作语言进行重点授课。

3.1.3 学习内容分析

“大数据分析及应用基础” 具有多学科交叉特色，主要关注大数据在民航领域的应用。通过本课程的学习，不但能使学生具备良好的大数据分析基础，同时还能培养学生综合分析问题、解决问题的能力以及应用的能力。因此，考虑到民航特色、行业特点和大数据的学科特点，课程的任务主要包括以下几方面：①向学生阐述大数据分析的基本概念和相关理论，以及利用Hadoop等相关软件实现基本的大数据分析。②关注大数据在民航领域的应用。③使学生理解大数据的基本概念、大数据的分析方法以及了解大数据的关键技术等，注重知识的综合分析和应用，为学生工作后对大数据的分析和应用奠定坚实的基础。

3.1.4 资源和约束条件分析

资源和约束条件分析主要包括：时间、人员、工具、辅助资源等。由于大数据课程要求学生具备一定的操作动手能力，因此，本课程在目前 “数字化维修实验室” 的基础上，进行了实验室资源开发，为课程提供实验室条件。同时，在资源方面，为学生提供了教材选择、线上公开课、公开数据集和相关竞赛等课程资料。在约束条件方面，为保障授课效果，课程内容需要增加大数据软件安装课程内容，让学生在自己的计算机内安装软件，以保障实验效果。

3.2 设计阶段

课程设计阶段主要包括确定教学目标、教学内容设计和制订教学策略等内容。

3.2.1 确定教学目标

从大数据素养、大数据基础知识和大数据能力三个方面进行培养：①大数据素养培养方面，需要培养学生的家国情怀、民航精神、科学精神、大数据思维、大数据安全和大数据伦理等方面的素养与情怀。②大数据基础知识方面，主要包括两部分内容，分别是素养类和技术类。其中，素养类知识包括大数据基本概念、大数据思维、大数据安全和大数据伦理；技术类知识，主要围绕大数据的生命周期开展，包括大数据采集与预处理、大数据存储与管理、大数据分析与计算和数据可视化。③大数据能力培养方面，需要培养学生的文献查阅能力、编程能力、民航领域应用创新能力、大数据与本专业融合的综合能力。

3.2.2 教学内容设计

在确定教学目标的基础上，开展了课程的教学内容设计，共36学时，主要包括以下三部分内容模块。其中，理论部分24学时，包括素养类理论和技术类理论；实验部分8学时，包括基础操作、数据存储和数据分析；第四课堂4学时，包括大数据软件安装和课程资料学习。

3.2.3 制订教学策略

结合上述教学目标和教学内容等，制订了 “线下为主，开展理论教学；实验为主，开展实践教学；线上资源辅助，开展第四课堂学习” 的教学策略。并根据课程知识体系中的难点和重点，以及学生课前、课中、课后的学习情况，制订对应的教学策略。

3.3 开发阶段

课程开发阶段包括教学资源制作和实验室资源开发两部分内容。

3.3.1 教学资源制作

该课程以《大数据导论》（林子雨主编，人民邮电出版社）为基础，依托课程资源层教材、线上公开课和公开数据资源，开发多媒体课件、视频、题库、考核方案、电子教案和参考资料库等多方位立体化教学资源，为教学活动和学生学习提供保障。

3.3.2 实验室资源开发

为保证实验教学，实验室计算机安装了Linux操作系统、Hadoop和Spark等软件，该实验室资源能够支持学生完成Linux操作和Hadoop操作实验、HDFS操作实验、Hbase操作实验、MapReduce操作实验以及Spark操作等基础实验内容。

3.4 实施阶段

本阶段对 “大数据分析与应用基础” 开展课程建设的初步试验，在2020―2021第1学期对工业工程专业两个班级开展教学，后期在其余学期进行不断更新和完善。在课程实施阶段，要通过实施发现课程设计的不足之处，并进行完善和更新。主要包括以下三方面内容：首先，要准确把握教学的重点和难点，与学生充分沟通，并不断完善和更新教学计划。其次，要根据时代的发展，不断更新课程资源、课程思政内容等。最后，要注重课外学习，鼓励学生参加和关注大数据相关的知识竞赛，拓宽学生的视角。

3.5 评价阶段

评价阶段，在课程开始、中期和课程结束后，采用问卷调查的方式对课程进行整体评价，并根据评价结果，改进和完善课程。

3.5.1 学生课程收获自评情况

学生根据课程学习情况进行自我评价。通过课程学习，学生自评收获主要包括如下三方面：①学生对于实验部分的收获较多，尤其是 “软件” “Hadoop” “实验” 等关键词出现较多；②对于 “数据处理” “数据分析” 和 “专业知识” 的结合方面，具有一定的收获；③提升了学生的数据素养， “思维” “视野” “认知” 和 “时代” 等关键词较多。

3.5.2 课程内容评价情况

对于课程内容和课程安排方面。对于课程内容，主要包括以下两个方面：①课程理论内容和实验课相结合，课程内容充实， “理论” “实验课” “理论知识” “理论课” 等关键词较多。②课程内容较为充实，并能够引起学生的学习兴趣，对于基础概念的讲解较为生动。 “充实” “紧凑” “详细” “生动” 和 “深度” 等关键词较多。

4 结语

新工科背景下，围绕大数据与其他工科专业的交叉融合，复合型专业人才培养受到了广泛的重视。但是，非计算机的其他工科专业在开展大数据通识课程建设时，在课程培养目标、课程资源和课程运行层面仍面临诸多挑战。

本文以新工科背景下 “大数据分析与应用基础” 通识课程建设为例，提出了基于ADDIE拓展模型的课程建设方法。从课程目标层、课程资源层和课程运行层三个方面进行了课程建设分析，建立了 “目标层―运行层―资源层” 的大数据通识课程建设方法。提出的基于ADDIE拓展模型的课程建设方法，能够实现课程教学设计与持续优化，能够为新工科背景下非计算机专业的大数据通识课程建设提供思路，为复合型人才培养所需的多学科交叉课程建设提供方法借鉴。