Python数据分析基础课程改革实践与探索挻组词
舒丹，胡支军
摘要：大数据、人工智能的蓬勃发展，为《Python数据分析基础》课程带来了新的机遇，也带来了严峻的挑战。传统的教学模式已经不能满足社会对数据分析人才的需求，文章探究在教学中引入MOOC、翻转课堂、线上与线下相结合，传统课堂与线上课堂相结合以及加强过程性学习评价等新的教学模式。实践证明，该改革很好地实现了以学生为中心，学习成果为导向，达到了学生能够利用Pytho进行数据分析能力培养的目标。
关键词：数据分析；教学模式；改革；探索
“数据”是科学决策的重要依据，“让数据说话”是科学决策的正确途径，掌握数据分析方法是科学决策的有效手段随着“大数据时代”的来临，人们在生产生活的过程中产生了海量的数据[2]，社会各行各业对数据分析与处理的需求越来越强烈，与此同时，李克强总理提出的“大众创新，万众创业”的背景下，高校承担着培养新型专业人才的重要职责，以适应市场需求与社会同步发展叫《Python数据分析基础》课程正是适应这一背景而开设的一门课程，在高校统计专业中开设数据分析类课程，不但十分有必要，而且有利于专业课程的教学改革，有利于学生就业创业能力的提高。大数据、人工智能的蓬勃发展，为本课程带来了机遇，也带来了严峻的挑战。
大数据、人工智能等对传统统计方式带来了严重的冲击。首先，大数据背景下的统计模型将会跳出原有的传统统计模型框架，原有的统计模型分析大数据背景下的海量数据也许并不有效。其次，算法和计算机实现是当前统计学教育面临的更大挑战，大数据环境下的数据是海量的，同时又是结构化、半结构化、非结构化的数据，处理
基金项目：贵州大学省级本科教学工程建设项目(2017520002)；贵州大学''本科教学工程”建设项目(JG201671).
作者简介：舒丹，男，贵州铜仁人，贵州大学数学与统计学院讲师。
胡支军，男，贵州铜仁人，贵州大学数学与统计学院教授，博士。
这些数据处理需要先进的计算机技术。对于统计专业的学生来说，要想成为真正的数据分析人才，利用计算机工具处理数据是必须掌握的一项技能。因此，根据大数据、人工智能等等发展以及社会需求现状，调整课程的教学内容与教学模式，为培养“通专兼备，知行合一”的高素质数据分析人才，以适应大数据时代对数据分析人才的需求，有非常重要的现实意义。
一、课程现状
《Python数据分析基础》是《数学建模》《数据挖掘》等课的先修课程，课程涉及Python程序设计、
网络数据采集和数据分析三大教学内容。Python语言是一门动态语言，对数据分析、数据挖掘有大量的库函数支持，有众多优势⑷。课选择Python语言进行数据分析基于以下特性：语言简练、易于阅读、易于扩展、多范式切。课程培养学生掌握Python语言语法知识，然后运用Python语言编写网络爬虫程序，实现网络数据采集，最后在Python平台进行数据分析。Python程序设计是基础，它贯穿课程始终。课程涉及面较广，内容较多，难度较大，共48学时，其中32学时为课堂讲授，16学时为上机实践课。若仍按照传统的教学模式以教师主导课堂讲授，以传授知识为主，学生课后完成作业及上机实践来开展教学，存在诸多问题：一是课时远远不够，课程知识点多，无法完成教学任务；二是教学模式单一，学生被动学习，探索知识的积极性较低；在这种教学模式下培养出来的学生不可能有较强的实际应用能力和创新能力。三是考核方式单一，基本都是期末考试定乾坤，不能客观地评价学生的学习和知识的掌握情况。因此，在因特网和移动互联网深度融入到生活、工作和学习的背景下，改革课程教学模式和教学方法等，提出新的教学模式和考核方式势在必行。
二、课程改革理念及思路
web端什么意思
课程改革以学生发展为中心，学习成果为导向，学习效果为标准的教学理念，根据当前大数据时代社会对数据分析人才的需要，变知识传授为能力培养，努力把学生培养成：“会用”Python进行数据分析、“活用”Python进行数据分析，并在后续专业课程及工作实践中，“长久有用”Python进行各领域数据分析的“通专兼备，知行合一”的高素质数据分析人才。
思路具体如下：
1•改变传统的统计学教育还停留在应用抽样技术在总体中抽取样本对数据进行统
计模型分析阶段，引入使用Python平台进行海量数据的数据分析。
计算机语言prompt
2.针对计算机语言课程中教学不足，本课程拟采用：MOOC+翻转课堂+加讨论+案例等多种教学模式和教学手段相结合进行教学。
3.选“好”教材，站在高起点上。采用高等教育出版社的嵩天老师编写的《Python 语言程序设计基础》教材，该教材已提供了MOOC。在使用该教材进行教学过程中，根据统计专业特，补充相关微课视频、补充适当数据分析案例等配合教材使用，课程部分数字资源不用重复建设。
4.活用教材。在教学用引入“计算思维”，提高学生抽象思维能力，变知识传授为能力培养。
5.通过课堂、实验项目、实战项目等，不断激发学生学习热情、学习兴趣，达到实现学生自主学习目的。
6.改变期末考试一张试卷定乾坤的考核方式，原来考核方式忽视对学生过程性学习考核导致对学生学习效果片面的评价，将最终总评成绩按照单元测验：30%，实验成绩：40%，期末考试成绩：30%的比重来计算学生课程总成绩。
三、方案实施
第一阶段：课程准备阶段。改“教”中心为“学生发展”为中心，切实提高“教学”质量。改革内容如下：以学生发展为中心，精心备课。结合统计类专业和社会需求，挑选恰当教材，完善课程教学大纲、实验大纲和实验指导书等，探索考试、考核方法等课程的建设，为开课做精心准备。
第二阶段：改革课程教学实施环节。改以“讲授”为主的教学模式为合作式、项目式、M00C、翻转课堂、基于案例教学等多种教学模式和教学方法相结合，做到以学习成果为导向，学习效果为标准，促进“教学”质量提高，实现从知识传授课堂到能力培养课堂的转变。
以学生发展为中心，学习成果为导向，能力培养为目标的详细教学模式、教学方法、教学手段、教学内容安排、以及各章节具体实施如下表:
表1-1课程章节实施细则表
章节教学方法改革形式具体实施
第一章程序设计基本
方法演示法+讲授法+启发式
通过Python程序的演示，让学生快速学会用IPO方法编写简
单Python程序。2课时
第二章Python程序
实例解析MOOC+讨论十讲授曲转
课堂+对比法
通过Python程序实例演示，对比C语言语法，讨论语法异
同，让学生快速掌握Python语法。2课时
第三章基本数据类型MOOC+讨论+讲授曲转
课堂+自学法
提出问题，学生课前先自学，并对比C语言数据类型，讨论
数据类型异同，让学生快速掌握Python数据类型。2课时
第四章程序的控制结
构MOOC+讨论+讲授用转
课堂+自学法
提出问题，学生课前先自学，并对比C语言的控制结构，讨
论控制结构异同，让学生快速掌握Python控制结构。2课时
第五章函数和代码复进制转换器在线任意转换
用MOOC+讨论+讲授曲转
课堂+自学法
提出问题，学生课前先自学，并对比C语言的函数、Java的
代码复用结构，讨论异同，让学生快速掌握Python函数和代
码复用。4课时
第犬章组合数据类型MOOC+演示+讲授廊转
课堂+设问法
引入组合数据类型相对C语言有什么优势？它们带来哪些好
处？4课时
第七章文件和数据格
式化MOOC+演示+讲授曲转
课堂
提出问题，学生课前先自学，并对比C语言的文件和数据格
式化，讨论异同，让学生快速掌握Python文件和数据格式
化。4课时
第八章程序设计方
法论自学法+M00C+翻转课堂
preference动词形式通过Python程序演示，比较分析面向过程和面向对象程序设
计方法的异同，适用场合。2课时
第九章科学计算和可
视化MOOC+讨论+讲授+#课
通过案例演示与学习，掌握使用Python进行科学计算和数据
可视化技能。4课时。
第十章网络爬虫和自
动化MOOC+讨论+讲授曲转
课堂
大学python入门教程通过案例演示与学习，掌握使用Python数据收集等技能。4课
时
项目案例演示+讨论+案例驱动历届世界杯数据分析与可视化。4课时
第三阶段：课程考核与总结。
改变重期末考试的考核方式，将知识性命题和能力性命题相结合，重视学习过程和动手实践（实验），加大课程过程性评价比重，将最终成绩按照单元测验占30%，实验成绩占40%，期末考试成绩占30%的比重来计算学生课程总成绩，每项都按照100分来计算。具体如下：
1.每一章给出一次测验，每次测验按100分计算，最后的测验成绩，按测验次数的加权平均。为及时反馈学生的学习效果，釆取及时公布学生每次测试分数。
2.学生上机实验安排：验证型实验：一人一组；项目实战实验：每组人数不超过3人，大家分工合作，共同完成任务，组员分数相同。
3•期末考试安排：仍然按照常规的方式开展期末考试，但期末考试成绩按30%计入课程总评成绩。
四、结论
通过以上对《Python数据分析》课程的改革探索及实施，采用M00C、翻转课堂等新的教学模式和考核方式优势显而易见，解决了传统课堂教学容易造成的啃不动和吃不饱的两种情况问。以学生为中心，极大地激发了学生的学习兴趣，促使学生主动学习和探索，学生动手能力得到了提高，具备了初步的数据分析能力，取得了良好的教学效果，为后面的《数学建模》《数据挖掘》等专业课打下了坚实的基础，学生们积极参加全国数学建模比赛，部分参赛选手取得了全国二等奖的佳绩。培养数据分析的专业型人才目的就是学以致用，数据分析本身就是为了从数据中发现问题、建立模型、预测收益风险，进而做出正确合理的决策判断切。课程还应和本地数据分析事务所、相关机构、行业建立实训基地，使得学生在实习中理论联系实际，培养出专门从事数据分析的项目数据分析师，从而满足大数据、人工智能时代社会需要、学生发展以及专业自身发展的需要。
参考文献：
[1]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.
[2]宁自军.统计学专业统计软件课程开设问题研究[J].嘉兴学院学报,2002,14(S1)：242-243.
[3]林旭东.统计学专业数据分析类课程的教学经验与反思[J].西部素质教育,2016,2(12)：55-57.
[4]吴立，蔡小庆.使用Pytho语言分析金融数据的研究[J].财金论坛,2011,(4)：242.
[5]Toby Segaran.Programming Collective Intelligence[M].O'Reilly Media,Inc.2007.
[6]张莉，金莹，张洁.基于MOOC的“用Python玩转数据”翻转课堂实践与研究[J].工业和信息化教育,2017,(3)：70-76.
[7]苏理云，高红霞，胡爱平，等.以数据分析为核心的应用统计学人才课程体系构建[J].教育教学论坛,2014,(49)：248-249.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。