SCI论文（www.lunwensci.com）:
摘 要：近年来，Python 语言因其开源、简洁、库资源丰富等特点，受到众多行业的关注，同时它在高校多个专业的人才培养计划中皆为核心基础课。然而，我们在前期教学实践中发现了一些典型问题，如学生兴趣不高、理解难度大、分析问题与数据治理能力差等。经过访谈、调研、文献分析与再实践，我们在工程教育认证理念的指导下提出了一些有针对性的整改方案，即抓住“数据治理能力”这个主要矛盾来开展教学设计，以目标市场、学生学情为导向来修正教学内容，丰富教学方法，改进考核手段。数据显示，此举充分调动了学生的学习积极性，学生分析问题与处理数据的能力有明显提升。
关键词：Python；数据治理能力；工程教育认证
本文引用格式： 李建敦，肖薇，吕品 . 面向数据治理能力培养的 Python 教学模式探索 [J]. 教育现代化 ,2021,8(32):120-123.
Data-governance-oriented Teaching Model in Python-based Programming
LI Jiandun, XIAO Wei, LV Pin
(School of Electronics Information Engineering, Shanghai Dianji University, Shanghai)
Abstract: Due to its open source, conciseness, and rich library resources, Python has received considerable attention from many industries recently; meanwhile, it has already become one of the core basic courses in multiple majors’ training programs across colleges. However, several problems were found in early teaching practice, such as limited interest, difficulty in understanding, poor capability on problem analysis and data governance, etc. After interviews, research, literature analysis and further practice, we introduce some solutions based on key concepts out of engineering certification, including underlining the primary ability of data governance in teaching design, revising teaching content according to human resource market and students’ studying reality, enriching teaching methods and improving assessment methods. Data show that our solutions have significantly improved students’ enthusiasm, problem analyzing ability and data processing ability.
Keywords: Python; data governance capabilities; EEA (engineering education certification)
一 引言
随着大数据、人工智能等新技术的强势崛起及其在多个行业的成功落地，市场对数据处理类人才的需求不断攀升，不仅体现在数量上，更体现在质量上。鉴于此，一大批数据专业、AI 专业在全国众多高校生根发芽。作为服务长三角智能制造领域的应用型人才培养基地，上海电机学院于 2018 年开始培养数据科学与大数据技术专业人才；同全国各地兄弟院校一道，我们同样为如何办好专业、办出特色、服务地方等问题不断探索 [1]。其中，作为专业核心基础课，《Python 程序设计》在培养计划中不可或缺 [2]。
在信息领域，Python 语言因其简单、高级、面向对象、可扩展、开源、可移植、丰富的库与可嵌入性等优势，近年来长期跻身开发语言三甲 [3-4]。在数据科学与大数据技术专业培养方案中，该课承载着培养学生计算思维、编程能力、分析问题与数据处理能力的使命 [5]。然而，在教学实践中发现，学生兴趣不高、理解难度大、数据处理能力差等问题，经过座谈、走访、调研讨论与文献分析等，我们提出了改进方案， 即抓住“数据处理能力”这个主要矛盾来开展教学设计，以目标市场、学生学情为导向来修正教学内容， 丰富教学方法，改进考核手段。数据显示，与前期的教材导向式教学实践相比，此举充分调动了学生的学习积极性，现场数据处理能力有明显改善。
二 存在问题
在前期的教学实践中，我们紧紧围绕课程定位与课程目标，遴选 21 世纪高等学校计算机类课程创新规划教材 [3]，理论结合实验来开展教学设计， 基本达到了教学目标。然而，从期中 / 期末考核、学生评教、同行评价与电子设计竞赛等环节（见表 1）来看，课程在思维培养与能力锤炼方面未能完全达到预期， 主要表现有以下三个方面。
（一） 学生学习兴趣不高
兴趣是最好的老师。而在 Python 课堂上，半数以上学生的学习热情往往只能维持 4 学时（1 次理论课 +1 次实验课）；在剩余的多数学时里，学生只是跟着老师的指引，简单地完成预定动作，如课堂提问、课后作业、实验报告等，积极思考、主动提问、自主探索的比例较低。其后果是本来受限的课堂时间没有被充分利用，学生仅学到浅层的概念与语法， 如列表 list 与字典 dict 的区别、error 的处理框架try-except-else-finally 等； 同时， 由于学习动力不足，课下准备不充分，对于凸显应用能力的案例（如基于 numpy 与 pandas 的数据预处理等）而言，课堂讲解的效果较差，多数学生无法当堂“消化”。
（二） 知识点多、理解难度大
作为开源语言，Python 拥有丰富的资源库，API 种类齐全且社区活跃。它知识点多且更新快，包括语言基础、流程控制、内置类型、序列类型、I/O、异常处理、函数、面向对象、GUI、图形、日期时间、字符串与文本、文件、数据库、网络编程、并行计算等。在 48 学时的教学安排上完成这些基本库及其核心扩展库的详细讲授，难度非常大。同时，作为高级数据处理语言，《Python 程序设计》承载着为后续课程奠定编程功底、初步培养数据处理能力的使命 [6]，因此除基本知识外，断言、函数式编程、迭代器、生成器、算法与数据结构基础、正则表达式等高级内容，同样重要。但是，由于难度大，需要模拟应用场景并用鲜活案例来辅助理解，在课时有限的前提下，较难开展。
（三） 分析问题与数据治理能力不足
学生重理论、轻实践。程序设计特别强调实践动手能力，作为数据处理的主流语言，Python 还强调数据治理能力与知识挖掘能力。实验教学中发现， 验证类实验的完成度较高，而设计类实验则较差。课堂教学，特别是简单的案例剖析（如基于正则表达式的 E-mail 地址匹配问题）时，少数学生能给出可行的逻辑思路，其中仅有个别学生结果正确。这些现象说明问题分析能力亟需加强。同时，期末考核发现，对于给定简单数据集（如鸢尾花或西瓜），一些同学完全没有思路，数据意识明显失位。
三 成因分析
针对课程考核与教学评价中反映出来的问题， 我们开展了多种形式的调研与讨论，以梳理问题成因（见表 2）。参与人员包括授课教师团队、学生代表、督导团队等。
（一） 未能从专业能力出发，教学目标不清晰，未与毕业要求挂钩
在课程的教学目标上，《Python 语言程序设计》延用了传统模式，即基于规划教材的通用型能力培养，亦即单一的基础知识的掌握与编程能力的锤炼，未能深入融入专业培养计划中去思考，未能结合专业培养特色去规划，特别是未能对标工程教育认证的通用标准与专业标准，比如面向复杂问题的数据治理与知识挖掘能力。这一现状，导致了教学内容繁杂、不易精简的问题，同时存在重点不突出、授课进度快、学生的学习热情被迅速耗尽等问题；其中，理论知识尚可利用课余时间来补足，但实践能力却很难系统性地提升。
（二） 未从学生学情出发，教学缺少设计，未突出核心能力的培养
面对新时代、新技术环境中的学生，教学设计未与时俱进。前期的教学中，普遍采用理论课堂教师主讲，实验环节学生自练的方式来推进，情况是课上与课下泾渭分明、理论与实践基本独立、学习与考试一清二白、辅导答疑未能充分开展等。细节上， 由于教学内容繁复而学生基础薄弱，课堂上主要是理论讲授，案例式、讨论式、翻转式等教学方法式微。
（三） 未能充分过程考核，质量控制不力，未强调数据思维与治理能力
考核方式上，前期主要采用传统方式，即期中考试与期末考试相结合，考核方法单一；同时，在日常的学生监管中，以教师口头强调纪律为主，质量控制着力点少。另外，期末试卷重视基础知识、轻视应用能力，对课程目标与专业能力，如数据思维与治理能力的考察力度不够。
四 解决方案
基于 Python 语言教学过程中存在的问题及其成因分析，在文献调研、同行走访、企业调研与教学研讨的基础上（具体方式见表 3），依托数据科学与大数据技术专业面向工程认证的前期准备 [7]，我们提出了以下三点解决方案。
（一） 从专业特色出发，全面梳理教学内容，紧抓数据治理能力培养
在数据科学与大数据技术的专业建设中，我们紧盯工程认证标准，围绕面向复杂工程的数据治理核心能力进行培养，目标就业单位为长三角智能制造领域的相关企业。而在前期授课实践中，分析问题与数据治理能力这个中心未能充分凸显，取而代之的是基础知识的简单传授。在后续授课中，我们围绕这个能力进行了顶层设计，重点对教学内容与课时分配进行了“大手术”，并在此基础上融入更多案例，特别是行业前沿案例，比如海上钻井平台升降机的故障预测、工业二维码的高吞吐识别、传感器数据的流式处理、自动驾驶视频流的实时分析与决策等（如表 4 所示）。
（二） 从学生学情出发，大力改善教学设计，创造更多实践机会
为了改善学生积极性，提升学习效果，通过深入密切对接学生，我们掌握了学生学情，并在此基础上进行了有针对性的改进。
1.《Python 语言程序设计》在数据专业中是第二个学期开设，学生此前已有 Java 语言基础，因此基础性内容，如内置类型、流程控制等，可以根据学生掌握程度进一步调低比例。
2.随着移动互联网与智能终端的发展，学生在屏幕前的时间显著增加。因此，线上线下混合教学的模式非常契合，也能较好缓解课程内容与课程学时之间的矛盾。同时，针对知识点中的重难点内容， 在线视频能够方便学生实时学习，即时巩固。在线答疑、分组交流与过程考核等优势，也能改善学生体验，提升学习质量。
3.学生反映，函数式编程、面向对象等章节较难理解。为此，在基础内容压缩的前提下，线下融入更多的案例讲解与学生实践，线上加入典型应用打卡，微课配合辅导，为学生创造更多的实践机会与实战提升平台。
（三） 从加强监管入手，改善过程考核，提升能力占比
1.为了改善学生体验，优化过程考核设计，通过线下打卡、线上答题、编程“打怪”、做任务拿积分、攒经验升级等趣味形式提升学生的学习兴趣。
2.增加教学团队监管，做到线上准实时辅导答疑、案例讲解全覆盖、应用题目全指导，并进行有针对性的点评。
3.在所有考核中，加大能力比重。面向特色行业， 围绕数据思维，从考核上让能力培养与实战应用的地位升上来，重点是对应用问题的理解、分析与解决能力。
五 实践成效
经过查问题、找原因与定方案，与授课初期相比， 课程体系焕然一新，课程质量也在稳步提升，如表 5
与图 1 所示。
对比发现，在充分实施改进方案后，课程内容的系统性有了大改观，对问题分析与数据治理核心能力的支撑更加有力，学生上课热情有了显著改善， 实践动手能力强了，学生评教、同行评价都有了明显提升，证实了本文方案的可行性。
六 结语
本文围绕《Python 语言程序设计》在上海电机学院的教学实践，首先梳理了前期学生兴趣不高、理解难度大、分析问题与数据治理能力培养不到位等问题，在教学团队共同努力的基础上，分析了问题成因，并在专业工程认证前期准备的基础上，提出了一些改进方案，即抓住“数据治理能力”这个主要矛盾来开展教学设计，以目标市场、学生学情为导向来修正教学内容，丰富教学方法，改进考核手段。对比发现，此举提升了学生的学习积极性及分析问题与处理数据的能力。这些探索对于数据及其相关专业学生毕业后与用人市场的对接无疑具有积极作用。
参考文献
[1]刘旭 , 马文彬 , 吴茜 . 基于 Python-turtle 库的程序设计图例教学法与实践 [J]. 计算机教育 , 2020(3): 101-108.
[2]李丽 , 王大勇 , 易俗 . 殷慧文基于 Python 程序设计的多元化逐级式教学模式 [J]. 计算机教育 , 2020(1): 77-81.
[3]江红 , 余青松 . Python 程序设计与算法基础教程 ( 第 2 版 )[M]. 清华大学出版社 , 2019.
[4]石礼娟 , 谢新港 , 熊航 . 新工科背景下“以学为本”理念的探索与思考——以“Python 程序设计”课程为例 [J]. 高等农业教育 , 2019(6):70-73.
[5]刘满兰 , 李建辉 , 关成斌 . 基于 OBE 理念的《Python 程序设计语言》课程混合式教学方法探索[J]. 计算机工程与科学,2019, 41(s1):203-206.
[6]TIOBE Software BV.The TIOBE Programming Community index [EB/OL].https://www.tiobe.com/tiobe-index/.
[7]吕品 , 汪鑫 , 李建敦 .“数据科学与大数据技术”专业建设初探[J]. 技术教育研究，2019(4):62-68.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/32651.html
