应用型本科院校IT专业数据挖掘课程建设

计算机时代２０１４年第１１期　・　６５　・　

应用型本科院校Ｉ　Ｔ专业数据挖掘课程建设★　

李忠，李姗姗　

（防灾科技学院，河北三河０６５２０１）　

摘要：针对国内应用型本科院校数据挖掘课程内容差异问题，分析了不同专业的培养目标，从数据挖掘三大功能出　

发，给出了ＩＴ类专业数据挖掘课程的内容体系和学时安排；分析了防灾科技学院最近两届学生数据挖掘课程的教学效　

果，结论为：合理的理论内容设置和实验训练，配合恰当的教学方法，可以提高学生的学习兴趣，激发学习热情，提高实际　动手能力，从而达到人才培养目标。　

关键词：数据挖掘；课程内容体系；ＩＴ专业；教学效果　

中图分类号：Ｇ６４２　文献标志码：Ａ　文章编号：１　００６—８２２８（２０１　４）１　１—６５—０２　

Ｃｏｕｒｓｅ　ｃｏｎｓｔｒｕｃｔｉｏｎ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ｃｏｕｒｓｅ　ｆｏｒ　ＩＴ　ｓｐｅｃｉａｌｔｙ　ｉｎ　ａｐｐｌｉｃａｔｉｏｎ—ｏｒｉｅｎｔｅｄ　ｕｎｉｖｅｒｓｉｔｙ　

Ｌｉ　Ｚｈｏｎｇ，Ｌｉ　Ｓｈａｎｓｈａｎ　

（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｄｉｓａｓｔｅｒ　Ｐｒｅｖｅｎｔｉｏｎ，Ｓａｎｈｅ，Ｈｅｂｅｉ　０６５２０１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｃｏｎｔｅｎｔ　ｄｉｆｅｒｅｎｃｅｓ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ｃｏｕｒｓｅ　ｉｎ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ—ｏｒｉｅｎｔｅｄ　ｕｎｉｖｅｒｓｉｔｙ，ｔｈｅ　ｔｒａｉｎｉｎｇ　ｏｂｊｅｃｔｉｖｅｓ　ａｎｄ　ｒｅｑｕｉｒｅｍｅｎｔ　ｆｏｒ　ｄｉｆｅｒｅｎｔ　ｓｐｅｃｉａｌｔｙ　ａｒｅ　ａｎａｌｙｚｅｄ．Ｔｈｅ　ｃｏｎｔｅｎｔ　ｓｙｓｔｅｍ　ａｎｄ　ｈｏｕｒｓ　ａｒｒａｎｇｅｍｅｎｔｓ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ｃｏｕｒｓｅｓ　ｆｏｒ　ＩＴ　ｓｐｅｃｉａｌｔｙ　ｓｔａｒｔｉｎｇ　ａｒｅ　ｇｉｖｅｎ　ｆｒｏｍ　ｔｈｅ　ｔｈｒｅｅ　ｍａｊｏｒ　ｆｕｎｃｔｉｏｎｓ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ．Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｌａｓｔ　ｔｗｏ　ｙｅａｒｓ’ｓｔｕｄｅｎｔ　ｔｅａｃｈｉｎｇ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｄａｔａ　ｍｉｎｉｎｇ　ｃｏｕｒｓｅｓ，ｉｔ　ｉｓ　ｃｏｎｃｌｕｄｅｄ　ｔｈａｔ　ｃｏｍｂｉｎｉｎｇ　ｔｈｅｏｒｅｔｉｃａｌ　ａｎｄ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｔｒａｉｎｉｎｇ　ｃｏｎｔｅｎｔ　ｓｅｔｔｉｎｇｓ　ｗｉｔｈ　ａｐｐｒｏｐｒｉａｔｅ　ｔｅａｃｈｉｎｇ　ｍｅｔｈｏｄｓ　Ｃａｎ　ｉｍｐｒｏｖｅ　ｌｅａｒｎｉｎｇ　ｉｎｔｅｒｅｓｔ，ｓｔｉｍｕｌａｔｅ　ｌｅａｒｎｉｎｇ　ｅｎｔｈｕｓｉａｓｍ，ｉｍｐｒｏｖｅ　ｏｐｅｒａｔｉｎｇ　ａｂｉｌｉｔｙ　ａｎｄ　ａｃｈｉｅｖｅ　ｔｒａｉｎｉｎｇ　ｏｂｊｅｃｔｉｖｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｄａｔａ　ｍｉｎｉｎｇ；ｃｏｕｒｓｅ　ｃｏｎｔｅｎｔ　ｓｙｓｔｅｍ；ＩＴ　ｓｐｅｃｉａｌｔｙ；ｔｅａｃｈｉｎｇ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　

０引言　

毋庸置疑，我们正处在信息时代。根据国际互联网管理机　

构２０１２年发布的数据，每天全球互联网流量累计达１ＥＢ（Ｉ￣［Ｊ　１０　

亿ＧＢ），这意味着每天产生的信息量可以刻满１．８８亿张ＤＶＤ光　

盘－．　。要想在如此浩瀚的数字海洋里寻找有用的信息，简直是　

大海捞针！因此数据挖掘技术应运而生。大概十几年前，微软　

创始人比尔・盖茨就预言，数据挖掘技术将是未来计算机发展　

的重要方向之一，事实也的确如此。　

数据挖掘技术诞生于２Ｏ世纪８０年代末，是统计学和计算　

机科学的交叉学科，涉及数据库技术、统计学、机器学习、神经　

网络、模式识别、知识发现、专家系统、信息检索、高性能计算、　可视化以及面向对象程序设计等若干学科知识，在商业、金融、　

保险、体育、勘探、生物技术等领域获得广泛应用。也正因为该　

课程涉及的内容宽泛，要求知识面宽广、数学基础扎实等，前几　

年主要在研究生阶段开设。但是随着信息技术的快速发展，本　

科生能力要求提高，知识传授的重心下移，很多高校已在本科　

阶段开设数据挖掘课程，以提高大学生解决实际问题的能力，　

进而为课程设计和毕业设计打下必要的基础　。　１国内高校本科数据挖掘课程开设现状　

通过院校实地交流，结合网络搜索，我们已经收集了十几　所高校的数据挖掘课程教学大纲，开设专业包含有计算机类专　

业、经济统计类专业、电气自动化类专业、生物技术专业等，各　

专业根据自己的人才培养目标制订教学大纲、教学计划、考试　

大纲等，其内容存在很大差异。其中９８５、２１１高校主要以英语　

授课，采用国外原版教材，课程内容涉及算法、编程较多；而一　

般院校多采用中文教材，根据专业不同，内容也有很大差异。　

经济统计类专业开设数据挖掘课程，要求学生了解什么是　

数据挖掘，以及如何用数据挖掘来解决实际问题，了解如何通　

过几种数据挖掘技术建立数学模型，了解主流数据挖掘系统的　

特点，能够安装、使用，要求能够熟练使用典型的挖掘工具对实　际数据进行分析，具备从数据资源提取信息与知识并进行辅助　

决策的基本能力。　

自动化专业开设数据挖掘课程，要求学生了解数据挖掘概　

念、原理、过程，学会利用数据挖掘技术处理问题，了解有关数　

据挖掘算法原理，熟练运用数据挖掘技术建立数学模型，要求　

能够熟练使用数据挖掘软件解决问题。　

收稿日期：２０１４—８—２６　．　基金项目：防灾科技学院教学研究与教学改革（ＪＹ２０１４Ｂ２８）　

作者简介：李忠（１９６６一），男，山东诸城人，博士，教授，主要研究方向：人工智能，信息处理。

　・　６６　・　Ｃｏｍｐｕｔｅｒ　Ｅｒａ　Ｎｏ．１　１　２０１４　

计算机专业开设数据挖掘课程，要求学生了解数据挖掘概　

念、原理、信息处理过程，了解不同数据挖掘算法的原理并编程　

实现，学会利用数据挖掘技术建立数学模型以解决实际问题，　

熟悉数据挖掘成果的表达，要求熟悉几种典型的数据挖掘软件　

功能特点、使用方法、安装等，了解不同软件的优缺点和适用面　

向，具备从大量数据中获取有价值的信息的能力。　

可以看出，统计类专业主要要求学生具备数据挖掘软件的　

使用能力，并根据挖掘结果进行辅助决策；ＩＴ类专业要求学生　

掌握数据挖掘有关算法的原理、处理过程，并要求编程实现算　

法，这无疑增加了很大难度。按照ＡＣＭ　ＳＩＧＫＤＤ课程委员会　

对数据挖据课程的建议，数据挖掘课程应重视长久的科学原理　

和领域概念。显然，ＩＴ类专业的数据挖掘课程教学大纲更符合　

ＡＣＭ　ＳＩＧＫＤＤ课程委员会的建议。　

２　ｌＴ专业数据挖掘课程内容设计　

一般情况下，数据挖掘课程在本科的高年级段开设，大部　

分放在第七学期，也有少数高校放在第六学期。这个时候，ＩＴ　类专业的大学生已经修完数据结构、数据库原理、程序设计语　

言、面向对象程序设计等多门专业基础课程，对于程序设计、　数据库系统开发等具有足够的认识和使用能力，具备了开设　

数据挖掘课程所需要的前导知识。国内普通本科的数据挖掘　

课程学时设计存在很大差异，如南京工程学院设置３２课时，　其中课堂授课２２学时，实验设计ｌ０学时【　；郑州航空管理学院　

仅设置ｌ６学时，其中授课ｌ０课时，实验教学６课时　。在内容　

安排方面，也存在很大差异。南京工程学院计算机专业开设　

的数据挖掘课程包括概述、数据挖掘过程与挖掘软件、关联规　

则挖掘与序列模式挖掘、分类、聚类分析、Ｗｅｂ挖掘等六部分　

内容；烟台大学计算机专业开设的数据挖掘技术课程内容涵　

盖概述、数据仓库与联机分析、关联分析、分类技术、聚类分　

析、时间序列模式挖掘、Ｗｅｂ挖掘技术等　；郑州航空管理学院　

的数据挖掘课程包括概述、决策树、聚类分析、关联分析、数据　

筛选等内容　；漳州师范学院计算机科学系开设的数据挖掘课　

程内容涉及数据挖掘基础知识、数据预处理、数据仓库与　

ＯＬＡＰ技术、关联和频繁模式分析、分类与回归、聚类和孤立　

点分析、时序数据和序列数据的挖掘、文本与Ｗｅｂ数据挖掘、　

数据挖掘可视化、典型数据挖掘系统、数据挖掘的社会影响等　

内容　。　

数据挖掘技术主要应用在三大领域，也就是三大功能：分　

类（预测）、聚类分析和关联分析，因此在课程内容设置时，应考　

虑实用性，在三大功能基础上布局各章节。笔者在近三年的数　

据挖掘课程教学实践中，分别采用了西南财经大学的《数据挖　

掘教程》、中国科技大学的《数据挖掘导论》作为主讲教材，参考　了范明等人翻译的《数据挖掘导论（完整版）》、Ｊｉａｗｅｉ　Ｈａｎ　ａｎｄ　

Ｍｉｃｈｅｌｉｎｅ　Ｋａｍｂｅｒ著｛Ｄａｔａ　ｍｉｎｉｎｇ　Ｃｏｎｃｅｐｔ　ａｎｄ　Ｔｅｃｈｎｉｑｕｅｓ｝、　

范承工等著《大数据：战略・技术・实践》等，对课程内容进行了　

总结，提出了针对于应用型本科ＩＴ类专业４８课时的数据挖掘　课程内容体系，如表ｌ。　

从表１可以看出，数据挖掘课程理论授课３２学时，实验安　

排１６课时，在充分进行数据挖掘算法原理、实例介绍基础上，让　学生在实验室里对数据挖掘的三大功能进行模拟训练，提高学　

生的实际动手能力和分析问题解决问题能力，这也完全符合应　

用型本科人才培养目标要求。另外，考虑到数据仓库与联机分　

析部分内容已经在数据库原理与应用课程中学习过，因此我们　在内容设置时不再考虑。　

表１数据挖掘课程内容体系　

章节题目　主要内容　理论课时　实践课时　第一章数据　介绍有关概念、应用领域、挖掘过程、　挖掘概述　ＳＥＭＭＡ模型等　２　Ｏ　

第二章数据　介绍数据采集与存储、数据质量评价、数据　预处理　整理、数据计划分等；　４　２　

第三章数据　介绍决策树原理与应用、贝叶斯分类方法、　人工神经网络方法、Ｋ一近邻方法、遗传算　８　４　分类与预测　法、支持向量机方法，等　第四章关联　分析　介绍相关概念、先验算法、Ａｐｒｉｏｒｉ算法等　６　４　

第五章聚类　聚类分析概述、Ｋ一均值算法、层次聚类方　分析　法等　６　４　

第六章异类　异类挖掘概述、基于统计的异类挖掘、基于　挖掘　时序的异类挖掘、基于空间的异类挖掘，等　４　２　

第七章大数　大数据概述、大数据挖掘算法、大数据挖掘　２　据挖掘　过程，等　

３教学效果分析　

理论授课以工程项目驱动方式，在阐述基本概念、算法原　

理基础上，采用实际的工程项目介绍数据挖掘课程相关算法的　

应用和过程，很好地吸引了学生的注意力，教学效果良好。以　最近两届学生为例，采用调查问卷方式，从基本算法掌握、编程　

能力提高情况、考试成绩、就业意向等四个方面进行考查，汇总　

结果如表２。　

表２教学效果调查汇总表　

调查　基本算法　编程能力　是否愿意从事数　栏目　掌握情况　是否提高　考试成绩档次　据挖掘相关工作　

项目　较好　一般　有　无　８Ｏ以上　６０—８０　６Ｏ以下　是　否　

２０１２届　３２　４４　５４　２２　２２　３６　１８　２４　５２　情况　４２．１％　５７．９％　７１．１％　２８　９％　２８　９％　４７－４％　２３　７％　３１　６％　６８　４％　

２０１３届　７２　４８　９４　２６　７８　３９　３　４４　７６　情况　６０％　４０％　７８．３％　２１　７％　６５％　３２．５％　２　５％　３６　７％　６３　３％　

说明：每届学生的第一行为人数，第二行为所占百分比。　

从表２可以看出，２０１３届学生无论从考试成绩，还是编程　

能力提高、基本算法的掌握情况等方面，都较２０１２届学生好，尤