首页 > 论文范文 > 教育综合论文 > 课程教学论文 > 专业课程教学论文 > 探析数据采集与集成课程教学的具体策略

探析数据采集与集成课程教学的具体策略

2021-08-09 55 上传者：管理员

摘要：基于大数据专业、智能建造专业对数据采集与集成的专业交叉需求，分析融合的挑战，提出融合的思路，从课程内容、课程实验内容方面给出融合设计方法，介绍具体课程教学实施过程。

关键词：
信息时代
数据采集
数据集成
智能建造
课程教学
加入收藏

作为大数据专业的必修课程，数据采集与集成技术是一门操作性较强的课程，要求在完成基本理论教学任务、建立数据思维的同时，加强学生实际动手能力的培养[1]。要求通过课堂实例教学、课程实验和大作业，强化学生的实际操作能力。为学生将来从事大数据相关采集、集成、分析和网络信息开发工作打下良好的基础。

随着信息时代不断深入，智能建造专业作为国家教育部正式批准新设的“新工科”专业，无法脱离互联网和大数据[2]。作为大数据专业的一门专业课，数据采集与集成技术引入智能建造专业为必然趋势。

两个专业对数据采集和数据集成技术在理论和基础部分基本相同，但面向不同学科应用实践又各不相同。鉴于此，结合智能建造专业的实际情况，在前期大数据专业课程内容和教学方法基础上，引入智能建造专业的案例并设计实验场景[3,4]。根据课程教学内容的进展逐步推进实验，辅助课堂教学，达到巩固理论知识、提高实践能力的目的。这样交叉设计课程内容和实验既能丰富大数据专业案例和场景，又贴近于智能建造专业的实际。

1、智能建造与数据采集

1.1 智能建造

智能建造专业是2018年由国家教育部正式批准新设的“新工科”专业，以土木工程为基础，以信息技术为纽带，以机械工程和控制工程等技术为工具，融合建筑学、材料工程、工程管理等学科知识。智能建造专业延续土木工程专业的人才培养理念，结合其他相关专业的人才培养特色，围绕着智能建造的核心理念培养人才。

1.2 数据采集与集成

数据采集与集成技术课程是大数据专业的专业课程，内容包括传感器数据的采集与集成、网络信息与集成概述、Web相关技术分析、网络数据采集技术和方法、网络数据集成技术和方法等。

该课程是大数据专业对信息利用的基础课程，是一门操作性很强的课程，要求在完成基本理论教学任务的同时，加强学生实际动手能力的培养。要求通过课堂实例教学、课程实验和大作业，强化学生的实际操作能力。

1.3 融合需求和挑战

在承认学科差异的基础上，把大数据专业的数据采集与集成课程和智能建造专业进行融合，通过两个学科间知识的交叉渗透，实现课堂和实践教学的目标与价值。不是专业的简单相加，而是打破界限，并经过知识整合，实现跨学科的教学过程。

1.3.1 融合的需求

智能建造是工程建造全过程各环节的数字化、网络化和智能化，是数字化的新型建造方式。智能建造之于建筑业，如同智能制造之于工业。实施智能建造能够提升建造品质、缩短工期、节约资源能源、控制工程造价，是建筑业供给侧结构性改革的重要内容，是建筑业转型升级的重要手段，是落实绿色发展、创新发展的重要举措。

1）育人目标一致

智能建造专业和大数据专业，培养目标都是面向未来国家建设需要，适应未来社会发展需求，基础理论扎实、专业知识宽广、实践能力突出、科学与人文素养深厚，掌握智能建造或者大数据的相关原理和基本方法，获得工程师基本训练，能胜任相关领域工程等工作，具有创新能力、国际视野和领导意识的社会栋梁和专业精英。

2）内容一致

智能建造专业是以土木工程专业为基础，融合机械设计制造及其自动化、电子信息及其自动化、工程管理等专业发展而成的新工科专业。智能涉及的过程包括采集、存储、处理和分析、传输和应用技术。数据采集和集成课程的内容，也是大数据链条上关键的一个步骤。

1.3.2 融合的挑战

1）基础课不一致

对于大数据专业，在第5学期开始数据采集与集成课程时，学生已修计算机概论、高级程序语言、数据库、计算机网络等专业课程。对于智能建造专业，学生在前序课程只学习了计算机基础知识和python语言。

2）专业方向不一致

大数据专业是培养计算机类应用和科研人才，数据采集和集成课程是其专业基础课；智能建造专业是培养土木建造类专业人才，数据采集和集成课程是其选修课。

1.3.3 融合的思路

基于课程融入智能建造的需求和挑战，在设计课程时要在教学内容、教学方法、实验设计上，都作适当调整。把课程融入到智能建造中，无论对于数据采集与集成课程本身发展，增加内容，丰富教学手段与案例，还是对于智能建造专业打通智能与建造、数据与建造的鸿沟，扩展学生视野，都具有一定的优势。遵循的思路如下：(1)强调基础，丰富理论教学内容，补充专业不足；(2)重视实践，结合专业相关案例，体现专业特色；(3)关注评价，开展多样考核形式，实现专业考核。

2、课程内容设计

2.1 课程结构

课程结构包括教学模块、实验模块、考核模块三大模块。模块间相辅相成、互相递进。教学模块通过课堂讲授和内容讨论形式展开，主要针对理论知识点、应用领域、应用案例；实验模块通过课外实验方式进行，主要根据课程进度，按照课程设计的实验指导书进行；考核模块分为平时考核和最终考核，平时考核主要注重过程，包括上课表现和实验完成情况，最终考核通过大作业+答辩形式进行。具体课程结构组成如图1所示。

2.2 课程知识体系

结合智能建造专业，内容包括网络数据采集、传感器数据采集、数据集成初步技术。课程采用理论教学、实例分析和实验等形式，帮助学生准确理解纯网络环境和传感器环境下数据采集的编程模型及其工作原理，掌握数据采集和集成的技能[5]。学生通过学习和编程实践，巩固基本知识，锻炼编程技巧，使其能够应用常用的数据采集开发工具并具备主流采集语言的编程思想和技巧。课程主要内容和安排见表1。

3、课程实验设计

3.1 设计思想

合理的设计案例，不但能加深理论的理解，且能增进实践能力。实验设计本着贯穿不同层次知识点的思想，保证前续实验内容逐步迁移到下一知识层次。在设计实验时先考虑原理实验，再考虑应用[6]。并把实验目的定为掌握原理，促进学生自主探索、思考、发现不同方法的适用性，从而编程解决实际问题，并能归纳、总结、演示。

3.2 实验体系设计

课程实验设计分4个层次：基础案例、应用案例、提高案例、开放案例。案例设计依次递进，分别为理论、应用、提高、综合。组成结构如图2所示。基础案例主要结合理论知识进行，包括万维网原理分析、数据库设计实验、智能传感器原理分析实验；应用案例注重对原理和基本方法的使用，包括下载网页并用正则表达式获取数据实验、利用python的Flask框架实现网站实验；提高案例为相对综合实验，包括采集天气预报数据实验、传感器数据采集实验；开放案例即综合实验，根据所学内容并结合专业自选。

3.3 实验内容设计

本课程实验前需根据实验内容进行相关知识点、环境、工具的预习。每次实验后都需要详细填写实验报告。期末综合实验要有一份详细项目设计报告，主要按软件工程的规范编写。实验内容与课时安排见表2。

3.4 实验过程设计

课程实验本着分层次贯穿知识点、逐层递进的思想。实验分4个阶段。

1）基础实验

理论学习和认知阶段，通过网络信息组成原理和传感器原理实验，让学生了解所采集数据相关的载体，从而有感性和原理上的认识。

2）应用实验

通过实验，完成单项技能训练，提升学生对数据采集和采集常用的框架技能的掌握。如网站实现实验，能加深之前原理的理解，实现采集数据的收集和管理，为后继采集数据的综合应用提供了框架性思维。

3）提高实验

根据实验要求，实现具有一定设计性的实验，较综合利用所学理论和前序实验，在锻炼编程的基础上，更深理解应用及开发方法。实现在真实的编程开发环境中进行实验开发。

4）开放实验

实验为综合性实验，要求具有一定创新性，根据专业特点结合课程内容自定题目，综合应用相关知识。实验的完成既是对所学知识的总结，又是站在全局高度考虑采集和集成系统，为后继学习和工作奠定数据思维。

4、课程实施

4.1 实施原则

(1）循序渐进原则。按照数据采集与集成课程逻辑系统和学生认知发展顺序开展课程教学，使学生系统地掌握基础知识、基本技能，形成严密的数据采集逻辑思维能力。

(2）理论教学与实践教学并重原则。课程强调理论教学与实践教学并重理念，根据课程特点，结合专业特性。理论教学以教授基础知识、基本原理和基本方法为主。实践教学以设计的一套实验为指导，注重理论与实践的联系，加强运用知识分析和解决问题的能力，达到学懂会用、学以致用目标。

(3）因专业施教原则。结合智能建造专业特点及前序课程情况，从专业实际、专业差异出发，进行有的放矢的差别教学，扬长避短，发挥专业特长，获得最佳发展。

(4）启发性原则。把学生放在教学的主体地位，调动学习主动性，引导其独立思考、积极探索，自觉掌握科学知识，提高分析问题和解决问题的能力。

4.2 课堂教学

课堂教学是学生掌握理论知识和程序设计技巧的关键一步。提高课堂教学质量是教学的重中之重。

4.2.1 课件讲解、编程实践、结果展示并重

课程针对每个知识点都制作了详细的多媒体课件，通过课件进行讲解和演示，图文并茂，动态模拟原理和过程。

对需要编程的部分，直接将程序代码展示给学生看，学生会对程序的设计思路、编码过程及规范产生很多疑问，进而主动思考分析问题，习得经验，使教学效果显著提高。

编程结果展示，可以增加学生成就感和好奇心，激发兴趣，进行进一步探索和学习。

4.2.2 启发式、案例式、讨论式教学

结合专业或者热点案例，采用启发的方式或者进行集体讨论，能激发学生思考，发散思维，拓宽思路。如在讲授传感器采集时，结合智能家居案例，使学生既能了解传感器应用场景，通过讨论还能了解更多传感器应用，进而带入这些传感器的原理。

4.2.3 知识性、实用性、趣味性并重

在课堂教学时：(1)注重知识性，将各种知识要点、原理、相似知识点之间的区别和联系讲解清楚，举一反三，融会贯通，同时适时进行总结归类，将零碎的知识点串联起来；(2)注重实用性，应当在案例中将各知识点的功能效果展示出来，让学生有直观的认识；(3)注重趣味性，如讲授采集的图片和文字处理时，就结合当下图像识别的前沿技术，提高学生兴趣。

4.3 实验教学

(1）渐进的形式。课程实验随着理论教学内容逐步安排，从浅入深，既是对教学的补充，又是对教学内容的巩固。

(2）课外的形式。实验均为课外实验，不占用课堂时间，弥补课时不足和深度不够问题。

(3）考核的形式。实验结果作为考核的一部分，增加学生重视程度，通过实验报告的撰写较全面地考核学生的工程思维。

4.4 课程考核

成绩评定综合考虑平时表现、实验和大作业，加大学生教学参与程度和应用动手能力考核的比重，按照平时成绩占20%，实验占40%，大作业占40%的比例进行期末综合评定。

5、结语

大数据和智能建造均是新兴专业，在开设大数据专业的数据采集与集成课程基础上，把二者进行有机结合，形成适合于智能建造专业的数据采集与集成课程体系，用于即将进行的教学，一定能起到理论与实践相辅相成的效果。后续根据所设计内容进行实际教学，并持续收集资料和意见反馈，继续调整和完善教学内容、实验内容、教学及实验方法，为培养相应人才提供教学保障。

参考文献:

[1]卫志华,孔思尹,丁志军,等.新工科背景下数据挖掘课程综合性实验设计[J].计算机教育,2020(3):127-130,135.

[2]李鸿健.大数据时代计算机专业教学改革研究[J].教学园地,2013(19);29-31.

[3]陈晶,吕佳.高校数据挖掘课程教学模式究[J].电脑知识与技术,2018(1):179-182.

[4]廖旺宇.贯穿式案例教学法在数据挖掘课程中的应用[J].教育天地,2018(3):209-210.

[5]王建新.数据挖掘课程中数据思维的培养方法探索[J].计算机教育,2019(8):117-120.

[6]文万志,陈建平,鞠小林,等.非计算机专业程序设计类课程基线教学模式探索[J].计算机教育,2015(16):89-93.

文章来源：郭玉臣,卫志华,塔力鹏·努尔巴合提.面向学科交叉的数据采集与集成课程教学设计[J].计算机教育,2021(08):142-146.