新文科背景下大数据分析
课程教学模式改革
作者信息
俞少宾，山东大学政治学与公共管理学院副教授、山东大学公共治理大数据实验室主任、硕士生导师；
丁恺（通讯作者），山东大学政治学与公共管理学院助理实验师。
原文信息
本文刊发于《新文科理论与实践》2022年第4期，第73—82页。欢迎转发与转载，转载请注明来源。注释从略，完整版请参考原文。
摘要
在新文科建设推动学科交叉融合、培养学生的跨学科交叉能力的育人理念下，越来越多的人文社科院系开始开设大数据分析相关的课程。基于历年的教学实践，课程教学团队结合学科需求、实践应用以及学生能力，制定切实可行的教学目标，优化课程内容与学时分配等。在此基础上，课程团队还探索采用了“问题驱动＋翻转课堂”的教学模式，通过提出问题、翻转课堂学习、解决问题、评估与巩固这四个阶段的教学，引导学生自主深度学习，提高教学效率，提升教学效果。实践表明，“问题驱动＋翻转课堂”的教学组织模式，有助于增加学生的学习性投入，充分激发学生的自主学习动力，还可以促进学生之间、师生之间的交流合作，增强学生对多种技术、研究方法的综合使用和理解，提升学生的综合能力。这一做法，契合了新文科所倡导的突破专业壁垒和学科边界，变革人才培养模式，打造以学生为中心的个性化教学模式的新要求。
关键词
新文科；大数据；教学模式；问题驱动；翻转课堂
❖
一、引言
大数据、人工智能等新兴技术的发展，正逐渐影响或改变着社会结构与社会运行方式，也为相关学科的研究提供了新的视角与工具。2017年国务院印发的《促进大数据发展行动纲要》专门指出，鼓励高校开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才。2019年，教育部等13个部门联合召开“六卓越一拔尖”计划2.0启动大会，发展新工科、新文科、新医科、新农科，推动全国高校掀起一场“质量革命”。相应地，文科教育也在与时俱进，结合社会发展新需求、学科交叉融合新趋势、科学研究新成果，积极地应变、求变。在此背景下，为了推动学科交叉融合，培养学生的跨学科交叉能力，呼应公共管理进入“数据事实”时代新要求，2017年起山东大学政治学与公共管理学院整合现有学科资源，依托大数据与公共治理实验室，面向本科生与研究生开设了《大数据与公共治理》等大数据分析方法类课程，以提高学生的海量数据分析能力，适应未来学科以及社会发展的需求。
梳理近年来相关研究文献发现，一方面，有关大数据课程教学的研究成果较为丰富，但是绝大部分是将大数据视为时代背景或技术手段，探讨大数据给教学管理、教学评价、教学理念、教学模式、教学技法等带来的机遇与挑战，而关于大数据分析类课程本身的教学研究成果相对较少。另一方面，程序设计作为重要的基础课程，其教学目标、学生所需掌握的知识技能与大数据分析类课程类似，因此现有的程序设计类课程的教学改革与探索成果可以为我们的大数据分析课程教学提供良好的借鉴。总体来看，程序设计类课程的教学研究囊括各大主流编程语言，涵盖各个类型和层次的院校，涉及教学过程的各个阶段，其发展呈现出这几个特征：（1）由注重提升学生程序设计技能到培养计算思维和问题解决能力的转变；（2）由讨论较为具体的教学问题与对策向探索教学理念与模式的转变；（3）由偏重单一教学模式向探索混合教学模式的转变。这些变化，既顺应了信息技术的飞速发展给高等教育所提出的新要求，又反映了以学生为中心的个性化教学理念与模式的不断普及。然而，纵观现有的相关教学研究文献，主要是面向理工类专业与学生，缺乏针对人文社科专业学生特点而开展的教学研究。偶有研究虽然提到程序设计类课程要因专业施教，但其所指仍然没有超出理工类专业的范围。近年来，新文科建设在我国方兴未艾，越来越多的院校开始创设计算社会科学、大数据与人工智能等交叉学科领域的项目与课程，在此形势下，研究新文科背景下大数据分析课程的教学模式具有一定的理论与实践意义。
在近年来的教学实践中，山东大学政治学与公共管理学院《大数据与公共治理》课程教学团队在考察借鉴前述教学研究成果与经验的基础上，持续听取学生对教学情况的反馈，结合学科特点以及学生的能力水平，不断完善教学方案，改进教学模式，在面向人文社科学生开设的大数据分析课程教学模式与技法等方面开展了一系列的探索与实践，摸索出了“问题驱动＋翻转课堂”这一教学模式。在交叉学科日益成为拔尖创新人才培养主要途径的新形势下，这一模式呼应了新文科的坚持问题导向、开展跨学科研究的建设目标，可以为人文社科相关专业开展计算机、信息、大数据、人工智能等课程的教学提供有益的借鉴。
二、问题驱动与翻转课堂教学法概述
问题驱动式教学法（Problem-based Learning，PBL），是依据现代建构主义教学理论所建立的一种教学方法，其源于20世纪60年代麦克马斯特大学的Barrows和Tamblyn所开展的医学教育实践，随后被推广至北美乃至全球，成为传统教学方法的有益补充。建构主义教学理论强调，教学过程的主体是学生自己，学生的学习活动必须与具体的问题相结合，以探索问题来引动和维持作为学习者的学习兴趣和动机，通过“已知—未知—新的已知”的循环渐进的模式来学习新内容、获取新知识。
与传统教学方式不同，问题驱动式教学法是以学生为教学情境的主体，教师的角色是设计者、组织者和引导者。在教学过程中，问题驱动式教学法主张以问题为学习的起点，以问题为核心规划学习内容，引导学生发现问题、分析问题和解决问题。通过这一连续的教学活动，激发学生自主学习的动力，提高学生的专业素养，从而实现人才培养目标。问题驱动式教学法的诸多特点，使得它尤其适合于知识更新较快，网络学习资源丰富，实践应用导向鲜明的交叉学科或课程的教学。
另一方面，得益于信息技术和互联网的飞速发展，翻转课堂这一教学模式在21世纪初取得了实质性的进展，开始风靡全球，帮助教师更加高效地完成教学目标。翻转课堂是指在信息化环境中，课程教师提供以教学视频为主要形式的学习资源，学生在上课前完成对学习资源的观看和学习，师生在课堂上一起完成作业答疑、协作探究和互动交流等活动的一种新型的教学模式。当然，翻转课堂并不单纯指制作微视频供学生提前观看，其根本目的是促进学生的自主深度学习。翻转课堂这一教学模式的发展，颠覆了传统的“教师讲授＋学生作业”的教学过程，强化了学生中心地位，重塑了教师与学生在教学过程中的角色定位。从其实施效果来看，翻转课堂有利于激发学生的学习激情，培养学生的研究和创新能力以及合作和表达能力。
总体来看，问题驱动式教学法和翻转课堂共通的核心要义是崇尚以生为本的教学，本质在于回归教学活动的逻辑起点——学生的学习。无论是引导学生发现问题、分析问题和解决问题，还是向学生提供丰富的翻转课堂资源，始终要将关注点放在学生身上，充分考虑学生的知识背景和理解能力，尊重学生的差异性和主体性。
三、新文科对课程提出的新要求与
面临的现实挑战
新文科的实质是重组传统文科，突破专业壁垒和学科边界，将大数据、人工智能等新兴技术融入到专业学习与训练之中，变革人才培养模式。在教学理念上，新文科强调传统与现代相结合，创新教学内容、教学模式和教学手段，用新技术、新方法赋能传统学科。《大数据与公共治理》作为一门具有学科交叉性质的课程，教学内容主要包括利用大数据、自然语言处理、机器学习等方法对公共管理、公共政策领域的数据进行采集、挖掘、分析与展示，从而深化对政策过程中主体、结构、过程等方面的认识。由于数据的采集、挖掘、分析与展示需要一定的编程能力，因此相较于其他课程，该门课程对教师以及学生的要求略有不同，尤其对于人文社科专业的学生来说，在教学过程中面临着一些独特的挑战，主要表现在以下几个方面：
（一）课程内容与教学安排未充分考虑到交叉学科特点
根据现行的培养方案，《大数据与公共治理》课程总共设置了32个学时。在这短短的32学时中，学生既要理解大数据相关的理论基础，还要在较短的时间内熟悉Python程序设计语言的基本操作并能利用其进行数据抓取与分析处理，在结课阶段往往还要结合具体的案例，自主编写调试程序、开展数据分析并完成期末报告。时间紧、任务重，这对于大部分从零开始掌握一门全新的程序设计语言并利用其进行数据分析的学生带来了较大的挑战。正如一位学生在评教意见中所言：“如果能加长学时，更加完整地学习知识和在研究中的应用就更好了。”在初次开设该门课程时，课程教学团队也未能充分考虑到跨学科课程的特点，课程内容与教学安排仍然沿用惯常的“套路”，每章采用理论讲解加案例分析的结构展开，容易导致知识点“碎片化”，课程设计与实际应用脱节，影响了教学目标的实现。
（二）学生的跨专业基础能力较为薄弱
对于人文社科专业的学生来说，虽然在本科期间都完成了计算机基础或者计算思维等课程的学习，部分学生在本科高年级阶段可能还选修了Stata等量化分析课程，对使用命令行或代码进行数据处理具有一定的经验，但是由于时间相隔较长，平时实际使用较少，导致大部分学生对计算机的运行原理与编程比较陌生。实际教学过程中甚至还有部分学生在课程进行数周后才顺利将集成开发环境安装完成，这一状况给课程教学带来了较大的阻碍。学生的普遍诉求包括：“希望老师能再讲得通俗易懂、然后再循序渐进，别尚未弄懂就'大跃进’，毕竟我们没有相关基础。”
学生基础薄弱带来的另一个不利影响是难以长时间维持学习积极性。实践发现，学生的学习积极性在课程初期总体很高，他们对学习一门全新的程序设计语言并利用它解决各类问题抱有憧憬与期待的心理，然而随着课程的不断推进，知识点与学习难度的不断增加，学生们的挫折感逐渐显露。到了课程中后期，学生之间的能力分化明显加速，前期Python基础知识掌握得不够扎实的学生很难完全跟得上教学节奏，影响了教学效果。
（三）传统教学模式较难适应新文科时代要求
课程开设初期，教学团队按照惯常做法将课程分为理论讲解与实验教学两个环节。理论讲授部分以教师为主，介绍大数据的相关理论、Python的各种概念与语法、大数据分析方法的各类使用场景与操作流程等知识。实验教学部分则围绕某个知识点或方法，学生在教师的指导下完成程序代码的编写、调试与运行。这种常规的教学模式存在的不足主要包括：理论讲解部分学生反映内容比较枯燥，对相关概念与语法的使用不容易形成直观的印象。实验教学部分如果选课人数较多，教师难以顾及每位学生并检查他们的实验进度，不便了解学生对某个知识点的真实掌握情况。在这种传统的教学模式下，如果说前期的编程基础学生还可以勉强跟上的话，到了课程后期的高级应用与分析实践环节，越来越多的学生开始主动或被动“掉队”。代表性的评教意见如“到了课程后半阶段，大家都觉得内容很难理解，完成课后作业很吃力。”
（四）学生自主个性化学习激励不足
《大数据与公共治理》作为一门实践导向的课程，教学目标的实现在很大程度上依赖于学生运用所学的理论知识与方法技术解决实际问题。在初期的教学实践中，对每一个知识点与数据分析方法，教学团队均会选择适当的案例数据进行讲解，在对实际数据的处理与分析中推进教学计划，尽量做到理论联系实践。教学反馈表明，这一做法虽然有助于在实践中理解Python的基础操作与大数据分析方法，但是由于练习作业的问题与数据都是教师选定的，并非学生们自己感兴趣的研究问题，再加上各个知识点所选择的问题缺乏前后连续性，导致学生们的课程参与感不强，影响了其自主探究学习的积极性。学生在评教时虽然认为“老师上课演示所选用的例子，非常具有趣味性和实用性”，但是也希望可以“适当增加和当前热点社会问题相关内容的学习，提高解决问题的能力。”
四、“问题驱动＋翻转课堂”教学模式的
实践与成效
近年来，课程教学团队参考借鉴国内外先进的教学研究成果，不断梳理总结教学实践中所面临的挑战，持续听取学生对教学情况的反馈意见。在此基础上，结合人文社科专业学生的特点，不断调整课程的教学目标，优化实验教学设计，探索形成了“问题驱动＋翻转课堂”的教学模式，取得了良好的教学效果。
（一）调整优化教学目标与课程内容
由于大数据分析相关课程在人文社科院系较少开设，因此教学目标以及教学大纲的制定没有太多的先例可循。最初团队教师参考并整合了Python程序设计语言、Python数据处理、自然语言处理、机器学习等相关课程的内容，确定了最初版本的实验教学目标，要求学生能熟练掌握Python程序设计语言，自主编写调试程序并进行数据处理。首次教学任务结束后，教学团队感觉到教学目标在一定程度上偏离了学科需求和学生的能力水平，影响了教学效果。考虑到互联网上大数据分析项目相关范例代码丰富，学生无需从零开始“造轮子”，课程教学团队将教学目标调整为：熟悉Python语法与基础操作，能读懂并根据项目需求修改调试范例代码，能借助第三方资源与工具开展公共政策领域的大数据分析。相比最初的版本，修订后的教学目标更为“脚踏实地”，呼应了人文社科专业“不求甚解，但求所用”的“功利化”学习目的，降低了学生的学习压力，提高了学习积极性。
此外，在教学大纲的设计方面，考虑到人文社科专业学生的计算机思维与编程基础较为薄弱，在课程内容上增加了计算机软硬件基础知识与程序设计语言概览的内容，略微增加了Python基础操作模块的学时。与此同时，由于人文社科专业经常需要处理海量的文本数据，因而增加了正则表达式的学习内容。在此基础上，根据大数据在本学科领域的应用现状与发展趋势，甄别筛选了几个核心的综合应用知识模块，结合学生的能力水平合理规划、渐次推进，引导学生利用所掌握的编程技能解决实际问题。教学过程中，各模块知识点的教学均基于实例代码讲解，注重学生对程序的理解和调试能力的锻炼。修订后的教学内容与学时分配如下表所示：
基于新大纲的教学实践发现，学生在示例代码的基础上，根据具体需求修改调试后能快速地运行程序并完成各项数据处理与分析任务，有效地规避了从零开始编程的抵触心理，部分学生还在此基础上利用网络资源，在教师的指导下继续深入探索，课程结束后能较为熟练地自主编写调试相关程序代码。
（二）采用“问题驱动＋翻转课堂”的教学模式引导学生自主学习
在“问题驱动＋翻转课堂”这一教学模式下，学生出于强烈的问题动机驱动，通过教师的引导，主动学习课前课后的学习资源，在此基础上自主探索和互动协作，达成预定的学习目标。得益于互联网上丰富的Python与大数据分析相关的学习资源，在教学过程中，教师可以根据每个学习小组的进度与知识点掌握程度，精准地“推送”学习资源与参考资料。教师还需要定期督查各小组问题解决进度，有针对性地查缺补漏，提供建设性的解决方案与建议，实现个性化的学习指导。具体实施上，主要包含提出问题、翻转课堂学习、解决问题、评估与巩固等四个阶段。
1.提出问题
提出问题作为本教学模式的第一阶段，首要任务是确立课程规则与制度，推动师生对本门课程的教学目标、教学模式、具体要求等达成共识，便利后续各项教学活动的顺利开展。在此基础上，将学生分成若干学习小组，每个小组根据研究兴趣、学科前沿问题或所参与的课题提出研究问题，其中问题的解决步骤需要包含本课程的四大核心知识模块，经与授课教师商议审核后确定。在这一阶段，教师的中心工作是引导学生转变学习观念，调动学生的求知欲与探索欲，推荐或引导学生选择合理可行的研究问题并贯穿课程学习始终。
2.翻转课堂学习
翻转课堂学习阶段的中心任务是以解决问题为导向，学生自主学习教师提供的课程资源，教师评估学生的学习情况并采取集中讲解与个别辅导相结合的办法查缺补漏。在该阶段，教师的中心工作是辅导各小组敲定解决问题的技术路线图，进而倒推所需的编程技能，并将各技能与课程资源中的知识点关联起来。由此，解决问题包含的操作步骤、所需编程技能与课程资源知识点得以梳理清楚，学生可以有针对性地在课前高效率自学。课前自学结束后，各小组分别总结遇到的疑难知识点与困惑，在课堂上开展讨论，教师视情况进行集中讲解或个别辅导。翻转课堂教学模式的引入，将教师从惯常的按知识点顺序讲解授课工作中“解放”出来，代之以对学生真正关心的重难点和关键问题的答疑解惑。这一做法较为有效地解决了课程课时少、学习任务重的难题，将课堂时间变成了教师检查督导学习进度、师生交流协作的“黄金时段”，提高了学生自主应用所学知识解决实际问题的能力。
3.解决问题
逐个“击破”了解决问题所需的基础编程技能与知识点之后，学生开始将重心转移至解决在第一个阶段所提出的问题上来。这一阶段既是检验前期教学效果的“试金石”，又是培养学生综合应用所学知识解决实际问题的“竞技场”。客观来说，要求学生正确运用正在学习的新知识、新方法解决复杂问题，的确存在较大的挑战，但是一方面学生在前期的学习中已经掌握了较为扎实的基础技能，另一方面丰富的线上学习资源与工具，以及教师提供的指导与帮助，可以为学生解决问题提供坚实的支撑。更为重要的是，解决问题的过程事实上也是不断遇到和解决新问题的过程，这会促使学生主动寻找新的学习资源，学习新的知识，提高综合能力。
4.评估与巩固
当课程进展到综合应用模块时，在每一个模块的后两个学时教学中，教师会随机抽取两个以上小组上台汇报解决问题的过程，分享在问题解决过程中遇到的难点和堵点，总结本组所用方案的创新点与不足之处，同时回应其他小组的提问与质疑。随后，教师结合专题内容对各组的汇报情况进行点评，并简要地介绍在一般情况下解决该类问题所需的技能、方法、工具与流程。通过这种“大练兵”式的集中汇报与交流，可以较好地催发学生在解决问题后的喜悦感与成就感，巩固学习成果，同时还可以培养学生的团队协作和沟通表达能力。
（三）教学改革成效
在“问题驱动＋翻转课堂”教学模式下，教与学的关系，从传统的教师讲解后学生编程复现，变成了教师引导下的学生自主学习。由于所选的数据分析任务是学生自己真正所关心的研究问题，这一做法可以有效地增强学生的课程参与感，激励他们自主探究式学习的热情。通过提出问题、翻转课堂学习、解决问题、评估与巩固这四个有机的学习过程，学生在尝试解决自己所选定的学科问题的兴趣驱动下，详细梳理解决问题所需的基础技能与知识点，参考各类学习资源，寻求线上社区与教师的指导，通过积极主动的学习与协作，最终在解决问题的同时习得了新的知识，提高了综合能力，实现了教学目标。
学生的评教结果也在不同程度上反映了这一变化，从2018年秋季学期开始，随着课程教学团队对课程大纲和教学模式的不断调整优化，学生对课程的总体评分大致呈现逐年上升的趋势。相比学生评教中的客观打分，主观评教意见更为真实地反映了教学模式优化所带来的变化。一方面是学生更好地认识到了课程设置的意义和作用，提高了通过自主学习解决感兴趣的研究问题的积极性，实现了从“要我学”到“我要学”的转变。代表性意见如“个人觉得设置这门课程很有必要，一是大数据与Python运用是不容忽视的研究方向，对于公共管理学科可以带来交叉学科的启示；二是有助于提升学生的大数据思维和定量分析思维······（课程设置）很有必要，符合大数据时代的特征，对写论文也很有帮助。”另一方面是学生对于新的教学模式的肯定，对于课程学习收获的积极反馈，代表性意见如“课程形式新颖”“课程设计合理，课程内容充实”“授课方式灵活，信息量大，内容前沿，方法实用”“提供优秀的课外辅助材料供学生深化学习”“轻松的课堂氛围使得知识的学习更加轻松，实用性高”“理论与实践相结合，受益匪浅”等。
五、结 语
人工智能、大数据等新兴技术的快速发展和在不同场景中的广泛应用，为不同学科的发展提供了全新的研究工具和研究方法，使整个文科的研究方式发生了深刻的变化，大数据与人工智能在各个学科间的交叉发展与融合也对人文社科专业研究者与学生的大数据分析技能提出了更高的要求。在这一时代背景下，本文基于面向人文社科专业学生开设的大数据分析课程的教学实践，一方面总结了新文科对课程提出的新要求以及面向人文社科专业学生开设大数据分析课程所面临的几大挑战，提出了要结合学科需求、实践应用以及学生能力，制定切实可行的教学目标，优化教学大纲与学时分配的建议；另一方面分享了通过“问题驱动＋翻转课堂”这一教学模式提高课堂效率，引导学生自主深度学习，提升教学效果的实践与探索。
教学改革的实践表明，“问题驱动＋翻转课堂”的教学组织形式，是以学生为中心的个性化教学模式，有助于增加学生的学习性投入，充分激发学生的自主学习动力，这一成效与此前张天舒所开展的“新文科”拔尖人才培养质量的实证研究结果相一致。更为重要的是，在教师引导下的自主学习和研讨交流，还可以促进学生之间、师生之间的交流合作，增强学生的综合问题解决能力，提升自我表达与团队协作能力。这一探索，响应了在新文科建设新形势下培养跨界融合人才的主旋律要求，为培养具有跨学科专业背景和合作能力的新时代大学生提供了实践进路。
诚然，人文社科这一大类包含诸多学科专业，各学科专业对新文科建设的愿景和复合型学科人才培养的要求不同，再加上学生的知识背景与能力也各有千秋，如何针对这些不同的特点，探索采取更加科学与个性化的教学模式，实现新文科人才培养目标，值得后续继续深入研究并在教学实践中不断探索优化。
❖
| 素材设计：李星颖
| 值班编辑：孔文博
| 责任编辑：韩 玲
联系客服
