《数据挖掘》课程思政教学案例（一等奖）.docxVIP

PAGE 2 《数据挖掘》课程思政教学案例（一等奖） 一、课程及案例简介 《数据挖掘》（48学时，3学分）是大数据时代新工科专业的核心课程之一，时代性和应用性强，旨在让学生掌握大数据分析的常用方法，能够应用数据挖掘技术分析和解决实际工程问题。本案例介绍了一种数据挖掘常见算法-K近邻算法（K Nearest Neighbors，KNN），其核心思想是未标记样本的类别由距离其最近的k个邻居投票来决定，适用于能够归结为分类和回归的问题。本案例深度挖掘和提炼专业知识，使其与思政元素有机融合，通过“课前导学+课中互学+课后升华”三位一体模式，全方位将思政元素融入教学，让课程教学成为育人的主渠道，发挥同向协同作用。 二、结合章节 本课程立足于大数据角度，从算法原理和技术应用两个方面规范和指导大数据分析和挖掘的全过程。在数据挖掘教学中，重点从强化创新意识、科学素养、处事哲理等方面着手开展课程思政教学。结合本课程教学内容，将积极向上的生活态度、勇于探索、不断创新的科学精神、严谨细致的工匠精神、坚定不移的爱国精神等思政元素有机融入课程教学，全面渗透到教学全过程，在教学过程中“润物细无声”的使专业课程教学具有传授知识、培养能力及思想政治教育三重功能。通过深入梳理数据挖掘课程的思政元素，下面列出课程知识点与思政融入点之间的映射关系，如表1所示。 下面以课程“K近邻算法”章节的思政教学为例，介绍思政元素融入课程教学的实践过程。 三、教学目标 本案例主要内容是理解掌握K近邻算法。在学生已掌握决策树模型和分类器评估方法的基础上，进一步介绍常用的K近邻算法，为后续学习其他分类技术以及解决典型业务问题打下基础，该部分内容在本课程中起到重要的承上启下的作用。本案例教学目标分为知识目标、能力目标和素质目标。 四、案例意义 《数据挖掘》中K近邻算法章节的讲授重点是K近邻算法基本思想、样本间距离度量方法、K值选择和算法应用案例分析，通过深度挖掘和提炼教学内容中的思政渗透点，本案例融入的思政元素主要有树立大局意识，少数服从多数，以国家民族利益为重；辩证统一的观念，科学、辩证和全面地观察问题；不言放弃、工匠精神、严谨的科学态度；增强学生的爱国主义情怀等。教学知识点和思政目标对应关系如图1所示。 图1 案例教学内容和思政目标对应关系 五、教学过程实施 以教师为主导、学生为主体，在“三位一体”模式下，通过课前导学、课中互学、课后升华，将课程思政注入教学活动全过程，教学过程实施如图2所示。基于雨课堂的《数据挖掘》线上平台，教师课前发布预习内容，学生利用课余时间观看微课视频及资源，完成小测验；课中教师注重启发式教学，采用课堂提问、小组讨论等激发学习兴趣，形成教学互动，引导学生理解算法并建模分析数据，加深学生对教学内容的理解；课后学生通过作业、讨论、天池论坛学习、B站视频学习资料等方式巩固教学内容，教师引导学生参加天池、泰迪等平台的数据挖掘赛事，以赛促学。 图2?案例教学过程实施K近邻算法章节主要教学过程和思政融入 表3 ?K近邻算法章节主要教学过程 六、教学考核评价 课程基于过程性与结果性考核有机结合的原则，采用多元化评价体系，建立线上线下相结合的混合式评价方案，如图3所示。其中，结果性考核方式依据课程目标构建评价指标体系，据此采用闭卷考试。过程性考核包括课后作业、期中测验和思政讨论三个环节，其中思政讨论采用线上形式，针对思政目标开展三次主题讨论。除了课程考核，在日常教学管理中，定期通过线上问卷调查与学生座谈交流会来综合评价课程思政的教学效果。 七、案例反思 本案例教学充分体现“以学生发展为中心”的理念，育人效果良好，经过课程思政的实施，学生在素识和能力上面取得全方位发展，对家国情怀与科技兴国的历史使命感有了更深刻的认识。本案例教学的实施效果及成果有： （1）课程受到学生欢迎，获得学校年度教学质量优秀。 同时，通过教学反馈，本课题组教师不断地反思问题，持续改进教学设计： （1）教学相长，育人先育己。任课教师需要不断提升驾驭知识的高度，努力做好“课程思政”的传播者，进一步钻研融入思政的知识切入点，做到以德立身、以德立学、以德施教，在专业课的教学中才能做到引人人胜中潜移默化，和风细雨里润物无声，使课堂成为弘扬主旋律、传播正能量的主阵地，把真善美的种子不断播撒到学生心中。 （2）寓价值引导于知识传授，寓思政教育于工程实践。思政融入设计应以学生发展为中心，紧密结合时代背景，体现专业特色。如我国在疫情防控中取得了卓越成效，彰显了中国制度优势，可将新冠防疫相关数据设计到课程实验项目中，像盐溶于水一样“润思政”于学生实践全过程。 “十年之计，莫如树木；终身之计，莫如树人”，思政育人是一项伟大的事业，也是一件长期的工作。道虽迩，不行不至；事虽小，不为不成，任重而道远；作为一名人民教师，吾将