摘要：针对软件工程试点专业本科生理论与实践结合能力薄弱以及系统能力培养没有引起教师足够重视的问题，提出计算思维能力是高层次数据分析人才必备的重要素质，并阐述如何在算法类课程的教学中培养学生的计算思维能力，为区域经济的发展输送合格的应用型人才奠定基础。
关键词：数据分析人才；软件工程专业；计算思维能力；正情绪
0引言
Web技术的飞速发展产生了海量的用户生成内容，大量信息蕴藏其中，是潜在用户决策支持的有价值资源。如何挖掘海量用户生成内容催生了数据分析人才的市场需求。麦肯锡全球研究院报告预计，美国在2018年数据分析人才缺口将达到50%～60%，甚至可能更大。我国政府提出的“互联网+”行动计划，使得数据几乎渗透到每一个行业和业务职能领域。在大数据时代，具有丰富经验的数据分析人才需求倍增。
1数据分析人才必备的重要素质
数据分析人才能对行业已有数据进行统计、分析、预测，能为企业经营决策提供科学量化的分析依据。2007年，复旦大学首先在国内开始培养数据分析人才，随后香港中文大学、北京航空航天大学等高等院校也相继开设了相关课程。分析上述高校人才培养计划可知，数据分析人才应该系统地掌握数据分析相关技能（主要包括数学、统计学、数据分析、商业分析和自然语言处理等），应具有较宽的知识面、独立获取知识的能力及较强的实践能力和创新意识，是一种复合型专业人才。《中国大数据技术与产业发展白皮书》在数据人才一章中明确指出，数据分析人才的培养要从本科阶段开始，要注重运用算法分析问题、解决问题，由此可见，计算思维能力是数据分析人才必须具备的重要素质之一。
2计算思维能力培养现状
自2002年以来，我国计算机教育专家将计算思维能力归结为计算机专业人才必备的4大专业基本能力，并且强调计算思维能力是其他3项能力（算法设计与分析、程序设计与实现以及系统能力）的基石。那么，如何在大数据时代背景下，依托应用型本科软件工程试点专业建设，培养软件工程专业学生的计算思维能力，为社会输送高质量数据分析人才？计算思维能力的强弱主要表现为学生能否正确运用抽象与分解、递归、启发式等方法解决计算求解问题。训练学生的计算思维能力可在算法与数据结构以及算法设计与分析课程（以下简称算法类课程）的教学中进行，因而算法类课程是本科阶段培养数据分析人才的重要课程。
然而，在算法类课程的实际教学过程中，存在两个较为常见的问题：
（1）学生理论联系实际的能力薄弱。学生要达到灵活运用算法解决实际问题，必须掌握算法的核心思想，但由于算法类课程中许多概念抽象，一些经典算法较为复杂，在这两门课程的学习和实践中，能体会到理论学习意义和动手实践乐趣的学生很少。
（2）系统能力培养没有受到教师的足够重视。由于算法类课程相关的综合设计课内学时少，教师无法引导学生从系统的角度认知综合设计，并对其进行分析、开发与应用。
由此可见，在算法类课程的现有教学环节中，训练学生计算思维能力的机会较少，必须结合当前数据分析人才市场需求的发展趋势，重新审视算法类课程的定位和内容，以达到夯实学生计算思维能力的目的。
3在算法类课程教学中培养学生计算思维能力的方法
从整体上，一个较高层次的数据分析人才应该掌握7大版块的知识结构，分别是数据采集、数据存储、数据提取、数据挖掘、数据分析、数据展现以及数据应用。以数据分析人才驱动为导向，培养软件工程专业学生计算思维能力的算法类教学方法主要是把算法类课程中算法分析与设计的思想融入数据分析中，用数据分析中的实际需求驱动学生学习书本上抽象的理论知识。以7大版块中最重要的数据挖掘版块作为载体，在算法类课程教学中培养学生的计算思维能力。
3.1基于实际数据分析任务的实验项目设计
目前，国际权威学术组织IEEE International Conference on Data Mining（ICDM）已评选出数据挖掘的10大经典算法：C4.5、k-means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、Navie Bayes和CART。在教学过程中，可以根据不同类型的应用问题，结合这些经典数据挖掘算法布置实验任务，对每一实验任务制定实现该任务的实验目的、实验要求、实验内容、实验步骤和预期实验结果，让学生清晰地理解并实现这些实验任务。
以2013级软件工程专业学生参加中国好创意的“互联网情绪指标和生猪价格的关联关系挖掘和预测”为例，说明实验项目的设计。
（1）实验目的：针对来自国内互联网的生猪历年消费者情绪数据，挖掘消费者情绪指标和生猪价格之间的关联关系。
（2）实验要求：采用Apriori算法，对近期国内五花肉价格及生猪价格进行预测。
（3）实验内容及步骤：首先，对原始的生猪数据清洗是分析消费者情绪与生猪价格之间的关联关系的第一个阶段，其目的是删除无关数据；其次，统计与消费者正面情绪或消费者负面情绪同时出现的相关指标，并根据自定义的最小支持度阈值获得正面情绪或负面情绪的频繁项集；最后，根据自定义的置信度对获得的频繁项集进行筛选，得到有意义的频繁项集。
（4）预期实验结果：解读最终得到的频繁项集，将挖掘的结果反馈到生猪养殖户，让其掌握生猪市场的供求关系。
个别有能力的学生还可以对以上内容进行拓展，从互联网大数据中找出其他一些具有参考价值的生猪价格预测先导指标。
实验任务的编码完成后，还要求学生从软件开发的角度撰写规范的项目报告，内容包括项目的需求分析、总体设计、详细设计、编码与测试等。教师可通过报告清楚了解学生是否有良好的计算思维能力。针对计算思维能力薄弱的学生，教师可以再布置另外的实验项目让其训练。例如，在“互联网情绪指标和生猪价格的关联关系挖掘和预测”实践项目中，要求项目报告中有目标场景、需求理解、方案创意说明、模型数据选取、数据分析、算法设计、实验设计、结果分析、原型系统介绍等。
3.2算法类课程教学内容拓展
由于本科阶段算法类课程的教学内容只涉及完成基于实际数据分析任务的基础知识，不包括数据挖掘算法，这就需要教师在算法类课程中拓展教学内容。因此，在教学过程中需要将经典的数据挖掘算法与算法类课程的理论知识巧妙融合。为此，教师需要详细分析实现每个数据分析任务需要的基本理论知识，然后按照书本相关内容的先后顺序串联起来并编写授课计划，体现算法类课程精华内容与实际数据分析任务的融合。为了保证学生对数据挖掘算法的深入理解，需要鼓励其利用课余时间广泛查阅相关资料，进行自主学习。
在2013级软件工程专业学生参加中国好创意的“互联网情绪指标和生猪价格的关联关系挖掘和预测”竞赛中，指导教师们利用课外时间给学生讲解关联规则挖掘算法的思想、原理、特点等。学生在学习关联规则挖掘算法的过程中进一步掌握了递归与分治思想、回溯法思想；理解了树型存储结构对关联规则挖掘算法性能的改进。通过这样的实践，参赛学生完成的作品清晰展示了他们在学习算法类课程中培养的计算思维能力。
3.3计算思维能力培养的跟踪
为了改进软件工程学生计算思维能力培养中可能存在的问题，收集应用于13级软件工程专业学生的实验项目、授课计划、项目报告、算法类课程的理论成绩与实践成绩。通过跟踪他们毕业设计的完成情况，分析曾在算法类课程上得到较好计算思维能力培养的学生的毕业设计情况，检验提出的方法。由于本研究的对象还没有进入毕业设计环节，故只进行算法类课程的理论成绩与基于实际数据分析任务的实验项目完成情况的分析。通过两门课程期末考试成绩可以看出，认真完成实验项目的学生理论考试成绩普遍高于不认真的学生，这充分说明基于实际数据分析任务的实验项目能有效改进目前算法类教学课程中存在的问题。
此外，还准备通过学院学生管理部门跟踪2013级软件工程专业学生的就业情况和用人单位的反馈意见，了解学生的专业能力，及时修改计算思维能力的培养方法，为探索应用型本科软件工程试点专业建设提供有力支撑。
3.4充分利用移动平台
为了让学生充分体验到算法类课程学习的成就感，在算法类教学过程中，要求学生以3～5人一组，形成一个团队，开发算法类课程教学App。该App的功能模块主要有算法类课程的教学资源、10种经典的数据挖掘算法讲解教案、基于数据分析任务的实验项目、学生作品展示区和交流区。课程结束后，学生对每一个团队开发的App进行互评，最终选用得分最高的课程教学App为下届的学生使用。由于有了这样的平台，教师和学生的沟通变得更加方便与及时，学生对算法类课程的学习不再受时空的限制。在移动终端普及的情况下，这种教学模式一方面能让学生充分利用课余时间，另一方面能营造一种学生之间良性竞争的学习氛围。尽管教学App的开发是学生计算思维能力培养的副产品，但也正是这种副产品给学生带来的成就感让学生在学习的过程中充满了正情绪，让计算思维能力的培养成为一个潜移默化的过程。
4结语
以数据挖掘为载体的本科生计算思维能力培养涵盖了算法类课程中理论知识的拓展学习、实际数据分析任务的项目实践以及课堂之外学生对应用软件系统的开发。这种以数据分析人才驱动的计算思维能力培养方法重在以实际数据分析任务为主线，依托算法类课程教学内容的拓展，通过实践促进理论学习，通过人才的实际需求充分调动学生的学习兴趣，让学生在正情绪的状态下快乐地享受计算思维能力培养的过程，以达到培养应用型专业人才的目的。
（编辑：郭田珍）
推荐访问： 软件工程 本科生 思维能力 试点 培养