课题申报参考7517大数据背景下大学数学课程教学体系研究.docx
- 文档编号:23380438
- 上传时间:2023-05-16
- 格式:DOCX
- 页数:18
- 大小:21.64KB
课题申报参考7517大数据背景下大学数学课程教学体系研究.docx
《课题申报参考7517大数据背景下大学数学课程教学体系研究.docx》由会员分享,可在线阅读,更多相关《课题申报参考7517大数据背景下大学数学课程教学体系研究.docx(18页珍藏版)》请在冰豆网上搜索。
课题申报参考7517大数据背景下大学数学课程教学体系研究
大数据背景下大学数学课程教学体系研究
14px;">1、课问题的提出、课题界定、国内外研究现状述评、选题意义与研究价值
14px;">1.1问题的提出与课题界定
14px;"> 大学数学课程教学在“新工科[1]”人才的培养机制中具有重要的作用。 数学课程的教学改革应与时俱进,积极探索合适的教学模式,提高大学数学课程的教学质量,培养适应社会发展需求的人才。
14px;"> 当今大数据背景下,大数据作为一个新的产业[2],大数据人才需求面临日益庞大的人才缺口。 大数据人才是一种具备大数据处理能力的复合型人才,应掌握大数据分析技术相关的技能,主要包括数学、统计学、数据分析和自然语言处理等。 数学基础在大数据分析技术中具有重要而关键的作用,为大数据分析技术提供基本理论保证。 “万丈高楼平地起,加强关于大数据领域的理论研究是关键,也是基础。 ”南开大学数学科学学院教授王兆军举例说。 在大数据背景下,对数学学科而言,创建适应不同环境的快速有效计算和优化算法将为大数据分析提供最基本理论保证。
14px;"> 与大数据分析技术密切相关的数学基础主要体现在高等数学、概率论与数理统计、线性代数、数学建模以及组合数学等大学数学课程中,大学数学课程的教学对大数据人才具备数据思维和大数据分析能力的培养有关键而重要的作用。
14px;"> 本课题以××××××为例,以大数据应用型和技能型人才培养为导向,通过对大学数学课程教学体系的研究与实践,建立大数据背景下大学数学课程教学体系,以促进大学数学系列课程教学的良好发展和教师教学水平不断创新提高,进一步提高大学数学系列课程的教学质量,并为大数据背景下大数据人才所需的大数据技术打下良好的数学基础和应用能力储备,培养更多更好的大数据人才。
14px;">1.2国内外研究现状述评
14px;"> 目前国内外关于大数据人才培养大致可分为学位(科研人员)培养和职业(应用人才)培养[3],关于大数据人才培养的研究主要围绕大数据专业课程体系设置展开[4]-[6],但针对大数据背景下大数据人才必须具备的数学基础教学的研究比较少,而作为提供大数据数学基础的大学数学课程的教学体系的研究也并不多见。
14px;"> 大数据时代的到来,为高校大学数学课程教学的发展带来了前所未有的机遇和挑战,部分学者研究了大数据背景下概率论与数理统计、线性代数等大学数学课程教学方法、模式的改革,做了一些积极的教学改革举措[7]-[10],然而并没有大数据背景下大学数学课程教学体系的研究,本课题将对其进行研究与探索。
14px;">1.3选题意义与研究价值
14px;"> 本课题的研究不仅有助于大学数学课程教学的良好发展,促进教师教学水平不断创新提高,进一步提高课程教学质量,而且能为大数据背景下大数据人才所需的大数据技术打下良好的数学基础和应用能力储备,为培养更多更好的大数据人才助力。
14px;">本课题的研究价值主要体现在以下四个方面:
14px;"> (1)有助于大学数学课程成为高等院校的一个特色课程,能培养学生具有大数据人才所具备的数学基础的特色课程;
14px;"> (2)有利于提高学生的数学应用能力,提高学生的数据分析能力,在当今大数据时代更好地就业与发展;
14px;"> (3)可以促进大学数学教师具大数据分析能力,提高教师的业务水平,促进教师队伍的建设;
14px;"> (4)本课题的研究为大数据背景下大数据人才培养奠定了一个必备的数学基础,以培养更多更好适应社会需求的大数据人才,推动大数据领域的发展。
14px;">2、课题研究目标、研究内容、研究重点和创新之处
14px;">2.1课题研究目标
14px;"> 本课题以大数据背景下大数据应用型和技能型人才的培养为导向,通过对大学数学课程教学体系的研究与实践,建立大数据背景下大学数学课程教学体系,以持续改进大学数学课程的教学质量,促进教师教学水平不断创新提高,推动大学数学课程教学体系建设。
14px;">2.2课题研究内容
14px;"> 本课题的研究内容主要包括以下五个方面。
14px;"> (1)构建课程群,整合课程教学资源
14px;"> 基于学校教学平台或MOOCS平台或第三方平台,协同校内外各方力量和各种群体,调研行业需求、行业大数据能力、行业数学思维,建立行业需求和大数据能力矩阵,并与大学数学课程教学单元映射,形成课程建设与需求目标关联的课程群,主要包括数学基础课程和扩展课程,并整合课程教学资源。
14px;"> 大数据背景下大数据应用型和技能型人才的培养为导向的大学数学基础课程包括“高等数学”、“线性代数”、“概率论与数理统计”、“数学建模”、“组合数学”等课程,围绕数据分析能力培养主线,形成与大数据工程能力相适应的数学课堂教学、课程实验、数学实训、大数据项目四个关节点。 数学基础课程有助于引导学生建立数学思维、数学建模基础能力和程序设计基础,有助于帮助学生奠定数据分析处理基础。
14px;"> 另外与计算机专业方向结合,还可开设新的扩展课程,扩展课程包括“大数据分析与处理”、“数据挖掘”和“云计算与云服务”,以提升了学生的大数据工程实践能力。 与此同时还可以面向全校学生开设“计算智能前沿”、“大数据分析与处理”等前沿微课和交叉通识课程。
14px;"> 基于各典型行业比如金融、医疗等行业的真实数据和项目,逐步形成大学数学课程资源集、实验资源集、项目资源集、竞赛资源集以及科研资源集,通过企业真实数据和项目实战训练,让学生深入了解企业业务需求和数据形式,为以后从事相关工作奠定基础。
14px;"> 以上数学相关课程,需要建立、并持续更新课程案例集、实验数据包、数学竞赛包、大数据分析项目包,以形成完整的大数据背景下大学数学课程教学资源集。
14px;"> (2)探索大数据背景下大学数学课程多元教学模式
14px;"> 基于学校教学平台或MOOCS平台或第三方平台及其系统扩展,协同校内外各方力量和各种群体,构建大学数学课程的“课堂教学、课程实验、课程实训、竞赛作品、科技作品”的一揽子教学模式,将教学案例、实践项目贯穿到数学教学课堂,实现多群体参与、多环节(教学、实验、实训、竞赛和科研)实践的多元教学模式。
14px;"> 同时,突出强调教师主导下的学生自主学习,建立师生互动的开放式课堂,改进考试考核方式,采用课堂翻转、项目驱动、问题引导等教学方式,大幅度提高学生的学习主动性和课堂教学的有效性。
14px;"> (3)建立具备大数据工程能力的数学教学团队培养模式
14px;"> 大数据技术的推陈出新对数学教师队伍提出了高要求。 团队采取国内外访学、企业挂职、专家讲学、优秀师资引进等多项举措,不断提升团队教学水平和国际化程度,优化团队结构。 特别是依托我院计算机教研室、中兴通讯学院、中软国际产学研基地等教学科研平台,结合科学研究与行业应用,不断促进科研与教学相互融合,使科研成果向教学资源转化,从而逐步形成一支适应大数据工程能力培养的优秀数学教学团队。
14px;"> 在立足于本学科领域研究的同时,团队还要开展与国内其他高校优势学科专业的合作,共同承担工业大数据、生态大数据、医疗大数据、网络安全大数据等科研项目,在提升教师科研水平的同时,也有助于团队教师收获更多的交叉学科知识。
14px;"> 科研水平的提升使得团队教师的教学效果同步提高,科研成果逐步进入教材和课堂,有效地带动了学生的创新实验。
14px;"> (4)研究课程教学质量提高的持续改进机制
14px;"> 按照完善体系、推进教研协同、强化实践、持续改进的思路,深入探索学校与企业合作育人的长效机制和数学教学质量提高的持续改进机制。
14px;"> 以大数据应用型和技能型人才培养为导向,以大学数学课程教学质量的持续改进提高为引领,进行学情统计分析,建立数学教学过程质量监控机制、数学竞赛和科技项目反馈机制、毕业生跟踪反馈机制、社会评价机制等,促进大学数学教学质量的持续改进,实现大数据人才需求、数学课程教学体系与教学计划、教学方法模式、数学能力匹配、教学质量检查、教学质量改进行动等的PDCA(戴明环的计划、执行、检查、行动)良性循环。
14px;"> (5)课程教学体系的外延发展
14px;"> 紧密结合大数据人才培养社会发展需要,从推进学校和企业联合培养、国际化合作交流两方面适度进行大学数学课程教学体系外延发展,引导企业进入课程建设,深入探索学校与行业企业合作育人的长效机制。
14px;"> 综上,大数据背景下大学数学课程教学体系如图1所示。
center;"> 616px;height: 487px;"/> 14px;">2.3研究重点和创新之处 14px;"> 本课题以××××××为例,以大数据应用型和技能型人才的培养为导向,通过对大学数学课程教学体系的研究,建设大数据背景下大学数学课程教学体系,研究重点和创新之处主要体现在如下四个方面。 14px;"> (1)将数学和大数据科学与技术进行学科交叉融合,既促进了大学数学课程教学的发展,又为大数据人才的培养奠定了良好的基础; 14px;"> (2)探索大数据背景下数学课程多元教学模式; 14px;"> (3)研究具备大数据工程能力的数学教学团队培养模式; 14px;"> (4)探索数学课程教学质量的持续改进机制。 14px;">3、研究思路、研究方法、实施步骤 14px;">3.1研究思路 14px;"> 本课题通过大学数学课程教学体系内涵建设和外延发展两个方面实现新的突破,创新大学数学课程教学体系构建,探索数学课程教学质量的持续改进机制,提高人才培养质量。 大学数学课程教学体系的内涵建设和外延发展如图2所示。 center;"> 411px;height: 279px;"/> 14px;"> 内涵建设紧密结合学生大数据技术能力发展需要,按照完善体系、推进教学科研协同、强化实践、持续改进的思路,从构建大数据背景下课程群,整合课程教学资源、探索大数据背景下数学课程多元教学模式、创新数学教学团队培养模式、研究数学教学质量提高的持续改进机制四个方面深化大学数学课程教学体系内涵建设。 14px;"> 教学体系外延发展则紧密结合社会发展需要,从推进学校和企业联合培养、国际化合作交流两方面适度进行大学数学课程教学体系外延发展,引导企业进入课程建设,深入探索学校与行业企业合作育人的长效机制。 14px;">3.2研究方法 14px;"> (1)文献研究法: 全面收集、检索国内外相关大学数学课程教学改革的研究文献、不断跟踪相关学术研究前沿,了解最新动态,并不断发现存在的问题,从而为数学课程教学质量提高研究与实践奠定理论基础。 14px;"> (2)企业调研法: 深入企业调研各行业当前实用大数据技术,甄选并整理大数据技术所需的大学数学课程中的数学基础知识,以便建立行业需求和大数据能力矩阵,并与大学数学课程教学单元映射,形成课程建设与需求目标关联的课程群。 14px;"> (3)干中学法: 不断地在课程教学实践中积累经验,探讨合适的多元教学模式。 在实际案例教学方式和大数据实践考核环节中,将各教学班学生分成若干小组进行讨论学习和任务分配,包括数据调查,数据处理与分析,撰写项目报告等环节,学生要全程参与,教师可以适当地给予补充或讲解.在小组内注意发现、培养学生骨干,由他们以点带线、以线带面,扩大影响,吸引更多的学生参与进来,合作学习、合作设计、合作创新,充分调动学生的学习积极性和参与性,从而提升数学课程教学质量。 14px;">3.3实施步骤 14px;"> 本课题的实施步骤如下。 14px;"> (1)调研大数据技术,深入了解行业需求、行业大数据能力、行业数学思维,建立行业需求和大数据能力矩阵,并与大学数学课程教学单元映射,形成课程建设与需求目标关联的课程体系,构建主要包括数学基础课程和扩展课程的课程群。 14px;"> (2)针对大数据背景下数学基础课程群,建立并持续更新课程案例集、实验数据包、数学竞赛包、大数据分析项目包,以形成大数据背景下大学数学课程教学资源集。 14px;"> (3)探索大数据背景下数学课程多元教学模式和团队培养模式。 14px;"> (4)研究数学教学质量提高的持续改进机制。 14px;">3.4预期成果形式 14px;"> (1)高等数学、概率论与数理统计课程、线性代数课程、数学建模课程、组合数学课程相关教学资源集 14px;"> (2)科研论文2-3篇 14px;">(3)该课题的研究报告 14px;">4、主要参加者的学术背景、前期相关研究成果、核心观点等 14px;">4.1主要参加者的学术背景 14px;"> 本项目组成员的知识结构、专业构成等均有利于该项目的顺利完成。 项目组有2名成员研究方向是应用统计研究方向,2名成员是应用数学方向,1名教师的硕士研究生专业是计算数学,有5名是副教授及以上职称。 14px;"> 项目主持人×××副教授本科数学专业,硕士应用数学专业,研究方向应用统计方向,主持并完成院级高等数学重点课程建设项目以及院级重点项目各一项,作为骨干参加校级和省级教研项目多项,教学教研经验丰富,多次获得学校“优秀教师质量奖”和“毕业生心目中的好老师”称号,自2008年以来一直辅导学院学生参加全国大学生数学建模竞赛并获得国家奖和省级奖项多项。 14px;"> 项目组成员一直在学院数学教学一线,长期承担高等数学、线性代数、概率与数理统计及组合数学等大学数学课程的教学,具有丰富的教学经验和方法。 项目组成员多年来每年作为我院参加全国大学生数学建模竞赛学生的指导老师,所指导学生获得国家奖和省级奖项多项,在大学数学和数学建模教学方面积累了丰富的经验;×××、×××和×××老师是计算数学和应用数学专业研究生毕业,具
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 课题 申报 参考 7517 数据 背景 大学 数学课程 教学 体系 研究