区域经济社会背景下的数据挖掘案例教学改革

区域经济社会背景下的数据挖掘案例教学改革

杨曦[1] 娄超[2] 刘梦珠[3]

贵州商学院

1. 引言

数据挖掘是一门涉及统计学、计算机科学、数学等多个学科的交叉学科。它通过分析大量数据，发现隐藏在其中的规律和模式，为决策提供科学依据。随着大数据时代的到来，数据挖掘技术的应用越来越广泛，社会对数据挖掘人才的需求也越来越高。为了满足这一需求，高校纷纷开设了数据挖掘课程。然而，传统的教学模式存在重理论轻实践、与实际应用脱节等问题，导致学生在学习过程中难以理解和掌握数据挖掘技术。因此，本文旨在探讨区域经济社会背景下的数据挖掘案例教学改革，以期提高学生的实际操作能力和应用水平。

2. 研究现状

目前，国内外学者针对区域经济社会发展的数据挖掘技术应用、数据挖掘教学改革研究取得了一系列成果。例如，探讨了大数据技术在贵州农业领域的应用与实践；赵兴等分析了数据挖掘在贵州旅游行业中的应用及前景。教学内容方面，一些学者提出了以实践为主导的数据挖掘教学模式，注重培养学生的实践能力，提出了以实际问题为导向的数据挖掘教学模式，通过引导学生解决实际问题来提高其实践能力。另外，一些研究关注了教学资源优化，认为丰富多样的教学资源有助于提高学生的学习兴趣，提出了建立多元化教学资源库的方法，包括在线课程、实验指导书、案例等，以支持不同学生的学习需求。

针对数据挖掘技术在区域经济社会中的应用案例教学改革方面的研究尚不多见，《数据挖掘》课程中的案例普遍存在不接地气、实用性差的问题。本文以“Apriori算法应用于贵州旅游”为例探讨区域经济社会背景下的数据挖掘案例教学改革，以期为地方高校培养适应区域经济发展的应用型人才提供参考

3. 案例教学方法

本文采用文献调查、案例分析和教学实践相结合的方法进行案例设计。具体来说，将通过以下步骤实现数据挖掘案例教学改革：

3.1文献调查

收集和阅读与数据挖掘技术在特定区域经济社会领域应用相关的文献资料，深入了解该领域的研究现状和发展趋势。

3.2案例分析

选择具有代表性的区域经济社会数据进行深入挖掘和分析，总结数据挖掘技术在不同场景下的应用技巧和方法。

3.3教学实践

将所得到的案例分析结果应用于实际教学中，设计相应的教学环节和内容，制定具体实施方案。具体来说，以贵州区域经济社会发展为背景，以数据挖掘算法为核心技术进行案例设计。在数据预处理阶段，整合相应区域经济社会的各类数据，包括但不限于GDP、人口、工业、农业、交通、贸易等数据，以确保数据质量和一致性。在算法应用阶段，针对区域经济社会的特点和应用需求，对相应数据挖掘算法进行应用。下面以“Apriori算法应用于贵州旅游”为例，说明如何实践.

3.3.1 数据收集

1）从贵州省旅游局获取旅游数据，包括游客数量、旅游景点、旅游线路、旅游时间等相关信息。

2）获取其他相关数据，如旅游服务质量、游客满意度等。

3.3.2 数据预处理

1）数据清洗：删除无效数据、填补缺失值、处理异常值等。

2）数据标准化：将旅游景点、旅游线路等分类，并将分类结果映射到标准化的编码中。

3）数据转换：将非结构化数据转换为结构化数据，如将游记转换为机器可读的形式。

3.3.3 应用Apriori算法

1）设置最小支持度阈值：根据数据量和数据分布情况，设置合适的阈值。

2）生成候选项集：通过自我连接运算，生成包含所有可能项集的候选项集。

在这个步骤中，项集可以是旅游景点、旅游线路、旅游时间等。例如，一个项集可以是“黄果树瀑布”、“青岩古镇”、“五一假期”。

3）过滤候选项集：通过计算支持度进行过滤，得到满足最小支持度的候选项集。在这个步骤中，支持度是指项集在数据集中出现的频率。例如，如果“黄果树瀑布”、“青岩古镇”、“五一假期”在数据集中出现的频率高于设定的最小支持度阈值，那么这个项集就会被保留下来。

4）生成频繁项集：对过滤后的候选项集进行排序，得到频繁项集。在这个步骤中，频繁项集是指出现频率最高的项集。例如，如果“黄果树瀑布”、“青岩古镇”、“五一假期”在数据集中出现的频率最高，那么这个项集就会成为频繁项集。

5）生成关联规则：根据频繁项集和最小置信度阈值，生成关联规则。在这个步骤中，关联规则是指频繁项集之间的关系。例如，“如果游客在五一假期访问了黄果树瀑布，那么他们很可能会访问青岩古镇”。

3.4 教学评估与反馈

在教学过程中，制定科学的教学评估标准和方法，对学生的学习效果进行评估和反馈。采用过程评价与结果评价相结合的方式，通过学生的实际操作能力、分析问题和解决问题的能力以及交流和表达能力等多方面进行综合评价。同时，收集学生的反馈意见和建议，对教学方法和内容进行持续改进和提高。

4. 成果与不足

通过上述改革措施的实施，我们取得了一些显著的成果。首先，学生对数据挖掘算法的理解更加深刻和牢固；其次，学生的对数据挖掘算法的实践能力和应用能力得到了显著提高。由此，教学质量和教学效果随之得到了明显改善。

然而，我研究仍存在一些不足之处。首先，实践性教学环节的具体内容和方法还需要进一步细化和完善。其次，教学资源库的丰富度和多样性仍需进一步提高。最后，需要加强与数据挖掘相关企业的合作和交流，引入更多的实际应用案例和实践机会。

5. 未来展望

随着信息技术的不断发展和社会对数据挖掘人才的需求不断增加，对数据挖掘课程教学改革的研究也将不断深入。未来研究方向可以包括：进一步细化和完善实践性教学环节的具体内容和方法；加强与企业的合作和交流，这样可以使学生更好地了解实际应用场景和需求，提高实际操作能力和应用水平，同时也可以为企业提供技术支持和人才培养服务，引入更多的实际应用案例和实践机会；探索更加灵活多样的教学方法和手段提高教学质量和效果；在教学过程中还应该持续关注学科前沿和发展趋势，不断更新和补充教学内容和方法，例如可以引入最新的数据挖掘技术和方法，或者与其他学科进行交叉融合，还应多关注人工智能、计算机科学等相关技术的最新发展情况。

参考文献

[1]夏佳楠,王晶. 案例驱动的“时序数据分析与挖掘”课程教学改革[J]. 计算机教育,2023,(10):92-95.

[2]杨阳,郝玉婷,陶丽,王英. 大数据时代背景下数据分析类课程教学改革与实践探索[J]. 高等工程教育研究,2023,(05):54-59+116.

[3]吴锦梦,马雷,张耀宗. 数据挖掘与大数据分析课程的教学模式改革与优化[J]. 科教导刊,2023,(14):95-97.

[4]杨丽彬,李海林. 理论实践与创新培养的数据挖掘分层教学研究[J]. 福建电脑,2023,39(05):52-56.

[5]吴锦梦,马雷,张耀宗. 数据挖掘与大数据分析教学方法的研究与探索[J]. 科教导刊,2023,(10):64-66.

[6]尤豫心,李培灵. 高校数据挖掘课程教学改革新探与实践[J]. 福建电脑,2023,39(03):117-120.

[7]于健,刘志强,高洁,赵越,李雪威,张文彬. 新工科背景下数据挖掘课程的教学改革探索[J]. 计算机教育,2023,(03):130-134.

[8]郭红萍,张铁成. 《数据挖掘》课程的“五合三联”教学改革模式研究[J]. 湖北师范大学学报(自然科学版),2022,42(04):115-118.

[9]蔡赛华. 数据分析与挖掘课程教学改革研究[J]. 电脑知识与技术,2022,18(31):178-180.

[10]高延增,侯跃恩,罗志坚. 工程应用型院校数据挖掘课程教学改革研究[J]. 福建电脑,2022,38(09):63-66.

[11]杨秀璋,武帅,夏换,周既松,于小民,范郁锋. 大数据时代数据挖掘与分析课程教学改革探究[J]. 计算机时代,2021,(09):107-111.

贵州商学院 项目名称：区域经济社会背景下的数据挖掘案例教学改革 编号：2022XJJG48

[1] 杨曦 籍贯：贵州黔东南 单位：贵州商学院  专业方向：人工智能

[2] 娄超 籍贯：贵州兴义 单位：贵州商学院  专业方向：商务智能

[3] 刘梦珠 籍贯：贵州六盘水 单位：贵州商学院 专业方向：大数据技术