研讨式教学法在研究生交通大数据分析课程的探索与实践

《研讨式教学法在研究生交通大数据分析课程的探索与实践》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、研讨式教学法在研究生交通大数据分析课程的探索与实践摘要：研讨式课堂教学是以研讨为主、学生为中心的教学方法。以研究生交通大数据分析课程为例，融合研讨式教学精髓设计了研讨式教学的步骤，阐述了该方法的理念及具体内容，有效促进了学牛.对知识的理解,提升了学生的科研能力，最后概要性建议了研讨式教学的保障体系。关键词：研讨式教学；交通大数据；主动学习中图分类号：G643文献标志码：A文章编号：1674-9324(2017)06-0148-03一、引言实现“两个一百年”奋斗目标和中华民族伟大复兴“中国梦”，教育的重要地位特别是基

2、础教育的基础性、先导性地位，尤为突出。作为高层次人才培养的主要渠道和载体，研究生教育对于未来社会发展起着重要的作用［1］。教学内容与教学方法作为影响研究生能力发展的基本前提，是提升研究生全面发展能力的关键环节［2］。而关键环节的保障取决于如何培养造就高素质专业化的教师队伍。研讨式教学法源于早期的德国大学，现已成为西方发达国家高校中的一种主耍教学方法［3］。研讨式教学是一种在教师的指导下，遴选主要研讨专题，学生选择搭配，先由学生进行简短报告，教师、学牛•共同参与讨论的教学形式［4］。对于研讨课的教学方式，一些高校也进

3、行了积极探索并摸索出了一些创新性的教学方式。比较典型的大致可以分为圆桌研讨式、小组报告式和师生角色互换式三种类型［5］。圆桌研讨式适合于小规模的授课，有利于发挥学生的主观能动性、课堂参与度和研究探索能力。小组报告式能够锻炼学生的分工合作和人际沟通能力，但要求学生能力高、团队协作精神强。师生角色互换式锻炼了学生知识探索、组织策划和口头表达等能力，但对学牛的时间概念要求高，同时避免一些学术讲授质量不高的现象。大数据是复杂网络科学、人类动力学蓬勃发展的基础，也为交通工程提供了崭新的建模途径［6］。随着科学技术的进步与发展

4、，大量宝贵交通数据得以保存与分析。大数据分析与挖掘技术已经被广泛应用到交通工程研究，特别是交通需求预测、交通状态估算与预测、交通出行行为分析、智能交通管理等方向的应用［7］。传统的、以讲授基础理论交通工程知识为主的教学方法，难以让研究生在短时间内真正掌握大数据分析与挖掘技术。研究［8］表明研讨式教学法在医学学生中得到了普遍的欢迎，教学效果比传统的讲授式教学也得到了进一步提升。本文结合同济大学研究生精品课程建设的教学探索与实践，对研讨式教学法在研究生交通大数据分析课程进行探讨与总结。二、研讨式教学设计研讨式是以目标为

5、导向、以解决问题为中心的教学方式，通过由教师创设问题情境及交通数据，然后师生共同查找文献资料，研究、讨论、实践、探索、汇报，提出解决问题办法的方式，使学牛掌握知识和技能［9］。研讨式教学要求以“导”为主，即教导、引导、指导、诱导等，而不是传统的讲授，这就需要充分发挥教师在教学过程中的主导作用，在教学内容、教学形式和教学意识上做好充分的准备，同时要激发学生从被动思维向积极主动思维转变，学会主动、自觉地获取知识，运用所学专业知识解决实际问题，进而提高学生的综合素质和能力。面向交通大数据分析的研讨式教学主耍步骤可分为：(

6、1)设置贴近日常交通问题的情境及准备相应的交通数据。(2)提出有思考价值的问题，特别是问题的答案不能是简单的“是”与“否”或“对”与“错”。这就要求教师有全血、深刻、独到的见解，同时需要了解学生原有专业知识基础和能力水平。对于同一情境，可分为多个小组同时准备。(3)学生利用相关的教学工具报告口己的观点或研究进展，鼓励学生以多媒体课件形式展示自己的观念，并在规定的时间内完成汇报。教学工具一般包括黑板、网络、多媒?w课件等。(4)针对报告内容，课程参与者(教师、学生等)向报告人提问，可针对报告提出自己的不同观点，或要求

7、报告人对某些内容进行解释或表达看法。对课堂中出现的冇关学术问题的争论一般不作“是”或“否”的绝对评价，以免影响学生在课堂上自由地进行学术思维和交流。(5)教师进行专题评点，简短地对讨论分组小结，并对比分析每个小组的优缺点，最后对情境问题进行总结，给出分析类似交通问题的技巧与注意事项。三、案例分析交通运输行业大数据来源主耍在三个方面：基于互联网的公众出行服务数据；基于行业运营企业生产监管数据；基于物联网、车联网的终端设备传感器采集数据，包括车辆相关动态数据。为提供全面的交通信息服务,需要处理分析这些类型多样的大量数据

8、。《交通数据处理分析技巧与应用》是同济大学面向交通运输工程学院硕士或博士研究生的选修课。通过教学使学生了解交通大数据背景、掌握处理分析交通数据的基本技能、了解学术论文写作的基本结构、熟悉面向学术论文写作的数据处理和图表制作基本技巧。教学内容包括MATLAB数值分析、数理统计基础知识、数据缺失处理技术、数据修补技术、数据异常处理技术等方面。将课程的这几个方面作