创新项目驱动的数据可视化课程教学实践

计算机教育

138

2021 年 11 月 10 日

Computer Education

文章编号：1672-5913(2021)11-0138-05

中图分类号：G642

创新项目驱动的数据可视化课程教学实践

朱 敏1，姚 林1，甘启宏2

（1.四川大学 计算机学院，四川 成都 610065；

2.四川大学 信息化建设与管理办公室，四川 成都 610065）

摘 要：针对数字时代数据分析人才培养模式的现状，结合计算机科学学科特点，提出创新项目驱动的数据可视化课程教学模式，阐述课程教学改革思路和具体教学实践，总结课程教学效果并指明改进方向。

关键词：项目驱动；数据可视化；教学实践案例

0󰀁引󰀁言

启发式教学促进学生探索创新项目，成为可以探在人才培养中，计算机类专业教学质量的国索的方向。这不仅须在每个行课的学期完成不同家标准及工程认证标准，都对如何系统性地运用的创新项目、案例分享、小组作业，更对教师教所学知识去解决特定领域的问题提出了要求。随学备课提出了新的挑战。

着数字化时代的到来，数字化引领着教育理念、在数据可视化课程教学上，也还存在一些不教育模式的创新，给高等教育人才培养和教学方足：①内容设置局限于数据可视化理论知识，未式带来深刻变化，因此，在数字时代培育有创新考虑对学生的创新实践能力和科研素质的培养；能力和实践能力的综合性数据分析人才，需要更②学业评价方式不能充分调动学生动手实践的积具综合性、灵活性、实践性的培养和考核体系。极性，无法全面而有效地验证学生在上课过程中在培养过程中，通过启发式教学，引入开放式创对综合素养的锻炼与提升。

新项目实践，使学生不仅将理论知识与工程实践充分融合，满足工程教育认证标准要求[1]

，又能1󰀁课程教学改革思路

掌握基本的科学思想和研究方法，提升科研素数据可视化是面向计算机相关专业高年级养[2]，更为学生的课程设计、毕业设计、大创项本科生及硕士研究生的专业选修课程，选修学生目注入新内容[3]。

须具有一定的编程基础，对大数据分析与处理、已有高校尝试将科研项目和学生个性化素材系统交互设计、可视化分析等有浓厚的学习兴作为案例，驱动课堂教学。文献[4]中搭建动车趣。课程从数据的获取、处理和分析入手，重点组安全监控半实物仿真平台，通过4个实验让学探讨如何针对数据和特定应用场景建立有效的可生接触铁路信息系统集成的实际问题。文献[5]视化方法。课程在介绍学术前沿的同时，引导学中将学生照片和汽车多目标集成控制项目作为案生系统性地运用所学知识解决特定应用场景下的例来传授多媒体技术，激发学生兴趣和积极性。问题。

在此基础上，如何更新实验实践内容，甚至通过

基于数据可视化课程教学现状分析，提出创

基金项目：四川大学新世纪高等教育教学改革工程（第八期）研究项目“数字时代数据分析人才培养模式的研究与实践——以数据可视化课程为例”（SCU8217）。

第一作者简介：朱敏，女，教授，研究方向为可视化与可视分析、生物信息学，zhumin@scu.edu.cn。

教育与教学研究

第 11 期

139

新项目驱动的数据可视化课程教学改革思路。在本程序，落实基本科研能力和素养的培养。科研课程教学中，既要着眼于可视化与可视分析的学实践的每个基本环节都与研究能力、科研素养密科知识，又要注重培养学生的科学素养、工程能切相关[6]。以兴趣驱动选择应用场景，要求学生力、研究探索意识、持续学习能力，以及综合运具有把握、跟踪领域前沿和热点的能力；调研现用专业知识解决实际问题的能力。

有应用、改进算法，要求学生具备文献检索、资1.1 了解人类感知和可视化设计原理

源整理、自主学习的能力；设计实现可视分析系可视化与可视分析致力于研究以直观方式传统，要求学生具有基本的工程实践能力，包括架达抽象信息的手段和方法。通过课程的学习，学构设计、编码、调试、部署环境；科技论文和项生应当掌握如何将海量、复杂、枯燥的数据用优目报告的撰写和提交，要求学生具备良好的行文美的图形、清晰的界面进行表达，同时提供直观规范、文字表达能力，以及邮件礼仪、时间意的、具有良好用户体验的交互手段，使人们能快识；面向公众的专题报告，要求学生具有表达沟速获取信息、发现异常或潜在规律、作出决策。通、会场掌控、抽象概括的能力。

课堂通过师生互动式的生动案例分享，进一步抽1.4 促进团队协作，尤其是跨学科合作

取其中的基本原理，为学生创新项目的可视化任课程重视小组内的团队协作、合理分工，并

务分析、视觉通道选择、视图布局、交互设计提将其作为项目期末结项展示考核的一个指标进行供借鉴。同时，还应分享给学生相关领域顶会和评估。团队各成员的编程技术不可避免地存在差刊物的学术论文，帮助学生了解学术前沿，有助异，所以一个功能完善、内容丰富的项目需要负于创新能力的培养。

1.2 理论与工程实践相结合

责人充分调配资源、协调分工，以及各成员优势互补、同心协力。从往届数据来看，每学期行课通过可视化与可视分析的应用研究案例讲解，仅仅使学生获得丰富的视觉体验，无法培养都有个别计算机专业以外的学生选入或旁听，如出参与式分析问题和解决问题的能力。为此，课物联网工程、法学、轻化工程专业（皮革系）等。程要求学生以4~5人为单位组成小组，通过合作研讨式合作学习，尤其是跨学科合作讨论，能够讨论，开放性选择应用场景和数据形成选题，最促进学生从全新视角分析问题，甚至引入新颖的终开发出可线上运行的多视觉通道组合、多视图研究应用场景。

联动的可视分析系统。在这个过程中，小组成员在组长的统一分工下，不仅将课堂所学前沿理念2󰀁创新项目驱动的教学改革实践

融入对问题的分析和系统的设计中，更是融合数教学依托创新项目生命周期，将项目的发展据库原理、计算机网络、编程语言等科目知识，历程与学科知识有机结合。以12周的行课为例，强化综合运用能力和工程实践能力。

表1分别从创新项目和学科内容两方面呈现课1.3 从项目中获得基本科研能力与素养

程教学安排。该安排主要分为项目开题、中期汇作为研究型大学的前沿选修课程，要求学报、期末结项3个阶段，在每个阶段考虑项目发生通过创新项目的研究过程，体验完整的科研基

展情况，进行必要的教学内容支持。

表1 数据可视化课程安排

序号

创新项目

学科内容

1公布课程考核、提出项目要求

课程简介、教师简介、身边的数据可视化

2可视化项目的完整流程与开发工具推荐、可视化框架工具及平台

可视化学科简介、作品赏析3

划分小组、ChinaVis挑战赛、面向领域的数据可视化

可视分析任务、感知与认知

计算机教育

140

Computer Education

2021续表1

序号

创新项目

学科内容

4项目建议书格式规范

标记和视觉通道、用例评估5小规模数据的设计练习、项目建议书要求与提交

色彩感知设计和准则、交互

6选题点评、学术论文分享横向项目中的可视化、纵向项目中的可视化

7交叉学科可视化专题时序数据可视化、文本数据可视化

8项目进展中期汇报

地理空间数据可视化9介绍企业面向内容的定向分析需求

轨迹数据可视化、层次数据可视化10数据新闻、学位论文分享多模态数据可视化、网络数据可视化

11如何进行有效的学术交流与报告

可视化前沿：应用与趋势

12

期末报告 海报评选

2.1 项目开题阶段

配，并通过小规模数据可视化的设计练习强化学在课程第1周，对课程、教师、考核方式作生对学科内容的理解，从而引导学生以学术视角出介绍，明确以创新项目为主体的考查对象和教看待小组的项目。

学脉络。并从身边数据作引入，简介数据可视化2.2 中期汇报阶段

学科及其研究和学习。

课程在进行至第8周左右开展中期汇报。各在项目立项的第2—5周，以往届项目为小组以选题、数据来源、需求分析、进展、预期例，介绍数据可视化项目的完整流程、开发工成果、主要难点与应对策略等内容制作幻灯片进具、开发框架与平台，使学生了解课程项目的输行课堂展示。教师和助教作为评委对每个项目的出所需的工作量和水平。在立项初期，及时拓宽选题创新性、数据量、视图设计、进展、难点进学生的思路以引导选题的创新性，课程引入凯度行点评。

信息之美比赛获奖作品赏析、面向领域应用的在中期汇报前后，学生已经基本掌握数据可可视化方案、ChinaVis挑战赛等不同专题，引导视化与可视分析的基本流程和方法，但还须在创学生从数据竞赛、公开数据集、应用程序接口新项目上深度挖掘价值。因此，强化案例式教学（Application Programming Interface, API）、网络培养，考虑到交叉领域的数据和选题，引入交叉爬虫等方式获取感兴趣领域的数据。最终，以小学科可视化案例专题，进一步扩展学生的创新思组为单位提交项目建议书。建议书内容包括数据路；引入实验室与腾讯公司联合开展的面向内容描述与来源、项目主要内容、预期效果、简要进的定向分析、四川日报More大数据工作室的数度计划与分工等。

据新闻，提供更加有深度的业界思考；通过以问可视化项目的完整流程包括选题、数据获取题为导向的学术论文、学位论文推介，形成对创与处理、可视分析任务、标记与视觉通道设计、新项目特定问题的思考。

交互设计、构建与部署、评估。除了介绍学科研在对项目意义和需求深度挖掘的同时，多数究流程，还将实验室中的横向与纵向项目分享项目已经在获取数据、预处理、定义分析任务之到课堂上，侧重剖析申请和实施过程中对可视任后，进入标记和视觉通道设计的阶段。为合理解务的需求分析，对视觉通道的创新设计、颜色搭

决项目需求、用视图恰当表现数据特征，并提供

第 11 期

教育与教学研究

141

适合的布局，学生须学习具有不同特征的数据可视化方法，如时序数据、文本数据、地理空间数据、轨迹数据、层次数据、网络数据等。在每个数据专题中，既综述了该类数据的主要可视化方法，又穿插安排了业界应用、学位论文、学术论文等案例分享。

2.3 期末结项阶段

临近期末，创新项目和学科内容的学习进入

尾声。创新项目方面，教师和助教一方面及时监督和反馈各小组的项目进展及问题，另一方面对有效开展学术报告和课堂展示进行训练，包括表达沟通、幻灯片制作，以及合理突出优势。学科内容方面，则以更高角度为学生引导可视化与可视分析的领域前沿与趋势，如中国计算机学会通讯中的可视化专题、国内知名学者的演讲、清华AMiner发布的《人工智能之可视化报告》等。

课程在最后一周以小组为单位进行期末结项报告，介绍项目的整体情况。报告内容包括选题意义、数据来源、可视分析任务、实现效果、总结和小组分工等。与此同时，须提交项目的在线网址、学术海报和完整文档。为确保公平性和客观性，每个展示的小组均由1位教师、3位研究生、2个随机小组打分。期末项目打分要综合考量项目整体，从项目流程角度，考虑选题是否新颖、数据获取的难易程度、数据处理的工作量、可视分析任务的清晰程度、视图是否有效回应分析任务、视图的有效性、创意和复杂度、整体的布局和配色风格是否统一、系统是否具有交互和联动功能、是否有视觉干扰和歧义等。

3󰀁课程教学效果

课程建立了一套强调课堂交流讨论、发挥学习主观能动性的“Teaching + Project”数据可视化课程教学模式：①通过创新项目驱动、分组设置可视化任务，指导学生完成面向数据的可视化系统，既涵盖可视化基本概念、方法与流程，又强调数据的分析与处理、系统的设计与实现、项目的合作与表达；②采用非标准化考核方式，涵盖课堂表现参与、项目小组汇报、

个人课程报告。

自2017年春季开设该课程起，相继有114个创新型项目被提出和完成，内容涵盖文娱、科教、交通、媒体、商业、医疗、农业等领域。其中，“以数据可视化的方式打开世界杯”和“大数据热潮下应该读些什么”两个项目先后入选“川大e教务”；“基于气象数据的自然分区可视分析系统”和“探究EOS共识机制效能的可视分析系统”两个项目的负责人均以该项研究作为毕业论文选题，前者进一步扩展为“基于自然分区的混合干旱预测模型可视系统”，成功申报国家级大创项目。

课程刚开设时的选题多数围绕数据的可视化呈现，通过更为抽象和直观的表现方式体现数据特点，如微博用户信息的可视化、鲍鱼生理数据的可视化，选题较为直观。随着教学方法的不断改进，学生分析的可视化任务逐渐复杂，倾向于利用数据的可视分析解决重大场景中的问题，并挖掘数据背后潜在的规律或为某一话题下的用户提供建议。例如，分析新冠疫情期间的空气污染情况，探索停工封锁和复工复产对空气质量的影响；通过算法输出较为稳定的个人信令数据，用来分析城市功能区之间的流动情况。

在选课学生中，非计算机专业的学生具有编程能力薄弱、计算机知识不够体系化的特点。教师鼓励其与计算机专业学生组队合作，优势互补。事实证明，编程能力的缺乏并不妨碍学生交付高质量的项目。他们对自己专长领域的数据集进行了深入分析，在团队中起到了重要的作用，输出了富有跨学科特色的项目，如儿童脚型与糖尿病足患者群数据可视化、染色质拓扑关联结构域可视分析平台研究等。

基于兴趣驱动和数据竞赛的两类选题各具特点，所以在项目进展考查中教师和助教会深入考虑这一因素。基于兴趣驱动选题从小组头脑风暴中产生，数据来源或是体育竞赛，或是社交媒体，分析任务具有鲜明的特色。该类项目在考查时注重需求的延续性，考虑到部分项目须通过爬虫或API获取，并须手动调整清洗，因此在中期报告时以完成视图设计环节为宜。基于数据竞赛

计算机教育

142

Computer Education

2021

的选题来源自ChinaVis、Kaggle等，竞赛主办方厚，教学互动活跃，深受学生喜爱。学生不仅能提供了完整可用的数据集、比较明确的需求和任从课堂上学到数据可视化学科知识，培养综合性务，往往还有社会提交的作品作为参考，因而在科研素养，更能依靠团队输出的创新项目为大创中期考查时对进度要求更为严格，并且最好能够计划、毕业设计等提供素材，其背后的工程实践表述出与现有作品对比的独特工作。

更为深造和就业打下良好的基础。

根据反馈，接下来将进一步完善和细化教4󰀁结󰀁语

学改革：通过小规模数据的可视化联系和随堂测验及时巩固课堂效果；面向本科生做好项目实践表明，以创新项目驱动的课程教学模的成果输出和数据平台建设；强化优秀学生作式可有效促进学生之间的交流，课堂研讨氛围浓

品的传递工作，分享项目案例和心得体会。

参考文献：

[1] 阮利, 盛浩, 肖利民, 等. 面向研究型大学的移动计算导论教学方法[J]. 计算机教育, 2020(2): 118-122.

[2] 张振花, 李慧盈, 杨瀛涛. 以学生和科研项目为案例驱动的多媒体技术课程内容和教学方法研究[J]. 计算机教育, 2019(10):

159-162.

[3] 魏维, 刘双虎, 邹茂扬, 等. 以研究能力培养为导向的课程教学改革与实践[J]. 计算机教育, 2018(4): 47-50.[4] 窦本年, 许春根. 密码学课程的科研方法论教育探究[J]. 计算机教育, 2018(3): 18-21.

[5] 张春, 刘峰, 张宁, 等. 科研项目驱动的铁路信息系统集成与应用课程教学案例建设[J]. 计算机教育, 2015(12): 39-42.[6] 张德高. 科研教学结合为人才培养提供强力支撑[J]. 中国高等教育, 2013(17): 44-45, 54.

（编辑：赵 原）

（上接第137页）

网招聘平台和慕课平台的快速发展，相关的数据提高计算机类慕课的建设水平提供一种有效的研会越来越丰富，本文将为如何面向行业人才需求

究思路和方法。

参考文献：

[1] 任培花, 王莉, 张景安. 大数据背景下地方高校复合型软件人才培养模式研究[J]. 计算机教育, 2020(6): 158-163.[2] 姚立红, 邱卫东. 面向网络空间安全专业的C/C++程序设计教学研究[J]. 计算机教育, 2020(1): 93-95, 99.

[3] 李红梅, 李陆嫔, 周悦, 等. 电气专业教师参与思政教育的几点体会: 由招聘企业反馈调查报告引发的思考[J]. 当代教育实践与

教学研究, 2019(8): 145-146.

[4] 许强永. IT类招聘信息统计结果研究[J]. 计算机教育, 2012(23): 49-53.

[5] Aggarwal C C, Zhai C X. A survey of text clustering algorithms[M]. Berlin: Springer, 2012: 77-128.

[6] 章胤, 赵文慧, 包恒玥, 等. 基于k-means和关联度分析的网络招聘信息数据挖掘[J]. 软件工程, 2017(5): 10-14.[7] 王伟. 关联规则中的Apriori算法的研究与改进[D]. 青岛: 中国海洋大学, 2012.

[8] 李山山, 陈永强, 刘敬晗, 等. MOOC时代下的计算机实验教学探讨[J]. 计算机教育, 2014(13): 103-106.

[9] Rosewell J, Jansen D. The OpenupEd quality label: Benchmarks for MOOCs[J]. INNOQUAL-International Journal for Innovation

and Quality in Learning, 2014(3): 89-98.

（编辑：赵 原）