摘要：基于大数据时代对高职数学课程教学的影响，分析当前高职数学课程教学中存在的问题。针对这些问题，提出大数据驱动下的高职数学课程教学改革策略，包括优化课程内容体系、创新教学模式和完善教学评价体系，旨在提升高职数学课程的教学质量，培养具备数据分析与应用能力的高素质人才。

　　关键词：大数据；高职数学；教学改革

　　随着大数据时代的到来，各行各业都在经历着前所未有的变革。教育领域也不例外，大数据的应用为教学改革提供了新的思路和方法。高职数学作为培养学生逻辑思维和数学应用能力的重要课程，也需要在大数据的驱动下进行改革。

　　一、大数据时代对高职数学课程教学的影响

　　大数据时代的到来，使得各行各业都面临深刻的变革，高职教育自然也不例外。数学作为高职教育的基础核心课程，其课程内容、教学模式和评价体系都受到了巨大冲击和影响。大数据催生了新的职业岗位和工种，对人才的知识结构和能力提出了新的要求。当代社会迫切需要大量掌握数据采集、分析和处理技术的复合型人才，这对高职数学课程的实用性和应用性提出了更高要求。大数据时代背景下，新技术、新工具的应用，也为课程教学提供了新的手段和方法。传统的教学模式面临着彻底革新的压力，如何借助大数据等新技术构建高效的教与学模式是一个新的课题。大数据时代下，知识获取渠道多元化，如何优化教学评价体系，综合考核学生的理论和实践能力，也是迫在眉睫的问题。

　　二、当前高职数学课程教学中存在的问题

　　（一）课程内容与职业需求脱节

　　目前，高职数学课程内容存在与时代和职业需求相脱节的问题。高职数学教材在编写时大多依然沿袭普通数学教材的编写模式，理论性强、实用性不足，未能充分反映职业教育培养应用型人才的办学理念，内容设置上也缺乏对大数据时代人才职业能力要求的高度重视。课程教学对学生数据处理、可视化分析等专业技能的培养明显不足，教材内容也缺乏对职场工作情景的融入，难以引导学生运用所学知识解决实际问题。

　　（二）教学模式单一，缺乏创新

　　目前，部分高职数学课堂上采用的仍是“填鸭式”的传统教学模式，师生互动不足，缺乏创新性。课堂教学方式单一化、生硬化，存在单向传输知识的问题。课堂活动形式也缺乏新意，教师讲授、演示，学生听讲、记笔记，缺少参与性和体验性，难以培养学生的实践动手能力。传统教学模式导致学生被动接受知识，缺乏探究意识和创新思维，难以适应大数据时代的人才需求。

　　（三）教学评价方式落后

　　高职数学教学评价主要依赖期末卷面考试，这种单一的评价方式明显滞后于时代发展，难以全面评价学生的知识、能力和素质水平。单纯的期末卷面考试重知识点考查，轻能力培养，缺乏对学生实践能力和创新能力的考核，缺乏过程性评价，未能评价学生的学习态度、学习过程和非智力因素的发展状况，评价内容也没有兼顾大数据时代的实际需求，缺少对学生数据处理、建模分析等综合能力的考查。教学评价方式滞后制约了人才培养的质量，亟须紧跟时代步伐进行改革创新。

　　三、大数据驱动下的高职数学课程教学改革策略

　　（一）优化课程内容体系

　　第一，紧密对接职业需求。高职数学课程内容的设置必须紧密对接各类型和级别职业岗位的实际需求，为学生未来的职业发展夯实基础。高职院校要定期开展职业岗位群的调研和分析，了解不同岗位对学生数学应用能力的具体要求，并据此优化和调整课程内容。高职院校要加大数理统计、运筹学等数据类课程的设置比重，强化学生的数据获取、整理和分析能力，适当增加计算机程序设计和数学建模等内容，提高学生的数学思维能力和计算机辅助分析应用能力。这不仅可以覆盖软件工程等专业的核心课程，也符合大数据时代对复合型人才能力的要求[1]。教师可将工程实例、工程应用、生产实践等实际案例渗透到课程内容中，使抽象的数学知识内化为学生解决实际问题的工具，增强学生的实践应用意识和能力。课程内容体系的优化还应坚持理论基础教育与实践应用教育相结合的原则，在夯实学生基础理论素养的同时，突出实用性和可操作性。课程设置应体现专业特色和模块化设计理念，分层分类设置不同类型和层次的课程，真正实现因材施教、贴近需求的职业培养目标。

　　第二，加强学生数据分析与应用能力培养。大数据时代背景下，培养学生的数据分析与应用能力是高职数学课程改革的重中之重。传统的理论教学要强化实践训练环节，培养学生利用所学理论知识分析问题和解决实际问题的能力。课堂实践可采用案例分析、小组讨论和现场调研等形式，培养学生的数据获取、数据整理、数据分析与建模的综合能力。高职院校要开设相关的实践课程，如数据挖掘与应用、数据可视化分析等。实践课程可利用云计算、大数据平台等，通过实战演练强化学生的动手操作能力。数学建模是培养学生数据分析应用能力的途径之一，建模是将现实生活中的工程实际问题转化为数学问题，利用数学方法求解并最终得到满意解的过程。在教学实施中，教师可让学生经历从抽象建模到求解再到预测应用的全过程，并要求学生论证和解释模型及其预测结果，逐步培养其数学实践应用和建模意识。高职院校还可通过与企业合作，利用真实的工程案例和项目进行建模训练，使学生在真实的工程背景下提升建模分析与解决复杂问题的能力。

　　（二）创新教学模式

　　一是翻转课堂。翻转课堂是一种颠覆传统教学模式的教学理念和做法。它要求学生在课前利用各种线上学习资源，如微课视频、电子课件等，自主预习新知识点，课堂则由教师解答难点，开展互动讨论和实践训练活动。这种模式可以充分调动学生的主体性，提高学习的自主性和主动性。翻转课堂的实施需要教师对课程内容进行重新编排设计，将每节课的知识点拆解为若干个小单元，制作微视频、教学反馈单、思考题等线上资源。学生可以自主决定学习进度和节奏，反复观看教学视频直到理解透彻。课堂上通过检测环节，教师可及时发现学生的知识盲点，并通过师生互动、小组讨论等方式予以解答。同时，利用翻转课堂，教师还可开展更多实践环节，让学生运用所学知识进行建模分析、数据可视化、案例探究等。相比传统教学，翻转课堂有利于调动学生的学习积极性和参与度，培养学生的自主学习能力，加深学生的知识印象和理解程度。但推行翻转课堂也面临不少挑战，如制作高质量微课视频的投入成本较高，学生自主学习管理难度较大，部分学生自制力较差难以完成预习等。因此，一方面，高职院校需要给予教师必要的培训、资金和技术支持；另一方面，教师需要加强过程管理和督导，并探索差异化教学等有效手段，切实解决翻转课堂带来的新问题。

　　二是情景教学法。在大数据时代背景下，教学情景的设置可以更加贴近真实的工作场景。教师可收集来自企业实际运营的大数据集，例如销售记录、用户行为数据、物联网设备数据等，并将这些数据集融入课程情景。学生直接对真实数据进行分析和建模，体验数据科学家的工作内容。在具体的职业情景中，教师模拟大数据分析的完整流程，包括数据采集、数据清洗、数据探索、建模、模型评估和优化等环节，学生需要运用所学的数学知识和技能完成每个环节的任务。借助数据可视化技术，教师可生动地展示数据特征和分析结果，增强学生的直观感受。教师可组建包含不同专业学生的项目小组，模拟真实的大数据团队协作环境，邀请大数据分析领域的行业专家参与情景教学，为学生提供建议，增强教学实践的针对性。通过上述方式，将大数据元素融入情景教学，不仅可以提高学生的学习兴趣，还能培养学生的大数据思维和实践能力，为其未来职业发展打下坚实基础。

　　三是项目导向教学法。项目导向教学法主张以学生为中心，以项目实践为主线，以激发学生兴趣、培养学生实际工作技能为目标组织教学活动。教师在确定项目主题后，学生需要按照项目实施的步骤和流程，围绕具体项目主动学习所需要的知识和技能。在高职数学课程教学中，项目导向教学是培养学生数据分析应用能力和创新实践能力的重要途径。教师可以设计诸如数学建模大赛、大数据分析竞赛等项目主题，邀请企业工程师参与项目指导。在项目的实施过程中，学生需要深入钻研数学理论、查阅工程资料、学习编程技术等，并最终完成从项目选题到建模分析的全过程。例如，在大数据分析竞赛项目中，学生需要先自主获取数据，了解项目背景和需求，然后分析数据特征，预处理和整理数据，最后利用数据挖掘、优化算法等数学手段对数据进行分析和建模，并给出可视化呈现的结果。在整个项目周期内，教师要给予必要的过程指导，并组织学生互评和专家点评等环节。项目导向教学法契合高职教育技能型人才的培养目标，学生在项目实践中学习所需要的知识，从而激发自身主动学习的内驱力，提高自身对知识的理解和内化程度，大大增强自身的创新实践能力和动手能力。但同时，教师也需要注意把控项目的难易程度，避免项目过于简单缺乏挑战，或过于复杂导致学生失去学习兴趣。

　　（三）完善教学评价体系

　　一是多主体评价。单纯的学校师生之间的评价容易产生片面性和主观性因素，高职院校可以聘请行业企业专家等第三方评价者参与评价，以提高评价的客观性和专业性。第三方评价者可以在阶段性评价、项目答辩、实习实训等环节发挥作用，为学生提出更加贴近职业实际的意见和诉求。同时，高职院校也可借助第三方评价引入行业标准及认证体系，为学生能力素质评定提供权威参考。除此之外，也要引入同伴评价和学生自我评价环节，培养学生的自我意识和反思能力。教师评价可聚焦于对学生理论知识和技能的考查，而同伴评价和学生自我评价则可侧重评价学生的创新思维、团队协作等方面的表现。

　　二是过程性评价。为适应大数据时代高职数学人才培养的新需求，构建多元化的教学评价体系是非常必要的。单一的期末闭卷考试评价方式已无法全面反映学生的综合素质，亟须改革和创新。除了必要的期末考试外，还应引入过程性评价方式，从知识、技能、素养等多个维度对学生进行全方位评价。过程性评价需要在教学全过程持续纵深推进。教师应及时跟进每一个学生的学习状态，及时发现存在的问题和不足，并通过中期阶段反馈帮助学生进行自我调整。同时，教师还应加大过程性评价在总评价中的权重比例，例如加大日常表现、习题和作业批改、实训实习、课程论文、项目实践等环节的分值占比。现代化信息技术的应用，可以为教师开展过程性评价提供数据支持，实现对学生的个性化指导和全程动态评价。例如，教师可借助大数据分析和教学资源库，跟进学生平时的学习过程，洞悉其知识弱项；或利用人工智能、虚拟现实技术，构建智能化测评系统，提供更加个性化和人性化的评价反馈等。实施过程性评价有利于促进师生的深度交流互动，可使教师全面准确地了解学生的知识技能掌握水平，推动学生学习方式的改革创新，切实提高人才培养质量。

　　三是多元化评价。教师应优化考核内容和考核维度，注重对学生学习态度、学习方法、独立思考能力、创新意识等非智力因素的评价，而非仅仅停留在知识点的掌握上。高职教育强调培养学生的实践动手能力和应用能力，因此教师也应加大对这些维度的考核权重。

　　综上所述，本文深入分析了大数据时代对高职数学课程教学的影响及当前教学中存在的问题。针对这些挑战，提出了一系列基于大数据驱动的教学改革策略，以期提高高职数学课程的教学质量，培养具备数据分析与应用能力的高素质人才。未来，高职数学课程教学改革应持续深入，不断探索和创新，以适应大数据时代的新要求和新挑战。同时，广大教育工作者也应积极拥抱大数据技术，充分利用其优势，为培养高素质的数学人才作出更大的贡献。

       参考文献：

　　[1]李波,周琰杰,苏海燕,等.大数据背景下全科医学信息课程改革的必要性及策略[J].黑龙江医学,2024(6):704-707.

　　[2]梁吉.基于大数据环境下的高职院校计算机教学改革[J].学周刊,2024(3):19-21.

　　[3]杜玉帆.大数据驱动下职业教育课程改革的现实困境与优化策略[J].职业教育研究,2023(2):75-79.

　　[4]柏雪.“大智移云”背景下高职院校大数据与会计专业教学改革探索[J].互联网周刊,2023(2):53-55.

　　[5]李海娟.大数据背景下高职院校高等数学课程改革研究[J].现代职业教育,2022(5):148-150.