教师采用多种信息化教学手段，并贯穿教学准备环节（课前）、课堂交互环 节（课中）和课后提升环节（课后）整个教学过程，逐级达到教学目标。课前“前 置预学"“学情诊断”，课中“明确目标”“探究学习”“ 解决问题”“成果展示” “深化巩固” ，课后“反思分享”“拓展提升”三个环节九个步骤。教学活动充 分体现线上线下混合特征，具体来说线上活动主要包括“发布任务，推送资源” “课前预学、 诊断学情”“可视调查，确定问题”等，线下活动主要包括“联系 实际，回忆旧知”“创设情境， 明确目标”“小组交流，协作探究”等。课程讲 授过程中不仅注重学生知识的掌握、能力的提升，还要重点关注学生思想品德品 质的塑造，帮助学生认清自己肩负着的重大历史使命和时代责任，通过课程内容 中涉及到的标准、规范、政策等有意识地引导学生正确理解组织纪律与规章制度，增强学生的自律能力，最终落实立德树人根本任务，培养德智体美劳全面发展的 社会主义建设者与接班人。 学生成绩采用多种成绩加权求和的方式，其中课程考试成绩占 63%，主要考 核学生对所学知识的掌握程度；平时成绩占 27%，包括出勤率、课堂表现、平时 作业、阶段测试、综合实践、大作业、小组汇报等；实验成绩占 10%，主要根据 学生的动手能力及实验报告质量进行评分。 传统对于教学的评价单一，不能客观、全面地映射出存在于教学问题背后的 深层原因。本课程强调融合创新，采用自评、互评、教师评价等多方式，从教学 目标达成、师生交流互动、课堂教学容量等多视角进行评价。如运用新型信息技 术，对教师教学过程、教师日常活动数据、学生学习过程和学习行为进行记录、 分析，从而更为科学、准确的反映教学的真实情况。

《数据挖掘》课程立足于“大数据分类与预测方法”省级智慧课堂试点项目，已经通过学习通开设了完整的在线教学平台，具有完整的理论课程教学大纲、实践课程教学大纲，同时利用SPSS和Python两种平台软件进行了讲解课程，所有的视频资料已经上传至学习通；课件方面，已经具备MOOC课程配套的PPT，并且《数据挖掘技术》课程同步上线学堂在线MOOC课程，可以方便社会人员进行在线学习；学生学习效果良好。课程教学基本制度健全，充分利用线上线下相结合的方式，注重学生学习过程评价，执行情况良好，所有相关的教学档案资料齐全、规范；教学采用国家级规划教材，相关的实践课程讲义已经初步完善。

(一)国家级或省级一流课程、精品在线开放课程资源推荐。

1. 大学MOOC国家精品课程《数据挖掘》，国防科技大学，丁兆云：https://www.icourse163.org/course/NUDT-1461782176?tid=1472088536

2. 大学MOOC国家精品课程《数据挖掘》，青岛大学，宾晟：https://www.icourse163.org/course/QDU-1461560167?from=searchPage&outVendor=zw_mooc_pcssjg_

3. 大学MOOC国家精品课程《数据挖掘与python实践》，中央财经大学，李爱华：https://www.icourse163.org/course/CUFE-1207262801?from=searchPage&outVendor=zw_mooc_pcssjg_

4. 哔哩哔哩 清华大学-数据挖掘：理论与算法（国家级精品课）

https://www.bilibili.com/video/BV154411Q7mG/?spm_id_from=333.337.search-card.all.click&vd_source=69ded6a9e69ab4df5a86df6015a4754b

(二) 教材建设、选用与参考书目，包括作者、书名、出版社、出版时间与版次等内容。第一本为上课选用教材，后面为参考教材。

[1] 魏伟一 张国治，数据挖掘与机器学习，清华大学出版社，2022

[2] Pang-Ning Tan，范明译，数据挖掘导论，人民邮电出版社，2011

[3] 丁兆云，数据挖掘原理与应用，机械工业出版社，2022

[4] 张良均，Python数据分析与挖掘实战，机械工业出版社，2020