OBE與數據挖掘商科課程改革教學實踐

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了OBE與數據挖掘商科課程改革教學實踐范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：為實現專業(yè)培養(yǎng)與企業(yè)需求的有效銜接，部分商科課程應以成果導向教育（obe）理念為指導，重建教學大綱，將課堂教學與模擬實踐相結合，提高學生的知識應用能力，培養(yǎng)知行合一的高素質人才。文章以學生實踐技能提升為核心，基于數據挖掘技術的特征選擇方法和分類算法，革新企業(yè)經營模擬實驗過程中企業(yè)供應鏈績效評價方法。實踐表明：以學習成果為導向，應用數據挖掘方法的教學改革，不僅加深了學生對理論知識的理解和應用，提高學生從事商業(yè)管理工作的綜合素養(yǎng)，還為企業(yè)管理提供了客觀的依據。

關鍵詞：OBE；教學改革；績效評價；數據挖掘

一、問題的提出

傳統(tǒng)教學模式下，高等院校的商科教學大多是由教師主導的課堂教學，教師較為關心學生知識獲取情況，對學生綜合運用所學知識解決實際問題的能力和素質情感培養(yǎng)缺乏關注。為了更好地踐行“學生中心、產出導向、持續(xù)改進”的本科教育新理念，教師需要根據課程的特點，以學生應用能力培養(yǎng)為導向，積極探索“案例”引領的教學模式，轉變學生在課堂上被動接受知識為主動獲取知識，激發(fā)學生學習興趣，滿足社會對高素質人才的需求。OBE（OutcomeBasedEducation）即成果導向教育是指教學設計和教學實施的目標是學生通過教育過程最后所取得的學習成果[1]。OBE的實施過程中需要清楚聚焦學習者最終的產出，并且擴大學生成功機會并提供幫助[2]。然而，隨著全球一體化步伐逐漸加快，企業(yè)管理向全球化、綠色化、敏捷化和數字化的趨勢發(fā)展，對企業(yè)各個業(yè)務單元的表現進行綜合系統(tǒng)的評價，越發(fā)困難。在商科管理信息系統(tǒng)，Enterprisere⁃sourceplanning，InterdiciplinaryVirtualIntegrated等課程教學中，我們基于成果導向教育進行了實驗教學改革探索。但在教學實踐過程中，很難清晰評估學生在企業(yè)模擬經營各個業(yè)務單元的成效，并且難以在學生的模擬經營過程中提供有效的提升經營業(yè)績機會的建議。為解決上述問題，本文立足“互聯網+”時代人才培養(yǎng)需求，引入OBE理念和數據挖掘方法，指導并對企業(yè)供應鏈績效評價進行了實證研究，從而優(yōu)化評估方法，客觀且科學地反映企業(yè)供應鏈運作狀態(tài)，得出詳細綜合的供應鏈績效水平。

二、OBE理念OBE源于北美上世紀

80年代的基礎教育改革運動[3]，作為教育強國的美國因對自身科技方面的貢獻及表現不太滿意，開始反思教育的實用性及成果的重要性。在這種背景下，Spady提出OBE理念，指出“成效”是指我們希望學生能夠通過學習經驗結束后展示的清晰的學習結果。強調圍繞學習成果（產出）來合理安排教學時間和設計關鍵教學資源[4]。OBE理念以學生為中心，重點圍繞學生產出評估進行教育質量持續(xù)改進。培養(yǎng)方案、指導、評價等規(guī)劃都需要圍繞學習成效來進行設計。教學過程中，學生和教師都對成效的評估清晰明了[5]。然而，“互聯網+”時代對復合型人才的培養(yǎng)提出了新的要求，強調多元化的學習產出，而目前依據OBE理念開發(fā)的課程實踐很難清晰評估學生在企業(yè)模擬經營各個業(yè)務單元的成效，并且難以在學生的模擬經營過程中提供有效的提升經營業(yè)績機會的建議。

三、教學設計與實施

（一）企業(yè)供應鏈績效評價應用指標體系設計隨著全球經濟的發(fā)展，企業(yè)間的競爭加劇，并逐漸轉化為供應鏈間的競爭。全球化趨勢不斷發(fā)展，導致市場需求不斷地向著多元化、個性化發(fā)展，企業(yè)必須具備完善的市場應變能力以應對產品生命周期持續(xù)縮短、市場不確定性極大增加等競爭環(huán)境。供應鏈績效評價工作對企業(yè)供應鏈的良好運作具有核心參考作用。應用平衡記分卡理論為供應鏈建立平衡記分卡，從供應鏈財務、顧客、內部業(yè)務流程、學習與發(fā)展等四方面構建核心企業(yè)為制造商的響應型供應鏈的績效評價指標體系，為供應鏈績效評價提供依據[6-8]。企業(yè)供應鏈績效評價指標體系如表1所示。

（二）利用數據挖掘特征選擇方法進行指標提取1.數據挖掘特征選擇方法。特征選擇（FeatureSelection）是數據挖掘前期關鍵數據預處理方法，能夠篩除冗余或不相關的特征，從而使模型簡化，提高模型的精確度。特征選擇流程首先通過產生過程產生特征子集，之后結合評價函數和停止準則進行篩選，最后通過驗證過程進行驗證。之前學者已經提出的特征選擇方法有很多種，本研究采用Relief特征選擇算法，Relief算法是一種特征權重算法，基于特征對近距離樣本的區(qū)分能力，通過評估特征屬性與類別屬性的相關性賦予不同的權重，選取供應鏈績效平均預測指標?？傮w而言，該算法相對簡單，運行效率較高，并且結果也比較令人滿意，因此本文選擇此算法進行應用。2.數據。根據企業(yè)供應鏈績效評價指標體系，同屬性的指標各有3年，因此共有42個指標，結合企業(yè)經營模擬10組公司（A—J）的三年的財務報表、訂單交貨記錄、研發(fā)記錄和生產運行狀態(tài)等數據記錄，運算出了各項指標值，以此作為分析分析數據，完成了數據準備。圖1顯示了課程模擬實踐過程中A公司的訂單交貨記錄?；赗elief評估算法和Ranker搜索算法得出各個指標的權重和排序，由于每個指標僅有十個公司的樣本值，因此認為選取排名前五的指標進行下一步的績效評價較為合理。排名前五的的指標為IS2，PRG3，ALR3，MS2，MGR2，其中指標后數字表示該指標對應年份，如IS2表示第二年的信息共享度。由此可看出第二年和第三年的指標對預測第四年的供應鏈績效起到了主要作用，并且涉及了財務角度、顧客角度和學習與發(fā)展角度，符合預期，完成了指標的提取。

（三）利用數據挖掘分類預測方法進行企業(yè)供應鏈績效評價在初步建立的企業(yè)供應鏈績效評價指標體系基礎上，結合企業(yè)經營模擬的10組企業(yè)各項運營數據，完成了基礎數據準備，并進一步實現了企業(yè)供應鏈績效評價的指標提取，接下來就要根據提取的五項指標的指標值，運用邏輯回歸數方法，對各企業(yè)第四年的供應鏈績效優(yōu)劣水平進行實證研究，以此得出評價企業(yè)供應鏈績效水平的最合理的分類方法。我們以精度（Precision）、召回率（Recall）和F值（F-Mea⁃sure）作為主要的參考指標來對分類算法結果的好壞進行評價，精度度量了精確性，召回率度量了覆蓋面，而F值則綜合了精度和召回率兩方面的結果，三者同時進行考慮可基本反映出分類算法的效果好壞。預測效果如表2所示。從預測效果上看，基于邏輯回歸分類預測方法對供應鏈績效水平優(yōu)劣分類的綜合精度達到0.520，綜合召回率達到0.500，綜合F值達到0.505，因此可以認為采用邏輯回歸算法對于企業(yè)供應鏈績效優(yōu)劣水平進行評價，但效果一般，未來可用嘗試更加合理的分類預測方法。

四、結語

按照新商科創(chuàng)新人才培養(yǎng)和OBE教學理念，我們對原有教學內容進行了優(yōu)化，對教學方法和成果評價方式進行了革新，推進了商科管理信息系統(tǒng)等課程實踐教學改革，并基于數據挖掘方法對企業(yè)供應鏈績效評價進行了實證研究，提取了一套有助于清晰評估學生在企業(yè)模擬經營各個業(yè)務單元的成效的指標體系，有優(yōu)化企業(yè)供應鏈運作狀態(tài)評估方法，有利于教師在學生的模擬經營過程中提供有效的提升經營業(yè)績機會的建議。

參考文獻：

[1]李志義.解析工程教育專業(yè)認證的成果導向理念[J].中國高等教育,2014（17）.

[5]顧佩華,胡文龍,林鵬,etal.基于"學習產出"（OBE）的工程教育模式——汕頭大學的實踐與探索[J].高等工程教育研究,2014（01）.

[6]馬士華,李華焰,林勇.平衡記分法在供應鏈績效評價中的應用研究[J].工業(yè)工程與管理,2002（04）.

[7]鄭培,黎建強.基于BP神經網絡的供應鏈績效評價方法[J].運籌與管理,2010,19（02）.

作者：裴佳音 徐磊 喻涵文 單位：江南大學