基于问题导向与成果产出的教学模式:《大数据与城市规划》特色课程

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

《大数据与城市规划》是国内高校城乡规划专业首次开设大数据与城市规划方面的课程,也得到了清华多个院系研究生的广泛关注。课程培养学生利用数据和先进技术手段来认识城市和改变城市的思维方式和实践能力。课程结合中国城市规划特点以及技术发展特点进行讲授,秉承技术方法与城市理论/规划设计并重的原则,倡导以技术作为认识城市、衡量城市的手段,强调以问题为导向、以成果产出为目标的教学方式。同时通过线上+线下、课内+课外以及理论课+设计课等丰富的授课形式,实现开放性、融入性教学体验。


而在今年度,课程亦成功申请到学校的MOOC在线课程,将结合线上授课的方式持续拓展课程内容。在经过两个学学度实践中的不断发展和完善,课程形成以下主要特色:

一、学生跨学科交叉,激发创新活力

学生专业背景充分体现了跨学科交叉,上学期课程超过一半以上的学生来自非建筑与规划专业,包含土木工程、地球科学、公共管理、社会学院、电子工程等12个院系,构成了一个多元学科组合的课堂。我们看到了城乡规划、计算机、统计学、社会学等多领域学科交织的可能性,也看到学生们结合自身关切的城市议题,所激发出的火花。

1c88398fa6cfb9a4e552b03f270c05aa49735012

修课学生非建筑相关学科比例统计

二、线下与线上结合,引导自发学习

本课程的所有课程文件、拓展阅读都被放到指定网站上供选课学生下载,通过鼓励学生自发式地学习,从而达到开拓眼界、激发学习兴趣、优化教学效果的目的。另外,课程给学生提供了很多数据,例如北京旧城的一系列数据(边界与分区、开发、形态、功能与活动等),而如何使用数据取决于学生们的独立思考和能动性。

78912f9b31a9f2563d1e6c9250b556ac6471c788

三、增设课外沙龙,扩宽思维广度

为了辅助课程内容,在课外还设置了多次学术沙龙。课外沙龙的内容偏向实践,由业界知名专家学者针对数据抓取、空间句法以及城市感知计算方法引论等主题进行研讨,为学生们拓展多研究手段奠定基础,并为学生思考问题的方式提供新思路(沙龙不限于修课学生)。

43f92ebf68721909b1210ff0f79c823837457887

中科院地理所的王江浩老师与听讲学生答疑交流

四、始于问题导向,终于成果产出

为了培养学生的研究意识、研究能力和创新能力,课程强调“基于问题导向与成果产出的研究性教学”,提倡实验教学与科研课题相结合,创造条件使学生较早地参与科学研究和创新活动。

课内时间主要用于讲授理论知识,而在课外时间则鼓励学生们走进街区,以调研的形式促进了学生们对于城市这座实验室的认知,引导学生将抽象的数据分析方法与真切鲜活的城市空间建立联系,从而激发学生自我发现问题并探究问题的热情。以“城市大数据应用研究——以北京老城为例”为主题,将13个不同院系的学生们进行交叉混合分组,结合学生们自身专业与感兴趣的课题,最终将研究成果以论文和汇报形式呈现。课程的终期汇报邀请了多位与产、官、学界相关领域的专家,齐聚一堂为学生们共同点评。

2ee2d54391a22032daed4407317300b2e79eb6f5

在上一学期的课程结束之后,有5篇学生论文被澎湃新闻市政厅频道选中报道,14篇论文发表在专业期刊上。这不仅激发了学生的研究热情,更是展现了外界对他们研究水平和研究成果的认可。

四、学生课后反馈,总结经验教训

根据学生们提交的课程总结,通过玻森中文语义API进行语义分析,从数据层面上解析学生们的诉求。首先,语义情感分析表现出一致的正向情感,正向情感权重在0.9以上的占总提交数量的92.2%,其中情感权重在0.99以上的占40.4%,这从一定程度上反映了学生们对这门课程的正向评价以及课程带给学生们的正向作用。

d94e7d2761b5d09c11b28d436fafc34acaa247d6

学生反馈的关键词云图

许多学生表示,通过一个学期的课程,不仅提升了他们应用大数据方法来分析和处理动态复杂系统中问题的能力,亦培养出大数据分析思维,使之在面对方案设计时更容易考虑数据增强设计的应用、情景分析和量化评估,进而提高了方案的科学性和高效性。

目前课程的MOOC教材也正在积极筹备中,将于2018秋季学期正式上线,通过在线的方式让更多同学能一起参与至课堂的交流以及学习资源中,欢迎各位同学持续关注。


原文发布时间为:2018-09-5

本文来自云栖社区合作伙伴“数据派THU”,了解相关信息可以关注“数据派THU”。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
195 6
|
2月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
83 2
|
2月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
105 2
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
83 0
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
84 0
|
4月前
|
分布式计算 资源调度 大数据
【决战大数据之巅】:Spark Standalone VS YARN —— 揭秘两大部署模式的恩怨情仇与终极对决!
【8月更文挑战第7天】随着大数据需求的增长,Apache Spark 成为关键框架。本文对比了常见的 Spark Standalone 与 YARN 部署模式。Standalone 作为自带的轻量级集群管理服务,易于设置,适用于小规模或独立部署;而 YARN 作为 Hadoop 的资源管理系统,支持资源的统一管理和调度,更适合大规模生产环境及多框架集成。我们将通过示例代码展示如何在这两种模式下运行 Spark 应用程序。
280 3
|
1月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
44 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
|
2月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
56 5