0  引言

当今社会，各国经济和科技飞速发展，同时也伴随着不同文化的深度交融。作为全球性的通用语言，英语是人们进行跨国交流的必要桥梁。中英文双语授教可以增强大学生运用英语掌握科学和技术，深入理解前沿科技发展理论，快速了解世界和参与国际交流的能力，对于培养既掌握专业知识又掌握外语的高素质、复合型人才很有必要。2001 年 8 月教育部《关于加强高等学校本科教学工作， 提高教学质量的若干意见》指出要积极推动使用英语等外语 进行教学^[1]。

1 《数据分析*》课程实行双语教学的必要性

大数据时代，数据分析技术也发生很大变化，传统统计分析方法已经不适合如今发展需要，高并发和多样的海量数据背景下，结合数据挖掘、机器学习和人工智能技术的现代数据分析方法已经成为时代发展的主流。我校信息与计算科学、应用数学专业本科三年级开设了《数据分析*》课程的双语教学。

2 课程资源系统的建设

2.1教学目标及教学内容的选取

课程旨在培养学生在大数据时代背景下，利用科学方法从复杂数据中提取价值、支持决策的综合能力。知识目标体系包括数据思维基础技、术方法框架和工具应用知识，在教材选择方面，国外教材无论从知识体系上还是在文化思维上都和我同的传统教学方式都有很大不同，而且国外的原版教材特别贵，大多数学生都不愿意购买，也影响学生的积极性^[2]。参考影响力较大的两本教材：《Data Mining: Concepts and Techniques (3rd ed.)》和《Machine Learning: From Theory to Algorithms》，主要教学内容有“1）Introduction： What is Data Analysis? 2）Data & Preprocessing; 3）Exploratory Data Analysis (EDA); 4）Classification I: Concepts, Decision Trees; 5）Classification II: Bayes Classifiers (Naive Bayes), K-Nearest Neighbors (KNN);6) Classification III: Linear Models (Logistic Regression), Support Vector Machines (SVM - Intro);7) Ensemble Methods & Evaluation: Bagging, Random Forests;8) Regression : Linear Regression, Polynomial Regression;9) Clustering I: Concepts, Partitioning Methods (K-Means);10) Clustering II: Hierarchical Methods, Density-Based Methods (DBSCAN);11) Association Rule Mining: Concepts, Apriori Algorithm, FP-Growth;12) Advanced Topics & Review: Anomaly Detection, Text Mining”。 

2.2课程资源建设

根据教学目标，编写教学大纲，设定教学内容，自主编写双语教案，制作电子课件和教学视频，针对每一部分内容建立习题库和测试集，每次课后从习题库中提取课后作业，也可以自主在教学平台进行章节测试。知识拓展部分，建立模型案例，收集整理英文技术文献，实践教学部分，设计课堂实验和课程大作业的指导书。

3教学方法探索与实践

3.1双语线上线下翻转课堂教学

本课程基于学习通教学平台线上线下教学，利用网络平台功能，上传电子教案、课件、课程视频、习题库、试题库和拓展学习资料。线上教学活动有作业发布和批改，在线测试，主题讨论和答疑等功能。在教学设计时，分别根据课前，课堂及课后给与老师和学生任务和流程，以提高教学效果。

课堂教学的中英文比例采用阶梯式提升的方法。初期阶段，第1-5周理论教学以中文为主，英文占30%，作业以中文为主；中期阶段，第6-11周理论教学英文占50%，作业中英各占一半；后期阶段，第12-16周，理论教学英文占70%，作业和试题以英文为主。

3.2基于AI辅助教学系统

本研究选择了当下十分热门的DeepSeek-R1语言大模型来本地化部署，结合了RAG技术构建个性化数据分析本地知识库，最终开发了一个智能化辅助教学平台，

该系统包含教师端、学生端及智能AI小助手的数据分析辅助教学平台。其中教师  端提供教案生成、教学大纲、教学辅件、作业布置、作业批改、学情分析、试卷生成、代码助手等八大功能模块，以此来减轻教师的备课负担；学生端则包括学习大纲、AI辅导、学习辅件、代码助手、文档分析、自我测验、研究助手、写作反馈等八大功能模块，为学生提供个性化的学习支持和实时反馈；如图1所示。智能AI小助手配备功能快捷跳转，上下文长记忆对话以及语音交互系统，成为陪伴在教师和学生身边的得力帮手。

图1教师端界面展示图

4 考核方式

本课程采用平时成绩与期末成绩相结合，全面考核知识掌握和技能应用：

 4.1 平时成绩（占总评40%）

课堂表现（30%）：主要有平时考勤情况（10%），课堂提问回答情况（10%），平时作业情况（10%），实验报告（10%）。

4.2 期末成绩（占总评60%）

期末考试（40%）：采用理论+应用两部分内容，理论考核核心概念，应用测试实际问题

解决能力（如给定数据集设计完整分析方案），以闭卷形式考核。大作业（20%）：评估求解问题能力，从问题定义清晰度、数据收集合理性、分析方法严谨性、结果可视化效果到报告专业性全面考核。

5  教学效果分析

本课程开课数年，每年选课人数近百名，教学内容不断更新完善，教师队伍参加双语教学培训，教学质量逐步提高，教学资源也更加丰富，学生通过双语课程学习后，具有独立查找和阅读专业文献能力，老师通过线上平台跟踪学生学习状况，与学生互动答疑，课程学习积极性和教学效果有明显提高，各学期对教师的评价分均在4.5分以上（5分制）。

6  结  语

在《数据分析Data Analysis*》课程双语教学过程中，基于学习通网络教学平台引入线上线下翻转课堂教学模式，结合国外教材，结合学生特点和培养计划，设计线上线下教学方法和教学内容，完成了包括英文版课件，教案，习题库，试题库等课程资源，开发了一套基于AI的辅助教学系统，对于教师和学生可以充分利用AI进行课堂设计和自主学习大大激发学生的学习积极性和主动，通过多年的课程建设和教学改革，取得了很好的教学效果。 

参考文献：

[1] 中华人民共和国教育部办公厅.关于加强高等学校本科教学工作，提高教学质量的若干意见.2001(8).

[2] 何洁月,王茜,王伟,吉逸.《计算机软件技术基础》双语教学课程建设与实践[J]. 北京大学学报（哲学社会科学版）,2007(7):112-114

Development and Implementation of a Bilingual Teaching Course in ‘Data Analysis*’

 Liang Daolei¹  Feng Yaru²  Chen Qiqiong¹

(1 School of Science, Zhejiang Sci-Tech University, Hangzhou 310018, China )

(2 School of Information ,Shanghai Ocean University, Shanghai, 201306, China)

本文系浙江理工大学《数据分析*》课程建设项目研究成果

梁道雷（1976-），男，汉族，江西吉安人，硕士研究生，浙江理工大学讲师，中国人工智能学会会员，主要研究方向：数据库，数据挖掘

冯雅如（2004-），女，汉族，山西临县人，上海海洋大学信息学院在读研究生，主要研究方向：人工智能

陈琦琼（1985-），女，汉族，江西九江人，博士研究生，浙江理工大学讲师，主要研究方向：应用数学

作者邮箱：iangdaoleil@sina.com   13819100469  

通讯地址：浙江省杭州市江干区下沙高教园区浙江理工大学理学院数学系  310000