【本网讯】为进一步完善课程考核评价体系，规范过程性考核实施，提高实践教学质量。2026年10月22日，《大数据挖掘与可视化实训》课程组围绕课程考核方案制定开展专题研讨。

研讨中，课程组结合课程目标、教学内容和实践教学特点，重点围绕考核内容、考核方式、成绩构成及评价标准等进行了深入交流。针对课程实践性强、学生编程基础存在差异等特点，课程组一致认为，考核应突出学生实际操作能力和综合应用能力，通过全过程性评价真实反映学生学习成效。

在考核内容设置方面，课程小组对NumPy数组与矩阵运算、Pandas数据分析、sklearn机器学习和数据可视化四项实训任务进行了逐项讨论。四项任务分别对应课程不同阶段的核心教学内容，按照由基础到综合、由数据处理到分析应用的思路递进设置，每项实训占总评成绩的25%，以强化学生数据处理、模型应用和可视化表达能力。

在考核组织与评价方面，课程组重点讨论了小组协作、个人贡献、实验报告规范及成果真实性等问题。大家认为，小组协作有利于培养学生团队意识和解决实际问题的能力，同时应通过明确成员分工、记录操作过程、核验运行结果等方式，加强对学生个人实际参与情况的考查。评价中应综合考虑任务完成质量、代码运行情况、数据或模型结果准确性、分析解释能力和实验报告规范性。

针对Trae、AI大模型等工具在课程中的应用，课程组提出，应鼓励学生合理利用人工智能工具辅助代码理解、程序调试和结果检查，同时强化过程记录和结果核验，引导学生规范、审慎使用AI工具，避免简单依赖人工智能完成实训任务。

通过本次研讨，课程组进一步明确了课程考核方案的设计思路和实施要求。下一步，课程小组将结合实际教学情况持续完善考核内容和评价标准，强化教学、实践与考核之间的有效衔接，不断提升课程教学质量和学生实践应用能力。

稿件来源：工商管理专业教研室

撰稿人：朱靖

摄影：朱靖

初审：朱靖

复审：韩剑义

终审：梁春树