谷歌教育年会：大规模开放在线实训平台

本文来自：http://url.cn/52u5YrS

1、MOOBench

随着教育信息化技术的发展，以MOOC为代表的新型教学资源和方式正在改变着我们现有的课堂。MOOC取得了一定的成绩，并将会持续沉淀优质的课程资源。

然而，一些关键问题也逐步的暴露出来了，包括：

信息过载和信息碎片
用户难以坚持下来，缺乏有效的动力
缺乏交互性：交互式、协作工具的缺乏，以及缺乏师生交互、评价和反馈
缺乏有效的实训平台：特别是理工类课程

随着云计算、大数据与人工智能技术的发展，以及新工科教育的诉求，需要对现有的MOOC平台进行延展和补充。

当我们还没来得及推广计算思维的时候，大数据时代的分析思维就来了；当我们还在庆祝中国被接纳为《华盛顿协议》正式签约成员，开始履行专业工程认证工作的时候，新工科的概念就提出来了，对传统工程专业人才培养提出了挑战；当我们还在申请、正在建设数据科学与大数据技术专业的时候，“智能科学与技术”一级学科申请的工作已经开始竟罗密鼓的筹备了，新的人工智能一级学科呼之欲出。

国家领导人也多次在政府办公会议上多次强调：因应信息技术的发展，推动教育变革和创新，构建网络化、数字化、个性化、终身化的教育体系，建设“人人皆学、处处能学、时时可学”的学习型社会，培养大批创新人才，是人类共同面临的重大课题。因此，基于互联网与云计算的工程实践平台的势在必行，需要逐步重新构建教育信息化基础设施，以支持新一代工程实践平台的建设。

现有的传统教育的基础设施出现了诸如配置部署复杂、安全性难以满足、软件硬件升级成本高、机密数据分散，不便于数据的集中管理和维护等问题，需要逐步重新构建基于云计算的教育信息化基础设施，以支持下一代教育信息化公共服务平台的建设。另一方面，大数据和人工智能领域持续发展，各行各业都在积极的应用大数据设施处理和分析数据，为了适应大数据和人工智能时代的新状况，相关的理念、处理方法、操作的教学与实践势在必行。

近年来，随着实时互联网、微服务、云端渲染、容器等技术和理念发展的不断深入，我们提出了构建大规模开放在线实训平台 (Massive Open Online Workbench, MOOBench)的设想，简单来说，就是将所有实训软件全部迁移到云端，并通过浏览器为终端用户提供统一的实训服务。这为大规模重构教育信息化基础设施、为下一代教育信息化公共服务平台带来了新的方法和机遇。

就大数据场景来说，通过将传统桌面软件和大数据软件进行云端化，使得用户通过浏览器就可以方便使用各种Matlab，R、SQL、Python、Hadoop、Spark等实训环境，节约了机房场地及试验设备，丰富了教学形式，简化了教学过程，提供了便捷高效的工程实践环境。从根本上改变目前桌面软件（例如Matlab、SPSS）和分布式大数据软件（如Hadoop、Spark）的实训方式，使得用户直接仅仅通过浏览器就可以访问这些软件服务或编程环境，将大数据实训的各个环节连接到一起，最终做到大数据工程实训服务的触手可及、随时可用、秒级启动、用完即走；也使得能够很容易采集到实训学员的实践行为大数据，也为后续教育大数据提供了一个好的样例数据。

我们认为这样的MOOBench是MOOC平台的一种延续与补充，主要是针对理工类课程提供大规模的、开放的、在线的实训环境。它的几大特点包括：

Learning at Scale (大规模教育，MOOC的延续）
Learning by doing (实践、新工科的诉求)
开放的实训资源 (Open)
独享、快速、高效、灵活的实训环境 (教育信息化创新)
触手可及、随时可用、秒级启动、用完即走
Intelligent interactive online learning (智能化的交互学习)

随着MOOC课程的发展和新工科课程改革的持续深入，大规模开放在线实训平台将会成为教育信息化接下来发展的重点方向之一，并将作为一种教育信息化的基础设施为广大学员提供服务，所谓的Workbench as a Service (实训平台即服务)。

2、大数据导论类课程建设与教学实践

下面就来具体看看我们如何将MOOBehch应用到我们实际的数据科学与大数据导论类课程中的。

在过去的一年中，我们陆续建设了两门课程：《数据科学通识导论》和《大数据原理与实践》。其中前一门是面向全校的通识选修课，后一门是专业导论课。课程建设的具体内容可以参见：《如何建设大数据与数据科学通识实践类课程？》

简单来说十六个字：建立对话；激发思辨；协作交流；动手实践。这里，我们借助了两个平台：微信公众号平台（微信号：Datahui）和前面提到的实训平台。

具体来说，我们自己构建了一个开放的实训平台，并在上面开发了5个实验模块，17个子模块，共113个实验。具体包括：

（1）基础语言学习实验（4个子模块，42个实验）

R语言编程基础实验
R语言统计建模与分析基础实验
Python语言编程基础实验
Python语言统计建模与分析基础实验

（2）数据分析与挖掘实验（4个子模块，28个实验）

R数据探索与预处理实验
R数据挖掘实验
Python数据探索与预处理实验
Python数据分析实验

（3）大数据基础实验（4个子模块，13个实验）

Hadoop基础实验
MapReduce基础实验
HBase基础实验
Hive基础实验

（4）大数据挖掘实验（2个子模块，12个实验）

R大数据挖掘实验
Python大数据挖掘实验

（5）案例分析实验（3个子模块，18个实验）

案例一：泰坦尼克乘客生存预测
案例二：优秀员工离职原因分析与预测
案例三：用声音预测性别

具体的实验形式就是：

通过这种方式可以对课堂教学进行有效的补充。

另外一门课《大数据原理与实践》今年也入选了Google支持教育部产学合作协同育人项目，目前正在建设中。当时申请的时候融入了很多Google的的大数据技术、工具和平台，实际上今天大数据整个知识体系所慢慢沉淀下来的内容很多都确实来自Google公司的技术与开源项目等，像HDFS、MapReduce、BigTable等，以及新的大数据应用方面，像TensorFlow等。

因此，我们接下来正在做的一些工作包括：