《Python 程序与网络数据分析》实验课程教学大纲
一、课程简介
课程中文名 | Python 程序与网络数据分析 | ||||||||
课程英文名 | Python Programming and Network Data Analysis | 双语授课 | £是 R否 | ||||||
课程代码 | 27112084 | 课程学分 | 3 | 总学时数 | 48（含实践32） | ||||
课程类别 | □专业基础课程 R专业核心课程 £专业选修课程 □其他 | 课程性质 | R必修 £选修 £其他 | 课程形态 | □线上 R线下 □线上线下混合式 □社会实践 □虚拟仿真实验教学 | ||||
考核方式 | R闭卷 £开卷 □课程论文 R课程作品 □汇报展示 £报告 R课堂表现 □阶段性测试 R平时作业 □其他（可多选） | ||||||||
开课学院 | 传媒学院 | 开课 系(教研室) | 网络与新媒体 | ||||||
面向专业 | 网络与新媒体 | 开课学期 | 第5学期 | ||||||
课程负责人 | 李舒迪 | 审核人 | 张建雄 | ||||||
先修课程 | 无 | ||||||||
后续课程 | 无 | ||||||||
选用教材 | 李爱华,孟凡.数据挖掘与python实践[M].高等教育出版社.2023. | ||||||||
参考书目 | [1]卢滔,张良均,戴浩,李曼,陈四德.Python数据挖掘：入门、进阶与实用案例分析[M].机械工业出版社.2023. [2]方小敏.Python数据挖掘实战[M].电子工业出版社,2021. [3]邓立国.Python数据分析与挖掘实战[M].清华大学出版社,2021. | ||||||||
课程资源 | 在线教程和学习平台：在线教程和学习平台如Coursera、edX、Udemy等提供了大量与Python编程和数据分析相关的课程，学生可以通过这些平台免费或付费获取额外的学习资源。 开源数据集：提供学生使用的开源数据集，以供实践和项目实践使用。例如，Kaggle、UCI机器学习库等提供了多种数据集供学生练习。 编程工具和IDE：推荐学生使用常见的Python编程工具和集成开发环境（IDE），如Jupyter Notebook、PyCharm等，以便进行实际编程工作。 在线社区和论坛：引导学生加入Python和数据分析领域的在线社区和论坛，如Stack Overflow、GitHub等，以便获取实际问题的解决方案和分享经验。 | ||||||||
课程简介 | 《Python程序与网络数据分析》课程旨在培养学生利用Python进行数据处理和网络分析的能力。课程涵盖Python基础语法、数据结构、文件操作等知识点，重点介绍Python在网络爬虫、数据清洗、可视化分析等方面的应用。学生将学习如何运用Python爬取网络数据，运用数据分析库处理数据，并通过可视化工具展示分析结果。通过本课程学习，学生将掌握Python在网络数据分析领域的实用技能，为未来的职业发展奠定坚实基础。 | ||||||||
二、课程目标
表1 课程目标
序号 | 具体课程目标 |
课程目标1 | 掌握计算机科学与网络与新媒体专业的基础知识和工具性技能。 理解和运用Python编程语言的基本概念和语法。 |
课程目标2 | 熟悉Python编程环境的工作界面和基本操作。 掌握Python编程中常用的数据类型、操作和控制流程。 熟知Python编程中各种库和工具，具备使用它们的基本能力。 |
课程目标3 | 培养学生团队合作的能力，能够在课程项目中相互沟通、相互协助。强调数据分析的沟通能力，能够清晰地传达分析结果和洞见。 能够在数据分析领域探索创新解决方案，培养创新创业意识，培养创新思维和问题解决能力。培养终身学习的自驱力，鼓励学生持续更新和扩展数据分析技能，以适应不断变化的技术和行业需求。 |
表2-1 课程目标与毕业要求对应关系
毕业要求 | 指标点 | 课程目标 |
毕业要求1：学科素养【M】 | 1.1 掌握一门外国语和计算机基础等工具性知识、应用技能。掌握科学锻炼身体的基本技能，养成良好的体育锻 炼和卫生习惯，体质测试结果达到国家规定标准。 | 1,2 |
毕业要求2：拓展技能【H】 | 2.1 具有较强的网络数据采集及数据分析处理能力。 | 1，3 |
毕业要求3：终身学习【M】 | 3.1关注行业的发展趋势和动态，保持开放和与时俱进的心态，积极适应行业的变化和挑战。 | 1，2，3 |
3.2具有较强的自主学习能力和视野拓展能力，并具备通过自主学习主动获取新知识、学习新方法、了解新技术发展动向的能力，具备一定的网络（含移动互联网）应用、内容产品研发能力和自主创业能力。 |
三、课程教学内容与方法
表3课程目标、教学内容和方法对应关系
序号 | 项目名称 | 项目来源 | 教学目标（观测点、重难点） | 学时数 | 项目类型 | 要求 | 每组人数 | 教学方法 | 课程目标 |
1 | Python基础语法入门 | 实验教材 | 学生能够掌握Python的基本语法，完成简单的程序编写，表达清晰的逻辑结构。 | 15 | 演示性 | 必做 | 1 | 课堂讲授 | 1，2 |
观测点：编写简单的Python程序。 | |||||||||
重难点：变量、数据类型、条件语句、循环结构。 | |||||||||
2 | 网络数据爬取 | 教师开发 | 学生能够使用Python进行网络数据爬取，完成特定网页数据的抓取与存储。 | 6 | 演示性 | 必做 | 1 | 实验指导 | 1，2 |
观测点：成功爬取网页数据。 | |||||||||
重难点：爬虫库的使用、反爬虫机制的处理。 | |||||||||
3 | 数据清洗与预处理 | 实验教材 | 学生能够使用Python进行数据的清洗和预处理，处理缺失值、异常值等问题。 | 3 | 演示性 | 必做 | 1 | 实验指导 | 1，2 |
观测点：数据清洗后的准确性。 | |||||||||
重难点：数据清洗方法的选择与应用。 | |||||||||
4 | 数据可视化分析 | 实验教材 | 学生能够使用Python进行数据可视化，展示数据的分布和趋势。 | 6 | 演示性 | 必做 | 1 | 实验指导 | 1，2 |
观测点：生成清晰的数据可视化图表。 | |||||||||
重难点：图表类型的选择、可视化库的使用。 | |||||||||
5 | 网络数据分析报告撰写 | 其他 | 学生能够结合网络数据分析结果，撰写分析报告，表达清晰的结论和建议。 | 6 | 综合性 | 必做 | 1 | 实验指导 | 1，2，3 |
观测点：报告的逻辑性、完整性。 | |||||||||
重难点：报告的结构与写作技巧。 |
四、课程考核
（一）考核内容与考核方式
表4-1 课程目标、考核内容与考核方式对应关系
课程目标 | 考核内容 | 所属 学习项目 | 考核占比 | 考核方式 |
课程目标1 |
| 授课与练习 | 32% | 平时成绩、期中成绩、期末成绩 |
| ||||
| ||||
课程目标 2 |
| 网络数据分析报告 | 44% | 平时成绩、期中成绩、期末成绩 |
| ||||
| ||||
课程目标 3 |
| 网络数据分析实战 | 10% | 平时成绩、期中成绩、期末成绩 |
|
表4-2 课程目标与考核方式矩阵关系
课程目标 | 考核方式 | 考核占比 | ||
期末成绩比例60% | 期中成绩比例20% | 平时成绩比例20% | ||
课程目标1 | 30% | 40% | 30% | 32% |
课程目标2 | 50% | 40% | 30% | 44% |
课程目标5 | 10% | 10% | 10% | 10% |
（二）成绩评定
1.平时成绩评定
平时成绩（100%）=出勤率（60%）+课堂表现（20%）+课堂实践（20%）
出勤率：平时考勤，主要考察学生的出勤。
课堂表现：积极回答问题、参与讨论。
课堂实践：学生根据自选实际问题或数据集进行数据分析和处理。
期中成绩评定
学生根据自选实际问题或数据集进行数据分析和处理，并撰写数据分析报告。
3.期末成绩评定
期末成绩考核通过笔试进行，题型为选择题、填空题、编程题。
4.总成绩评定
总成绩（100%）=平时成绩（20%）+期中成绩（20%）+期末成绩（60%）
（三）评分标准
以试卷参考答案及评分细则为准。
五、其他说明
本课程大纲依据2023年网络与新媒体专业培养方案，由传媒学院网络与新媒体教学系讨论制定，传媒学院教学工作委员会审定，教务处审核批准，自2023级开始执行。
