問題驅(qū)動教學法在《醫(yī)學信息分析與決策》教學中的應用

周再紅　王江　熊剛強

摘要：《醫(yī)學信息分析與決策》課程概念多、原理復雜，傳統(tǒng)教學方法學生課堂學習效率低。采用問題驅(qū)動教學法，針對不同的教學內(nèi)容，設計大問題、小問題或大問題和小問題相結合的方式，使學生帶著問題進行思考和學習，激發(fā)學生的思維活動，變被動學習為主動學習，提高課堂教學效果。

關鍵詞：教學方法；問題驅(qū)動；醫(yī)學信息分析與決策；創(chuàng)新思維；問題設計

中圖分類號：G642. 文獻標識碼：A 文章編號：1009-3044（2018）18-0124-02

Application of Problem-Based Learning in Teaching of Medical Information Analysis and Decision Making

ZHOU Zai-hong， WANG Jiang， XIONG Gang-qiang

（（School of Information Engineering， Guangdong Medical University， Dongguan 523808， China）

Abstract： There are many concepts and complicated principles in the course of medical information analysis and decision making. Problem-Based Learning is adopted and design big problems， small problems or a combination of big problems and small problems according to the different teaching content in order to make students think and study with problems， stimulate students' thinking activities， change passive learning into active learning and improve the effect of teaching in class.

Key words： Teaching Methods； Problem Driven； Medical Information Analysis and Decision Making； Innovative Thinking； Problem Design.

1 引言

隨著信息化技術、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、網(wǎng)絡社交媒體等的飛速發(fā)展，各行各業(yè)數(shù)據(jù)量激增，為了挖掘出數(shù)據(jù)中潛在的巨大價值，各行各業(yè)都需要既懂業(yè)務又懂信息分析與處理的人才。適應社會對人才的需求，各高校紛紛開設信息分析與處理相關課程。我校也不例外，在非計算機專業(yè)的信息技術第三層次課程中開設了《醫(yī)學信息分析與決策》[1][2][3]。該課程涉及經(jīng)典的信息分析與決策方法。課程內(nèi)容多、原理復雜、課時少，因此對非計算機專業(yè)的學生來說學習難度較大。怎樣讓學生用最少的時間學到分析與決策方法的本質(zhì)并應用于將來的工作實際中，是教學中困擾教師的一個問題。

所有的思維活動都是針對問題的，如果沒有問題就沒有思維，更沒有創(chuàng)新思維，也就談不上創(chuàng)新能力。因此，在教學中如果能夠設置一些問題，激發(fā)起學生的思維活動，讓學生帶著問題學習，圍繞問題的解決而思考，這樣勢必提高學生學習的主動性，從而提高課堂學習效率。

2 問題驅(qū)動教學法

問題驅(qū)動教學法是一種以教師為主導，學生為主體的教學方法，即教師將要講授的知識點以問題的形式呈現(xiàn)給學生，驅(qū)動學生參與到課堂學習活動中來，讓學生尋求探索解決問題的方法，從而掌握知識，開發(fā)智力，提高技能，促進學生發(fā)現(xiàn)問題和解決問題的能力[4]。問題驅(qū)動教學是一種由問題引發(fā)的教學方法，以問題為學習起點，以問題為核心規(guī)劃學習內(nèi)容，教師通過提問、創(chuàng)設情境、設計問題、解決問題等幾個過程，引導學生自主學習。

《醫(yī)學信息分析與決策》這門課程包含多個專題，每個專題中的概念多，原理涉及較多的數(shù)學知識，而通常的講法是先講解概念，然后再講解原理，最后講解具體實例。但是這樣學生學概念的時候會感覺枯燥無味，學原理的時候感覺云里霧里，不知道為什么要學這些晦澀難懂的概念和原理，學習沒有動力，完全被動學習。運用問題驅(qū)動教學法，教師將待講授的專題或知識點以問題的形式拋出，或讓學生自己提出問題，然后學生帶著問題學習，這樣變被動學習為主動學習，提高課堂學習效率。

3 問題的設計

問題驅(qū)動教學法以問題為核心，學生圍繞問題進行學習。因此問題的設計成為問題驅(qū)動教學方法的關鍵[5]。所設計的問題既要包含待講授的知識點，又要比較有趣或者與其專業(yè)的應用相關。在教學中，我們進行了三種問題設計，一是針對知識點進行問題設計，稱為小問題設計；一是圍繞所學習的專題進行問題設計，設計的問題貫穿整個專題的教學過程，稱為大問題設計；一是針對專題設計大問題，該問題貫穿整個教學過程，具體的知識點教學過程中再設置小問題，稱為大問題和小問題相結合的問題設計。

3.1 小問題設計

對于要講授的知識點，以問題的方式進行呈現(xiàn)。如關聯(lián)規(guī)則部分的教學，教材中首先介紹了關聯(lián)規(guī)則的一些基本概念，然后介紹了挖掘關聯(lián)規(guī)則的Apriori算法，最后舉了一個實例。教學的重點內(nèi)容就是Apriori算法。對此，我們進行了如下教學設計：

首先由啤酒和尿布的故事引出發(fā)現(xiàn)并利用關聯(lián)規(guī)則的實際意義，激發(fā)學生們自己思考“怎樣發(fā)現(xiàn)并利用關聯(lián)規(guī)則？”，接著給出答案并列出挖掘關聯(lián)規(guī)則的Apriori算法：

Apriori算法的主要步驟：

（1） 掃描全部數(shù)據(jù)，產(chǎn)生候選1-項集的集合C1；

（2） 根據(jù)最小支持度，由候選1-項集的集合C1產(chǎn)生頻繁1-項集的集合L1；

（3） 對k>1，重復執(zhí)行步驟（4）、（5）、（6）；

（4） 由Lk執(zhí)行連接和剪枝操作，產(chǎn)生候選（k+1）-項集的集合Ck+1；

（5） 根據(jù)最小支持度，由候選（ k+1 ）-項集的集合Ck+1，產(chǎn)生頻繁（ k+1 ）-項集的集合Lk+1；

（6） 若L≠Φ，則 k=k+1 ，跳往 （4）；否則， 跳往步驟（7）；

（7） 根據(jù)最小置信度，由頻繁項集產(chǎn)生強關聯(lián)規(guī)則，結束。

由學生反復看過算法以后對算法中不懂的地方提出問題，從而引出概念的學習：什么是項目？什么是項集？什么是n-項集？什么是關聯(lián)規(guī)則？什么是最小支持度？什么是最小置信度？什么是候選n-項集？什么是頻繁n-項集？什么是強關聯(lián)規(guī)則？什么是連接和剪枝操作？

當學生帶著問題學完所有相關概念后，再回來看算法時，已經(jīng)由原來的茫然不知道略有所懂的狀態(tài)，然后再以一個實例的人工運行過程來講解算法的執(zhí)行。

3.2 大問題設計

對于要講授的專題內(nèi)容，先以問題的方式引入，然后圍繞該問題的解決展開各知識點的教學，各知識點的示例講解也以該問題為例。如層次分析法的教學，首先拋出“桂林黃山北戴河”旅游地選擇問題，引導學生思考用多指標進行該決策存在的問題，從而引入層次分析法的學習。

層次分析法包括四個步驟。第一步，構造遞階層次結構圖。講授完遞階層次結構的建立方法后，又回到旅游地選擇問題，以此為例畫出遞階層次結構圖。第二步，構造兩兩比較判斷矩陣。講解完構造判斷矩陣的1-9標度法后又以選擇旅游地為例構造出方案層對準則層某一因素，準則層對目標的判斷矩陣。第三步，計算判斷矩陣權向量及進行一致性檢驗。判斷矩陣的權向量計算采用矩陣特征向量某種意義上的平均，即方根法、和積法等簡化計算方法。方法講解完畢后，再以第二步構造的判斷矩陣為例分別用方根法、和積法求各判斷矩陣的權向量并進行一致性檢驗。第四步，計算組合權向量并進行整體一致性檢驗。講解完組合權向量的計算方法后，同樣以選擇旅游地問題為例計算組合權重并進行整體一致性檢驗。四個步驟講完后旅游地選擇問題也得以解決。

3.3 大問題與小問題相結合的問題設計

以大問題的方式引入專題的學習，以小問題的方式引入專題中的知識點的學習。如粗糙集方法與應用的教學，傳統(tǒng)教學也是先講基本概念，然后講解基于粗糙集的決策表屬性約簡算法，然后再講解實例。而我們在教學中采用大問題和小問題相結合的問題設計方法。

首先拋出如表1所示的表格，一個包含8個病人，5個癥狀表現(xiàn)，1 個寒證診斷結果的表格。

針對此表，提出問題：醫(yī)生通過病人的5個癥狀來判定是否寒證，這5個癥狀是否都是必要？如果不必要，哪些癥狀是不必要的？怎樣進行屬性約簡？以這個問題為大問題貫穿整個課堂的教學。

基于粗糙集的屬性約簡算法部分，針對算法中的術語提出問題，引出決策表、信息表、條件屬性、決策屬性、知識、知識庫、知識系統(tǒng)、不可區(qū)分關系、知識劃分、知識粒度、相對粒度、核、必要屬性、重要屬性等概念的講解，這些針對具體知識點提出的問題為小問題。而小問題的講解又圍繞大問題的解決進行舉例，如對量化后的寒證決策表在R={C1，C2 }（C1為是否口渴，C2為四肢是否怕冷）上解釋不可區(qū)分關系，進行知識劃分，進行知識粒度GK（R）的計算以及相對粒度GK（D|R）的計算，屬性的必要性判斷等都圍繞著寒證決策表的屬性進行。

這樣，以大問題為開始，引出小問題，而小問題的講解又以大問題的解決為實例，小問題闡述清楚以后，大問題也基本得到解決。

4 結論

以問題為導向，對不同的教學內(nèi)容，通過設計大問題、小問題或大問題和小問題相結合的方式，引導學生進行思考和學習，讓學生的思維活起來，有利于培養(yǎng)學生問題意識，激發(fā)學生的學習興趣和動機，培養(yǎng)學生的創(chuàng)新能力。當學生懷著強烈的問題意識進行學習、探究時可以從具有挑戰(zhàn)性的創(chuàng)造中獲得積極愉悅的情感體驗，有助于強化求知欲，增強學習的內(nèi)在動機，實現(xiàn)教學過程中主體作用的發(fā)揮，從而提高學生課堂學習效率。

參考文獻：

[1]周怡，趙小龍.醫(yī)學信息分析與決策[M].北京：電子工業(yè)出版社，2014.

[2]蘇傳琦. 淺述醫(yī)學院校計算機基礎課程體系的設置[J]. 無線互聯(lián)科技， 2011（9）： 38-39.

[3]馮天亮 ，鄭勝前，劉新光.等. 職業(yè)教育視角下的醫(yī)學計算機基礎課程體系研究與實踐[J].西北醫(yī)學教育，2014，22（5）： 950-952.

[4]楊玉東， 徐文彬. 本原性問題驅(qū)動課堂教學：理念、實踐與反思[J]，教育發(fā)展研究， 2009 （20） ： 68-72.

[5]孫紹榮.高等教育方法概論 修訂版[M].上海：華東師范大學出版社，2010.