2025年4月16日，数据科学教研室全体成员齐聚田师405室，围绕“成果导向教育（OBE）深化”与“AI训练精准化”两大主题开展教研活动，通过专题报告与集体研讨推动课程改革与技术创新双向赋能。
    纪伟民老师在《基于成果导向理念(OBE)的<高等数学>课程设计》报告中，以“反向设计、能力驱动”为核心，提出打破传统“知识覆盖型”教学模式。他通过分析毕业生在机器学习、数据建模等领域的高频数学痛点，反向推导课程目标，将定积分、多元微分等章节与“模型收敛性分析”“梯度优化可视化”等应用场景深度绑定。为破解“学用脱节”难题，纪老师构建“三级能力评估闭环”：课前通过工业案例短视频触发认知冲突，课中依托Python数值实验深化理论理解，课后采用动态评估量表量化数学建模能力成长轨迹。现场展示的“傅里叶变换在信号降噪中的应用”教学案例，直观体现OBE理念如何将抽象数学工具转化为解决复杂工程问题的“思维脚手架”。
    罗国弘老师以《AI训练的大数据基本原理与如何更精确的使用》为题，从“数据-算法-评价”三要素切入，揭示AI模型性能跃迁的底层逻辑。针对当前学生“重调参轻数据”的普遍误区，他通过对比Kaggle竞赛中同算法不同数据预处理方案的精度差异，强调“数据清洗比模型选择更关键”。在实操层面，罗博士提出“三阶精准化”策略：基于统计假设检验筛选特征变量，利用对抗验证控制数据分布偏移，结合SHAP可解释性工具优化模型决策路径。面对生成式AI的伦理挑战，他特别指出：“教师需引导学生建立‘数据敏感度’意识，在金融风控、医疗诊断等场景中，1%的精度提升可能改写AI系统的伦理风险等级。”
    研讨环节中，教研室聚焦OBE改革与AI技术赋能的融合路径。与会教师一致认为：需以“数学基础为根、数据工程为干、AI应用为枝”重构课程体系，在《高等数学》等基础课中增设“数据科学应用模块”，同时将AI训练中的不确定性量化、因果推理等前沿思维融入专业核心课。此次教研活动为数据科学教育的提质升级注入新动能，教研室将持续深化OBE改革，在AI技术浪潮中坚守“理性思维筑基、技术创新赋能”的教育初心，助力学生在数字经济时代破浪前行。