1. 引言
随着计算机科学与技术的不断发展，人类社会已经全面进入大数据时代。大量、多样、高价值、高速增长的数据对人类生产生活产生了深远的影响。大数据技术的研究和应用正成为政治、经济、社会、文化等领域发展的重要驱动力[1]。在当今大数据时代，大数据不仅给人类社会带来了巨大的机遇，同时也催生了强烈的数据处理需求。大数据处理能力正在成为个人、公司、组织的核心竞争力。因此，在计算机教学中，强调培养大学生的大数据处理与分析能力，以应对大数据时代的挑战和机遇，变得更加重要[2]。
数据结构课程是计算机相关专业的基础课程之一，其主要讲授计算机学科中不同数据结构的原理、特性、应用和相关操作算法。课程的教学目的是帮助学生掌握数据结构的基本概念和知识，培养学生基于数据结构的软件开发综合能力。课程的主要内容包括线性表、栈、队列、串、多维数组和广义表、树、图等结构的特点、存储表示及相应的算法。课程涵盖了数据结构的理论学习和C++语言实现，既包括基础概念和基本方法的理论学习，又注重理论与实践相结合的案例学习[3]。随着人类社会步入大数据时代，如何对数据结构课程教学进行改进已经是当前大学计算机教学中的一个重要研究课题[4] [5]。
由于大数据已经深刻影响着人类的生产生活，且数据结构是大数据相关技术的基础，因而在数据结构课程的教学内容中扩展大数据相关知识具有重要的现实意义[6]。将大数据知识学习融入到数据结构课程，可以增强学生的大数据实践能力，使其具备应用数据结构理论分析和解决大数据相关问题的能力[7]。大数据时代已经来临，通过在数据结构课程中扩展大数据相关知识，可以使学生更好地适应未来社会的发展需求，为他们的未来职业发展打下坚实的基础。
2. 大数据时代下数据结构课程教学中的不足
当前，数据结构课程的教学目标和教学内容侧重于数据结构基础理论的学习。然而，随着社会步入大数据时代，现有教学内容忽视了面向大数据时代需求的问题已经逐步暴露出来。大数据时代下数据结构课程教学中的不足主要体现在以下四个方面。
2.1. 大数据相关教学资源匮乏
由于教学内容更新的滞后性，针对大数据处理的相关教学资料相对稀缺，这在一定程度上加剧了大数据方向改进的困难。同时，由于教学资源建设是一件长期的事情，学校可能缺乏与之配套的教学资源和实验设备。这两点原因使得教师无法为学生提供充分的教学支持和指导，学生在学习大数据相关的数据结构知识方面会一定程度上遇到困难。
2.2. 教学方法有待优化
传统的数据结构课程的教学方法以基础理论讲解与上机实践为主。在大数据的环境下，教学方法缺乏多元化的教学方式和教学模式创新。教学方法陈旧将降低学生学习大数据相关扩展知识的积极性，从而导致教学效果无明显提升。
2.3. 课程案例中缺乏大数据实践
传统的数据结构课程在案例设计过程中未考虑大数据的内容，导致当前案例过于偏重理论基础而缺乏与大数据相关的实践。例如，在讲解线性表、栈、树、图等相关案例时，由于数据结构中元素较少，无法进行大数据分析，学生对相关操作算法的性能难以形成直观认识。
2.4. 缺乏大数据应用案例
现有教学案例通常选取的是一些基础的数据结构和算法，缺乏与实际应用场景相关的大数据应用案例，无法体现大数据应用的复杂性。因此，学生难以将数据结构的理论知识与实际大数据问题相结合，从而缺乏解决大数据相关问题的能力。
3. 教学改进策略方案
在大数据时代背景下，数据结构课程的教学需要探索积极的改进策略，以满足未来社会对计算机人才的技术需求[8]。针对上述在大数据时代下数据结构课程教学中的不足，本文着重探讨教学内容、教学方法、课程案例三个方面的教学改进策略，如图1所示。
Figure 1. A graphic illustration of strategies for improving teaching in the data structures course
图1. 数据结构课程的教学改进策略的图解
3.1. 融入大数据相关教学资源的教学内容创新
改进数据结构课程的教学内容需要立足经典教学资源，编写或选用最新的大数据相关教学资源，注重大数据相关教学资源的收集与整合，确保教学内容的与时俱进，做到教学内容创新。同时，可以将大数据相关前沿问题作为基础理论知识的引入，同时将大数据应用案例作为基础理论知识的扩展内容。
在课程教学中可以引导学生充分利用互联网上丰富的教学资源进行大数据知识的拓展，如开放课程、网络教程、云平台等，以此形成丰富的教学内容体系。教师需要注重评估这些资源的质量和可靠性。
3.2. 针对大数据知识的教学方法创新
积极进行教学模式创新，探索多元化的教学方式，以优化大数据时代下的数据结构课程的教学方法。
在理论教学方面，教师可以利用大数据前沿技术知识进行引导，加强学生对数据结构基础知识的直观认识和兴趣。同时，在完成数据结构基础知识讲解后，有意识地将其延伸至大数据方向，让学生了解其在大数据领域中的应用。例如，讲解二叉树与分类回归决策树的内在关系，分析基于图的图神经网络在大数据领域中的应用。
在实践教学方面，学生完成数据结构基础知识实验后，适当补充大数据案例实践，逐步增强学生利用数据结构基础知识解决大数据相关问题的能力。此外，配合分布式教学、小组式教学等教学方式，注重学生学习的主体地位，发挥学生的主观能动性，培养学生的综合实践能力，营造学生良好的自学氛围。
3.3. 大数据指引下的课程案例深化
充分利用现有的大数据技术，将课程案例应用到大数据平台上，展示案例实时运行状况，以加强学生对数据结构基础知识与前沿大数据技术的关联性的认识。通过让学生体验已有课程案例在小规模数据场景和大数据场景下的异同点，加深他们对数据结构在大数据处理技术中的理解。
教师需要在教学过程中深化现有课程案例，例如，比较含有超大量数据元素的线性表的两种实现方式的时间空间性能，分析含有超大量顶点的图的搜索算法的复杂度，认识大数据场景下多种排序算法的适用范围。这些案例可以有效拓展学生对数据结构基础知识在大数据场景下应用的理解。
3.4. 丰富大数据应用案例
结合数据结构基础理论与大数据前沿应用的特点，以教学目标为导向，积极丰富大数据应用案例[9]。图2展示了引入大数据应用案例的步骤。首先遴选涵盖不同领域的具有代表性的大数据应用案例。然后介绍案例的背景和挑战，让学生了解应用场景和需求，激发他们的兴趣和思考。接着结合案例需求，讲解与之相关的数据结构知识。再接着引导学生分析案例的数据结构需求，并设计相应的数据结构和算法解决方案，最后通过实践操作来理解和应用所学知识。
参加学科竞赛和研究项目也可以作为数据结构课程教学的一种补充手段[10]。鼓励和指导学生参加大数据应用创新比赛，以及参与大数据相关的科研项目，将这些项目作为真实大数据应用案例，导入和丰富课程案例。加强与企业合作共建大数据相关课程，确保课程内容与大数据时代下的实际需求紧密结合。
Figure 2. The way to introduce big data application cases into data structure courses
图2. 大数据应用案例引入数据结构课程的方法
4. 结论
随着大数据时代的来临，数据结构课程的教学也需要与时俱进。本文讨论了大数据时代下当前数据结构课程教学中存在的一些不足。同时针对这些不足，本文提出了针对性的教学改进策略。总之，在数据结构课程中扩展大数据相关知识是一个重要的课程改进方向，符合未来社会对计算机人才的技术需求。期望本研究能为数据结构课程的课程建设、教学内容创新、教学方法创新等提供一定的参考价值。
基金项目
本文受到江苏理工学院教学改革与研究项目(No. 11610312314; No. 11610312120)资助。