1、1计算机考研专业课教学的探讨与研究摘要：随着计算机考研专业课改为统一命题，对学生和教师都提出了新的挑战，本文首先分析了计算机考研专业课在教学中的问题，其次根据教学中出现的问题从教学内容、教师队伍建设、教学方式改革、考试方式等方面结合本系学生实际进行探讨和研究。 关键词：教学方法 创新能力 教学改革 1 概述 随着就业压力不断增大，用人单位用人标准的不断提升，作为独立学院的计算机专业本科生而言，就业也不断受到挑战，形势也不是很乐观。在就业压力和升学中就有一部分学生选择升学，考取硕士研究生，这样既能调解个体需求和社会所提供资源之间的矛盾，也能以更高的专业素质创造更完美的生活品质。从 2009 年开
2、始，计算机考研专业课不再由高校自主命题，改为统一命题，由四门基础课组成的计算机专业基础综合。考研专业课对学生和教师来说，提出了新的挑战。因此作为高校计算机教师，有义务也有责任对计算机专业考研课程的教学进行探讨与研究。 2 计算机考研专业课在教学中的问题 2.1 学生基础薄弱 大部分院校都是在学生只学习了一门专业课之后就要开设各门考研课程，而有的课程中涉及的概念抽象，而学生所学先行课的基础不扎实，2这就导致了学生对本门课程理解特别困难。这同时也导致学生一看到这门课就头痛，学习兴趣急剧下降，畏难情绪油然而生。 2.2 教学内容方面 当前计算机考研四门专业课仍然以课程为单位，教学内容大都围绕本课程进
3、行，而忽略了和其它考研课程之间的联系，不利于整合多门课程的基础知识部分，而且不利于学生连贯地学习相关知识并综合运用这些知识解决实际问题。 2.3 教师队伍方面 计算机课程科目繁多，而且大多数课程要求紧跟业界发展动态，教学内容更新换代速度快，这就对计算机考研专业课教师提出了严格要求。目前，部分独立学院大都聘请刚毕业的研究生或停留在本科层次的讲师，缺乏理论知识扎实雄厚、学术科研水平较高的具有高级职称的教师，更缺乏具有理论和实践双重能力的优秀教师。 2.4 教学方式方面 目前，计算机考研专业课仍采用传统的以教师为中心的教学模式，忽视了学生的主体作用。在教学过程中，灌输式教学方法较多，很少采用研讨式、
4、启发式教学，不利于培养学生的创新意识和创新能力。考试方式仍以传统的试卷为主，考试试卷一般由任课教师出题，考前给学生画出考试重点，结果学生平时不注重知识点的理解和掌握，主要靠考前突击通过考试。 3 对策的探讨与研究 3.1 扎实基本知识，注重培养学生的自学能力 3考研专业基础课包含很多基本理论和知识点，这就要求教师在教学中对教学内容进行梳理和总结。教师需要遵循循序渐进的原则，使学生在掌握基本知识的基础上，通过启发和引导，逐步学会解决考研试题中的问题。有的教师为了让学生掌握这些基本知识，讲解了大量的例题，而忽视了教学环节的作用，结果效果往往并不理想，因此合理设计实践教学内容，引导和监督学生完成实践
5、教学环节，可以达到事半功倍的效果。只有扎实基础重视实践，才能有利于学生在考试中取得好成绩。构建良好学习资源和氛围对调动学生学习积极性起着重要作用。改变以教师为主体的传统教学方法，充分调动学生学习积极性。 3.2 建设合理优秀的教师队伍 教师是教与学这一互动过程中必不可少的角色。由于考研的改革，它所需要的老师也是新型的能把各门考研课程融会贯通的复合型教师。对于信息技术系的各个专业，分别成立四门考研课程组，每组由一名教学经验丰富的教师负责，选择那些责任心强、学生反映良好的教师进入课程组，形成老中青结合、以中青年教师为主的教师队伍。课程组经常与考研学生沟通，教师间定期进行教学讨论。 3.3 灵活运用
6、多种教学方式，促进学生能力提高 教师在教学过程中应根据不同课程，不同内容，灵活采用多种教学方式，如：讲授法、小组讨论法、个案研究法等，实现教学形式灵活多样，最大程度吸引学生，发挥学生主动性和积极性，不断提高学生知识的掌握和运用能力。 3.4 采用多校联合的策略 4与其它院校计算机专业横向交流，开创学生和教师互相借鉴，互相学习，互相促进的新考研升学方案。可以联合市内几所高校，通过共享题库，联合出题方式产生专业基础课考试试卷，做到教考分离，提高学生学习的主动性、积极性，为以后考研打下良好的基础。 4 结束语 针对计算机考研专业课程教学中存在问题，从课程教学方法、教师队伍等方面进行研究。运用多种现代教学模式，以最优的组合完成教学任务，让学生真正学到新的知识，掌握学习的技能，最终考上理想的大学。 参考文献： 1丁娟.浅谈如何提高计算机专业课教学质量J.科技资讯，2010（23）. 2王海瑞，王建鹰，李亚，袁梅宇.积极探索计算机专业课教学模式的几点尝试J.教育教学论坛，2013（12）. 3梁宁.试论如何提高计算机专业课教学质量J.神州，2012. 作者简介：孟祥娜（1984-） ，女，硕士，主要研究方向：机器学习；秦玉平（1965-） ，教授，博士，主要研究方向：机器学习。
