为深入贯彻学校应用型人才培养定位，推动实践课程教学质量持续提升，2026年10月28日，《金融大数据挖掘与分析》课程组在六教606开展集体备课教研活动。活动由课程组组长叶梓伟老师主持，课程组成员侯信盟老师参加。本次备课紧扣大纲对标、项目驱动、合规育人、资源共享四条主线，着力把碎片化的代码训练整合为一条完整的金融大数据分析项目链。

对标教学大纲是本次备课的起点。叶梓伟老师带领课程组逐条比对课程目标与毕业要求指标点的支撑关系，针对以往各周次实验关联度不够强、学生会写代码却做不出完整分析的问题，大家一致决定把每个教学周次的内容串联成一条递进式项目链：从Python环境与基础语法起步，经网页结构解析、源代码获取、正则表达式清洗，到单页、多页及多企业数据的批量爬取，再借助chromedriver与Selenium抓取东方财富网上市公司研究报告、雪球股票评论和上交所问询函，最后通过Jieba分词、词云图绘制与K-means聚类完成数据结构化与分析输出，使得各周次的实验内容紧密相连。课程组同时明确了与先修课程《Python金融应用》的衔接边界，避免内容重复。

在数据合规与职业伦理方面，老师们围绕“能爬什么、不能爬什么、爬来怎么用”展开专题研讨。侯信盟老师建议在每次爬取实验前先列明目标网站与数据用途，并建立实验数据留存与销毁台账。课程组进一步明确：爬取行为必须遵守网络安全、数据安全与个人信息保护相关法律法规，尊重网站robots协议与反爬规则，严禁触碰涉及国家安全、政务机密和个人敏感信息的网站；在抓取上市公司研报与问询函时，强调只能使用已公开信息，杜绝利用未公开信息谋取利益，守住金融从业者的法律底线与职业操守。

针对人工智能工具广泛使用带来的新情况，课程组形成了“可用不可依赖”的教学共识：鼓励学生在代码编写、报错调试、模型调参等环节借助AI工具提升效率，但必须通过课堂随机抽讲、代码逐行讲解等方式检验学生是否真正理解，防止出现“会跑代码、不懂原理”的现象。

本次集体备课厘清了课程组的教学主线与责任分工，形成了统一的教学资源包与项目案例清单，实现了课件、代码与常见问题清单的课程组共享。叶梓伟老师在总结时表示，课程组要通过集体备课探索以赛促学、以项目促学，推动课程从“教工具”向“育能力”转变，努力培养既懂金融业务、又守数据底线的应用型金融人才。

现场研讨