夜雨聆风今年因为比较忙，手机上提醒的“改试卷”日程一拖再拖，从六月一直拖到八月初，终于把研究生试卷改完了。
改完之后，趁着刚改完试卷的这点“热情”，简单说几句研究生课程的学习与教学。
先说这次《数据挖掘》学位专业课程的期末考试结果，基本符合我的心理预期。卷面分最高97分，最低69分，平均分约84分，整体呈现出一定的偏态分布。极少数偶尔逃课或多次请假的学生，最终发挥也相对不太理想。
下图是“三牌楼”班结合平时成绩后的最终总评：
虽然已经是研一的“大孩子”了，但从这次学位课的学习状态、课堂氛围以及改完试卷后的反馈来看，我感觉研究生在学位课课程学习这件事情上，其实和本科高年级学生有不少相似之处。
从2020年第一次临危受命、多少有点“赶鸭子上架”地开始上这门课，到现在六年时间上了七遍（今年两个校区两个班，去年在国外由其他老师代上了一次），这几天改完试卷，脑子里像放电影一样，把这些年上课的场景又过了一遍，很多画面依然历历在目。
刚接这门新开的课时，我还比较年轻。前一两届给研究生上课时，有些学生应该也就比我小六七岁左右，再加上自己本身并非数据科学专业出身，所以刚开始多少还是有些胆怯和不自信。上课的时候总觉得自己一定要把每一个知识点讲好，生怕哪里没有讲清楚，耽误了学生，甚至一度觉得自己未必能够胜任这门课程的教学。
前几轮课，因为疫情的原因，主要采取线上线下结合的教学方式。记得在线下教学的时候，经常发现不少学生带着笔记本电脑，独自“埋头苦干”，却并没有真正跟着我的教学节奏走。
第二轮教学的前中期，我左思右想，总觉得这种状态不太对。最开始还是比较温柔地提醒，不建议大家在课堂上不停地摆弄电脑。后来有一次课，我终于有点发火了，直接要求所有学生把电脑收起来，以后上理论课不要带电脑，有专门的实践课程再去实践。
那次之后，我逐渐意识到：哪怕是研究生课堂，尤其在一些专业理论课教学中，老师依然需要担任课堂的主导者。
老师不仅仅是把知识讲出来，更需要主动调控课堂氛围，也需要积极引导学生参与到教学过程中。从那以后，我感觉自己的研究生课堂教学也慢慢进入了一个更好的状态。
一开始上课，我基本就是“满堂灌”，不太管学生到底有没有听懂，只想着把自己准备好的内容讲完。
后来，我会不停地问学生，甚至一直问到所有学生都抬起头来。
比如讲决策树的时候，我会问：
为什么要划分？
怎么划分？
如何量化“不纯度”？
为什么这样的划分是合理的？
我觉得思想比算法本身更重要。
数据挖掘里有很多算法，但如果学生只是记住某个算法的步骤，却不知道为什么要这样做，那么课程结束以后，很快就会忘掉。
从第三轮教学开始，我又逐渐要求学生做一些课堂笔记。
当然，学习本身没有统一的方法，有的人喜欢听，有的人喜欢看，有的人喜欢自己课后整理。但是就我这些年接触到的学生而言，我越来越觉得，适当地做一些课堂笔记，对于知识的理解、整理和吸收还是有帮助的。
有时候也会遇到一些学生，本科高年级阶段其实已经接触过名称相近的课程，但我一问，似乎什么都不记得了。
为什么会这样？
因为不少高校到了本科高年级阶段，一些课程的考核要求开始放松，加上考研又不考，于是这些所谓的“非考研课程”，慢慢就容易变成了“混学分”的课程。
但实际上，很多本科高年级的专业课，在整个培养方案中都起着非常关键的作用。
比如泛函分析。
它可能不会直接出现在很多学生未来的工作内容中，也未必会直接成为考研的重点，但对于数学专业的学生来说，它所建立的空间理论、算子理论、对偶理论以及完备性思想等等，会逐渐成为后续学习和研究的知识基础。
研究生阶段也是一样。
研究生阶段当然应该把科研放在非常重要的位置，但不能因此认为课程不重要。
尤其是研一阶段的学位专业课，它们承担的并不仅仅是“完成学分”这一任务。
一门课程真正的价值，有时候并不会在考试结束之后立刻体现出来。
你可能当时觉得某个知识点没有什么用，甚至毕业以后很长时间都不会直接用到它。但几年之后，当你遇到一个新的问题，突然发现自己能够理解某个概念、想到某种方法、建立某种联系，可能恰恰就是因为研究生阶段系统地学过这门课。
知识的积累往往是有滞后性的。
课程里学到的很多东西，不一定会立刻转化成看得见的成果，但它会一点一点地、润物无声地融入你的知识框架，最终成为你能力结构的一部分。
所以，研究生阶段的课程和科研并不是对立的。
科研让你在未知的问题上向前走，而课程则帮助你建立继续向前走所需要的知识基础。