考核与思政
过程与期末结合，思政融入可观测可评价
说明考核方式、评分标准与思政考核点，保证能力达成可度量。
考核与成绩评定
课程考核由过程考核与期末考核两部分构成，全面评价思想、知识、能力三维目标的达成。
| 考核指标 | 考核要求（内容、形式等） | 成绩占比 | 支撑教学目标 |
|---|---|---|---|
| 过程考核成绩 | 课堂表现（含考勤、学习态度等）占比 20%；平时作业占比 70%；平时测试占比 10%。 | 50% | 1、2、3、4、5、6 |
| 期末成绩 | 上机实操开卷考试或大作业或课程论文或报告。 | 50% | 7、8、9 |
课程思政与职业道德融入
将思政元素与职业道德有机融入教学单元，实现价值塑造与知识传授、能力培养相统一。
导论
数据合规与行业伦理
讲解金融数据采集合规边界与个人信息保护，树立依法依规的数据意识。
金融数据挖掘技术
科技向善与职业伦理
讨论爬虫技术的合法边界，培养审慎负责、科技向善的职业素养。
金融数据挖掘算法
严谨求实与终身学习
面对算法迭代，培养严谨求实、持续学习的科学精神。
实战环节
创新意识与压力适应
在真实数据项目中锻炼抗压能力与创新性解决问题的思维。
评分量规
数据思维与工程规范并重。
| 考核项 | 占比 | 形式与依据 |
|---|---|---|
| 平时成绩 | 40% | 考勤 10% ＋ 课堂与线上讨论 10% ＋ 平时作业 20% |
| 实验／实训 | 20% | 实验报告与过程记录，按操作规范与结果质量评分 |
| 期末考核 | 40% | 闭卷笔试，覆盖核心概念、计算与应用分析 |
| 思政加分 | 附加 | 结合国情与金融安全的案例分析可获过程性加分 |
过程考核细则
- 实验报告要求展示数据探查、清洗与基线模型。
- 代码作业按可复现与注释评分，禁止复制粘贴。
- 数据伦理讨论计入思政加分。
思政考核点
强调隐私保护与算法公平，反对数据滥用与歧视。