大数据创新人才培养模式的探索与思考

王国胤　刘群　夏英　胡军　于洪

摘 要：围绕大数据分析与智能处理创新人才培养过程中的专业课程设置、实践环境建设、教师能力提升和教学模式改革4个挑战，以重庆邮电大学智能科学与技术专业在大数据分析处理创新人才培养模式的探索为例，提出以程序设计开发和数据分析处理2类课程群为抓手、以培养健全的教师人才体系队伍为目标，构建培养优质人才的创新实践教学平台，开展以领域工程问题为导向的教学方法改革。

关键词：大数据智能处理；创新人才；关节点课程群；教師队伍；实践平台

0 引 言

2008年末，卡耐基·梅隆大学教授发起业界组织计算社区联盟（Computing Community Consortium），发表了一份有影响力的白皮书《大数据计算：在商务、科学和社会领域创建革命性突破》，首次提出了大数据的概念，明确了大数据真正需要的是新用途和新见解，而非数据本身，由此带来了社会对人才需求的改变，计算机等相关信息专业人才培养也面临新的挑战[1]。

大数据概念一经提出，引发的计算机技术变革势如破竹。在这一技术发展催生下，智能科学与技术以及计算机科学与技术相关专业如何培养大数据分析与智能处理的创新人才成为摆在教师面前的一个重要课题：挑战一，如何将大数据分析与智能处理能力培养融入专业课程体系；挑战二，如何以社会需求为牵引，培养专业教师的大数据分析与智能处理能力以提升教学水平；挑战三，如何利用有限的资源搭建大数据工程能力训练的公共实践和个性化创新系列实践平台；挑战四，如何以领域工程问题为驱动探索培养大数据分析与智能处理人才的教学模式[2]。

1 打造核心知识体系，渗透数据思维

大数据智能处理创新人才首先必须有学科交叉的数据思维，还应该有工程应用能力。数据思维的来源植根于数学、统计学、计算机科学等学科交叉中，数据挖掘、机器学习、人工智能、数据库、分布式系统等课程显得尤为重要。因此，笔者针对智能科学与技术以及计算机科学与技术等相关专业人才培养面临的挑战，以大数据创新能力培养为目标，顺应技术发展趋势，逐步确立了专业课程体系围绕程序设计开发和数据分析处理能力培养两条主线进行课程设置的方式，在课程群体系建设上进行了有益的尝试。

最初构建了以数据库原理为核心的三层次大数据“关节点”课程群体系[3]。三层次体现了大数据分析与智能处理能力的基本组成，即专业基础课、专业核心课和专业方向课，并遴选了9门课程作为该体系的关节点课程，见图1（a）。随着大数据技术的进一步发展，在相应的三层次中相继加入了云计算与云服务、数据分析实践，见图1（b），并相继开设了计算智能科学前沿、大数据分析与处理等前沿微课，将新知识、新思维、新方法及时传授给学生，恰当地将优势教学资源向“关节点”课程倾斜，重点保障“关节点”课程的教学质量，对有效提高人才培养质量和特色起到了至关重要的作用。

2 建设健全的教师人才体系

通常意义上的创新人才指具有创新精神和创新能力的人才，他们不仅表现出灵活、开放、好奇的个性，具有精力充沛、坚持不懈、注意力集中、想象力丰富以及富于冒险精神等特征，而且能够充分运用所掌握的多学科交叉知识孕育出新的思维方法，能根据具体需求，采用有效方法和模型分析数据，并形成报告，为实际问题提供决策依据[4]。大数据分析与智能处理的核心价值仍在于应用，而应用不仅需要专业知识与数据思维相结合，更需要与实际工程领域问题相结合。

大数据分析与智能处理创新人才的培养对智能科学与技术以及计算机科学与技术等相关专业教师的能力水平提出了高要求。为了打造一支适应大数据分析与智能处理创新型人才培养要求的教师队伍，笔者进行了多角度的探索，不仅提升了教师队伍的教学水平，而且带动了教学质量的提高。

2.1 以高水平科研为切入点打造一流师资队伍

教师队伍尤其需要不断跟进相关科研技术的发展，参加各类高水平科研项目，准确把握最新前沿技术的发展。笔者依托重庆市计算智能重点实验室和大数据智能计算示范型国家国际科技合作基地等一系列智能处理平台，通过承接涉及网络安全大数据、空间信息大数据、医疗图像大数据、流程工业大数据等国家重点研发计划，积极引导教师进入不同的科研项目，参与高水平的科学研究，提高并拓宽教师对科研领域热点问题的掌握程度和学科视野。同时拿出专项经费资助教师加入各级学术团体，包括中国计算机学会、国际电气和电子工程师协会等，从另一渠道促进教师队伍科学研究视野的提升。

2.2 多方联合拓展师资队伍的国际视野和工程能力

笔者依托计算机科学与技术学院与美国康奈尔大学、加拿大里贾纳大学建立的联合实验室，与美国、加拿大以及欧洲科学院院士等国际知名专家建立了长期稳定的合作关系。首先依据学校对教师职称评定必须具备的国外访学以及企业挂职的刚性条件，选派教师到国内外知名高校访学，进入一些大企业挂职锻炼，同时从中央专项和地方政府划拨的团队建设经费中拿出一定比例专款资助教师队伍。由此引入国外先进科学理念和教学经验以及参与企业实际大数据工程项目积累的丰富宝贵实践经验，在培养学生创新能力和工程实践能力方面起到了关键作用。近年来，这些举措带来的效果逐步显现，学生在参与挑战杯、互联网+、ACM程序设计大赛、阿里天池大数据竞赛、CCF大数据与计算智能大赛、数据可视化大赛等科技活动中屡屡获奖。

2.3 引入一流领域资源营造教学师资队伍成长环境

一流大数据领域知名专家和企业界人士的报告是为教学师资队伍营造良好学术成长环境的最便捷的途径。因此，笔者依托学院多次开展以大数据技术为专题的专场报告，邀请国内外专家、知名学者和企业界人士进行报告。与此同时，为学生开辟第二课堂，让他们有机会聆听和接触大数据领域的新技术和新知识。近年来，为优化师资队伍结构，笔者团队不断引入新鲜血液，共引进了数名海外大数据领域高层次人才及优秀博士。新生力量不仅优化教师队伍的年龄结构，而且有助于优化教师的知识结构。endprint

3 搭建优质系列实践平台

大数据分析与智能处理方向有很强的时代性，也有较为强烈的社会需求，与社会、相关企业的合作势在必行。因此，只有整合政府、企业以及高校自身的公共资源，建立能够面向创新人才培养的系列大数据实验场，才能为锻炼创新人才的数据分析能力提供实战机会，使他们具备持续创新能力，并真正被市场接纳[6]。笔者从3方面入手，整合了政府财政资源、社会企业资源、科研项目资源，分别打造了公共实践平台、行业特色平台和个性化创新实践平台，为人才培养提供了有力支撑。

（1）爭取政府财政资源，建设大数据分析与智能处理培养的公共实践平台。依托学科优势，在中央专项资金和中地共建项目资金等财政经费支持下，建设包括云计算、计算科学、大数据分析与智能处理等优势专业基础实践平台，将计算机技术、网络技术、通信技术、智能技术等有机融合，形成包含信息获取、传输、处理到服务的系统性实践平台，充分保障了专业基础实践的开设。

（2）吸引社会企业资源建设大数据分析与智能处理培养的行业特色实践平台。通过开展共建、捐赠以及举办竞赛等方式与国内外大数据龙头企业建立合作关系，建立了具有行业特色的大数据分析与智能处理实践平台，在人才培养的专业综合实践、专业实习、毕业设计等教学环节中，为学生开设一系列与行业领域工程问题相关的大数据实验。

（3）利用科研项目资源建设大数据分析与智能处理培养的个性化创新实践平台。通过寓教于研，笔者鼓励本科生进入高水平科研项目建立起的实践平台，参与各类科研项目工作，将科研成果转化为教学资源，带动学生个性化创新实践的开展，培养其团队协作精神，并夯实其创新创业实践能力。

4 开展领域工程问题驱动的互动式、多元化教学模式

笔者认为探讨“在线微视频课程+翻转课堂+传统课堂教学”相结合的混合教学模式，进行相应的教学方式改革，可以改善教学质量，更好地将知识传授给学生，提高学生的学习主动性，为课程改革起到实效[5-7]。近年来，我国大数据产业蓬勃兴起，无论是以百度、阿里、腾讯为代表的互联网企业，还是一批正在崛起的专职于大数据分析与智能处理的新兴产业都需要大量的大数据分析与智能处理创新人才，这类创新人才要能够积极应对全球工业4.0时代特有的以数据为导向的制造模式、流通模式、消费模式、商业模式的变革。因此，人才培养的关键是培养能适应解决领域工程问题的高端专业数据人才[6]。

4.1 以慕课资源带动探索线上线下教师与学生互动的教学和考核模式

为了将优势教学资源向“关节点”课程倾斜，重点保障“关节点”课程的教学质量，笔者结合三层次大数据“关节点”课程群的实际情况，相继在5门重点“关节点”课程中建立了“在线微视频课程+翻转课堂+传统课堂教学”混合式教学模式。其中，数据挖掘课程以实际的工程问题为线索，将学院教师自制的慕课课程大数据分析与处理引入课堂，学生通过线上自主学习，教师在线下采用研讨的方式解决学习中的难点和疑点；计算机科学导论借助思科网院提供的IT Essentials课程，将与物联网、云计算相关的一部分教学内容发布至网上供学生学习，很好地弥补了课堂学时不足的问题；还有程序设计语言、数据库原理以及数据结构与算法分析都充分借鉴了MOOC 教学模式，引入优质慕课资源，在学校翻转课堂教学改革项目的资助下，对教学手段进行精心设计，形成有效的线上线下联动的教学模式。通过实践发现，这些方式既激发了学生的学习主动性，又促进了教师与学生的互动，提高了教学效率和教学质量。

为了满足大数据分析与智能处理创新人才培养的需要，笔者对大数据分析与智能处理能力培养相关课程实施了多元化的考试方式改革，使考核跟踪到学生学习的每个阶段。比如，在数据挖掘课程中，学生必须结合实际应用问题，提出解决方案并予以实现，完整的作品答辩是期末成绩评定的重要组成；在程序设计语言课程中，学生期末成绩主要由机考成绩构成。诸如此类的考核方式改革在主要的关节点课程中均得到体现。

4.2 引入竞赛机制，探索课赛结合的工程教学模式

引导学生参加各级各类由企业主办的大数据竞赛，是真正培养学生创新精神、提高学生大数据分析与智能处理能力的有效形式。从2005年开始，笔者就在数据库原理课程的理论教学中实施了课赛结合的方式。在任课教师的指导下，学生以解决工程问题为目的开展理论课的学习，通过自主选题，带着设计任务进行课程的学习，在学习过程中解决问题，完成任务，有效促进了理论与实践的融合，推动了主动学习和个性化学习的开展。这一教学方式后来演变成“重庆市高校数据库应用程序设计大赛”，该赛事坚持了10多年的时间，至今已成为重庆计算机学会的精品赛事，覆盖了重庆各高校，并吸引了西南交大在内的多所高校参与。这一课赛结合的课程教学模式，不仅使数据库原理课程受益，而且在学院其他课程教学中形成了良好的课赛结合氛围，更多的教师开始热心指导学生参与竞赛。这种教学模式既实现了课堂与竞赛的互动，有效促进了理论与实践结合，又真正培养了学生的创新和工程实践能力，提高了学生的学习兴趣和主动性。

5 结 语

大数据+互联网时代背景下，大数据分析与智能处理创新人才培养模式改革势在必行，只有做好核心知识体系、教师队伍、实践平台以及教学模式的一系列改革，才能带动大数据创新人才培养的内涵式发展，提高人才的个性化和创新能力。经过多年的实践，笔者这一系列人才培养模式的研究和探索取得了一定的成就，希望能为其他高校人才培养提供有益参考。

参考文献：

[1] 西线学院. 2005—2016大数据发展历程大事件汇总（大数据历史）[EB/OL]. [2017-10-10]. http：//www.sizacollege.cn.

[2] 吴东， 卢利琼. 大数据时代的软件学院学生能力培养[J]. 南昌教育学院学报， 2014（5）： 53-55.

[3] 王国胤， 瞿中， 夏英. 计算机科学与技术专业的层次化关节点课程体系研究与实践[J]. 计算机教育， 2010（15）： 57-62.

[4] 邵云飞， 曾勇， 汪腊梅. 高校协同创新视角下的复合创新型人才培养模式探索[J]. 电子科技大学学报， 2017， 19（1）： 15-19.

[5] 刘群， 王国胤，于洪. 结合在线课程教育的课堂教学实践探讨[J]. 计算机教育， 2016（4）： 52-54.

[6] 吴力波. 多“源”异“构”培养大数据创新型人才[J]. 大数据， 2016（5）： 88-94.

[7] 王国胤， 刘群， 于洪. 大数据挖掘及应用[M]. 北京： 清华大学出版社， 2017.

（编辑：孙怡铭）endprint