浅谈“大数据”时代背景下提高高职学生信息素质的对策

阳 晖

（湖南食品药品职业学院 湖南 长沙 410208）

1 引言

当今，随着计算机技术与计算机网络技术，特别是互联网+的飞速发展，社会的信息化与数据化进程的不断推进，社会进入了“大数据”时代。世界各国特别是美国进行了国家层面的总体布局、规划和大量投入。我国党和政府也出台了“大数据”的相关政策，国务院各部委和省级政府根据本行业特点和地区要求做出了相应规划，要求我们对“大数据”的各个环节进行规划和研究，加大人力和物力的投入，扩展应用领域，推动纵深发展。全国上下深刻认识到，对“大数据”的研究和应用直接关系到国家的稳定、安全和发展。“大数据”应用已在我国形成磅礴之势。“大数据”时代的到来，人们对数据与信息的依赖程度在不断加深。经过计算机信息处理过的“大数据”能够为人们提供更有效的咨询、信息、收益和服务，对整个企业乃至社会的持续发展带来前所未有的机遇和巨大的经济与社会效益，但也给信息处理方法、信息安全和人才培养带来巨大的挑战。在“大数据”时代的引导与影响下，数据信息资源库的不断扩展也促使着计算机和网络信息处理技术的不断创新与完善，物联网、人工智能及其相关技术的进一步发展。推进“大数据”应用需要人才，于是培养和造就大批“大数据”应用型人才提上了议事日程。

2 大数据时代培养高信息素质人才的紧迫性

为了抢占现代科技发展先机，国务院规划将“大数据”和人工智能提升到国家的战略层面。2016年国务院提出了关于积极推进“互联网+”智慧能源发展的指导意见，工信部等三部委联合印发通知，要求充分利用大数据、云计算等信息技术手段，建立方便、快捷、高效产融信息平台和交流沟通渠道。江苏省等制定了大数据发展行动计划，环保部印发生态环境大数据建设总体方案，具体落实党和政府决策部署。同年，国务院印发“十三五”生态环境保护规划，启动生态环境大数据建设试点，其它行业与地区也在稳步推进大数据的应用。“大数据”、物联网+、人工智能与云计算等信息技术手段的的发展对新时代人的发展提出了前所未有的要求。国务院要求加大人才的培养力度，推进数据汇集与发掘，在各行各业中深化大数据的创新应用，要求从中小学抓起，在中小学中开设人工智能及其相关课程。“大数据”是新技术，需要培养专门的人才。市场对“大数据”人才特别是创新型人才十分短缺，应用型人才更是少之又少。高职学生是未来“大数据”时代第一线的应用型人才，必须具备掌握“大数据”应用及其相关应用技术的较高信息素质才能担负起历史的责任。

2.1 大数据时代：超越摩尔定律的发展速度

“大数据”时代这一名词起源于2011年，随着计算机技术的不断发展，特别是互联网+的发展，全世界产生的信息量越来越大直到达到信息爆炸，产生了海量的数据，我们称之为“大数据”。图1是大数据与互联网+、云计算、物联网的关系示意图。“大数据”是继云计算与物联网之后，又一次颠覆性的信息技术产业的技术变革。由于数据量的攀升，数据计量单位也由2011年前的TB级别跃升到PB、EB、ZB乃至YB级别（这里1TB=1024GB，1PB=1024TB，1EB=1024PB，1ZB=1024EB，1YB=1024ZB。即1ZB=10244GB ≈ 1.100×1012GB，1YB=10245GB≈1.126×1015GB)，此外还有BB、NB、DB等更大的计量单位供将来发展时使用，它们都是1024进制。据统计，2008年全球产生的数据量为0.49ZB，至2011年就高达1.82ZB，而到2013年，这个数字上升到了4ZB。IBM公司2014年的研究称，人类过去两年就获取了整个人类文明所获得的全部数据的90%。并预言到2020年，全世界获得的数据量将达到2014年的44倍。这种增长的趋势还会继续持续。随着“物联网”技术的成熟，各行各业所使用的设备、交通工具和可穿戴的科技产品将能相互连接与沟通，而创造、使用和管理信息的成本会大幅度降低，用在硬件、软件、人才及服务之上的商业投资也会快速增加，因而进一步促进信息的爆炸增长。“大数据”的应用发展，又进一步推动了人工智能的应用和发展[1]。

2.2 “大数据”的特点与数据处理方法

“大数据”具有数据量大、速度快且时效高、类型繁多和价值密度低四个特点。对其处理主要有数据采集、导入、预处理、统计分析、数据挖掘和数据输出等。为了从“大数据”中挖掘和利用有用信息，与之相关的一些技术革命也由此展开。从技术层面上看，“大数据”与云计算密不可分。“大数据”无法用单台的计算机进行处理，为了从其海量数据中获取有用信息必须通过网络依托云计算的分布式数据挖掘、分布式数据库、云存储和虚拟化技术来处理。云计算常使用MapReduce类似的编程框架和结构来对世界各地数十、成百上千甚至上万台网上计算机分配数据计算任务，共同完成“大数据”处理工作。

图1

我们常利用多个数据库来采集发自网络客户端的数据，这些客户端包括Web、App、传感器甚至物联网的终端设备。常用的数据库有MySQL、Oracle等传统的关系型数据库以及Redis和MongoDB等非关系型数据库。要对“大数据”进行集中处理，通常是将数据导入到大型分布式数据库，或者导入到分布式存储集群，并根据需要作一些预处理。对流式数据通常是作流式计算以满足实时需要。数据导入主要难点是并发访问量很高，通常要进行负载均衡和分片设计。统计与分析是“大数据”的基本处理方法之一，通常是利用分布式数据库，或者利用分布式计算集群来进行分析。分析方法包括常见的数理统计方法。“大数据”最重要的处理是进行数据挖掘。其分析方法通常有描述型分析——描述发生了什么、诊断型分析——找出发生的原因是什么、预测型分析——预测下一步可能会发生什么和指令型分析——下一步需要做什么。这四种处理方法往往不是单独使用，而是一种方法分析完成之后，接着使用另外的方法。数据挖掘的对象，一般可分为数据库数据挖掘、多媒体数据挖掘、文本数据挖据、Web数据挖掘等。数据挖掘方法和技术有关联规则算法、公式发现算法、归纳学习算法、模糊数学算法以及可视化技术等，更复杂的有神经网络算法、遗传算法、决策树算法等。这些方法大都以数据库为研究对象，结合传统的统计分析、模糊数学分析和可视化技术由人工智能的方法演化而来。“大数据”对信息安全提出了更高的要求。黑客、竞争对手和敌方可能利用“大数据”及其相关技术的某些特点进行攻击，必须严加防范。

2.3 新时代急需高信息素质人才

目前我国正处在中国特色社会主义新时代，“大数据”应用已在各行各业呈现迅猛发展势头。市场、金融、经济决策已离不开“大数据”，科学领域也越来越需要“大数据”，企业发展依靠“大数据”，能源、环境保护、食品监测和医疗卫生等正在大量地应用着“大数据”。我们要抢占“大数据”应用的先机，走在时代的前列，培养和造就大批新时代急需的掌握“大数据”应用技术的专门人才已刻不容缓。那么，我们到底需要培养具有哪些素质的人才呢？首先应该对“大数据”的发展及应用有比较清晰的认识，有提高信息素质的紧迫感和历史责任感。第二是要求具有计算机基础知识、编程知识、数据库知识、网络知识特别是互联网+知识，会收集整理、检索和利用数据，能对数据进行组织、管理、共享和统计分析，懂得“大数据”、云计算、物联网和人工智能之间的关系，会运用“大数据”处理工具。第三就是具有数理统计、模糊数学等数学基础，懂得数据挖掘的基本算法，会数据建模。第四是具有专业领域的知识，具有将“大数据”应用于本专业的能力。第五是懂数据管理应用的法规、信息安全防护措施以及伦理道德知识等。

3 目前高职院校师生信息素质现状

3.1 学生的信息意识和信息能力未能跟上时代步伐

当今社会信息发布、信息沟通和信息运用已无处不在，高职学生使用电脑、手机通过校园网、互联网获取信息、发布信息和信息交流也几乎是人人都会的基本技能，但是我们也应该看到，学生的信息意识和信息能力与时代要求还相差甚远。据调查，相当部分的学生上网只是在消遣娱乐，主动提高信息意识和信息能力的为数不多，90%以上的学生几乎不了解信息素质的内容，过半数的学生觉得信息素质教育对他们以后的发展没有多大影响，没有主动接受信息素质教育的愿望，有的甚至认为学习信息课程只是混学分，基本上没有意识到“大数据”、互联网+、人工智能等高科技信息技术正等待着我们去掌握、去应用[2]。

3.2 教师的信息水平未能与时俱进

从事信息素质教育的教师大部分都是多年以前毕业的，社会的信息化形势在急剧变化，“大数据”、物联网、人工智能席卷而来，而教师们多数却没有与时俱进，及时掌握新技术，新知识，教学大纲、授课计划、考核办法也未能及时更新，教学与社会需要严重脱节。各学科、各专业教师多数也无视新技术的到来，未能结合新技术进行改革创新，停留在原来的教学水准上。

3.3 教育基础设施和信息环境不适应时代的发展需求

多数职业院校的教育基础设施和信息环境还未能适应“大数据”时代的要求。虽然大部分学校配置了计算机实验室，开通了校园网，接入了互联网，却没有建立虚拟仿真实验中心，不能进行“大数据”和人工智能方面的实验。有的计算机房仅仅只是为了计算机统考而设，没有更深入的应用。

4 提高高职学生信息素质的途径

提高高职学生信息素质要从多方面入手，具体应做到如下几点。

4.1 树立现代教育理念，作好信息素质教育的总体布局

“大数据”时代信息素质教育是一个系统工程，具有跨学科、跨专业、跨行业的特点，我们要建立完善的信息素质教育体系，作好顶层设计。要从教学内容、教材、教学方法、实验实训、课程考核以及教学反思等环节等作出规划和部署。教材可由多个专业共同编写，各专业根据自己的专业特点选学其中的内容。教材至少应包含三个方面的内容：第一应是“大数据”的发展及应用概说，信息法规、信息安全以及伦理道德知识等。第二是数理统计、模糊数学基础，数据挖掘的基本算法，数据建模。第三是“大数据”时代信息基础、编程知识、数据库知识、数据挖掘工具及方法。应对互联网+、云计算、物联网和人工智能知识有一定篇幅的介绍，有应用案例。课程的开设应分两步走。现在的高职新生在中小学还没有开设“大数据”和人工智能相关课程，高职开设的这类课程教材的难度要适当降低，有一个过渡期。根据国务院部署，从现在起中小学将开设人工智能相关课程，若干年后，高职新生信息素质提高，高职的信息课程也应增加难度和深度。并逐步设立“人工智能+X”专业，形成复合专业培养格局。高职对学生的信息素质教育要立足于应用，立足于与专业的结合，理论则够用即可。

4.2 改革教学方法，提高教学效果

信息素质教育课程应以提高高职学生信息素质，培养“大数据”应用人才为教育目标，确定教学内容，研讨教学方法。在掌握必备的基础知识后，可采用启发――探究式教学方法。将这种教学模式引入到教学中，激发学生的学习积极性。学生通过发现一个个问题，解决一个个问题来获取知识，提高信息处理技能。教师在教学中，要善于创设问题，并通过设计情境、阅读教材或资料、实验观察、课堂课后作业等途径来引导学生发现问题，教师则巧妙地将新知识寓于问题当中，围绕问题来组织教学，使得学生获取新知识的过程变成以学生主动提出问题、讨论问题、查找资料、分析研究问题、寻找问题答案进而解决问题这样一个过程。实践环节教师除根据教学内容布置各章节的基本作业外，还应结合社会需要布置大作业或微课题，通过大作业或微课题的实践锻炼，以培养学生的实践能力与应用能力。

4.3 增加实验实训基础设施投入，为学生创设良好的信息课程学习环境

信息素质教育过程中实验实训是课程的重要环节，学校必须配备与“大数据”信息化教育相适应的信息基础设施和模拟实验室、在线虚拟实验系统。通过在线虚拟实验系统，构建学院级实验中心、实训中心和虚拟仿真中心等，以给学生提供支持“大数据”、云计算、人工智能和信息安全等信息教学内容的实验实训和技能实操，以及对“大数据”进行数据分析和数据挖掘训练。

4.4 努力提高教师队伍的信息化水平，建立能够驾驭

未来信息化进程的教师队伍

作为“大数据”时代从事信息教育教学的高职教师，应该首先提高自身的信息素质。“大数据”来势之猛，应用发展之快，使得许多人措手不及，高职信息教师也不例外。多数教师如果固步自封，就会落后于形势。我们只有紧跟历史潮流，通过培训、自我提高和在实践中锻炼提升自己的信息水平，掌握“大数据”、互联网+和人工智能的基本概念、数学基础和技术内涵和“大数据”的应用能力。学院要统筹规划，加强对信息教师的继续教育培训和业务考核，并根据需要引进部分精通“大数据”理论和应用能力的青年教师，新老结合，逐步建立一支能够驾驭未来信息化进程的教师队伍。

4.5 加强信息化校园文化建设，采用多种形式进行信息素质教育

要想提高信息素质教育的质量，除了课堂教学外，还要形成促进高职院校信息课程学习的校园氛围，学院应通过校园网宣传“大数据”、云计算、人工智能的科普知识和发展与应用前景，高信息素质人才培养的紧迫性。可组织教师将制作的信息教学视频录像、微课件挂在网上，让学生业余自学。或通过校园网、大学城以慕课形式自学。教育教学部门可在校园网上组织信息竞赛或趣味游戏。校园网可开辟学生学习专区，将课程的教学大纲、教师的教案、教学参考书以及课件、教学录像等挂在网上或进行网址链接，供学生利用业余时间自主学习，遇有疑难问题亦可通过网络论坛、QQ群或微信群进行在线咨询。学校图书馆可通过阅览室和图书借阅等手段给学生提供纸质或在线的补充学习机会。学院定期或不定期聘请外校专家来校进行专题讲座，拓展师生的视野，提升信息知识学习的兴趣。

4.6 建立完善的信息素质教育的反馈机制

为了提高信息素质教学的教学质量，及时反馈教学效果，应该建立信息素质教育的反馈机制。学院可在虚拟仿真实验中心运用“大数据”内建学生学习行为模型，收集和存储学生的行为数据，对学生的多维度学习行为进行统计汇总和挖掘分析，获取每个学生学习过程资料、学习成效和存在的不足，使得教师和学生对教与学的效果清晰明确，教师可以做到心中有数，有针对性地进行整改，调整教学方案，提高教学质量。

5 结语

“大数据”的潮流已经向我们涌来，势不可挡。大数据处理技术、国际互联网技术、物联网技术与人工智能随着云时代的到来，相互交错地向前发展，激发了前所未有的工业革命、商业发展和社会变革。世界各国的竞争更加激烈。我们要抢占“大数据”应用的制高点，急需要培养成千上万的具有“大数据”及其相关技术应用能力素质的应用型人才，这是新时代对高等职业教育提出的新要求和新挑战。我们要从宏观着手，建立提高高职学生信息素质的培养机制，建设信息素质教育的教学环境、实训环境和校园环境，进行教师培训和教育教学体系改革，真正提高高职学生的整体信息素质水平。

[1]大数据：抓住机遇 保存价值[OL].中国大数据[引用日期2014-07-21].

[2]徐学锋.大学生信息素质状况调查及信息素质教育改革探讨[J].现代情报，2007(6)：206-208.

[3]吴晓蓉.大数据时代教育研究的变革与展望[J].西北师大学报(社会科学版)，2018(2)：82-89.

[4]杨文建.大数据和“互联网+”影响下高校图书馆信息服务转型研究[J].图书馆工作与研究，2018(1)：72-77.

[5]沃强.大数据联盟显性数据资源需求多层次匹配模型[J].情报理论与实践，2018(2).

[6]张宇.面向分布式数据流大数据分类的多变量决策树[J].自动化学报，2017(12).

[7]梁杨.大数据环境下的中医药数据管理策略[J].中国中药杂志，2017(12).