新工科背景下高校新专业建设思路探索与实践——以数据科学与大数据技术专业为例

桂劲松，张祖平，郭克华

（中南大学 信息科学与工程学院，湖南 长沙 410083）

0 引 言

面对新一轮科技革命和产业革命的历史性交汇带来的时代新机遇以及国家产业发展的新形态，大互联、大数据、大安全等新IT技术催生了新经济，产业界迫切需要新型工科人才的支持。“新工科”已成为目前高校教学改革话题中的热词。

2017年2月，教育界达成了“新工科”建设的“复旦共识”，并于4月明确了“新工科”建设的行动路线——“天大行动”；2017年6月9日，教育部在北京主持全面启动、系统部署新工科建设会议，审议通过新工科研究与实践项目指南，提出新工科建设指导意见。复旦共识、天大行动和北京指南，构成了新工科建设的“三部曲”，奏响了人才培养新的主旋律，开拓了工程教育改革新路径。

在大数据时代催生的巨量人才缺口背景下，数据科学与大数据技术专业应运而生。该专业的毕业生学位授予门类主要有工学和理学，其中工学门类的课程体系必然涉及自然、社会、计算机等学科知识，属于典型的多学科交叉的新兴工科专业。如何在新工科背景下培养具有大数据理论、大数据实践、大数据创新应用能力的高素质人才，需要教育界与产业界共同探索与实践[1]。

1 培养方案探索与实践

1.1 培养目标

培养目标是专业培养方案和课程设置的基本依据[2-3]。依据社会、行业需要和学校定位，本专业致力于培养适应不断演化的经济与社会发展需要，注重大数据领域与行业应用交叉融合的复合型高级工程技术人才：①能够适应行业大数据应用的发展需要，融会贯通数学与自然科学基础知识、计算机基础知识、大数据知识，提出复杂大数据工程项目的系统性解决方案；②能够跟踪大数据领域的前沿技术，具备一定的大数据工程创新能力、大数据分析与价值挖掘能力，能够从事应用驱动的大数据产品的设计、开发和生产；③具备良好的职业道德精神、社会责任感，理解法律、环境、发展的相互关系，在工程项目实施中坚持绿色发展理念、能够注重经济与社会效益的协调；④具备健康的身心，拥有科学的人文精神、创新精神、团队精神，具备良好的人际沟通与协调能力、有效的工程项目管理能力；⑤能够从全球视野思考问题，主动应对不断变化的国内外形势，具备自主学习、批判思维和国际交流能力。

1.2 培养要求

明确培养目标后，需要解读其蕴涵的知识、能力、素质要求。①知识要求：具备扎实的数学与自然科学基础知识、计算机基础知识、大数据专业知识、一般工程理论知识；②能力要求：在面向医学医药、轨道交通、有色金属行业的大数据领域，能够从事大数据产品设计、系统运维、技术管理、应用系统开发的工作能力；③素质要求：具有强烈的社会责任感、高尚的人文情怀、良好的职业道德与团队合作精神、健全的身心素质、一定的全球视野与创新精神。本专业的毕业要求见表1。

1.3 毕业要求指标点分解

根据工程教育认证标准，指标点是对毕业要求内涵的细化、解读，其分解必须具有导向性、可评价性、逻辑性、专业性。应按照学生某项能力达成的内在逻辑关系进行分解，使之既能与课程体系设计的逻辑关系相匹配，又适合于建立能力达成的评价机制。笔者对毕业要求的指标点进行了分解与优化，部分示例见表2—表4。

表1 数据科学与大数据技术专业学生的毕业要求

表2 毕业要求1的指标点分解

表3 毕业要求3的指标点分解

表4 毕业要求4的指标点分解

1.4 课程体系的建立

根据工程教育认证标准，课程设置必须支撑培养要求；课程群（或模块）的方向必须明确；课程体系必须完整响应毕业要求，而毕业要求对课程体系的影响需要通过指标点来实现。指标点体系与课程体系的对应关系梳理与优化部分示例见表5。

课程体系中的具体课程，按照层次类型、先后关系、难易程度等要求进行合理安排，形成培养计划。具体教学环节实现培养计划，将毕业要求落实在课程体系、培养计划、课程大纲等环节中。课程大纲必须包括：①明确而合理地支撑毕业要求的课程目标；②匹配课程目标的课程内容与教学方法；③便于进行达成度评价的考核方法。课程大纲建设部分示例见表6。

2 培养模式探索与实践

2.1 模式构建与实施

从广义讲，人才培养模式包括人才培养目标和规格、专业设置和建设、课程体系和教学内容、教学方法和教学手段、教学评价和质量监控等内容，涵盖了包括培养目标、培养内容、培养方式和培养条件在内的人才培养诸要素[4]。本文仅从狭义的专业教学角度探讨培养模式。

第一，遵循工程教育认证标准对“毕业要求”标准特别加入解决复杂工程问题能力的要求，在教学过程中，注重体现复杂问题能力的培养。通过基础课教学，奠定通过原理与抽象模型分析问题、解决问题为能力基础的教学意识，改变以记忆性和验证性为主的教学与考核方式；通过专业课教学，深化分析权衡能力、建立系统能力、引入与强化应用能力训练，减少课堂知识量、加大深度，不割裂理论与实践课，提高解决问题训练的量与质； 通过综合实践课教学，深化应用能力培养，跨课程并逐步实现跨学科，以提高工程复杂度，建立合理、透明、可操作的评分方法。

第二，实施学习效果导向，学生为主体，教师为主导的教学方式。采取多模式教学，例如，基于问题、基于项目、基于案例、探究式；采取全过程评价，例如，网上学习测评、作业质量、交流与讨论、阶段考试、期终考试。

表5 指标点与支撑课程的关系示例

表6 数据仓库与数据挖掘课程大纲示例

第三，以服务课程目标实现来选择教学方式。例如，针对讨论课设计案例，可提前布置选题，确定分组原则，在案例讨论课前提交报告作资格审查，通过则分组答辩。在评分标准的导向性上，采取基于过程评价，促使学生注重学习的过程质量。在评分标准的评价维度上，注重知识的应用和解决问题能力的多维度考核评价。又如，针对综合实践实训课程，学生课外完成预习，检查通过后才可在大数据综合实践实训平台上自主配置实践实训环境，完成实践实训任务。教师不作讲解、学生主动提问，提问质量、任务完成质量、报告撰写质量作为考核依据。突出以学生为中心的主题，将学生学习能力和解决问题能力培养落实到教学过程中，践行了“预学、导学、悟学”的主导思想。减少“记忆性、验证性”要求的比例，增加“分析性、创意性”考核的权重。

2.2 协同育人

学校拟实施校企协同育人举措，提高实践教学水平，完善产学研协同育人机制，构建多方协同育人平台。合作伙伴或意向合作伙伴有以利天诚、百度、中软国际、青苔、慧科等。

目前学校正与以利天诚合作，基于ONNX开源生态标准，引入Gluon深度学习库，建设应用驱动的集成实训平台，打通从大数据来源到大数据应用的完整大数据实训链条。在大数据源头，完善因特网数据智能爬取、传统信息系统数据导入、物联网系统传感数据接纳等功能；将大数据实践实训课程体系对应到整个训练链条的每个关键环节，设计与实现演示功能，并预留学生动手空间，且方便与演示功能之间的切换。

学校拟与百度共建大数据、云平台支持的以学生为主体、教师为主导的普适在线教学平台，将百度云智学院核心课程纳入培养计划，丰富选修课与实训课设置；构建基于4G/5G智能终端的课程教学应用及实践实训应用，建设适应普适在线教学特点的课程讲义、课件、题库、考核方案。今后，我们将继续谋求与行业领军企业试办新工科实验班，实施本、硕、博贯通式、个性化培养；建设“双创”示范中心，营造优秀“双创”校园文化，培养“双创”人才。

3 培养模式评价

中南大学自2015年招收面向大数据方向的计算机科学与技术专业学生后，现已招生两届可授予数据科学与大数据技术专业学士学位的学生，每届2个班，还尚未有毕业生，但是，有不少本校信息类研究生毕业后从事大数据方面的工作。因此，我们基于表7的培养目标合理性推测评价机制，通过与校友、校友工作单位的合作，对本专业培养目标做了初步的合理性推测评价，以便确保据此制定的毕业要求及相应的课程体系能够适应行业产业发展需要。

本着本校电子信息类专业群共商、共建、共享原则，教学环节的质量监控体系与教学条件的支撑体系已形成了良性互动机制。教学质量监控的核心已从关注教向关注学转变、从学生评教向学生评教学效果转变、从教师评学向教师评学习成果产出转变。基于学习成果导向的教学设计流程，已形成了毕业要求、指标点体系、课程体系、教学要求、教学内容、教学评价的校内持续改进闭环。

表7 培养目标合理性推测评价机制

4 结 语

授予工学学位的数据科学与大数据技术专业属于多学科交叉复合的新兴工科专业，涉及数学、自然科学、计算机科学、相关工程学科领域的课程，且注重理论与实践并重。如何更好地从课程体系与教学环节层面支持工程教育认证标准对毕业要求与培养目标的达成度，并形成持续改进的校外闭环还需要持续进行教学探索与改革。