新工科驱动的大数据人才培养改革与实践

孙福振 田爱奎 张龙波 吴志勇 王振

[摘要]新工科是高等教育改革的指导思想和驱动力，面向新经济发展需要、面向未来、面向山东省新旧动能转换，对传统软件工程专业升级更新增设了大数据方向。依托新工科建设试点项目支撑，以大数据新工科创新实验班的模式在大数据人才培养改革方面进行了探索和实践，为兄弟院校和相关专业的新工科建设提供有益借鉴。

[关键词]新工科;新旧动能转换;大数据;人才培养

[中图分类号]G642.0 [文献标志码]A [文章编号]1005-0310（2020）01-0017-06

1 大数据产业发展对新工科人才产生迫切需求

据前瞻产业研究院《2014-2018年中国大数据产业发展前景与投资战略规划分析报告》显示，全球大数据技术及服务市场年复合增长率将达31.7%，其增速约为信息通信技术市场整体增速的7倍之多。国际数据公司（IDC）表示，未来8年内全球产生的数据量将超过40 ZB，并且全球的数据使用量到2020年会增长44倍[1]。

在大数据背景之下，精通大数据的专业人才将成为企业最重要的业务人员，大数据从业人员薪酬持续增长，人才缺口巨大。2016年全国大数据人才仅46万人，未来3～5年内大数据人才缺口将高达100万人以上。截至2017年12月，大数据及人工智能岗位人才需求量比2016年猛增6倍多，大数据开发类增长幅度达到795%，如图1所示。

全球顶尖管理咨询公司麦肯锡（McKinsey）统计，截至2018年，大数据科学家的缺口为14万～19万人，大数据分析师和经理的岗位缺口则达到150万人。

新工科建设从教育部首次提出到复旦共识、天大行动和北京指南，已在教育界尤其是高等教育领域奏响了人才培养改革主旋律，开拓了工程教育改革新路径[2-3]。《山东省新旧动能转换重大工程实施规划》明确指出，新一代信息技术产业是培育形成新动能的主体力量，加快互联网、大数据、人工智能和实体经济深度融合。大数据技术是拓展融合创新应用的关键技术，因此，急需突破大数据核心技术，加快构建自主可控的大数据产业链、价值链和生态系统[4]，深入实施“互联网+”行动计划，推进大数据在政务、农业、商贸、物流、民政、教育、医疗、交通、旅游、质监、警务、就业及社会保障等生产生活领域的综合应用。

山东理工大学计算机科学与技术学院深入了解和学习国家尤其是山东省新经济、新产业发展态势，认真调研和分析新一代信息技术产业人才需求，结合现有的办学条件和优势，既关注当前需要，又面向未来发展，在科学分析的基础上设计传统专业改造的途径与方式，形成符合新工科建设与新一代信息技术发展要求的软件工程（大数据方向）。

2 新工科视野下的大数据人才培养模式改革理念

山东理工大学以新工科建设为驱动力，同时也为全面贯彻落实《山东省新旧动能转换重大工程实施规划》和《山东省全面展开新旧动能转换重大工程动员大会》指示精神，适应发展新兴产业培育形成新动能，结合学校办学定位和人才培养目标，优化课程体系，改革教学内容，突出专业特色，强化创新精神和实践能力培养，构建多元化的人才培养模式，为国家和区域经济社会发展以及山东省新旧动能转换重大工程落地提供人才支撑和保障。

山东理工大学计算机科学与技术学院依托山东理工大学新工科建设项目，着力建设软件工程（大数据方向），旨在进一步推进本科教育主动服务山东省产业转型升级和新旧动能轉换，培养造就高素质工程科技人才，全面提升工程教育质量，面向新一代信息技术满足大数据产业人才需求[5-6]。学校深入产业行业调研论证培养目标，面向新时代中国特色社会主义经济建设中的战略性主导产业和战略性新兴产业，尤其是大数据处理、数据挖掘及其工程应用领域的人才需求，结合软件工程的专业特点，培养具有良好的职业道德和职业精神，掌握自然科学和人文社科基础知识、软件工程专业基础理论和大数据处理技术专业技能，能够从事计算机软件产品开发，尤其是大数据处理与应用方面的工程应用开发，具备“大数据处理技术特长+综合素质”的有社会责任、有创新精神、有专门知识、有实践能力、有健康身心的应用型高级专门人才。

2.1 小班化管理、个性化培养

山东理工大学面向全校理工科专业选拔成绩优秀学生组成软件工程（大数据方向）实验班，设置班级研讨教室，配备优秀专业教师担任班级导师，对学生的生活、学习、科研、发展提供全方位分类指导。鼓励学生根据个人兴趣广泛参与创新创业、学科竞赛、本科生进科研团队等第二课堂，开拓视野，提升团队协作能力、实践能力与创新意识。

2.2 构建校企协同育人平台

山东理工大学面向大数据国家战略规划以及大数据技术人才需求，引入企业、行业标准作为指导，制订全新的人才培养方案，优化课程体系和内容，形成工程教育新模式和实施方案。推进校企协同育人机制不断优化和完善，在师资队伍共建、课程体系共建、实训基地共建、学生联合培养、项目联合攻关等方面展开全方位合作，校企优势互补构建协同育人平台，培养高质量大数据人才。

2.3 构建多元融合教学模式

山东理工大学推动混合式教学模式改革，着力实施“课内课外、线上线下、校内校外”互补的新型混合式教学模式，改进教学方法与手段，引入翻转课堂、对分课堂、案例讨论、问题探究、项目驱动等多元化教学方法，激发学生内生动力，促进教学质量提升。

2.4 构建产教研融合实践教学体系

山东理工大学修订和重构校内实习、实训标准和框架，深入大数据技术行业企业，在充分了解最新的行业企业需求基础上，由行业企业深度参与，修订软件工程（大数据方向）的实践教学目标、标准及实现框架，弓}人行业优质实践资源，着力构建“基本实验一综合应用一科技创新一企业实训一顶岗实习”的五级递进式校内外实践教学体系，强化校企融合实践教学，突出实践能力和创新能力，提升学生的综合素质。

3 新工科视野下的大数据人才培养模式改革实施路径

3.1 基于OBE的课程体系设计

面向工程教育认证标准，结合大数据人才培养目标，贯彻“OBE”理念，系统梳理重构课程体系。大数据课程体系包括通识教育平台、学科基础平台、专业教育平台和实践教学平台，其中前三个平台包括了选修模块，如表1所示。其中，人文社科通识课程占比不低于巧%，数学与自然科学课程占比不低于15%，工程基础、专业基础、专业方向课程等专业类课程占比不低于40%，满足工程教育认证的标准，强化通识教育，优化学科基础、专业教育和实践教学平台设计，践行产出导向的工程教育理念。

学科基础平台侧重于程序设计语言和专业基础方面的课程，包括《程序设计基础》《数据结构与算法》《Linux及shell编程》等课程，选修模块包括《大数据技术前沿进展》《Python语言程序设计》《人工智能原理与实践》《知识图谱原理与应用》《推荐系统算法分析与设计》等。该模块进一步丰富了选修课程资源，激发学生自主学习内生动力，拓展学生个性化的工程应用方向选择。

专业教育平台侧重于大数据分析与应用方面的课程，包括《大数据存储技术》《大数据处理技术》《Spark快速大数据分析》等，选修模块涵盖了数据采集和数据挖掘方面的内容，包括《数据采集技术》《数据可视化》《数据挖掘技术》等。该模块强化突出大数据开发与应用技术能力及素质培养，为学生提供从数据采集、数据处理、数据分析到数据可视化的全栈式课程体系。

实践教学平台包括《大数据存储技术实训》《大数据开发实训》《大数据项目综合实训》等核心模块，占31学分，如表2所示。该模块与第二课堂学分共同构成工程实践模块，突出校企协同理念，大数据综合实训以及毕业实践依托企业平台与企业工程师共同设计与实施，工程实践模块学分占比21%，符合工程教育专业认证的规范和要求。

毕业生须完成学业最低学分要求 165学分，其中，理论课程131学分，实践教学环节31学分，课外学分3学分;课外学分超出3学分部分可替换通识教育选修环节学分，替换部分不超过3学分，课外学分具体要求如表3所示。

3.2 校企协同混合式教学模式

1）实行灵活机动的教学制度，根据课程需要，改革传统的教学模式，推动混合式教学模式改革，实现信息化教学全覆盖，教学方式与手段根据课程、学情而动态调整，激发学生内生动力，促进教学质量提升。

2）深入推进产学研合作，促进校企协同育人，与青岛青软实训教育科技股份有限公司、山东开创集团签订校企联合办学协议，共建大数据产业学院，加强优势资源互补，构建“0.5+2.5+1”校企协同培养模式。

3.3 三层次递进式实践教学

1）精心安排实践内容。根据教学计划的需求，在教学过程中，精心安排教学的实验、实践内容，既是将理论付诸实践，让学生更好地理解理论知识，同时也是对学生技能的培养，训练其动脑、动手能力。

2）科学安排实践项目。根据实验内容，合理科学安排实验项目，课程改革中提出项目化教学的革新。在实践课中，将实验内容转化为一个个子项目，通过子项目的完成，进而汇总成一个完整的项目。

3）强化综合实佳训练。实践的最终目的是能？够适应岗位技能要求，因此，在进行项目化教学的过程中，依托校内外实训基地与平台强化综合实践训练，通过校企协同的方式让学生能够训练综合实践能力，激励学生掌握相关技能，也为以后的就业奠定良好的职业素养基础。

3.4 政策引导优化师资队伍

1）进一步加强教师基础理论知识和操作技能的培训。设立专项基金，有计划地对教师进行继续教育，鼓励支持教师取得工程师、高级工程师等职业资格证书。

2）进一步加强教师的教育科研能力和创新精神培养。邀请高等院校、教育科研及相关企业的专家来校讲座，提高教师的教育科研能力和创新精神，并委派教师到企业实训和参加实践工作，鼓励、倡导教师在教育教学中进行创新。

3）鼓勵教师参与实验室、实训室建设，引导教师参与各类科研项目，以加强教师的实践能力。定期选派教师去企业挂职锻炼，促进教师参与企业调研与校企协同课程共同开发工作。

3.5 持续改进取动的闭环质量坪价体系

1）学生学习质量的考核与评价

科学合理的评价方法，可以调动学生学习的积极性，有助于培养学生自主学习的能力，改善学生学习的风气，俐进教学。传统单一的期末考试考核方式不能满足上述需求，因此需要探索在原有考核模式基础上引入过程评价的多元考核方式，既反映学生各方面能力水平又对学生形成漱励。

首先，加弼项目测试，采用理论考核与项目实践相结合的考核方法。重视学生技能的训练，在平时的教学要求中，加强实践项目的考核，从而让学生自觉参与、自觉完成，更好地塔养学生的实践能力。

其次，强化综合性大作业考核，通过小组合作的方式，与岗位技能相结合，完成综合性项目，从团队协作、个人贡献、作品质量、作品屡示等多维度展开综合评价。

2）教师教学质量评价

实施教师教学质量的评价，不仅可以鉴别教师工作质量的优劣高低，更重要的是能够准确、科学地对每个教师的工作质量进行价值判断，为改进教学工作、加强和改进师资队伍建设提供可靠的信息和资料，从而调动教师教学的积极性，提高教师的整体素质，最终达到提高教育教学质量的目的。

首先，教学质量的评价主体包括受教育者、教学督导者和教学管理者三部分。评价主体角色不同，评价各有侧重。根据评价内容的重要程度和评价结果的可信度，对评价指标赋予不同的权值，学生评价、督导评价和管理评价比例为7：2：1。

其次，教师教学质量评价的实施由学校和系部共同完成。学校层面由教务处组织安排全体学生在规定的时间段内完成授课教师的在线评价，由教学督导中心选派督导员对教师随机听课评价。系部组织教研室主任以及骨干教师构成教学指导委员会负责对教师教学质量的跟踪与评价。

最后，进一步完善教学质量的反馈机制，推动教师教学能力和水平的不断持续改进。教学质量考核结果不仅作为教师岗位考核、职称聘任、优秀评选等事项的重要参考依据，并且及时以合适的方式反馈给教师本人，旨在促进教师有针对性地改善教学方法、提升教学能力、优化知识结构，进而提升教育教学水平。

大数据技术人才匮乏已经成为国家和地区经济社会发展的瓶颈，我们面向新工科建设，秉承产出为导向的工程教育理念，实施了大数据人才培养模式改革。新工科实验班学生培养质量显著提升，班级平均成绩、英语四级通过率列全院第一，创新竞赛或科研项目参与度达100%，学习主动性与创新实践能力明显提高。人才培养是一个受多因素综合影响的长期系统工程，在教育实践中关注与跟踪教育质量，充分利用反馈结果持续改进大数据培养模式，为产业行业输送更多的高端技术人才，也为兄弟院校大数据相关专业的改革与发展提供案例研究。

[参考文献]

[1]前瞻产业研究院.中国大数据产业发展前景与投资战略规划分析报告2018年版[EB/OL].（2018-09-17）[2019-10-12].hops;//wenku，baidu.corn/view/495a4134f02d2af9i1242a8956bec0975f465a48e.htm..

[2]顾佩华.新工科与新范式：概念、框架和实施路径[J].高等工程教育研究，2017（6）：1-13.

[3]林健.面向未來的中国新工科建设[J].清华大学教育研究，2017，38（2）;26-35.

[4]山东“人才新政20条”助推新旧动能转换[J].领导决策信息，2018（18）;32.

[5]罗福强，熊永福.基于CDIO的云计算与大数据专业人才培养方案[J].计算机教育，2015（1）：52-56.

[6]詹玲.计算机专业大数据方向课程群建设研究[J].教育教学论坛，2017（28）：274-276.

（责任编辑 李亚青） [收稿日期]2019-10-12

[基金项目]教育部产学合作协同育人项目大数据与数据挖掘技术（201702044009），新工科驱动的大数据人才培养模式研究与实践（201802070017），山东理工大学新工科试点专业建设项目“软件工程大数据方向”。

[作者简介]孙福振（1978-），男，山东淄博人，山东理工大学计算机科学与技术学院副教授，博士，主要研究方向为智能信息处理与大数据技术;田爱奎（1964-），男，山东莱芜人，山东理工大学计算机科学与技术学院教授，博士，主要研究方向为教育技术与虚拟现实;张龙波（1968-），男，山东济南人，山东理工大学计算机科学与技术学院教授，博士，主要研究方向为数据挖掘与模式识别;吴志勇（1978-），男，山东潍坊人，山东理工大学计算机科学与技术学院副教授，博士，主要研究方向为大数据挖掘;王振（1988-），男，山东枣庄人，山东理工大学计算机科学与技术学院讲师，博士，主要研究方向为计算机视觉。E-mail：10907023@bit.edu.cn