圣文顺,薛龙花,邵 琪
基于学习产出的教育模式(Outcomes-based education,缩写为OBE)理念[1]最早由美国学者斯派蒂(Spandy W.D)提出,后风靡欧美,成为时下高校教育的主流思想。OBE遵循的是反向设计原则:由产业需求决定培养目标,由培养目标确定毕业要求,再由毕业要求制定课程体系[2]。
首先,OBE关注“材料”本身的特点,重视“因材施教”,倡导个性化的学习和评估。针对学生个体差异,采用多元和梯次的评价标准,适时跟踪评定,准确掌握学生学习质量,及时调整和修正教学方案。即OBE将学习过程划分成不同的阶段,并确定出每个阶段的通过标准,具有不同学习能力的学生,通过不同的途径和方式,在不同的时间内,完成同一个顶峰成果。OBE确定教学设计的方向和方案实施的目标是学生通过教育过程所取得的学习成果。强调4个基本问题:第一是想让学生取得什么样的学习成果;第二是为什么要达到这样的成果标准;第三是如何帮助学生取得这些学习成果;第四是如何确定学生是否达到这些学习成果。
其次,依照个性化培养,人人成功的理念,OBE注重学习精熟,并要求老师和学校有较强的OBE意识,对学生的精熟学习负责。OBE强调学生通过课程学到了什么,而不是老师教授了什么课程,即强调研究式教学而不是灌输式教学。将知识课堂转变为学问课堂,将句号课堂转变为问号课堂,将教学的时间和空间自课内向课外延伸,以学生为主体。而个性化教学要求老师准确掌握每个学生的学习进程,及时把握学生个人目标及进程,及时调整教学方案,为学生提供不同学习机会。因此要求对学生的考核采取多元化评价标准,根据学生具体情况加以调整,确保学生得到个性化培养,充分发挥学生自身特色,促使学生成材。
最后,OBE特别强调教学过程中,学生对学科内容的掌握情况,能应用于实际的能力,课程体系与能力结构是否形成映射关系。学习成果代表一种形式的能力,兼顾生活中的重要内容和技能,具有实用性,主要是通过课程教育来实现的,课程体系的构建对学习成果尤为重要。能力结构与课程体系应该具有清晰的映射关系,能力结构中的每一种能力由多门课程支撑,即课程体系中的每门课程要对实现能力结构有确定的贡献。这种映射关系要求学生通过课程学习就能具备期望的能力结构。成果导向教育采取反向设计,正向实施,确保产业需求既是起点也是终点,能力结构贴合实际,最大程度上保证教育目标和结果的一致性[3]。
基于OBE理念研究高校大数据专业的人才培养方案,必须针对大数据专业的培养目标,结合新工科发展与实践项目的要求。下面从课程体系、教学方式、企业需求几个方面进行了探讨。
大数据作为一项热门技术,正在改变企业的生产与人们的生活。其人才培养包含内部需求和外部需求两方面。内部需求来源于学生自身以及学校要求,主要体现在学生自身的发展需求以及能够满足学校的要求和期望。外部需求来源于企业、社会以及国家,体现在教育应该满足学生适应未来生活的需求,顺应企业、社会以及国家的需求。随着云大物智的发展,大数据成为当下火热的词汇。作为一种特定的科学技术学科,大数据的发展之快使其在科技、经济乃至文化等领域被广泛应用,引起了各行各业的关注。大量产业着手借助大数据技术提高生产,导致大数据专业人才需求激增,使大数据领域的技术人才培养迎来巨大的挑战。当前国内高等院校关于大数据方面的人才培养方案还处于探索阶段,专业人才供不应求,且企业大数据人才缺口巨大。为了使高校培养出企业所需的应用型技术人才,可用网络爬虫技术搜集大型招聘网站上大数据专业的岗位招聘信息,根据采集到的数据进行分析,并结合当代大数据专业人才的需求特征制定出高等院校大数据专业的人才培养方案[4]。此外,大数据潜移默化地影响人们的生活,日益深刻地改变人们看待世界的方式。毋庸置疑,大数据人才培养十分重要。OBE以学生为中心、老师为核心,使“需求”既是起点又是终点,运用此理念研究大数据专业人才的培养方案,从而最大程度保证教育目标和能力的一致性,促进学生更成功地学习。
OBE教育理念是基于成果导向的,而成果的定义来自于产业(企业、政府、社会等)的需求,所以在制定人才培养目标前,需要深入了解大数据方向产业人才需求的实际情况。大数据专业围绕数据库系统搭建、运维等岗位能力需求,利用层次分析法[5]构建生业人才需求评价模型,并根据企业和社会需求及学生毕业5年后的职业发展前景,确定人才培养的目标。当前,大数据应用专业的学生应具备大数据思维及分析能力;能够运用大数据的理论和方法,解决数据分析等实际问题;能够独立承担数据挖掘与分析,大数据平台的开发与维护工作;关注当代社会和全球问题,具备职业道德、良好的沟通能力和合作能力;具有创新意识、国际视野和终身学习能力;能够用理论知识的力量为人工智能发展服务,推动我国社会经济的发展;能够胜任各级各类组织机构对数据管理应用方面工作的复合型和应用型高级人才[6]。图1为OBE理念下培养方案设计模式。
2.3.1 基于OBE理念构建课程体系
课程体系的构建要注重知识、能力、素质结构三者关系,遵循“专业设置对接产业需求,课程内容对接职业标准,教学过程对接生产过程,毕业标准对接职业资格证书,职业学习对接终身学习”的原则,提倡循序渐进、稳扎稳打的教学策略。
图1 OBE理念下培养方案设计模式
入门阶段:主要在第一学年进行,新生入校,由学校对学生进行入学教育,让学生对大数据专业技术与应用体系具有宏观的认识。专业入门课程以通识课为主,如“高等数学”“大学英语”“中国近代史纲要”“大学生职业发展与就业指导”等,其中注重教授数学类课程。采取专业调研的方式掌握学生对专业的理解及反馈。
专业基础课程:此模块主要培养学生具备大数据专业基础知识及技术,开设如“面向对象程序设计”“数据结构与算法”“数据库系统与应用”“经济学概论”“应用统计学”“操作系统”等课程。在学期末安排相应的课程设计或企业实践,考查学生对专业基础课的掌握情况,为专业核心课的学习奠定基础。
专业核心课程:主要包括面向数据科学的“编程语言”“Spark大数据技术”“Python爬虫及数据分析”“数据可视化”“大数据平台及应用”“数据分析与数据挖掘”等。学生通过学习核心课程,能够承担大数据处理与分析工作。
专业综合实践及拓展课程:主要包括“人工智能概论”“商务大数据项目开发实”“数据采集与清洗”“创新创业模块”“岗位实习”“毕业设计”等课程。毕业设计于在校期间完成,岗位实习由校企安排,学习实习成绩由校内指导老师和企业老师共同完成,既是对学生专业学习的总体考核与评价,也作为课程设计方案发展与改进的参考。大数据课程设置与能力要求的对应关系如表1所示。
2.3.2 优化教学方式,注重形成性评价
课程教学中存在2个主体,即学生和教师,这2个主体相互影响又相互作用。优化教学方式的目的在于充分发挥和调动学生和教师这2个主体在课堂上的积极性和主观能动性。只有学生和教师2个主体共同合作,才能高质量地完成课程教学过程,从而使学生学习热情高涨,真正学到知识。因此,在优化教学方式时,首先需要转变思想观念,打破传统的总结性评价模式,注重形成性评价。课堂中的形成性评价能够有效地调控教师和学生2个主体教与学的过程,形成性评价注重教学过程本身,能够及时发现学生听课存在的问题并可以随时做出调整,避免类似问题的发生,提升了教学效果,具有时效性。
表1 课程设置与能力要求的对应关系
形成性评价[7]主要包括交流与反馈、引导与改进以及赏识与激励3个环节。交流与反馈主要指教师与学生课堂上的互动,教师对学生进行适当的交流,有助于集中学生听课的注意力以及让学生产生被重视的感觉,能够激发学生的学习激情并准确获取学生学习情况的反馈信息。引导与改进指的是教师需要引导学生反思学习过程中出现的问题并督促学生改正,这有助于学生及时补救漏洞,能够跟上老师的教学进度,保证每个人都能学好这门课程。赏识与激励指教师能够及时发现学生的优点并不断激励学生前行,赏识能够激发学生的上进心,鼓励能够增强学生的自信心,两者结合使学生更加努力,从而使学生做到学有所成。
2.3.3 校企融合培养方式
学校是培养人才的地方,企业是利用人才的地方。然而,现今大部分学校和企业处于互相分离、互不关联的状态,这必将导致高校人才产出过剩以及企业利用人才匮乏。学生在学校获取的知识,往往在企业中无用武之地,理论脱离实际,而培养人才成为企业额外成本。因此,校企之间通过融合与合作,培养出真才实干的人才,创造出双赢的局面是必要的。
根据OBE教育理念,学校和企业可以采取多元化、多样化的方式合作培养人才。首先,学校综合考虑企业要求制定方向性的教学方案,使得理论教学与企业要求相结合,深度融合。企业提供相应实习岗位检验学生学习效果,从而提升学生的专业知识水平与技能实践水平。其次,校企通过实施合作项目组织学生与员工进行项目合作:一方面锻炼学生的综合能力和素养,提高学生知识运用能力;一方面降低企业项目研发成本,也能够在项目中收获未来的优秀员工。最后,校企双方应建立相应的对接部门,负责规划校企对接工作和活动。创建学生与员工项目小组,共同研讨,各取所得,各有所用,共同进步,高效完成任务,使学生得到广阔的视野和灵活的思维,实现相应的价值。
本文运用OBE理念针对大数据人才培养方案的问题,建立合理的课程体系,提出形成性评价的教学模式,倡导学校加强校企合作建设。通过理论与实践相结合的教学方式,实现大数据专业人才培养目标,让学生在学习大数据初期就形成好的实践意识,并对大数据技术熟练使用,达到大数据专业所需知识水平与能力要求,从而推动国内大数据专业人才更符合我国工程认证标准。