基于校企协同合作的学生大数据实践与创新能力培养

朱兴统 王爱国

摘  要： 针对目前大数据人才培养与市场脱轨、学生缺乏工程实践与创新能力等问题，探讨从课程体系、课外创新科技活动、校企合作、师资培养等方面构建人才培养模式。对学校的两届学生开展教学实践，取得了较好的教学效果，学生的工程实践与创新能力有较大的提高。

关键词： 大数据; 人才培养; 工程实践能力; 创新能力; 校企合作

中圖分类号：G642          文献标识码：A     文章编号：1006-8228（2020）12-70-02

Absrtact： In view of the current big data talent training and market derailment， students lack of engineering practice and innovation abilities and other issues， this paper discusses the construction of talent training mode from the curriculum system， extracurricular innovation and technology activities， school enterprise cooperation， teacher training and other aspects. Teaching practice has been carried out for two successive years of students in the school， and good teaching effect has been achieved. The engineering practice and innovation abilities of students have been greatly improved.

Key words： big data; talent training; engineering practice ability; innovation ability; school enterprise cooperation

0 引言

大数据是继云计算、物联网之后IT行业的又一颠覆性的技术[1]。大数据在各行各业中已有广泛应用，如应用于电子商务、社交网络、金融、医疗服务等领域[2]。人们越来越重视大数据的影响和作用。社会对大数据人才的需求也不断扩大。2016年，我国高校开始设置本科专业数据科学与大数据技术，还有些院校在计算机类、数学类专业上开设大数据方向。我校于2016年在网络工程专业上开设大数据方向，并与中科曙光大数据公司进行产教融合合作。产教融合是培养学生工程实践能力的一种人才培养模式探索[3-4]。为了满足社会对大数据人才的日益旺盛的需求，更好地培养符合社会需要的大数据高级人才，迫切需要高校建立大数据课程体系，并建立相配套的大数据人才培养实施方案。

1 大数据课程体系

目前，大数据从业者大致可归为三类岗位：大数据工程师、数据分析师和数据科学家。我校是一所普通地方高校，以“培养人格健全，基础扎实，实践能力强，具有创新精神的应用型高级专业人才为使命”的人才培养定位，因此，大数据方向主要以大数据工程师、数据分析师为培养目标。社会对大数据人才要求具备成熟的数据思维、扎实的大数据理论知识、能够熟练操作大数据的技能。大数据课程体系是大数据人才培养的核心基础。结合社会需求和网络工程专业的人才培养定位，设置大数据课程体系。

大数据课程系列包括：面向对象原理与JAVA实践、Python语言课程，学生通过JAVA、Python程语言的学习为后续的大数据系列课程学习提供了基础。开设了Hadoop大数据技术、分布式数据库原理与应用、数据导入与处理应用、数据仓库与挖掘技术、数据可视化技术、大数据分析与内存计算等专业领域课程。

课程教学过程中在保证基本理论基础上，尽量加大实践教学环节课时，具体课时分配如表1所示。从表1可以看出，每门课程的实践学时数占总学时数的50%。表2列出了大数据实践环节课程，共有4门实践类课程，共15周。专业综合项目开发实战课程安排9周，主要让学生参与完成一个真实的大数据项目的开发，综合应用所学的编程语言和大数据相关技术，提高学生的分析和解决复杂问题的能力。从表1和表2中可以，大数据课程体系注重培养学生的实践能力。实践教学环节是培养学生实践能力、创新能力的主要途径和有效手段[5]。

2 课外科技创新活动

根据学生的兴趣爱好，组建课外科技创新小组，让学生参与教师的科研项目、项目开发，给学生提供人工智能技术、机器学习、大数据技术等前沿知识和技术。组织学生参加学科比赛，如软件设计大赛、大数据分析与应用相关比赛等。学生通过参与科研项目、项目开发、学科比赛等科技创新活动，可以综合运用学过的专业知识，还能够学习专业相关前沿知识和技术，提高学生的解决实际问题能力以及实践能力。

3 企业深度参与

校企协同合作、企业深度参与，实现校企的强强联合。曙光大数据专家全程参与，对人才培养的定位、人才培养流程、人才培养方案进行优化，实现毕业生能力与行业人才要求的无缝对接。

⑴ 校企共同成立“广东石油化工学院—曙光大数据应用创新中心”。该中心由企业的开发工程师和学校经过培训的师资组成，该中心的定位是服务于区域地方经济的教育、石油化工、医疗、银行等行业数据分析项目以及全国联网后的行业项目交付。该中心满足大数据应用型人才培养需要，同时促进教学人员技术和科研能力的提升。教师依据横向、纵向项目或自身科研方向组成科研团队，每个团队吸纳一定数量的学生，学生参与项目全过程并在其中发挥重要作用，锻炼学生科研能力，提升学生创新能力。

⑵ 大数据的核心课程、实践环节均由中科曙光公司的工程师进行授课和指导实践。企业工程师具有丰富的大数据相关项目开发应用经验，在教学过程中可以结合具体的案例。尤其是在整周课程实训环节中，采取“师傅带徒弟”的方式，手把手教学生完成项目周期，学生动手能力迅速提升，工程意识增强。

⑶ 人才培养过程中引入VIP（垂直整合项目）项目化教学方法，从第二学期开始，企业工程师指导学生成立大数据相关的项目小组，明确题目，让相关兴趣爱好的学生参与大数据项目开发，过程持续到第六学期。这期间结合项目逐步培养学生工程素养、创新意识、技术技能，最终提交成熟作品，并鼓励学生利用这些作品申报大学生创业创新项目和参加大数据类学科竞赛。通过深化产教融合，校企深度合作，转变人才培养模式，采用VIP项目化教学的理念，提高学生学习的计划性、目的性和主动性;转变教育发展理念，增强学生就业能力，同时培养其创新、创业能力，真正打通学生进入职场的“最后一公里”。

4 师资培养

师资力量是大数据人才培养的基本保障。目前，本校教师主要承担通识课、学科基础课程的教学，大数据课程主要是由中科曙光公司派出的工程师负责教学。企业工程师参与教学，可缓解学校在培养学生工程实践能力方面存在的不足。我校每年2～4个老师参加中科曙光公司或者其他公司组织的大数据相关课程的培训，培养本校的大数据师资力量，逐步承接部分大数据课程的教学，组成混编教学团队，发挥各自优势。

5 结束语

通过与企业协同合作，依托相关企业在大数据相关领域的领先优势以及行业实施案例，教学内容符合社会对大数据人才知识、 能力、素质的需求，混编教学团队采用项目化教学，以项目驱动、过程导向的模式贯穿于课程教学的全过程，使学生在项目环境中接受熏陶，激发学习兴趣。从2016级开始，探索并实践本文提出的大数据人才培养模式。网络工程专业（大数据方向）2016级学生在第二学期初共组建了34个项目小组，到第六学期提交了较为完整的作品34个，通过分组答辩，全部通过考核。网络工程（大数据方向）2017级学生获得2019年校级大学生创新创业培育项目立项4项;在2019年广东省大学生计算机设计大赛，网络工程专业（大数据方向）2017级学生获得二等奖一项;在2020年广东省大学生计算机设计大赛中，网络工程专业（大数据方向）2017级学生获得一、二等奖各一项。通過分析2016、2017级网络工程专业（大数据方向）学生的学习和获奖情况，总体上学生工程意识、创新意识有较大提高，较好提升了学生实践素质和能力，校企协同合作的大数据人才培养取得良好的效果，具有一定的推广价值。

参考文献（References）：

[1] 林子雨.大数据技术原理与应用[M].人民邮电出版社，2017.

[2] 石胜飞.大数据分析与挖掘[M].人民邮电出版社，2018.

[3] 尹天鹤，陈志荣.面向产教融合的数据工程类人才培养探索与实践[J].高等工程教育研究，2019.3：94-97

[4] 郑永爱，王咏梅，王莹莹.基于产教融合、校企合作的大数据专业人才培养的研究[J].电脑与信息技术， 2019.3：37-38

[5] 张志萍.构建应用型本科高校大数据实践教学体系[J].软件，2019.40（11）：111-113