面向管理的信管专业数据智能课程群建设

黄宏军，刘平山，王 雷，黄 福

（桂林电子科技大学 商学院，广西 桂林 541004）

1 课程群建设背景

随着大数据、人工智能、区块链技术的发展，数据智能（Data Intelligence，DI）逐渐成为学术和产业界共同关注的热点，数据智能基于机器学习、云计算、海量数据处理等技术，挖掘非结构化数据中所蕴含的知识和规律，在管理理论和管理业务场景的实际中发挥着日益重要的作用，对管理的科学化和决策水平的提高有着不可忽视的价值［1］。管理科学、数据科学、计算机科学的融合不断加快和随着新兴技术不断融入渗透，信息管理与信息系统专业课程内容和培养方案也面临着新的机遇与挑战，给信管专业的课程建设带来了诸多影响。因此，信管专业要充分把握机遇，围绕新兴技术和模式做出主动变化，结合大数据时代的人才需求，把数据智能作为信管专业未来的重要调整方向［2］。长期以来，由于桂林电子科技大学信管专业培养目标宽泛，特色不够突出，导致培养人才与社会需求脱节严重，人才竞争力不足。面临着数据智能的新机遇，本专业需积极把握，结合桂林电子科技大学电子类特色的行业背景，主动优化相关核心专业课程内容设计，积极提高专业特色和竞争力。

2 课程群建设存在问题分析

桂林电子科技大学信管系与数据科学相关的核心课程涉及商务智能与数据挖掘、管理学、统计学、运筹学、Java 程序设计基础、数据结构与算法（Java）、数据库原理及应用与信息资源管理等。在人工智能、大数据的背景下，相关课程面临着新兴技术的融入改造压力，在管理决策日益智慧化和数据驱动的趋势下，信管核心课程与管理深度融合的要求日益紧迫，围绕数据智能课程群建设目标，从课程内容、知识关联和能力培养等方面看［3］，相关课程面临着以下具体问题。

2.1 教学内容不能及时与新兴技术接轨

从对桂林电子科技大学信管专业的毕业学生的采访发现，信管专业所学技术类课程教学内容和培养方案与新兴技术有一定距离，对业界工作所需要的知识和技能训练不足，围绕大数据分析、大数据处理、人工智能以及基于数据驱动的管理决策等方面内容的教学存在不足。编程类课程单纯地讲技术知识点，高阶性、挑战性、探究性内容不足。

2.2 技术类知识的衔接性不够

在之前的教学过程中，教师只是单独地讲解知识点，学生对知识点的掌握相对独立，对数据库知识、数据结构知识、统一建模语言（Unified Modeling Language，UML）流程设计等知识的结合性不够。学生对知识点的掌握不够深入和系统化使其无法理解知识点之间的内容关联，在遇到完整的项目需求时，无法结合所学过的其他几门技术课程知识给出有效的解决方案。

2.3 课程知识与管理理论、数据科学的融合不足

信管专业数据智能课程通常参考计算机专业的教学方法进行，课程内容主要以概念、定义为主，反映管理场景、数据驱动决策等方面存在不足，导致学生对编程的兴趣不够强烈，同时对涉及的数学知识等有畏难情绪。此外，桂林电子科技大学信管学生对管理业务知识理解不足，加上学时有限、不够重视等原因，使管理决策建模能力不高。

3 数据智能课程建设

通过多年的办学实践，信管专业提出了包括工程能力、计算能力、管理建模能力、信息分析和设计能力在内的人才能力培养目标，这些目标和数据智能课程群建设的能力培养目标关联紧密。针对上述存在的问题，结合能力培养目标，数据智能课程建设优化可以分别从能力和知识两个角度进行考虑，围绕技术能力、信息能力、管理决策能力以及计算思维、数据思维［4］，通过管理理论，提高学生对业务知识的掌握程度和理解深度，通过计算机和数据科学两个方面的结合来解决所面临的管理问题。同时，数据科学与计算机知识的结合使得学生不仅培养了计算能力，还训练了数据思维和量化分析能力，其关系如图1 所示。

围绕能力培养目标，数据智能课程群在核心理论课程和实践教学上可以做如下规划，理论课主要包括以下内容①经管理论知识类：经济学、管理学、决策理论与方法；②数据建模类：统计学、计量经济学、商务智能与数据挖掘；③计算编程类：Java程序设计、数据结构与算法、数据库技术等。实践教学项目主要与理论课程配合，可以安排如统计建模实验、商务智能与数据挖掘实验、Java 程序实验、数据结构与算法实验等。此外，在支持理论教学和实验教学方面，可考虑建设特色数据资源，通过与外部机构共建和自行采集数据的方式进行构建，其关系如图2 所示。

信管专业相关核心课程，与数据智能中的数据处理、计算有着内在联系。为了提高技术类课程与数据智能、管理决策的契合度，在教学内容上，教师可以考虑将数据科学前沿知识、管理决策场景适当穿插于课程教学中进行讲解与分析，并通过延伸实验项目训练学生分析与解决问题的能力［5］。例如，在教学内容上可以做如下设计：基于产品质量管理理论，通过挖掘汽车评论进行产品质量分类预测管理的场景设计，结合Java 字符串、数组、Java IO、数据库表等计算机编程知识，再融合数据科学的条件概率，贝叶斯公式、贝叶斯分类器等知识点进行组合，完成一个综合项目。同时还可以从客户关系管理、市场需求管理等管理决策问题出发，利用Java 采集用户评论和产品销量，进行文本挖掘，再利用Back Propagation 神经网络、时间序列等统计计量模型进行分析。在教学和实验内容设计中，教师要平衡管理、计算和数据3 方面的知识，以场景、问题驱动的形式，有效提升学生的创新能力［6］。

4 结语

长期以来，信管专业在发展过程中，定位模糊、特色不明显等问题制约着其发展。在大数据和人工智能的时代背景下，在商学院办学的信管专业，其核心课程需要进行优化设计，需要在课程内容中融入管理理论、管理场景以及数据科学，加强课程知识点之间的衔接和融合，围绕能力目标，有针对性地重构相关知识，通过管理、数据和编程技能的有机融合，提升学生能力［7］。同时，在课程和培养方案上要积极与本校特色优势的学科专业进行结合，形成人才培养特色。