多层次多维度构建大数据专业实用核心课程体系

余姜德 张彦俊 段 科

（中山职业技术学院，广东 中山 430074）

当前，大数据专业在各个高校专业目录中是名副其实的热门专业。据全国高校人工智能与大数据创新联盟统计，截至 2021 年 2 月，全国1258所本科院校中约有730所，1482所高职院校中约有830所已经开办、正在开办或即将开办大数据技术相关专业。这些学校既有顶尖的研究型大学，也有应用型本科，更有数量众多的高职类专科学校。

根据大数据学科自身科学规律、学校层次、人才培养规格，构建实用合理的大数据核心课程体系，是各高校实现大数据人才培养目标的关键。

1 大数据学科自身逻辑性对构建核心课程的要求

大数据学科是一门交叉性的学科，融合了计算机科学、统计分析、数学计算等相关知识［2］，大数据自身作为一门独立科学的同时，也是其他行业数据的分析工具和应用途径。

大数据的专业核心课程体系构建的前提是，必须遵循大数据学科自身和科学逻辑的范围约定。数学基础、计算机编程、统计分析三大知识模块构成大数据学科核心课程要素［2］。每个模块所包含的知识内容如表1所示。这些内容从根源上决定了大数据学科的专业核心课程体系。

表1 大数据学科三大核心知识模块

2 学校类型和人才培养目标定位对构建核心课程体系的要求

目前有众多学校开设了大数据专业，这些学校中既有研究型大学、普通本科类院校，也有高职高专类院校、中等专科类学校。这些学校可以归纳为本科院校和高职高专院校两种类型。这两类院校学生的学习基础和人才培养的目标差别巨大，因此设计的大数据专业核心课程体系也会完全不同。

在构建大数据核心课程体系时，关键一环就是根据学校类型明晰大数据人才培养目标［3］。一般来说，本科院校旨在培养理论基础扎实、具有较强研发能力的科研型人才；而高职高专院校主要培养具有一定理论基础，但具有较强实践能力的高技能型人才。再进一步分析：研究型大学，主要培养大数据系统平台研发、算法优化与创新的高端人才；普通本科，主要培养具有较强程序设计能力的大数据工程师或者算法工程师；而高职院校，则以培养大数据系统应用工程师或者大数据系统运维工程师为主。

不同类型的院校，大数据专业人才培养的目标区别如表2所示。

表2 不同学校类型大数据人才培养目标

从表2可以看出，不同类型的院校，人才培养的侧重点是完全不同的。大数据人才培养目标的区别，决定了构建大数据专业核心课程时，三大核心知识模块的侧重和占比的不同［4］。比如研究型大学，其数学基础和统计分析两个知识模块的内容，应该全面而扎实；而普通专科和高职高专类型的学校，大数据专业的数学基础和统计分析模块的课程则不应占比过重，相反计算机编程内容应加强。

3 职业发展路径对构建核心课程体系的要求

大数据人才的培养，不应仅局限于学生在校的学习时限，更应着眼于学生未来3～5年的职业发展规划。通过构建合理实用的大数据专业核心课程体系，让学生不仅可以实现与工作单位的无缝对接，更能奠定未来专业知识升级的基础，打通职业发展的上升通道。

大数据人才职业发展路径上的职业岗位从初级、中级到高级，一般对应为：大数据助理工程师、大数据工程师、大数据分析师和系统设计师。以5年职业发展规划为限，该专业本科类院校学生的职业发展，从大数据工程师向分析师和设计师跃升；而高职类院校学生，从大数据助理工程师向大数据工程师跃升。所以，为了使构建的核心课程体系能适应职业路径发展的需要，给职业发展留足“后劲”，在设计核心课程体系时，有三点要注意：一是专业课程要以主流平台、主流开发工具、主流框架技术为主；二是要实时关注新技术、新架构和新编程语言的发展趋势，在课程体系中设有诸如“大数据新技术发展”的动态技术跟踪类课程；三是课程设计要贯穿体系化思想，强调自主学习的精神。

4 “证、赛、训、室、创”多维度构建大数据核心课程体系

在遵循大数据学科自身逻辑规律的前提下，根据学校类型，确定好大数据人才培养目标和未来职业规划，还需要从“证、赛、训、室、创”等多个维度来设计和实施核心课程体系，如图1所示。

图1 多维度构建大数据核心课程

其中，“证”是指“1+X”证书，核心课程体系规划要与“1+X”证书考试内容紧密关联；“赛”是指省级、国家级大数据专业技能大赛，核心课程体系要能覆盖大赛主要范围；“训”是指综合实训及实训室，大数据综合项目实践是大数据课程体系的重要环节，而实训室的建设则为大数据专业发展提供了硬件条件；“室”是指工作室，通过工作室的项目训练，来巩固和提高所学的专业知识；“创”是指创新创业，创新是灵魂，创业是接受市场化考验。这其中工作室可以作为创业公司的前期孵化器。公司项目可以反哺专业发展和课程体系建设。

通过“证、赛、训、室、创”等多个维度去构建和落实大数据核心课程体系，为大数据专业人才培养提供有力保障。

5 示例与小结

以中山职业技术学院大数据技术专业的核心课程体系构建为例进行分析：

首先，作为一所高职高专类型的大专院校，确立的人才培养目标是：培养能对大数据进行采集、清洗、分析和处理的大数据应用型人才。对应的主要岗位是：大数据应用开发助理工程师、大数据ETL助理工程师和大数据系统运维工程师。职业晋升的岗位主要是大数据应用工程师。

其次，考虑到学生基础和实际学情，核心课程以计算机编程为主，而数学基础和统计分析则各设一门课程，作为辅助。同时我们设计了一门“新技术发展”的选修课程，用以跟踪和关注大数据领域的新技术发展趋势。

其他因素的考虑：“1+X”证书——选择教育部“大数据部署与调优”证书；技能竞赛——以高职组“大数据技术与应用”全国技能大赛为主要赛项，参考其近几年来的竞赛大纲和竞赛试题；最后结合“达内工作室”运行情况和“互联网+”双创比赛内容，最终制定的核心课程体系如表3所示。

表3 大数据技术专业核心课程示例

通过近两年实践检验，中山职业技术学院大数据专业在学科竞赛、工作室项目产出、学生就业和教学反馈等各方面取得了良好的效果。实践表明，该核心课程体系是一个合理实用的课程体系，它既充分考虑到了大数据学科自身的逻辑性，也考虑到了学校层次、学生学情、技能证书与竞赛、实训条件、工作室和双创要求等不同因素的影响。

因此，大数据专业核心课程体系的构建，应该从多层次、多维度去合理规划和综合考虑：依据人才培养目标，对不同学科课程模块进行裁剪组合，多个角度或维度去合理平衡，这样才能让核心课程体系能真正落地实施。