化工类特色高校数据科学与大数据专业人才培养模式研究

王威娜，马 俊

(吉林化工学院 理学院，吉林 吉林 132022)

“大数据”概念从计算领域开端并迅速发展，成为学术界、产业界和政府共同关注的热点，其蕴含的巨大应用价值和潜力已被广泛认知：提供人类认知复杂系统的新思维和新手段，成为促进经济转型增长的新引擎，为政府提升治理能力提供新途径，更是提升国家综合能力和保障国家安全的新利器[1-2]。党的十九大提出实施国家大数据战略，加快建设数字中国，产业转型升级、企业“上云用云”使得大数据人才成为市场中最急缺的人才[3-4]。而目前对大数据人才培养的数量与实际需求相距甚远，导致大数据人才缺口持续增大。为了应对大数据人才的紧缺态势，国家加快设立和扩大数据科学与大数据技术等大数据人才培养的相关专业。截至2021年，教育部正式批准6批次共计693所高校设立数据科学与大数据技术专业，其中化工类特色高校包括：中国石油大学、北京化工大学、北京石油化工学院、西南石油大学、中国石油大学(华东)、西安石油大学、东北石油大学、沈阳化工大学、吉林化工学院、广东石油化工学院、西南石油大学、西安石油大学[5]。化工行业作为国民经济支柱产业，其发展对提高国民经济和人民生活水平都起着重要作用。推动数字化发展是化工产业转型升级的关键，因此在化工特色高校培养兼具大数据和化工能力的专业人才迫在眉睫。在此背景下，本文以大数据及化工产业对大数据人才需求为导向，探讨化工类特色高校数据科学与大数据专业的人才培养模式。

一、化工类特色高校数据科学与大数据技术专业建设的必要性

我国是化工产品的产销大国，化工企业在运营期间产生和积聚了大量化工数据，形成化工产业研究的“数据金矿”。如何通过大数据的应用，“以数为擎”撬动产业升级，达成化工企业控制和管理能力的提升，使其迈进“数智化”的3.0时代，从而实现“数智化工”，这是化工产业的发展目标，也是强大化工产业的必经之路。

(一) “数智化工”需要开展化工大数据分析

数智化是化工企业转型升级的强大推动力，利用数据分析的手段解决工艺过程、生产过程和设备效率等生产问题，同时利用数字化技术优化企业成本，改变管理模式，实现精益化管理。数智化工是化工行业的发展方向，实现化工行业的智能工程作业、智慧安全生产、智能精益管理等。化工大数据涉及装置运行实时数据、环境数据、商业数据、业务数据等，面对如此丰富的数据资源，迫切需要专业人员利用大数据技术分析和挖掘化工行业各指标信息，为实现数智化工提供可能，这使得化工行业大数据人才缺口巨大。

(二) 化工科学研究对数据科学与大数据技术人才需求巨大

化工科学研究涉及化学工程、材料科学、人工智能、自动化等众多专业相关知识，与各专业紧密相关又相互促进，使得化工相关学科研究在众多大数据相关方向表现出较强的人才需求：化工新产品研究及工艺优化中大数据分析、平滑且动态优化的制造过程中大数据分析与参数优化、基于性能指标大数据的异常诊断与消除、企业效益指标大数据分析、市场营销大数据分析等，多方向需求使得在化工研究方面也面对大数据技术人才短缺的问题。

2020年新冠疫情的突然到来展现了市场、经济、社会由于不可抗因素导致的可变性，数智化灯塔为各行各业转型升级指明方向，尤其对于化工行业实现数智化能有效提升企业对抗风险的“韧性”和“包容性”。综上所述，化工类特色高校按产业需求建设数据科学与大数据专业势在必行。

二、化工类特色高校数据科学与大数据技术专业的现状

(一) 专业背景

在化工类特色高校建设大数据相关学科与专业，对培养同时支持大数据行业和数智化工行业发展的复合型人才具有重要作用。大数据是数字化工的资源基础(如图1)，为在化工领域实现生产过程优化、设备运维改善、下游需求匹配、生产自动化程度提高等效果，实现对化工过程产生的数据进行获取、存储、处理、分析与应用尤为重要。化工类高校以化工相关学科为特色和优势，增设数据科学与大数据本科专业能更有效地培养具有化工应用专业特色的大数据专门人才。

图1 大数据是智能化工的资源基础

(二) 培养定位

人才培养定位是人才培养模式的核心问题，对数据科学与大数据技术专业人才培养定位历经了几年的探索与实践已基本形成和稳定，为全面满足人才需求培养定位主要分为主专业和双学位专业两个方向[7-8]，如表1所示。但是目前化工类高校的培养定位与其他高校的定位相似，没有充分发挥化工特色和化工院校的专业特长，使得化工院校培养的大数据人才在化工相关工作方面不具备特有的竞争力和优势。

表1 化工类高校大数据技术专业人才培养定位

(三) 师资队伍

师资队伍相对薄弱，目前数据科学与大数据技术的专业教师多来自计算机的相关专业，对大数据知识体系结构以及行业发展了解甚少，导致教学片面化、孤立化，不利于实现知识系统化、理论与实践结合的教学模式。因此，建设具有高素质理论基础和实践经验的师资队伍是当前数据科学与大数据技术专业亟待解决的问题。

(四) 实践平台

实验平台是培养大数据专业人才的必要基础，工程素养在实践平台上得到巩固和强化。作为传统的化工类院校与一些知名的化工企业均有合作，具有独特的实践资源。化工类高校数据科学与大数据技术专业根据人才培养目标，以自身软硬件条件为基础，融入化工专业和企业的资源力量，共建数据科学与大数据技术实践平台。通过解决源于企业真实行业应用的实践案例，有利于让学生了解行业现状，使其具有实战经验和解决实际问题的技术能力，为日后与企业接轨奠定基础，实现人才培养目标。但平台建设处于初步尝试阶段，需要在实践中不断完善。

三、构建化工类特色高校数据科学与大数据技术人才培养模式

以新一轮科技革命和产业变革为背景，以服务国家创新驱动发展为目标，面向智能化工和社会发展需求，提出“厘清内涵、逐层推进、优化师资、赋能应用、监控质量”的数据科学与大数据技术专业人才培养策略，从明确专业定位、完善课程体系、优化师资队伍、加强实践平台、构建评价体系方面进行大数据专业的专业建设。针对大数据和化工行业的人才需求，以大数据工程应用型人才培养为主线，化工类高校的专业背景为特色，夯实专业基础知识，强化工程应用实践，提升创新意识和创新实践能力，培养从事大数据挖掘、项目设计、综合应用的满足新时代需求的“卓越人才”，从而为大数据及化工相关产业的发展助力。

(一) 厘清内涵：确立专业培养定位

专业培养定位的宏观内涵要与学校办学定位阶段目标一致，符合国家、区域发展的需求和行业、企业发展的需求。同时，要明确培养定位的微观内涵，即内外需求、培养目标、毕业要求、课程体系之间的制约关系，如图2所示。

图2 专业培养方案设计逻辑

化工类高校的数据科学与大数据技术专业人才培养定位为面向国家智能化工对大数据研究与应用的需求，培养具有扎实的大数据理论和专业知识、良好的科学素养和创新意识、较强的工程实践与协作能力，具备计算机、数学、统计学等多学科知识和技能，具有利用大数据思维分析智能化工中复杂工程问题、解决问题、自主学习以及创新能力，适应国家发展需求的复合型应用人才[9-10]。

(二) 逐层推进：设计层次推进的课程体系

在厘清内涵基础上，构建逐层推进的课程群体系。从“数学类课程、传统计算机学科课程、数据科学相关课程”3个方面分析，分为“基础课程、核心课程、拓展课程”3个层次，在“数学原理、程序设计、数据处理、专业外延、化工交叉”5个维度梳理出重要课程，形成三层次重要课程群体系，如图3所示。

图3 三层次重要课程群体系

“基础课程”奠定数学和计算思维基础，以此引导程序设计的逻辑和能力，夯实大数据专业的基础能力；“核心课程”建立大数据系统管理基础，培养大数据创新素质以及在专业领域的应用开发能力；“拓展课程”提升大数据实践能力以及解决化工领域相关问题的能力，使其具备过硬的创新和研发能力。

(三) 优化师资：构建“培-引-融”机制

教师是大数据技术潜在的挖掘者和捍卫者，专业的师资队伍是促进大数据教育长远发展的重要人力保障资源。针对目前大数据师资队伍存在的问题，构建大数据师资队伍建设的“培-引-融”机制，优化师资队伍。“培”，有针对性地对教师进行专业理论和技能的培训，提高其专业理论水平和项目实践能力，制定多元化与个性化相结合的培训计划，从而有效促进教师数据素养的提升。“引”，引进企业中的优秀技术人才，提升实践教学水平，同时也促进企业技术人才专业理论水平的提高，在合作过程中相辅相成。“融”，凝聚大数据专业、计算机专业、化工专业、管理专业的教学、科研、管理教师资源，组建多专业、多技术的虚拟专业技术协同教学平台，实行专任、实验、外聘教师的融合与协同的课程建设。

(四) 赋能应用：加强实践体系建设

加大优质实践平台的建设，提升学生实践能力和创新精神，使其与“大数据+X”应用进行对接，为数智化工相关行业助力。坚持“政府资助、企业参与、科研支撑”原则，分别打造专业基础平台、行业应用平台、个性创新平台，加强实践体系建设。在“政府资助”方面，争取中央或省级财政专项经费，在原有大数据实验平台的基础上，结合“华为云”“青软实训”等平台完善大数据专业实践基地的建设，保障专业基础实验的同时，开设大数据处理和分析相关的实训项目，使得学生在打好基础的条件下提高实战能力和经验。在“企业参与”方面，结合化工类高校特色优势，与国内外化工企业建立合作关系，在化工相关专业技术支持的基础上，共建先进的大数据软硬件平台，为开展化工行业特色实验提供条件。在“科研支撑”方面，利用科研项目资源，打造针对具体研究方向和实践需求的个性化实验平台，实现科研资源向教学资源、科研成果向教学成果的多通道转变，搭建特色的创新实验实训平台。

(五) 监控质量：构建人才培养评价体系

为保障人才培养质量，以“工程认证”为主线贯穿整个评价周期，评价体系如图4所示，针对评价管理、评价体系、质量保障的具体措施如下：

图4 人才培养评价体系

1.评价管理

从“自我学习”“分析思辨”“创新应用”3个角度构建评价标准，以此为前提对教学、学习、实践的全过程实施动态评价和管理，针对各个环节的实时状态分析存在的问题和预估未来的状况进一步修正和完善评价体系。

2.评价体系

评价体系从多角度全方位出发，从理论到实践、从内在素养到外在应用能力、从实战到创新，全方面评价人才培养的状态和质量。

3.质量保障

针对智能化工企业对大数据人才的需求，以“工程专业认证”为引领构建人才质量认证体系，展现人才培养结果。

四、结 语

化工类特色高校的数据科学与大数据技术专业的人才培养对促进信息化发展和数智化工转型都起着重要作用。本文首先论证了化工类特色高校数据科学与大数据技术专业建设的必要性，并从“专业背景”“培养定位”“师资队伍”“实验平台”4个方面分析了化工类高校数据科学与大数据专业技术专业的现状，提出“厘清内涵”“逐层推进”“优化师资”“赋能应用”“监控质量”的数据科学与大数据技术专业人才培养策略。该培养策略针对化工类高校的大数据人才培养，在培养过程中将大数据与化工领域知识融合，使学生具备双领域的研究和实践能力，提升其在大数据和化工行业双方面的创新力和竞争力。