新工科背景下数据科学与大数据技术专业实践教学体系研究

孙开伟　邓欣　王进

摘  要：新工科是为满足国家社会经济发展战略需求提出的全新人才培养新范式。对标新工科对数据科学与大数据技术专业提出的要求，分析数据科学与大数据技术专业建设存在的重难点问题，结合重庆邮电大学计算机科学与技术学院数据科学与大数据技术专业的建设经验，提出新工科背景下数据科学与大数据技术专业实践教学新思路，为大数据及其他新兴学科的实践教学提供参考。

关键词：新工科；大数据；实践教学；人才培养；教学体系

中图分类号：G640        文献标志码：A          文章编号：2096-000X（2023）14-0005-04

Abstract： New engineering is a novel talent cultivation paradigm proposed to meet the national socio-economic development strategy of China. According to the requirements raised by new engineering for Data Science and Big Data Technology major， important issues on the construction of Data Science and Big Data Technology are analyzed. Combining the construction experience from College of Computer Science and Technology， Chongqing University of Posts and Telecommunications， a new practice teaching scheme for Big Data Technology major within new engineering is also proposed， providing reference for the practice teaching of other emerging disciplines.

Keywords： new engineering; big data; practice teaching; talent cultivation; teaching system

当前，数据已经成为国家基础性战略资源，大数据对世界各国的经济运行、社会生活及国家治理都产生了深远的影响[1-2]。如何运用好大数据已经成为一个国家核心竞争力的重要体现，大数据技术也成为各国竞争的焦点。以大数据为标志的新一轮科技革命在社会经济生活各个方面都引起了深刻的產业变革。世界正在经历百年未有之大变局，各国都在努力抓住大数据科技变革的“机会窗口”，助力经济社会发展。近年来，“中国制造2025”“互联网+”等重大发展战略，以新技术、新业态和新产业为特征的新经济形态繁荣发展，从而要求工程与科技人才必须具备更高的创新和跨界整合能力。

为支持国家战略发展，教育部积极推进新工科建设，面向未来新兴产业和新经济需要，培养实践能力强、创新能力强和具备国际竞争力的高素质复合型新工科人才[3-4]。作为一个新兴的专业，数据科学与大数据技术专业的目标是培养多学科交叉融合、解决大数据产业新问题和引领大数据未来技术的大数据人才，与新工科建设高度契合。新工科建设要求着重培养学生的工程创新能力和适应变化的能力，强调人才培养要与产业发展相匹配。实践性强是数据科学与大数据技术专业与生俱来的重要特点，实践教学直接关系到学生的实践能力和创新意识的培养[5-9]。研究和探索适合大数据人才培养的实践教学体系成为新工科背景下大数据人才培养过程中的关键问题。

重庆邮电大学面向国家建设的重大战略及重庆市大数据智能化产业发展需求，推进“重庆市大数据智能化实验场所、人才高地、科技高地”重要战略部署。2018年3月重庆邮电大学计算机科学与技术学院设立了数据科学与大数据技术专业，确立了立足社会经济发展，面向信息行业，培养大数据领域高素质工程型专门人才的专业培养目标。实践教学是培养学生工程实践能力、创新能力的重要环节，同时也是新工科专业建设中不可或缺的重要组成部分。经过4年的建设，重庆邮电大学数据科学与大数据技术专业探索出了一条“产教协同、课赛一体”的实践教学新思路，在大数据实践能力和创新能力培养方面取得了优秀的成果，为大数据及其他新兴学科的实践教学提供了有价值的参考。

一  数据科学与大数据技术专业实践教学现状

数据科学与大数据技术专业面向产业培养具备大数据系统平台研发、大数据应用系统开发和大数据分析能力的创新型数据人才。大数据技术涉及计算机科学、统计学和数学等相关领域的深度融合，是一个典型的跨学科和领域的交叉学科。行业对大数据人才的要求不仅需要具备丰富的理论知识，还需要具备更强的实践能力。因此，实践教学是大数据人才培养体系中的重中之重。然而，数据科学与大数据技术专业作为一个新兴专业，再加上多学科交叉融合、面向产业需求和实践能力要求高的自身特点，大数据人才培养面临着以下几个方面的挑战。

（一）  实践教学与行业需求脱节

随着我国大数据产业布局的不断深化，大数据产业特色化集聚发展格局形成，大数据技术与经济社会各行各业深度融合，新模式、新业态不断涌现。大数据产业的发展需要数据科学与大数据技术专业立足社会经济发展，面向行业需求培养创新型大数据人才。传统的实践教学大多围绕理论课程中的知识开展，实践教学内容脱离生产实际，造成学生具备的实践能力与企业希望学生具备的实践能力相差甚远，毕业生很难满足行业的要求。

（二）  实践教学体系不够完善

大数据应用的生命周期从数据源到基础设施，再到模型和算法，每一个实践环节都需要实践教学的支持。当前大部分高校的实践教学体系都存在实践课程内容单一，实践课程之间相对独立，缺乏前后关联，不能形成完整的体系。

（三）  实践教学资源和平台不足

大数据是一个众多学科和领域交叉融合的新学科，所涉及的计算机科学、统计学和数学等学科本身就是一个复杂的学科系统。数据科学与大数据技术专业相关的知识不仅面广，而且难度高，需要从众多的学科中选择深度和广度合适的内容作为实践教学的课程内容。此外，大数据实践教学体系需要充足的计算资源的支持，技术的更新对计算资源的要求也在不断的变化中，需要及时更新硬件资源，以满足实践教学的需求。

（四）  實践教学手段缺乏创新

目前大数据实践教学大都遵循“先理论后实践”的模式，首先通过课堂教学强制灌输大量的理论知识，然后再通过上机实验进行实践教学。这种以知识灌输为特征的传统教学，学生被动接受，不利于发挥学生的主观能动性，难以激发学生的创新能力。

二  实践教学改革的内容和主要措施

针对数据科学与大数据技术专业建设面临的问题，重庆邮电大学数据科学与大数据技术技术专业从实践课程体系优化、实践教学模式创新、实践教学平台建设及实践教学管理和评价机制改革等方面入手，推进“全员育人、全程育人、全方位育人”的大数据工程实践教学改革，打造创新型实践教学体系。

（一）  构建全方位多维度的实践课程体系

结合重庆邮电大学“以工程技术为主线，着力提高学生的工程意识、工程素质和工程实战能力和培养造就一大批创新能力强、掌握先进技术和适应信息产业发展需要的卓越工程型专门人才”的人才培养总体定位，形成了“数据工程+程序设计+大数据应用系统设计与开发”实践课程体系，如图1所示。“程序设计”系列课程包括C语言程序设计、Python程序设计等，培养学生编程能力和计算思维。“数据工程”系列课程包括机器学习、深度学习、数据工程综合实践和自然语言处理综合实践等，培养学生使用算法、模型和工具解决数据分析问题的能力。“大数据应用系统设计与开发”系列课程包括大数据系统开发实践、云计算与大数据综合实践等，培养学生综合运用程序设计、数据工程方面的知识解决大数据平台和大数据应用系统开发方面的综合实践能力。通过第一课堂和第二课堂循序渐进地培养学生“程序设计”基础层次的实践能力、“数据工程+软件工程”拓展层次的实践能力和“专业应用”创新层次的实践能力。第一课堂以课内课堂教学为主，牢牢抓住程序设计能力这个基本点，专业实践课程贯穿大数据系统开发与数据工程两条主线，培养学生的大数据技术实践能力，以毕业实习、毕业设计等大型实习实训项目，全面考察学生大数据技术综合应用能力，培养学生解决复杂工程问题的能力。第二课堂以课外训练为主，打造 “CSA.云行”工作室课外计算机能力训练品牌项目。围绕“数据工程+程序设计+大数据应用系统设计与开发”主线，形成了涵盖程序设计、软件开发、数据工程和创业实践等领域的学科竞赛指导体系和课外训练体系。

（二）  实施立体化实践教学模式

实施产教协同、课赛一体的立体化实践教学，形成“课内教学+课外训练+学科竞赛”三位一体的实践教学模式，课内外协同，全方面、多维度强化学生工程能力培养。采用“网络集中授课、分组互动研讨、集中答辩考核”等方式开展训练，建成了专业教师技术负责、辅导员老师流程管控和研究生及高年级学长助教分组指导的运行管理机制，有效实施了企业项目驱动的朋辈学习、自主学习。上述课外训练项目直接对应课内工程实践课程体系，实现了对近80%实践课程的有效覆盖。通过将“CCF CSP”认证列入培养方案，将“大数据挑战赛”等竞赛成绩纳入 “数据工程”方向实践课程“多选一”考核范围等方式，结合课外工程能力训练的开展，实现了“课赛一体”教学模式的有效落地。对机器学习、深度学习这类知识面广、教学难度大的专业核心课程，采用先实践后理论的模式，通过实践教学让学生形成对算法理解的基本框架，然后再通过理论课程的学习加强对交叉学科知识的理解。将课程建设与“华为-重邮基座”产教融合协同育人平台深度融合，依托“智能基座”和华为昇腾智能计算平台，开展机器学习、深度学习综合实践等课程的建设和教学，企业导师深入实践教学课堂，对课程学习进行指导，对学业成绩进行评估，使专业实践课程的教学内容始终面向行业，保持专业实践能力的培养与大数据行业应用需求同步。建立了保障实践教学改革创新的“教学相长”长效机制。构建了保障实践教学、学科竞赛指导的职称评审制度和绩效激励制度和资源配置机制等系列制度鼓励教师和学生通过大学生科研训练计划、大学生创新创业项目等方式参与教学团队教师的科研项目，塑造了教学与科研并重的大学文化。持续投入实践教学，充分调动了全体教师的主动性、参与性，推动大数据工程实践教育得以切实高效开展。

（三）  加强大数据实践平台建设

大数据实践课程涉及的教学资源包括课程教学的软件资源和硬件资源。软件资源包括课件、实践案例和教学视频等，为使大数据实践课程面向行业需求、立足前沿技术，必须对课程资源进行及时更新。此外，大数据实践课程需要充足的计算资源的支持，技术的更新对计算资源的要求也在不断的变化中，需要及时更新硬件资源，以满足课程教学的需求。针对大数据实践教学中存在的缺乏教学资源的问题，结合专业培养目标，对机器学习基础实践、深度学习综合实践、数据工程综合实践、自然语言处理综合实践和大数据系统开发实践等课程，自主开发了相应的实践教学资源，建成大数据实践教学资源库，课程负责人和任课教师可以把自己在科研实践中的新技术、新型实践案例及产教融合协同育人企业的优秀行业案例集成到课程资源库中，形成对实践课程资源的实时更新和维护，保持实践教学内容与行业同步。建成了“大数据智能化在线学习平台”和“计算机视觉与深度学习综合实践平台”，并全天候面向学生开放，学生不仅可以在这些平台上随时随地开展机器学习、深度学习等专业课程的学习，还可以通过完成教师在平台上实时设置的实践项目，不断提升专业实践能力。专业建有计算机系统实验室、数据科学与大数据技术实验室及创新实验室等10余个校内实践基地，实验设备、设施总值近1 000万元，实验室可使用面积达1 000多平方米，能够为学生的实习实践提供良好的条件。此外，与腾讯、字节跳动和电信等企业建有8个校外实践教学基地，让学生在企业实习、感受职业环境和体会行业中了解行业对大数据人才的要求。

（四）  完善实践教学评价机制

建立了保障实践教学改革创新的“教学相长”长效机制。构建了保障实践教学和学科竞赛指导的职称评审制度、绩效激励制度与资源配置机制等系列制度，凸显本科教学基础地位，塑造了教学与科研并重的大学文化。持续投入实践教学，充分调动了全体教师的主动性、参与性，推动计算机工程实践教育得以切实高效开展。推行实践教学全过程学业评价，交流效果、线上测评、实验报告和技术答辩等多维度考核手段并重。针对课程中各实验项目独立制定查重扣分标准和查重代码库，全面引入Moss系统进行实验项目代码查重；在“数据工程”方向实践课程群全面引入阿里云天池、DataFountain等国内权威大数据竞赛平台线上测评体系，实现了对学生实践课程学习效果的客观指标评价，从评价体系上保障了“课赛一体”实践教学的全面开展。

三  实践教学成效

重庆邮电大学数据科学与大数据技术专业开展面向新工科的大数据工程人才培养探索，实施“三全育人”的工程实践教学改革，造就了一批创新能力强、掌握先进技术和适应成渝地区双城经济圈信息产业发展需要的大数据工程人才。学生参与“数据工程+程序设计+大数据应用系统设计与开发”领域创新创业实践活动，历年来学科竞赛获奖236项（86项国家奖）。在代表国内高校最高水平的大数据算法竞赛“中国高校计算机大赛-大数据挑战赛”中获得冠军2次（蝉联2019年、2020年冠军）、季军1次，在国内大数据与人工智能领域最具影响力的赛事CCF大数据与计算智能大赛中获得冠军3次、亚军3次，累计获得15项大数据竞赛全国冠军。

四  结束语

针对数据科学与大数据技术这一新兴专业，分析了新工科背景下数据科学与大数据技术专业实践教学面临的挑战，结合重庆邮电大学在数据科学与大数据技术专业建设的经验，从构建“数据工程+程序设计+大数据应用系统设计与开发”为主线的全方位多维度实践课程体系，实施产教协同、课赛一体的立体化实践教学新模式，完善全过程多维度考核并重的实践教学评价机制等方面探索了数据科学与大数据技术专业实践教学的新思路。

参考文献：

[1] 宁家骏.积极促进大数据产业发展推动我国从数据大国走向数据强国[J].世界电信，2014（Z1）：44-48.

[2] 王建民.大数据战略：从数据大国到数据强国[J].科技导报，2020（3）：34-34.

[3] 吴爱华，侯永峰，杨秋波，等.加快发展和建设新工科 主动适应和引领新经济[J].高等工程教育研究，2017（1）：1-9.

[4] 胡波，冯辉，韩伟力，等.加快新工科建设，推进工程教育改革创新——“综合性高校工程教育发展战略研讨会”综述[J].复旦教育论坛，2017（2）：20-28.

[5] 魏凌华，徐成振，胡国亮.数据科学与大数据技术专业实践教学体系研究[J].淮北师范大学学报：自然科学版，2021，42（4）：83-87.

[6] 石兵，熊盛武，饶文碧，等.数据科学与大数据技术专业建设研究与实践[J].计算机教育，2021（4）：88-92.

[7] 张学新.大数据工程教育的探索[J].高教學刊，2019（12）：76-77，81.

[8] 杨彩云，方建文，周小龙，等.产教融合视角下的工程实践教育质量提升——以地方应用型高校的数据科学与大数据技术专业为例[J].高教学刊，2021，7（31）：69-72，77.

[9] 吴启明，尹兰兰，林芳.地方应用型本科院校人才培养质量保障体系的构建——以数据科学与大数据专业为例[J].高教学刊，2020（26）：146-149.

基金项目：重庆市高等教育教学改革研究项目“基于ModelArts平台的大数据实践课程教学改革研究”（213156）

第一作者简介：孙开伟（1987-），男，汉族，重庆人，博士，副教授。研究方向为机器学习、人工智能、大数据分析。

*通信作者：邓欣（1984-），男，汉族，重庆人，博士，副教授。研究方向为脑机接口、大数据分析。