新工科专业校企合作模式研究——以数据科学与大数据技术专业为例

陶 袁,陈庆新

(1.吉林师范大学博达学院 数学学院,吉林 四平 136000;2.吉林师范大学 数学与计算机学院,吉林 四平 136000;3.北京华育兴业科技有限公司 哈尔滨分公司,黑龙江 哈尔滨 150008)

教育部2017年发布《教育部办公厅关于推荐新工科研究与实践项目的通知》(教高部函〔2017〕33号)[1],在教育部相关文件的指引下,部分大学在原有专业的基础上开设相近的新工科专业,为进一步提高新工科专业毕业生实践能力,实现新工科专业学生高水平就业。为提高新工科专业办学质量,很多学者进行相关研究,其中张磊等[2]提出在计算机教学过程把项目教学融入课程教学,从提高学生参与课堂教学方面进行有意义的探索;王力纲等[3]提出构建“校、企、政、协”校外实践育人机制探索,为新工科背景下培养满足行业和产业需求的人才进行有意义的探索;米洁等[4]提出构建校内外协同的多学科交叉融合的、有企业参与的“大实践平台”,实现多层次、模块化工程教育体系及组织模式;柯婷等[5]提出现代产业学院人才培养体系,这种体系的实践路径是强化产业链与人才链的深度融合,实现多元主体的合作育人机制,以产业应用实践能力培养为目标推动教学资源优化配置,多方资源共享共生为主线,共建协同育人平台,达到提高新工科专业人才培养质量的目的。所以通过校企合作方式,使企业参与新工科专业的实习实训环节已经成为部分新工科专业学生培养的重要环节,但从实际来看,不同学校对企业参与校企合作的做法有很大的差别,同时需要合作双方共同考虑自身的实际有选择地进行。本论文研究旨在通盘考虑,为学校选择参与校企合作的模式进行探究。

1 专业现状

2015年教育部批准北京大学、对外经贸大学和中南大学设立数据科学与大数据技术专业,以后陆续有大学获批设立数据科学与大数据技术本科专业,从学生培养周期看,数据科学与大数据技术硕士生毕业在2025年前后,加之近几年企业对这方面人才需求的增加,数据科学与大数据技术专业人才在近十年仍会供不应求,高校作为数据科学与大数据技术专业人才培养的主战场,专业化的师资队伍是必不可少的,但受过数据科学与大数据技术专业培养的专业教师却少的可怜。从实验角度看,受软、硬件基础条件和地方政府支持力度的影响,不同学校对实验课程能提供的实践平台有很大差别,按现有条件看,有些学校的实验平台可能无法达到大数据量级要求,受硬件条件限制甚至有些实验课程都无法开设,为此很多学校与企业开展校企合作,即企业开发大数据平台,平台运行在企业服务器上,学生在企业提供的大数据平台上进行课程实验或实训,从而保证学生的培养质量。

高校无论从师资队伍建设、还是从软、硬件基础设施建设方面,数据科学与大数据技术专业的人才培养还处于探索阶段,大数据企业从自身工作性质出发,具有大数据相关的数据资源和硬件资源,同时大数据企业具有优秀的大数据开发经验的软件工程师,从师资教学和实习、实训角度让大数据企业参与到数据科学与大数据技术专业的人才培养过程对高校的专业人才培养起重要的推动作用。

2 参与校企合作的大数据企业现状

目前数据科学与大数据技术专业设置没有统一的国家标准,以及受限于企业师资队伍、企业开发团队研发水平和资金规模的限制,这会出现大数据企业的讲师水平参差不齐,同时企业大数据平台供学生实验或实训案例不完善等问题,具体包括以下几个方面:

2.1 实验平台提供的课程门类和实训行业案例数目具有不确定性

目前限于数据科学与大数据技术专业开设初期,国家和各高校没有统一的课程质量标准,大数据企业只拥有与本企业相关的行业案例,而且有些行业案例数据可能会涉及商业机密,所以有些数据无法及时公开,导致提供的实验课程门类具有不确定性;在实训平台上能提供的行业案例数也只受限于部分行业的相关数据,所以实训平台提供行业案例数具有不确定性。

2.2 实训平台每门课程设置的实验知识点具有不确定性

为了节省资金、提高硬件服务器资源的利用率,数据科学与大数据技术实训平台运行需要云服务提供支撑,而每门课程不同的实验知识点需要的虚拟化资源有差别,在硬件资源一定的情况下,每门课程实验知识点需要的虚拟化资源量决定了当前平台能支撑学生进行本门课程实验的最大并发用户数量,校企合作企业在保证有较好用户体验的前提下,为了实现更多的学生能使用平台完成实验从而实现企业利润最大化,企业可能只会选择课程中使用尽可能少虚拟化资源的实验知识点提供给学生,所以带来不同企业实习、实训平台上课程设置的实验知识点具有不确定性的问题。

2.3 大数据企业师资水平不确定

企业教师多数来源于具有多年项目经验的开发人员,这些教师具有丰富的项目实战经验,但这些教师综合知识可能不扎实或不系统,比如这些企业教师多数本科专业为理工科专业,因此这些教师的教育学和心理学理论知识欠缺,所以这些教师在任课的过程中不能结合教育学和心理学相关理论组织教学,会出现任课教师在组织教学的过程中违背教育规律,导致教学效果不好等之类的问题;或者企业教师本科专业为非计算机专业,会出现这些教师的计算机相关知识不扎实、不系统等问题。

3 学校选择校企合作的模式

不同学校根据本校的数据科学与大数据技术专业的培养目标选择适合的企业参与校企合作,具体包括选择师资或实训平台两个方面。

3.1 选择不同企业讲师参与专业课授课

企业技术人员具有丰富的项目经验,对本领域的知识点掌握较深,受限于不同企业从事的行业差别,学校可以根据专业需求聘请不同企业的技术人员参与本专业部分课程的授课活动,为保证聘请的企业讲师符合学校任课教师的基本要求,需要企业讲师有不少于三年的相关课程的授课经历,同时具有本专业相关的基础课程相关知识,具体课程如表1所示。

表1 企业讲师掌握计算机课程列表

3.2 与多企业开展课程实验和实训合作

大数据平台为云平台,学生通过网络登录云平台进行相应的实验,为学校自由选择平台资源提供了可能。对实训的案例选择,学校可以根据专业的培养目标确定选择具体的实训案例,为了保证学生学到更多应用,学校可以跟多个企业进行校企合作,从而解决与一个企业合作行业案例单一的问题;对于课程实验,由于不同的课程实验知识点需要的虚拟化资源差别很大,很多企业为了节省硬件成本,可能只提供使用虚拟化资源较少的知识点,为保证专业人才的培养质量,从学生需掌握的实验知识点角度选择企业的课程实验是十分必要的,学校选择不同企业的课程实验可以根据课程实验大纲中不同知识点使用的虚拟化资源综合打分评价。

(1)量化不同知识点使用虚拟化资源。表2以本校数据科学与大数据技术专业必修课分布式计算框架(Spark)课程为例进行说明,表中列出实验课需要设计的实验内容、实验知识点以及每个知识点设置的学时数,为更好对平台虚拟化资源的使用情况进行描述,表2中对每个实验内容运行的虚拟化资源使用情况进行打分:根据实验使用平均资源数(如网卡、CPU、内存或硬盘等)确定基础为5分,任何一个资源(比如网卡、CPU、内存或硬盘等)消耗增加1倍需在基础分基础上加1分。

表2 分布式计算框架(Spark)实验知识点及占用虚拟化资源情况表

以表2序号8的实验为例,如果一个用户登录,进行Spark环境搭建(集群),需要硬件资源至少需要3个网卡、3个CPU核心、6G内存空间、60G硬盘空间,如果当前有1000个用户同时登录,则需要的硬件资源是当前一个用户所需资源的1000倍,尽管可以通过相应的优化机制减少硬件资源的使用比例,为了保证实验效果,这种优化是有限的。通过计算得出:当实验学生数达到一定量,资源的消耗是惊人的。

(2)量化实验及实训得分。根据表2中不同知识点的虚拟化资源使用情况打分求和,得出所有企业参与校企合作后能提供给高校的数据科学与大数据技术专业实验平台的直接累加得分,该实际得分与大纲要求总分相除得出企业实验平台的量化得分。

此外,针对企业在大数据平台上提供实训项目案例,可以根据平台提供的案例行业类别数和项目案例总数综合计算得分,为体现课程实验内容的重要性,要求项目实训得分不能超过一定的分数,最终可以把得到的项目实训得分折合成一定的量化得分。

以上两个得分可以分别作为学校选择校企合作企业的重要参考依据。

4 结 语

以数据科学与大数据技术专业为例,给出跨企业开展校企合作的合作模式和具体措施,合作模式包括共享企业讲师和共享企业实习、实训平台两种模式,为学校更好选择企业实习和实训平台,给出全面评价不同企业提供课程实验资源和项目案例资源的评价方法,进而为学校在多个校企合作企业中正确选择企业提供依据,并为学校的专业建设提供选择保障。