“双一流”学科建设背景下“大数据导论”课程探讨*——以河南农业大学“农业工程”学科为例

吴俊锋 ，吴 昂 ，张 浩 ，左杏璇 ，朱娟花 ，胡建东

（河南农业大学机电工程学院，河南 郑州 450002）

0 引言

当前世界范围内新一轮科技革命和产业变革加速进行，人工智能、大数据、物联网等新技术、新应用、新业态方兴未艾，我国经济发展进入新常态，高等教育发展步入新阶段[1]。2022 年，教育部、财政部、国家发展改革委联合发布《关于深入推进世界一流大学和一流学科建设的若干意见》，明确指出高等院校要加强应用学科与行业产业、区域发展的对接联动，推动高校更新学科知识，丰富学科内涵。《河南省“十四五”教育事业发展规划》指出，加快推进包括河南农业大学在内的多所高校和多个学科，对标一流，带动高校综合实力显著提升，服务国家重大战略需求和河南经济社会发展。河南农业大学也确立了学校“十四五”发展规划和2035 远景目标，形成“聚焦农、小综合、大特色、创一流”的办学思路[2]，以一流学科建设为牵引，构建以农科为优势特色、多学科协调发展的学科生态体系。因此，从国家到地方再到高等院校都在积极布局建设“双一流”学科[3]。

在“双一流”学科建设背景下，陈伟斌[4]提出加快新兴交叉学科布局，不断催生新知识、新技术、新产业，培养新一代复合型人才。刘国瑜等[5]提出为进一步加强优势学科建设，农业高校应及时改造提升传统学科，调整优化学科布局，创新学科组织模式，提升学科知识生产能力。张坤[6]认为学科建设的微观实践就是院系的发展问题，学科建设的宏观设计就是大学的发展问题，学科建设的本质就是大学治理与学院治理的统一。路朝阳等[7]提出“四年制科创法”教学模式，将科学研究、创新竞赛与教学活动进行了有机融合，转变了传统教学的单一课堂教学模式。黄锁明等[8]提出新工科课程思政教学应以全局思维确立课程思政目标，以引申转化融通课程思政内容，以多重维度挖掘课程思政资源，以量身定制设计思政授课方式。可见，在“双一流”学科建设背景下，高等院校在教育教学、学院管理以及课程思政等方面正在不断进行尝试和探索。

随着信息技术的发展，数据分析已经成为各行各业中不可或缺的一环，大数据分析已经成为很多行业和企业中的核心竞争力[9]。习近平总书记指出，建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新。因此，高等院校要建设“双一流”学科，学校培养的学生必须具有核心竞争力，这就要求高等院校应紧跟时代潮流，培养具有大数据思维的人才[10-12]。因此，大数据相关课程的开设和教学方法的改进变得尤为重要。

本研究以“农业工程”学科为例，从“农业工程”学科布局、大数据课程内容特点、大数据对“农业工程”学科的支撑、大数据课程的教育教学方法和环节以及目前教学存在的问题和改进措施等方面进行分析和探讨，为一流学科建设提供大数据思维。

1 “农业工程”学科布局

河南农业大学“农业工程”学科为一级博士、硕士学术学位授权点，具有能源动力、交通运输、机械、电子信息4 个工程硕士专业学位授权点，同时拥有农业机械系、能源工程系、交通工程系、机械工程系、电气工程系，设有电子信息工程、农业机械化及其自动化、农业智能装备工程、农业建筑环境与能源工程、交通运输、汽车服务工程、机械设计制造及其自动化等9 个本科专业，如图1 所示。在农产品质量安全监测、农田环境监测、农业机械智能化、农业生产管理、农产品物流系统等领域形成鲜明特色，这些学科均需要数据科学支撑。

图1 河南农业大学“农业工程”学科布局图

2 “大数据导论”课程介绍

“大数据导论”课程是河南农业大学“农业工程”学科9 个专业的基础课，32 个学时，主要以理论教学为主，旨在使学生掌握大数据思维、分析方法、数据挖掘方法以及可视化技术等。“大数据导论”课程主要内容以及架构层次如图2所示。

图2 “大数据导论”课程主要内容和架构层次图

1）数据采集与治理：该部分内容为大数据的基础，介绍大数据来源、采集方式、集成及预处理技术等。

2）数据管理：介绍关系型数据库、分布式文件系统以及新型数据管理和查询系统，如NoSQL 数据库、Hadoop 等。

3）数据分析：该部分内容是本门课程的重点，介绍数据统计学、机器学习、数据挖掘、图数据以及自然语言数据分析，可以帮助学生从海量数据中提取有用信息，并发现数据中的模式和规律。

4）数据可视化：该部分内容可以根据专业需要决定是否讲授，介绍数据可视化技术、高扩展可视化技术、可视化案例以及工具和软件。

5）数据安全：该部分内容为可选择性讲授，为从事大数据分析行业人员必备技能，介绍数据安全涉及领域、数据安全相关技术以及数据生命周期安全的防护体系，如数据加密和解密、身份认证、数据交互等。

6）大数据应用：该部分是不可或缺的，让学生对本门课程有具象化的认识，应以专业为参照来介绍农业、城市交通、工业和教育等领域的大数据应用。

7）大数据处理平台：该部分内容是大数据分析的底层硬件支持，能够让学生了解到大数据分析的流程，但不是必须讲授部分。介绍大数据出库平台架构、批量大数据、流式大数据以及大规模图数据计算，如Hive、Pig、MongoDB等。

3 “大数据导论”课程对“农业工程”学科的支撑

“大数据导论”课程中有大量的案例分析，如农业大数据、网络大数据、城市大数据、工业大数据、教育大数据等。这些案例是数据采集、数据清洗、数据处理、数据分析和数据可视化等操作流程和策略的集中体现。本门课程有助于“农业工程”学科的专业人员对农产品的质量与安全、农田的环境、农业机械运行状况、农业生产管理等诸多方面进行监测或分析。通过本课程的学习，学生能够学会如何应用数据分析技术来解决农业生产中的实际问题。因此，“大数据导论”课程辅助创建“双一流”“农业工程”学科需要深入掌握相关技术，将其应用到“农业工程”学科的多个领域中，从而提高学科的发展水平和国际竞争力。“大数据导论”课程对“农业工程”学科的支撑如图3所示。

图3 “大数据导论”课程对“农业工程”学科的支撑架构图

1）数据预处理技术：在农业生产中，涉及大量的数据采集、传输和处理，如土壤质量、气象数据、农作物品种、地理位置和生长周期等。“大数据导论”课程中的数据预处理技术可以帮助“农业工程”学科相关专业的学生掌握对这些数据进行清洗、筛选、转换的方法，从而为后续的数据分析提供高质量的数据基础。对于农业传感器采集的气象、土壤温湿度、土壤类型、降水量等数据，需要清洗、去噪、校正、插值以及标准化等预处理。对于农业遥感数据，如无人机拍摄和卫星图像需要除云、大气校正等预处理。对于农作物生长数据，如生长阶段或周期、生长速率、叶个数等，需要平滑、插值以及异常值剔除等预处理。

2）数据分析方法：“大数据导论”课程中涉及大量的数据分析方法，如聚类、分类、回归、关联规则等。这些方法可以被应用到农业生产中，如通过分析土壤、气候、降雨等数据，对农作物进行生长周期预测，优化种植方案，从而提高农田的生产效率和品质，保障农业可持续发展。对于农业机械化及其自动化或者农业智能装备专业的学生，可以通过分析农业机械的使用效率、能耗等数据，优化农业机械的使用方式，提高农业机械的生产效率并降低成本。对于交通运输专业的学生，可以通过分析农产品的生产、销售、库存等数据，优化农业生产过程，提高生产效率并降低成本。对于电子信息工程专业的学生可以基于传感器技术，通过分析农产品生长周期、地理位置、生长环境等数据，预测农产品的生产状况以及可能出现的问题，提高农产品的质量与安全保障水平。

3）大数据存储和处理技术：在农业生产中，涉及大量的数据存储和处理，如传感器数据、监测数据、图像数据等。“大数据导论”课程中涉及了大数据存储和处理的技术，如Hadoop、Spark 等，这些技术可以帮助“农业工程”学科相关专业的学生掌握存储和处理农业生产中的大数据的方法。

4）数据可视化技术：“大数据导论”课程中涉及了数据可视化技术，如图表、地图、可视化工具等。这些技术可以帮助“农业工程”学科交通运输专业的学生掌握将农业生产中的数据可视化的方法，比如农产品物流线路和物流点布置可视化。另外，还有助于电子信息工程专业学生将传感器监测的种植大棚内温度、湿度、CO2浓度、光照强度等参数数据可视化，从而更好地展示农业生产的数据分析结果，助力农业健康可持续发展。

4 “大数据导论”课程的教育教学方法和环节

“大数据导论”课程教学环节包括讲授和课程论文。在讲授环节要注重课堂互动，让学生参与到课程中来，积极提问和讨论，培养学生的思维能力和创新能力。课程论文要有设计性，重点考查论文格式、逻辑、思路以及创新性，让学生深入研究大数据的某个方面或者应用领域，提高学生的综合运用能力和研究能力。为了达到一定的教学效果，需要采用一些教育教学方法，如图4所示。

图4 “大数据导论”课程的教育教学方法

“大数据导论”课程的教育教学方法具体如下：

1）翻转课堂：对于非计算机专业学生来说，传统授课模式无法激发学生学习兴趣和动力。“大数据导论”课程授课可以采用翻转课堂的方式，让学生在课堂外先学习相关知识，然后在课堂上进行实践操作和讨论。这样可以更好地发挥学生的主动性和创造性，提高学生的学习兴趣和学习效果。同时，教师也能更好地了解学生的学习情况和学习进度，为教师提供更精准的教学指导和帮助。

2）项目驱动：大数据分析相关技术和方法偏向数学和计算机，如果没有一个具象化的环节，学生无法扎实掌握相关知识点并应用到生产实践中。项目驱动是一种让学生通过实际项目来学习相关知识和技能的方法。“大数据导论”课程可以采用项目驱动的方式，让学生在实际项目中应用所学知识和技能，以提高学习效果和实际应用能力。教师可以结合自己承担的科研项目，让学生负责一些实验数据的分析和处理工作，并结合大数据分析方法和手段，总结实验规律。

3）实践操作：“大数据导论”课程需要注重实践操作的设计和实施，以提高学生的操作技能和应用能力。教师可以带领学生参加大学生竞赛，给学生拟定一个方向或题目，让本门课程学生进行建模和分析。比如，全国大学生大数据分析技术技能大赛，根据给定的大数据集，进行数据预处理、分析和建模，得出有用的信息和结论；数据可视化竞赛，根据给定的数据，设计并实现一个数据可视化工具或应用；大数据应用创新大赛，开发一个基于大数据技术的应用，如公安人口监测系统、税务局信息系统、人社局社会保险缴纳系统等；全国人工智能大赛，利用给定数据集，开发一个人工智能应用，如无线地图通信、智能交通、智能视频质量评价等。这些竞赛题目既考验学生的理论知识和技术能力，又锻炼学生的实践和创新能力，对于本门课程的教学效果具有明显的提升作用。

4）课程思政：“大数据导论”课程中有非常多的方面可以引入思政元素，比如中国超级计算机“天河一号”、中国“天眼”等，这些“大国重器”代表着中国科技处于世界领先水平。超级计算机代表着大数据的算力，“天眼”代表着宇宙大数据来源。“大数据导论”课程中向学生传达这些内容，能够增加学生的民族自豪感和自信，引导学生树立正确的世界观、人生观和价值观，激发学生的爱国主义情怀，提高学生的思想政治素质和综合素质。

5 “大数据导论”课程教学中存在的问题和改进措施

“大数据导论”课程在教学中存在的问题，如图5所示。

图5 “大数据导论”课程教学存在的问题

1）缺乏实际应用的内容和实践操作，导致学生在学习过程中缺乏实际应用的体验和能力。需要教师在课程开始前做好实践教学设计，关注大学生竞赛。另外，通过与具有科研项目的老师密切沟通，了解他们的需求，介绍学生跟他们做些项目中的数据分析和数据挖掘工作，让学生在学习过程中获得实际应用的体验和能力。

2）缺乏与其他学科的交叉融合，导致学生在学习过程中缺乏对应用领域的深入理解和应用能力。需要从学院的层面来进行干预。农业工程一级学科下的每一个学科方向带头人负责整理和汇报本学科方向对大数据相关知识的需求和联系。这样，“大数据导论”课程教师才可以有的放矢地进行课程教学，以最大程度满足学科需求，避免资源浪费，做到有目的培养，让学生在学习过程中获得对所在应用领域的深入理解和应用能力。

3）缺乏教学内容和方式的创新，导致学生在学习过程中缺乏学习兴趣和实际应用能力。“大数据导论”课程教师应创新教学模式，组织学生参观国家超级计算机中心，如郑州中心、天津中心等。通过带领学生实地考察，提升学生对于大数据底层算力架构的感性认识，提高学生的学习兴趣和实际应用能力。教师也可以利用现有条件，带领学生到虚拟仿真实验室学习可视化技术，通过将城市交通等信息以虚拟仿真的形式直观地呈现出来，达到教学效果翻倍的目的。

6 结语

“大数据导论”是一门非常重要的课程，对于培养具有创新能力和适应性的人才具有重要意义。因此，在“双一流”学科争相创建的背景下，大数据相关课程的开设和教学方法的改进变得尤为重要。本研究以“农业工程”一级学科建设为例，介绍了其包含的各学科方向和特点，通过剖析“大数据导论”课程主要内容、与其他学科的交叉应用，总结了本课程的教育教学方法和环节。通过进一步分析目前“大数据导论”课程教学中存在的一些问题，总结了教学改进措施。以期为大数据相关课程的教学和实践提供一定的参考和借鉴，助力高等院校相关学科具备“大数据”特色，进一步迈向国家“双一流”行列。