高职院校大数据专业“课堂革命”探索与实践

李彬雅

（闽江师范高等专科学校数字信息工程学院，福建 福州 350018）

1 引言

随着我国大力发展数字经济，推进数字中国建设，国内的金融、政务、电信、物流等行业中大数据行业应用的价值不断凸显，大数据产业发展迎来了高速发展期[1,2]；同时，也对大数据人才的专业实训技能提出了更高的要求。Spark编程是构建大数据分析和处理平台的核心技术，它涉及流/批式数据的快速计算和分析，对大数据综合应用起着承上启下的作用。Spark 编程技术是大数据专业的核心课程，也是高职院校针对大数据行业需求开设的一门实训课程，采用实践为主理论为辅的教学模式。实训课程不仅训练学生的专业技能，更是培养学生具备良好的职业道德、素养、操守及团队合作精神。“课堂革命”是从新时代需求出发，对课堂教学所做的重大深刻革新与创新，是提高课堂教学和人才培养质量的重要手段与途径[3]。华为ICT 学院是以华为技术有限公司主导，为打造信息通信技术（Information Communications Technology，ICT）人才产业链，推动ICT 领域技术的持续发展，满足产业链对人才的需求而设立的校企合作项目[4]。本文首先分析了目前高职院校课堂中存在的不足，然后阐明了Spark编程技术的“课堂革命”探究与实践，最后论述了“课堂革命”所取得的成效。以培养应用型人才为目标，依托于华为ICT学院，构建将生产、教学、科研、创业和技能竞赛紧密结合（产学研创赛）五位一体的校内实训环境，取得了良好效果。

2 课堂存在的问题

2.1 实训体系设置滞后

Spark 编程技术是一门实践性较强的课程，需要在一定的理论指导下，通过项目实训引导，使学生掌握实践技能、锻炼实践能力、提高综合素质。因此，课程实训体系设置的合理性对学生能否胜任企业岗位影响很大。现有课程实训体系包含技能实训和专周实训，但是存在实训课程设置较为单一和项目化实训机会较少的通病[5]。同时，随着大数据技术的不断更新，行业岗位和专业技能赛项要求不断变化，现有实训体系无法及时满足企业岗位和技能赛项的要求，实训体系设置存在滞后性，缺乏前沿性的实训课程[6]。

2.2 课程资源不合理

传统教材章节编排与知识点分布较为不合理，较少与实际项目案例开发相结合的内容，不利于引导学生入门，无法激发学生学以致用、以用促学的兴趣[7]。而且，传统的教学方法依照教材或课件编排依次先理论后实践来授课，仍采用以掌握理论知识为主、实践操作为辅的模式[6]。Spark编程技术理论涉及的类、对象、单例模式等内容较为抽象，给学生造成了该课程很枯燥和难理解的第一印象，大概率会出现“好难懂”“学不会”“学不好”等消极的学习心态，课堂学习效率低，且存在因课程进步跟不上而放弃学习的情况，造成学生的理论知识不扎实，后续项目实践章节教学难以顺利推行，课堂教学质量降低，难以实现该课程的教学目标和效果[8]。

2.3 教学模式有待更新

Spark 编程技术课程依赖于Hadoop、Hive、Mysql 等众多专业技能，而且Spark 编程也是面向实际工程问题而衍生出来的技术。伴随着大数据应用场景的增加，Spark 编程技术的难度也随之不断提高。该课程的教学模式应当在理论知识学习和实践操作中交叉实施，不能像传统课程一样将理论和实践知识点硬性拆分。在Spark编程技术这类技术更新迭代快的课程教学过程中，对教师的专业综合能力要求较高，传统的一师一课的教学模式已经难以满足需求，校内教师难以在较短的时间深入掌握新型技术的原理及应用，教案设计和情节编排无法全盘考虑知识点的难易程度，教学重心难以把握，教师学习成本较大，能力培养不足[9,10]。

3 “课堂革命”探究与实践

3.1 课程介绍

Spark编程技术是为大数据技术和人工智能技术等相关专业学生开设的课程。Spark弥补了MapReduce计算模型处理数据延迟较高，不能满足实时和快速计算的缺陷[11]。Spark 的中间输出结果可以保存在内存中，从而大大减少了读写HDFS 的次数，因此Spark 能更好地适用于数据挖掘与机器学习中需要迭代的算法。目前，Spark 在企业中的运用越来越广泛，学习Spark 分布式计算框架已经是进入大数据行业所必不可少的一步。通过Spark 编程技术课程的学习，使学生对Spark 分布式计算框架有一个全面的理解。课程主要包括Spark 基本原理与架构、集群安装配置、Scala 与Spark编程、Spark代表组件和完整项目案例等内容。其涉及的理论知识点从简到繁，实践操作性强。该课程可以培养学生科学的思维方法、灵活运用知识的能力和实验操作能力，使学生在大数据领域具有较强的发现问题、分析问题和解决问题的能力。

3.2 “课堂革命”探究

大数据专业是近年来高职院校新开设的专业。目前，高职院校普遍拥有的大数据技术专业技能教师较少，专业能力较为薄弱，课程人才培养方案、课程设置、教材选型等都是在不断地向本科院校学习和探索[12]。围绕着提高人才培养质量，高职院校的大数据专业必须深化“课堂革命”。课堂教学作为教育教学的重要环节，对于职业教育的变革起着至关重要的作用。

高职院校的大数据专业“课堂革命”必须优化师资队伍建设，有针对性地引进高层次和丰富产业经验的专业技术人才，提高师资队伍的整体水平。此外，提倡教研相长、科研反哺教学，引导现有师资队伍深入到校企合作和顶岗学习中，拓宽交流渠道和掌握行业前沿技术。“课堂革命”还需要对接技术产业需求，紧跟前沿发展趋势，优化调整课程体系和培养方案，制定更有针对性的特色实训体系，充分借鉴优秀教学内容，明确课程定位，完善专业课程目标、课程体系、课程内容等。针对目前课堂存在的问题，本文提出以下改革措施：

（1）“一课双师”项目化教学

依托华为ICT 学院“产学研创赛”五位一体的校内实训环境，实施线上线下、“一课双师”的项目化教学。通过“一课双师”的教学模式，以实践为主、理论知识贯穿项目实践的方式进行教学，提升学生的课堂学习效率和自觉性。

（2）“课证赛”融通

以全国职业技能大赛和省职业技能大赛为契机，引入大数据专业认证（如HCIA、HCIP、HCIE 等）和华为ICT 竞赛等内容，将赛项和认证内容融合至课堂，实现“课证赛”过程、能力、资源的融合[13]。

图1 “课证赛”融通

（3）重构实训课程体系

通过市场调研，针对大数据相关企业对高职大数据基础层次人才的需求，以岗位能力培养为核心，重构实训课程体系，拆分项目技能实训，引入岗前实训和企业实训，层层递进增加学生的技能水平，提升其实践能力[14,15]。

3.3 “课堂革命”实践

3.3.1 “一课双师”项目化教学

以Spark 编程技术课程中的“设置数据分区”知识点为例，该知识点内容设置为1 个学时，涉及numPartitions、get-Partition、equal三个方法的使用。课程安排见表1。

表1 课程教学安排

由于Spark课程编程所涉及的Scala编程语言为新内容，要求学生课前必须掌握。因此课前采用超星学习通通知学生登录华为ICT 课程系统学习Spark 编程技术中采用Scala编程编写的“设置分区”的课程理论知识及实训内容，同时在虚拟仿真平台上传课前小案例，要求学生在课前自主学习并完成小案例。

图2 重构实训课程体系

课程教学中采用“一课双师”方案，由校内教师和企业教师共同完成，实现校内教师和企业教师的优势互补。在课程教学过程中，校内教师可通过基于“计算竞赛网站每月的访问量”等小型案例进行课程引入，讲述数据读取、分割处理，以及数据分区存储目标、背景、基础知识等内容。课堂中涉及的数据分区代码编程及实训以企业教师为主负责指导，校内教师同步进行辅助讲解，包括课堂实践问题设置及解答。引入实际企业项目案例模块进行分组课堂实训，以项目答辩的方式激励学生积极主动完成，提升学生举一反三的实践能力。课程教学后，由企业教师协作校内教师编排课后练习材料，录制知识讲解视频并上传至实训平台供学生巩固相关知识点。

3.3.2 “课证赛”融通

以Spark 编程技术中“Spark MLib 算法库”章节授课为例：

（1）过程融合：将技能竞赛任务书中“模块E：数据挖掘”模块作为授课内容，在大数据虚拟仿真平台上设置历年赛项项目实验，将实验部分引入教学中。同时引导师生参加华为大数据HCIA 认证培训，培训内容包含Spark 基于内存的分布式计算，让师生熟悉Spark 架构及数据工作流程并考取大数据专业技能认证，初识Spark Mlib 算法库关联知识，在师生培训过程中教师根据学生表现精准选拔优秀学生组队参加华为ICT大赛，师生共训，提升师生理论知识和动手能力，也为省职业技能大赛师生共赛做准备。

（2）能力融合：教师团队根据对各章节模块的了解情况对学生进行交叉教学和指导，结合各位教师的擅长知识点和优势，如部分教师擅长机器学习理论教学，部分教师擅长于k-means 实践教学等，团队教师可分别将擅长的模块教授给学生，通过指导学生实践和竞赛，不仅提升了学生的综合创新能力，也促进了教师自身教学方法的改革、个人能力素质的提升，达到了“以证促学，以赛促教，教学相长”的效果。

（3）资源融合：共享职业技能大赛专业的实验设备和24小时开放的实训基地，且师生可通过远程访问的方式学习平台上的Spark Mlib 算法库等课程资源，构成了从课前、课上到课外的全环节的培养和支持，并针对赛项内容开设了对应选修课，不仅可以快速选拔赛项人才还可以将技能大赛中的知识融入课堂中。

3.3.3 重构实训课程体系

以“Spark编程进阶”为例：

（1）改进技能实训：Spark编程进阶知识点以实训案例为主，结合以往技能实训大项目进行训练。课程内容多而繁，而且呈现相互递进的关系，能够通过课上学习全部理解相关知识点的学生不多，经常会出现其中一步没理解，后续跟不上的现象和看得懂但不会用等问题。经过技能实训方式的改进，采用将大项目拆解、分模块和知识点的方式进行实践，分步骤完成各部分的内容。例如，将统计某企业员工薪资情况的项目实践，分解为采用CombinebyKey 算子求企业员工月均薪资和采用map 和sortBy 算子求查询企业员工薪资排名Top3数据等模块，让学生理解课程涉及的知识点及用法，提升学生相关专业技能。

（2）开设专周实训：在学期末开展一周的专周实训，将技能实训中模块化案例的知识点进行整合和创新，并形成综合项目实训，强化学生举一反三和实践动手能力。例如，Spark编程进阶课程中，将技能实训中的模块化知识点整合后，映射至“广告监测的流量作弊识别”案例中，在一周的强化实训过程中，学生主动发现问题、自主解决问题，加深学生对知识点的理解和应用。

（3）设置项目实训：在假期，企业教师根据企业实际项目设置实训课程，学生组队参训，将企业真实项目转化成课程实训的教学内容，模拟企业实际项目开发的过程。例如，根据Spark 编程进阶课程引入的案例，从企业员工薪资数据的采集、解析、分区存储等项目实际流程进行教学，深化学生项目开发的综合能力。

（4）引入岗前实训：在专业技能教学的基础上结合职业素养等思政元素，模拟企业实际工作的场景，使得学生能够快速切换自身的角色，在就业时能够无缝接入企业员工的角色，转化学生专业综合能力。

（5）模拟企业实训：学生通过一系列的Spark 编程进阶实训后，将其学到的知识点应用到企业项目中，真正参与企业项目实践，按照企业对岗位及项目的要求完成相关技术工作，提高学生创新实践能力。

4 改革成效

自2019年开设专业至今，将数字赋能、技能引领、赛教融合的人才培育模式应用于Spark 编程技术课程改革，历时近三年，大数据技术专业师生的专业技能水平得到显著的提升，也获得较好的效果。学生通过课堂改革教学方法，不仅在Spark 编程模块能力提升较大，且将各课程的学习能力应用至福建省职业技能竞赛中，实现了我院在省职业大数据技能比赛中奖项零的突破，荣获团体二等奖2 项、三等奖1 项、个人三等奖4项；同时大数据技术班级90%的学生主动参加华为ICT 大赛、RPA AI 创新挑战赛、蓝桥杯等赛项并获取奖项。2022年学生参与企业的实际项目过程中，将成果转化成知识产权，授权软著3 项，通过HCIA-BigData、HCIA-HAD等华为职业技能认证78人次。专业教师在通过参与企业项目开发，不仅提升了教师的教学能力，还提高了教师的专业技术能力，完成大数据技术专业课程（如Spark 编程技术等）的教学，并且起到的示范带头作用。

5 结语

本文针对大数据专业课程存在的实训体系、课程资源、教学模式等方面的问题，以Spark 编程技术课程教学改革为例，提出了提出“一课双师”、项目化教学、师生共训、“课证赛”融通的课堂改革思路，优化Spark 课程实训课程体系，创建更为优质的课堂教学。通过不断的探究和实践证明，学生的大数据技能水平得到了有效的提升，实现赛项奖项、技能证书等方面的突破，与企业项目无缝对接；教师专业水平也得到了提升，主动承担实训课程，申报精品课程。“课堂革命”与学情、教师能力、教学内容等差异性有关，课程的不同“课堂革命”的措施也不同，本文提出的改革思路可为其他专业课程提供参考。