产教融合模式下大数据专业课程体系改革研究

左丹　赵姣珍　胡勇强

［摘 要］随着人工智能、大数据、5G通信为代表的新一代信息技术不断发展，当前社会发展正进入大数据时代。全国申报大数据专业的高校急速增长，构建合理实用的大数据核心课程体系是各高校实现大数据专业发展的关键。本研究将从大数据学科特点、学校类型、人才培养目标、职业发展路径等多个层次和维度出发，探讨在产教融合模式下如何有效构建实用大数据专业核心课程体系。

［关键词］产教融合；大数据；课程体系

doi：10.3969/j.issn.1673-0194.2023.21.067

［中图分类号］G64 ［文献标识码］A ［文章编号］1673-0194（2023）21-0233-04

0     引 言

当前，大数据专业在各个高校专业目录中是名副其实的热门专业。据全国高校人工智能与大数据创新联盟统计，截至2021年2月，全国1 258所本科院校中约有730所，1 482所高职院校中约有830所已经开办、正在开办或即将开办大数据技术相关专业［1］。这些学校既有顶尖的研究型大学，也有应用型本科，更有数量众多的高职类专科学校。根据大数据学科自身科学规律、学校层次、人才培养规格，构建实用合理的大数据核心课程体系，是各高校实现大数据人才培养目标的关键。

1     研判企业大数据人才类型和岗位需求

大数据人才匮乏已成为全国大数据企业目前面临的通病。现在大数据高、中、低三档人才均存在人才短缺问题，其中技术、研发类人才难找，复合型大数据应用人才更加稀少。作为新兴产业的大数据虽普遍受到地方政府高度重视，一些中西部省市更是希望分得大数据产业发展的红利，但目前大数据复合型人才严重匮乏、人才培养机制不足、产业“造血”能力薄弱等问题突出［2］。业内人士认为，大数据人才建设亟待政府、产业界和高校的联合培养，人才培育机制需要创新。

国内高校对于大数据人才培养仅仅处于探索和起步阶段，大数据对口专业人才供给尚不能满足当前大数据产业发展的需要。专业人才供给缺乏系统性和完整性，供给结构不均衡，人才供给多定位于高学历、研发性的岗位需求，而技能型、应用型人才供给偏弱，造成产业链的人才供给存在严重短板。据清华大学经管学院发布的《中国经济的数字化转型：人才与就业》报告，当前，我国大数据人才缺口高达150万，到2025年或将达200万［3］。而这其中拥有算法设计、程序编写、数据分析等专业技能的核心人才和既拥有某些行业背景又具备一定大数据专业技术应用的复合型人才更是凤毛麟角。

2022年4月8日，贵州省大数据发展领导小组办公室印发《贵州省“十四五”大数据电子信息产业发展规划》，明确了“十四五”贵州大数据电子信息产业的总体目标及四个方面发展目标［4］。一是总体目标。到2025年，大数据电子信息产业完成年总产值3 500亿元，其中电子信息制造业年总产值2 100亿元，软件和信息技术服务业年收入1 000亿元，电信业务年收入400亿元。二是发展目标。到2025年，成为全国大数据电子信息产业集聚区，打造国家数据生产要素流通核心枢纽和全国大数据融合创新示范高地，建成集约高效的数字基础设施。

大数据相关的核心岗位主要是技术类的研发工程师，其他岗位根据自身情况不同，具体到贵州由于大数据产业园、数据中心较多，运维工程师是目前的另一主要岗位。基于以上分析，主要面向研发和数据分析岗位进行岗位职责拆解，拆解出这类岗位所需要具备的核心技能，基于以上分析结果，可以看出大数据相关的研发和运维岗位主要关注Python和Java编程语言、数据库和大数据相关操作，Hadoop、HBase、

Kafka、Spark、Flink［5］等开源大数据技术以及相关的系统维护、集群维护、软硬件应用管理等，其中运维岗对大数据技术也有一定要求。

2     产教融合模式下的课程体系总体情况

数据科学与大数据作为一门新兴的专业，既面临着机遇也遇到了挑战。当前，国内大数据高等教育课程体系存在着师资不足、基础实验环境薄弱等问题。为了解决这些问题，一些地方本科高校数据科学与大数据技术专业培养方案自2018年制订并使用，在办学过程中不断探索，分别于2019年、2021年调整该专业培养方案。在专业培养方案制订并执行过程中，自2019年与某些知名教育集团签署专业共建协议以来，2019年、2021年的培养方案都良好地融合了OBE（Outcomes-based Education）理念［5］。

总体来看，数据科学与大数据技术专业培养方案围绕培养学生的思想品德、业务能力（数据科学基础、大数据系统与平台技术、大数据分析及可视化技术）、综合素质等四个目标开设相关课程，本项目课程体系由“通识课程、专业基础课程、专业课程、实践教学课程”四個模块组成［6］，四个模块有机融合、层次分明、比例协调。

第一，通识课程。包括大学英语、大学语文、大学体育、思想道德与法治等课程，以基础性、整体性、综合性、广博性的知识，拓宽学生视野，培养学生独立思考与判断能力、社会责任感和健全人格。

第二，专业基础课程。专业基础课程从第一学期开始开设至第四学期结束，包括高等数学1、数据科学导论（HK）、高级语言程序设计等共7门专业课程，为下一步专业课程学习奠定专业基础。

第三，专业课程。分为专业必修课（6门）、专业选修课（须修满36个学分，9门课程），在学生掌握一定专业基础知识后，继续提升专业能力。

第四，实践课程。通过劳动教育、毕业实习、毕业论文（设计）整合专业知识和能力，并运用在实践中。（HK表示有企业方慧科教育集团的教师进行授课）。通过大数据项目综合实践和毕业设计，培养学生的综合实践能力，主要包括校内外的实训类课程，引进具有丰富大数据项目经验的企业工程师授课，进一步加强学生的实践经验和动手能力。以实际大数据项目为例，给学生讲解项目开发的步骤、知识、分工合作要点，实训中，安排学生分组（4～6人/组），每组成员协作，共同完成一个大数据项目；通过答辩方式验收学生的项目完成情况，要求每组选1名组员进行项目答辩，其他组员配合。通过实训，学生对大数据技术有了广泛的了解，能够具备独立完成企业级项目开发的素质和实战经验，对企业的大数据项目分工、团队合作的方式获得基本经验，能够快速融入企业环境［7］。

3     建构课程体系与毕业要求——对应支撑的矩阵模型

课程体系的详细设计。①专业基础课具体课程设置。专业基础课有数据科学导论、高级语言程序设计、高等数学1、线性代数、高等数学2、概率论与数理统计、应用统计学等课程组成，都为必修课程。②专业课具体课程设置。专业必修课程由Python程序设计、数据结构与算法、数据库系统、大数据平台架构、大数据可视化技术、数据仓库技术等课程组成。专业选修课程由Web前端技术、行业认知、Java面向对象程序设计、Linux操作系统、Java企业级后端开发、大数据软件开发框架、分布式计算与并行计算等课程组成［8］。③综合实训课具体课程设置。实训类课程由高级语言程序设计、Web前端开发、Python数据采集技术、大数据平台架构、大数据处理及可视化技术、分布式并行计算集群技术、专业实习、毕业论文（设计）等内容组成。

4     根据培养目标开展实践教学项目

4.1   课程实践

通过同一老师授课与指导实训，以课程章节内容相关的小题目进行实践操作技能训练，学生实践成果形式为课程实践及实验报告。此外，在与企业共建专业的过程中，利用企业前沿的教学实验等实践平台，落地OBE教学理念和PBL教学方式。

企业在2020—2021学年第一学期的课程中共产出181个项目，每个学生均有呈现，初具项目实战经验。在2020—2021学年第二学期和2021—2022学年第一学期，12门企业课程均采用PBL项目式教学，共计产出1700+项目，学生100%参与其中。这些数字表明，实践教学方式可以帮助学生更好地掌握技能，并为未来的职业生涯做好准备。

4.2   实践环节

学生实践除完成相关课程实践环节，还需在第七学期参加毕业实习，第八学期完成毕业论文（设计）。毕业实习一般由学生自主联系相应的实习单位，对没有联系上实习单位的学生，学院另进行统一安排毕业实习。实习结束后提交实习小结和实习报告，由专业指导教师进行成绩评定，完成毕业实习。毕业论文按照学院规定在指导教师指导下完成毕业设计和撰写论文，需通过答辩。自2019年与企业签署数据科学与大数据技术专业共建协议起，专业实习实训方案也基于OBE理念及贵州省人才需求做出相应调整。

数据科学与大数据技术专业实践教学从两个层面展开。

（1）依托校内实训基地的实践教学。通过校企合作，企业已经投资在校内建立“大数据与人工智能产教融合实训基地”，可供使用的实验室面积680余平方米，基地设有实验室、企业工作室、学生工场等可同时容纳500名学生实验和实操［9］。

校内实训基地主要承担课程设计及毕业设计教学任务。首先，在实践教学过程中，坚持从培养目标出发，贯彻重在能力培养的原则；贯彻系统性、开放性、综合性的原则；坚持教学主导作用与学生主动性、创造性相结合的原则。实践教学按照人才培养的能力结构要求，建立科学的实践教学体系。在明确专业要求的基础上，做好基础课、专业基础课以及专业课实践的分工，发挥各类实践课程在创新人才培养方面的不同作用，实现实践教学的整体目标。其次，通过项目驱动教学。即通过教师设计一个典型的项目而进行的教学实践活动。项目选取本着从简单到复杂、从单一到综合的原则，引导、启发、鼓励学生在完成教学项目的过程中掌握知识和能力。三是，采取团队协作方式来进行教学安排与课程设计。项目的开发活动以小组为单位，分组不仅充分发挥学生的个性、特长，而且有效培养了学生的团队合作、分享和竞争意识。基于团队协作的项目驱动教学模式主要包括项目设计、项目实践、理论授课、明确任务、引导和指导、总结点评等步骤，该模式下的项目实践阶段完全体现了学生的主体地位。

（2）学生校外自主实习

为了根据产业人才需求为核心去培养学生，为产业输送优秀人才，开展企业调研工作。调研多家企业，了解企业人才需求聚焦点，一是培养课程，包含Java、Python、MySQL等；二是学生专业能力。教学实践中，充分发挥学生主体的作用，让学生掌握知识、运用知识，提高运用知识解决问题能力为重心的转变，在知识、技能、协作等方面进行进一步的提炼、反思。三是学生职业能力。通过多种教育教学手段，根据不同专业具体要求，有针对性地加强职業核心能力的培养，达到增强就业竞争力的目的。

5     加强教学监督

高校在教学实施过程中全程监督严格把关，首先通过专业培养方案布局专业培养各个环节，课程开设严格按照培养方案执行，课程师资根据学校相关要求执行，提前报教学管理部门备案；其次是在教学过程中，围绕教学内容、课程体系、教学方法和手段改革为核心，以培养学生的基础知识、实践能力和创新精神为目标，对教师的教学质量进行评价。

此外，为最大程度实现“校企双主体”管理下的教育创新，通过为高校提供教学内容、师资培养、学生管理、教学运营、就业指导、创业就业等全链条标准化服务，支撑高校快速实施学院与专业群建设，从而完成人才培养的预定目标。为保证教学效果、提升教学质量，通过把各类教学管理活动有机地联结起来，形成能够保障、稳定和提高教学质量的有效体系、持续不断地改进教学效果以满足岗位需要的能力，实现教学质量的动态管理与提高。在教学质量保障体系的基础上，充分发挥各系统的功能，进一步打造“目标—过程—结果—评价—反馈”于一体的教学质量保障体系运行机制，确保并支撑体系的稳定运转。采用定量评价与定性评价相结合的评价标准体系，包含学生评价、授课教师课程自评、学校教师评价、班主任评价、能力测评以及PBL教学评价。

主要参考文献

［1］顾佩华，胡文龙，林鹏，等.基于“学习产出”（OBE）的工程教育模式：汕头大学的实践与探索［J］.高等工程教育研究，2014（1）：27-37.

［2］凤权.OBE教育模式下应用型人才培养的研究［J］.安徽工程大学学报，2016，31（3）：81-85，95.

［3］申天恩，斯蒂文·洛克.论成果导向的教育理念［J］.高校教育管理，2016，10（5）：47-51.

［4］SPADY W G，MARSHALL. Beyond traditional outcome-based education［J］.Educational Leadership，1991（2）：65-74.

［5］蒋宗礼，姜守旭.发挥本科教学质量国家标准对新工科建设的推动作用［J］.中国大学教学，2018（1）：41-45.

［6］中国工程教育认证协会（筹）秘书处.工程教育认证工作指南（2013版）［Z］.2013.

［7］张丽，张明.大数据背景下高校大学生就业工作的路径探讨［J］.安徽水利水电职业技术学院学报，2021，21（2）：83-85.

［8］曾开富，王孙禺.“工程创新人才”培养模式的大胆探索：美国欧林工学院的广义工程教育［J］.高等工程教育研究，2011（5）：20-31.

［9］龙奋杰，王建平，邵芳.新建本科院校推行成果导向工程教育模式的探索与实践［J］.高等工程教育研究，2017（6）：76-80.