本科职业教育背景下大数据工程技术专业“实战型”教学模式的研究与实践

吕科锦 吴晓学 陈璟

［摘           要］  随着大数据技术的快速发展，社会对大数据人才的需求日益增长，而“实战型”教学模式作为一种以实践为核心的教学方法，能够帮助学生更好地掌握大数据技术，提高解决实际问题的能力。首先介绍了研究背景与意义，然后分析了“实战型”教学模式的内涵、特点及构建原则。接着，详细探讨了如何将“实战型”教学模式应用于大数据工程技术专业的教学过程中，包括教学目标设定、教学内容设计、教学方法选择、实践教学环节设置等方面。通过收集学生反馈、教师评价、企业评价等数据，对“实战型”教学模式的效果进行评价，并分析其优缺点及改进方向。最后，总结研究成果，并提出了未来研究方向。

［关    键   词］  本科职业教育；大数据工程技术专业；“实战型”教学模式

［中图分类号］  G712                    ［文献标志码］  A                  ［文章编号］  2096-0603（2024）13-0133-04

一、研究背景与意义

数据科学与大数据技术是2016年我国高校设置的本科专业，2019年，国家职业教育改革开设第一批职业本科大学，没有大数据本科层次学生毕业。《职业教育专业目录（2021年）》是为贯彻《国家职业教育改革实施方案》，加强职业教育国家教学标准体系建设，落实职业教育专业动态更新要求，推动专业升级和数字化改造，教育部组织对职业教育专业目录进行全面修（制）订而形成的职业教育专业目录，其中大数据工程技术属于电子与信息大类计算机类专业，专业代码为310205。同时明确，将根据经济社会发展等需要，动态更新《目录》，完善专业设置管理办法。广西城市职业大学作为全国首批广西第一所职业本科大学，针对职业本科的属性进行了深入的探索，针对性制定了自身的实践教学体系，“实战型”教学模式作为一种以实践为核心的教学方法，能够帮助学生更好地掌握大数据技术，提高解决实际问题的能力。因此，研究与实践大数据工程技术专业的“实战型”教学模式具有重要意义。

二、研究内容与方法

（一）研究内容

本研究主要围绕广西城市职业大学大数据工程技术专业的“实战型”教学模式展开，包括以下几个方面。

1.“实战型”教学模式的构建。分析“实战型”教学模式的内涵、特点及构建原则，提出适用于大数据工程技术专业的“实战型”教学模式。

2.“实战型”教学模式的实施。探讨如何将“实战型”教学模式应用于大数据工程技术专业的教学过程中，包括教学目标设定、教学内容设计、教学方法选择、实践教学环节设置等方面。

3.“实战型”教学模式的效果评价。通过收集学生反馈、教师评价、企业评价等数据，对“实战型”教学模式的效果进行评价，分析其优缺点及改进方向。

（二）研究方法

本研究采用文献研究法、案例分析法、问卷调查法等多种方法进行研究。通过对相关文献的梳理和分析，了解国内外关于大数据工程技术专业教学的研究现状和发展趋势。通过案例分析，深入了解“实战型”教学模式在大数据工程技术专业中的应用实践。通过问卷调查，收集学生、教师和企业的反馈意见，对“实战型”教学模式的效果进行评价。

三、实践效果与反思

（一）广西城市职业大学大数据工程技术专业

1.落实立德树人根本任务

以习近平新时代中国特色社会主义思想为主导，以落实立德树人为教育工作的主线，融入思想道德教育、文化知识教育、社会实践教育各环节。开展“三爱、三学、三争”（爱党、爱国、爱人民；学知、学技、学做人；争气、争先、争光彩）主题教育，培养学生的爱国情怀、社会责任感、创新精神、实践能力，践行社会主义核心价值观，引导学生把个人的理想追求融入党和国家事业发展之中，为党、为祖国、为人民多做贡献。

全面推进课程思政、德技并修，让思政元素和专业知识相互映射、融合、扩散，既凸显知识性，又彰显价值性。在课堂讲授、互动研讨、社会实践、作业考核等不同环节寻找契合点，科学安排和融入思政元素。采取互动、讨论、探究、案例等方式，开展丰富多彩、形式多样的实践活动、志愿服务等，让情理贯通、学理兼备，不断拓展专业课程的广度、深度和温度，在潜移默化中坚定学生的理想信念、厚植爱国主义情怀。

整合运用各方面的育人资源，推行实践教学体系与产学研紧密结合，以校企合作形式引入企业的大数据教育及实践资源，在校内建设实训中心或在企业内由校企共建实训实习基地，建立校内外创新基地，设置大学生科研创新项目，多方位提升学生的创新能力。为学生提供丰富的课外活动，积极组织学生开展校园课外科技文化活动，将立德树人贯穿人才培养全过程。

2.人才培养目标

本专业培养德、智、体、美、劳全面发展，适应地方经济建设需要，具有一定的科学文化水平，良好的人文素养、职业道德和创新意识，精益求精的工匠精神，较强的就业能力和可持续发展的能力，掌握本专业知识，结合大数据技术应用领域《大数据工程技术人员国家职业技术技能标准（2021年版）》相关技术技能要求的人才。培养面向大数据技术应用领域职业群，具备扎实的数学及自然科学基础，掌握运用大数据采集、清洗、分析、治理、挖掘，大数据系统开发、部署、调试、运维、管理的技能，能够在政府企事业单位和各IT公司及相关领域从事大数据分析处理、大数据工程管理、数字化应用研究等工作的高层次技术技能人才。

学生毕业后在本专业及相关领域经过五年左右的锻炼，能够通过自主学习相关专业知识，掌握相关专业技能，具备解决大数据专业及相关领域复杂问题的能力，成为从事大数据分析处理、大数据工程管理、数字化应用研究等高层次技术技能人才，优秀者能够成为相关领域的中高级管理人才。

3.课程设置

本专业课程主要由职业素质教育平台（职业素质公共必修课程模块、通识教育选修课程模块）、职业技能教育平台（职业能力专业基础课程模块、职业能力核心课程模块、专业能力拓展选修课程模块、职业技能等级认证模块）、实践教学平台（职业能力实践模块）3个平台和7个模块构成。

面向职业岗位设置模块，课程体系设置的逻辑过程是根据不同的职业岗位需求，设置相应的课程模块。例如，数据分析师、挖掘工程师、深度学习/算法/机器学习工程师、大数据开发工程师、大数据架构工程师、大数据运维工程师、数据可视化工程师、数据采集工程师、数据库管理员、数据运营经理和数据产品等，将岗位任务和能力需求分解为不同阶段的若干个职业能力模块，以此确定学习的专业领域，开发本专业课程体系。基于工作过程设置职业技能等级证书，依据国家颁发的“职教20条”规定，实行1+X证书制度，鼓励学生在获得学历证书的同时，通过课程的学习和企业的实践，积极取得多类职业技能等级证书。

4.专业核心课程与主要实践性教学环节

（1）专业核心课程

Linux系统运维、Python Web框架、Python数据分析、Hadoop+Spark生态系统操作与实战、Python数据采集、数据可视化、高性能云计算架构、数据挖掘。

（2）主要实践性教学环节

数据采集与网络爬虫实训、大数据挖掘与机器学习实训、大数据可视化实训、大数据清洗与ETL实训、军事训练、体质健康测试、劳动教育、创新创业能力实践、认识实习、岗位实习、毕业设计（论文）、毕业实习。

（3）学时、学分分配

本专业教学总学时为3228学时，其中理论教学1292学时，占40.02%；实践教学1936学时，占59.98%。公共基础课程860学时，占26.64%；选修课336学时，占10.40%。

5.师资队伍要求

（1）师资队伍结构

专业专任教师与该专业全日制在校生人数之比不低于1 ∶ 20，高级职称专任教师比例不低于30%，具有研究生学位专任教师比例不低于50%，具有博士研究生学位专任教师比例不低于15%；专任教师中，“双师型”教师占比不低于50%。教师队伍考虑职称、年龄、专兼职结合，形成合理的梯队结构。

（2）专业带头人

培养和选定大数据工程技术专业带头人1～2名，具体要求：精通大数据方面的专业技术知识，具有大数据相关专业技师以上职业技术水平；熟悉高等职业教育规律；理论与实践教学经验丰富、教学水平高；在行业中具有一定的影响；具有副高级以上职称教师。

（3）专任教师

专任教师应具有高校教师资格；有理想信念、有道德情操、有扎实学识、有仁爱之心；具有大数据工程技术等相关专业本科及以上学历；具有扎实的本专业相关理论功底和实践能力，具有大数据工程技术相关工种的职业技术水平；具有较强信息化教学能力，能够开展课程教学改革和科学研究；有每5年累计不少于6个月的企业或生产服务一线的实践经历。

（4）兼职教师

兼职教师从本专业相关的行业企业聘任，兼职教师占比不低于专任教师总数的25%，具备良好的思想政治素质、专业道德和工匠精神，具有扎实的专业知识和丰富的实际工作经验，具有中级及以上相关专业职称，具有工程师以上职业技术水平，能承担专业课程教学、实习实训指导和学生职业发展规划指导等教学任务，其所承担的专业课教学任务授课课时一般不少于专业课总课时的20%。

6.人才培养模式

（1）建立校企合作办学机制

目前，以大数据工程技术专业为中心，与广西浩宇信达科技发展有限公司等企业合作，共同成立大数据与人工智能产业学院，共同探索高层次技术技能人才培养路径，在专业建设上取得了较好成效。

（2）构建人才培养模式

本专业实施“三方互动、工学结合”人才培养模式，以“人的全面发展”为理念，根据企业、教师、学生各自的定位和作用，在“工学结合”的教学过程中，确定并有效运行企业、教师、学生三方互动机制。企业提供职业岗位的能力标准、工作项目和技术规范，指导学生进行职业技能训练，为教师提供职业研究环境；教师传授专业知识，构建知识框架，引导学生寻找解决问题的方法，为企业提供技术服务；学生掌握专业知识框架，掌握职业技能，胜任企业工作岗位，从而实现企业与教师在人才培养上共谋发展，教师与学生在实现人才培养规格上良性互动，学生与企业在适应职业岗位要求上有机融合。围绕人才培养模式的落实，进行教学计划制定、课程设置、教学组织及实施、教师队伍及实习实训基地建设。建立专业教学质量保证体系，完善人才培养模式质量的管理和反馈改进机制，确保人才培养模式的运行效果，保证教学质量。

（二）大数据工程技术专业中的重要课程

1.Python课程定位

在大数据工程技术专业中，Python扮演着重要的角色。Python是一种高效、易学的编程语言，广泛应用于数据处理、数据分析、数据挖掘等领域。在大数据工程技术专业中，Python课程通常被定位为必修课程，旨在培养学生掌握Python编程技能，以及应用Python进行大数据处理和分析的能力。具体来说，Python课程在大数据工程技术专业中的定位包括以下几个方面。

（1）编程语言基础

Python是一种高级编程语言，具有简单易学、代码可读性强等特点。通过学习Python，学生可以掌握基本的编程语法、数据结构、算法等编程基础知识。

（2）数据处理与分析

Python提供了丰富的数据处理和分析工具，如NumPy、Pandas等，可以方便地进行数据转换、数据可视化等操作。通过学习Python，学生可以掌握数据处理和分析的基本方法和技能。

（3）大数据技术基础

Python是大数据领域的重要工具之一，可以与Hadoop、Spark等大数据处理框架无缝集成。通过学习Python，学生可以了解大数据技术的基本概念和原理，为后续的大数据课程打下基础。

（4）实践应用能力培养

Python课程通常包括实验和课程设计等环节，通过实践项目的设计和实现，学生可以锻炼自己的实践应用能力，培养解决实际问题的能力。

2.以Python课程为例开展大数据工程技术专业“实战型”教学模式的应用

（1）教学目标设定

以培养具备实践能力和创新精神的大数据工程技术人才为目标，注重学生实践能力和综合素质的培养。

①掌握Python编程语言基础：学生应该掌握Python编程语言的基本语法、数据类型、控制结构、函数等基础知识，能够熟练地编写Python代码、调试程序和运行程序。

②掌握数据分析基本概念：学生应该了解数据分析的基本概念、流程和方法，了解数据挖掘、机器学习等相关领域的基本知识。

③掌握数据处理和分析工具：学生应该掌握常用的数据处理和分析工具，如Pandas、NumPy、Matplotlib等，能够使用这些工具进行数据清洗、数据转换、数据可视化等操作。

④掌握数据挖掘和机器学习算法：学生应该了解常见的数据挖掘和机器学习算法，如分类、聚类、回归等，能够使用Python实现这些算法，并应用于实际的数据分析中。

⑤掌握数据可视化技术：学生应该了解数据可视化的基本概念和原理，掌握常用的数据可视化工具和技术，如matplotlib、seaborn等，能够使用这些工具和技术进行数据可视化。

⑥培养实践应用能力：学生应该通过实践项目的设计和实现，锻炼自己的实践应用能力，培养解决实际问题的能力。

（2）教学内容设计

以实际项目或案例为载体，将理论知识与实践操作相结合，注重培养学生的实践能力和解决问题的能力。Python数据分析课程的教学内容应该涵盖第一部分：Python基础（1～2周）、第二部分：数据分析基础（1～2周）、第三部分：数据处理和分析工具（1～2周）、第四部分：数据挖掘和机器学习算法（1～2周）、第五部分：数据可视化技术（1～2周）、第六部分：实战项目（2～3周）。

（3）教学方法选择

采用多种教学方法，如案例分析、项目实践、小组讨论等，鼓励学生积极参与讨论和实践，提高学习效果。

①案例分析法：案例分析法是一种以实际案例为基础的教学方法，通过分析案例，让学生了解Python在各个领域的应用，掌握Python编程技能和数据分析方法。在Python数据分析课程中，可以引入一些实际案例，如电商网站的用户购买行为分析、社交媒体的舆情分析等，让学生了解这些案例的分析流程、方法和结论，并能够从中掌握Python编程技能和数据分析方法。

②项目实践法：项目实践法是一种以实际项目为基础的教学方法，通过实践项目的设计和实现，让学生锻炼自己的实践应用能力，培养解决实际问题的能力。在Python数据分析课程中，可以设计一些实际项目，如电商网站的销售额预测、股票市场的数据分析等，让学生设计和实现这些项目，并能够从中掌握Python编程技能和数据分析方法。

（4）实践教学环节设置

通过实际项目或案例引导学生学习和掌握知识，注重实践操作和实践经验的培养。

最后通过对“实战型”教学模式的效果进行评价，发现该模式能够显著提高教学质量和学生的实践能力。具体表现为：学生参与度提高：学生更加积极地参与课堂讨论和实践操作，学习效果明显提高。实践能力提升：学生通过实际项目或案例的实践操作，提高了解决实际问题的能力。团队协作能力增强：学生通过小组讨论和团队协作，提高了团队协作能力和沟通能力。同时，教师也通过实践锻炼了自身的教学能力和实践能力。然而，在实践中也发现了一些问题，如部分学生缺乏实践经验、部分教师缺乏项目经验等。针对这些问题，需要进一步优化实践环节的设计和实施，加强对学生实践经验的培养，提高教师的项目经验和教学能力。

四、结论与展望

本研究通过对大数据工程技术专业“实战型”教学模式的研究与实践，发现该模式能够显著提高教学质量和学生的实践能力。然而，在实践中仍存在一些问题需要进一步解决。未来，广西城市职业大学也将继续推进大数据工程技术专业“实战型”教学模式的探索，继续深入探索“实战型”教学模式的内涵和特点，不断完善实践教学环节的设计和实施，提高教学质量和学生的实践能力。同时，需要加强师资队伍建设，提高教师的实践能力和教学水平，为培养高素质的大数据人才提供有力保障。此外，还需要加强与企业的合作与交流，了解企业对大数据人才的需求和要求，为“实战型”教学模式的改进和完善提供参考和支持。

参考文献：

［1］领兄.基于改革创新的高校计算机专业程序设计课教学研究［J］.才智，2015（33）：32.

［2］盛娟，刘福来，朱世敏.新工科背景下程序设计思维多维度能力培养研究［J］.电脑与电信，2023（Z1）：121-125.

［3］万臣，谢芳，胡泉.计算机专业程序设计课程群的建设与研究［J］.合肥工业大学学报（社会科学版），2009，23（1）：33-36.

［4］孙雷，王新，张丽英，等.计算机专业程序设计课程群的研究与实践［J］.教育教学论坛，2013（11）：222-224.

［5］王佳莹，郭俊杰.师范院校计算机专业程序类课程群设置［J］.计算机教育，2011（12）：81-84.

［6］丁春荣，金秀.农业院校非计算机专业程序设计实践课程教学改革［J］.计算机教育，2012（19）：71-73.

［7］胡最.地方高校GIS专业程序设计技能培养［J］.地理空间信息，2020，18（12）：58-62，7.

［8］孙霞，张玉生.非计算机专业程序设计实验教学改革［J］.常熟理工学院学报，2012，26（12）：115-118.

◎编辑 马燕萍

①基金项目：本文系2022年度广西城市职业大学职业教育教学改革研究项目“本科职业教育背景下大数据工程技术专业‘实战型教学模式的研究与实践”（课题编号：GXCVUJG2022A002）的研究成果。

作者简介：吕科锦（1989—），男，汉族，广西贵港人，硕士研究生，讲师，工程师，研究方向：计算机、大数据技术与应用及人工智能方向。