高职院校大数据技术专业人才培养探索

摘要：随着科学技术的发展，大数据技术已与各行各业密不可分，高职院校也应跟上时代的脉搏，不断探索，健全大数据技术专业人才的培养模式，培养大数据技术的应用型人才。本文首先阐述了大数据行业发展现状；然后分析了高职院校大数据技术专业教育现存的问题；最后总结了一系列高职院校大数据技术专业人才培养策略，以期给高职院校大数据专业的建设提供参考。

关键词：职业教育；大数据技术专业；人才培养；教学体系

引言

在数字经济时代下，各行各业中产生的数据越来越多，数据处理分析工作也不再是传统的管理信息处理，已经发展成为对大数据信息的处理。由于当前大数据技术还处于发展初期，相关技术人才缺口逐渐凸显，各高职院校对于相关人才的培养还处于摸索阶段，培养模式尚不成熟，迫切需要优化大数据技术专业人才的培养策略。

一、大数据行业发展现状分析

（一）大数据的行业发展态势

数据已成为重要的生产要素，其研究已成为各行业关注的焦点。对数据的整合应用使各个行业产生了深刻的变革，从国内到国外、从政府到企业均看到了大数据中蕴含的商业价值，陆续开展针对大数据的研究，以获取数据中潜在的有用价值。近年来，我国大数据产业高速发展，相关基础设施建设规模预计到2022年将突破10000亿元。根据调查显示，华东、华北地区占据我国超过半数的大数据行业市场，相对领先。在大数据创新上，企业和高职院校作为主力军，以2019年为例，贡献的专利数量达当年新增专利数量的96.8%，且企业是大数据产业的主体。

（二）大数据行业的人才需求

现如今大数据技术应用涉及的数据来源广泛，更多结合了相关的行业特征，通信、医疗、互联网、教育、金融、工业等领域对于相关人才的需求尤为广泛，所以为了实现行业累积数据的价值，保证工作的顺利开展，相关从业人员需要具备一定领域内的理论知识；为了处理海量的数据，传统的计算机算法往往无法满足需求，所以从业人员需要具备开发新算法的能力；随着科学技术的日新月异，数据的格式也不断丰富，所以为了获取并分析有效的信息，从业人员需要具备强大的数据分析处理能力。

为了适应相关产业发展的需求，高职院校和企业作为大数据创新的中坚力量，都在以培养复合型和专业化的人才为主要方向，持续加大对大数据技术专业人才的培育力度，以培养应用型和技能型人才、具备开源技术应用能力的人才和跨行业综合能力人才为重点方向，现在我国已有超过1/4的高职院校开设了相关专业。

（三）大数据行业人才匮乏

我国大数据技术起步较晚，但发展迅猛，所以导致相关专业人才供应不足。大数据技术专业人才需要掌握数据统计、采集、可视化、存储、算法设计等方面专业知识。当前大数据技术领域从业人员多是原IT工程师，相关专业知识储备并不全面。大数据行业人才的匮乏在部分区域及行业领域尤为突出，具体而言，在地区分布上，目前我国的大数据人才多集中在上海、深圳等一线城市，这些城市中集中了信息技术行业的龙头企业，如腾讯、百度、阿里巴巴等，所以大数据人才也基本集中在这些城市，而其他大部分城市，如天津、大连、石家庄等占据的人才比例甚至不足1%。此外，从行业领域上看，大数据技术专业相关人才集中的领域主要在通信、互联网、金融等，但在部分领域如农业、制造业等产业，大数据人才却严重匮乏，但其需求量却在日益增加。

二、高职院校大数据技术专业现存问题

（一）教学资源匮乏

在处理大数据时，为了保证速度和准确性，需要高性能计算机设备的支持，经由构建的云平台实现对数据的实时处理。但当前在很多高职院校，实验资源尤为匮乏，实验环境简陋、实验设备陈旧滞后、实验系统未形成体系等问题尤为突出，这导致实验器材无法满足高速运行的需求，严重阻碍了实践培养的开展。现在很多企业在招聘时都会注重对学生实践动手能力的考察，而对于刚走出校园的学生来说并没有相关工作经历，所以在学校的实践培养则会成为就业的一大优势，反之，则成为一大阻碍。

（二）师资队伍薄弱

由于大数据技术的应用性较强且技术较新颖，在教学中不仅要注重理论知识的夯实，更要注重学生应用技能、抽象思维、创新思维、整合思维的培养。目前承担培养人才任务的教师队伍并不能满足人才培养的需求，主要是由于目前大部分高职院校中大数据技术专业教师为计算机或数学专业教师出身，所以其培养方法和培养内容均无法与大数据技术专业需求完全契合。此外，这种教师的兼任直接导致了教师的时间和精力更加有限，无法及时“充电”，没有时间去提升自己的专业素养、关注专业发展动态，教师自身具备的相关专业知识陈旧，无法担起培养大数据技术专业人才的重任，这对培养效果的提高造成了极大的阻碍。

（三）生源素质不同

大数据技术专业对学生的素质、能力、专业知识储备要求较高，但由于招生形式多样，例如在黑龙江省，高职院校学生的录取形式多样，比如有注册招生、统招、单招等，每一批次学生水平差距较大。近年来，随着信息技术的发展，大数据人才的创新创造能力、实际动手操作能力、专业素养显得越发重要，但现在教育体系下培养的专业人才很难满足这些需求。由于招生形式带来的生源危机已经对高职院校大数据技术专业的教学开展带来了极大的挑战。

三、高职院校大数据技术专业人才培养路径

（一）基于云课堂推进教学改革

教学形式随着教学信息化的开展越发灵活多样，其中的云课堂就是当前应用尤为广泛的形式之一。在教学时，教师可以将自行录制的微课或丰富的公共课程资源上传至云平台，学生可以在自己的电脑或手机等移动设备上自行选择在线观看或下载后学习，实现随时随地学习[1]。此外，利用网络课程的共享性还可以扩大学生的学习范围，不受限于课程教材，同时避免教材内容的滞后性对学生学习了解学科发展前沿和企业需求的阻碍，拓宽学习视野。以黑龙江省某职业院校为例，学校已开放了多种大数据技术专业云课堂教学视频，教学效果较好。受到这一实践结果的启发，当前学校仍在积极为其他专业开发相关云课堂应用课程资源。

（二）基于内培外引提升师资水平

高水平的师资队伍是培养高素质大数据技术专业人才的关键。为了满足专业开展的需求，必须将“内培”与“外引”相结合进行师资队伍的人才培养。一方面，要健全“双师”型师资队伍建设，定期或不定期组织高职院校教师进入相关企业进行培训、学习，以掌握最新的、更实际的专业技术并了解行业发展动向和市场需求，使得教师给学生更实际的、有价值的指导。培训过程中除了对教师针对大数据、计算机等专业技能培训和实操练习，还要注重转变教师的培养方式和观念，以在教学中能够基于大数据技术专业特征进行科学的知识传达和思维训练。在大数据技术专业的科研人才构建上，要使专业科研队伍的学历、专业及年龄结构合理化，以培养具备扎实专业技能、科研能力、专业基础理论的教师队伍[2]；另一方面，除了组织教师前往企业培训，也可以与企业合作，引进企业在职工程师在学校做兼职教师，弥补自身办学力量的不足。

（三）优化专业人才培养体系

大数据技术属于新兴专业，目前的培养体系仍不完善。一方面是由于尚未统一培养方向和培养内容；另一方面则是由于疏于进行多学科知识的交叉融合教学；此外，现高职院校课程体系沿用本科相关专业，理论研究为重点，缺乏对学生实践能力的培养，无论是课程衔接还是学时安排均不合理，这种人才培养体系最终导致培养的毕业生难以满足企业需求。

首先，为奠定专业人才的知识基础，在人才培养中要关注基础学科的教学，使其在后续的学习中获得更深刻的专业认知，比如，为培养学生处理繁杂数据的思维能力基础，可以融入“归纳”与“统计”相关知识的教学内容。此外，不同专业能力的培养需要合理的专业课程安排，如数据挖掘能力需要数据仓库、数据挖掘、数据库系统基础、应用算法等课程的支持，而针对统计分析能力的培养需要数据统计、分析、统计学导论等课程支持。专业课程的设置应与时俱进，根据行业发展动态调整并合理安排课程的学习顺序。培养内容要强调实践性和应用价值，还有对培养对象创新创业能力进行培养，以促进学生成长为符合时代发展和行业需求的大数据技术专业人才[3]。

（四）与大数据企业加强合作

为顺应高职院校大数据技术产业的发展，高职院校应加强行业对接，做好与企业的合作，与当地的产业有效对接、深度融合，从而服务区域经济。前文已述及，通过“校企合作”来培养“双师”型教师，以培养实战能力更强的教师，或与企业合作，引入企业在职大数据相关岗位从业人员进入高职院校兼职教师。针对学生，可以与相关企业合作开展订单式人才培养模式，通过“校企合作”为学生构建实践平台，以行业需求为导向，给学生提供更多在行业实际工作环境中的实践机会，以提高专业对口率。高职院校由于自身办学经费等原因导致自身办学力量十分有限，这使得学校的实验室设备无法跟上技术更新迭代的速度，在这方面，企业则具有明显的专业设备、资金等资源优势。对于学生实践能力的培养，在学校的实验室建设上，学校要加强与企业的交流合作，了解市场需求，并以此为参考建设实验室。除了实验设备，在管理机制上也要参考企业的管理方式，优化学校的管理方式，使实践培养更具真实性。

（五）丰富课堂教学方法

大数据技术专业在教学过程中可以灵活应用角色扮演法、任务驱动教学法、演示法、项目教学法、讲授法、讨论法、分组教学法等多种教学方式，具体可视课程内容和学生自身学习情况而定。如项目教学法可应用于《Java程序设计》《网页设计》《程序设计》等专业课程中，将抽象的课程知识融入具体的项目中，有效实现理论知识与实践的结合与转化，提高学生的学习兴趣；分组教学法在实施时，首先根据学生的学习情况、性格爱好等进行灵活分组，再以小组合作的形式开展课程的教学。尤其是在项目实训过程中，让学生在小组合作中完成项目的学习，可以给学生提供充分的交流合作和自主探究空间；任务驱动教学法中，需要将所有教学项目重新排列组合再融合到适宜的教学任务中，进行系统性的教学；角色扮演教学法多应用于综合项目实训中，可以让学生分组扮演特定项目中的数据开发工程师、数据采集工程师等角色，并完成各自负责的工作，以帮助学生理解相关生产流程[4]。

（六）优化教学评价体系

为了达成大数据技术专业的培养规格、培养目标，保证学生具备完备的专业技能和能力，达到毕业要求，必须完善考核和评价体系。主要分为3个方面：（1）在课程考核中，要把学生期末考核、平时表现考核、阶段性考核根据各自权重综合起来，即采用过程性评价方法。对于平日成绩的考核，可以借助网络课程辅助教学，在平台上完成课时测试、任务下发、笔记完成情况、知识拓展训练、问题讨论及课后答疑等教学内容，并在平台上对学生的学习情况进行统计以计入平日成绩。期末考试可分为对于学生理论知识和实践技能两方面的考核；（2）对于专业能力的考核评价，可以在平时课程教学中设置综合技能实训课程，如大数据平台运维、大数据产品开发及JavaEE企业开发等综合实训项目，在考核时建立综合的评价标准，全面反映学生的知识、素质、能力水平，以帮助学生发现自身的不足，及时弥补，不断提高自身专业能力[5]；（3）在对学生的顶岗实习考核评价中，不仅要考虑学校的管理和指导，还要综合企业的考核评价结果，综合学生离校、顶岗实习、企业评价、毕业设计和实习报告的信息反馈及评价结果。学校评价由学校教师负责，主要涉及对学生的顶岗实习态度和纪律、实习周志和报告、毕业设计及相关材料上交情况的考核。企业指导教师则负责学生的企业评价部分，主要涉及对学生业务能力、劳动纪律、出勤率、沟通合作能力、工作成果及态度的考核。学校考核和企业考核可分别占顶岗实习总成绩的50%，根据各项考核分数给予等级评定，不合格者则需要重新学习，取得合格成绩后才可获取毕业资格。

结语

为适应时代发展潮流，要完善人才培养体系，做好人才的培养工作，这不仅需要高职院校和企业的共同努力，还需要社会机构和政府的帮助，以最终建成完善的大数据技术专业人才培养体系，健全人才培养模式。此外，在未来还要构建全面的人才引进、人才培养机制，并做好人才储备工作，全面提升人才培养质量。

本文系1.黑龙江省教育科学规划重点课题《混合式教学模式下高职计算机基础课程思政元素挖掘路径研究》（项目编号：ZJB1423151）；2.黑龙江省高等职业教育教学改革研究课题《高职院校数字化立体课堂教学模式应用研究》（项目编号：SJGZY2022036 ）的研究成果。

参考文献：

[1]禤鲜.基于产教融合的高职院校大数据技术专业人才培养探讨[J].广西教育，2022，（06）：60-63.

[2]王莹.高职院校大数据技术与应用专业人才培养策略[J].电脑知识与技术，2021，（14）：74-75.

[3]高爱梅.高职院校大数据技术与应用专业人才培养模式的探析[J].计算机产品与流通，2019，（12）：205.

[4]杨海迎，宋凯，李冬.高职院校大数据技术与应用专业人才培养策略[J].科技资讯，2019，（15）：249-250.

[5]贾万祥，徐红兵.高职院校大数据技术与应用专业人才培养模式的研究[J].电脑知识与技术，2019，（10）：102-103.

（责任编辑：豆瑞超）