“金课”背景下高职大数据技术专业课程改革研究

关键词：金课建设；课程改革；教学内容重构；教学方法创新；师资队伍建设；大数据技术

中图分类号：G712 文献标识码：A

文章编号：1009-3044（2025）03-0157-04 开放科学（资源服务） 标识码（OSID） ：

0引言

随着信息技术的快速发展，数字技术在各行各业中发挥着越来越重要的作用，教育领域正经历一场革命性的变革。为适应信息时代发展需求，提升教育质量已成为高等教育的重要目标。2018年，中国高等教育迎来了重要的转折点，时任教育部部长陈宝生提出了淘汰“水课”、打造“金课”的倡议[1]，标志着我国高等教育进入了质量提升的新时代。2018年起，我国高等教育开始大力推进“金课”建设，旨在淘汰“水课”，全面提升课程教学质量[2]。

长期以来，部分高校的课程内容缺乏深度和实用性，教学方法陈旧，考核方式缺乏灵活性，难以有效提升学生的实践能力和创新思维，这些问题严重阻碍了教育质量的提高[3]。因此，“金课”建设应运而生，成为推动高等教育改革的重要抓手。“金课”建设强调课程内容的系统性、前瞻性和与市场需求的紧密结合，注重创新教学方法，培养学生的实践能力和创新潜质。通过开展“金课建设”，学生能够更好地掌握专业知识，增强综合素质，从而提升就业竞争力[4-5]。

在信息化浪潮下，大数据技术的广泛应用影响深远。作为培养大数据领域人才的重要环节，高职院校大数据技术专业的课程体系的改革至关重要。“金课”理念的引入，为高职大数据技术专业课程改革提供了新的方向和思路。通过构建以“金课”为核心的课程体系，能够更精准地对接行业需求，培养具备创新能力和实践精神的高素质大数据人才。

本文以数据分析技术应用课程为例，探究“金课”背景下的课程改革路径，以期为高职大数据技术专业课程建设提供参考。具体而言，在“金课”背景下大数据技术专业的专业课程改革应着眼于以下几个方面：首先，课程内容要与大数据领域的技术进展和应用趋势保持同步；其次，教学方式应更具创新性，注重培养学生的动手能力和创新思维；同时，教师队伍建设需得到加强，以提升教学质量[6]；最后，实践教学体系应进一步完善，为学生提供更多的实操机会，帮助他们在实际应用中成长。

1 大数据技术专业课程面临的问题

高职大数据技术专业目标是培养大数据行业人才，课程设计和教学质量对人才培养的效果具有至关重要的影响。当前高职大数据技术专业的核心课程在教学过程中面临一些问题与挑战。

1.1 课程内容与行业动态不匹配

大数据技术日新月异，新的技术趋势和应用场景层出不穷。然而，部分专业课程未能及时反映这些变化，导致教学内容与行业需求之间存在明显差距，课程内容滞后于行业发展，这种情况使得学生在毕业后难以迅速适应企业的实际工作环境。

1.2 教学方法和手段缺乏创新

目前，大数据专业教学以讲授式为主，缺乏多样化和实践性。这种教学方式容易导致学生的学习兴趣不高，缺乏主动参与和创造性思维的培养。同时，实践教学的不足也使得学生难以真正掌握大数据技术的核心应用能力。

1.3 师资力量有待加强

大数据技术的教学对教师的专业能力和实践经验有较高要求。然而，许多高职院校的大数据教师团队在数量和质量上仍显不足。部分教师缺乏行业经验和专业技能，难以胜任高水平的专业指导。此外，教师培训和进修机制不完善，也制约了教师专业能力的提升。

1.4 教学资源有待更新

大数据技术的教学依赖于大量的硬件和软件支持，相关课程需要大量的教学资源，但许多高职院校在这方面存在资源短缺的问题。例如，部分高职院校缺乏高性能计算机、专业软件等教学资源，部分课程仍以纸质教材为主。这些问题严重制约了学生的学习效果和课堂教学质量。

1.5 课程评价和反馈体系不健全

部分高职院校缺乏健全的课程评价和反馈机制，难以有效评估学生的学习效果和教师的教学表现，制约了课程教学质量的提升。

2 大数据技术专业课程改革的途径

在数字化与信息化的浪潮下，高职大数据技术专业作为培养未来大数据行业人才的摇篮，其课程设计和教学质量对人才培养效果具有至关重要的影响。然而，当前高职大数据技术专业课程在教学过程中面临一系列急需解决的问题和挑战。

2.1 教学整体设计

2.1.1 基于岗位工作任务，重构教学内容

数据分析技术应用课程以大数据工程技术人员、电子数据取证分析师等岗位能力要求为培养目标，对接全国工业和信息化技术技能大赛规程，融入大数据分析与应用职业技能等级标准，紧跟智慧制造新业态、数据质量新标准、人工智能新技术、数智融合新应用。按照“设备→产线→车间→工厂”的场景层次、“文本→图像→视频”数据复杂程度，将课程重构为递进的四个项目，如图1所示。每个项目中，根据工作流程再细分为多个任务。例如项目二是通过大数据分析实现产品智能分拣与调参，提升产线的分拣效率，通过优化参数提升设备加工精度，作用于后续生产。因此，项目二可分为数据采集环境搭建、图像数据采集与处理等五个任务。

2.1.2 锚定岗位实际需求，明晰学生学情

针对高职大数据技术专业学生的学情，基于专业背景和课程特色，我们通过深入分析学生的线上学习行为、线下智慧课堂表现以及实训测评等多维度数据，自主开发了学情监控功能。经过综合分析，得出学生“三有三强三弱”的学习特点：1） 知识与技能基础有数据分析知识，基础技能强：通过Python程序设计等前导课程和项目1成绩分析，我们发现93.75% 的学生对数据统计分析和监测分析方法有基本理解，且90.6%的学生能够完成设备数据监测分析任务，显示了学生具备扎实的数据分析知识基础和较强的基本操作技能。

实际应用能力弱：尽管学生在基础知识和技能方面表现较好，但87.5%的学生在将知识体系迁移到实际场景中时显得力不从心，这提示我们需加强数据分析的实际应用能力培养。

2） 认知与实践能力

有创新意识，岗位认知强：近90%的学生曾参与“双创”比赛，虽然成绩有待提升，但表现出强烈的创新意识；同时，93.75%以上的学生对大数据岗位从业有一定的认知，这为学生未来的职业发展奠定了良好基础。

解决问题能力弱：在问题解决方面，87.5%的学生在解决问题时途径较为单一，对复杂问题的探究和解决能力不足。这就要求我们在教学中需要注重培养学生的问题解决能力。

3） 学习特点

有实践能力，容易接受新事物：93.75%的学生对新事物接受能力强，乐于参与教学活动丰富、自主性大的课堂；同时，87.5%的学生在实践动手方面表现出强烈的主动性。

团队协作意识弱：然而，值得注意的是，50%的学生在团队协作中主动性较弱，这可能影响他们在团队项目中的表现。

2.1.3紧扣岗位能力标准，确立教学目标

根据课程标准与教学内容，对接大数据工程技术人员、电子数据取证分析师等岗位能力标准，以解决产品缺陷检测问题为导向，确定提升学生基于数据分析的“懂原理、会分析、能创新、善应用”的核心职业技能，达成“责任担当、团队协作、创新应用、持续学习”的核心职业素养，明确三维教学目标，如图2所示。

根据教学目标和岗位技能要求，确定数据分析处理为教学重点，结合学生数据分析技术在实际场景迁移能力弱等学情，预判技能实际应用为教学难点。

2.1.4基于PDCA管理模型，构建教学策略

遵循职业教育学习规律，以学生为中心，依托省级产教融合实训基地，以实际项目为载体，实施成果导向，将项目分为环境搭建、分析实现、生产验证的“三场”教学场景。基于PDCA目标管理改进模型，利用校企共研的赛证产线、数字孪生、工业云平台等“理虚实”一体化资源，构建以“教师引导、学生探索”为核心的任务驱动“四融”学习环境，复现真实的数据分析岗位，设计“三探、四融、二提升”的教学环节，帮助学生系统掌握知识与技能，攻克难点，达成能力递进提升，最终成为胜任数据分析工作岗位的高素质技术技能人才。

2.2创新教学方法和手段

2.2.1对接工作任务，构建“三融”组织教学

项目以数据分析典型工作任务为教学主线，将数据分析处理流程序化为环境搭建场、分析实现场、生产验证场，结合校企共研的赛证产线，完成高精密齿轮图像数据采集、数据分析处理、模型训练优化三类工作任务。

遵循学生能力发展路径，利用理虚实一体化泛在资源，构建“三融”学习情境，解决生产现场难进入、检测结果难评估、真实设备难修正等教学痛点，引导学生真入岗位、真练任务，提升学生“懂原理、会分析、能创新、善应用”职业素养，在多阶训练中掌握数据分析关键技术要点，将数据分析方法与实际应用融会贯通、创新应用。

2.2.2 锚定三维目标，实施“三探四化两提升”教学环节

项目实施中，结合PDCA目标管理改进模型实施教学。依托院校合作，组建双师双课，到校内产业学院，与真实产线设备零距离接触，增强学生的职业认同感；利用理虚实一体化资源让学生在学中做、做中学、学中悟；利用赛证产线让学生生产验证并进行项目展示，增强学生实际应用能力。教学过程以数据处理分析过程为导向，以数据分析工程师岗位任务驱动“三探四化两提升”即“新知、新测、新技三初探，案例导入化心、新知解析化悟、技能训练化技、成果展示化能，复练、拓展两提升”9个教学环节，使学生数据分析技能逐步提升；依托数智资源，将赛证产线、数字孪生、工业云平台融入教学过程，拓展了学习的时间和空间；教学过程中应用情境模拟、角色扮演、任务驱动、头脑风暴等教学方法，提高学生学习兴趣及团队协作。下面是图像数据采集与处理任务的“三探四化两提升”教学过程：

1） 课前三初探

教师通过智慧职教平台发布任务，学生自学数据扩充与增强技术，树立严谨意识。完成新知、新测、新技初探，包括自学思政案例、完成测试任务并绘制编程流程图，利用图像翻转功能实现数据翻倍，组内分享成果。

2） 课中四内化

教师通过案例引入数据样本少的问题，讲解卷积神经网络及数据增强方法。学生利用工业云平台搭建并优化模型，通过分组探讨和实训验证不同增强方式的适用性。成果展示结合赛证标准，运用数字孪生技术，师生共同评价，提升学生模型调参和数据处理能力。

3） 课后两提升

根据学生表现，教师组织掌握情况较弱的学生进行复练，强化数据增强与环境搭建技能。表现优秀的学生可以通过证书考核、竞赛辅导和创新应用平台等，进行个性化提升，在校企双导师指导下拓展技能。

2.2.3 践行工匠精神，融入“五精”思政元素

依岗位特征凝练“数据赋能，强国有我”为思政主线，全程切入思政元素和职业素养。依据“精心搭建、精确处理、精准分类、精益补偿、精品展示”五个任务流程融入思政元素，让学生牢牢树立“团队协作、责任担当、持续学习、创新应用”意识，使专业课程与思政课程形成协同效应，落实“立德树人”根本任务。

2.3 加强师资队伍建设

首先，积极引进具有丰富经验和专业技能的大数据人才，担任课程主讲教师或客座教授，为学生带来前沿的技术和行业洞察。其次，定期组织教师参加专业培训、研讨会等活动，提高教师的专业素养和教学能力。同时，鼓励教师参与科研项目和企业合作，积累实践经验。最后，加强与企业的合作与交流，邀请企业专家担任课程顾问或导师，为学生提供实践指导和职业规划建议。

2.4 优化教学资源配置

首先建设高性能计算和大数据处理能力的实验室，为学生提供良好的实践环境。其次，在前导课程中介绍数据分析软件的使用，如Tableau、Power BI等，满足学生的学习和实践需求。最后，丰富课程教学资源，包括微课、课件、案例、数据集等，方便学生随时随地进行学习和实践。

2.5 完善课程评价和反馈机制

充分运用团队大数据优势技能，自主研发学生综合素质大数据评价系统。以教师为引领、学生辅助、企业参与、数智系统四元主体，从三维目标出发，围绕“课前、课中、课后”三段采集教与学数据，通过“基础评价、过程评价、终结评价”实现全程质控。结合四大职业素养提出四种勋章，制定积分榜，开展增值评价，实现素养的可评可测，构建点面结合的精准学情画像，如图3所示。

3 教学效果与反思

在数据分析技术应用课程改革的过程中，实施了 “三场三融三段”教学策略，取得了一定的成效。

3.1 学生学习效果显著提升

通过项目化教学和实训探究，学生在实际操作中掌握了数据分析的核心技能，学会了将理论知识应用于实际问题的解决。学生的学习积极性和主动性显著提升，课堂参与度和满意度也大幅提高。根据学生综合素质大数据评价系统的数据统计，学生测试参与率达100%，其中96.875%的学生任务后测成绩比前测成绩有提高。利用各种学习资源促进学生知识的提升，确保了知识目标的有效达成。通过课程的学习，学生对图像数据处理和分析的认知显著增强，能够根据不同场景的特性选择合适的处理和分析方法。

3.2 教学质量明显提升

通过引入先进的教学资源和创新的教学方法，课程的教学质量得到了显著提升。学生在实际项目中得到了充分的锻炼，积累了丰富的实践经验，提升了综合素质和职业竞争力。根据产品缺陷检测关键技术过程考核结果分析，学生图像处理、数据分析、模型优化的评价达标率85.2%，学生核心职业能力提升，能够根据实际场景，运用数据分析技术，解决生产实际问题。师生共同开展江苏省产学研项目5项，获得相关专利3项、软著10项。积极参加全国工业和信息化技术技能大赛、金砖国家职业技能大赛等竞赛训练，全员参与职业技能认证，通过率超过96%。

3.3 师生共同进步

在课程改革的过程中，教师也不断提升了自身的专业素养和教学能力。通过与企业的合作，教师深入了解了行业需求和最新技术，提升了教学的实用性和前瞻性。同时，学生在项目中与教师共同研究和解决问题，促进了师生共同进步。近三年，专业教师申报省级以上项目10项，在各类竞赛中获得省级以上奖项10项；通过对学生画像分析，发现学生的责任担当、团队协作、创新应用和持续学习的职业素养逐步增强。52人次获得素养勋章，树立“五精”的数据处理、分析、优化意识和“ 数据赋能，强国有我”的使命担当。100%学生坚持参加线上学习，参加挑战杯、创新创业大赛人数增长150%，5人次在省级大赛获奖，学生在各类志愿服务中凸显体现担当。

4 结束语

在“金课”背景的引领下，高职大数据技术专业课程改革将持续推进，不断提升教学内容的实用性和前瞻性，培养学生的创新能力和实践技能。通过紧密结合岗位实际需求设计课程内容，并采用基于PDCA管理模型的“三场三融三段”教学策略，有效促进了学生职业素养与实践能力的全面提升，为大数据领域输送高素质技术技能型人才。未来，我们将继续探索和优化教学方法，积极引入前沿技术和优质资源，致力于提升课程品质，为学生提供更广阔的实践平台。