大数据微专业建设初探

来源:用户上传      作者:

　　摘  要： 为了解决大数据专业人才瓶颈问题，结合扬州大学广陵学院实际情况，提出大数据微专业建设。文章从专业定位与规划、师资队伍、课程建设、实践教学及教学组织形式等方面探讨新专业建设。提出大数据微专业定位在大数据应用，校企联合培养，建设多元化的教师队伍，构建基于工作过程、培养岗位能力的新课程体系，项目任务为驱动的教学模式等专业建设思路。
　　关键词： 大数据; 专业建设; 项目教学; 校企合作
　　中图分类号：G642          文献标志码：A      文章编号：1006-8228（2019）08-68-03
　　Abstract： In order to solve the problem of talent bottleneck in big data specialty， the construction of big data micro specialty is put forward according to the situations in Guangling College of Yangzhou University. This study discusses the construction of this new specialty from the professional orientation and planning， the teaching staff， curriculum construction， practical teaching system， teaching organization form， and other aspects. This paper puts forward some ideas for the specialty construction， such as the professional orientation in big data applications， the co-cultivation of school and enterprise， the construction of diversified teaching staff， the construction of new curriculum system based on work process and the cultivation of post competence， and the project task-driven teaching mode.
　　Key words： big data; specialty construction; project teaching; school-enterprise cooperation
　　0 引言
　　云计算、物联网等信息技术的快速发展，与经济社会各行各业深度融合，引发数据资源的爆发增长。对各种存储介质中的海量数据进行采集、存储、管理、处理、分析、整合、控制，大数据技术应运而生。
　　根据智联招聘发布的《2018校招岗位报告》显示：互联网行业中，数据分析师作为新兴的热门职位，最供不应求，而且该职位地区分布不均衡，高度集中在北京、上海、广州等一线城市。梳理2018届互联网校招高薪岗位发现，微软、腾讯、阿里巴巴、百度、Google等20多家企业，年薪突破了30W。由此可见，当前我国人才供给中，数据分析工程师的供给矛盾最为突出。不仅中国，全球都面临数据人才奇缺的难题。
　　自2016年教育部首批三所本科院校设立“数据科学与大数据技术”专业，截至到2018年，全国共有283所本科高校成功申报该专业。但是，高校输出相关专业的人才至少需要4年之久，传统的人才培养模式无法解决大数据人才瓶颈问题，必须寻找一种快速根据市场人才需求做出反应的办学方式。微专业，通过以职业为导向的专业课程的学习，快速达到某一领域的核心技能要求，有效解决了大学专业设置与企业用人需求之间的匹配问题。
　　在此背景下，探究“微专业”人才培养模式是十分必要的。遵循“立足地方，定位应用，紧贴产业”基本原则，对接地方经济社会发展，瞄准大数据分析专业方向，定位应用型人才培养。本文依托扬州大学广陵学院，在现有专业培养的基础上，探索适合独立院校大数据人才培养的模式。
　　数据学科和大数据技术结合形成了数据科学与大数据技术专业，因此不能把大数据专业狭隘得理解为研究型数学专业[1]。大数据是一个交叉性很强的学科，很难完全归属于哪个独立的学科。“微专业”建设，虽“微”不“简”，也属于专业建设，本文在充分论证的基础上，从专业定位与规划、师资队伍、课程建设及实践教学、教学组织形式等方面综合考虑。
　　1 专业定位与规划
　　专业建设定位要明确“培养什么人、怎样培养人、为谁培养人”。人才培养是高校的中心工作，人才培养的改革牵一发动全身，尤其对于专业人才培养方案的修订更是谨慎，而微专业的实施，可以用短平快的方式在最小范围内对人才培养方案进行动态的调整，一旦发现调整措施有效，再稳定有序地全面推进专业人才培养模式的改革工作。
　　大数据微专业建设定位在大数据应用上，以大数据作为工具，优化改革传统专业，调整专业发展方向，与专业的应用相结合，依托大数据把已有专业办出特色。建立基于产业需求的人才培养方案修订流程，坚持“工程应用型”人才培养目标定位。根据地方经济特点和对人才的需求以及学院的办学条件，从数据分析师、大数据应用开发工程师岗位的技能需求出发，企业参与人才培养计划的制定，校企联合培养大数据分析、应用开发类人才。
　　2 师资队伍建设
　　教师能否适应大数据专业教学对理论知识和实践的新要求，是培养高质量大数据人才的基本保障。大数据技术在国内起步较晚，综合掌握数学、统计学、计算机等相关学科及应用领域知识的综合型数据科学的教师资源缺乏[1-2]。为了适应教学，部分教师参加校外机构开设的大数据行业培训，培训的质量参差不齊，短期内无法满足教学需求。为了解决师资力量不完善的问题，在大数据微专业培养中，聘请一线工程师作为教师队伍的补充。高校教师主要来源于传统学术型的高校人才培养体系，理论基础扎实，但是缺乏一线工程经验，所以聘请来自一线的行业工程师来授课，使企业、行业专家成为师资队伍的一个重要组成部分，建设多元化的教师队伍。 　　大一至大三开设的课程，主要为通识课、专业基础课，相应课程对应用实践要求不高，由高校教师授课。大四进入微专业学习，主要开设专业课，与当今社会前沿技术密切相关，由一线的行业工程师来授课，将项目和企业工程案例带到课堂。高校教师作为专任班主任，通过全程参与学习，积累工程经验，提升教师队伍对前沿技术的掌握情况。
　　3 课程建设
　　随着大数据技术的不断发展，高校需要建设与时俱进的大数据专业课程体系，更新教学内容，以适应新的发展要求[3]。在课程设置方面，不局限于数据采集与预处理、数据存储与管理相关的基本知识、技能，应贴合社会及产业需求，重视培养就业技能，增设数据分析、挖掘和应用的技能的课程。以学生为本位，根据就业岗位的需求和学生在学习过程中的反馈，不断地探讨和改进课程体系及课程设置。
　　大数据课程建设的基础在于庞大的数据资源。数据资源主要来源于社会各行各业，高校自身要完成大数据基础资源的收集是相当困难的，普遍存在缺乏企业工程案例挖掘，缺少真实工程数据，缺乏高质量教学案例库等问题。目前，高校培养的学生与行业需求始终存在差距，这个差距成了难以逾越的鸿沟，采取校企联合培养方式是解决这一问题的有效途径，为用人市场提供最紧缺的人才，为产业发展提供保障。通过校企合作，将课程内容与企业项目有机结合，以行业企业大数据需求为标准，以职业岗位能力培养为主线，开设基于工作过程、培养岗位能力的新课程体系。通过校企合作，可以积累教学工程案例，更新教学内容，充实教学资源库，让学生掌握到目前主流的核心技术与应用。在运用大数据有效推进数据挖掘、数据分析，深化大数据在各个专业管理创新、服务创新的同时，进一步整合和优化专业课程设置[4]。
　　4 实践教学
　　独立院校的人才培養定位在应用型人才的培养，实践教学是应用型人才培养区别于学术型人才培养的重要环节[5-6]。目前实践教学实施过程中主要面临的问题：缺乏科学的实践教学体系，实验实训的目的不明确，缺乏过程管理和监督，实践教学的反馈机制尚未建立。课程实验教学基本都是以验证理论知识和掌握实验实训技能为目的。由于受到硬件设施和空间的限制，实践教育与课程实验教学相脱节，两者之间缺乏互动、衔接，未形成完整的实践教学链条。如何解决实践教学中存在的问题，深化实践教学改革，为学生提供更优质的实践机会和实践平台，是大数据人才培养过程中面临的一个挑战。
　　为了使学生快速成长为符合大数据产业需求的人才，实践教学要与数据行业应用场景及企业大数据项目的需求相结合。项目实训内容设计时需要覆盖当前主流大数据技术应用场景，涵盖数据采集，清洗转换，分析处理，可视化展示等流程。只有让学生参与到企业项目中，在项目实训中形成工程思维，积累工程经验，锻炼专业技能，提升工程实践能力。授课案例采用企业真实案例，设置了企业的项目启动、讨论、结案的模拟课时，让学生提前适应模拟项目实战流程。通过大量项目训练与实践，让学生在实际应用中掌握数据分析的方法，在项目实战中强化分析问题和解决问题的能力。
　　5 教学组织形式
　　教学组织安排中，注重对学生岗位综合技能的锻炼，采用以工作过程为导向、项目任务为驱动的教学模式。通过项目实战，不仅实现学习与实际工作的无缝对接，还可以在真实工作情景中培养学生分析问题、解决问题、创新能力和沟通协调能力等职业素养，提升学生的实践能力和创新能力。
　　项目教学零距离贴近企业工作环境，将学生分组进行项目实战。在项目任务布置之后，通过MOOC开设线上学习课程，为学生提供个性化自主学习环境，帮助和引导学生自主学习和再学习，培养自我发展的能力，树立终身学习的理念，更好的适应未来职业发展的需求。
　　随着智能手机的普及，教师在平台上传学习资料与教学视频，学生在移动设备上进行学习，打破时间和空间的限制，有利于学生利用生活中细碎时间，自主选择感兴趣的知识进行学习，在短时间内掌握相对完整的知识块。
　　项目教学是一种基于工作过程的教学模式，具有很强的模拟性和实战性。为了增强针对性和互动性，在项目教学实施过程中，采用周汇报和项目研讨相结合的形式。通过周汇报提升学生自我认知与管理水平。每周提交项目总结，对一周的学习情况进行总结归纳，包含学习效率、学习状态的自我评价，以及下一周的学习规划等。通过项目小组研讨的方式制定出工作计划与项目方案，项目完成之后集中汇报，培养学生的团队协作能力和创新精神。
　　6 结论
　　为了解决大数据人才瓶颈的问题，提出微专业建设。根据独立学院自身特点，大数据微专业建设定位在大数据应用上。为了适应专业对实践的新要求，采用校企联合培养的人才培养模式，聘请企业、行业专家作为高校教师队伍的补充。以职业岗位能力培养为主线，构建基于工作过程的新课程体系。教学组织安排中，注重对学生岗位综合技能的锻炼，采用MOOC在线学习、项目教学模式，在真实工作情景中提升学生的实践能力和创新能力。
　　参考文献（References）：
　　[1] 陈振冲， 贺田田.数据科学人才的需求与培养[J].大数据， 2016. 5：95-106
　　[2] 朱琳. 关于高校大数据专业教学模式初探索[J].电脑知识与技术， 2017. 5（13）：125-127
　　[3] 贺文武， 刘国买. 数据科学与大数据技术专业核心课程建设的探索与研究[J].教育评论， 2017.11： 31-35
　　[4] 张艳. 大数据背景下的数据挖掘课程教学新思考[J].计算机时代， 2014. 4： 59-61
　　[5] 樊迪. 论高校本科开设大数据专业的重要性[J].沈阳工程学院学报（社会科学版）， 2018.1：119-123
　　[6] 姚力， 朱龙飞， 崔晨. 大数据时代数据科学课程建设与人才培养的探索[J].计算机时代， 2018.11：87-93
转载注明来源:https://www.xzbu.com/8/view-14995189.htm