您好, 访客   登录/注册

学科融合视角下的数据科学与大数据技术专业人才培养思考

来源:用户上传      作者:

  [摘 要]信息时代背景下,无论是从政策支持还是行业需求上看,数据科学人才的培养日益重要。对于我国新开设的数据科学与大数据技术专业来说,综合利用多学科知识与专业核心优势解决实际问题是培养方案设计的关键,因此在人才培养方面需要立足专业融合的特点,培养跨学科的思维与专业能力是人才培养的核心要求。该研究通过对国内外高校相关专业数据科学人才培养现状与经验的整理与分析,给出相关专业人才培养中涉及的知识与能力要求建议,以期为国内新建数据科学与大数据技术专业的人才培养设计提供相应参考。
  [关键词]学科融合;数据科学与大数据技术;人才培养
  [中图分类号] C961 [文献标识码] A [文章编号] 2095-3437(2020)01-0166-04
  随着信息时代的发展,大数据、云计算、人工智能成为当今互联网的3大关键技术,其中大数据技术在商业决策中的重要作用引起了企业的广泛重视。《中国行业大数据应用市场专题研究报告》中显示,2017年我国大数据市场营收规模达到188.5亿元,环比增长率为36.7%,且2013年以来环比增长率一路攀升,大数据相关市场前景十分广阔。行业应用发展走向、企业人才需求变化对高校人才培养提出新的要求,即大数据技术的发展及应用效果的关键在于配备相应的人才培养体系。《国家中长期人才发展规划纲要(2010-2020年)》提出要推动包括生物科技、数据信息技术、能源资源等领域高新技术专业人才的培养与提升。《国家统计局人才发展规划(2011-2020年)》提出要大力培养统计分析、国民经济核算等领域的人才,重点培养既精通统计又掌握信息技术的复合型人才。可见,数据科学人才的培养已受到国家人才发展规划的重视。根据教育部2018年3月的有关文件,目前我国已审批283所高校建设数据科学与大数据技术专业,但还没有构建好统一的数据科学人才培养的课程体系。因此,围绕人才培养进行关于数据科学与大数据的专业建设研究非常必要而且十分迫切。
  数据科学与大数据技术专业是统计学、数学、计算机3个学科交叉融合的专业,综合利用多学科知识与专业核心优势解决实际问题是培养方案设计的关键。因此,其人才培养工作需要立足专业融合的特点,培养跨学科的思维与专业能力是人才培养的核心要求。运用专业知识解决行业实际问题是当下以及未来行业发展对人才的要求,这就需要高校在拟订人才培养方案时充分考虑人才的职业发展要求,从专业要求中培养学生的专业知识及其应用能力,从通识要求中培養学生的职业素质。因此,本文立足学科融合的设计关键点,贴近行业人才要求,借鉴国内外高校大数据时代背景下统计类、计算机类、数学类相关专业建设经验,从专业要求、通识要求两个方面解读数据科学与大数据技术专业能力与知识的人才培养要点,以期为国内新建数据科学与大数据技术专业的人才培养设计提供相应参考。
  一、国内高校数据科学人才培养要求
  结合目前国内高校在统计学、数学、计算机3个专业人才培养上的设计现状,以及我国目前开设有数据科学与大数据技术专业高校的人才培养方案,通过网上资料收集、实地走访交流等方式总结国内高校数据科学人才的知识与能力培养要求。通过资料整理可得,专业能力培养要求主要由实践环节的数据操作能力、信息技术应用能力、实际专业应用分析与研究能力3个方面组成,即学生经过专业培养,能够借助信息化手段,结合行业背景,运用统计分析方法给出解决实际问题的方案与结论。这与传统统计学类专业人才培养的明显差异体现在信息手段应用的培养要求上,计算机应用能力、专业软件应用能力、计算机与信息技术应用能力(包括程序设计、软件开发、系统管理等)都是对学生信息手段应用方面的培养要求。通识能力要求中,职业发展能力包含了人文素养、逻辑思维、科学素养等多个方面,学习能力、思辨能力、跨文化交流能力成为众多高校根据社会环境变化添加的重要培养要求。
  能力是通过训练来培养的,可通过课程活动设计、学习成果设计、实习实践等方式实现,但专业知识的学习是能力训练的基础。本文根据相应能力要求,从专业、通识两方面分别提出学生培养的知识要求,即需要学生通过识记、理解去掌握的知识点。详见表1所示。
  二、国外高校数据科学人才培养要求
  以开设有应用统计方向,侧重于应用型数据科学人才培养,且在人才培养方面具有一定成效或声望的高校作为选择依据,在国内各大留学网站、国外高校官网上查询专业设置、课程开设等情况,整理出国外高校在数据科学人才培养中的知识与能力培养要求。详见表2所示。国外高校数据科学本科生培养以专业基础能力的培养为核心,大部分课程为数学类、计算机类的课程,高年级才会出现几门关于专业方法应用类的课程,如统计分析、建模方法相关课程。通过整理资料发现,国外高校更加注重对本科生职业素养和思维方式的培养,学校官网上均会对校内丰富的学生活动进行介绍和宣传。
  三、数据科学与大数据技术专业人才培养要求汇总与分析
  通过总结国内外高校相关专业人才培养信息发现,数据分析能力、应用信息技术解决实际问题能力是共同的人才培养能力要求。和能力要求相对应,数据基础知识、信息技术基础知识、统计学基础知识、人文社会科学知识是对知识掌握的共同要求。基于学科融合特点的人才培养要求非常明显。可见,利用信息技术进行统计分析是数据科学与大数据技术专业人才培养的核心,而培养具备有竞争力职业素养的专业人才也是本科教育的重点培养目标。汇总国内外院校数据科学人才培养设计的知识与能力要求情况,提取其中的共同点与不同点,详见表3所示。
  本文结合我国行业应用现状及专业建设现状,将上述人才培养要求的共同点进行保留,认为是对数据科学和大数据技术专业人才培养的核心要求;对不同点进行进一步梳理筛选,根据工作经验及访谈交流心得,保存当下数据科学与大数据技术专业人才必须具备的能力与知识。考虑到数据应用需要业务分析做支撑,因此保留专业应用领域背景知识的学习要求。本文将数据科学与大数据技术专业知识与能力培养要求进行了总结,如表4所示。   知识与能力的培养离不开课程学习、训练与实习实践,通过课程体系将对知识与能力的培养要求落实到4年的培养中。课程体系的设置可从通识教育、专业教育、个性化教育这3个方面进行考虑,详见图1所示。
  通识教育和专业教育分别对学生通识类、专业类的知识与能力进行培养,每个模块都包含教育课程和实践课程。教育课程包括理论课、理论+实验课,主要讲授基本知识点,学生通过学习可以实现对基本知识点的识记、理解、基本应用。专业教育可以设置不同的课程包以支撑不同专业能力的培养。实践课程以项目实践课程的形式开展,训练学生的通识能力、专业能力。比如通识素质实践模块可以加入社区服务实践、红色教育基地志愿者实践等项目实践课程,这样既能培养学生思政课程知识的学以致用能力,也能很好地训练学生的沟通表达、人际交往等多项通识能力;专业综合实践模块可添加校企合作的专业项目实践,将企业的真实项目引入课堂,由企业导师、校内教师共同授课,在集中的一段时间内指导学生应用现阶段所学专业知识完成一个企业数据处理或分析的项目模块。
  个性化教育是为实现对学生的分类培养而设计的,即让学生在完成一个专业大学阶段的基础培养要求外,可以根據自己的兴趣爱好或发展计划来选择一些学习内容。学生可以通过公共选修课学习其他专业的课程,也可以通过第二课堂活动,选择参加自己感兴趣的社团、竞赛、社会实践等。值得思考的是,专业在第二课堂活动设计时,可与学生毕业后的发展规划联系起来,比如在大四阶段设置一些工作坊,让计划考研、出国深造的学生可以更好地获得考研复习指导、学习资源、出国游学的机会,让计划工作的学生可以系统地参加一些关于职场礼仪、职场工作技能类的培训等。
  之后,可按照课程体系框架,围绕培养要求设计专业人才培养路径,即学生大学4年的学习地图。建议将专业能力按照难易程度及综合程度进行主次划分。每个年级有核心的专业培养能力,由专业课程包、专业综合实践来支撑。通识能力的培养除了低年级的专门课程、素质实践来支撑外;高年级专业课程、第二课堂也可从活动设计方面来培养;大四可根据学生个人发展需要参加不同主题的工作坊,做第二课堂专项训练。
  四、结论
  综上所述,对于数据科学与大数据技术专业的人才培养,从专业要求角度看, “有技术、懂业务”应是人才培养设计的核心,因此在传授数据操作、管理、分析相关的专业能力与基础知识的同时,像经济学、管理学这种应用学科的基础知识也必不可少,同时要注重对信息技术应用能力的培养。从通识要求角度看,完善的人格以及合理解决问题等基础能力的培养显得尤为重要,这既能帮助毕业生更好地在实际工作中应用专业知识,也是毕业生长足发展的核心竞争力。
  本研究根据人才培养设计规律,通过查询总结国内外高校相关专业人才培养的经验与现状,从专业要求、通识要求两个方面论述数据科学与大数据技术专业人才培养的知识要求、能力要求,并根据培养要求对人才培养进行进一步的分析与思考,提出人才培养的课程体系与培养路径,为我国新设数据科学与大数据技术专业的人才培养提供一些参考依据。
  [ 参 考 文 献 ]
  [1] 孔晓瑞,刘梦玲,靳俊娇.大数据时代背景下对应用统计学专业的思考[J].高教学刊,2016(18):41-42+44.
  [2] 冯育强,李德宜,余东.大数据时代统计学专业建设研究[J].大学教育,2017(7):13-14.
  [3] 冯思畅.大数据时代的计算机科学与技术专业综合改革[J].信息系统工程,2017(1):20.
  [4] 李雯雯,韩仙玉,刘文洁.大数据时代计算机专业教育的探索[J].现代计算机(专业版),2014(10):54-57.
  [5] 方昕.大数据时代下计算机专业教学的探索[J].微型电脑应用,2014(11):32-34+37.
  [6] 孔环,李晓.大数据时代数学专业就业前景分析及培养研究[J].山东青年政治学院学报,2016(3):54-57.
  [7] 赵军,陆启威.学科融合不是简单的跨学科教育:学科融合教育的实践和思考[J].江苏教育研究,2016(31):32-34.
  [8] 卢虎胜.学科融合及其对高校学科建设的启示[J].当代教育论坛(校长教育研究),2008(3):48-49.
  [责任编辑:庞丹丹]
转载注明来源:https://www.xzbu.com/9/view-15108974.htm