新工科背景下大数据专业课程体系设计

付长贺, 邓 甦

(1.内蒙古财经大学 统计与数学学院, 呼和浩特 010070;2.沈阳师范大学 数学与系统科学学院, 沈阳 110034)

0 引 言

数据科学与大数据技术专业(简称大数据专业)是国家教育部2016年新增专业,旨在培养社会急需的具备大数据处理与分析能力的高级复合型人才。随着通信技术的飞速发展,互联网和物联网已经积累了海量的数据资源。存储方法的多样化以及数据生成方法的重大变化催生了大数据时代的到来。大数据的主要特征是海量、多样化和快速。为了满足大数据特性的要求,企业和社会迫切需要各种具有强大工程实践、强大创新能力的高素质人才。这符合新工科背景下的培训目标。因此,各高校应结合大数据技术思想和高校自身特点调整课程体系。特别是现在人工智能技术高度发展,大数据专业更应探索适应时代背景的课程体系,使人才培养模式进一步优化和完善[1-2]。

1 新工科背景下大数据专业课程概述

1.1 课程目标

根据新工科改革的要求,大数据专业课程应根据信息技术行业和学校的具体情况,重点关注新工科的作用范围并重新定义人才培养目标[2-4]。主要包括:第一,应用和复合培养数据科学和大数据技术方面的工程技术人才;要求学生具有坚强的品格,具有科学和人文精神以及良好的职业道德;第二,具有独立学习、批判性思维和国际交流的能力;具有信息科学、管理科学和数据科学的基本知识和技能;第三,掌握计算机科学、网络、数据编码、数据处理以及数据科学和大数据技术所需的其他相关学科的基本理论和知识;掌握大数据采集、存储、处理与分析和项目开发的能力。

1.2 课程架构

数据科学和大数据作为新兴专业,不仅带来机遇,也带来挑战,目前我国大数据高等教育课程体系存在一些问题,例如:缺乏教师、跨学科交叉、基础实验环境薄弱[4-6]。因此,为顺应社会科学技术的发展趋势,国内大学纷纷开发了数据科学和大数据专业的课程体系,以满足人才培养机制的要求。为了进一步推动工程教育改革和创新,培养大数据的跨学科、应用型和创新型人才,大数据专业课程架构分为四个模块:通识课程,基础学科课程,专业课程,全面的培训课程,每个模块的内容是互补并逐步进行的。

通识教育课程主要包括高等数学、大学英语、思想道德修养与法律基础等,可以使学生掌握数学、自然科学和其他社会科学的基础知识。基础学科课程主要包括统计学方向和计算机编程类课程,提高学生数据处理的基本理论和工具。专业课程侧重于培训学生掌握核心知识和应用工程。学生应掌握专业领域的方法和工具,例如大数据技术、数据分析方法等专业知识,同时了解金融、医疗、娱乐、电子商务等相关应用领域的背景知识,为大数据综合实践项目的发展奠定良好的基础。大数据项目和毕业课程的广泛实践提高了学生的实践技能,特别是校内和校外的实践培训,可以使学生对大数据技术有广泛的了解,完成实际项目开发并快速融入到公司环境中[7]。

2 新工科背景下大数据专业课程设计中存在的问题

2.1 学科交叉,教学难度大

大数据除了新兴和跨学科的问题外,还有其自身的特点和不足之处,它们与统计、数学和计算机科学等基础学科密切相关,并且与其他许多以应用和复杂性为特征的应用学科相结合。大数据人才不仅要掌握许多相关学科的基础知识,还要掌握与大数据的收集、存储、挖掘、分析和可视化有关的新开发方法和技术系统知识。因此,如何根据不同的人才培养目标有意义地分配和整合多学科内容和知识系统是现有的教学问题[8-10]。

2.2 师资力量不足

尽管一些院校配备了较好的实验设备,但由于专业结构或专业的原因,许多课程的衔接不够科学,课程安排不够,造成内部上的诸多不便。也有很多教师从其他相关学科转移来进行大数据专业课程教学。这些老师对这些新兴行业和公司的发展知之甚少,很难制定科学合理的专业课程体系和人才培训计划,这对大数据专业的发展极为不利。

2.3 缺乏实践教学环境

通常,大数据分析是建立各种云计算平台的重要支持。但在现阶段,即使是在本科院校中,大数据和云计算课程在许多方面都有很大的不足,并且大多数大数据专业的教学缺乏适当的硬件设备和大数据系统平台的支持。这些条件对于构建大数据专业指导和大数据人才培训体系是必不可少的。因此,缺乏实践教学环境是当前大数据专业课程中存在的一个问题[7,11-12]。

3 新工科背景下大数据专业课程设计的完善

3.1 重构教学体系

首先要以技术实践能力为核心,实现理论教学与实践教学的深度融合。依靠公司的技术实践和高校的理论研究,实现从学习研究到实践的综合统一。坚持以企业需求为重心,以学生培养为导向,以学校老师为助力。其次以技术创新能力为核心。在基本学分制的弹性模块上,可以将技术与科学体系进行深度整合,实现通识教育与专业进步的融合,依靠基础知识实现高度的教研融合。加强学术导师、学科竞赛和创新基金项目之间的联系,并通过依靠教、学、研系统地实现师生融合[13-15]。

3.2 优化教学内容

在交叉融合实践教学体系的基础上,在课堂上和课后分别建立了2条实践教学链,并在创新能力的培养基础上,特别是随着大数据的应用和发展,构建了一套完整的实践教学内容。以技术为目标,建立大数据应用技术课程组,强调理论与实践课程之间课程内容的相互关联和交叉整合,以促进大数据思维,互联网思维,适用性和工程实践。课程的教学内容采用模块化结构,知识点之间进行层次和渐进的链接,特别是通过“班级基础,实践强化,科研管理”与开放式培训形式的系统链接协约,实现了2个实用教学链的分步连接[2,10]。第一,课堂实践教学以大数据处理的整个生命周期为载体,形成了基础实验技能培训+项目模拟设计培训+专业实践后培训的实用链,促进学生将理论知识与实践能力、团队合作协调融合,知行合一。第二,课外实践指导以技术导向为载体,形成了项目导向分析+商业教育实践+创新创业竞争的发展链条,使学生具有跨界分析能力和工程跟踪研究的技术扩展和创新能力。

3.3 规划实践课程

为了制定人才培养计划,首先必须了解专业人才的市场需求。因此,制定实践课程,建立校企合作平台非常重要。特别是在大数据等新领域,高校必须随时关注行业动态,了解企业当前对该领域人才的需求,并根据企业需求制定人才培养计划。这包括许多方面,例如开设课程、制定课程标准、确定教学方法、确定评估方法以及定义教学核心内容。在这些过程中,需要与企业沟通并听取员工的建议。而且,这些内容在确定后并非一成不变,而是需要根据实际市场需求的变化进行定期调整。此外,充分利用校企合作平台还可以为该专业的学生提供更多的实习和就业机会。可以与企业合作进行个性化实践,并根据企业的要求全面培养学生。

3.4 完善教学评价

基于“专业实践”“教学科学研究”“专业职业”的实践教学过程设计,完善科学合理的教学评估机制,这将鼓励学生灵活地使用大数据理论,取得良好的教学效果,实现对评估结果的合理利用[14-15]。有必要在校内外学生与导师之间建立合作的质量评估机制,以促进实践培训不断动态地、长期地适应实际的技术需求。应建立基于“基本学分制+奖励积分制”柔性模块的教学质量评价机制,以促进实习生持续、长期适应产业创新的需要。高校承担着培养具有实践能力和创新能力的跨学科大数据人才的责任。围绕教学系统、教学内容、教学方法、教学过程和教学评估的教学改革,建立科学的层次分析评价模型,如图1所示,可以调动师生积极性,进一步完善教学评价工作。

图1 层次分析法

3.5 重构课程体系

普通高校由于自身师资、教学资源的不同,应该制订符合自身条件的课程体系及培养方案。总体来说,大数据专业可以制订“软”“硬”两套侧重不同的课程体系。这里的“软”是指以python语言为基础的数据科学路线,主要以学习数据分析模型、算法等为主,适合数学、统计基础强的院系;“硬”不是指硬件,而是以Java语言为主的大数据技术路线,主要学习分布式存储、数据仓库等为主,适合计算机类的院系。图2展示了两套路线的核心课程,该图只是展示了路线侧重的课程,并不是忽略其他课程。

图2 课程体系路线图

4 结 论

为了适应大数据时代的新兴产业,我国在教育改革中提出了针对数据科学与大数据技术专业的课程体系建设方略,从整体上开设了针对不同领域的具有不同模块的大数据课程,并引入了大数据课程分层体系促进本科课程的发展,满足社会对不同类型的大数据人才的需求。下一步,高校应继续贯彻教育部的教育教学改革理念,通过加强大数据教师团队建设,不断改善实用教学平台的开发,并创建适合于培养新工科人才的课外创新创业教育体系,以及符合自身特点的课程体系和人才培养模式。