民办高校融合计算思维培养的专业特色建设研究

文谧

摘要：计算思维是一种循序渐进的认知策略，是计算机专业的学生应当具備的根本能力之一。文章通过分析数据科学与大数据技术专业建设目前存在的主要问题，针对数据科学与大数据技术的专业特点，结合民办本科高校学生知识结构与课程特点，将计算思维的培养融合到专业建设中去，从人才培养目标、专业课程体系、教学方法、教学模式、实践环节等方面研究专业特色建设，探索适合民办应用型高校的专业建设模式。实践表明，将计算思维融合到专业建设的各个环节，能够更好地提升学生分析解决问题能力，为应用型高校专业特色建设提供参考方法和路径。

关键词：计算思维；数据科学与大数据技术；专业特色建设；民办高校

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2022）29-0147-03

1 引言

随着大数据时代的到来，“新工科”数据科学与大数据技术等领域的人才缺口特别是应用型人才的缺口越来越大[1]。为满足新的人才需求，教育部积极推进“新工科”建设，2016年正式批准设立数据科学与大数据技术专业[2]。数据科学与大数据技术专业作为一个多学科交叉的新兴热门专业，以计算技术为基础、兼顾数据科学理论与应用、围绕数据价值化为特色，利用大数据的方法解决具体应用问题[3-4]。截至2021年6月，全国开设了大数据专业的高校共计有600多所，其中工学大数据占绝大多数达500多所，培养具有大数据理论、大数据实践和大数据应用能力的创新人才，适应区域经济社会发展需要[1，5]。

应用型本科院校的重点是培养实践能力强的高素质应用型人才。近年来，应用型本科院校认真贯彻新工科建设指导思想[6]，积极申报增设数据科学与大数据技术等专业，进一步优化学科专业的层次结构，促进多学科交叉融合，实现高校专业建设的新跨越，更好地为区域经济发展提供服务。

2 数据科学与大数据技术专业建设现状

从教育部正式批准设立数据科学与大数据技术专业以来，广东省内有近40所普通高校开设数据科学与大数据技术专业。而关于数据科学与大数据技术新兴学科专业建设尚在探索发展过程中，还未形成标准统一的系统性体系。各高校都缺少专业建设的相关标准和经验，专业课程体系大都也是“照搬照套”其他专业建设的模式，缺乏专业培养的特色，因此建设怎样的专业以及如何建设该专业成为各高校面临的重点问题。

数据科学与大数据技术专业与普通专业不同，该专业是一门跨学科专业，涉及人工智能、机器学习、数据可视化、概率模型等学科知识。现阶段，各地方本科高校数据科学与大数据专业的建设过程中存在的主要问题有：

1）新专业建设高校数量越来越多，但是专业定位不清晰，人才培养目标不明确，未基于学校发展形成专业特色和优势。

2）传统单一化的课程教学方法，教学过于重视学科教育或编程教育，忽视了计算思维、数据思维、创新思维的培养，学生仅仅完成课程学习，面对给定的实际问题，学生往往表现出无从下手，应用能力有待培养和提高。

3）实践教学体系不够完善；缺乏面向大数据的分布式系统，实践环节墨守成规、按部就班；实践案例、数据脱离实际应用，导致人才培养与行业、企业需求脱节。

4）学校现有师资力量不能很好地满足新的应用型数据科学与大数据专业建设的需要，师资队伍结构需进一步优化。

3 数据科学与大数据技术专业特色建设

结合民办应用型本科高校办学特点和专业特点，将计算思维融合到数据科学与大数据专业建设中去，从人才培养目标、课程体系、教学模式、教学方法、专业实践、专业课程考核评价等方面探索特色专业建设方法，建设一门民办高校应用型特色专业，让该专业更具优势，将学生培养成为企业需要的具有大数据理论、大数据实践和大数据创新应用能力的应用型人才，实现大数据人才培养质量的明显提升。本文将计算思维融合到数据科学与大数据专业建设的各个环节，包括人才培养目标、课程体系、教学模式、教学方法等，其对应关系如图1所示。

计算思维的方法主要分为四个基本步骤：分解、模式识别、抽象及算法；三个延伸方面：建模、评估及泛化。基于计算思维进行专业特色建设，对数据科学与大数据专业的人才培养目标、专业课程体系、教学的模式和方法、专业实践应用、课程考核和培养质量保障等方面进行研究，具体内容如下：

1）抽象人才需求，明确专业人才培养目标。数据科学与大数据专业是一门交叉学科，应面向地方经济社会发展和大数据产业结构调整需要、以“引导思维、突出应用、强化实践、产学结合、能力培养”为指导思想，着重培养学生的综合素质，有效与学校的特色专业如金融学、人工智能、网络工程、物联网工程等专业进行专业融合培养，发挥学科优势，培养行业、企业大数据分析类、应用开发类、系统设计类人才，更好地为区域经济发展提供服务。高校在实际的专业建设过程中，根据行业实际及调查，抽象人才需求，合理制定大数据人才培养目标，以保证人才的培养更具针对性，培养的人才更具计算思维等素质。

2）分解培养目标，完善专业课程体系。高校在数据科学与大数据专业课程体系建设的过程中，应结合专业人才培养目标，分解阶段目标，降低认知难度，前期开设 通识教育课程＼理论基础课程和基础理论课程，如数学、统计学、大数据导论、算法、编程语言等相关课程，学习基本原理，搭建学生的专业基础知识架构，这是培养学生计算思维的基础；中期开设专业核心课程、专业实践课程，如云计算、分布式系统、数据挖掘、数据可视化、机器学习等课程、学生学习专业技能，并能够应用所学的方法解决问题；后期开设专业拓展培养课程、双创教育课程、综合实践课程等，学生可结合企业项目进行大数据应用开发综合实践，参加各类学科竞赛，赛教融合。通过各阶段完善课程体系，培养学生的专业素养能力、工程实践能力以及创新能力和计算思维。

3）建模教学模式，稳定专业课程教学。经过对专业课程教学的提炼和封装，建立联合培养和翻转课堂的教学模式。加快数据科学与大数据专业建设国际化步伐，利用学校的国际合作办学资源，在原有的合作模式基础上，实现联合培养合作模式。专业课程可采用线上线下结合翻转课堂教学模式，合理安排学时，既锻炼学生的自主自学能力，也能够使得教学实践更充分。例如该专业前期课程涉及很多算法原理与数学计算，学生可以课前在线上学习平台选择资源学习理论及公式推导过程，线下教学主要以解答学生疑问、理论应用实践为主；对于专业实践类课程可以设计与工作实际相关的实践项目，让学生组队课后完成，项目完成后在课堂上进行小组展示或互评，发挥同伴教学的效果。例如利用不同的机器学习回归算法解决预测问题，让各小组对同一项目设计不同解决方案。

4）基于计算思维的课程教学方法。采用循序渐进的认知策略，对于课程的项目实践，可以基于案例驱动，讲解相关理论与操作，教学方法可采用基于计算思维培养的“三步递进式”：首先教师提出问题，让学生讨论探究——了解原理；然后教师设计系列问题，让学生解决问题——明白原理；最后学生掌握解决实际问题的基本流程并能举一反三解决同类问题——应用原理。如此引导方法既符合人的认知过程，也培养学生应用所学知识解决具体应用问题的能力。例如机器学习决策树算法，先引入一个“读心术”的游戏让学生了解决策树的基本概念，然后通过使用红酒数据集演示决策树的构建，在构建过程中，根据每次分类结果让学生反复调整超参数，从中学习该算法各超参数的作业以及如何优化超参数才能取得最佳性能，最后提出该算法的优势与不足，对于不足的弥补，引入新的集成学习算法让学生自主学习。

5）泛化专业知识，指导专业实践应用。在数据科学与大数据专业实践环节，培养学生归纳问题、把一类问题一般化的能力，引导用大数据知识模型，针对性地改进后去解决另一个领域的问题。数据科学实践性极强，学生的能力素养需要在适当的实践平台上强化，因此建设重点实验室或研究中心，才能为专业课程提供强有力的硬件支持与数据资源。高校可根据实际安排，在校内构建大数据专业实验室，配备大数据的运算环境以及实验数据，培训学生搭建大数据实践环境，熟悉大数据的整体技术、核心组件以及应用开发工具的使用，如Hadoop、Spark、Hbase等；或者与企业共建实训实践基地，实现人才培养与企业需求“无缝对接”，建立校企深度合作；为学生提供真实的应用场景，泛化专业知识，助推产学融合。

6）面向学生计算思维能力的专业课程考核。为评价学生计算思维培养的效果，可以设计层次化的考核方式，例如对于数据科学与大数据专业基础，通过客观题考核学生专业知识的掌握情况；对于专业技能与应用，通过项目案例大作业考核学生解决实际计算问题的能力；对于专业设计，可采用课题创新设计的方式考核学生的设计创新能力。

7）建设多元学生培养质量保障体系。为评估专业特色建设成效，建立多维度的人才培养效果评价体系，主要从学生对课程教学效果评价，学生参加各类专业竞赛的情况、校外企业对学生满意度评价，学院对专业、教师对专业的评价等方面完善专业教学管理体系，建立问题驱动的评价反馈机制与持续改进机制。

4 融合计算思维培养的专业特色建设实践

笔者所在的教学团队在计算机专业建设方面，开展融合计算思维培养的专业特色建设及实践，取得了较为明显的成效。将计算思维的培养融合到教学全过程，使得学生能更好地掌握理论与应用，提高学生分析问题、解决问题的能力，满足粤港澳大湾区产业应用型人才的需求。同时，基于计算思维建模方法建立更适合大数据专业人才联合培养和翻转课堂的教学模式，通过产学融合和与国际化办学资源合作，使培养目标更明确、更精准。课程引入与实际应用结合的案例或项目，提高学生的学习能动性，让学生的实践应用能力切合行业的需求。

高校专业学生积极参加“挑战杯”全国大学生课外学术科技作品大赛、“互联网+”大学生创新创业大赛等各类学科竞赛，并获得了多项省级奖项。通过竞赛可以有效检验学生专业知识掌握程度和应用能力。学生能学以致用，根据数据科学与大数据技术进行数据分析与挖掘及可视化，解决实际项目中的具体问题。培养掌握数据科学与大数据处理的理论与技术知识，具有完善的计算和数据思维，以及大数据处理及分析能力并适应区域经济社会发展需要的应用型创新人才目标得以实现。

5 结束语

本文针对数据科学与大数据技术专业特点，结合民办高校办学特色，将计算思维融合到专业建设中去，探索出符合学校实际特色的专业培养体系，建设一门民办高校应用型特色专业，让该专业更具优势：

1）人才培养目标明确，面向粤港澳大湾区，依托本校的硬件和软件优势，建立“精准”的人才培养方向；

2）形成融合计算思维的培养模式，准确实现人才培养目标，提高学生解决问题的实践应用能力；

3）学生动手实践能力强，具有创新意识，能适应行业企业发展，满足粤港澳大湾区产业应用型人才的需求。

深入探索与研究如何加强数据科学与大数据技术的专业特色建设，能有效促进新专业的建设与发展，充分发挥地方应用型民办高校的办学优势，基于学生和专业特点实现创新应用型人才培养，为地方产业输送高素质人才，也为其他民办高校数据科学与大数据技术等应用型专业建设提供方法和路径。

参考文献：

[1] 杨波，李远彪.数据科学与大数据技术课程体系的复杂网络分析[J].计算机科学，2022，49（S1）：680-685，807.

[2] 朝乐门，邢春晓，王雨晴.数据科学与大数据技术专业特色课程研究[J].计算机科学，2018，45（3）：3-10.

[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] 桂劲松，张祖平，郭克华.新工科背景下高校新专业建设思路探索与实践——以数据科学与大数据技术专业为例[J].计算机教育，2018（7）：27-31.

[5] 戴志鋒，李春艳，靳洪.多学科交叉融合的数据科学与大数据技术专业课程教学改革与实践[J].湖北经济学院学报（人文社会科学版），2022，19（7）：149-152.

[6] 刘颖，王爱莲，宣齐娜，等.新工科背景下数据科学与大数据技术专业建设探析——以地方财经类高校为例[J].吉林工商学院学报，2019，35（6）：106-109.

【通联编辑：谢媛媛】