“双核联动+多维交融”人才培养模式探索与实践——以兰州文理学院大数据专业为例

赵世林,东科余

(兰州文理学院 数字媒体学院,甘肃 兰州 730000)

人类科学技术的发展已经由“互联网+”时代过渡到“大数据+”时代,随之而来的大数据人才缺口越来越大,人才荒现象层出不群.英国、法国、美国和日本等发达国家较早提出大数据发展战略,中国等发展中国家起步相对较晚,不同国家相继提出适合自身特点的大数据发展措施和方案[1-3].2015年8月,《国务院关于印发促进大数据发展行动纲要的通知》[4]明确了大数据专业的培养目标和办学方式,鼓励跨校、跨区合作,支持企业加入大数据的人才培养方案制定过程中,产学研用同步实施,培养高质量、复合型的应用型现代化人才.根据国家制定的大数据发展战略,各地政府积极践行,分别制定适合本省的大数据发展政策,贵州等省市率先制定大数据发展政策.大数据人才需求旺盛,各级政府通过制定政策,积极为高校人才培养、企业和政府人才引进等提供良好的制度保障,促进大数据人才培养工作取得实质性成效.部分地区政府出台的相关政策文件如表1所列.

表1 部分地区政府出台的大数据发展政策文件表

兰州文理学院结合前期办学软硬件优势,于2017年成功申报数据科学与与大数据技术专业,在新专业的筹备中做了大量的调研与走访工作,结合市场需求和自身专业优势,探索出一套适合应用型本校数据科学与大数据技术专业人才培养体系.该体系以“互联网+大数据”为指导,将智能媒体技术和互联网现代教育技术相结合,考虑个体差异性,从学生能力本位出发,提出一种“双核联动+多维交融”的人才培养模式,该模式在新工科背景下,以培养学生综合能力为核心,将实践与理论、产业与教学、教学与科研、科研与责任等高度融合,并结合自身办学特色,为适应区域经济的发展培养更多的数据科学与大数据技术方向的复合型人才[5-6].

1 大数据专业人才培养面临的问题

1.1 人才培养模式结构单一

数据科学与大数据技术专业作为一个多学科交叉专业,不同学校因其前期办学基础不同所采用的办学模式也不尽相同,导致该问题的原因主要有:①该专业可授予理学或工学学位;②该专业可设在计算机学科大类下,也可设在数学或统计学学科大类下;③早期的大数据技术作为研究生的研究方向或课题对相关学科基础知识的掌握程度要求更高;④部分院校因办学条件不成熟而采用校企合作办学方式;⑤不同地区、不同类别院校的培养目标不同.

尽管不同院校采用不同培养模式的原因不一样,但针对数据科学与大数据技术专业的人才培养模式结构仍然比较固定,整体上可以划分为两类:第一类为注重学生技术培训的技术型培养模式,该模式突出学生工程实践能力的锻炼;第二类为注重专业知识学习的学术型培养模式,该模式突出学生技术创新能力的锻炼.然而传统数据科学与大数据技术专业培养模式结构只采用其中一种,忽略了学生个体间的差异,无法深度发掘学生学习潜能,导致所培养人才质量不高,人才培养模式可扩展性较差.

1.2 课程体系缺乏特色

传统培养模式对应的课程体系存在缺乏专业办学特色、课程设置重复、课程设置顺序不合理、课程间没有相关性等问题,主要原因有:①对已有的相关专业课程体系稍加改动形成大数据专业课程体系;②照抄企业或相关院校提供的课程体系而不明其意;③课程体系没有经过同行专家的论证;④人才培养的目标不明确.

完备的课程体系设置应满足有特色、有依据、有目的、有产出等条件,应从学生中来到学生中去,而不应该是对现有其他课程体系的生搬硬套.完备的课程体系对教学内容、教学方法、教学过程、教学评价等方面的优化和改进都会产生积极作用.

2 基于大数据专业的“双核联动+维交融”培养模式探索与构建

针对传统数据科学与大数据技术专业人才培养模式结构单一、课程体系设置缺乏特色等问题提出一种“双核联动,多维交融”的培养模式,该模式兼具技术型培养模式和学术型培养模式的优点,激发学生的工程实践能力和技术创新能力,以“互联网+大数据”的工程观为指导,重构人才培养体系、优化课程体系、深化教学内容、更新教学方法、规范教学过程和完善教学评价,从多个维度探索大数据专业人才培养,具体模式架构如图1所示.

图1 “双核联动、多维交融”培养模式

2.1 双核联动+多维交融

双核联动是指新培养模式既采用技术型培养模式也采用学术型培养模式,两种模式根据不同的课程性质动态调整,同时注重学生技术创新能力的培养和工程实践能力的锻炼,两种模式作为整体架构的两个核心,同时发挥育人作用.双核联动模式打破了传统模式使用条件的限制,将培养方式和培养方法进一步细化,可以具体到某一门课程或某一项实验,决定使用哪种模式不是课程或老师,而是基于学生的学习过程反馈.

多维交融是指多个维度深度融合重新构建全新的教学体系,此处的维度分别指培养体系、课程体系、教学内容、教学方法、教学过程以及教学评价等.将所构建的培养体系作为培养模式的产出,应用于实际教学中,根据实际授课情况动态调整各个模式在不同课程中所占的比重,重新优化教学系统,直到效果达到预期状态.

2.2 重构教学体系

2.2.1 重构培养体系

新人才培养体系遵循以学生为中心的OBE理念[7-8],依据地区经济及社会发展需要、企业行业岗位需求、知识能力和实践能力需求、学生就业反馈等,通过同类院校考察、企业行业调研,经教研室研讨、学院、学校学术会议讨论、行业企业专家论证等流程,制定符合市场、地区发展的人才培养体系.目前已经形成了教学与科研、产学与研用、理论与实践、职业与执业深度融合的数据科学与大数据技术人才培养体系.

培养专业体系框架如图2所示.

图2 数据科学与大数据技术培养专业体系框架

本方案从学生能力本位角度出发倒推培养体系,将培养体系细化为基础能力培养体系、专业能力培养体系、实践能力培养体系及创新能力培养体系.基础能力的培养主要以通识教育课程和学科基础课程为主;专业能力的培养主要借助专业基础课程和专业核心课程;实践能力培养主要体现在每学期末的综合实训及校内外培训;创新能力培养主要依赖于毕业实训、毕业实习及毕业设计等课程.能力培养覆盖人才培养全过程,为学生今后全面发展和自主能动性的形成创造有利条件.

2.2.2 优化课程体系

基于行业企业提供的岗位和学生能力本位出发反推学生需要掌握的知识和能力,并制定与之相匹配的课程体系.具体来说,新的课程体系注重课程之间的先后顺序,环环相扣,理论与实践结合度高,最终以工程实践项目为落脚点;将课程划分为大数据工程、大数据分析等方向,进一步拓宽就业口径;实行课程第二课堂,即将课程与竞赛、讲座、工作室项目动态绑定,激发学生的技术创新能力.本专业人才培养基于以OBE理念,通过行业企业提供的就业岗位和学生能力本位反推课程体系及课程开设顺序,凸显办学特色,制定了“厚基础、宽口径、重实践”的培养理念.实施“3+1”培养模式,通识教育课程、学科基础课程以及专业相关课程均在前3年开设,第4年主要以集中实训、毕业实习、毕业设计为主,始终坚持理论与实践相结合,实践学分占总学分的42%,为学生实践创新能力的培养提供强有力支撑.课程体系及专业特色结构如图3所示,其中课程间自左向右、自上而下为依赖关系.

图3 数据科学与大数据技术专业课程体系及特色结构

根据图3可以将大数据课程体系分为大数据工程和大数据分析两个方向,大数据工程方向旨在让学生掌握大数据平台的搭建及编程技巧、分布式数据库的结构和设计原理、平台的运维和部署,从而实现非结构化和半结构化数据的管理和应用,主要面向大数据运维工程师、数据库工程师及数据分析工程师等岗位;大数据分析方向可实现大数据挖掘与应用、智能推荐与精准营销、决策管理与市场预测等,主要面向大数据算法工程师、大数据分析工程师和系统架构师等职业.从广义上可将该课程体系进一步细化为人工智能技术和软件工程两个方向,大数据课程体系中的大多数课程需要以计算机类的学科基础课为支撑,此类课程形成了软件工程方向,为学生后续的知识拓展提供基础.其次大数据分析方向的机器学习、人工智能技术等课程均涉猎人工智能的相关技术,该方向为学生后续深造,进行创新性研究提供技术支撑.

2.2.3 教学过程改进

(1)优化教学内容.将教学内容分解为两条教学链,一条注重理论教学,另一条是与理论相对应的项目式实践教学.在原有内容的基础上进行优化,制定一套完整的基于创新能力培养和实践能力锻炼的教学内容.理论教学涉及数据采集与预处理、数据存储、数据分析与挖掘、数据可视化等,实践教学与之相对应,前期课程为项目介绍及规划,中间课程与理论教学内容紧扣,最后一节课程为项目汇报和评测.

(2)改进教学方法,规范教学过程.依据理论与实践教学内容的不同,采用不同的教学方法.理论教学方面,激发学生学习的积极性和自主性,采用“积极教学法”,有导向点名提问、小组活动、任务单、评价量表等多种形式开展学习;实践教学方面,采用“项目式”教学方法,教师演示实验过程,学生练习并完成新的实验任务,最终完成涵盖全部知识点的综合项目.基于项目式和积极教学法的方法既注重工程实践能力培养又注重技术创新能力培养,该教学过程对学生的就业和创业将产生良性的推动作用.

(3)完善教学评价.理论授课阶段采用积极教学法中提供的组间互评和组内互评两种方式;实践教学过程中将知识点进行细化,将整个课程项目划分为对应理论知识点的小项目,每个小项目进行阶段性评价,大项目进行最终评价,评价过程均采用评价量表的方式.通过以上方式的评价可以达成“教师主导、学生参与”的良好效果,最终实现评价结果的合理利用,并反哺于教学.

3 模式应用及效果反馈

“双核联动+多维交融”的培养模式在本校大数据专业的应用主要体现在人才培养体系和课程设置两个方面,人才培养体系的成效通过学生就业率来反映,课程设置的结果通过学生参加各类学科竞赛成果来反映,具体数据如表2和表3所列.

表2 不同培养体系初次就业率对照

表3 学科竞赛对比分析

从表2中可以看出,新的培养体系取得了很好的效果,学生的初次就业率从36.63%提高到了58.89%,证明所提培养模式给学生的学习和就业提供了较好的指导,突出学生能力本位的重要性,充分表明这种模式具有一定的实践和应用价值.

从表3可以看出,采用新教学模式前后,对比本专业不同年级学生获奖数,获奖比例同比增长26.67%;对比同一年级不同专业学生获奖数,获奖比例高出35.71%.分析其主要原因是由于新的教学模式以成果产出为导向,将学生取得的相关学科竞赛奖项可按照一定的权重计算得分,并加入课程总评分数,激发学生的主观能动性.

4 结语

本文针对传统数据科学与大数据技术专业培养模式结构单一、课程体系缺乏特色等问题,提出了一种“双核联动+多维交融”的应用型人才培养模式.该模式从结构上对大数据专业人才培养过程进行了阐述和论证,构建人才培养的闭环系统,解决了传统大数据专业人才培养的诸多问题.新模式以学生为中心,以新工科建设为契机,突出学生的主观能动性,对接企业行业,对专业内涵建设和特色建设具有重要作用.本模式对培养体系和课程体系的构建给出了较为详尽的方案,对教学过程、教学内容、教学方法以及教学评价做了简要分析,这将是本人及团队今后研究的重点内容.