面向工程教育認證的大數據人才培養模式研究

摘 要：在工程教育認證的國際化趨勢下，我國工程人才培養的關注點從增加數量轉向提升質量。借鑒國外高等工程教育先進的成果導向教育理念，以數據科學與大數據技術專業為研究對象，以工程教育認證理念和標準為指導，根據目標導向反向設置課程體系，以學生為中心設計、實施、評價教學，持續改進質量管理，探討適合地方財經院校大數據專業的人才培養模式。

關鍵詞：工程教育認證;成果導向;大數據;人才培養

一、大數據人才培養存在不足

我國大數據行業的人才培養和培訓體系相對滯后，學校教育與市場需求嚴重脫節，其主要原因是沒有厘清大數據技術與傳統信息技術的區別，導致兩者的人才培養模式雷同。大數據專業的課程設置大多圍繞計算機及數據分析信息技術，雖然可以培養學生具備良好的科學素養，系統地、較好地掌握計算機基本理論、基本知識和基本技能與方法，但計算機及數據分析信息技術并不等同于大數據技術，更不能僅用計算機及數據分析信息技術作為大數據人才的評估標準。大數據人才是綜合性的人才，需要結合業務背景，以數據為驅動來分析問題、解決問題。與傳統的信息技術相比，大數據專業[1]的深度和廣度都有延伸，需要培養人才的“數據驅動”與“數據閉環”思維方式，構造起包括數據采集、建模分析、效果評估到反饋修正各個環節在內的完整“數據閉環”，從而能夠不斷地自我升級、螺旋上升，自下而上地由數據來驅動經營管理決策。數據價值實現離不開圍繞數據業務的不同角色分工配合，大數據人才需要涉及交叉學科和交叉領域，通過完整的課程體系培養大數據人才的全局觀、大局觀，既可以自頂向下的通過業務探索數據背后蘊含的商業價值，又可以自底向上的去實現數據獲取、數據挖掘、以及數據決策的全流程。只有具備這方面的能力與素養，并且能夠熟練運用計算機及數據分析信息技術的人才，才符合中國大數據人才標準。

二、依據工程教育認證培養大數據人才

工程教育認證[2]是由中國工程教育專業認證協會組織領域內教育專家和相關行業企業專家針對高等教育機構進行的工程類專業教育專門性認證，旨在為相關工程技術人才進入工業界從業提供預備教育質量保證。工程教育認證有三個基本理念，即以學生為中心、成果導向和質量持續改進，并圍繞基本理念設計了通用認證標準。認證標準中的中心指標是“學生”，“師資隊伍”、“課程體系”和“支持條件”等指標是為了有效促進學生達到“畢業要求”、進而達成“培養目標”。工程教育專業認證的基本理念源于一種新的工程教育理念——成果導向教育（Outcome based education，簡稱OBE）[3]。OBE在1981年由Spady率先提出，隨后以驚人的速度獲得了廣泛重視和應用，形成了比較完整的理論體系，至今仍被認為是追求卓越教育的正確方向。美國工程教育認證協會全面接受了OBE的理念，并將其貫穿于工程教育認證標準的始終。成果導向教育（OBE）在美國、英國、加拿大等國家成為了教育改革的主流理念。2013年，我國加入《華盛頓協議》成為預備成員，2016年年初接受了轉正考察。成果導向教育是高等工程教育改革的正確方向，應將成果導向的教育理念融入高等工程教育體系中，改革與此不相適應的做法。結合我國工程教育專業認證的要求，基于成果導向教育的工程教育改革要實現以下三個轉變[4]：從學科導向向目標導向轉變;從教師中心向學生中心轉變;從質量監控向持續改進轉變。（1）學科導向的專業設置按學科劃分，知識結構強調學科知識體系的系統性和完備性，教學設計更加注重學科的需要，在一定程度上忽視了專業的需求;而成果導向的工程教育是目標導向的，遵循反向設計原則，由需求決定培養目標，由培養目標決定畢業要求，再由畢業要求決定課程體系，資源配置以支撐畢業要求與培養目標的達成為導向。（2）以教師為中心關注教什么、怎么教、教得怎樣;而以學生為中心則關注學什么、怎么學、學得怎樣，圍繞學生的發展確定培養目標與畢業要求，根據對學生的期望設計教學內容，以是否有利于學生達成預期目標判斷師資與其它支撐條件，評價的焦點是學生學習效果與表現，面向全體學生而不是個別優秀學生。（3）教學質量管理目前處于對教學環節進行質量監控的初級階段，具備監督、調控的功能;而成果導向的工程教育是一個持續改進的過程，通過持續改進，保障培養目標始終與內、外部需求相符合，保障畢業要求始終與培養目標相符合，保障教學活動始終與畢業要求相符合。

數據科學與大數據技術是我校新開設的一個本科專業，旨在培養全面掌握數據科學與大數據基礎理論、基本技能與常用工具，了解應用領域大數據，能勝任大數據分析與挖掘、大數據處理系統開發與構建等工作的專門性科學技術人才。秉著“體現學生為本”和“追求能力產出”的工程教育理念，結合地方財經院校的優勢學科，我們以計算機技術和數學理論為基礎，突出對金融數據的統計分析和智能化分析。從“科學”（數學、統計學、數據數學）、“技術”（計算機科學與大數據技術）和“應用與實務”三個基本方面構建數據科學與大數據技術專業主干課程體系[5]。本專業的基礎課程分為計算機基礎和數學基礎兩部分，專業選修課程既包括針對結構化傳統金融數據的統計分析，又包括針對大數據時代非結構化新型數據的智能化分析。在設置課程時，先根據畢業要求確定學生應掌握的知識點，然后確定具體課程，使課程體系支撐知識結構，進而使每門課程的學習都與知識（能力）結構相呼應。創新教學的方式方法，強調互動式、合作式學習，將學生之間的競爭轉變為自我競爭，通過團隊合作、協同學習等方式，使學習能力較強者變得更強，使學習能力較弱者得到提升。制定每一門課程的達成度指標，以評價最終的畢業要求達成度效果。

三、結束語

以工程教育認證理念和標準為指導，根據目標導向設置課程體系，以學生為中心設計、實施、評價教學過程，構建能夠持續改進的教學質量管理體系，把能夠將數學、計算機技術和專業知識用于統計分析和智能化分析金融數據的能力培養貫穿于本科教育全過程，探討適合地方財經院校大數據專業的人才培養模式，為地區和行業培養具有新時代財經背景的大數據人才。

參考文獻

[1] 中國大數據人才培養體系標準[S]. 北京： 中國商業聯合會數據分析專業委員會， 2017.

[2] 工程教育認證通用標準解讀及使用指南[S]. 北京： 中國工程教育專業認證協會， 2018.

[3] 李志義. 適應認證要求推進工程教育教學改革[J]. 中國大學教育， 2014（6）： 9-16.

[4] 尤園. 基于工程教育專業認證的本科人才培養模式研究——以某高校計算機科學與技術專業為例[D]. 綿陽： 西南科技大學， 2018.

[5] 賀文武， 劉國買. 數據科學與大數據技術專業核心課程建設的探索與研究[J]. 教育評論， 2017（11）： 31-35.

基金項目：廣西高等教育本科教學改革工程項目（2018JGB291）

作者簡介：朱麗娜（1981—），女，安徽淮北人，博士，教授，研究方向為數據挖掘、網絡安全。