應用型本科數據科學與大數據技術專業建設研究

史夢安，任 艷，葉 倩，郭占苗

（蘇州大學應用技術學院，江蘇 蘇州 215325）

0 引言

2014 年3 月，教育部明確了高等教育改革方向，即全國普通本科院校中將有一半學校逐步向應用型大學轉變。應用型本科以培養高層次應用技術人才為辦學定位，對國家社會經濟發展起到積極的促進作用［1］。應用型本科屬于偏重技術技能、兼顧理論基礎的本科教育，是應用型高等教育的重要組成部分［2］。應用型與學術型高等教育的關系如圖1 所示。應用型本科和普通本科是高等教育中的兩個不同方向，是各有側重、平行發展的。

根據教育部發布的信息，近年來新設立數據科學與大數據技術專業的多為應用型本科院校。應用型本科人才培養的特點是注重理論學習與實踐教學相結合，通過強化實踐教學提升學生的應用能力和創新能力，培養服務區域產業的高水平應用型創新技術人才。

Fig.1 Relationship between applied higher education and academic higher education圖1 應用型高等教育與學術型高等教育的關系

相較于計算機類其他專業，數據科學與大數據技術專業對數理知識的要求更高，學生需在掌握較為扎實的數理知識的前提下熟練運用計算機技術解決大數據領域的問題。因此，如何把握基礎數理知識與計算機應用能力之間的關系以及相關課程設置是很多高校面臨的首要問題。對此，余亞輝等［3］對大數據專業數學基礎知識體系進行了研究，提出一套數理知識課程體系，并詳細分析了主要課程的作用，但未進一步研究分析能夠應用這些數理知識的后續課程。在當前新工科以及工程教育專業認證背景下，數據科學與大數據技術作為新興工科專業，缺少根據相關標準和要求進行專業建設的經驗。為此，羅恩韜等［4］對工程認證教育背景下大數據人才培養課程體系進行了研究，提出了一套圍繞新工科和工程認證標準的課程體系，并且在專業課程模塊中劃分了專業方向，但未能結合區域產業、行業特點深入分析。

由于新興專業信息化資源匱乏，各高校普遍存在教師信息化教學能力亟待提升的現象。如何解決教師信息化能力培養路徑不清晰的問題，實現其信息化能力的全面提升，是數據科學與大數據技術專業建設過程中面臨的巨大挑戰。為此，何志芬等［5］探索了應用型本科大數據專業的建設思路，提出一套課程體系，并根據實際案例對雙師型教師建設以及校企合作的方法進行了闡述，但相關分析不夠系統；楊洪等［6］分析了大數據專業人才培養的理論需求和實踐需求，提出一套在扎實學習理論基礎知識的前提下能夠提高學生實踐能力的課程體系，并提出可以使用翻轉課堂和在線教學進行教學改革，但未能分析具體的專業教師信息化能力培養方案。對于基礎較為薄弱的學生，沒有充足的信息化教學資源保障，在線教學很難保障學習效果。

由以上分析可知，應用型本科的數據科學與大數據技術專業發展迅速，但仍處于初始階段，在專業與區域人才培養體系方面可借鑒的經驗并不多。本文結合應用型本科的特點對數據科學與大數據專業進行分析，提出一套符合區域行業特點的知識體系架構，并對該專業的信息化建設策略和人才培養模式進行了研究與分析。

1 數據科學與大數據專業分析

Fig.2 Interdisciplinary and cross industry characteristics of data science and big data technology major圖2 跨學科、跨行業的數據科學與大數據技術專業

實際上，與數據統計分析相關的專業早已有之，且發展已較為成熟。隨著信息時代的到來，各行各業產生的數據體量巨大、類型眾多、結構復雜，海量數據中蘊含了許多高價值信息，原有的數據采集、存儲和處理技術遭受到前所未有的挑戰，傳統的數據信息學科已經難以適應大數據時代的要求。

數據科學與大數據技術是探索數據資源奧秘的理論與方法，其能揭示數據內在變化規律并發現新知識。由于該專業涉及多學科、多領域，對從業人員的大數據理論基礎、實操技能以及知識體系的系統性提出了更高要求，需要其具備較好的數理統計分析、計算機系統應用、計算機網絡、計算機軟件等跨專業知識，并且能很好地將大數據處理技術與不同行業需求相結合。根據以上分析，可將數據科學與大數據技術專業的人才培養目標定位為培養具備大數據分析、處理、挖掘、可視化、系統集成等能力的創新型、復合型技術人才。

2 數據科學與大數據技術專業建設要素

根據應用型本科人才培養定位、數據科學與大數據技術專業分析與行業定位，在工程教育專業認證框架下，設計專業人才培養目標和畢業出口評價標準，整合專業課程、師資隊伍、辦學資源等要素，建立以學生為中心、以成果為導向的可持續人才培養體系［8］。該體系以工程認證標準的12 個維度指標展開，可歸納為3 個層次，其中知識體系層面為培養學生具備一定工程知識，具有分析與解決問題的能力，能夠針對具體項目設計解決方案，具備一定開發能力；溝通管理層面為培養學生處理個人與團隊、工程與社會關系的能力，使其具備一定的項目管理能力；可持續發展層面注重培養學生的職業規范、研究精神和終身學習的習慣。

2.1 課程體系知識構架

通過對數據科學與大數據技術領域崗位要求進行分析，將該專業知識與職業能力劃分為大數據專業基礎、數據分析與運維、大數據應用開發、大數據智能分析和行業大數據處理4 個部分。針對每一層進一步細化具體知識范疇與技能要求，相應的知識點、技能點分布如圖3 所示。

Fig.3 Knowledge structure of data science and big data technology major圖3 數據科學與大數據技術專業知識構架

數據科學與大數據技術專業學生需要具備以下素養：①扎實的數學、統計學和計算機基礎知識，具備Java、Py?thon 等語言編程功底；②熟練掌握Linux 系統操作、分布式框架原理以及可視化開發技術，為進行數據分析與運維提供技術支持；③掌握一定的大數據應用開發能力，理解數據挖掘分析的原理與基本流程，具備使用計算機技術解決數據挖掘分析相關問題的能力；④能將所學知識與特定行業相結合，開發出符合行業需求的大數據應用產品，或具備一定算法分析與設計能力，能夠熟練運用數據挖掘算法，具備在機器學習、AI 領域開展學習研究的能力。

蘇州及周邊長三角地區對大數據人才的知識技能需求偏重應用［9］，兼顧人工智能及相關智慧產業。根據該特點，將專業人才培養分為行業大數據處理、大數據智能兩個方向。其中，行業大數據處理方向注重工程應用，學生需進一步強化大數據開發相關知識技能，掌握數據分析挖掘流程和技術手段，并能舉一反三。該培養方向主要針對數據分析、數據開發等崗位需求，主要課程包括Java Web開發、大數據應用綜合實訓、行業大數據分析實訓等。大數據智能方向要求學生在具備基本應用開發能力的前提下進一步掌握數據科學理論知識，并學習如何結合深度學習等機器學習領域相關知識解決數據挖掘問題。該培養方向主要針對數據研發崗位需求，主要課程包括人工智能數學基礎、機器學習與數據挖掘、大數據領域建模等。學生在大三時可根據自身特長或發展規劃選擇相應專業方向，專業負責人在此期間要向學生充分解釋各專業發展特點，有升學計劃的學生建議選擇大數據智能方向。以上兩種人才培養方向主要知識點分布如圖4 所示。

2.2 信息化教學資源建設策略

數據科學與大數據技術專業建設過程秉承以教育信息化帶動教育現代化的理念，落實信息化教學改革實踐。為解決該專業教師信息化能力培養路徑不清晰的問題，以滿足“互聯網+教育”環境下學生學習需求為導向，明確提出教師在教學信息化改革中應具備意識與理念、知識與技能、整合與應用、創新與發展、責任與道德5 個方面的能力。按照信息化技術范疇進行分類，遵循教師由技術基礎到技術應用再到應用創新能力的提升規律，構建“技術導向、分類施策、能力遞進”的信息化教師教學能力培養模式［10］。

在具體操作層面，本文設計了一套微課教學模式。以史密斯—雷根的學習者特征理論為指導，構建出分析學生特點、分析專業特色、分析課程特點、教學設計、微課展示的五階段微課資源教學設計流程，形成開門見山式、情境式、探究式、拋錨式、理實一體式5 種微課教學模式，具體如圖5 所示。

3 項目化驅動、分方向人才培養模式探索

3.1 項目化驅動人才培養

以真實產業項目為載體，與企業技術專家合作開發項目化課程教學資源，聘任企業專家模塊化嵌入擔任項目課程的授課講師。圍繞新一代信息技術產業崗位群，在構建專業課程體系的基礎上，甄選10 個典型產業項目，作為貫穿專業核心課程的依托項目。根據項目開發技術分工和工作過程分解，構建能力遞進型培養體系，推動項目驅動式教學的全面實施，包括專業基礎課程單元項目、專業核心課程訓練模塊項目、就業方向課程實戰綜合項目和實習課程開發企業系統性項目。通過遞進循環訓練過程，使學生的項目開發能力螺旋進階，具體實施流程為：

2008年5月中旬，烏梁素海明水區域大量暴發黃藻，最盛時發生面積達 8萬余畝（0.533萬 hm2），超過明水面積的1/3。2009年5月下旬烏梁素海再次發生黃藻并迅速蔓延，最大面積達 1.6 萬畝（0.107 萬 hm2），對生態環境造成極大危害，引起國家有關部門高度重視。經調研監測分析，這是烏梁素海特殊氣候條件、湖區水體水質、人類生產生活活動等多方面原因共同導致的結果。其根本原因是特殊氣候條件下水體富營養化程度不斷增高所致。監測結果見表1。

Fig.4 Distribution of main knowledge points in two kinds of talent training direction圖4 兩種人才培養方向主要知識點分布

Fig.5 Five stage of the micro-lectures teaching design mode圖5 五階段微課教學設計模式

（1）獲取項目資源。通過校企合作、教師下企業以及科技服務等渠道，獲得企業真實項目案例，結合實際學情特點，裁剪企業項目案例，達到適合課堂教學的尺度。

（2）重構項目案例。編排課程內容，選擇切入點將知識、技能融入項目開發過程中。

（3）制定項目實施文檔、考核標準，為教師實踐奠定基礎。

（4）項目實施。在教師引導下，根據教學項目設計情況，指導學生完成項目開發。根據學生學情，分組或單獨完成項目。在實施過程中，以學生為主體，教師做好項目答疑和示范工作［11］。

（5）項目評價與反饋。由教師組織學生匯報、演示項目成果，展示學生的學習態度、技能水平以及對技能點的掌握情況。學生再根據教師反饋評價，反思整個項目過程中的表現，并吸取經驗教訓，查漏補缺。

3.2 分方向培養

大數據與新一代IT 技術飛速發展，呈現出多學科綜合、多技術領域融合創新的特點。結合應用型本科的特點，本文提出復合型創新人才培養方向，為該專業構建寬基礎、分方向的應用型課程體系，具體實施過程為：

（1）在大學一年級統一設置公共和專業基礎課程模塊，在多個方向通用共享。根據專業面向的崗位基礎能力相通、技術領域相近的特點，統一設置培養通用能力的通識課程模塊和專業基礎課程模塊，使學生對行業技術學習路線有一定認知，具備專業入門基本技能。

（2）在大學三年級，根據數據科學與大數據技術專業細分崗位多、知識更新快的特點，人才培養方案按照方向設置專業核心課程模塊。學生在大二結束時學完專業基礎課程模塊，根據自身學習興趣、知識基礎以及發展規劃，在所開設的專業方向中進行選擇，實現分流培養。

（3）在大學四年級設置自選模塊，服務個性化的畢業發展方向。根據學生畢業后可能的發展方向（就業、考研、創業）開設不同課程模塊，針對性地強化知識技能。例如在就業技能提升模塊中引入企業真實項目，聘請企業工程師授課，進行項目實戰訓練，強化項目綜合開發能力，適合畢業后選擇就業的學生選修。

（4）設立全程伴隨的特長發展彈性課程模塊，在做好學生學情分析和性格評測的基礎上，引導學生選擇某個技能方向重點發展，鼓勵其參加特長生工作室、技能競賽、創新工坊，通過競賽獲獎、做項目、報專利、發論文、考認證等方式置換選修課程學分。

4 人才培養模式實施情況

項目化驅動、分方向培養教學改革實現了以學生為中心的精細化培養。以項目為載體的培養方式實現了培養目標、課程體系、教學環節、畢業條件的前后貫通，提高了專業人才培養與行業需求的契合度，學生實踐能力得到明顯提升。在實施項目化驅動教學的同時，細分專業領域發展方向，促進學生個性化成才。在教學實施過程中注重對項目化驅動、分方向培養的閉環規范化評價，確保每一步都能有效促進專業人才培養質量的整體提升。實踐教學結果表明，接受項目化驅動、分方向人才培養的學生與同專業未實施教學改革的學生相比，其實踐應用能力、解決問題能力和創新能力明顯提升，具體對比信息如表1 所示。

Table 1 Comparison between traditional teaching mode and project driven and training in different directions表1 傳統教學模式和項目化驅動、分方向培養教學模式對比

5 結語

在新工科建設與應用型本科教育大力發展的背景下，數據科學與大數據技術專業的建設方興未艾。本文在充分分析應用型本科人才培養定位和大數據專業特點的基礎上，結合蘇州大學數據科學與大數據技術專業建設與人才培養過程，歸納總結了該專業人才培養中12 個維度的知識框架和課程信息化建設路徑，設計了項目化驅動、分方向人才培養模式以及對應課程體系。經過實踐，該模式取得了良好的教學效果，該專業學生的實踐應用能力、創新能力等明顯提升。雖然本文根據應用型本科的人才培養定位以及區域人才的需求特點對數據科學與大數據應用專業人才培養體系進行了研究分析，但大數據是一個理論與實踐并重的專業，如何把握兩者之間的平衡，是后續需要深入研究的問題。