校企合作下大數據人才培養實踐教學模式研究

劉伯紅，吳思遠，閻 英，張 林

（1.重慶郵電大學 計算機科學與技術學院；2.重慶郵電大學 通信與信息工程學院，重慶 400065）

0 引言

中國大數據技術的快速發展，已滲透到農業、工業、金融、教育和交通等現代社會的各個行業領域，這一發展趨勢將對相關技術人才產生大量需求［1］。

雖然大部分高校開設了大數據相關專業，但在大數據人才培養模式方面與社會和行業需求仍存在不相適應、相互脫節的矛盾。主要表現在：①大數據技術發展快速，技術日新月異，高校實踐內容相對陳舊、簡單，綜合性和應用型大作業較少；②社會對大數據類專業人才的能力需求不夠清晰，人才培養模式無法滿足大數據行業對人才培養的要求，學生所學專業知識結構無法涵蓋崗位需求，對相關平臺和軟件了解不夠深入，導致學生進入工作狀態周期長，缺乏崗位轉換能力；③高校實踐實驗環境缺乏真實的業務場景、真正的實驗數據和相關的軟硬件環境［2-3］。

校企合作培養人才不失為解決上述問題的有效途徑，很多企業在大數據專業技術領域具有雄厚的實力和優質的教育資源，產教融合、校企合作為高校大數據人才培養提供了方向［4］。高等院校要轉變傳統人才培養觀念，樹立合作開放的育人理念，以學校為主體，強化與相關行業企業的合作，為大數據人才培養聚合更多資源。因此，合理整合校企資源、協同育人，改革傳統教學模式是目前高校在人才培養上值得深入思考的問題［5］。

1 大數據人才培養校企合作協同育人現狀

部分學者對新工科背景下大數據專業的人才培養方法進行了較為深入的探索。例如，何志芬等［6］從應用型本科大數據專業的建設出發，通過實際案例闡述了雙師型教師建設與校企合作方法。楊洪等［7］從提高學生實踐能力出發構建大數據課程體系，使用翻轉課堂和在線教學進行教學改革。楊維明等［8］提出校企協同育人機制下的“大數據+教育學”和“數學+大數據”雙專業復合型課程體系。肖大薇等［9］提出一種新工科背景下應用型大數據人才培養路徑。上述文獻中大數據人才培養方案或途徑對基于校企合作的大數據人才培養具有一定的借鑒意義，但對大數據實踐課程教學體系和模式的闡述還不夠充分。

在校企合作培養模式下，學生通過學習學科前沿知識，掌握與工業界零距離的開發技術和手段，通過自身實踐完成或部分完成企業所需的大數據產品，掌握解決復雜工程問題的能力。企業提前培養、儲備人才，優先錄用實習生以解決短期用工不足的問題，形成學生成長成才、企業長足發展、學校教學體系優化的互惠多贏新局面［5］。

在具體實施過程中，校企合作主要分為校內、校外兩個部分。校內，組織教師深入企業一線調研，根據企業崗位需求靈活調整實踐教學內容，將企業真實案例、技術、數據和工具有機融入實踐教學內容，教學實踐后通過實驗教材建設的形式加以固化。

同時，聘請企業技術人員為學生開設講座，作為企業導師帶領學生參加創新創業實踐活動、國內外各種競賽并指導學生畢業實習、畢業設計等。校外，建立企業實習實訓基地，組織學生參與企業實際項目研發，根據項目要求由企業工程人員牽頭，協同專任教師指導學生結合所學知識點進行相應項目實戰，對實踐能力強、與企業協作較好的學生，選拔到企業實際工作崗位開展頂崗實習［10］。

然而，在實際合作的過程中，通常會出現合作協議松散、合作形式單一等一系列問題，無法形成人才共育、成果共享的雙贏局面［11］，并且大數據專業以多學科交叉為特征，需要學生具備計算機科學、統計學和數學這3門學科的背景知識，并且在多學科交叉的新工科專業教學中實踐教學體系尤為重要，因此本文以大數據人才培養實踐教學為例，總結校企合作協同育人經驗，在平臺建設、內容建設和實踐教學模式上探索改革實施方案［12］。

2 基于校企合作的大數據實踐教學改革

重慶郵電大學計算機科學與技術學院積極與科大訊飛、華為、中興、普開、中冶賽迪、山東極客、青軟、重通服中冉信息等企業開展校企深度合作，通過分析大數據專業人才能力要求，從實習基地建設、實踐教材建設入手，著力改革專業實踐教學體系。

2.1 創新實踐基地與平臺建設

本文以中興通訊公司為例，通過“教育部—中興通訊ICT產教融合創新基地”項目，學校與中興通訊公司深入開展校企合作，積極推進產教融合與人才培養模式改革。具體為，學校借助中興公司提供的軟硬件平臺、數據、技術培訓等構建大數據實驗教學平臺，平臺主要框架如圖1所示。在此基礎上進一步修訂人才培養方案，開發教學資源庫和一批理論與實踐教材［13-14］。

Fig.1 Main framework of big data experimental platform圖1 大數據實驗平臺主要框架

近年來，通過校企合作等形式，學校對大數據實驗平臺進一步擴容算力，陸續建成了計算智能重慶市重點實驗室、重慶市大數據協同創新中心、重慶市移動互聯網大數據智能處理眾創空間、大數據智能計算示范型國家國際科技合作基地等大數據領域的國家級/省部級科研基地，形成了集云、端技術于一體的學科優勢平臺，平臺面向全校提供高性能計算、共享存儲、學習社區和應用托管等IaaS、PaaS服務。

2.2 面向真實工程數據集的專業核心課程實踐教學內容更新

大數據專業核心實踐課程包括數據結構實驗、數據庫原理實驗、操作系統課程設計、算法分析與設計實驗、數據挖掘實驗、計算機網絡實驗、云計算與大數據綜合實踐、機器學習實踐、深度學習綜合實踐、大數據分析與處理、數據工程綜合實踐、大數據系統開發實踐、智能機器人等課程。

大數據人才培養必須根據學科和行業發展，適時優化實驗教學體系［15］。為了培養適應行業、企業發展的大數據分析與開發人才，通過校企合作，學校將學科前沿、產業和最新技術發展引入大數據專業實驗教學體系構建，調整現有專業核心課程實驗內容，拓展并加深原有實驗課程內容。本文以數據庫原理實驗、數據挖掘實驗、云計算與大數據實踐、智能機器人課程設計等課程為例，詳細闡述實驗內容更新方案。

（1）在數據庫原理實驗中采用合作企業提供的真實工程數據集（數據記錄達到10萬條）；增加NoSQL數據庫MongDB的實驗內容；增加分布式數據庫Hbase的實驗內容，增加研究性實驗比例；依托重慶郵電大學—華為“智能基座”項目，將“華為云學院”數據庫課程線上教學資源有機融入學校數據庫原理課程實驗，以增加openGauss國產數據庫實驗內容。

（2）在數據挖掘實驗中采用合作企業提供的真實工程數據集（數據記錄達到百萬條）；將原有的Excel數據挖掘內容，調整為IBM SPSS Modeler數據挖掘，并對同一模型采用不同算法進行實現；增加數據抽取、數據清洗、數據加載等實驗內容；增加使用R、Python等語言進行模型分析實驗。

（3）在云計算與大數據實驗中引入城市計算、物流、交通、網頁搜索日志等合作企業真實案例與數據集（交通數據50GB，數十億條記錄，網頁搜索日志5 000萬條記錄）；完善云計算、大數據教學實驗手冊；開放微信公眾號，提供課上課下互動新渠道。在平臺選擇上，除了校內建設的私有云大數據實驗平臺外，還可依托重慶郵電大學—華為“智能基座”項目，通過向華為公司申請代金券的方式使用華為云平臺開展一系列實驗。

（4）在智能機器人課程設計中，采用新型可編程機器人模塊，結合智能領域對外部信息獲取、處理和動態響應的時效性要求，采用深度學習、脈沖神經網絡算法等方法進行實踐與操作；增加控制算法設計和姿態動作設計等實驗內容。

2.3 基于多課程協同教學的實踐教學內容設計

由于企業、行業等生產環境會面臨多種實際問題，將可能涉及多門課程的知識內容，因此能徹底解決高校單一課程的問題。并且，高校由于教學學時限制，單一課程內容不一定能滿足學生實際項目需要，相關課程也可能出現內容重復的實驗教學內容。

因此，本文提出多課程協同教學方式，核心就是由不同課程的任課教師組成教研小組，共同設計教學內容，有機融合多門課程的教學內容，使其相互協同、互相呼應，成為一個有機的教學體系。通過引進企業優秀案例串聯分散的知識點，從課程體系整體角度出發實現培養學生實踐能力，圖2為大數據多課程協同教學框架［16-17］。

Fig.2 Collaborative teaching framework for multiple courses of big data圖2 大數據多課程協同教學框架

由圖2可見，在對每門課程進行教學內容設計時，一方面需要充分考慮與協同課程的互相配合和支撐；另一方面要根據企業實際案例，設計基于案例驅動和典型場景的大作業，將實驗內容劃分為層次和模塊，并將其合理安排在協同課程體系中［18-19］。本文以云計算與大數據實驗內容為例，基于多課程相互協同改革示例如表1所示。

Table 1 Design of practical teaching content based on multi course collaboration表1 基于多課程相互協同的實踐教學內容設計

由表1可知，由于學時限制和課程間的相關性，云計算與大數據實驗部分課程的某些內容可分解安排在協同課程中。例如，對Hadoop平臺的安裝與配置，常用操作包括Linux系統安裝、Linux常用命令使用、網絡配置、SSH遠程登錄等實驗可安排在前序課程操作系統課程實驗中，以提高前后課程實踐教學內容的相關性與連續性，盡可能避免實驗內容重復，達到節約課時的目的。

2.4 體現復雜工程和兩性一度的綜合大作業設計

目前，課堂教學內容大多仍停留在動手學習基礎知識的層面，體現復雜工程的內容較少，系統性不夠強。因此，大數據課程改革要設計一些能體現復雜工程和兩性一度的實踐案例和課后思考作業。在設計大作業時應遵循以下原則：①教學內容常“新”，結合科研動態和企業行業領域需求，動態更新教學內容，使之能反映企業行業領域的前沿性和時代性；②教學過程常“聯”，綜合大作業在專業層面加強知識點間的相互聯系，具體課題強化基礎知識，融會貫通相關知識點；③教學評價常“動”，以加強過程評價和關注能力提升為主線，重點關注學生學習前后應用知識的技能及綜合能力方面的變化，進行課程達成評價和課程持續改進。

3 大數據人才培養實踐教學實施

3.1 利用企業技術資源，提高師資水平

師資力量是人才培養質量的關鍵因素，大數據作為新興專業，相關課程內容較新，需要不斷提升課程教師的教學能力。通常而言，學校和企業掌握的先進技術存在一定差距，通過校企合作能利用企業技術資源，為專業教師提供學習機會，提升業務水平。例如，學校利用華為“智能基座”等校企合作項目，每年會為專業相關教師提供豐富的線上線下培訓機會，通過學習新知識、新技術來解決大數據教學環節中遇到的問題。

3.2 線上線下混合式實踐教學

課程采用混合式教學，課前、課后線上學習可提升學生自我學習能力，線下教學部分主要在實驗室進行，教師對難點知識進行講解，大部分時間供學生自主進行項目實踐。在實驗過程中，教師針有對性地個性化指導學生難以理解的知識點［20］。

（1）線上學習。學校建設有課程中心網站，網站內容主要包括課程教學大綱、授課計劃、知識點體系、學習資源和考試大綱等內容。學生通過該網站能全面了解課程內容，輔以在線教學平臺（超星教學平臺、學習通教學平臺等）進行自主學習。知識點和學習任務以微課和實驗視頻等方式發布至學習平臺，學生課下自主預習并進行部分自主實驗，學習完成后可利用線上平臺在線測試系統，通過一系列測試評測自身學習情況。

（2）線下實踐。通常安排學生在學校實驗室機房進行學習，主要考察課程的主要知識點，通過理論聯系實際設計應用題目，線下部分以學生動手實踐為主。教師只講解難點部分，根據學生實際操作完成情況和運行結果進行現場評判和打分，并將其作為平時成績的重要組成部分。

（3）線上線下答疑。通過建立QQ學習群、微信群等方式，利用碎片化時間進行答疑、學習和討論，不定期組織線下答疑活動。

3.3 基于過程監督的實驗課程考核方式改革

根據實驗課程性質特點，為了扭轉實驗課程中學生投入度低、學習效果不明顯的現象，對實驗課程考核方式進行改革，引入企業、行業評價標準并持續改進，建立基于過程監督的實驗課程考核方案［21］。具體為，考勤不計入最終成績，只作為是否有資格參與實驗課程期末考試的參考；每次實驗均對學生進行操作考核、成績評定，并綜合實驗成績作為過程成績計入最終成績；最后一次實驗進行實驗課程期末考試，根據教學班情況設計3～6套試題，考試中使用企業實際的工程數據集（數據記錄在10～50萬條之間）、開發工具，以解決實際的工程問題為目的，完成項目案例，并將評定成績作為期末考試成績計入最終成績。

在此基礎上，建立多元化的考核和評價機制，學生成績由平時成績（48%）+期末考核（18%）+實驗報告（34%）組成。其中，平時成績由線上線下成績組成，包括課程視頻、線上討論、實驗、測驗4個部分，具體為課程視頻（20%）+討論（20%）+實驗檢查（40%）+線上測驗（20%）。

4 教研成果與教學效果分析

4.1 教研成果

近年來，經過教學改革與實踐，重慶郵電大學計算機科學與技術學院建設了一批優質課程，如表2所示。其中，大數據分析與處理獲批2020年首批國家級一流本科課程，取得了不錯的建設成效。

Table 2 Teaching achievements of curriculum construction表2 課程建設教研成果

4.2 教學效果

本文以重慶郵電大學大數據技術專業學生為調查對象，依據學校學評教網站數據和調查問卷收集的數據分析教學效果，如表3所示。

Table 3 Comparative analysis of teaching effect表3 教學效果比較分析（%）

由表3可知，學生學習興趣及學習積極性逐步提高，2021學年學評教表明學生對教師教學滿意度高達92%以上，同比提升5%左右，課程教學內容安排滿意度提升至90%，課程教學平均達成度也提升至83%；學生實習和頂崗實習獲得實習企業一致好評，參加的學科競賽也取得了優異成績，例如校企合作指導的學生在“第四屆長風杯全國大學生大數據分析與挖掘競賽”“第九屆華為杯中國大學生智能設計競賽”中分別獲得一、二等獎；畢業生就業率逐年提升，保持在95%以上，用人單位對學生就業情況滿意度逐年提高，達到88%，同比提升3%左右。

5 結語

當前，大數據相關人才長期處于稀缺狀態，新工科背景下大數據專業人才培養體系仍需進一步完善。本文通過校企合作、產教融合研究，提出校企聯合建設創新實踐基地與大數據實踐教學平臺，面向真實工程數據集更新實驗教學內容，基于多課程協同改革實踐教學體系，完善實踐教學資源，讓學生充分了解、掌握大數據技術相關知識，具有面向大數據產品工程實踐的能力，能快速適應市場需求，為高等院校大數據人才培養實踐教學提供了思路和方法。