公安院校“數據分析方法”課程體系建設研究

摘 要 隨著互聯網的普及、大數據科學的興起，人工智能技術取得了突飛猛進的發展。在此背景下，結合公安院校人才培養特色和實際公安工作需求，公安院校開設數據分析方法課程勢在必行。文章圍繞公安院校“數據分析方法”課程體系的建設方向、建設內容及評價標準進行研究，為培育新時代公安信息化人才及公安信息化建設提供一定參考。

關鍵詞 公安院校；數據分析方法；課程體系建設

中圖分類號：G424"""""""""""""""""""""""""""""""""" 文獻標識碼：A""""" DOI：10.16400/j.cnki.kjdk.2024.32.033

Research on the Construction of \"Data Analysis Method\" Curriculum System

in Public Security Colleges

DONG Xu

（Basic Teaching and Research Department， Criminal Investigation Police University of China， Shenyang， Liaoning 110854）

Abstracts With the popularization of the Internet and the rise of big data science， artificial intelligence technology has developed by leaps and bounds. In this context， combined with the characteristics of talent training in public security colleges and the actual needs of public security work， it is imperative for public security colleges to set up data analysis method courses. This paper focuses on the construction direction， construction content and evaluation criteria of the \"data analysis method\" curriculum system in public security colleges， so as to provide a certain reference for cultivating public security informatization talents and public security informatization construction in the new era.

Keywords public security colleges; data analysis method; curriculum system construction

數據分析作為一種從海量的數據中提取有意義的信息并作出科學、合理決策有效工具[1]，在加強公安大數據應用研究，推進新型智慧警務模式建設，幫助警務工作者挖掘數據中的潛在規律、更好地理解現象、作出決策等方面，扮演著不可替代的重要角色[2]。但目前大部分公安院校對數據分析方法課程的重視程度不足，存在課程體系建設方向不準確、課程內容不完善以及課程評價標準模糊等問題。因此需要加強課程體系創新，突出課程內容的實用性，堅持與公安實戰相結合，重視學生綜合素質的發展，重點培養學生的實踐能力和創新意識[3]。

1" 公安院校“數據分析方法”課程體系的建設方向

隨著計算機技術與互聯網技術的飛速發展，新型電信技術犯罪處于高發、頻發態勢，對社會治安和人民群眾生命、財產安全構成重大威脅，也給公安機關在犯罪偵查手段和案件辦理技術上提出了巨大的挑戰。目前，各級公安機關對于具有數據分析技術和素養的警務人才的需求十分緊迫，因此公安院校應著眼于已有的課程計劃，以公安實際業務需求為導向，適當增加數據分析方法課程的理論教學課時和實踐課時，調整數據分析方法課程的屬性，比如從選修課調整為專業必選課或公共必修課，并寫進專業培養計劃。教師在給學生講授數據科學和數據技術理論知識的同時，引導學生結合數據分析方法對自身掌握的公安專業知識進行關聯、融合，提高學生的應用和實踐能力。教師既要隨時關注解決數據類型問題的新方法和技術，將其更新到個人的知識儲備中，又要把握好課程體系的大方向，構建起以實踐和創新為主體，以公安實戰為教學目標的高素質復合型人才培養思路，將其逐步滲透到課程體系的每一個環節，作為一個重要橋梁連接起最新的技術與公安實際業務需求。

目前，在開設有數據科學與數據技術專業的國內外高校中，其人才培養的目標和方向大致可分為三個類型，包括數據工程師、數據分析師、數據科學家[4]，這三類人才對數據類問題的理解深度和數據分析方法的掌握程度都有所不同。其中，數據工程師要能夠對數據進行管理、處理、基礎的計算，為數據分析師或數據科學家的工作提供所要分析的數據；數據分析師要能夠利用已有的方法、模型、工具等圍繞著特定的任務目標開展數據分析，但不要求改進方法或模型；數據科學家要既能夠對數據進行分析，發現新問題，又能在已有方法和模型的基礎上進行改進，產生新的方法和模型來解決新的問題。于是，結合實際情況，公安院校數據分析方法課程體系在建設方向上很難向具有很強工程實踐能力的數據工程師類型的人才培養方向上靠攏。因此，課程體系在建設方向上要立足于具有行業應用能力，尤其是利用數據分析方法和模型解決具體公安業務場景下的應用問題，為實際公安工作中的決策提供數據分析基礎支撐，向具有較高的創新能力，致力于解決數據分析中未知問題的數據科學家人才培養方向上靠攏。

2" 公安院校“數據分析方法”課程體系的建設內容

數據分析方法是指從數據中提取信息、識別模式、進行推斷和作出預測的技術和工具。結合公安院校人才培養特色和實際公安工作需求，公安院校數據分析方法課程在內容上不能以傳統理論灌輸的形式來呈現，應充分體現課程內容的時效性和應用性，引入科技前沿的方法和技術，對課程內容進行及時更新[5]。同時，針對具體公安業務場景下的應用問題，可以構建起多角度、多層次的課程內容體系。

首先，在課程內容建設上要引導學生深入理解課程的主要研究對象。數據分析方法課程的主要研究對象是數據，不同公安業務場景下產生的數據類型也有所不同。對這些數據類型進行區分可以更好地了解數據和選擇恰當的方法和模型，從而使分析和研究過程變得更有效和高效。從數據的結構和形態上可以將數據大致分為五種類型，包括表格數據、序列數據、多維數據、圖數據和多模態數據。其中，表格數據是一類應用較為成熟的結構化數據；序列數據是一種具有時間或順序的數據，如時間序列數據或自然語言文本；多維數據是一種在空間上組織成規則網格結構的標量值數組類型數據，如圖像或視頻類型數據就可以被視為多維數據；圖數據是一種由一組節點和一組邊表示具有圖結構的數據，該類型數據常出現于社交網絡分析和推薦任務中；多模態數據是一種包含多種類型的半結構化或非結構化數據，如圖像和文本、網頁、報表等。這五類數據在各類實際公安業務場景中都十分常見，對其進行分析和預測的方法和技術也十分豐富，比如公安情報學專業的學生多數情況下接觸的是表格數據、序列數據；公安視聽技術專業的學生多數情況下接觸的是圖像或視頻類型的多維數據；網絡安全與執法專業的學生多數情況下接觸的是半結構化或非結構化的多模態數據。

其次，在明確了主要研究對象后，要對各類數據的分析方法和技術進行介紹，在其課程內容上也要體現多角度、多層次的特點。比如可大致分為幾個模塊，包括統計方法、機器學習、深度學習等。

2.1" 統計方法

統計方法是用來對樣本數據進行推斷，從中挖掘其總體信息和規律的一類方法，進一步也可將其方法分為兩大類，包括描述性統計和推斷性統計。其中，描述性統計主要利用期望、方差、協方差、相關系數等數字特征，以及直方圖、箱線圖等可視化工具對數據進行描述；推斷性統計主要利用已有樣本數據的特征對數據總體參數進行估計的過程，主要方法包括點估計、區間估計、假設檢驗、回歸分析等。由此可見，想要掌握數據分析中的統計方法，就要有概率論與數理統計課程知識作為基礎，因此，數據分析方法課程開設的時間要放在概率論與數理統計課程之后才能有比較好的效果。

2.2" 機器學習

機器學習是一種讓計算機通過數據學習不斷提升自身性能，并能夠對新數據作出準確分析和預測的一類方法，也可將其進一步分為監督學習和無監督學習兩種主要的類型。其中，監督學習主要包含分類與回歸兩類任務，并且在已知輸出的前提下，前者用于對數據所屬的類別進行預測，后者用于預測數據的連續數值；無監督學習主要針對無標記的數據，對其進行聚類和數據挖掘。由于在實際業務場景中多數常見的大都是無標記的數據，于是產生了針對無標記數據的一種相比于機器學習更靈活、更智能的學習方式——強化學習。在強化學習中，智能體通過與環境交互，從自身的嘗試和錯誤中學習，以實現特定目標，其具有適用復雜環境、決策能力強等優勢。機器學習作為人工智能技術領域中的重要分支，在解決許多公安業務場景下應用問題的過程中也扮演著重要的角色。因此，在數據分析方法課程中對機器學習相關知識和方法的講解，對提升學生的實踐能力和創新意識起到了至關重要的作用。

2.3" 深度學習

深度學習作為機器學習領域的一個分支，通過模擬人腦神經網絡結構，從數據中提取和學習復雜的特征表示，處理復雜的非線性關系。深度學習在各個領域的實際應用中均取得了顯著的成績，成為解決復雜問題和實現人工智能目標的有效工具。針對不同類型數據的特點和任務目標，相對應產生了不同結構的深度神經網絡模型，比如針對圖像或視頻等多維數據，卷積神經網絡（CNN）憑借其特殊的結構對局部特征具有強大的捕獲能力，在圖像識別等視覺任務中占據主導地位；針對時間序列、語言或文本等序列數據，循環神經網絡（RNN）憑借其特殊的結構能保持記憶并處理不定長的輸入序列，在自然語言處理和時間序列分析任務中嶄露頭角。作為人工智能技術領域最火熱的新星，其解決實際應用中問題的能力不斷在進化，比如為解決RNN難處理長序列數據的問題，通過引入門控機制和記憶單元的結構，構建出長短期記憶循環神經網絡（LSTM）和門控循環單元神經網絡（GRU）；對全局數據的信息進行捕獲和長距離依賴關系的建模，通過引入自注意力機制和多頭注意力機制，構建出一種新架構的深度學習模型（Transformer）。同時針對實際業務場景中常見的無標記類型數據，以生成式對抗網絡（GANs）、變分自編碼器（VAEs）及擴散模型為代表的深度生成模型，成為近年來復雜分布上無監督學習最具前景的方法之一。由此可見，結合公安院校人才培養特色，以實際公安工作需求為導向，在數據分析方法課程內容中對深度學習相關知識和方法的講解是必不可少的。

3" 公安院校“數據分析方法”課程體系的評價標準

公安院校數據分析方法課程體系中的考核評價方式不能采用同其他基礎課程相同的常規模式，由最終成績的好壞作為評價標準。在常規模式的考核評價中，占據主導地位的是期末理論成績。因此，會出現部分學生在學習這門課程的過程中不重視、不專注，通過突擊復習在期末考試中取得好成績的現象。這樣久而久之會對學生的學習習慣產生不好的影響，偏離課程的教學目標，甚至妨礙學校的學風建設。

為此，在公安院校數據分析方法課程體系的建設過程中，設定一個合理、客觀、面向實際需求的評價標準至關重要。為了體現對整個過程的評價，在保留常規考核模式中考勤和課堂表現兩項內容的同時，在課程中期布置一次課程實踐任務。課程實踐的內容來自實際公安業務場景中的問題，學生可以自行組隊，每2到3人組成一隊，每個隊伍選擇一個問題，利用課程中所講授的方法和技術對問題進行建模求解。在課程臨近結束時每一個隊伍要形成一篇對問題建模求解過程的論文并組織答辯，答辯主要講述問題求解思路、方法選擇和求解過程中所遇到的問題。教師對每個隊伍的論文答辯給予量化成績，并以論文答辯的成績、考勤、課堂表現及期末考試成績作為最終的課程成績。這種評價模式的結果更具說服力，并且能夠實現對課程中學生學習的全過程跟蹤，保證了學習效果，培養了學生的創新意識，提升了學生的實踐能力。

同時，公安院校講授數據分析方法課程的教師在定期實踐鍛煉的過程中，要經常參與公安一線工作，了解實際公安業務場景下的技術應用動態，將應用場景下的前沿方法和技術與數據分析方法課程內容相結合，在給學生布置課程實踐的任務時，能夠很好地把握問題設置方向，準確給出具有說服力的評價標準，為培育具備數據分析素養的復合型警務人才助力。

4" 結語

在公安信息化建設深入推進的過程中，公安院校承擔著培養高素質復合型警務人才的重要任務。本文從這一背景出發，對公安院校數據分析方法課程體系建設展開研究，首先在課程體系建設方向上要對齊實際公安業務需求，立足于數據分析師類型的人才培養方向，努力向數據科學家類型的人才培養方向靠攏；其次在課程體系建設內容上分別從研究對象和研究方法出發，結合具體公安業務場景，構建了多角度、多層次的課程內容體系；最后制定了合理、客觀、面向實際需求的課程評價標準。隨著公安院校數據分析方法課程體系的不斷完善，公安院校大數據專業人才培養質量逐步提升，公安信息化的發展和建設得到有力保障。

基金項目：中國刑事警察學院校級科研項目（D2022055）。

參考文獻

[1] 聶鋮，王杰.數據分析方法的研究與發展綜述[J].電腦與電信，2024（4）：20-25.

[2] 崔晨，姚力.公安院校數據科學與大數據技術課程體系建設研究[J].計算機時代，2018（6）：88-90，93.

[3] 萬明傲，劉艷芳，左軍.民辦院校數據科學與大數據技術專業課程體系建設研究[J].產業與科技論壇，2022，21（23）：269-270.

[4] 陳鵬.公安高等院校數據科學專業的課程體系設計[J].中國人民警察大學學報，2022，38（6）：88-91，96.

[5] 王昕.應用導向下的“統計學習方法”教學探索與實踐[J].科技風，2024（18）：127-129.