新工科背景下大数据推动农业工程学科发展的模式探索

2018-03-29马淏姬江涛朱旭金鑫赵凯旋

创新创业理论研究与实践 2018年23期

马淏，姬江涛，朱旭，金鑫，赵凯旋

（河南科技大学农业装备工程学院，河南洛阳 471003）

近年来，随着新高考制度的改革，国内各高校，尤其是农业类院校在招生方面遇到了前所未有的困难，各院校、各专业之间生源竞争激烈，农业工程学科没有形成自身特色，也没有吸引优秀学生的优势。部分重点高校依靠学校声誉和优质专业施行扩招，进而加剧了农业院校所面临的困难。另一方面，农业类院校被社会认可度不高，并且大多数学生家长受传统观念的影响，对农村有一定的偏见，对于农业领域了解不深，没有与时俱进跟上农业发展的步伐，认为与农业相关的专业或工作不够体面，将来只能在农村需求出路，前途会因此而受到影响。所以在外部原因的巨大压力下，农业工程学科建设变得举步维艰，需要提高农业工程学科的教学质量及生源数量。

1 农业工程学科发展现状

农业工程学科在培养方案中只突出强调专业知识体系的完整性和系统性，偏重在理论知识的教学而忽视了实践环节，在课堂上过分依赖千篇一律的教材，枯燥乏味的授课模式。一些高校在建设农业工程学科时由于条件所限，实训实践、生产实习等重要环节不能完全按照教学大纲落实。不同层次的高校在教学中没有突出本专业的优势，在教学中没有结合行业行情和社会需求，缺乏专业特色。

各农业院校在师资队伍建设方面，普遍看重教师的学历，要求博士学位并且还要名校出身，这对于学科的建设来说是有极大促进作用的，但是高校过于看重学历而忽视了实践经验。大多教师都是刚从高校毕业又到高校教书授课，没有经历过社会的实践考验，本身缺乏对于实践的认识，因而在教学过程中对于学生的指导变成了无源之水、无本之木。

2 大数据的概念以及特点

大数据是对大量的数据进行分析，挖掘出有价值的数据来应用到各个行业，从而得到更大价值的服务或者产品。在规模方面：大数据的数据量非常的庞大。随着现代社会高科技的发展，所有与网络有关的产品都能产生数据，而且产生的速度也在随时代的发展不断地加快，数据因此被大量的生产出来，总量呈指数式增长。数据的量越大，对于目标信息的掌握的准确度就越高。

在数据类型方面：进入大数据时代后，数据的类型越来越繁多。其中也包括传统类型的易于存储的文本、图片、音频、视频等结构化数据。此外，还有大量的非结构化数据存在于我们的日常生活中。

在快速性方面：大数据对于数据的处理速度要求非常高，当信息越及时传输到，其价值相对来说就会越高。因此，要在总量庞大的数据库中及时筛选出有用的信息，对于大数据的分析来讲十分的重要。如今信息的传输十分的发达，数据产生速度使得数据的处理也更加快速。大数据对数据的处理速度目前一般要求在秒级以内给出分析的结果。所以，高速有效是大数据的最为突出的特点。

在复杂性方面：大数据的复杂性是与传统数据相区别的关键，体现在类型、结构及内在模式方面。并且大数据需要处理的数据量巨大，数据来源过于杂乱、来源不同、分散各处，数据类型不一致，因此需要转换成统一的格式标准。

3 新工科建设的概念以及对于农业工程学科的要求

3.1 新工科的概念

“新工科”概念是于2017年在召开的《综合性高校工程教育发展战略研讨会》上提出的，同时，该会议还提出了“中国要想在未来全球创新生态系统中占据战略制高点，迫切需要培养大批新兴工程科技人才”的观点。新工科的建设是为了应对以新技术、新产业、新业态和新模式为特征的新经济中所遇到的挑战，是从国家战略、产业需求、和未来发展为出发点，以“卓越工程师教育培养计划”为基础，提出的一项持续深化工程教育、加快建设新兴领域工程学科、升级改造传统工科专业。为了国家一系列重大战略深入实施以及进一步提升国家硬实力和国际影响力，新工科战略主动应对新一轮的科技革命和产业变革，探索建立新的标准、模式、方法、技术和文化，实现从学科导向转向产业需求为导向、从专业分隔转向交叉融合。

3.2 要求学生技能与社会实践相融合，培养学生实践能力

新工科建设不仅对学生提出了更高的要求，对于高校教师也有了新的考验，主要体现在教师的教学策略上。在新工科建设的要求下，课程的设置不光要体现出应用性的特点，还要多元化、跨领域，突出创新性，实现学科之间的交叉互融，更重要的是对于学生实践能力的培养。在教学中，教材作为理论知识教学环节重要的一部分，需要更多地体现出实用性，需要打破传统的教材选择、使用模式，进而达到符合要求的培养目标和体系。因此，在新工科背景下，对农业工程学科建设提出了更高的要求，面临着更加严峻的考验。

4 大数据推动农业工程学科建设的模式探索

4.1 学科方向要准确定位

农业工程学科建设的基础是要把握住学科建设的方向，要以“农”为本，紧紧跟随党和国家在农业方面的方针政策。农业工程学科建设过程中，其要遵循的基本原则是要达到农业各生产环节的要求、满足社会需求。学科方向的设定，要把人才培养质量和规模放在首要位置，以加快农业发展和服务“三农”为出发点和归宿。

4.2 加强师资队伍建设

加快农业工程学科建设必须引进高层次人才，高层次人才是学科人才培养的一个重要方面，是提高学科核心竞争力的关键因素之一。因此学科建设需要加大资金投入，运用专项资金来吸引高层次人才、中青年骨干教师的培养与引进。整合学科内部资源，优化资源的配置，通过激励政策来提高学科团队的积极性。另外，为了形成高效的学科团队，必须培养学科带头人，为学科建设奠定基础。

4.3 培养新型复合型人才

农业工程学科应以复合型人才为培养目标，以理论知识为基础，工程实践为升华，两者相结合，并且与农业各生产环节相对接。新型复合型的农业工程人才当以农学素养和工学素养的培养为基点。在培养目标上，农业工程学科教育应当是应用型人才和研究型人才共同培养。因此，培养务实肯干、热爱农业的专业型人才成为农业工程学科教育的基准。

4.4 打造特色发展战略

在国内，高校间的学科竞争已经从比较优势转向竞争优势，农业工程学科建设应紧紧围绕区域优势、资源优势、产业优势和社会需求展开。根据自身特点和发展状况，集中人力、财力努力打造在学科建设内容上独具特色的优势，寻找不同的发展方向，做到”人无我有”“人有我优”，从而避免在学科建设上的盲目跟风。

4.5 将大数据课程打造成为学科特色

在如今农业工程学科的发展过程中，由于大数据技术在农业领域的广泛的应用使得其成为农业工程学科必须要涉及和研究的领域。在新时代、新要求下，农业工程学科建设应把握机会，以此为契机，将大数据课程打造成为学科特色，成为吸引学生的一大法宝。通过大数据的融入，来改革传统的学科教学课程内容，形成以大数据为核心，各专业课程与其交叉融合，突出大数据技术的鲜明特色。在目前以教材为载体的课程体系中，要突破传统的教材选择模式，在符合培养方案和教学体系的前提下，应更多地体现出工科的实用性及与大数据技术的相关性。

4.6 合理安排学科基础知识课程

大数据涉及了多门学科领域，在计算机科学与技术、高等数学、统计学、电子电工技术、数学模型、程序设计基础等课程方面都需要有较为扎实的基础知识作为支撑。因此，这就要根据大数据领域的特点来合理安排学科基础知识课程。在学生熟练掌握数据科学基础理论知识、大数据技术专业知识以及大数据开发和分析等知识外，还必须要求学生具备较高的人文及科学素养，继续培养学生的外语能力和写作应用能力，为学生将来在工作岗位实际操作应用和创新能力的提升提供发展空间。