海洋大数据背景下涉海专业教学的挑战与革新

2019-02-14张际标赵利容赵辉张鹏邓培昌

大学教育 2019年1期

张际标赵利容赵辉张鹏邓培昌

[摘要]大数据时代下的教育教学改革是当前高等教育改革面临的新课题。由于海洋资料的复杂性以及不同学科分支的特殊性，海洋大数据具有海量性、多类性、异质性、时效性及安全性等多重特征，其类型相当庞杂，而且取得的研究成果也日新月异、更新速度快，对高校涉海专业的教學内容和教学方式提出了更高的要求。文章以广东海洋大学为例，分析了海洋大数据背景下该校涉海专业教学过程中存在的不足，提出了海洋大数据驱动下革新该校涉海专业的教学内容和教学方法的措施。

[关键词]海洋大数据；涉海专业；教学改革

[中图分类号] G642.0 [文献标识码] A [文章编号] 2095-3437（2019）01-0020-04

早在20世纪80年代，美国未来学家托夫勒[1]就提出了“大数据（Big Data）”的概念，将大数据称为“第三次浪潮的华彩乐章”。2010 年以来，大数据作为一个新兴的概念，逐步成为政界、商界、学界的新宠[2]。2012 年，奥巴马政府启动了“大型数据研究和发展倡议”计划。2013 年，大数据的理念在语言教学与研究领域里逐步得到了认可与欢迎。2015年9月5日，国务院发布《关于促进大数据发展行动纲要》，意味着中国大数据发展迎来顶层设计，正式上升为国家战略。经过30多年的发展，大数据正在以前所未有的速度渗透到生活、工作和学习的各个角落，引领社会实现由数据到数据源发展规律的转化，再到执行标准的跨越式发展，推动各行业的发展。

我国是一个海洋大国，社会经济的发展越来越依赖海洋，海洋经济贡献的比重越来越大，其中2017年全国海洋生产总值为77611亿元，占国内生产总值的9.4% [3]。经过多年的发展，我国海洋行业已积累了巨量的数据，并在海洋大数据的信息提取和应用等领域获得了飞速的发展[4-5]。目前，海洋大数据已在天气预报、防灾减灾、污染预测、海洋目标监测、海洋渔场渔情预报、海洋生态环境保护、远海航行保障、海洋与气候变化研究、海洋战略支撑等领域得到了广泛的应用[6-12]。根据我国数字海洋发展的总体规划，我国数字海洋建设将划分为信息基础框架、透明海洋和智慧海洋建设3个阶段，目前已完成第一阶段（通过国家908专项）的建设任务[4]。由此可知，未来的海洋经济活动急需大量懂得海洋大数据基础知识和应用技术的专门人才，海洋类高校培养此类人才责无旁贷。

尽管国内高校一些学者近几年已经意识到大数据应用将会对传统高校教学产生重大而深刻的影响，并对此进行了初步的研究[13-15]，形成了一定的理论成果[16-19]。但由于海洋的特殊性，在涉海高校中，海洋大数据的价值认知目前还处在一个起步的阶段，海洋大数据的教育传播和人才培养等应用方面仍然存在严重的不足，急需开展海洋大数据在高校教育教学领域的应用研究。

一、海洋大数据的特征和类型

（一）海洋大数据的特征

迈尔-舍恩伯格等[2]归纳大数据的关键特征主要体现在4个维度即4V：数据规模海量化（Volume）、数据类型多样化（Variety）、数据处理快速化（Velocity）、数据的价值化（Value）。21世纪是世界各国公认的海洋世纪，海洋约占地球总面积的 71%，人类为了认识和利用海洋，通过航天、航空、地面、水体和海底五位一体的观测手段对海洋进行观测和调查，形成了非常庞大的立体海洋观测体系，积累了海量的海洋观测数据，海洋大数据由此进入人们的视线，其信息提取和应用也获得了飞速的发展。由于海洋的特殊性，相对于其他行业的大数据，海洋大数据具有自身的显著特征，即海洋数据的海量性、多类性、异质性、时效性及安全性特征[4-5]。其中，由于海洋数据的获取手段多样化，观测要素多元化，故海洋数据呈现多类性特征以及数据量巨大的特征；同时，海洋数据常在空间域上呈现空间相关性和异质性，在时间域上存在时效性特征。此外，海洋作为国家战略和经济关注的热点，其海洋数据具有不同的安全性等级。

（二）海洋大数据的类型

由于数据的来源广泛及其获取技术存在差异性，海洋数据的类型在技术指标、数据格式、参数以及使用区域等方面呈现多类性[20-21]。从数据来源分，海洋数据包括海洋基础环境数据、海洋遥感数据、海洋经济统计数据等几大类数据，而且每个大类数据下又有很多子类。比如：海洋基础环境数据分为海洋水文、海洋气象、海洋物理、海洋化学、海洋生物、海洋地质、海洋地形与海洋地球物理等子类，每个子类又可进一步划分。从数据存储格式分，海洋数据可分为文本数据（如word格式、txt格式、二进制格式等）、属性数据（如mdb格式、Excel格式、csv格式等）和影像数据（tif格式、jpg格式、bmp格式、avi格式等）。从数据表达的属性分，海洋数据可包括视频、图形、图像、声音、文字、表格等。可见，海洋数据的类型相当庞杂。

对传播海洋知识的教育工作者而言，在教育教学过程中涉及的数据类型主要包括文字、表格、图形、图像、视频、声音等数据类型，需要向学生传输的就是这些海洋数据所揭示出来的相关信息。

二、海洋大数据背景下涉海专业课程教学面临的挑战

海洋科学是研究海洋的自然现象、性质及其变化规律，以及与开发利用海洋有关的知识体系。目前，海洋科学各领域的快速发展仍然离不开大量的海洋调查，各领域海洋知识的更新依然依赖于巨量海洋数据的收集、累聚、分析和研究。因此，要把海洋科学各领域的最新知识传输给学生，各涉海高校应该在海洋大数据的获取、信息提取及其在教育领域中的应用加以重视。

目前，海洋大数据的应用在我校各涉海专业的教学过程中包括教师本身、教学过程及授课学生等环节有着诸多不足之处。

（一）教师思想上、技术上准备不足

大数据是近年来快速发展的概念，此概念的吸收需要教育工作者紧跟社会的变化和发展。大数据的信息提取和应用涉及专业的数据处理技术，其充分利用需经过专门的专业培训和学习。此外，由于海洋的特殊性，海洋大数据的信息提取和应用需要教育工作者有更深厚的专业储备，才能有效地对海洋大数据进行教育传播。然而，我校绝大多数教师目前对于海洋大数据的概念、内涵和教育传播等在思想上毫无准备，知识面相对较窄，在大数据的信息提取、可视化展示及信息传播等技术上无储备，表现为教学方法难创新，教学手段单一落后，从而导致教学效果难以提升。

（二）教学内容陈旧

由于海洋大数据具有典型的时效性特征，海洋科学知识发展日新月异，即使是最新出版的海洋类学术专著，其传播的数据和信息通常也是较多较早的陈旧成果。以我校“海洋环境学”课程为例，教材的“海洋环境灾害”中所列举的结果还是2005年前后的统计数据，这明显落后于海洋环境的快速变化。因此，在海洋环境科学发展日新月异的情况下，高校教师需要随时掌握本领域最新的研究成果，而海洋大数据传递的最新信息则能满足这个要求。然而，目前我校很多教师与学生一样，对大数据的概念知之甚少，对海洋大数据的获取和应用无技术储备，不及时更新本领域的最新知识。教师在教学过程中更多的还是照本宣科，讲授的内容陈旧，传播的知识过时，教学质量难以提升。

（三）实践教学器材落后

目前，海洋科学很大程度上还是一门基于海洋调查的学科，在认识海洋、研究海洋的过程中需要借助于大量价值不菲的调查工具和设备。受教学经费的限制，高校涉海专业在实践教学中不可能购置太多非常昂贵的器材，也难以做到频繁更新。因此，大多数器材在使用多年后都非常陈旧或已破损，使用这些器材进行实践教学，教学效果肯定不好。但如果充分利用海洋调查仪器和设备等方面的大数据资源，完全可以解决实验实践器材落后或不足的难题。

（四）学生无大数据概念及其相关实践经验

在大数据时代的影响下，大数据在各行各业的应用遍地开花。然而，对于处在象牙塔里面的大学生而言，由于参与社会实践机会有限，如果在学校中未接受大数据方面的教育和训练，那他们对大数据的基本概念与内涵、价值及应用就会知之甚少。以我校为例，80%以上的大四学生没有听说过大数据的概念，更不懂大数据的技能培训和实际应用，这说明我校在海洋大数据方面的知识传授、技能培训等方面存在严重的缺陷。

三、海洋大数据背景下涉海专业课程教学的革新

（一）转变教育观念，提升教师教学水平

教育观念是一定时期内固化在教育工作者身上对教育过程中教学方式、方法或手段的认知，是相关教育工作者教学工作开展的指导和前提。现代教育观念必须与现代社会、现代经济、现代科技的发展相适应，陈旧的教学观念将导致落后的教学手段，先进的教育观念则可形成现代化的教学方式。因此，在海洋大数据背景下，相关涉海教育工作人员如果想要进一步优化教育课程设计的内容，就要首先及时更新海洋大数据的知识，实时转变自身的教育观念。

当教育工作者转变教学观念后，尽快提升其在大数据处理和信息提取方面的能力是提高其在新时代下教学水平和素质的关键。教育工作者可通过自学、研讨、培训等途径，提升自己在大数据处理、信息提取及可视化展示等方面的能力；通过对汇集的海洋大数据进行处理和信息提取，获取海洋科学各领域的最新研究成果，并以此为素材，制作涉海专业教学源库，把海洋大数据时代下海洋科学各领域的最新研究成果传输给学生。数据可视化技术是值得教育工作者学习掌握的技术，该技术借助于图形化手段，可清晰有效地传达与沟通信息，将复杂的数据借助于空间图形展示出来，便于人们观察和理解，同时采用不同的空间分析方法还可以发现大数据内部隐含的规律和发展趋势，便于研究者判断和模拟未来的发展趋势。

（二）更新教学资源和信息，丰富教学展示手段

大数据时代数字化的学习资源将呈现知识爆炸的局面，互联网上的信息资源包括新闻、电子图书和报刊、网上参考工具书、文献数据库信息和其他网络信息资源，如机构和企业的报告政策、动态和产品信息，学术科研动态信息，各种会议信息，专利文献信息，Open Access，学科机构知识库等。

作为典型的大数据，海洋数据来自海洋水文、生态环境、气象气候、地质地貌、海洋化学、经济、海洋物理化学等众多领域。在涉海专业的教学过程中，必须实时汇集海洋科学各领域的海洋大数据，及时获取最新研究成果，同步更新相关领域的教学资源和信息，才能把海洋大数据揭示的最新海洋变化信息展示给学生。

教学内容可用文字、图表、视频、现场演示等多种多样的展示手段。文字演示是操作最简单、最常用但却是效果最差的展示手段，也是学生最为吐槽的枯燥的教学方式。因此，在涉海各专业的教学过程中，要充分利用大数据可视化技术，把海洋研究的最新成果通过生动、形象的图表和视频展示出来，避免过多枯燥乏味的文字描述。比如海洋中各环境要素的时空变化规律（如区域平面和垂直方向的变化或时域上的变化），完全可通过大数据可视化技术，采用位置信息、区域统计、多维图表、时域位图等方式，实现海洋数据的实时、动态、美观的可视化，形象生动地向学生传输海洋环境变化的最新成果。

只有把前述海洋大数据的最新研究成果及时有效地传输给学生，才能体现教育工作者传道授业解惑的价值。对海洋大数据知识的传输可在各教学环节中根据实际情况进行渗透宣贯。

课堂理论教学应侧重于用图像、图表展示海洋变化的特征和规律，其目的在于用直观、形象及通俗易懂的方式，把海洋环境变化的特征和规律展示给学生。对于各种奇妙的海洋现象，如果单纯用语言和文字来描述会显得枯燥乏味、苍白无力，也不容易为学生所理解和记忆，而图像、图表能容纳更多细节，并将复杂问题简单化，可大大提高学生对所授知识的吸收能力。

在實验实践教学过程中，提前把实验或实践过程涉及的样品采集和处理、调查或监测仪器设备的使用和操作、分析测试等关键环节等整合成大数据源库，然后用形象直观的视频演示出来，可让学生提前感知实验实践的具体过程，提升教学效果。在实验实践教学过程中，还可以结合大数据的数据处理技术和虚拟演示技术，实现多人同时实验，这样有利于突破教学中的难点和克服容易遗忘的困难，同时有利于节约空间和时间，从而提高教学效率。另外，还可通过大数据可视化技术实现对普通海洋实验的扩充，实现对海洋变化真实情景的再现和模拟，减少野外现场调查频次和对室内分析测试仪器设备的需求，可大规模节省实验实践经费。

在毕业实习或毕业论文的教学环节中，可侧重于引导学生在海洋新数据的集成和分析、数据的信息提取和可视化技术、数据处理新方法的探索、利用大数据成果进行应用预测和辅助决策等方面开展相关创新研究。其目的在于获取海洋各领域的最新研究成果，同时也把海洋大数据的最新研究成果应用到海洋研究和服务中。

四、结语

海洋大数据有着巨大的应用前景，它在天气预报、防灾减灾、污染预测、海洋目标监测、海洋渔场渔情预报、海洋生态环境保护、远海航行保障、海洋与气候变化研究、海洋战略支撑等领域得到了广泛的应用。同样，海洋大数据也可在教育领域加以应用，对促进教育教学领域的革新意义重大。作为涉海类高校，更应该树立现代教育理念，转变教学观念，及时建立基于海洋大数据的涉海各专业课程的教学源库，借助多样化的教学展示平台，开展在海洋大数据的背景下通过数据挖掘和分析以学生为中心的教学改革。

[ 参考文献 ]

[1] 阿尔文·托夫勒.第三次浪潮[M].黄明坚，译.北京：中信出版社，2006.

[2] 维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代[M]. 盛杨燕，周涛，译. 杭州：浙江人民出版社， 2013.

[3] 国家海洋局. 2017年中国海洋经济统计公报[EB/OL]. （2018-3-01）[2018-05-03]http：//www.soa.gov.cn/zwgk/hygb/zghyjjtjgb/201803/t20180301_60485.html.

[4] 黄冬梅，邹国良，等.海洋大数据[M].上海：上海科技出版社，2016.

[5] 侯雪燕，洪阳，张建民，等.海洋大数据：内涵、应用及平台建设[J].海洋通报，2017（4）：361-369.

[6] 戴勤奋，魏合龙，王圣洁，等.大数据时代的海洋地质信息化建设[J].海洋地质前沿，2014（1）：67-70.

[7] 黄冬梅，季丽伟，袁小华，等.基于时空一体化的海洋大数据快速展示平台[J].海洋环境科学，2015（5）：743-748.

[8] 解鹏飞，刘玉安，赵辉，等.基于大数据的海洋环境监测数据集成与应用[J].海洋技术学报，2016（1）：93-101.

[9] 钟丽丹，潘杏梅，王建涛.基于大数据开放式海洋信息知识库构建研究[J].图书馆杂志，2016（8）：59-66.

[10] 宋德瑞，曹可，张建丽，等.大数据视域下的海洋信息化建设构想[J].海洋开发与管理，2017（1）：50-53+77.

[11] 杨成.探究海洋大数据平台的构建及应用[J].信息与电脑（理论版），2017（6）：149-151.