基于新工科的大学计算机基础课程体系思考与探索

2019-04-01石志国

计算机教育 2019年3期

姚琳，宋晏，石志国

（北京科技大学计算机与通信工程学院，北京 100083）

0 引言

科学技术日新月异，科技革命引领的工业发展和产业革命处于不断演进中。在全球第四次工业革命来临的大背景下，各国争取发展主导权的战略应运而生，如美国的“工业互联网”、德国的“工业4.0”以及“中国制造2025”等新工业模式相继推出，它们都重新定义了“工程”的概念。新工程具有“集成与融合”“智能与创新”的特点，强调了信息技术与制造业的深度融合。新工业革命对支撑工业发展的工程教育也提出了新的挑战，国家战略视角下的新工科建设是对这一挑战做出的积极回应。

2017年，我国新工科建设经过了“复旦共识”“天大行动”和“北京指南”三步走，标志着以新工科建设为主题的高等工程教育改革完成了纲领性设计。

2018年初，教育部正式公示了新工科研究与实践项目认定结果，来自全国高校的612个项目入选。教育部新工科项目的正式认定，意味着新工科建设开始进入实施阶段。

1 从内涵特征看新工科人才计算机通识能力培养

新工科的“新”包含3方面内涵：新兴、新型和新生，所以新工科代表的是最新的产业、行业发展方向，是正在形成的或即将要形成的新的工程学科。新工科的建设服务于以新技术、新产业、新业态、新模式为特点的新经济发展的战略需求。从新经济的发展模式看，新经济强调以产业链的整合替代传统学科专业化的分工，新工科也必将跨越原有产业和行业界限。从学科角度，新工科需要多个学科的交叉、融合、渗透或拓展[1-2]。

计算机通识类课程作为新工科教育的重要地基，需要从底层就做到教学内容新颖，跟上时代，将最新科技和工程前沿引入课堂教学，向学生输送创新意识，教授学生如何学习新技术、运用新技术，增强实际动手的能力，完成为学科教育服务的使命。

同时，实践是工程的重要支撑，新工科应以实践带动学习过程。我国在工程教育认证中明确指出，工科需要以学生为中心，注重学生的能力培养，以就业为导向，加大实践能力的培养力度，使学生尽早满足就业市场对实践能力的需求。在新经济发展战略中，物联网、云计算、大数据、人工智能成为必不可少的元素，构成了新工科人才的数字化基因。因此，计算机类通识课程应以实践为根基引领数字化能力培养，搭建体验式和项目式的实践环境，自底向上地贯彻新工科的实践性。

2 计算思维与新工科

“计算思维”在2006年由美国卡内基·梅隆大学的周以真教授系统地提出。计算思维将计算机作为一种不可或缺的工具，各行各业的数据、业务通过计算机平台予以表述、处理，计算机技术不仅是手段，更是解决问题的方式。

从计算思维的概念被提出到现在，如何系统地培养计算思维能力仍在探索中前行。新工科对新经济发展的战略需求服务支撑体现在新技术、新产业等方面，而以物联网、云计算、大数据、人工智能为核心的新技术决定了新工科思维的核心仍然是计算思维。随着这些新技术的普及和升级，计算思维能力的培养会进入一个融合数据思维的新时代。

新工科与现代计算思维的关系如图1所示，数理、化工、生物等学科可以利用新型计算手段获取更高的计算效率；制造、能源、材料、金融、物流等学科可以利用大数据技术挖掘渗透在各行各业的大数据的信息价值；加入人工智能元素的智能机械、智能能源、智能交通等也将为各学科的发展注入新活力，推动社会生产和生活，改变人类的未来。各个学科在互联网+的大背景下，将云计算、大数据、人工智能等现代信息技术与学科融合，从而实现第四次工业革命的智能化建设。

3 新工科理念下计算机基础课程体系改革

新工科建设对计算思维与信息化融合以及创新能力培养提出了新的要求。2018年初教育部发布《普通高等学校本科专业类教学质量国家标准》，各学科在培养目标中明确指出，学生应具有终身学习意识，能够运用现代信息技术获取相关信息和新技术、新知识，拓展知识领域，持续提高自己的能力，但计算机基础教育目前仍存在一些问题，如教学内容未能紧随新技术发展的步伐，新技术只是以名词的形式出现，工科学生雾里看花，难以应用新技术进行创新；教学体系中缺乏与学科交叉融合的课程，计算机技术未能对学科建设给予有力的支撑。

图1 新工科对计算思维能力的需求

在新工科建设的历史机遇中，计算机基础教育是人才数字化能力培养的通识教育基础，需要顺应技术发展和社会需求的历史潮流，支撑学科建设中的计算机技术需求，从完善教学内容的新度、广度和深度，到建设与专业培养目标相融合的交叉课程两个方面实现计算机基础课体系的升级换代。

在计算机通识教育课程体系中，各门课程之间应具有衔接性和一致性，可以通过建立专题、构建模块的方式，由各专业进行超市化选择。以现代计算思维为核心，集合了新技术、交叉融合思想的非计算机专业新工科计算机课体系如图2所示。

图2 非计算机专业新工科计算机课程体系

非计算机专业新工科专业的计算机课程体系（后简称课程体系）从建立意识、思维训练以及能力提升3个层次构建现代计算思维能力，从内容上融合云计算、大数据、人工智能等新技术，全程支持新工科专业学生的计算思维与信息融合能力和创新能力培养。图2中虚线内部是传统计算思维能力培养的构建，虚线外是融合了数据思维的现代计算思维能力培养的支撑模块。体系结构的上层模块具有内聚性，保持培养目标的一致性。实现从学习到应用的完整路线，为创新奠定基础。

3.1 基础模块

课程体系结构自下而上对上层模块进行支撑。大学计算机基础课程从透视和微观的角度认识计算机的组成，计算机系统内部的运转过程，现实世界中的信息在计算机中的抽象表示等；熟练掌握常用软件的高效使用。程序设计语言学习现实世界到计算机世界数据的抽象方法；用自动化的方式解决现实世界中的问题（面向过程/面向对象），构建传统计算思维能力。

构建能力的过程采用系统化的思想，挖掘知识间的联系，将知识有机地从点连线，建立纵深前进的学习路线。以Of fi ce的教学为例，从浅层的文档、表格、演示文稿的应用，就可以提取出从“域”→“函数”→“触发器”的进阶，在应用软件中体会“变量”的概念， “接口”的意义，“事件”的处理机制，为程序设计课程的教学奠定基础。在计算机新技术不断更迭，架构性和封装性越来越强的今天，传统课程要与时俱进，更深地挖掘其中的价值，形成更合理的学习的线路，搭建新技术学习的进阶平台。

3.2 传统应用模块

体系结构中的“传统应用”模块搭建的是信息素养能力。素养作为一种素质基础，可以提升一个人思考和行为的能力，而信息素养就是现代信息社会必备的基本素养。数据库部分是通过数据库系统的应用理解数据管理的重要性和数据管理手段，建立管理和利用数据的数据化方面的素养，这里以关系型数据库为基础，为NoSQL的大数据管理奠定基础。网络部分通过理解网络、网络连接、信息传输等核心概念，建立连接和利用网络的网络化素养，理解计算机网络之上的信息网络和社会网络运用，同时为物联网的架构学习奠定基础[3]。

3.3 现代网络应用模块

“物联网→云计算技术→大数据计算技术”搭建了现代互联网技术的应用模块，三者紧密联系，物联网是大数据的重要来源，为云计算提供了广阔的应用空间，云计算为物联网提供海量数据存储和海量数据分析能力，为大数据提供了技术基础。

模块以导论加应用的形式为学科服务，讲用并行，重在理解，各课程的教学内容见表1。

表1 “现代网络应用”模块的知识架构

物联网导论从物联网的概念出发，认识物联网这一概念背景下涵盖的技术知识、发展现状，以与学习者距离最近的“智能家居”“智能物流”为载体，按照“体验→认知→分析”的递进层次走近物联网的世界，形成关于物联网的基础认知，对大数据的产生和利用形成概念。

海量数据的挖掘离不开云计算。从非计算机专业看，现代网络技术的应用应作为一种工程资源，服务于具体应用场景，学生的学习目标不是理论，而是理论衍生出的框架、平台和服务。以云计算的三层体系为例，除了底层的基础设施服务外，中间层的平台环境服务和顶层的云计算服务也已经具备成熟的商业模式，国内的阿里云已经跃居世界云计算产业第三。云服务提供商在平台中均建立了对各类学习、实验、应用开发的支持，因此，学习者不再需要深入掌握云计算基础理论，而是在知晓云计算的关键技术、基础架构和主流解决方案等云计算知识架构的基础上，重点培养应用云平台解决问题的能力。这种从应用角度在教学中融入新技术的教学模式适合新工科的建设理念。

大数据课程位于模块的顶端，从大数据处理架构Hadoop出发，按照“存储→处理→应用”的路线，最终将理论落地于大数据处理案例中。除了在本地搭建大数据实验环境外，还可以在云端搭建起大数据实验环境，实现模块内学习的连贯性。

3.4 Python与数据思维模块

在第三次信息浪潮中，Web2.0是大数据除物联网之外的另一个主要来源，“Python与数据思维”模块以Web 2.0为数据背景，在Python语言基础上，延续Python计算生态，以不同专业内容为背景建设交叉融合性课程，通过专业领域相关数据的采集、处理、分析、展示过程，将计算思维上升为数据思维，实现搜集数据、理解数据、使用数据的全过程。在新工科建设背景下，Python作为复杂信息系统时代利用计算机解题的最直观工具之一，能够更好地面向未来，与学科应用紧密衔接。模块内各课程的教学内容见表2。

表2 “Python与数据思维”模块的知识架构

信息提取是数据分析的前奏，在“网络爬虫与信息获取”课程中，通过Requests库自动爬取HTML页面，Beautiful Soup库解析HTML页面，Re库以正则表达式方式提取页面关键信息，最终将这些分步式操作落实于Scrapy库的专业爬虫框架。教学可以以与学科相关的各类数据的获取为驱动，掌握定向网络数据爬取和网页解析的基本能力。

数据分析与展示课程培养数据表示、清洗、统计和展示的能力。通过Numpy库进行多种维度的数据组织、存储基础类型数据，完成基础科学计算任务；利用Pandas库实现扩展数据类型的组织应用，进行高性能数据分析；Matplotlib库与二者结合对数据进行图形可视化展示。信息获取与分析展示相结合，融合学科特色，用Python驾驭各领域数据。

经过数据分析过程，无关的、重复的和不必要的数据已经被清除，机器学习所需的训练数据准备就绪。对于非计算机专业工科来讲，人工智能的关注点不是基础理论体系，而是具体的应用场景，开发应用可以直接建立在人工智能领域的技术框架之上。TensorFlow是Google研发的第二代深度学习开源框架，可以将复杂的数据结构传输至人工智能神经网中进行分析和处理，可用于语音识别、图像识别等多项机器学习和深度学习领域。TensorFlow支持Python语言，在目前主流的人工智能技术框架中，它的应用度、书籍数量、论文数量和活跃度都稳居榜首。

这样，该模块建立了一条由Python自底向上贯穿、应用深度逐步拓展的学习路线。

4 发挥慕课优势推进教学改革

不得不说，一个由很多新技术、前沿领域知识搭建起来的，以扩展计算思维宽度和深度为目标的体系，其资源建设的工程量是巨大的，但是，已经领跑在世界前列的中国慕课将是一个最有力的支撑。

根据教育部的数据显示，目前，我国上线慕课数量达到5 000门，高校学生和社会学习者选学人数突破7 000万人次，超过1 100万人次大学生获得慕课学分，中国高校慕课总量、参与开课学校数量、学习人数均处于世界领先地位[4]。

中国的大学教育在慕课的推动下逐渐打破围墙的壁垒，跨越地域，以大容量的接纳度提供了大学学习的开放性。借助物联网、云计算、大数据、Python、人工智能等方面优质慕课资源，融合SPOC、翻转课堂的教学模式，一定能够迅速、高质地搭建起新工科理念下的课程设计。

在慕课资源利用方面，建议打造一种破除课程壁垒，可以实现多课程内容的跨界组合的SPOC模式，使碎片化方式呈现的课程内容可以更多维度地组合，更灵活地为高校个性化的教学目标服务，实现优质资源利用的最大化。另外，建议增加SPOC的教学活动的编辑功能，使用者能够为课程配置与自身教学活动相关度、进度更为紧密的讨论和作业等。