新工科背景下高职院校大数据专业人才培养模式研究

2019-12-25邹晓华

文化创新比较研究 2019年22期

邹晓华

(常州信息职业技术学院，江苏常州 213164)

新工科主要是以新产业和新经济为基础，其建设不但要对新型工科专业进行设置和发展，还要推动传统工科专业的改革创新，而为了推动国家工程教育事业的发展，需要高职院校树立全周期、综合化以及创新型的新工程教育理念，将传统工科与新型工科进行有效的结合，实现学科结构以及人才培养模式的创新以此来构建具有中国特色和国际竞争力的新型工程教育体系。而大数据专业与新工科之间具有密切的关联，需要高职院校结合新工科的要求对该专业人才培养模式进行不断地强化，只有如此，才能更好地满足国家及社会发展的需求，所以，针对其大数据专业人才培养模式加强研究是很有必要。

1 高职院校大数据专业的人才培养目标与要求

1.1 人才培养目标

对于高职院校而言，培养目标是其大数据专业课程设置及培养方案编制的重要依据，根据市场需求以及学校定位，高职院校大数据专业在人才培养目标方面应该注重行业应用与大数据领域的交叉融合，积极培养能够有效适应社会发展需求的复合型工程技术人才。而具体目标包括：第一，能够对行业应用大数据的需求加以满足，且能够保证自然科学知识、数学知识、大数据知识以及计算机知识的融会贯通，在面对具有较强复杂性的大数据项目时，可以给出系统的解决方案；第二，能够对大数据领域最前沿的技术加以跟踪，在大数据工程方面具有一定的分析能力、创新能力以及价值挖掘能力，并且可以从事大数据产品的开发、设计和生产活动；第三，要具有较强的社会责任感、职业道德，能够明确环境、发展以及法律之间的相互关系，在落实工程项目当中能够对绿色理念加以应用，并兼顾社会以及经济等效益的有效协调；第四，保证身心健康，具备一定的团队精神、创新精神和人文精神，同时要有突出的工程管理能力以及人际沟通能力；第五，能够运用全球视野进行问题的思考和判断，对国内外不断变化的发展形势进行有效的应对，具备国际交流以及自主学习能力。

1.2 人才培养要求

在对人才培养目标加以明确以后，需要对人才的知识、能力以及素质方面的要求进行解读。第一，在知识方面，要具备相应的工程理论知识、大数据专业知识、计算机知识、自然科学知识以及数学知识；第二，在能力方面，要求能够面向大数据领域，并可以从事大数据的技术管理、产品设计、系统开发以及系统运维等工作；第三，在素质方面，要保证健全的身心、较强的职业道德、社会责任感、团队合作精神、创新精神以及全球视野[1]。

1.3 毕业要求指标点分解

结合新工科要求，在指标点设置方面应该对毕业要求进行详细和深化的解读，要保证指标点分解能够具有较强的导向性、专业性、逻辑性以及可评价性，应该根据学生能力针对内在逻辑关系实施分解，使其能够与课程体系设计方面的逻辑关系相符，同时可以建立能力实现的评价机制。而具体分解和优化主要如下：首先，对于大数据专业、计算机、自然科学以及数学方面的知识，要掌握基本概念、原理和方法，并且能够通过恰当地应用对复杂大数据工程进行描述，对大数据系统当中的相互影响和内在联系进行分析，同时给出相关解决思路。对于复杂大数据工程的解决方案，不仅要进行透彻的分析，还要尝试改进工作；其次，对大数据综合知识的应用方法加以掌握，能够在复杂大数据工程当中应用大数据综合知识进行设计、建模、研究、分析和验证。并且要对前沿研究保持关注，能够通相关探索对特定问题进行适当的表达；最后，要对主流大数据平台的各项使用方法进行熟练地掌握，能够根据现有平台及系统进行新功能的探索，使社会当中不断变化的需求能够得到有效的满足，此外，要保证特定行业的需求，使其大数据产品的开发、设计与生产能够得到有效的满足[2]。

1.4 课程体系建设

结合新工程要求，课程设置必须要对培养要求加以支撑，要保证课程模块的明确性，且课程体系需要与毕业要求相契合，毕业要求则需要运用指标点对课程体系进行影响。在课程体系当中，具体课程需要根据难易程度、先后关系以及层次类型等要求合理安排，以此来进行培养计划的科学编制。而在教学环节当中需要对培养计划加以实现，并在课程大纲、课程体系以及培养计划等方面落实毕业要求。在课程大纲方面应该包含以下内容：第一，对支撑毕业要求实现的课程目标加以明确；第二，针对课程目标，对相关课程内容进行科学的设置，并合理应用各项教学方法；第三，为达成度评价的落实提供相应的考核方法[3]。

2 高职院校大数据专业人才培养模式探索

2.1 模式构建

广义上来看，人才培养模式涵盖人才培养规格、培养目标、专业设置、专业建设、课程体系、教学手段、教学内容、教学评价以及质量控制等，其中涉及培养的目标、内容、方式、条件等要素。

第一，根据新工科要求，在学校毕业要求标准当中加入复杂工程问题解决能力的要求，具体教学期间，要对复杂问题解决能力进行有效的培养。利用基础课教学当中的问题解决能力、抽象模型分析以及相关原理，对教学展开优化，使传统形式的验证性和记忆性教学及考核模式能够得到不断的改进。借助专业课教学，对权衡能力加强分析，推动系统能力的构建，并对应用能力进行强化，通过课堂知识结构的调整以及理论与实践课程的深度融合，使学生的问题解决质量得到有效的提升。与此同时，要对综合实践教学加以落实，对学生应用能力加强培养，从跨课程向跨学科发展，使工程复杂性得以提升，并完成相关评分方法的构建[4]。

第二，对学习效果导向加以落实，将学生作为教学的主体，由教师来主导教学活动，并对多种教学模式加以应用。例如，以问题、案例、项目为基础开展教学活动，并针对整个教学过程落实评价工作。评价工作应该覆盖网上学习、作业质量、讨论交流、阶段考试以及结业考试等[5]。

第三，以实现课程目标为基础，对教学方式进行选择。例如，对于讨论课进行案例设计，可以事先进行选题，并在案例讨论之前对报告进行资格审查，如果通过，即可进行分组答辩。对于评分标准而言，其导向性应该以过程评价为基础，让学生对自身学习的过程保持重视。在评分维度方面，应该针对学生应用相关知识进行问题解决的能力进行多维考核。例如，就综合实践课程，由学生在课外将预习工作完成，通过检查以后，才能通过大数据实践平台进行实践实训环境的自主配置，并将相关实践任务完成。在考核方面，应该将学生主动提问、任务完成质量、相关提问质量以及撰写报告的质量作为参考，对学生为本的主题加以突出，在教学过程中实现学生学习能力和问题解决能力的有效培养，从而将验证性以及记忆性的要求比例减少，提升创意性以及分析性在考核当中的权重[6]。

2.2 协同育人

学校应该对校企合作的方式进行强化，使自身实践教学水平得到有效的提升，同时要对产学研协同育人的机制加以建立和完善，实现多方协作育人平台的有效建设。

高职院校大数据专业可以与社会相关企业建立合作关系，构建应用驱动形式的集成实训平台，从大数据的来源到应用，实现完整实训链条的构建，使大数据实践课程体系能够与实训链条的各个环节相对应，并为学生预留一定的动手空间[7]。

高职院校还可以从工业互联网、智能制造等方面入手，进行大数据教学平台的建设，不断提升实训课以及选修课丰富性。同时，要以4G/5G智能终端为基础，加强课程教学及实践训练应用，以此来构建具有在线教学特点的课件、讲义、题库以及考核方案。此外，在未来发展当中，高职院校的大数据专业应该进一步的与行业领军企业加强合作，积极推动新工科实验班的建设，实现大数据人才的有效培养[8]。