信息与计算科学专业基于培养数据分析能力的课程群整体优化与教学改革

刘芳 许可 雷鸣

【摘要】随着大数据时代的到来，社会对数据人才的需求不断扩大.本文针对信息与计算科学专业传统教学模式滞后的问题，以就业为导向，面向产业应用构建时代性、立体化的课程群体系.运用多元化教学手段，智能优化课程群教学，培养学生的数据分析应用能力，以适应大数据时代市场对数据人才的要求.

【关键词】信息与计算科学专业;数据分析;课程群优化;教学改革

【基金项目】辽宁省普通高等教育本科教学改革研究项目（2018）;沈阳理工大学本科教学改革研究项目SLGJG2019041/SLGJG2019080.

一、引 言

隨着互联网、数据科学的高速发展，当今社会已进入容纳“海量数据”的大数据时代.2015年10月，党的十八届五中全会正式提出“实施国家大数据战略，推进数据资源开放共享”.这表明中国已将大数据视作战略资源并上升为国家战略.据中国商业联合会数据分析专业委员会统计，2020年中国基础性数据分析人才缺口达到1400万.为满足社会对大数据专业领域人才的巨大需求，亟须在有基础的高校和专业建立数据科学与数据技术相关的课程体系，为数据研究和运用提供相应的数据分析与处理的专业人才[1-2].研究大数据背景下的数据分析人才培养模式，将人才培养与国家战略需求相统一，发挥数学学科特色，培养应用型创新人才意义重大.

数据分析与处理的相关岗位所需具备的技能一般包括计算机科学技术、数学和统计学、数据挖掘、数据可视化等方面.从我校信息与计算科学的课程设置情况看，这四个方面均有涉及，信息与计算科学专业在培养数据分析与处理人才方面具有专业优势.在此优势下进行以培养数据能力为导向的数据分析与处理课程群的整体优化和教学内容改革与实践势在必行[3-4].

二、教学模式中存在的问题

近年来，信息与计算科学专业在数据分析与处理课程群教学模式中的改革取得了很大的成绩，但仍存在一些问题，具体表现在以下四个方面：1）课程设置不先进，学生所学的知识与社会需求不符，与国家战略不同步，学生的数学知识学习与实践能力不足;2）课程系统性不强，课程之间缺少相关内容的融合与连接;3）课程内容的设置只考虑了知识的传授，缺少思想引领教育，育人教育机制不完善;4）数据分析与处理相关课程的实践教学以课程实验和课程设计为主，应用性不强，学生只停留在基础算法的简单实现层面，综合处理数据、分析数据、运用数据的能力欠缺.

三、课程群整体优化与教学改革

针对信息与计算科学专业在数据分析课程群的教学内容与教学模式中存在的问题，课程群教师团队采用四种切实可行的方法，提高信息与计算科学专业数据分析与处理课程群的教学质量，提升学生的数据分析实践能力.具体的课程群优化与改革方式如下：

（1）以就业为导向，面向产业应用，优化课程群体系

分析市场需求，面向产业应用，配置具有时代性和先进性的立体化课程群体系[5].

1）构建时代性课程群体系

围绕数据处理与分析科学的核心观念和方法，夯实数学基础，设置主干课程，形成核心课程群，对教学内容进行重组和整合，更新教学内容，引进《大数据算法》《数据挖掘》《人工智能》《机器学习》《创新思维训练与实践》等数据处理热点课程，设计数据分析行业领域的知识树，构建包含25门理论课程、14门实践课程的新时代数据分析与处理课程群，全方位培养学生的数据分析与处理的综合能力.

2）实现交叉教学，构建立体化课程群体系

以课程群培养目标为依据，优化更新课程内容，打破课程内容、课程资源的归属性与壁垒，将不同的课程内容进行融通与衔接，删除课程重复内容，增补课程间的空白，对教学资源进行共享配置，形成完整的系统，从人才培养方案设计到教学与实验等环节体现交叉特色，在理论教学与实践教学中促进学生的认知迁移，使学生更好地理解一门课程与其他课程以及整个课程群的内在关联，从而达到整体大于部分之和的学习效益，提高课程群的建设水平，实现课程群建设的规模效应，激发学生综合、立体的数据分析和处理能力，培养复合型数据人才.

（2）运用多元化教学手段，智能优化课程群教学[6-7]

1）搭建课程教学辅助系统，实现数据分析和算法的可视化

开发课程教学辅助系统，借助教学辅助系统，在《数值分析》《数据分析》《算法设计与分析》等培养数据能力的课程讲授中，让学生体会数据分析、数值计算和算法设计的过程和结果，实现数据分析和算法的可视化.在软件演示及调试过程中，学生能够切身体会到如何将理论转化为应用，提高了学生动手实践的欲望和热情.

2）开发课程App，创建电子书包，实现移动教学

开发基于《数据分析》《数值分析》《算法设计与分析》等课程的App，学生能够随时随地在线学习课程内容，浏览课程视频，进行课程测试、在线讨论，实现课程的“可视化”与“可携带”，满足学生个性化学习要求，为教师和学生提供一种不受时间和空间约束的交互式教学平台，实现课内课外全流程教学.

3）开发、整合课程资源，开展线上线下混合式教学

收集网络资源和数字化资源，提炼精品特色，更新教学理念，整合线上优质的教育资源和线下 “面对面”的教学互动优势，开展线上线下混合式教学.依托资源共享的新时代教育平台，通过设计SPOC课程、精选国家精品MOOC和跨校修学分等多种授课模式，为学生提供优质知识资源和个性化、多维度的教学模式，开拓学生的知识视野，实现师生与名校、名师“零距离”，提升教学质量和教学效果.课程团队已建立《运筹学》《计算方法》《复变函数与积分变换》等SPOC课程，《数值分析》《C语言程序设计》等国家精品MOOC，并在2020年春季，依托超星学习通平台，以《人工智能》课程为试点，与辽宁工业大学合作，开展跨校修学分授课模式研究.

4）采用校企合作的授课模式，将“案例”和“项目”引入课堂

从企业需求出发设置课程讲授内容，精心设计与选取教学案例，建立案例库，采用在校教师与企业工程师联合授课模式，引入企业实际项目，使学生在对“案例”和“项目”的研究讨论中，增强动手能力和实践应用能力.

（3）构建课程思政育人机制，实现育人育才相统一

以国家政策方针为指引，以社会需求为导向，从教学内容、教学环节、教学手段、实验设置等方面挖掘课程思政元素，精选课程案例，在数据采集、数据比对、模型设计、算法验证、案例分析过程中树立学生正确的思想导向，实现知识传授与思想引领相统一，提升学生的专业素养及综合素质，使学生成长为“讲政治，懂技术”的高素质人才.

（4）加强数据分析与处理的“实战演练”，将课堂延伸到课外

鼓励和组织学生积极参加与课程相关的竞赛与活动，如“高教社杯”全国大学生数学建模大赛、“挑战杯”辽宁省大学生课外学术科技作品竞赛等.促进学生以组建团队的形式做具体的项目，如大学生创新创业项目和参与教师的科研项目.学生在一次次的“实战演练”中，能够体验 “获取问题—分析问题—求解问题—验证结果—应用推广”的全流程.“实战演练”既提高了学生综合数学知识分析问题、解决问题的能力，又锻炼了学生的团队沟通、协作能力，使学生成长为具有高素质、高能力的数据分析人才.

四、总结

通过对培养学生的数据分析与处理能力的课程群的教学内容、教学方式、育人机制、实践平台等方面进行改革，提升了课程群体系设置的先进性、系统性、应用性，深化了课程思政教育，促进了人才培养模式与国家策略和社会需求的同向同步.在两年的教学改革实践期内，教学改革成果和资源已推广到沈阳工业大学和沈阳理工大学多个专业，师生满意度较高.毕业生反馈认为学习新知识的意识和能力、数学思维能力、团队合作精神和创新意识、灵活多样的创新创业训练是他们简历上一道亮丽的风景线，是工作岗位高起点的基石.

【参考文献】

[1]张剑，张宏民，张水胜.“互联网+”背景下信息与计算科学专业教育教学改革研究[J].高师理科学刊，2018，38（12）：66-68.

[2]卢春霞.大数据时代的信息与计算科学[J].亚太教育，2016（04）：98.

[3]陶珺，胡昌奎，谢颂华.理工融合理念下光电信息科学与工程专业课程群教学体系的建设与优化[J].科教导刊（上旬刊），2016（12）：37-38，125.

[4]李浩.以专业核心能力培养为导向的信息与计算科学专业课程群建设探索[J].信息与电脑（理论版），2017（5）：236-237.

[5]张太发，蔡吉花，张亚江，等.以就业为导向的数学专业计算机方向课程体系构建[J].经济研究导刊，2014（34）：162-164.

[6]薛先贵，黎路，杨楠.面向大数据的信息与计算科学专业实践教学模式探索[J].课程教育研究，2016（22）：161-162.

[7]劉一颖.大数据时代高校数据型人才培养探究[J].传承，2015（12）：112-113.