“职教20条”建设背景下大数据课程体系改革

林宛杨

摘要：该文以“职教20条”建设为背景，将课程改革作为深化内涵建设的切入点和突破口，研究了高职院校大数据专业新时代人才培养需求，提出了课程体系改革指导原则。在该基础上，聚焦课程体系改革的架构设计，进一步优化大数据课程体系，实现高职教育内涵式发展。

关键词：职教20条;大数据;课程体系

中图分类号：TP391      文献标识码：A

文章编号：1009-3044（2020）36-0170-02

Abstract： The paper is based on the construction of "20 items of Vocational education" Taking curriculum reform as the entry point and breakthrough point of deepening connotation construction. It also studies the talent training needs of big data majors in higher vocational colleges in the new era and puts forward the guiding principles of reform for the curriculum system. On this basis， it focuses on the framework design of curriculum system reform， further optimize the big data curriculum system， to achieve the connotative development of higher vocational education.

Key words： 20 items of vocational education; big data; curriculum system

1 背景

職业教育是我国的教育体系的重要组成部分，为国民经济和社会的发展提供了有力的人才和智力支持。2019年1月，国务院印发《国家职业教育改革实施方案》（职教20条），明确提出了职业教育在我国职业教育与普通教育是两种不同教育类型，具有同等重要地位[1]。我国即将进入“十四五”新的发展阶段，各个行业对技能人才的需求更加紧迫，更加凸显了职业教育在未来的重要地位和作用。

新的科技革命催生了一系列新技术。近年来，由计算机领域衍生出的大数据发展迅猛[2]。大数据为人类认识复杂系统提供了新的思维和手段，有力促进了经济的转型和增长，成为产业发展的重要推动力，同时也为政府治理能力的提升开辟了新的途径。大数据带动了软件、硬件和服务市场相关产业的快速发展，在互联网、金融、交通、电信等领域已经实际部署了大数据的平台。市场对大数据人才特别是能在实际工作中能结合业务和技术解决问题的大数据人才的需求的渴望和争夺达到了前所未有的程度。

因此，这些都需要高职院校进一步进行人才培养模式改革，深化内涵建设，全面提升人才培养质量，造就出具有统计分析、计算机技术和经济管理等多学科知识的应用综合型大数据工程师的培养人才是职业教育高校需要重点拓展的方向。

2 发展现状

国务院在2015年8月印发了《促进大局发展行动纲要》中指出：“建立健全多层次、多类型的大数据人才培养体系……重点培养职业工程师等大数据专业人才。”截至2018年11月，共有283所学校的数据科学与大数据专业获教育部正式批准。

目前，国内高职的大数据专业建设和人才培养领域仍处于摸索阶段。主要体现在缺乏系统化的定位、系统化的课程和系统化的师资。

高职院校大数据专业起步晚，在培养目标和毕业要求部分有时照搬和照抄老牌高校的内容，定位的不明确造成了具体人才培养过程中的不顺畅。

在课程方面，尚未形成系统性和标准化的课程体系，部分课程仍然使用讲义[4]。由于专业的特殊性，既需要基础性、主干类的课程，也需要由针对培养目标和方向所设定的交叉学科的知识体系和课程内容。特别是针对高职侧重应用型工程师的培养，需要设置更为完善的面向产出的实习和实训体系。

在师资方面，新兴学科缺乏足够的教学师资以及可以采用的教学资源，能够用于指导学生面向解决问题实习实践的教师更是屈指可数。

3 课程建设

下面分别从定位、课程和师资等三个方面来阐述“职教20条”建设背景下的大数据课程体系改革建设过程。

3.1 系统化的定位

“职教20条”对高职院校的改革提出了明确的方向：服务建设现代化解决体系和实现更高质量更充分就业需要，对接科技发展趋势和市场需求，以促进就业和适应产业需求为导向，着力培养高素质劳动者和技术技能人才。同技术研究强和人才队伍雄厚传统高校培养跨界复合型人才和研究型大数据分析师相比，高职院校应定位在应用综合型大数据工程师人才，即在立德树人和五育并举的前提下，培养具有计算机技术、统计分析和经济技术管理等多学科知识，能够通过编辑或应用软件对数据进行分析和建模，可以结合应用其他学科的数据进而对企业的数据进行分析，促进企业的有效产生和发展的应用型人才。

在学生整体能力素养方面，高职类大数据人才应具有数学、工程知识、信息技术、计算机与网络、制造活动与过程、商业和金融、人工智能、健康与安全、环境科学、法律基础等知识能力;具备数据与信息处理和分析、网络安全与数据保护、计算机编程/编码、人机互动、统计知识、组织过程、综合应用、跨学科学习等技术方面的能力;具备解决问题、评判思维、系统思维、定量推理、数据决策、知识管理、自我评估和有效交流等学术方面的能力;具备自我管理、工程伦理、团队协作、终生学习、国际视野等个人效能。

3.2 系统化的课程

教学是高职院校的中心工作，教学改革是高职院校人才培养的核心环节。高质量的教育内容要以高质量的呈现方式展示。高职院校的大数据课程体系包括了专业基础课程、专业主干课程、专业课程和实习实训课程等模块。

其中专业基础课程包括了大数据导论、大数据管理、大数据处理、大数据分析、数据结构、Java面向对象程序设计和数据库原理与技术。专业主干课程包括了并行与分布式计算、算法分析与设计、数据挖掘与分析。专业课程包括了大数据技术开发、机器学习、数据挖掘与数据分析、工业大数据管理和物流数据分析与仿真。实习实训课程包括程序设计实训和专业实训。

專业基础课程以大数据导论为基础，从技术层面为高职学生介绍大数据相关知识。涵盖了大数据、大数据获取与感知、大数据存储与管理、大数据分析、大数据处理、大数据治理、大数据安全与隐私等方面的内容。课程还根据典型案例的应用进一步说明大数据在社会经济生活中的重要价值。

大数据管理首先从数据管理系统发展出发，说明了大数据管理的发展历程。其次，从系统领域介绍系统结构、存储组织、事务管理和查询处理等知识;从数据模型领域介绍了传统的关系、键值对、图形和文档的数据模型。

大数据处理和大数据分析是针对高职专业应用特色进行设置关键技术课程。前者以编程为中心，属于快速入门技术，从基础、编程、优化等层面介绍了大数据处理的技术。后者以实践为中心，通过系统应用多个层面结合典型分析实例，属于快速入门应用，从特征、技术和创新层面介绍了大数据的分析和应用。

3.3 系统化的师资

百年大计、教育为本。教育大计，教师为本。教师是教学的灵魂。和其他学科相比，大数据专业的交叉融合高职院校培养应用型大数据工程师的目标对专业教师人才队伍提出了更高的要求。

在课堂教学中，一方面，专业教师需要夯实基础，巩固计算机专业知识，熟悉各类数据分析方法和工具，会使用大数据分析平台和环境的建设高水平、结构化的创新团队。另一方面，根据实际的应用场合，如工业大数据和物流大数据方面，需要结合机械工程和物流管理方面的人才和数据来建设高素质双师型的教师队伍。同时，稳步推动教师管理制度制度改革，政策和考评制度向主动开发和承担大数据教学任务的教师及双师型倾斜。

在教学模式改革中，切实推进习近平新时代中国特色社会主义思想“进教材、进课堂、进学生头脑”，结合立德树人、课程思政、新工科的发展和翻转课堂等要求，优化教学模式，进行教学改革。让大数据的专业课既有深度，也有温度。

随着“互联网+ 职业教育”迅猛发展，高职课程教学改革是由新技术支撑。教师运用现代信息技术更新教材和改进教法成为新常态。授课方式可以整合线上和线下，进行启发式、讨论式、混合式教学。在现实充分利用信息化手段，及时向学生传授基本知识，线下通过各类活动载体。突出教师、教材和教学方法的联动性和相互促进，充分发挥学生自身的创造性和知识性，提高效率，增强教学效果。

4 实训建设

对高职学生来说，实训是培养学生解决复杂工程问题，学习培养实践能力最为行之有效的方式。下面分别从能力培养、项目开发和典型案例三个方面来阐述。

4.1 实训能力培养

在学生实训能力培养方面，应以产教融合、校企双元的合作方式培养高职学生对模型构建的分析能力和对数据应用的管理能力，加深学生对业务实践的理解能力和对产业发展的创新能力。此外，在学有余力的情况下，还要注意学生对大数据架构设计能力、基本算法使用能力和系统研发能力的培养[4]。

4.2 实训项目开发

实训项目中，可以在JavaSE开发、JavaEE开发、并发编程开发、数据库实战和WEB前端开发5门课程基础上，结合教师团队的科研融入、双创融入[5]、产学合作，协同育人等并行应用大数据可视化模块，包含D3大数据分析、Echar数据分析、BI平台大数据分析;大数据分析及人工智能模块，包含数据分析、算法分析、机器学习、人工智能、Python开发;大数据开发与运维模块，包含Hadoop生态体系、Spark生态体系、Docker容器引擎、Storm开发和Python爬虫等。

4.3 实训项目运行

在项目实施过程可以采用项目制管理的模式进行逐步推进，包含项目启动、系统的分析、设计、实训、测试、推广、总结，得到输出的结果。在具体的运行过程中可让学生们先设定好目标，协同组织人员，利用团队技术支撑共同协同完成，再进行交叉评价。

4.4 实训典型案例

随着科学的发展，仅研究单一学科领域已很难解决复杂的工程问题。在实习实训教学中，可以结合人才培养目标，和地方特色企业相结合，聘请企业老总为战略顾问，采用双师制，进行育训结合，引入企业工程师进行实践，通过企业实际问题的选择订单式培养高职学生的实操应用能力。

典型的案例采用端对端的业务流程演示和实际的操作训练，采取多学科交叉的模式，可以结合互联网金融、交通运输、工业互联网、物流管理、运营商和政府甚至传媒等多个领域，让学生真正能够理解大数据行业背景及企业在技术方面的真正需求。

5 结束语

本文根据高职教育的特点，在“职教20条”建设背景下进行大数据课程体系的改革，从课程建设、实训建设等方面入手，结合系统化定位、系统化课程，系统化师资结合实训能力培养、实训项目开发、实训项目运行和和实训典型案例形成了“职教20条”建设背景下的大数据课程体系，具有符合时代要求、实践能力强、可及时扩展和更新、集成性强和可量化的特点。

参考文献：

[1] 周建松，陈正江.高职院校“三教”改革：背景、内涵与路径[J].中国大学教学，2019（9）：86-91.

[2] 姚琳，石志国.人工智能课程体系与教学方法研究[J].中国大学教学，2019（10）：19-22.

[3] 胡天石.高校创新创业教育人才培养体系研究——评《高校协同创新机制与人才培养模式研究》[J].教育发展研究，2020，40（7）：2.

[4] 丁飞己.工科本科生问题解决能力及其影响因素研究[J].中国高教研究，2020（5）：17-23.

[5] 郭宝龙.“双一流”建设背景下IT类专业课程体系改革[J].中国大学教学，2020（1）：9-12.

【通联编辑：谢媛媛】