基于校企产教融合模式的大数据专业人才培养研究

梁楠楠

(宿州学院 信息工程学院，安徽 宿州 234000)

近几年来，中国大数据产业技术发展迅速，广泛运用在金融、农业、教育、管理、医疗等各个领域，大数据产业发展造成了人才需求的急剧上升[1]。大数据专业是一门综合交叉性学科，要求学生具备较强的数学、统计学基础，扎实的计算机编程能力，同时还应具备各相关领域知识。由于是新兴产业，对理论和实践要求较高，人才获取十分困难。为了促进大数据人才的发展，满足各个领域的需求，2015年，国务院出台了《促进大数据发展行动纲要》[2]，对大数据的发展进行系统部署，进一步推动大数据产业的发展和应用，这标志着大数据被纳入国家战略层面。2016年，教育部发布中，新增“数据科学与大数据技术”本科专业(专业代码：080910T)。2017年，宿州学院信息工程学院积极申报数据科学与大数据技术专业并被教育部成功获批，是安徽省第一所开设此专业的高等院校[3]。

1 大数据专业人才培养现状

1.1 人才培养目标难定位

大数据专业是一门综合交叉性学科，要求学生具备较强的数学、统计学基础，掌握扎实的计算机编程能力[4-5]，同时具备金融、农业、教育、管理、保险、医疗等各个领域的相关知识。由于各行业对数据的需求不同，人才培养目标难以定位。对应用型高校而言，培养具有夯实基础的大数据人才尤为重要。

1.2 大数据实践教育体系不够完善

应用型本科院校人才培养目标要求提升人才培养方案中实践教学的比重，而实践能力中如何处理“大数据”是大数据人才教育培养的核心[6]。生活中的大数据大部分来源于纷乱的非结构化数据，处理起来非常困难。由此，需要建立专业实验室培养学生进行虚拟仿真、生产实习，实施阶梯式工程实践能力，而这需要高校、政府、企业合力，共同打造融合的实践教育体系。

1.3 校企合作深度有待提高

校企合作是应用型高校人才培养的重要保障，传统的专业培养模式已经不能适应新时代人才培养的要求[7]。大数据专业在校企合作过程中涉及企业的关键业务算法以及技术，使得企业难以共享数据和资源，校企合作不够深入，根据需求有针对性地定制大数据人才校企合作培养模式成为难题。

1.4 师资和教学需进一步完善

师资力量是决定人才培养的有力支撑，大数据作为近几年的新兴专业，人才严重匮乏。目前高校大数据专业师资多为相关专业课教师转型，在转型过程中，由于专业教材、实验设备匮乏等，多数教师采用自学摸索方式培养学生，教学效果不甚理想。

2 大数据专业产教融合、校企合作人才培养模式

2.1 构建大数据专业“四链”融合的实践教育体系

人才培养教育体系对经济以及产业发展的推动建立在人才培养生态系统的融合性和协同创新性上，依托产业链、专业链、教育链、人才链“四个融合”[8]，通过机构创新，弥补现有系统的不足，由大数据基础实验到综合、专业实验，实行渐进式实验研究能力的培养；通过认知实习、仿真模拟、企业实践，实现大数据专业实践能力的阶梯式培养；由单元操作设计到模块过程、项目设计，开展递进式设计能力的培养；对必修的“科研训练”，实行“一人一项目”“大创项目”自主申报与实施，科研训练与学科竞赛及教师科研方向衔接。构建大数据专业“四链”融合的实践教育体系和人才培养生态系统，见图1。

图1 “产、教、科、创”四位合一大数据人才培养生态系统图

“四链”互融互通，将学生工程创新能力培养贯穿始终。实施方法如下：(1)设置新生实践导学课，架设与教授互动的桥梁；(2)开设学科概论课，构建学科框架与研究方法；(3)建设工程导论课，引导遴选复杂工程问题开展研究；(4)设立系列专题研讨课，训练自主科研；(5)针对队伍平台、过程管理、考核激励、经费筹措等方面制订规章，规范实施。

2.2 构建“分层+分流、个性化发展”的大数据专业人才校企联合培养模式

根据新工科背景下大数据专业人才校企联合培养的要求，按“分层+分流、个性化发展”的指导思想，根据人才培养目标，改变传统的专业培养模式对本科生分流，实施“专业课+全校性辅修课、创新实验室、校企联合培养”的新培养模式，通过“三阶段八环节”实践教学模型以及校企合作实践基地，直接获取社会各个行业对大数据专业人才的需求，或通过间接渠道获取，针对社会需要，培养个性化大数据专业人才，从而构建地方高校数据科学与大数据技术专业的多元化、立体化的人才培养模式。制订构建“分层+分流、个性化发展”的新工科背景下大数据专业人才校企联合培养模型，如图2。

图2 新工科背景下大数据专业人才校企联合培养模型图

2.3 建立大数据专业产教融合培养实训平台体系

基于上述“分层+分流、个性化发展”的大数据专业人才校企联合培养模式，通过大数据专业体系架构的培养方案以及动态演进型人才培养模式[9]，建立新工科背景下大数据专业产教融合培养实训平台体系。实训平台体系的底部是物理计算机池(硬件)和虚拟化管理软件(软件)，虚拟化技术用于构建虚拟机池和购买专用大数据机，并部署大数据软件，顶层为大数据应用系统和模型，见图3。

图3 新工科背景下大数据专业产教融合培养实训平台体系图

2.4 制定大数据专业产教融合“三化一体”的人才培养方案和课程教学体系

按照“厚基础，强实践”的教学理念指导，制定新工科背景下大数据专业产教融合“三化一体”的人才培养方案和课程教学体系。与安徽兰智数加学院联合，采取系统化课程内容教学，同时结合课后实践教学。借助安徽兰智数加学院提供的师资培训与认证体系提高学校教师实践教学能力，校企联合制定培养计划，整合教学大纲，优化教学资源。前三年由教师按照培养计划教授专业基础课程以及部分专业核心课，同时，与安徽兰智数加学院的项目经理有机联合教学，共同完成教学大纲中的实践教学任务。培养计划的最后1年，由安徽兰智数加学院经验丰富的专职项目经理负责授课，以实训方式为主，完成工程项目实践，从而激发学生的学习兴趣，提高他们应用所学技能的能力，最终完成对学生项目经验的培养目标。毕业设计题目直接来源于实训项目，由学院和安徽兰智数加学院共同指导完成。具体课程安排如下：

2.4.1 理论课程

本专业的专业核心课程有离散数学、Java语言、数据结构与算法、数据库原理、Python程序开发、Hadoop大数据技术、数据挖掘与分析、机器学习与模式识别、数据采集与预处理和Spark技术及应用。

2.4.2 实践课程

数据科学与大数据技术专业培养的毕业生应具备的知识和技能包括数据采集与预处理、数据分析以及数据挖掘等，同时还应具备从事大数据工程师等相关专业工作的技能。实践课程主要培养学生掌握以下几方面技能：软件的操作与实践技能的掌握、项目分析与设计能力、团队沟通与合作能力、过程质量管理与控制能力等。实践教学的形式包括课程实验(课内实验和独立开设的实验)、综合性课程设计、工程项目实践、毕业设计及实习。

(1)课程实验。课程实验作为实践教学环节重要的一环，与课堂教学相辅相成。通过课程实验，学生能够进一步加深对理论课程内容的理解，同时掌握各种实验理论、方法、工具的使用。数据科学与大数据技术专业应加强实验教学，尤其是要重视设计性实验和综合性实验教学。本专业的主要课程实验有程序设计基础课程实验、Java语言课程实验、Python程序开发课程实验、数据库原理课程实验、数据挖掘与分析课程实验、机器学习与模式识别课程实验、数据采集与预处理课程实验、数据可视化技术课程实验及各方向课程实验。

(2)综合性课程设计。综合性课程设计可以使学生综合应用相关几门课程并对课程进行分析与设计。培养计划中综合性课程设计部分课程开设为单独的实验课程，也有部分开设为数据科学与大数据技术专业综合实习课程。本专业主要课程设计有数据结构与算法课程设计、计算机组成原理课程设计、计算机网络课程设计、Linux操作系统等各方向课程设计等。

(3)工程项目实践。通过安徽兰智数加学院的项目实训，使学生零距离接触项目工程并积累相关经验，有效培养学生的实际项目开发能力。本专业的工程项目实训主要有程序设计实训、数据库应用系统实训、复杂工程项目实训一、复杂工程项目实训二等。

(4)毕业设计及实习。大数据专业毕业设计及毕业实习安排在培养计划的第七、八学期。按照“校企合作”的原则，通过企业职业素养教育、企业核心课程实训和毕业论文设计(源于企业实习实训)，集中一体化完成对实习实训安排(表1)。

表1 大数据专业毕业实习及设计安排

2.4.3 课外实践活动

大数据应用专业一些课程的课堂教学及课内实验时间是很难满足教学要求的，课外实践活动能够有效弥补课堂教学时间不足的问题，因此，要适当为学生布置课外学习任务。还可鼓励有能力、有精力的学生积极参与教师的产学研课题及重要的学科竞赛，例如大数据与人工智能应用竞赛等，学生能从中获得很好的实践经验。

3 结语

以现有大数据专业人才培养方案为依托，通过教学团队的实践教学、校企合作、竞赛指导等过程，对目前的大数据人才培养模式进行了探索性的改革，提出新工科背景下大数据专业产教融合、校企合作人才培养模式。通过构建新工科背景下大数据专业产业链、专业链、教育链、人才链“四链”融合的实践教育体系；搭建“分层+分流、个性化发展”的新工科背景下大数据专业人才校企联合培养模式；建立新工科背景下大数据专业产教融合培养实训平台体系；制定新工科背景下大数据专业产教融合“三化一体”的人才培养方案和课程教学体系。为今后大数据专业的发展与建设打下坚实的基础，也为应用型本科院校大数据专业人才培养提供了新方法和新思路。