基于大数据分析的新工科人才分类培养研究与实践

郑述招 张军

摘 要 针对当前高职大数据专业人才培养面临的生源结构复杂、师资等教学资源匮乏、人才培养难度大等问题，以企业需求、学生发展为中心，借助大数据分析确定人才培养定位及方案;开展基于大数据分析的新工科人才分类精准培养模式改革，构建了配套大数据课程体系，践行精准育人;精准对接行业领军企业，在课程资源建设、大数据项目开发、双师团队、“1+X”证书等方面深度合作，取得了较好效果。

关键词 培养模式 大数据 分类培养 精准育人

中图分类号：G712                                   文献标识码：A    DOI：10.16400/j.cnki.kjdkz.2021.03.020

Research and Practice on Classified Training of New Engineering

Talents Based on Big Data Analysis

——Take big data technology and Application Major as an example

ZHENG Shuzhao， ZHANG Jun

（Guangdong Polytechnic of Science and Technology， Zhuhai， Guangdong 519090）

Abstract In view of the complex structure of students， the lack of teaching resources such as teachers and other teaching resources， and the difficulty of talent training in Higher Vocational big data major， the orientation and scheme of talent cultivation are determined by big data analysis with the help of enterprise demand and student development; the reform of precise training mode of new engineering talents based on big data analysis is carried out， and the supporting big data is constructed curriculum system， practice precision education; precision docking industry leaders， in-depth cooperation in curriculum resources construction， big data project development， double division team， "1 + X" certificate and other aspects， has achieved good results.

Keywords training mode; big data; classified training; precise education

而相较传统学科，以大数据为代表的新工科专业人才社会需求迫切，但技术迭代快、培养培养难度大;且不同背景、不同区域、不同类型的企业，对于大数据人才需求差距较大、具有典型的多元化特征。人才供给侧方面，学生来源广、学情复杂，如何做到因材施教、实现人人进展其才，亦是当前高职大数据教育工作者面临的重要问题。

1 当前高职大数据人才培养的难点

1.1 生源结构复杂

当前，高职院校生源涵盖普高生、学考生、自主招生、三校生、“四类人员”（退役军人、下岗失业人员、农民工、新型职业农民）等，学情异常复杂;学生在知识水平、学习能力、专业发展潜力、兴趣爱好、年龄等方面各不相同。不同的学业基础、学习动机及就业倾向，产生不同的学习需求;而传统的一套人才培养方案、同质化培养，已经不能满足学生个性化学习的需求;进而导致学生自信心不足、学习积极性不高、就业对口率不高等问题。

1.2 人才培养难度大

与旺盛的人才需求相比，作为新工科专业的典型代表，大数据领域涉及的技术范围广，涵盖大数据获取、数据清洗、数据存储、数据分析、数据可视化、大数据平台搭建、大数据平台运维等诸多细分领域，且技术更新快、人才培养难度大。而部分岗位对从业者数学分析能力、算法理解能力、逻辑思维能力及英文资料阅读能力的要求较高，并不适合高职院校培养;因此高职大数据专业如何精准定位、明确目标岗位，是人才培养首先面临的挑战。

1.3 师资、教材等资源缺乏

作为热门新工科专业，高职大数据专业普遍面临师资严重不足、来源相对单一、校企双向流动不畅的窘境。教材方面，多数专业书籍面向大数据从业者或本科、研究生，主要讲授大数据理论、相关算法或复杂工程应用;而高职层次则以培养应用型人才为主，理论知识“够用”即可，面向高职层面的大数据专业课程教材极度匮乏。此外，对于高职教学而言，大数据项目、案例资源的匮乏，导致教学过于“理論化”，学生实践能力难以提升。

2 大数据分析，确定人才培养定位及方案

大数据等新工科专业人才培养，没有可供借鉴的成熟经验;首先需要精准定位，确定培养什么样的人才;进而根据学生特点，制定符合其职业发展、满足企业用人需求的培养方案：

2.1 应用网络爬虫技术，获取企业招聘信息，构建人才需求大数据

高职人才培养，要以市场需求为导向;采用Python网络爬虫技术，从中华英才网、51job、拉勾网、猎聘网等大型招聘网站获取大数据相关人才需求信息，为后续岗位划分、岗位技能分析奠定基础;建立了“全样本”人才需求数据集，改变了传统的调查问卷、重点走访等小样本抽样调查方式，可更加准确的反映大数据行业人才需求。

2.2 采用大数据挖掘、机器学习等手段，分析大数据领域所涵盖岗位及技能要求

对前期采集的招聘数据进行清洗，应用大数据挖掘、机器学习手段，对招聘岗位进行“聚类”，得到岗位类别;利用自然语言语义分析，对招聘“任职要求”进行分析，得到大数据词云（图1）及相关技术词频（图2），进而确定当前大数據领域主要技术（涵盖Hadoop、Spark、Hive、SQL、HBase、Python、Linux等），参照上述技术设置核心课程，紧跟技术发展潮流。

2.3 精准定位，增强目标岗位与行业需求的匹配度

数据分析表明（表1），企业招聘的大数据人才涵盖各个层次，既有百度、阿里、腾讯等巨头所需的顶级算法工程师、资深专家，又有小微企业急需的大数据处理、大数据系统维护等工程技术人员。按照“精准培养”的理念，针对高职学生“理论知识相对薄弱、动手实践意愿较强、数理逻辑相对较差”的特点，结合行业专家、企业资深工程师意见，选取适合高职学生的大数据处理、大数据应用开发、大数据维护等3个岗位重点突破，着力培养大数据应用型人才。

3 分类精准培养模式改革

生源多样化、学情复杂化必然要求创新人才培养模式;我国近代职业教育奠基人黄炎培指出“职业教育之定义，是为用教育方法，使人人依其个性，获得生活的供给和乐趣，同时尽其对群之义务”，强调承认学生个性差异、尊重个性特点、谋求个性发展。

按照“因材施教、以人为本”的理念，本专业实施了基于大数据的分类精准培养改革（如图3），制定和实施针对性、适应性和实效性强的人才培养方案，开展“分类教学、个性化培育”;并构建对接行业高端认证的“专业基础——岗位核心能力——个性发展”的递进式课程体系（图4所示），实现大数据课程体系、教学内容等与社会需求的精准对接。

自然班（大一）：大一学生统一学习专业基础课程，培养学生专业基础能力，由专任教师采用任务驱动方式开展教学做一体化教学;学生在掌握IT领域基础知识的同时，了解本专业培养目标与定位。

岗位班（大二）：根据企业需求、专业定位，设置大数据应用开发、大数据处理等多个岗位班;大二学生根据个人兴趣、职业发展愿望等，选择其中一个岗位（且只能选择一个），进入不同的岗位班、学习岗位技能，从而实现分类培养;由具有“双师”素质的专任教师和企业兼职教师在校内实践基地采取项目导向的方式共同实施教学。

项目班（大三）：根据企业运作规律和项目开发需求开设教育大数据、数据可视化、OCM顶级认证、创新创业等项目班，大三学进入不同的项目班;班内学生组建团队（4-8人），按照商业IT项目流程，企业工程师、校内老师提供必要的技术指导，协助制定项目开发计划，召集每周例会，检查进展及项目文档;不定期开展讨论，解决项目进行中的需求、技术、文档撰写等相关问题;教、学过程，均有规范文档记载，保证教学质量;通过真实工作环境、真实项目开发任务和工作过程培养学生的项目开发能力、创新创业思维，积累项目经验，提高职业素养和就业竞争力;最终实现“人人皆可成才、人人尽展其才”。

4 研发分类培养平台，助力精细化培养

完成岗位划分、课程体系设置后，接下来便面临“学生——岗位”匹配问题，这也是决定分类培养能否实现的重要环节。传统“学生——岗位”匹配采用学生填写意愿、专业教师（辅导员）统筹调配的方式，该方式看似满足了学生的发展需求，但存在严重缺陷：（1）部分学生对自身的性格、爱好、技能等缺乏详细认知;（2）由于信息不对称，学生对各岗位的划分、培养目标缺乏了解;（3）“羊群效应”明显，岗位分流过程中盲目追求所谓“热门岗位”;以上因素导致学生选择的岗位与真正适合的岗位不一致、选定岗位后又反悔的情况时有发生。

为做好“学生——岗位”的匹配，需要对学生的学习态度、技术能力、个人性格等各方面因素进行综合考虑，因此研发了基于大数据分析的人才分类培养平台;该平台含大数据采集从学生入学、在校培养到实习就业全周期数据，涵盖学生学籍信息、性格测试数据、各科考试成绩、每一节课考勤情况、参与学生社团及第二课堂等信息;平台内置了基于大数据分析的岗位推荐模型，可以根据学生相关数据提供个性化推荐。

5 精准对接行业领军企业，协同培育大数据人才

当前，无论是IT企业还是大型金融、物流、商贸企业，纷纷布局大数据、人工智能，但职业院校短时间内汇集足够数量的高技能师资是十分困难的;且完全依靠自身力量，短时间内提升现有师资技能、开发优质课程资源，亦是难以实现的;此外，高技能大数据人才的培养，也需要学生参与真实项目、以项目驱动教学。

国务院印发《国家职业教育改革实施方案》明确提出职业教育要“深化产教融合、校企合作，推动企业深度参与协同育人”;上述问题的解决，唯有此路。广东科学技术职业学院大数据专业与阿里云、华为、Oracle（甲骨文公司）等行业领军企业建立合作关系，与珠海奥威、广州泰迪等中小型大数据企业建立产教协作联盟，实现校企精准对接、开展协同育人。

5.1 校企协同制定人才培养方案

在前期采集的人才需求大数据基础上，建模、分析企业人才需求，初步确定培养目标（岗位）及技能要求;通过走访座谈、网络调研等形式，征求大数据领域技术专家、行业企业工程师意见;吸纳大数据行业专家，成立“广科大数据专业建设委员会”，经委员会审议，形成大数据人才分类精准培养方案。

5.2 校企联手开发核心课程标准与资源

当前部分大数据企业已经开发了部分专业课程资源，但这些资源主要针对社会（企业）技术人员培训且缺乏体系性，并不完全适合高职院校需求。为此，专业与广州泰迪、广州职教桥等行业企业首先确定Hadoop大数据基础、Spark大数据技术、分布式数据仓库等12门课程的教学标准，在吸收企业现有资源基础上，共同开发适合高职教学的教案、教学日历、授课课件、授课案例、程序代码、数据集、练习题、微课视频、軟件等。针对高职层次大数据教材匮乏状况，联合合作企业、出版社，三方协作开发立体化专业教材，有力推动了线上线下混合式教学，进一步提升了培养质量。

5.3 校企共同开发教育大数据项目

高职院校而言，要提升大数据专业教学科研水平，必须依托具体应用领域、承担具体的大数据项目、开展具体的大数据应用。充分利用教育数据资源富集的优势，联合深度合作企业，以教育大数据开发项目为载体，组建了专业教师为主导、在校生广泛参与、企业提供技术支撑的若干技术团队，承担了学校数据中心维护、招生大数据分析、基于大数据的学业预警、基于大数据的就业质量分析等项目（任务）。通过参与真实项目，进一步提升了专业教师的技术能力，锻炼了学生队伍;项目成果经过数据脱敏等技术处理，作为大数据开发案例反哺课堂教学，进一步提升了专业教学效果。

5.4 校企共建高水准“双师”团队

按照“互聘共培、委托培养”的思想，专业成立之初，部分岗位核心课、项目班课程聘请企业资深工程师担任主讲;校内专职教师全程随堂跟听、同步学习，在短时间内掌握行业前沿知识。此外，为适应IT新技术快速迭代要求，专任教师全员参与Hadoop、Spark等大数据领域基础技术培训，轮流下企业挂职锻炼（三年内不少于6个月），以企业员工身份参与大数据项目研发，提升其大数据项目研发能力及创新能力，有力促进了教师技术更新与提升。以上举措，促进了校企师资双向交流，有力解决了师资不足、来源单一的问题，推动高水准的“双师”团队建设。

实施基于大数据的分类精准培养，大数据教育供给侧改革得以开展，合作企业得以深入参与协同育人，因材施教得以顺利推行，学生得以进展其才;实现了从岗位标准、岗位课程、人才评定、就业推荐全过程的校企精准对接、精准育人，为高职大数据人才的培养开辟了可行路径。

基金项目：广东省教育科学“十三五”规划项目“基于大数据分析的高职大数据技术专业群精准培养与诊改研究”资助（项目编号2018GXJK317）、广东省教育教学改革研究与实践项目“基于大数据分析的新工科人才精准培养研究与实践——以大数据技术与应用专业为例”资助（项目编号GDJG2019123）、广东科学技术职业学院科研项目（项目编号XJJS2018001）

参考文献

[1] 陈昌智.以黄炎培职教思路研究的新成果推动职教事业的创新发展[J].教育与职业，2016（12）.

[2] 国务院. 国家职业教育改革实施方案[EB/OL]. http：//www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm，2019.10.1

[3] 曾文权，曾文英，龙立功.高职软件技术专业校企双主题人才培养模式研究[J].中国职业技术教育，2013（5）.

[4] 马树超，郭文富.高职教育深化产教融合的经验、问题与对策[J].中国高教研究，2018（4）.

[5] 付伟，唐谦，王璐烽.高职院校大数据专业人才培养模型研究[J].教育技术研究，2019（6）.