新工科背景下大数据专业课程建设

周黎鸣 林英豪 李征 陈小潘

摘  要： 为完善数据科学与大数据技术专业课程体系的建设，满足新工科背景下对大数据人才培养的要求，以数据分析与可视化课程为例，提出了能力导向和案例驱动相结合的教学方法并阐述了该教学方法的设计。

关键词： 新工科; 数据科学与大数据技术; 课程建设; 数据分析与可视化; 教学设计

中图分类号：G642          文献标识码：A     文章编号：1006-8228（2021）01-102-04

Construction of curriculum for big data specialty in context

of New Engineering Education

Zhou Liming， Lin Yinghao， Li Zheng， Chen Xiaopan

（School of Computer and Information Engineering， Henan University， Kaifeng， Henan 475004， China）

Abstract： In order to improve the construction of curriculum system for the data science and big data technology specialty， and satisfy the requirements of big data talent training in context of New Engineering Education， taking the data analysis and visualization course as an example， this paper puts forward a teaching method combining ability oriented and case driven， and expounds the design of the teaching method.

Key words： New Engineering Education; data science and big data technology; curriculum construction; data analysis and visualization; teaching design

0 引言

數据科学与大数据技术本科专业（简称大数据专业）是一个新兴专业，2016年2月，北京大学、对外经贸大学、中南大学三所大学首次成功申请;2017年3月，32所高校申请大数据专业并获批;2018年3月，教育部公布的高校新增专业名单中，250所学校获批大数据专业办学资格[1]。

鉴于大数据行业的迅猛发展及其对社会经济的全面带动，2015年我国首次提出推行国家大数据战略，提倡发展大数据技术并发展下一代互联网技术。2015年9月国务院印发《促进大数据发展行动纲要》，系统地指导我国大数据发展的国家顶层设计和总体部署大数据发展工作[2]。在《大数据产业发展规划（2016-2020年）》中，提出了大力发展大数据技术和相关产业，从而为国家发展和产业结构调整提供技术支撑。

1 大数据人才需求

随着国家经济社会发展对大数据技术的迫切需求，大数据专业也迎来了快速发展的阶段。大数据产业作为一门新兴产业，对其他产业的发展具有很强的促进作用，这些使得大数据方面的技术人才成为当前社会需求的热点。全球顶尖管理咨询公司麦肯锡（McKinsey）出具的一份详细分析报告预计大数据或者数据工作者的岗位需求将激增，大数据技术相关人才出现短缺，对懂得如何利用大数据做决策的分析师和工程师的岗位缺口则将达到150万[3]。

目前，大数据人才岗位大致分为大数据架构师、数据科学家、数据分析师、大数据应用开发工程师、大数据运维工程师等，不同的岗位需要具备不同的知识和能力，如表1所示。

2 新工科背景下大数据人才培养

2.1 培养特点

新工科既要求建立综合性、交叉性的学科，又要求培养高素质复合型人才，其中在实践应用、创新能力等方面要具有竞争力，要能够引领未来技术和产业发展[4]。新工科背景下培养大数据人才，应采用新的培养方式、新的课程体系来提升学生的综合能力，让学生适应新时代社会的需要[5]。

目前，大数据技术在各个领域快速得到应用，如医疗卫生、商业分析、国家安全、食品安全、金融安全等。大数据人才培养不仅要注重理论知识，还要注重应用能力的培养，这样才能满足社会的需要，为国家“新基建”战略的提供复合型人才。

2.2 培养目标

大数据专业立足国家和地区经济文化发展需要，围绕河南大学总体发展规划和“双一流”建设，以“厚基础、宽口径、重实践、勇创新、大视野、有情怀”人才培养为指导，参照结合计算机与信息工程学院发展定位与招生学生情况，广泛参考其他高校的培养模式，制定出符合计算机学科特征、满足行业技能要求的专业培养目标。具体培养目标如下。

⑴ 培养数据科学与大数据工程领域复合型高级技术人才，德、智、体全面发展。

⑵ 掌握自然科学和人文社科基本知识，具有良好的科学素养、职业道德和社会责任心。

⑶ 掌握计算机科学、数据科学及大数据技术的基本知识、基本理论和基本技能，能在企事业单位以及科研部门从事大数据分析、数据挖掘、软件研发、系统集成等工作。

2.3 课程体系

在新工科背景下，培养复合型大数据人才需要构建相应的课程体系[6]，其由基础课程、专业课程、实践课程组成。基础课程包括与数学、统计学和计算科学相关的课程，主要培养学生基础知识能力;专业课程包括与专业核心课、大数据应用、程序开发相关的课程，主要培养学生的大数据应用与开发能力;实践课程包括数据分析、数据可视化、Web编程等课程，主要培养学生的实践动手能力。数据科学与大数据技术专业课程体系，如表2所示。

3 数据分析与可视化课程教学设计

数据分析与可视化课程是大数据专业的必修课程，课程定位为使用Python语言进行数据分析和图形化展示，课程内容全面覆盖Python数据分析与可视化技术，包括Numpy、Matplotlib、pandas统计分析、scikit-learn等基础内容，学习聚类、回归、应用数据案例。

数据分析与可视化课程采用线上与线下相结合、理论与实践相结合的教学方式。通过学习，使学生掌握利用Python进行数据分析与可视化开发的基本方法和技巧，理解Python进行数据分析的基本工作原理，了解主流数据分析和可视化的设计理念并掌握基本的使用方法，开拓视野和提升技能，为毕业后工作和继续深造提供良好的发展基础。

3.1 教学方法

⑴ 课前知识预习

为了提升学生的学习兴趣和自学能力，每次课前，教师在超星学习通平台上发布学习要求和相关内容，包括PPT、教学内容、学习视频、数据集、课堂实验、实践项目、课后作业。学生可以根据所学知识掌握情况，提前预习所学内容，并把学习中遇到的问题提交到学习通上。根据学生提出的问题，教师有针对性的准备授课内容，并提供更多的实践项目，让学生掌握所学的知识点。

⑵ 课堂教学

通过课前预习，学生已经了解课堂要讲的知识点。为了更好地让学生学以致用，课堂教学环节安排在机房授课，这样既可以让学生掌握理论知识，又能进行实际操作，从而达到理论与实践相结合的目的。通过机房授课，学生带着问题听课，可以起到事半功倍的效果，也进一步增加了学生的自学能力和解决问题的能力。同时，教师通过代码演示和讲解，也能让学生更深地理解相关知识点。此外，在机房上课时，如果学生在实践操作中有问题，教师可以及时为学生讲解并寻找解决问题的办法。学生把理论知识运用到实践操作中，可以起到复习和巩固的效果。

⑶ 课后反馈

除了课堂教学外，该课程还组织课后交流讨论环节，学生可以通过学习通平台发起讨论主题或者通过QQ群提问等方式，与老师和同学进行问题讨论。通过学习交流，学生把学习中遇到的问题反馈给教师，教师可以及时调整教学方法和教学内容，通过让学生参与到教学的各个环节，从而激发学生的学习热情，让学生在轻松愉快地氛围中掌握知识。

3.2 实验内容设计

为了让学生更好地掌握理论知识，本课程设置9个实验项目，每个实验项目中包含了对应知识点的实验，学生既可以通过实验来检验理论知识的掌握情况，又能在实践中积累解决问题的思想与方法，从而为实践项目打下坚实的基础。通过实验，不仅可以培养学生发现问题、解决问题的能力，还可以帮助学生建立自信，增强学生的学习兴趣。

在实验项目类型上，本课程分为设计性实验和综合性实验。设计性实验包括Anaconda环境搭建、Jupyter Notebook使用、Numpy数值计算、Matplotlib数据可视化、pandas统计分析与数据预处理、scikit-learn模型构建。设计性实验主要考察学生的理论知识，让学生在“练中学、学中练”，从而增强学生的动手能力和逻辑思维能力。综合性实验包括航空公司客户价值分析、财政收入预测分析、家用热水器用户行为分析与事件识别。综合性实验主要考察学生的实际运用能力，通过与实际问题相结合，用所学知识和数据分析方法来解决实际问题，从而帮助学生理解如何进行数据分析和可视化展示。本课程设置9个实验项目，如表3所示。

3.3 课外实践

⑴ 实训平台

为了帮助学生掌握所学知识，本课程利用大数据实训平台进行辅助教学，如图1所示，实训平台中，每个实验任务有详细的实验要求和步骤，学生根据知识掌握情况进行课下学习。同时，学生在实训平台上还能与其他同学进行交流与分享。教师在后台管理系统中，能随时掌握学生的学习进度以及出现的问题，教师把问题整理后，再以案例形式给学生进行讲解，从而帮助学生掌握知识点。

⑵ 综合实践项目

为了给学生提供更多的数据分析案例，本课程为学生提供了9个综合实践项目，这些综合实践项目是任课教师从课外教学资源中精心挑选并结合所学内容整理出来的。综合实践项目主要考察学生对数据读取、数据分析、数据处理、数据可视化等知识的运用，以案例为驱动，激发学生对数据分析和数据可视化的兴趣，提升学生的自主学习能力。本课程设置9个综合实践项目，如表4所示。

3.4 评价方式

本课程采用过程性评价方式，注重学生动手能力培养，把评价方式贯穿于整个教学过程。其中，学期综合成绩包括平时成绩和期末成绩，分别占比70%和30%，平时成绩包括作业20%、实验报告20%、阶段性考试30%。通过过程性评价考核，可以促进学生注重平时学习的积累，防止学生期末突击复习，进而提高学习质量。

4 结束语

在新工科背景下，如何更好地培养大数据人才和搞好专业建设，是摆在教育工作者面前的一个艰巨任务。数据分析与可视化课程注重培养学生的动手能力和逻辑思维能力、解决实际问题的能力，注重理论与实践相结合，需要通过理论讲解、机房实验、实训平台、综合实践相结合的方式，帮助学生理解并掌握相关知识点。为了培养高素质大数据人才，在今后的教学与实践中，本课程还需不断探索和借鉴新的教学理念与教学方法，进一步丰富并完善本课程教学内容。

参考文献（References）：

[1] 汪中，施培蓓，数据科学与大数据技术专业建设研究[J].安庆师范大学学报（自然科学版），2019.1：117-120

[2] 刘翔，石蕴玉，方志军，等，以新工科思维建设数据科学与大数据技术专业[J].教育现代化，2019.86：169-170

[3] 王萌，王晓荣，韦璐，数据科学与大数据技术专业建设实践与思考[J].高教论坛，2019.8：35-38，87

[4] 肖大薇，姜立秋，李彤，新工科背景下应用型大数据人才培养路径探究[J].计算机教育，2019.4：89-92

[5] 张胜男，牛连强，张志佳等.能力导向的应用型本科大数据专业课程群建设研究[J].计算机教育，2019.5：142-145

[6] 数据科学与工程专业建设协作组著.数据科学与工程专业人才培养方案与核心课程体系[M].高等教育出版社，2020.

收稿日期：2020-08-26

基金项目：河南大学教学改革研究与实践项目“面向工程实践与能力培养的《Java程序设计》实践教学改革（HDXJJG2018-48）”; “面向新工科的《Java Web程序设计》课程改革与实践探索（HDXJJG2019-58）”

作者简介：周黎鸣（1985-），男，河南开封人，博士，副教授，主要研究方向：大數据安全、目标识别。

通讯作者：林英豪（1987-），女，河南开封人，博士，副教授，主要研究方向：遥感大数据。