数据科学研究生教育的多学科比较研究*

吴 丹，孙雅琪，许 浩

0 引言

我们生活在一个数据爆炸的新时代，社交媒体、金融交易、交通运输甚至科学研究每时每刻都在以不断增长的速度产生大量的数据。对海量数据的分析与理解成了各大领域亟待解决的问题，大数据产业应运而生。2015年国务院印发《促进大数据发展行动纲要》，提出全面推进大数据发展，加快建设数据强国。随后，工信部编制印发《大数据产业发展规划(2016－2020年)》，进一步明确了促进行业大数据应用发展、加快大数据产业主体培育等7项任务及8项重点工程。数据产业的发展带来了新的人力资源需求。从2016年数联寻英发布的全国首份《大数据人才报告》中可以看出，大数据产业人才供不应求，截至2016年7月15日中国大数据人才仅46万，3-5年内大数据人才的缺口高达150万[1]。面对巨大的人才缺口，高校纷纷设立数据科学相关专业，以培养大数据应用型人才。

数据科学作为跨领域学科，将计算机科学领域与数学统计领域专业知识相结合，以培养具有管理和分析数据能力的专门人才。数据科学家不仅需要具有从大量数据中得到有用信息的洞察力和分析能力，而且需要熟悉所处具体领域的相关知识。因此，开设数据科学相关专业，培养数据科学人才成为高等教育的重要趋势，众多高校在不同学院均设立了数据科学相关专业。例如，密歇根大学安娜堡分校信息学院开设在线应用数据科学硕士专业，在计算机科学与工程学院、统计系也设立了数据科学硕士学位。我国顺应时代潮流，在不同学科门类下纷纷开设数据科学相关专业。根据《普通高等学校本科专业目录(2020版)》，我国2015年在计算机学科门类下增设数据科学与大数据技术本科专业，2017年在管理科学与工程类门类下增设大数据管理与应用专业。在今年发布的新增专业目录中，还在医学技术类下增加了生物医药数据科学专业。同时，根据我国研究生招生专业目录，多个学科下均开设了数据科学研究生项目，如经济学的商业大数据分析专业，理学、工学及管理学的数据科学专业。

目前数据科学专业主要集中开设在图书情报、经济、计算机、数学、统计等领域[2]。因此本文选取了图书情报、经济与工商管理、计算机科学与技术、数学与统计学4个学科背景，筛选出国内外19所学校4个学科背景下的61个数据科学相关研究生教育项目，通过对比其开设现状、培养目标、学科背景需求、课程设置、职业前景，分析图书情报领域数据科学相关硕士项目开设的特色及不足，并对培养方案提出改进建议。

1 研究现状

1.1 数据科学教育研究现状

“数据科学家”被Davenport称为是21世纪“最性感”的职业[3]。海量数据的激增及科学技术的发展对大数据人才能力素养的要求逐渐增高，越来越多的学者开始重视数据科学教育的发展。目前国内外对数据科学的教育还处于探索阶段，相关研究主要分为3种。

(1)以现有的数据科学人才为研究对象，挖掘数据科学人才应具备的各项技能。一种方法是通过调查数据科学职员的用户档案，分析数据科学家之间的共性。Ecleo等[4]调查菲律宾从事数据科学工作的员工LinkedIn档案，从他们的简介中提取学历背景、个人技能等信息，发现数据处理及可视化、编程、数学与统计相关的技能是数据科学家必须具备的能力。另一种方法是采用问卷调查、访谈或德尔菲研究的方式，对数据科学家反馈的信息进行分析。Chen等[5]对数据科学家开展德尔菲研究，旨在探讨成为中国成功数据科学家所具备的技能清单。

(2)从职业需求出发，研究成为数据科学人才所具备的能力和素养。招聘广告中一般包含了对人才的学历、能力等要求以及对岗位的职业描述，已经有多项研究通过内容分析对数据科学家招聘广告进行了分析。朝乐门等[6]广泛搜集了包括8个国家在内的数据科学家的网络招聘信息，对岗位要求和职责描述进行了聚类挖掘，总结出数据科学家的主要职责和能力要求，为人才培养提供指导建议。Gardiner[7]利用职业名称中包含“大数据”的招聘广告信息，建立大数据学科技能概念模型，该模型表示数据科学家需具备的技能是复杂多样的，不仅包括传统的开发技能，而且需要具备团队合作、沟通技巧、领导力等软技能。

(3)从现有开设的数据科学专业项目出发，总结数据科学专业的人才培养模式。从教育方法层面，Song等[8]调查美国15所提供数据科学教育的大学，提出应该在数据科学教育中采用多种方法，如教授CDO(首席数据官)学科、教学中融入八步数据分析生命周期、多部门协作、与行业或政府进行实践合作、积极使用MOOC等。从课程设置层面，苏日娜等[9]以15所iSchools高校作为调研对象，从课程目标、授课方式、课程制度等方面对图书馆与信息科学领域数据科学研究生项目的课程体系进行了探讨。从能力素养层面，Curty等[10]调研美国机构提供的93个数据科学学位，总结出数据科学教育非常重视统计、数学和计算技能，包括高级编程和建模，其中许多能力是申请该学位的先决条件。

1.2 不同学科背景下的数据科学教育研究

由于数据科学是一门交叉性和应用性极强的学科，许多研究者立足本领域对数据科学专业教育进行了探索。在经济与商业领域，张永亮等[11]对国内外5所代表性高校的大数据专业的设立、课程、培养特色等方面进行了分析，总结了经管类学院大数据专业建设的特点，对商科背景下数据科学人才培养提出了建议。在计算机科学领域，桂劲松等[12]遵循国际工程教育认证标准，对工科背景下数据科学与大数据技术专业的培养方案和培养模式进行解读，深入探讨该专业的建设思路。在数学与统计学领域，温雅敏等[13]重新思考了大数据时代统计专业人才培养的定位，提出要培养具备数据分析和实践能力的复合型人才的创新教学培养模式，并构建具有大数据分析特点的科学课程体系。图书情报领域的数据科学教育研究也比较多，苏芳荔[14]以美国图书馆协会发布的与数据相关的招聘信息为研究对象，通过对职位名称、能力要求、岗位职责进行分析，明确数据科学人才的工作需求，为图情领域数据科学专业的人才培养和课程设计提供帮助。

文献调研发现，数据科学教育在信息管理、计算机科学与技术、数学与统计学等学科均有开设，现有研究都是纵向研究，即专注于某一特定学科，缺乏对不同学科数据科学教育的横向对比。考虑到数据科学本科教育尚处于起步阶段，多数知名大学只提供数据科学研究生教育[8]，而且主要途径大多为硕士水平[15]，本研究以图书情报、经济与工商管理、计算机科学与技术、数学与统计学4个不同学科背景下开设的数据科学研究生项目为研究对象，分析比较他们在培养目标、课程设置与特色等方面的异同，找到图书情报学科开设数据科学的优势与不足，从而促进图书情报背景下数据科学专业课程体系建设与人才培养。

本研究主要解决两个问题：(1)图书情报、经济与工商管理、计算机科学与技术、数学与统计学背景下，数据科学相关专业开设的情况是怎样的？(2)与其他3个领域相比，图书情报学科的数据科学专业有哪些优势与不足？

2 调查对象及研究方法

2.1 调查对象

本研究旨在通过横向对比分析，发现图书情报学科开设数据科学研究生教育的特色及不足，因此以2020年QS世界大学学科排名(QS World University Rankings by Subject)中图书馆与信息管理(Library&Information Management)专业排名前50的学校为调查对象，通过遍历这50所学校的网站，收集图书情报、经济与工商管理、计算机科学与技术、数学与统计学四个学科所开设的数据科学相关研究生教育项目。同一学校上述4个学科有2个及以上开设了数据科学相关研究生教育项目的高校被纳入本研究。

由于各大高校开设大数据专业的名称不尽相同，为了统一数据收集的标准，本研究制定了3条标准：(1)研究生项目开设的目标是提取数据的价值，以帮助决策和解决现实问题；(2)侧重于培养与数据挖掘、数据分析和数据建模相关的技能；(3)毕业生的职业前景包含数据管理员、数据科学家、数据分析师、数据工程师等。经筛选，最终19所学校的61个数据科学相关研究生教育项目被纳入。通过逐个访问各项目的官网，对上述61个研究生教育项目的项目描述、开设课程、课程描述等信息进行获取。

2.2 研究方法

扎根理论是一种定性的社会学研究方法，这种研究方法的本质是从数据中系统地生成理论[16]。研究者在进行研究之前通常不进行理论假设，而是通过对收集到的资料进行拆解、编码，在此基础上寻找杂乱数据背后的核心概念，最后建立概念之间的联系以达到对理论的认识。扎根理论研究方法的流程如图1所示[17]。

图1 扎根理论研究方法流程

扎根理论主要通过逐级编码，对资料中的每一条信息进行分类、概况及说明，从而从原始资料中归纳出经验或特征，产生新的概念或范畴。扎根理论编码分为3个不同层次：(1)一级编码又称开放性编码，通过将原始资料打散，并进行逐字逐句编码，最后赋予标签；(2)二级编码又称主轴式编码，是对已经形成的一级编码进行深度分析，比较、分类、综合并重新排列，最终得到更上位的概念；(3)三级编码又称核心式编码，是对二级编码的进一步归纳、合并和总结，最终建立反应原始资料的初步理论。

本文使用扎根理论对专业描述、入学要求、课程名称及描述、职业前景的信息分别进行人工编码，将收集到的官网信息进行分解、标注、概念化和类属化，最大限度描述原始信息。表1给出了对专业描述部分编码的示例。

为尽可能地减少个人主观性的影响，保证编码的客观性，本研究采用两个编码员同时进行编码，并在编码完成后对编码结果进行了一致性检验。检验过程为：取两名编码人员的全部编码结果，进行信度检验，计算公式如下：

经过计算，最终得到的信度值为0.83(>0.8)，证明两名编码人员出的编码结果具有较高的一致性。最后根据编码结果，对比不同学科背景下数据科学项目在培养目标、入学要求、课程体系、职业前景的异同。

表1 专业描述部分编码结果

3 不同学科数据科学相关硕士专业设置情况

本节分为5部分。第一部分对4门学科包含项目的数量进行了统计，分析各学科开设数据科学相关硕士项目的现状。第二部分对专业描述字段进行编码分析，明确各学科数据科学硕士项目培养目标的异同。第三部分对入学要求字段进行编码分析，理解各学科数据科学硕士项目对申请人学科背景要求的异同。第四部分对课程名称及课程描述进行编码，分析各学科数据科学硕士项目在课程设置上的异同。第五部分对项目提供的职业前景进行编码，分析各学科数据科学硕士项目在毕业生就业方向上的异同。

3.1 项目分布

经统计，在QS 2020年图书馆与信息管理专业排名前50的高校中，图书情报、经济与工商管理、计算机科学与技术、数学与统计学四个学科背景下开设数据科学研究生项目的高校分别有16(32%)、16(32%)、15(30%)、14(28%)所，有18所高校未在这些学科中开设数据科学硕士项目，有3所高校在4个学科中均开设数据科学硕士项目(见表2)。

3.2 培养目标对比

通过扎根理论对61个数据科学相关硕士项目专业描述的信息进行编码，按照学科领域统计编码结果，表3列出排名前10位的编码信息。

数据科学通常涵盖计算机科学、信息科学、统计科学及其领域专业知识的融合，具有多学科交叉融合的特点。同时，数据科学是以实践为导向的学科，专注于处理复杂的、非结构化的大型数据集，培养数据分析能力，能通过管理、分析和使用数据来解决实际问题。当然，不同的学科对于数据科学专业的学生有着不同的培养目标。

图书情报领域的数据科学项目往往与信息科学或信息管理专业结合紧密。有些直接是在信息科学或信息管理专业下增设数据科学的研究方向，此类项目具有浓厚的“图情”特色。主要体现在：(1)与信息科学相融合。威斯康星大学麦迪逊分校的情报学(数据分析或管理方向)硕士专业同时培养学生的信息管理技术和数据管理能力。(2)注重以人为本的教育。最具代表性的是多伦多大学的信息硕士(以人为中心的数据科学方向)，将以人为本贯穿教育始终。(3)强调数据的隐私和安全以及法律和道德影响。(4)关注对社会的价值和影响，图情学科的数据科学项目既关注实际问题的解决方案，又能够从解决方案的设计到实施中评估所创造的社会价值或造成的社会影响。

表2 4个学科背景下数据科学相关专业设置现状

表3 培养目标编码结果

经济与工商管理的数据科学项目培养目标的特点是以商业实践为导向，开设的数据科学专业往往将金融、信息系统和会计等商业领域的专业知识与数据科学技能(包括收集、管理、分析数据)紧密结合，学生能利用数据分析方法和工具来解决复杂的商业问题，并通过战略规划、决策和预测分析提升业务价值。例如，都柏林大学学院金融数据科学理学硕士项目将大数据技术引入金融服务行业，特色是对真实金融数据集利用数据科学和机器学习技术进行定量分析和优化，做出精准决策。除金融领域外，其他项目也将数据科学技术连接到经济与工商管理学科的其他领域，如市场营销、供应链与物流、人力资源管理等。

计算机科学与技术领域开设的数据科学项目更加注重计算机科学和统计学学科基础。此类专业培养目标要求学生掌握计算机科学、数据科学及大数据技术的基本知识、理论和技能，同时注重实践技能的培养，但并不局限于特定的领域。计算机科学与技术学科的数据科学项目实践领域十分广泛。例如，南加州大学计算机科学学院创建了数据科学计划，重点关注如何将信息应用于解决学术界，行业和政府的现实问题，并在多个应用领域开设了数据科学硕士项目，如保健数据科学硕士、空间数据科学硕士、环境数据科学硕士、公共政策数据科学硕士等。这些硕士项目均致力于培养技术型数据科学家，学生将学习使用最新的大数据基础架构——Hadoop和Spark，以及各种分析工具，包括机器学习、数据挖掘和数据可视化等，同时能够结合数据管理和数据分析技能来应对现实世界的挑战。

数学与统计学领域开设的数据科学项目主要开设在数学学院或统计学院(系)。此类专业的培养目标强调严格的统计思维，使学生能够使用统计思维将有关复杂数据的模糊问题转化为实用的分析结果。在提供计算机科学与统计学理论与知识的同时，注重培养学生的数据分析技能与计算能力，为政府和企事业单位培养从事大数据分析方面的高层次、复合型、应用型人才。例如，密歇根大学安娜堡分校的统计系开设了数据科学硕士专业，旨在培养学生能够对相关数据集运用适当的统计和计算工具，设计和评估适合数据集的分析方法，解决现实中提出的问题。

综上所述，大数据时代许多院校开设数据科学专业，但分属学院与专业名称不尽相同。部分学科依照自身优势，开展大数据专业建设。涉及学科领域主要是图书情报、经济与工商管理、计算机科学与技术、数学与统计学。不同学科背景有着不同的培养目标与技能要求，这就要求在不同的学科领域要有不同的专业规划，要体现领域特色。数据科学通常被视为计算机与信息科学、统计科学及其领域专业知识的融合，前两者代表了数据科学的核心方法论以及主要的技术手段，而第三个则是该方法论所应用的实践领域。计算机科学与技术、数学与统计学学科背景下的数据科学专业更侧重于提高学生的数据处理与分析能力，实践应用领域广泛。经济与工商管理学科背景下的数据科学专业侧重于传授解决商业问题的理论与技能，定向培养金融经济领域的大数据人才。而图书情报学科作为社会科学的一个分支，其使命是人或组织如何有效利用信息来推动社会、改变社会，因此开设的数据科学专业在传授基础知识和实践技能的同时，更加注重培养学生的信息素养与批判性思维、人际交往沟通等技能，同时坚持“以人为本”的思想，关注问题的解决对人和社会造成的影响。

3.3 入学要求对比

通过扎根理论对61个数据科学相关硕士项目入学要求字段的信息进行编码，按照学科领域对编码结果进行统计，表4中列出了排名前5位的编码信息。

数据科学硕士生的培养一般要求申请人具备一定的学科知识背景。由表4可以看出，图书情报学科的数据科学硕士项目对于申请人的学术背景一般不做要求，但希望申请人具备一定的数学统计基础及编程能力，同时部分学校还要求申请人具备沟通能力、写作技巧等软技能。经济与工商管理学科的数据科学硕士项目希望申请人具有商业、工程学、计算机科学、经济学等背景，并且具备较强的定量分析能力。计算机科学与技术学科和数学与统计学科的数据科学硕士项目均要求申请人具有定量学科(如数学、计算机科学、工程学或统计学)的学士学位，或需要掌握线性代数、微积分、概率和统计等数学统计的基础知识，同时编程能力也是申请的一大优势。

表4 入学要求编码结果

表5 课程编码框架

综合看，不同学科背景的数据科学相关硕士专业对申请人提出相同要求：(1)申请人的学历背景并不是硬性要求，但更欢迎计算机科学、工程学、数学、统计学背景的学生；(2)需要申请人具备一定的数学或统计学基础知识；(3)需要具备一定的计算机知识，最好能够使用高级编程语言进行编程。当然对不同学科也有细微的差别，如对于经济与工商管理的数据科学项目，更倾向于招收具有商业或经济学背景的学生。而对图书情报领域的数据科学项目，也欢迎具有人文学科背景的学生申请，这也是由学科自身的特点决定的。

3.4 课程设置体系对比

利用扎根理论对19所学校的61个数据科学相关项目的所有课程名称及课程描述进行编码，编码框架如表5所示；再按照二级编码对课程分别进行分类统计，主要分为9个类别，如表6所示。

从整体看，数据科学相关硕士专业应用与实践类课程与数据分析与建模类课程均较多，说明数据科学专业都重视技术与实践。对经济与工商管理学科来说，应用实践类课程最多，且大部分为商业领域的实践，其次是商业领域的基础课程。计算机科学与技术和数学与统计学学科下的数据科学专业占据前两位的课程类型均为本学科课程和应用与实践类课程，且应用范围涉及较广，如医学、生物信息、商业领域。相比前3个学科而言，图书情报学科背景下的课程带有较多信息学科的色彩，如数据科学伦理学、信息政策、电子出版的法律和社会方面等人文类课程以及工程心理学与人的行为、面向不同用户的信息服务、以用户为中心的信息系统开发等以用户为中心的课程，充分体现了图情学科以人为本的独特优势。

表6 数据科学硕士课程分类

不同学科领域的数据科学专业的课程体系之间具有一定的相似性，总体来说，主要包括几类课程：(1)数学与统计学基础课；(2)计算机基础课；(3)数据分析类课程；(4)领域类课程；(5)应用与实践类课程。有些高校采用联合办学的方法，从不同的角度共同构建数据科学专业的知识结构，这为复合型数据科学人才的培养提供基础。例如，多伦多大学的计算机科学系与统计科学系实行联合办学，学生需要分别修来自两个学院的专业课程。虽然在课程结构上，不同学科之间的数据科学相关专业基本相似，但课程内容有所区分。考虑到图书情报学科的硕士专业招收的学生也有较多是来自人文学科背景的，计算机和数学基础较薄弱，因此开设的必修课看重基础。而经济与工商管理学科的数据科学专业重点是将数据科学工具运用到商业实践中，是以商业知识为基础，数据编程及统计为手段，利用数据分析来优化商业决策创造更大的价值。而计算机科学与技术和数学与统计学学科的硕士专业招收学生一般是来自本学科背景的，基本具备了传统计算机科学或统计学的理论知识，因此课程是在已有计算机科学或统计学基础上的升华。与图书情报学科相比较，其他学科的数据科学专业硕士的培养重点一般为技术能力的培养，对管理学方面的内容涉及甚少。

3.5 职业前景对比

通过扎根理论对61个数据科学相关硕士项目职业前景的信息进行编码，按照学科领域对编码结果进行统计，表7中列出了排名前十位的编码信息。

从大数据巨大人才缺口及就业情况看，数据科学专业学生职业前景广阔，主要就业领域为金融、电子商务、咨询服务、互联网、医疗健康、银行等，主要有数据科学家、数据分析师、业务分析师等分析岗，软件工程师、架构师等技术岗，以及管理顾问、资讯服务、战略咨询等咨询岗。虽然职业道路广泛且多样，范围界定也很模糊，但不同学科体现了自身的就业优势。经济与工商管理领域的毕业生更倾向于在商业经济领域就业，如金融、营销、财务、会计、运营或供应链领域。计算机科学与技术领域的毕业生就业方向比较广泛，除了互联网公司，政府部门、医疗健康行业、金融与经济等领域也是许多人的选择。部分数学与统计学领域的毕业生也可以利用自身的统计专业知识胜任统计专员的职务。相比其他三个学科来讲，图书情报领域的毕业生更加支持学生不同方向的就业，利用所学的管理学知识和以用户为中心的理念，对于申请IT服务经理、业务系统经理等管理岗位以及用户体验设计师、可用性分析师、互动设计师等用户需求分析岗位更加有优势。

表7 职业前景编码结果

4 图书情报学科开设数据科学项目的特点

4.1 与图书情报学科相融合

数据科学是一门融合计算机、数学、统计学等学科的综合交叉科学。从申请人的相关学科背景来看，数据科学硕士项目更欢迎有计算机科学、数学或统计学背景或具备一定基础知识的学生。与其他学科不同，图书情报学科的数据科学项目也鼓励具有人文背景的学生申请。从课程体系设置来看，不同学科的数据科学项目均设置了计算机、数学与统计学等基础课与数据管理、数据分析等实践课，但领域类课程大不相同，如图书情报学科的元数据、信息组织、情报学基础等。相比其他学科，图书情报学科背景下的课程体系兼具图书情报特色，计算机、数学与统计学课程偏重基础，可能与部分生源为人文学科背景有关。从职业前景来看，不同学科背景的数据科学硕士项目没有明确的职业界限，但对于一些管理类、信息服务类岗位，图情学科的毕业生更加受欢迎。

4.2 以实践为导向

从课程设置看，应用与实践类课程和数据分析与建模类技术课程在课程体系中占比均较大，说明数据科学是实践导向的应用型学科。计算机科学与技术和数学与统计学学科下的数据科学专业涉及的应用领域更加广泛，同时结合就业领域融入特定学科的课程，如医学、生物学、金融学等基础课程。与其他学科相比，图书情报学科的数据科学项目的实践课程带有浓厚的图情特色，如知识媒体应用、信息处理与检索专题、图书情报学专题，也有比较少其他领域的应用，如文本检索及其在生物医学中的应用、机器学习与计量经济学实践。因此，面向实践，善于理解用户需求，着重培养学生解决现实生活中实际问题的能力、支持决策制定是图情学科开展数据科学教育的重要导向。但与其他学科相比，图情学科的数据科学项目应用与实践类课程较少，涉及领域比较局限，主要集中在本学科领域，还需要增加实践课程的比例，可以采用与其他学院联合办学的方式，提供更多领域的基础知识和实践项目，拓展学生知识的广度，培养社会所需、满足发展要求的复合型数据科学人才。

4.3 坚持“以人为本”的理念

随着人工智能逐渐渗透到我们工作、生活的各个领域，人们对于人工智能中人的价值的关注越来越高。而关注信息和数据实践中的人为因素一直是图书情报学科研究的一部分，但对于数据科学教育来说还是一个比较新的话题[18]。从各学科数据科学硕士项目培养目标与课程体系设置的对比中可以发现，与其他学科更注重计算和统计教育相比，图书情报学科中的数据科学硕士项目不单依赖技术与算法，而且更加注重培养学生的信息素养，以善于理解用户需求，提高对数据、模型的解释。同时将以用户为中心的理念引入课堂，关注学生个人特质的塑造，培养学生的批判性思维、人际沟通的能力，并挖掘人在数据分析中的价值。

大数据技术带来便利的同时，也带来了一系列伦理问题，如信息安全、数据污染、隐私侵害[19]。面对这些问题，图书情报学科的数据科学项目为学生提供了整个数据科学生命周期中与法律、政策和道德问题相关的挑战、理论和解决方案的概述，如数据科学伦理学、信息隐私、信息政策及法规和法律。这也体现了图情学科坚持“以人为本”的数据科学教育。

5 总结

随着人才需求的不断增长，数据科学专业也得到了迅速的发展。作为一个交叉性和应用性极强的学科，数据科学逐渐渗透到各个行业。国内外高校也纷纷在各大学院开设大数据与数据科学相关专业。本文收集了来自图书情报、经济与工商管理、计算机科学与技术、数学与统计学四大学科开设数据科学相关专业的有关信息后发现，为了将数据科学与本领域更好地融合，不同的学科背景有着不同的培养目标与培养方案。与其他3个学科相比较，图书情报学科的数据科学专业更加具有人文特色，对于计算机与数学基础要求不高，除开设数据分析、机器学习等数据科学基础课程之外，也开设了一些图情类、管理学课程。同时图情学科的数据科学专业更加注重以人为本，培养学生理解大数据的人文价值和社会价值。但是应用与实践类课程开设较少，提供更多的领域实践类课程、提升学生的技术水平、培养学生应用能力是今后图情学科数据科学相关专业的努力方向之一。