以创新实践项目为驱动的大数据人才培养模式探索*

刘 伟

（无锡学院物联网工程学院 江苏无锡 214105）

引言

新工科人才创新创业能力的培养是推动国家和社会进步的重要力量，新工科背景下的人才培养模式要求培养的人才能够适应我国经济发展和社会需要[1-2]。目前，大数据科学的人才培养模式尚处于探索阶段，教学模式大部分还是以传统课堂讲授模式为主，实践教学体系与社会需求无法匹配，难以满足新工科人才培养的需求[3]。从国家发展层面来看，科技与技术创新与进步关系到国家发展与前途，如何从“中国制造”走向“中国智造”，进而迈向“中国创造”，新工科人才培养模式的实现是其中的关键一环[4]。从国际竞争的层面来看，大学教育的质量决定着国家未来的发展方向，因此提高大学生的创新思维与素质迫在眉睫，也是实现中华民族伟大复兴的必由之路。

大数据科学的人才培养模式目前面临的一些问题，包括一些不同学科都存在的一般性性问题，也包括大数据科学所具有特色问题，本文将专注于大数据科学专业特有的一些问题进行分析。例如，在大数据专业课程的日常教学过程中，我们发现现阶段的学生仍然以理论学习为主，不太重视实验课程和实践课程的学习，甚至有的同学认为实践课程就是刷学分的。这样做的直接结果就是很多学生“眼高手低”，有的同学甚至连基本的数据挖掘算法都无法自己编程实现。在这种环境下培养出来的学生显然无法满足“新工科”人才培养的需要，这也是我们进行大数据专业人才培养模式探索的初衷。在“新工科”人才培养模式的需求下，大数据科学要求所培养的学生不但要熟练掌握学科知识，还必须能够将这些知识灵活地应用到社会生产生活中去，为正确的决策提供可靠的参考。另外，大数据专业的学生还必须具备较强的编程能力，能够通过代码实现算法，解决实际问题。目前，大数据专业学生的分析问题能力和动手解决问题的能力较差，遇到已有知识无法解决的问题不知从哪里入手[5-8]。本文基于多年大数据专业教学实践，针对大数据专业人才培养过程当中发现的问题和积累的教学经验，探索了新工科背景下，以大学生创新实践项目为驱动的大数据科学专业人才培养模式。

一、以大数据科学实践课程为驱动的人才培养模式

目前国内的大数据科学专业的课程配置中，大多以多元统计分析、算法分析于设计、大数据挖掘、模式识别与机器学习、数据可视化等课程为专业主干课程。教学过程大多以课堂讲授为主，辅以少量的实验课程。这种讲授方法无法满足新工科人才培养的需求，课程上讲授的内容也多以简单的方法为主，无法涉及当今算法发展的前沿趋势。面对实际社会生产生活中的复杂问题，无法直接进行应用，这种教学的弊端就在于当把这些学生送入社会之后，他们就会发现自己所学的知识无法满足自己的求职需求，无法解决自己在工作岗位上面对的实际问题。在走访了很多毕业生和相关企业之后，我们发现学生们单靠课堂上所学到的知识，很难在当前的环境下获得一个较好的职位，这个痛点是摆在学校、企业和学生之间的一个难题。而我国目前大力提倡新工科人才培养的出发点，也是为了解决高校人才培养与社会需求脱钩这一明显的问题。要解决这一问题，就必须培养“新工科人才”，也就是说，社会需要什么样的人才，我们就要培养什么样的人才，大力加强学生创新实践能力的培养，让学生能在课堂上就可以接触到社会生产生活中遇到的实际问题，并使用自己所学的知识，通过自己的分析给出可行的解决方案。

本文以《大数据挖掘》课程为例，阐述以大数据科学实践课程为驱动的人才培养模式。我们在教学中尝试了以下事件教学模式：首先，在大数据挖掘的理论课程之外，独立开设一门大数据挖掘实践课程，作为理论课程的有益补充，课时以32-48学时为宜；其次，该课程要以学生探索为主，老师指导为辅，充分挖掘学生的探索精神。通过将学生分成若干个学习小组，小组成员不宜过多，不超过三人为宜，人数过多会导致学生的主观能动性无法发挥；然后，要对学生的项目进行定期跟踪指导，了解每组学生在实践过程中遇到的问题，并与队员进行讨论，给出可行的解决方案。最后，对每一组队员的分析报告进行当面点评，肯定他们的成绩，指出不足之处，并鼓励他们进行改进，特别是鼓励哪些对方法学感兴趣的同学继续进行探索。除了在《大数据挖掘》之外，我们还分别在《机器学习》、《人工智能》、《数据可视化》以及《多元统计分析》等多个大数据科学的专业课程中做了相应的探索和尝试，通过跟传统班级的对比分析，可以发现基于“小组点评”式实践教学的教学模式学生的学习效果要明显优于传统班级。这说明这种学生“互助”+教师针对性“指导”的教学手段在大数据科学的专业课程实践中取得了非常好的效果，获得了学生的认可和喜爱。

通过实践课程的探索，可以发现同学们对解决现实问题更有兴趣，特别是当他们有机会尝试通过自己的努力，主动去学习一些自己在课堂上没有接触到的方法，并能够有效解决自己研究的问题时，会极大地激发他们的学习兴趣。另外，通过主动跟老师探讨问题，拉近了师生之间的距离，让老师更加了解自己的学生。在课程实践过程中，通过跟踪观察可以发现，一些平时理论课程成绩并不好的学生（近三年理论成绩只能达到合格的学生），却对实践课程很感兴趣，并通过他们自己的努力，将理论课程上掌握不好的知识全都补了回来，大部分人的实践课程成绩能够达到良好，甚至有的会达到优秀，这从另一个角度证明了实践课程的魅力。

实践课程也可以极大地提高学生的编程能力，大数据专业学生目前存在的一个普遍的问题就是编程能力不够强。很多人只是专注于算法理论的应用，却忽略了这种应用的实现需要靠编程来完成。大数据专业学生的主要编程工具是Python，然而，根据我们的观察，很多同学都是只学到了一些基本知识。理论和实践脱节的现象。因此，在新工科人才培养模式的方针指导下，改变传统培养模式，提高学生的解决实际问题的能力和动手能力是我们面对的一个现实问题，以实践课程为驱动的人才培养模式的探索就是一个很好的尝试。

以实践课程为驱动的大数据人才培养模式体现了新工科背景下对人才培养的理念要求，充分发挥了大学生的主观能动性，激发了他们的求知欲望，提高了他们的自学能力和动手能力。特别是对实际问题的分析、建模和解决能力都得到了有效的训练和强化。通过学生撰写的研究体会，可以看出他们对这种学习方式的肯定和喜爱，有的同学甚至分享了他们整个研究过程中遇到的问题以及解决问题当中的烦恼和快乐。通过对实践课程的总结，我们可以得出以下结论，以实践课程项目为驱动的大数据人才培养模式可以达到新工科人才培养的目标，极大地提升了学生解决实际问题信心和能力。因此，适当地增加实践课程与课时很有必要。

二、以创新创业训练项目为驱动的人才培养模式

大学生创新创业训练以全面提升大学生的创新能力和创业思维为指导，通过该项目的训练，可以让学生尽快了解社会，通过对社会生产生活的调研去发现问题，并通过对存在的问题提出创造性的解决方案，或者给出创新性的创业思路，以此为驱动全面提高大学生的创新创业素质。

本文以大学生创新创业训练课程为例，探索了新工科背景下以创新创业项目为驱动大数据科学人才培养模式。我们采用了以下训练模式：首先，用2-3周时间以社会大数据为基础，指导老师用6-8个课时，基于成熟的创新创业真实案例，给学生讲解创新创业思路与注意事项，同时要求学生按照自愿的原则组成创新创业团队，每队不超过5人，包括一个团队负责人，并明确团队成员的职责；其次，要求每个团队用不超过3个周的时间进行社会调研，从中发现他们感兴趣的社会生产生活中急需解决的现实问题，在经过团队的充分讨论之后，确定有意研究的创新或者创业项目题目，并撰写详细的调研报告；然后，用1周时间，以团队为单位向指导老师汇报研究项目的设计思路，跟指导老师进行讨论研究方向，直到设计思路得到指导老师的认可；再经过大约8-9个周的项目设计过程，对创新创业项目各个模块进行详细的设计与分析，给出合理的解决方案；最后，完成项目报告，并进行现场答辩，每一团队都要详细讲解项目设计中每一个模块，论述使用什么样的方法，解决什么样的实际问题，并陈述每一队员在项目中作出的贡献。

通过创新创业项目的训练课程，学生们的综合能力得到了有效的提升，包括社会调研能力、团队合作能力、与人沟通能力、创新思维能力、论文与报告的写作能力以及探索新知识的能力等等。在课程训练过程中，可以发现一个有意思的现象，不少同学对创新创业项目存在一些误解，比如，开一个咖啡馆或者宠物店等，只看到了创业，但没看到还有一个创新约束，造成了对“创新创业”的一个理解误区。因此，在课程训练的初期，指导老师需要4到6个学时首选给学生讲清楚何为“创新”，何为“创业”以及什么是“创新创业”。在理解了“创新创业”理念的基础上，再给学生开拓思路，帮助学生找到训练课程的突破口，引导学生开启合理的“创新创业”之路。在指导的过程中如果发现有的同学的思路方向很好，可以单独对他们进行辅导，跟学生一起论证项目落地的可行性，项目执行过程中可能遇到的困难，以及解决问题的关键点在什么地方等等。

以创新创业项目为驱动的人才培养模式，能够很好地体现了新工科背景下对人才培养的理念要求，开拓了学生的视野，有效提升了大学生们的个人能力，包括发现问题、分析问题和解决问题的能力。特别是能够让学生们通过自己的观察和调查，发现一些需要解决的实际问题，并通过对痛点进行分析，有针对性地提出解决方案的过程非常有意义。当团队项目的设计方案得到指导老师的认可后，他们也能够获得很大的成就感，这将有力地增强学生今后走进社会的信心。

另外，以大数据分析为基础的创新创业项目进一步拓展到“互联网+创新创业大赛”。互联网+创新创业大赛是由教育部主导的，为全面深化高校创新创业教育改革、提升大学生创新创业能力、加快培养创新创业人才而举办的一年一度的全国大学生顶级赛事。在创新创业项目培育的基础上，从中筛选1-2项优秀的项目，以互联网大数据为基础，通过指导老师的进一步指导，将创意落到实处，组建相应的创新团队，整理相关数据，开发相关算法对项目中涉及的互联网大数据进行分析和处理，将项目进一步完善。经过一个学期的打磨，完成相应的软件、动画、算法和硬件设计与制作，最终将完成的作品参加“互联网+创新创业大赛”。完成创新创业项目的一个闭环，并争取项目的落地实现，这应该是以创新创业项目为驱动的人才培养模式的最终目的。经过跟踪多年的数据，可以发现凡是参与了校级以上创新创业项目，并取得过相应奖项的大学生，其大数据分析与创新能力都比较强，这意味着他们在未来的学习和工作中都会具有明显的优势。

三、以学科竞赛实践项目为驱动的大数据人才培养模式

在新工科背景下，如果想进一步提高大数据人才培育的质量，组织学生参加大数据学科竞赛是一个很好的平台。通过参加学科竞赛，可以激发学生自主学习的热情，提高实践教学的质量；通过学科竞赛这个平台，学生可以了解大数据分析与应用技术的前沿与趋势，也能够通过真实数据分析案例、锻炼相关能力、提高专业技能。比如：平台搭建、数据采集、数据预处理、数据存储、算法设计与分析、数据挖掘等，这是理论和实践一体化教学的一种有效教学模式，达到“以赛促学”的目的。

由于国内还没有举办过比较权威的“大数据”学科竞赛，本文就以国际上权威的大数据竞赛“Kaggle”为例，阐述以学科竞赛实践项目为驱动的大数据人才培养模式。Kaggle是一个全球闻名的数据科学竞赛在线平台，它拥有海量的数据集且对全球开放，适合不同层次的数据分析爱好者，是一个非常优秀的大数据分析教学实践平台，目前全球很多顶尖高校都开设了相关课程，比如哈佛、牛津、斯坦福以及上海交大等。它的另一个优势在于全年滚动，任何个人或者团体可以随时参与，参与者只需要注册一个账号就可以参与比赛。通过组织学生参加Kaggle竞赛的形式，可以发现，这种方法能够在短时间内极大地提高学生的编程、数据处理、模型训练和算法设计等大数据分析的实战能力。Kaggle竞赛主要分为面向初学者和面向竞赛者两大层次，由于我们的目的是教学实践，并且在校大学生都是初学者，因此只要求学生参与面向初学者的项目（Getting Started）。

我们采用了以下学科竞赛实践项目组织模式：首先，要求学生自由组队，以不超过三人为宜；其次，选择参与的项目，了解赛题内容，包括：赛题背景、赛题任务、评分方法和赛题时间，时间限制为1个周；然后，需要使用不超过2周时间讨论比赛思路，比如如何使用迭代模型，并形成报告，使用PPT的形式现场向指导老师汇报思路，获得认可之后，学生实名注册Kaggle平台，并下载对应的数据集，进入竞赛环节；然后要求在规定的时间内完成比赛，这个过程包括数据处理、模型构建和预测打分几个部分，以打分高低Kaggle平台会给出相应的排名；最后，要求提交一份详细的实践报告，报告中要求陈述赛题背景、已有模型简介、数据预处理方法，特征选择方法、模型迭代方法以及结果展示与评分，并附上实践过程中的心得体会。指导老师会根据各队提交的实践报告、每个队员现场答辩陈述以及代码的验证之后，给出实践成绩。

在了解了“Kaggle”竞赛的参与机制之后，学生们对这个比赛产生了浓厚的兴趣，因为他们发现之前在其他实验课程上所练习的数据集，在Kaggle的数据集面前都是不具有可比性的，根本不在一个量级上。并且，之前课堂上练习过的方法也无法直接复制到竞赛中去，因为如果这样做，他就根本无法取得一个像样的排名，必须学习一些更加优秀的算法。我们发现，在参与学科竞赛的过程中，不少同学对学习的态度产生了极大的变化，特别是以前不太愿意主动探索问题的同学，他们在实践的过程中发现了解决实际问题带来的快乐。可见兴趣对学生的学习动力起着非常重要的推动作用，像这样的实践课程可以极大地提高学生的思维能力、分析能力和动手能力，是一种非常有效的学习方式。

经历过这个实践环节后，同学们受益非浅，参与的积极性非常高，不少同学为了获得更高的排名，查找了很多文献，主动寻找更好的模型进行分析，取得了不错的效果。特别是在图像分类的项目中，很多同学尝试了XGBoost这种目前在比赛中非常受欢迎的算法，有的同学还对模型进行了改进。目前，在面向初学者的“泰坦尼克号”数据集中，学生们取得最好的单项历史排名是132名，作为数据科学的初学者，这是一个非常不错的排名。如果只从单项排名来看，通过这个比赛可以很清晰地区分出学生对大数据分析算法掌握程度好坏。Kaggle平台主要涉及机器学习和数据可视化方面的知识，通过参加学科竞赛，不但可以巩固和提升理论方面的知识，还可以极大地提高他们的编程能力，加深对算法的理解，这个在多年的课程实践中得到了验证。因此，这种以学科竞赛实践为驱动的大数据人才培养模式，是一种非常有效的人才培养途径，值得进行大范围的推广。

结语

不少学者围绕着如何激发学生的创新意识和创新思维，如何提升学生发现问题、分析问题和解决问题能力，培养社会需要的应用型人才，展开了研讨，也提出了一些很好的建议。然而，大数据专业是一个新兴的专业，具有独特的专业特性，在人才培养方面也是如此。目前，由于各高校大数据专业地基础底蕴以及发展方向都不太一样，发展方向也不太一样，所以对于大数据科学人才的培养都有自己独到的见解，对大数据人才的定位和培养目标也不同。但是，抛开这些细节上的区分，大数据专业人才培养仍然具有它的共性，是所有高校都要遵循的，那就是需要提高大学生的动手实践能力、分析问题的能力和自主解决实际问题的能力，这也跟“新工科”人才培养的需求相吻合。因此，在“新工科”背景下，大数据专业人才培养模式的探索，也应该围绕着提高大学生上述三种能力来展开。因此，本文根据笔者近几年在大数据专业教学实践中积累的经验，提出了以大数据科学实践课程、创新创业项目和大数据学科竞赛为驱动的人才培养模式，取得了较好的教学效果，这是新工科背景下，对大数据专业人才培养模式的一种有益探索。