数据科学与大数据技术专业人才培养模式研究

王威娜

(吉林化工学院 理学院，吉林 吉林 132022)

随着信息时代的发展，大数据、云计算、人工智能成为当今互联网三大关键技术，而现今大数据人才短缺，培养符合大数据行业需求的人才是高校亟待解决的问题[1]。大数据专业建设正在各高校如火如荼地开展，设立大数据专业的学校数量呈指数级增长[2]。截至2021年2月，教育部正式批准730所高校设立数据科学与大数据技术专业。经过数年发展，各校大数据专业人才培养仍处于探索阶段，存在诸多需要解决的问题。主要问题包括专业培养定位不明确、缺乏系统性的课程体系、师资力量不足、教学实验资源匮乏、质量评价体系不完善等[3]。具体问题如下：(1) 结合学校学科发展、人才培养特点和社会需求，明确人才培养内涵，确立专业培养定位和专业培养方向是急需解决的问题[4]。(2) 数据科学与大数据技术是典型多专业知识交互融合技术领域，人才自身应具备多专业交叉的知识和技术素养，迫切需要系统性的课程体系，这给传统单一工科培养模式带来挑战[5]。(3) 大数据教学科研资源严重匮乏，缺少足够的教学师资，可配置和指导学生实验的专业师资严重不足[6]。(4) 高校的基础和教学实验平台匮乏，缺乏面向大数据的分布式系统[7]，使得构建大数据人才培养的多专业、多机构、多行业协同实践平台建设模式势在必行[8]。(5) 缺少系统全面的评价体系，难以实现人才培养的良性闭环，打造以工程认证为质量保障的人才评价体系是提升卓越人才培养质量的重要手段[9]。

针对目前大数据专业人才培养中存在的问题，本研究力求提出“厘清内涵(Clarify the Connotation)、促进交叉(Promote the Cross)、优化师资(Optimize the Consummate Teacher)、赋能应用(Enhance the Practical Capacity)、监控质量(Controlthe Quality)”的数据科学与大数据技术专业人才培养的5C模式。从创新培养模式、优化课程体系、师资多元融合、完善实践平台、强化评价体系方面对大数据专业进行综合改革，并提出5C培养模式的建设思路和规划路径，以期为大数据人才培养提供参考，从而培养出具有大数据能力且满足行业需求的卓越人才，助力大数据相关产业的发展。

一、5C培养模式的建设思路

5C培养模式的建设以多学科共性知识融合为出发点，以面向大数据工程应用人才培养为核心，以学科建设和科技创新为引擎，以工程认证为质量保障，打造数据科学与大数据技术专业的培养方案、课程体系和管理模式，注重于应用型人才培养的教学团队优化、实践平台协同建设和人才质量监控体系构建。5C培养模式的建设思路为：学校可结合自身学科发展、人才培养特点和社会需求，确定专业培养定位和培养方向。在厘清内涵基础上，以全面提升专业人才素质为目标，课程体系设置体现“专、通、交”，即核心课程中有“专业化”“通识”“交叉”课程。加强实践体系建设，从硬件设备、网络互连、企业基地三个维度构建实践与实习平台，提升技术综合和应用创新能力。建立合作基地，形成良好的产学研融合关系，给学生创造实习实训机会，使得所培养的人才能够面向丰富场景应用和重大现实问题等发挥应有之力。注重人才质量监控，从专业能力、技术能力、人格素养、创新创业能力等维度全范围评价人才培养状态。

二、5C培养模式的建设路径规划

(一) 依据新工科建设的要求，厘清内涵构建大数据人才培养体系

新工科“是以立德树人为引领，以应对变化、塑造未来为建设理念，以继承与创新、交叉与融合、协调与共享为主要途径，培养未来多元化、创新型卓越工程人才”[2,10]。依据新工科对人才培养提出的新要求，结合大数据“岂止于大”的特点，重视“大数据能力+综合素养”的内涵特征，强化专业属性人才培养，突出多手段融合的特点，构建培养大数据能力扎实、综合素养优异、技能水平高超的人才培养体系，如图1所示。

图1 数据科学与大数据技术本科人才培养体系

在专业知识的培养方面，以数学、计算机、统计学知识为理论基础，以大数据处理、分析、管理、应用知识为技能基础，加强人才知识体系的深度；结合基础、学习、意识、实践四方面的素养教育，拓宽人才知识体系的广度；引入人才培养的多手段融合机制，从大学生竞赛的知识能力运用，到实践创新的技术创新水平提高，再到导师制的全方位指导，本硕培养融合的能力再提升，最后到拔尖人才计划的人才优选优化培养，实现从不同方面、不同角度对人才的全方面培养与提升。

(二) 以强化人才核心技能为目标，多学科交叉构建专业课程体系

数据科学与大数据技术专业涉及计算机、数学、统计学等多个学科，根据教育部对本科专业课程建设要求，以OBE(Outcome based education，OBE)教育理念为引导，结合大数据采集、处理、存储、分析与应用的专业人才核心技能，课程体系设置要体现“专、通、交”，如图2所示，即课程体系建设中既要有“专业化”课程(打下夯实的专业基础知识)、也要有“通识”课程(全方面提高综合素质水平)以及多专业融合的“交叉”课程(培养大数据相关专业的应用能力)，培养具有扎实的专业能力和较强的竞争力的卓越人才，推动大数据相关产业的快速发展。

图2 课程体系设置

(三) 针对人才培养需求，跨界融合优化师资队伍

大数据专业建设的快速发展，导致大数据专业的师资短缺，采用“内培外引拓招、多学科融合”策略，“内培”即对专业教师进行大数据应用方法的培训，培训可聘请其他高校有经验的专家进行线下培训，也可在网络上寻找优质的课程资源进行线上培训，提升专业教师专业水平的高度和广度。“外引”即引进大数据相关企业的专业人员，通过前期的培训、听课、试讲等环节，使其具备新工科的教学能力，能够从事大数据专业的教学。“拓招”即拓宽师资渠道，完善或提高师资待遇的吸引力，加大力度招聘大数据专业的高学历人才，广纳相关专业高水平人才，提升师资整体水平。“多学科融合”即将具有不同专业背景的教师，针对大数据对多学科教学的需求，结合其自身专业专长，与大数据专业知识融合，以大数据促进多学科发展，以多学科推动大数据专业建设，为大数据专业提供多学科融合的专业化教学。

(四) 围绕专业建设和科技创新，校内校外协同打造实践与实习平台

坚持“专业核心、科研辅助、平台架构、企业协同”的原则，从硬件设备、网络互连、企业基地三个维度构建实践与实习平台。具体路径包括：(1)实验室建设，以齐全、先进的实验设备为基础，与高水平的科研成果有机结合，提高教学质量，促进学生知识基础、应用能力、科研水平的全面发展，培养创新型人才。(2)实践平台建设，以云平台架构为基础，利用大数据实训平台系统，打通教学实践和技术实验衔接，确保校内大数据实验课程的有效开展。(3)校外实习基地建设，通过在企业的实习锻炼，更快、更准地了解和掌握前沿技术，使得学生更加契合企业的实际需求，促进学生掌握实践能力和行业智力引进的双向共赢。

(五) 以工程认证为质量保障，全周期监控实施人才培养评价体系

人才培养的全过程以“工程认证”作为质量保障的核心体系，针对大数据人才需求，构建全周期人才评价体系，具体措施如下：(1)基础学习阶段：从知识掌握、技术能力、人格素养等方面，结合作业、考试、汇报等考核方式进行评价和管理，将评价结果及时反馈，并以此为依据进行管理，实现知识、能力、素质全面的协调发展。(2)分析思辨阶段：结合案例教学，增加课堂讨论和课下实践，跟踪学生实时分析和创新的能力，结合人才评价标准，对其进行动态评估，并适当增加课外指导，让学生分析思辨的能力得到充分发展。(3)创新应用阶段：通过动态评价机制对实践实习各环节进行管理，对学生的创新创业能力进行全面评估，结合专业竞赛、校外实习等环节检验学生综合能力的同时提升学生创新应用能力。

三、结 语

本研究以新工科为视野，提出数据科学与大数据技术的5C人才培养模式，以大数据行业的工程应用型人才培养为中心，从创新培养模式、优化课程体系、师资多元融合、完善实践平台、强化评价体系方面对大数据专业进行综合改革，在其过程中注重专业内涵定位、兼顾交叉学科知识、打造高水平师资队伍、培养学生创新实践能力、保障人才多维度全面发展，从而培养具有大数据综合能力的“卓越人才”，为大数据相关产业的发展助力。