大数据类课程中引入企业真实任务的探索与实践

2022-03-02余文梦吴至婧

科教导刊 2022年1期

徐华余文梦吴至婧

（清华大学计算机系北京 100084）

随着我国社会经济的不断发展，市场上对高等教育毕业生的要求逐渐多样化，传统的封闭式教学模式的弊端日渐凸显，因而推行更为灵活的教学模式的呼声越来越高。[1]教育部相继发布了《关于深化本科教育教学改革全面提高人才质量的意见（教高[2019]6 号）》，《关于一流本科课程建设的实施意见（教高[2019]8 号）》等指导性文件。意见中指出高等教育要创新教学方法，强化实践育人，深化产教融合和校企合作机制。[2]其中，校企合作是一种由学校和企业双方共同推进的教学合作模式。这种模式充分结合学校和企业的资源优势，为学生提供质量高、实践性强的教学内容。尤其在大数据等偏应用类的课程中，教材内容无法涵盖复杂多变的实际应用场景，并且授课教师也缺乏相应的生产实践经历，而企业在这方面具有很强的优势，与高校形成良好的互补关系。本文以清华大学的大数据类课程为例，对校企合作的实践类教学模式进行深入探讨并结合具体案例进行详细分析。

1 当前大数据类课程实践教学现状

当前国内外知名大学在大数据类的课程教学中，为了提升选课学生解决专业问题的能力，都会引入相应内容作为课程实践项目，包括学生自主设计的实践项目、工业界或者学术界的挑战赛等。这种模式在一定程度上可以将理论教学和实践教学相结合，加强了学生解决实际问题的能力。然而，当前的实践教学模式存在两方面的局限性。一方面，教师和同学自主设定的立项任务、公开挑战赛等任务的假设条件往往过于理想化，与真实应用场景契合度低，无法锻炼学生应对产业界真实复杂问题的求解能力；另一方面，在课程实践过程中缺乏企业导师的指导，没有真正地将企业资源融入课程教学过程中。[3]而与之对应的是，企业实习和社会实践等项目鼓励学生全身心地参与到企业工作中，借此更加全面地锻炼学生的综合能力。但是，这种实践形式缺乏针对性、任务内容参差不齐，且耗时周期长，并不适合作为特定专业课程的实践任务。针对当前课程实践中面临的上述问题，本文介绍清华大学大数据类课程中引入企业任务实践的探索经验，探讨将课程教学和企业挑战任务相融合的新型课程教学模式，以更好地培养学生利用理论知识解决真实应用问题的实践能力。

2 校企合作的实践教学模式

本文所提出的实践类教学模式将理论知识教学与企业挑战任务相结合。在课堂内，授课老师以传统教学模式讲解大数据方法与理论知识，提升学生的知识储备；在课堂外，引入企业真实挑战任务的实践环节，以“企业导师为主，校内导师为辅”的双导师形式开展实践类教学，提升学生解决实际问题的能力。这种教学模式的具体流程如图1所示，图1 详细介绍各个步骤的操作细节。

图1 实践类教学模式流程图

2.1 企业交流和讨论

在开课前，与目标企业进行深入的交流和讨论。此阶段目的有三个：其一，对企业导师进行必要的教学管理的培训，解释企业任务的开设目标和任务要求；其二，与企业导师共同确定挑战任务的主要内容，即从众多企业任务中挑选出若干个合适的任务，并去除难度过大或者与课程内容无关的部分；其三，明确挑战任务的时间规划，包括项目启动时间、期中和期末考核的具体时间等。

2.2 发布任务

在第一次课堂上向所有学生发布挑战任务内容，并明确这些任务仅面向学有余力的同学，未参与此任务的同学仍然按照普通教学模式开展教学计划。为了减轻学生的课程负担，可以免去参与挑战任务学生的平时作业要求，但期末考试等理论知识考核环节不宜免除。

2.3 报名&选拔阶段

课程中鼓励不同背景的同学自主组队报名，结合任务难度限定每组的人数上限。一般情况下，每组两人为宜。同时，挑战任务中可以引入竞赛机制，即每项任务同时由多组同学并行完成，组间互相竞争。在实践过程中，这种机制可以极大地提高学生的主观能动性。在此环节，由课程教学团队组织企业导师与报名学生进行面对面交流（特殊情况下，也可采用线上交流），并遵照上述准则确定最终入选的团队名单。

2.4 实施阶段

在此阶段，采取“企业导师为主，校内导师为辅”的双导师制对参与挑战任务的学生进行同步辅导。企业导师每周应与对应学生至少进行一次有效沟通，其目的在于：（1）回顾过去一周的进展情况，并灵活调整计划内容，明确下一周的任务要求；（2）辅助同学们解决实现上所碰到的问题，推动任务不断朝前进行。在沟通之后，建议课程学生形成纪要文档，并发送给企业导师进行确认，避免出现信息交流不统一的问题。整个过程中，校内教学团队提供必要的计算平台资源和方法理论答疑的支持。

2.5 两阶段考核机制

在课程中期和末期，组织所有参与挑战任务的同学前往企业进行线下的考核和交流。在考核过程中，每组同学需要将现阶段的成果做一个完整呈现。中期考核后，教学团队和企业导师可结合学生的完成情况确定是否淘汰部分团队，以此提高学生的参与性和积极性。此外，也可邀请企业人员与同学进行深入的交流和讨论，帮助同学们进一步深刻完成任务，获得进入企业实习的机会。

2.6 总结&颁发证书

在期末考核之后，应对整个教学实践过程进行总结和分析，并对所有顺利完成企业挑战任务的同学颁发课程荣誉证书。

在上述校企合作的实践教学模式中，一方面，学生能够接触到真实的企业任务，以及得到企业导师的经验性指导，并且可以更加自由地安排任务实践时间，不会受到任何企业规则限制，从而收获宝贵的实践经验；另一方面，企业能够深度参与指导学生的实践过程，以较低的成本解决诸多实际问题，同时可以借此机会宣传企业文化，在人才市场上增强企业竞争力。

3 实践案例分析

此小节以2020 年清华大学的“数据挖掘：方法与应用”和“互联网产品设计”两门课程为依托，进行实践案例介绍。在这两门课程中，均与国际500 强企业开展合作，引入了多项企业挑战任务。在报名结束时，两门课程中的报名学生数量分别占课程学生总数的1/3 和3/4 左右，可见这种实践模式对学生具有较强的吸引力。而在选拔阶段后，最终确定的学生数量分别为11 和14，约占课程学生总数的1/6 和1/2 左右，所有学生都以较高质量完成了企业挑战任务。图2 展示了参与人员的专业分布情况，从图中可以看出两门课程同学的专业分布范围较广，包括工科、理科、文科等。而在组队模式上也存在较多跨专业的情况，这种形式下可以充分吸纳不同专业的知识特点，从更多角度提高任务的完成质量。由于“数据挖掘：方法与应用”课程面向对象是非信息类专业学生，所以此课程中并没有信息类专业学生参与。下面，从两门课程中分别选择一项具体的企业挑战任务进行简要的案例介绍和分析。

图2 课程挑战任务人员构成图

3.1 衣物标签护理图标读取

此项任务要求学生设计一套数据分析算法，能够实现衣物上洗护图标的自动定位和分类功能。此任务可以帮助用户更好地了解不同衣物的洗护要求，应用前景广泛。由于面对的是现实生活场景，所以需要同时考虑各种复杂的数据情况，包括图标角度不一、图像拍摄不全、背景颜色不一等，这些情况在传统的教学项目中往往是不需要考虑的。最终，共有3 组同学参与并完成了此项任务。在企业导师和教学团队的共同指导下，每组同学均采用了不同的技术路线进行实现，且取得了较为理想的实验效果。如图3 所示，所设计的算法使用深度学习和图像处理等方法首先对衣物上的洗护标签进行定位，再以标准洗护衣标为参照，依次对各洗护衣标进行分类。所设计的算法也在企业中也得到了较好的应用，产生了一定的实用价值。

图3 衣物洗护图标的定位和分类图

3.2 衣着类互联网产品互动原型设计与实现

此项任务要求学生设计一种衣护类互联网产品互动原型，为消费者提供衣服洗护方面的建议指导，并且能够与消费者进行实时互动，实现消费者测试功能。此任务要求基于企业现有的消费者研究工作，将企业初步产品框架转化为产品原型交互界面。与普通产品设计任务不同的是，普通任务仅要求设计简洁实用有趣的产品界面，而该任务要求设计可互动的产品原型，记录互动的方式和结果，为企业后续产品设计提供思路与支持。最终，共有2 组同学参与并完成了此项任务，完成了从产品需求分析、功能设计、UI 设计、微信小程序实现全步骤。两组同学设计的不同风格的衣护洗护产品原型，均在消费者测试阶段获得了良好的反馈。值得一提的是，在课程结束后，部分同学继续留在企业进行暑期实习，帮助企业继续完善产品的原型设计，实现了学生、学校与企业的多方面共赢。