多学科交叉融合的数据科学与大数据技术专业课程教学改革与实践

戴志锋，李春艳，靳 洪（湖北经济学院，湖北 武汉 430205）

一、引言

近年来， 随着数字信息技术的高速发展， 学术界、企业界、政府部门等各种组织对大数据技术空前关注。 信息科技变革要求所有信息技术类专业人才必须具备“大数据与智能化创新能力”的基础素养[1]。大数据技术为推动相关行业进步和企业经济发展提供多种技术支持,大数据产业领域迸发的新业态、新模式和新机会， 对学校大数据专业培养模式和教学方式提出挑战。 在从“互联网+”到“大数据＋”思维框架下， 如何以多学科交叉融合的知识体系培养为重点，了解大数据产业链融合发展的理念，实现智能数据科学技术与现代大学教育的深度融合升华； 如何以大数据应用能力培养为核心，实现理论与应用、实践与研究、高校与企业、专业与跨专业融合；如何以创新创业培养为核心，实现实践技术与前沿科学、继承与创新、通识与专业、交叉与融合、教学与科研、协调与共享的多维融合； 如何进一步重构专业课程教学，优化教学体系，改进教学手段，规范教学模式，完善教学内容，提高大数据人才培养质量，迎接大数据产业应用带来的机遇和挑战， 已成为高校相关专业教学改革研究亟待解决的重要内容和热点问题。

二、大数据相关专业发展现状

数据科学与大数据技术专业近几年来发展较快，高校人才培养也取得了显著成效，但是如何创新培养具有项目实践应用能力的交叉复合型大数据人才，培养学生掌握相关专业的基本理论、基本方法和基本技能，特别是经济管理领域基本知识，还处于建设探索阶段。

（一）数据科学与大数据技术专业背景

工业和信息化部发布的《大数据产业发展规划（2016—2020 年）》指出，数据是国家基础性战略资源。 大数据与产业链的融合贯通是当今数字经济发展的必然要求， 也是数据价值得以高效释放的必由之路，更是探索数字世界构建发展的有利突破口。针对国家大数据需求对相关专业人才培养模式提出的要求，根据“需求驱动要求，要求驱动方式”，培养具有良好综合素质和可持续竞争力的大数据人才是现在的社会发展趋势。

（二）“新工科”视域下面向大数据方向培养体系探索

2017 年以来，教育部积极推进“新工科”建设，“新工科”数据科学与大数据技术等领域的人才已经成为当今社会紧缺的人才，如何从“新工科”建设战略角度出发，优化相关专业，制定面向大数据新兴产业的工程教育人才培养方向， 需要教育界与产业界共同探索与实践。

数据科学与大数据技术专业培养方案的制定具体体现专业知识、实践能力、综合素质三位一体，从培养目标的制订到毕业要求的落实，再到教学落实、课程评价和项目反馈， 课程系统科学设计与多专业交叉设置。 在课程组群优化方面， 按照学校通修课程、大类学科课程、专业发展课程、开放选修课程等四个组群来制定本专业教学计划[2]，契合“新工科”专业建设的需要，即学科交叉融合发展、实现面向战略性新兴产业， 引领未来技术和产业的工程教育人才培养方向。

（三）跨学科交叉融合人才培养模式背景

数据科学与大数据技术专业的行业应用领域比较广泛， 但因为学科的专业性一般设立在传统的计算机科学相关学院， 所以需要进一步开启新的教育教学改革视角和理念，通过学科的必要交叉，打破学科各种壁垒，注重前沿知识、专业知识和学科交叉知识体系融合综合建设，引领未来产业科技发展，有效培养技术型、复合型、应用型、创新型人才。现在很多高校的数据科学与大数据技术专业设置在计算机相关学院，以德保罗大学（DePaul）、波士顿大学（Boston University）、北卡罗莱纳州立大学（NCSU）等美国高校开设的大数据相关专业为例， 他们将大数据专业学科分为以下三大类：大数据分析方向（设置在商学院或者管理学院）、大数据平台方向（设置在计算机学院或者软件学院）和深度计算分析方向（设置在数理学院）。 这种跨领域、学科、专业的设置方式，一定程度上解决了大数据人才培养“完全计算机化”的专业知识单一问题， 有利于实施大数据专业课程的综合建设发展。国内很多高校进一步进行专业改革，促使多学科交叉融合的大数据应用型人才培养， 结合学校组织管理特点、 大数据专业的实际需求以及学校相关专业的设置情况， 制定大数据专业人才培养的组织架构[3]。 同时在授课对象方面实现多元化，以模块化方式分层多级构建课程教学内容， 采取难易结合的递进教学方式链接所有知识要点， 开设选修课程面向全校授课， 鼓励其他专业的学生参加课程学习。

（四）数据科学与大数据技术专业基础实践教学现状

2016 年我校开办了大数据人才特色专业，融入“新工科”建设新思维，采用“大数据+”的培养模式实施产教融合下的校企合作协同育人， 专业要求掌握面向大数据应用的数学、统计、计算机等学科基础知识， 掌握统计推断的基本理论、 基本方法和基本技能，掌握数据的建模、高效分析与处理等数据科学的基础知识， 具有较强的专业能力和宽广的经济管理领域基本知识储备， 能胜任数据分析与挖掘应用研究、大数据系统架构设计的应用型“有思想、有能力、有担当的实践、实用、实干”的应用型创新型人才。培养模式的内容应反映综合知识、专业能力、行业素质三位一体， 实现优质教育资源和项目成果的共建共享， 学生毕业后能在相关部门从事大数据分析和挖掘及其相关的管理决策等工作。

三、建立与完善大数据与智能化创新人才培养体系

数据科学与大数据技术专业是专业性、交叉性、应用性、融合性和工程性都很强的“新工科”专业，教学人才培养体系以“解决复杂企业工程问题” 为目标，围绕大数据应用能力，将要解决的各种复杂问题所形成的案例项目的开发过程，转化为可分解、可重复、可操作的系统化的实验实践教学过程，创新培养具有项目实施能力的交叉复合型大数据人才， 同时提升项目应用和学生“双创”能力，其教学重点突出“实际、融合和创新创业”。数据科学与大数据技术专业需要优化高校的多专业设置， 培养出更多高质量的大数据专业人才，切实提高人才核心竞争力，服务于国家大数据发展战略和企业的切实需求， 其具体表现如下。

（一）基于OBE 理念的人才培养方案的修订

基于大数据行业企业能力人才需求， 调整高校人才培养目标，以“学生就业为本，行业企业需求为中心”的教育教学理念，充分融入OBE/CDIO 工程教育理念，构建专业人才培养目标、课程体系结构、课程教学内容、项目案例、课程教学方法等，并将“双创”教育以及第二课堂实践育人融入课程教育中，培养学生应用大数据知识和技能解决项目工程的综合实践应用能力，培养未来多元化、创新型、跨界复合型人才，构建具有创新思维、适应行业企业发展需要的大数据综合型人才培养体系。

（二）加强师资队伍建设，打造“双师双能型”师资

师资队伍培养是专业课程建设的基础工作，对教师自身工程实践背景和企业配套导师能力也提出了具体要求， 采取外部人才引进和内部教师培养相结合的人才策略，围绕“以教师能力建设为核心，以教学内容创新为动力”的师资队伍建设理念，通过校企联合“项目+企业+‘双创’基地”的形式，建设“双师双能型” 结合项目建设能力和科研教学相结合的师资队伍。首先，教师可以以行业挂职的形式参与企业项目丰富业界项目经验；其次，教师将企业真实项目转化为相关研究课题进行剖析、总结、升华；最后，教师根据专业课程设置将企业项目转化为教学案例运用到教学中，让更多的学生接触到实际项目，以培养具有突出实践能力与技术创新能力的跨界复合型大数据人才。

（三）改进教学方法，加强以学生为中心的教育教学理念

树立人才培养全面质量观， 进一步转变教学理念，秉承“以学生就业为中心、行业企业产出为导向、持续改进教学方法和创新实践教学”的方针，以大数据技术项目实际应用与进一步开发为目标， 对数据要素市场化配置下的数据处理、数据分析、数据治理和数据安全等核心命题进行深刻研读， 完整构建线上线下大数据应用技术课程群， 引入以MOOC 和SPOC 等线上教学、线上线下混合教学的个性化教学方式，配合项目式、案例式、启发式、混合式等多种教学方法进行教学。 具体培养方案的制定充分体现专业知识、项目能力、职业素养三位一体，从培养目标的制定到毕业要求的达成，再到教学方案落实、评价和反馈，进行系统架构与具体实施，注重实践实验创新性课程体系建设。围绕课程教学体系、内容、方法、过程和评价等重点内容， 进行大数据专业课程的进一步充实与创新， 强化实验教学、 项目案例实践教学、企业基地实习实训教学，切实提高大数据专业人才培养质量和就业核心竞争能力。

（四）深度强化产教融合校企合作，跨步推进协同育人

产教融合和校企合作是学生接触到真实企业项目， 通过把企业的工程项目案例的整体解决方案引入到课堂教学中， 培养学生提高分析和解决项目案例的能力、团队沟通和交流能力、创新意识和创新能力，也是“新工科”专业的教学内涵和未来的行业发展趋势。采用产教融合校企合作进行协同育人教学、学科结构调整、人才培养能力提升，实现“共同创建、共同实践、共同打造”的产教融合共同协调发展生态圈，形成市场主导、高校主体、行业引领、企业参与的模式，推动优质企业项目实践、高校教育资源整合、教育案例成果应用的共建共享局面， 跨步推进协同育人。

四、多学科交叉融合的大数据应用型人才培养探索

数据科学与大数据技术专业的多学科交叉融合是一个复杂的学科工程，是基于高校学科布局、行业企业需求和科学技术发展水平的多方面融合。 人才的培养需要多个学院进行联合教学， 通过多学科之间的互相交流和学习， 促进多学科各种新知识的碰撞和共同发展。 数据科学与大数据技术专业建设涉及数学、统计学、计算机科学等理论基础以及数据的采集、挖掘、预处理、分析、管理、计算、可视化等专业知识[4]。 人才培养方案将从明确专业培养目标、完善人才培养模式和课程体系、 优化教学方式和手段等多方面建设进行研究。

（一）建立综合教学云平台,引导学生跟上知识发展的步伐

高校利用高性能的服务器及网络设备， 建立教学大数据云平台，实现数据采集挖掘、分析管理和可视化操作等集成封装应用。平台整合各种资源，实现计算、存储和网络等方面资源的集中管控，同时利用分布式计算和存储的特点， 保证数据安全高效地利用软硬件资源，满足师生对信息产业发展数据、项目实践等进行统计、分析的需求，为大数据专业的教学与科研提供实践平台。

（二）构建面向大数据方向的专业知识和课程体系，强化实践和创新能力培养

数据科学与大数据技术专业是集合专业性、实践性、交叉性和工程性的综合“新工科”专业，建设的目标以“解决大数据项目工程问题”为导向，遵循学校对人才培养方案不断完善的指导意见， 侧重培养学生运用新工具和新方法，从现实数据中获得真理，有效沟通与阐释自己的研究发现， 进而改变他人行动和思想的能力[5]。专业课程体系建设从模块课程体系、项目性实践、双创实践、学生竞赛、第二课堂实践育人多方面构建， 通过重点强化实践和创新能力的培养来修改、优化课程设置，实现多学科交叉融合的课程体系，建设满足行业企业人才需要的课程、项目和教材资源，其重点突出“应用、实践、综合和创新”的培养体系。

（三）深度强化产教融合校企结合,给予学生充分的实践机会

高校需要了解最新的行业动态和企业需求，探索校企合作教学模式， 合理规划相关实验和实践课程，共建实习实训基地。高校通过制定企业项目工程场景的教学方式， 使用企业在建或者成功项目作为专业实践训练的内容， 着重讲解涵盖课程和项目的重要知识和技术， 锻炼学生解决大数据项目复杂工程问题的能力。 同时高校要加强校内外专业实践基地建设，在互惠互利的基础上，校企合作共同开展项目开发， 利用企业在信息技术应用方面的前沿信息和实践经验，在项目开发、技术应用、案例开展领域进行项目合作。不论是产学项目还是校企合作，不论是案例教学还是行业大赛， 目的都是让学生在校学习期间就可以接触到大量的真实案例， 让学生清楚当前企业所面临的真实业务问题是什么， 让学生明白如何利用所学知识， 将企业真实问题转化为数据可分析的问题， 这是检验学生是否具备数据分析思维的标准[6]。

（四）改进考核评价机制，倾向实践应用能力的考核机制

建立学生专业课程能力和教学质量评价的指标体系，探索和创新配套的教学管理制度，通过实践不断修改、优化课程考核评价机制，更合理、更及时、更准确地评价和检验教学效果，进一步完善常态化、过程化、多元化的成绩评价机制，倾向学生的应用能力和“双创”能力，突显“新工科”面向工程实践、应用与创新， 促进教学培养与项目工程实践需求的持续动态长效适应。

五、结语

大数据专业以互联网和工业智能为核心， 以复合型大数据人才创新和培养为目标，内容涉及信息、统计、管理科学以及多种专业领域知识。本文以大数据应用型人才培养为例，探讨了当前大数据行业、企业和高校专业课程建设发展情况， 结合我校发展实际，构建专业课程在人才培养组织架构、课程内容设置、 专业结构设置、 应用能力培养模式等方面的体系， 以培养学生项目实践能力和技术创新能力为核心的实践教学体系结构框架，深入开展高校、行业、企业的产教融合校企合作人才培养新机制， 满足社会日益增长的大数据应用人才的需求。