高职院校大数据技术专业“岗课赛证”融通探索

柴艳宾

（浙江育英职业技术学院，浙江 杭州，310018）

互联网与大数据已经成为数字经济时代推动产业结构优化升级的重要力量，大数据已经成为政府、企业等机构的核心资产。据统计，2019年我国的大数据产业规模已经超过8000 亿元，研发投入超过550亿元。与此同时，大数据人才的缺口达到150 万。通过职业教育培养专业精、技能强、素质高的大数据人才，充分满足市场对相关人才的需求，能够进一步助力经济高质量发展。[1]2019年2 月，教育部发布了《国家职业教育改革实施方案》，其中指出要建立职业教育国家标准，推行“1+X”证书制度试点，有效指引了新时代职业教育发展方向；2019 年6 月，教育部发布《关于职业院校专业人才培养方案制订与实施工作的指导意见》，进一步规范了职业教育的课程设置，将课程划分为公共基础课和专业（技能）课，试图通过“学分银行”、职业等级证书成果认定等方式，提高实践性教学效果。“岗课赛证”融通作为全面打通教学、实践、创新等过程的培养方式，能够搭建更为科学有效的专业课程体系，进一步提升人才培养质量。[2]本文在系统分析高职院校大数据技术专业“岗课赛证”融通意义、现状的基础上，探讨高职院校大数据技术专业“岗课赛证”融通思路。

一、高职院校大数据技术专业“岗课赛证”融通的意义

（一）精准匹配岗位需求

在我国高校毕业生不断增多、就业压力增大的背景下，在大数据技术专业课程设置中融入竞赛环节、证书内容，不断提升学生的实践能力[3]，构建“岗课赛证”融通的教育模式，精准匹配学生就业岗位，能够有效提升学生就业水平。（1）在课程设计阶段，教师通过研究大数据技术专业的就业方向和实际就业岗位，贴合市场对专业人才的核心需求来选定课程，搭建理论与实践相结合、宏观与微观相结合、技术与场景相结合的课程体系，从而实现“以岗定课”，切实规避课程设置的盲目性，从而精准提升学生对岗位的认知水平。（2）在课程开展阶段，教师不仅通过教材、教案等方式向学生讲授专业课程，还需要将学生考证的内容纳入教学内容。对于证书的选择，教师同样需要以学生就业岗位为出发点，立足于市场需求和证书含金量，有选择地确定考试证书，从而实现“以岗选证”。将考取证书所需要的知识和技能与实际教学过程相结合，使学生既具备开阔的视野和理论高度，又能够接触常规可用的技术，实现融会贯通的培养目的。[4]（3）在课程检验阶段，通过参加省级、国家级等高质量的创新创业大赛，学生能够提前感知实际岗位，在产品设计、数据处理、成果汇报等环节，提前适应大数据技术专业人才相关岗位的职责与环境，从而实现“以岗参赛”，提升学生的职业化水平。

（二）多维培养专业技能

技能是体现人才素质的关键指标，高职大数据技术专业应当培养专业化、应用型的高素质技能人才。在“岗课赛证”融通教育模式下，通过多个教育环节将课堂认知、考证实践、创新实践等过程融合起来，促进学生技能的持续精进。（1）在课堂认知环节，学生通过课堂学习、课外练习、课外阅读等过程，学习大数据相关的专业知识，并对信息技术前沿、行业应用领域、有关社会热点等进行跟踪，有助于其对未来职业发展和岗位选择形成初步认知。在这一阶段，学生虽然尚未直接获得技能，但是其逐渐建立起了关于行业、专业、学科等相关的知识框架，能够为后期开展技能实践奠定基础。（2）在考证实践环节，学生通过课堂学习和自主练习，获得应用大数据相关技能的基本能力，考证过程是对学习成果的检验，也是对技能水平的认定。通过考证这一标准化的技能测试，提升学生基本的大数据技术应用能力。（3）在创新实践环节，参与各项比赛，持续提升学生的创新技能。一方面，比赛要求学生具备基本的大数据操作能力，学生在竞赛中所面对的并不是标准化的数据任务，而是更符合现实工作场景的个性化任务，这对于学生的问题解决能力提出了更高的要求；另一方面，学生的参赛作品还需要具有一定的创新性，要求学生综合运用相关知识，体现自身的理论认知和社会修养，这是更高层面的技能强化。

（三）全面促进能力提升

从市场需求看，大数据技术专业人才需要具备操作能力、创新能力、管理能力等多元化职业能力，通过“岗课赛证”融通教育，让学生在实践中提升职业能力。（1）在操作能力提升上，让大数据技术、计算机软件和工具的应用贯穿实训、课堂、考证、竞赛等过程，学生通过实训操作、课堂实验、考证实践、竞赛创新实践不断强化技能运用能力，有助于形成符合岗位需求的操作能力。操作能力是多元化职业能力的基础，其提升的途径更多体现在课程设置、实践程度、训练强度等方面，因而需要高职院校在人才培养中给予足够重视。（2）在创新能力提升上，学生通过参加专业竞赛，有助于结合自身所学知识与技能开展创新，通过项目设计、数据模型、技术解决方案等形式输出专业成果，体现了原创性与应用性。（3）在管理能力提升上，学生在实训、参与竞赛过程中并非孤军奋战，而是通过项目组、专业团队的形式开展创新、实操。在这一过程中，项目负责人能够提升自身的领导力和资源管理能力，项目参与者能够提升自身的团队协作能力和人际沟通能力，整个项目团队的运行类似于企业团队，从而使学生在实操、创新的过程中体验职场，增强团队意识和自我管理能力。[5]

二、高职院校大数据技术专业“岗课赛证”融通的现状

（一）“课岗”不匹配，针对性不足

相比普通高校，高职院校人才培养的特色在于应用型、技能型人才的培养，在教育中实现“课岗匹配”是优化人才培养过程的重要内容。大数据技术专业作为一门新兴学科，在前期的积累主要以计算机科学、数学等基础学科为基础，目前，该专业尚未形成完善的人才培养体系。虽然诸多高职院校正在探索“课岗”匹配的教育模式，尽可能在教学过程中使学生的知识和能力提升与岗位需求相匹配，但是受资源、模式等因素的制约，仍然存在着课程系统性不足、实践性不足、职业性不足等问题。[6]（1）在系统性上，高职院校在大数据技术专业建设上尚未形成完善的课程体系，开设的课程大都聚焦在数据库、软件工程等方面，忽视了跨学科的内容拓展和多元化的技术应用。从技术发展规律看，大数据仅仅是一门技术工具，其必须通过特定的行业领域和应用场景发挥作用。目前过分注重技术教育而忽视特定场景下的技术应用，难以直接培养学生触类旁通、学以致用的能力。（2）在实践性上，高职教育在课程设置上已经通过带岗实习、毕业实践等形式增加了实践的比重，但是在教学过程中提供给学生的实践机会偏少，课堂教学仍然以教师授课为主，学生直接参与实验、开展实际操作的环节较少。（3）在职业性上，课程研发团队对大数据技术专业学生就业岗位的研究分析不足，尚未通过职业规划、职业能力优化等相关课程提升学生的职业性，这在一定程度上影响了学生的求职与就业。

（二）“课证”未同步，融合性不足

推进课程设置与证书成果相结合，是提升人才培养质量的重要途径。近年来，在国家“1+X”证书制度试点的推动下，高职院校纷纷在专业培养方案中加入考证相关课程，对学生顺利考取证书起到了一定的积极作用。但是由于课程讲授者、证书提供方、证书需求者均有不同的诉求，目前尚未形成稳定的融合模式，导致课程与证书存在不协调、不同步的问题。（1）在证书类型上，大数据技术专业是一个融合了计算机技术、数据库、软件编程等多种技术的专业类别，在行业内同时存在着计算机等级考试、信息化考试、高新技术证书等证书类型，在尚未明确大数据技术专业学生应当考取的证书时，教师仅能够在课程中加入更为广泛、笼统的内容，难以与某个证书进行匹配，导致课程与证书存在一定的脱节现象。（2）在系统工具上，考证的内容和形式整体较为稳定，证书的发放机构会考虑受众的接受程度，更倾向于沿用传统的考题、系统，但是课堂教学往往会介绍市场发展和技术创新进展，采用的系统、软件等均为主流版本。在这种情况下，教师教学采用更新后的系统和工具，而考证系统则采用较低版本，这种差异往往影响学生实际考证过程的系统适应性和操作准确性。[7]（3）在理念模式上，考证更偏向于实际功能操作，教学更侧重理念和原理的渗透，只偏重任何一方均难以实现培养目标，但当前教学中对考证技能的讲授仍然不足，课程过于理论化的问题仍然存在。

（三）“课赛”相分离，创造性不足

学生竞赛是检验学习成果的重要平台，全国性、区域性竞赛更是能够促进行业内师生交流，并激发在校学生的创新创业积极性。大数据技术专业面向多个行业领域，应用场景丰富，技术手段灵活，该专业的学生能够参加诸多信息技术类、创新创业类竞赛。虽然高职院校鼓励在校学生参加相关竞赛，专业教师也会在赛事中提供相应指导，但是具有较高含金量的赛事对于大数据技术专业学生而言，仍然有较大难度。（1）从赛事属性看，大部分赛事呈现跨学科的特点，学生参赛的大数据设计作品均需要结合实际应用环节，例如“大数据+金融”“大数据+社会治理”“大数据+消费”等，这就要求参赛团队中不仅需要大数据方面的技术人才，还需要相应领域的参与者，由此才能打造具有现实意义的模型和产品。但是高职院校往往对跨学科合作不太重视，也不重视通过学科交叉促进创新创业的途径，导致部分参赛团队由于缺乏具有较强社会意义的创意而在赛事中名次不理想。（2）从赛事过程看，大学生竞赛既是对技术和能力的考验，也是对创新性和综合素质的考验。由于在日常教育中尚未把比赛过程与课程结合起来，学生在参赛过程中难以充分运用课堂所学知识，在创新过程中尚未汲取理论和实践的成果，使得赛事作品呈现创新性不足的问题。[8]

三、高职院校大数据技术专业“岗课赛证”融通思路

（一）“课岗”融通，强化岗位认知

专业课程是学生搭建知识体系的重要途径，对于高职大数据技术专业而言，应当建立起涵盖公共基础课、专业基础课、专业实践课等方面的“课岗”融通课程体系，不断强化学生对大数据的专业认知、岗位认知。（1）公共基础课是支撑计算机技术的核心底层理论课程，其包含了高等数学、计算机导论、操作系统、数字逻辑基础等，这类课程虽然与大数据技术的直接关联性不高，但其对于学生建立起较强的逻辑思维具有明显的积极意义。（2）专业基础课是与大数据技术专业密切相关的核心课程，其可以分为选修和必修两个层面。必修课以数据库和程序设计为主，包含数据科学导论、数据结构与算法、程序设计实践、数据库结构、软件工程等，这类课程直接面向大数据技术应用与开发的实际过程，使学生能够全面掌握大数据底层逻辑。选修课包含R语言、信息安全、Linux操作系统、图像数据挖掘等，其能够从实际应用领域为学生提供开拓视野的平台，有助于后续的创新实践。[9]（3）专业实践课以应用实操课程为主，一般采用上机实验、顶岗实训教学形式，其包括Python 及其应用、Hadoop 编程技术、数据采集与预处理技术、数据挖掘、非结构化大数据分析、数据可视化技术等。相关选修课程或者模块包括招聘大数据分析、消费大数据分析、数据仓库与数据挖掘等，其能够从实际应用场景的角度为学生提供技能实践的机会。[10]通过由浅入深、由理论到实践的课程学习，学生能够充分掌握大数据原理、技术应用的核心要点以及岗位实践技能。

（二）“课证”融通，提升实操能力

在专业课程中，应当将学生考证的内容加入课程设计之中，通过课程与证书的融通提升学生的实际操作能力。对于高职大数据技术专业而言，“1+X”数据采集证书是较为权威的职业技能证书，应当将证书所考查的知识与能力融入专业课程之中，或者设置专门的证书课程模块，强化学生的实操技能。从“1+X”数据采集证书的考核要求看，其在知识模块中主要涉及数据采集基础知识和网络爬虫应用，其中数据采集基础知识包含网络协议、正则表达式、Python 等具有一定实践特点的内容，网络爬虫应用中所涵盖的Scrapy 爬虫框架、“博客”爬虫实战等属于纯实操类内容。对于教师而言，应当将证书考查的内容与课程内容相结合，在数据采集与预处理技术课程中增加数据采集、爬虫原理等相关内容，渗透大数据采集与处理的基本逻辑，并且在Python 及其应用、数据挖掘等课程中重点讲授网络爬虫技术，并且注重实际操作与学生实践，强化学生的理论认知与行为认知，从而使其能够达到证书所要求的技能和素质标准。对于证书所要求但课程模块尚未涉及的内容，应当在期末查漏补缺，或者开展特定的考前培训，帮助学生全面掌握相关技能，顺利取得证书。[11]

（三）“课赛”融通，促进创新能力

专业竞赛是体现学习成果、提升教育质量的重要过程，高职大数据技术专业学生能够参与的竞赛较多，因而应当加强对学生竞赛意识和竞赛能力的培养，通过在课程中设置特定的选题模块、创新模块、管理模块等，提高学生的竞赛参与能力。（1）在选题模块上，应当在课程中渗透选题思维，引导学生从日常生活和民生场景出发，积极探索大数据技术的应用领域，将专业知识、技能与技术应用相结合，从日常小事打开突破口，形成具有现实意义和社会意义的创意选题，为参与竞赛积累选题素材。（2）在创新模块上，应当加强学生的创新能力培养，提升竞赛水平。一方面，在技术上，要实现融会贯通，灵活运用各类编程工具和算法，开发具有原创性、实用性的大数据工具[12]；另一方面，在应用场景上，要打破技术边界，推动大数据与金融、经济、政务、地理等相关领域的融合，培养学生的跨界思维与交叉思维，在学习借鉴和思想碰撞中实现创新。（3）在管理模块上，应当通过课堂作品展示、分组讨论、内部竞赛等形式，强化学生的团队意识、合作意识和管理意识，引导其在实践中关注分工合作、表达个人想法，以提升个人综合素养。