基于新工科与工程教育认证背景下的数据科学与大数据技术专业人才培养模式探索

李绍英 王元浩 许立波

（浙大宁波理工学院 浙江·宁波 315100）

0 引言

随着互联网和信息技术的飞速发展，数据科学技术已成为当前最重要的技术之一，大数据技术当之无愧地成了新的技术核心。2017年1月，国家工信部编制了《大数据产业发展规划》，大力支持高校探索建立大数据领域专业型人才和跨界复合型人才培养机制，大数据专业孕育而生[1]。大数据、大数据安全等新的计算机技术催生了新的经济，工业界迫切需要新型工科人才的大力支持，“新工科”已成为目前高校教学改革话题的热词。2017年浙江省政府发布《浙江省促进大数据发展实施计划》，提出把我省打造成全国大数据产业中心，大力推动大数据发展和运用，推动经济转型升级、完善社会治理、提升政府服务和管理能力[2]。我校在十四五发展规划中，明确提出学校所有专业要进行工程教育专业认证，主要目的是为了构建工程教育的质量监控体系，进一步提高学校工程教育质量，促进工程教育与企业界的联系，并促进我国工程教育的国际互认，从而提升国际竞争力。本课题正是基于此背景下，探索我校数据科学与大数据技术专业人才的培养模式。

1 研究综述

朱建平和李秋雅（2014）认为我国大数据相关专业课程体系建设要综合考虑大数据专业人才所应具备的知识和技能，并积极借鉴发达国家对大数据专业人才培养的理念；[3]；迪莉娅（2014）以国外开设数据科学硕士课程的部分高校为例分析了国内外高校数据科学专业硕士课程设置的内容和特点，提出完善我国高校数据科学硕士课程设置的策略[4]；Kim Y等学者，通过对企业在岗实习生、大数据历届毕业生和企业人力资源主管等的多次访谈，明确提出数据库基础知识、管理工具、二次数据采集、数据清洗和数据挖掘能力是大数据专业人才必备的知识技能[5]；闫慧等人（2018），通过网络调查获得10所高校数据科学相关专业的课程信息，从开课数量、课程结构、课程类别及课程特点分析数据科学专业的开设状况，从课程内容来看以数据分析、统计学、人工智能等课程为主，建立多学科、全方位的知识结构，注重理论和实践的系统结合，体现了交叉学科的特性[6]；苏日娜等学者（2017），选取开设数据科学研究生项目的6所高校作为调研对象，采用内容分析法和文献调研法，从专业学科优势、课程目标、核心课程设置、课程制度等方面研究数据科学课程体系[7]。

2 现行人才培养模式中存在的问题

（1）人才培养的目标和方向不明确，专业特色不明显。我校现行的大数据专业人才培养方案中涉及了包含数据分析、数据挖掘、数据库系统开发、大数据行业应用、人工智能在内的多个方向的课程，由于方向众多在一定程度上分散每个方向的课程课时分布。作为本科院校，我们在前期人才培养上定位于适应于多种IT行业需求的大数据“全才”，大部分企业招聘本科生，希望找到应用与理论相结合的中高级大数据人才，这就要求我们在培养目标上更加契合社会实际、凝练方向，才能真正地实现人才培养的突破。

（2）现行的课程体系还不够完善，课程开设不能及时跟进市场需求。我校数据科学与大数据技术专业是一个软件和硬件相结合、兼顾数据科学理论与应用的、以计算技术为基础的、以数据科学与大数据技术为特色的宽口径专业。本专业着力于培养理论与实践动手能力结合的综合型人才，以适应社会对大数据分析人才的需求。但是，数据科学涉及数学、统计学、计算机科学等多门学科多领域相关知识，其理论基础和研究方法已超出一级学科的范畴，是一门典型的综合性交叉性学科。大数据原有的课程体系难以满足市场和企业的用人需求。

（3）基于工程教育认证下，专业课程理论与实践结合不紧密。目前我校大数据专业由于受到课时安排、教学经费、实验室欠缺等多种因素的影响，在专业课程设置上重理论轻实践。学生理论型、基础型知识偏多，实践型、应用型知识偏少。实践教学普遍质量不高，其结果必然导致实践教学流于形式，实践教学的任务和目标难以完成。虽然目前我专业实施了实践教学体系，但由于课程时间有限、教师人手紧缺、教学经费进展等原因，学生实践锻炼不够，学生动手能力不足。

（4）师资力量不雄厚。目前一直以来，我校的大数据专业只有7名专业教师，承担了所有专业课程的教学任务。从师资结构来看，虽然有专业的教授和博士等作为支撑，但是师资队伍缺乏阶梯性建设，因此在专业建设过程中，普遍存在着各种各样的复杂问题，使新课程的安排和教学存在着不小的困难。

3 人才培养模式的优化与设计

3.1 明确专业定位，理清专业建设思路

我校数据科学与大数据技术专业根据自身实际状况，把握浙江省创建大数据产业中心行业和宁波软件名城建设的契机，以学科建设为龙头，找准专业定位，我校大数据专业定位如图1所示。

图1：我校大数据专业定位

3.2 大数据专业学生毕业要求与分解

为实现培养目标，我们设定了相应的毕业要求，建立了相应的课程教学支撑体系，毕业生能够了解大数据、人工智能等新一轮工业革命中的新技术和生产新模式，并能选择、使用新技术来改造传统的行业和领域[8]。

3.2.1 大数据专业能力毕业要求制订

工程教育专业认证标准明确规定了本科毕业要求必须涵盖规定的12条内容。这12条要求可分为专业和非专业要求两类。其中，第1～5条要求是与专业能力相关的毕业要求，可概括为：“知识、问题、设计、研究、使用现代工具”。而这5条毕业要求全都是围绕解决“复杂工程问题”而展开的。工程教育认证要求的重点不是课程教了什么内容，而是要求学生能否应用知识去解决企业遇到的复杂工程问题。

3.2.2 大数据非专业能力毕业要求制订

工程教育认证标准中毕业要求第6～12条是非专业能力要求，包括“工程与社会、环境与可持续发展、职业规范、个人与团队、沟通、项目管理、终身学习”。我们按照工程教育专业认证标准确定非专业能力毕业要求，并建立相关的课程体系和教学、评价环节。按照工程教育认证标准，以项目为载体，将大数据专业能力与非专业能力的培养结合在一起。

3.2.3 毕业要求的分解

专业的毕业要求的每个大指标需进一步分解为详细的指标点。分解指标应该具有引导性、可操作性，用来指导后续的课程教学实施。每个指标点还应明确评价其达成度，突出培养学生应用知识解决工程问题的能力。我校大数据专业确定了毕业要求分解指标点，反向建立相关的课程体系。每一个毕业要求的分解指标点有一门或多门的课程相应支撑。每门课程对毕业要求的指标点的支撑关系分为强支撑(H)、中等支撑(M)、弱支撑(L)。

3.3 完善人才培养课程体系

不断完善专业课程体系，加强课程建设。加强理论授课与项目实践教学，达到理论与实践的无缝衔接，提高学生的理论修养和工程实践能力。构建并完善专业资源库，主要包括：教学计划、教学大纲、教学日历、教学课件、测试题、配套练习、历年考卷、实验实训作业、参考答案、教学视频等[9]。构建以知识传授为主的理论教学体系和以大数据技术、技能培训为主的实践教学体系结合的专业课程体系。我校大数据专业人才培养的课程体系如图2所示。

3.4 树立以学生为中心的教学理念，优化培养教学方法手段

工程教育专业认证的基本理念是以学生为中心，要求教师对教学内容、教学方法和教学过程等进行精心设计，调动学生的学习积极性和主动性，通过师生之间的共同努力达成课程的教学目标[10]。传统的教学方式往往以课堂为中心、以老师讲授为主，老师在讲台上言传身教扮演着“演员”的角色，学生在讲台下扮演“观众”的角色，学生参与性不够、主动性不够、互动性不够，因而很难激发学生自主学习的动力（见图2）。

图2：我校大数据专业人才培养的课程体系

以突出应用、讲究实战为特色的大数据专业人才培养模式，在优化培养方法中，就应该以转换师生角色为着力点，使师生间“演员”与“观众”的关系向“导演”与“演员”的方式转化。老师作为教育的“导演”负责组织学生参与、提供相关的设施设备和条件，为学生塑造良好的学习环境。学生作为“演员”，以教科书中的知识为“剧本”，通过课前预习、课堂演练、课间交流、课后扩展的四阶路径，完成知识的自主化、形象化、深入化、高效化导入，激发学生参与学习的热情，便于学生更好地理解和掌握知识的运用。

3.5 加强师资队伍建设，优化师资结构

教师有必要在提高自身业务能力和不断更新知识的同时，参与到企业的研发中去。构建由企业讲师和高校教师为主体的师资团队，建设校内校外两支教师队伍，聘请企业技术骨干和科研院所专业技术人员为兼职教师，优化教学资源，发挥企业讲师的智力资源优势，锻炼和培养高校教师的创新精神和实践能力，提升教师教育水平。通过引进和培养相结合的方式来加强教师队伍建设，优化师资结构。一方面，引进具有数据科学与大数据技术方向工作背景的企业精英和科研骨干，或者是有海外留学经历的具有国际化视野的优秀人才，为教师团队注入新鲜血液；另一方面，依托相关的大数据技术处理处于前沿的高校、科研院所和企业，选派有潜力的优秀骨干教师去访问和进修，与这些高校、科研院所和企业的科研和技术人员形成经验互带、技术互帮、知识互传的纽带，逐步形成实践促进理论和理论融于实践的良性知识信息积累与传播系统。

4 总结

培养厚基础、工程能力强、综合素质高的大数据人才，支撑新技术、新业态、新产业、新模式等新经济的蓬勃发展具有非常重要的现实意义，也是新工科建设与工程教育认证的最终目标。在工程教育专业认证和新工科建设背景下，本文以我校大数据专业培养方案为例，探讨了大数据专业人才培养模式，对大数据专业建设和人才培养有一定的参考价值。