新文科视野下基于知识结构差异的大数据课程教学模式探索＊

2022-11-10龙剑军李志国

计算机时代 2022年11期

龙剑军，李志国

(重庆工商大学管理科学与工程学院，重庆 400067)

0 引言

大数据、云计算、物联网、区块链等新兴技术正在深刻改变着人类的生产和生活方式，例如，大数据技术在疫情甄别、防疫、预测以及舆情防控等方面发挥了重要作用。当今社会，从阿里巴巴、京东商城等电子商务数据，到微信、QQ 等即时聊天内容，再到传感器、射频识别、全球定位系统等物联网数据，各行各业都在生产、承载着海量数据，记录着企业的运营情况以及人们生活行为的点点滴滴。因此，挖掘海量数据背后存在的模式、规律和趋势，已经成为大数据时代的重要课题，国内高校也陆续开设与大数据相关的理论与实验课程，来适应社会发展和大数据人才的需要。

新文科背景下大数据教学研究主要聚焦大数据与文科专业融合、人才培养、教学模式提升等方面。王洪艳[1]、王雅楠[2]围绕教学思路、教学方法、教学内容等方面对大数据教学提出了思考；杜文超[3]、孙建军等[4]认为，新文科专业大数据相关课程的教学要坚持思维、技术与人文的融合；赵星、王晰巍、付琳等[5-7]围绕人才需求、专业建设、课程设置、考核方法等对大数据人才培养路径进行了探索。然而，现有文献对新文科专业下的知识结构差异背景论述较少，基于此，本文试图梳理出知识结构差异背景下的大数据教学存在的问题，并提出相应的教学优化措施。

1 大数据课程的必要性

1.1 国家大数据战略发展的需要

大数据是国家基础性战略资源。自2014 年大数据首次被写入中央政府工作报告后，国家相继颁布了《促进大数据发展行动纲要》、《大数据产业发展规划(2016—2020 年)》、《“十四五”大数据产业发展规划》等一系列文件。因此，高校构建与大数据相关的学院/专业势不可挡。

1.2 新文科建设的需要

“新文科”是对传统文科的学科重组与交叉，并将新技术融入到重组的课程体系，实现跨学科的融合与交流。2020 年教育部发布的《新文科建设宣言》中对新文科建设做出了全面部署。当前，互联网、云计算、大数据等新技术多层次地渗透到社会各行各业。科学、人文、艺术等呈现集成创新以及融合交叉发展态势，金融科技、经济物理学、人工神经网络等交叉学科课程顺应而生。将大数据、人工智能等新科技与传统文科融合发展是新文科建设的重要组成部分。

1.3 大数据人才紧缺的需要

人工智能、大数据、区块链等新一代信息技术的应用，正在颠覆传统的商业模式及社会范式，国家、社会和企业对具有数据思维的复合型人才的需求和渴望比以往任何时候都更强烈。根据IDC 数据，2026 年全球大数据市场规模将超过3600亿美元，大数据的发展前景有目共睹，但大数据人才的供不应求仍是行业面临的一大困境。开设与大数据、人工智能相关的研发中心、学院和相应专业，完善大数据课程体系，有助于加快推进大数据专业建设和人才培养。

2 知识结构差异背景下大数据教学存在的问题

在新文科学院开设大数据相关课程大致存在两种情况，一种是作为必修课开设在信息管理学院、管理科学与工程学院等具有学科交叉融合特征的文科学院，如数据挖掘、大数据决策分析等；另一种是作为选修课开设在经济学院、管理学院等传统文科学院，如商务智能、数据科学等。然而不同学院的学生掌握的知识结构存在差异，例如经济学、工商管理专业将C语言、数据库原理与应用作为选修课，而这些则是信息管理专业、大数据管理与应用专业的必修课程。因此大数据教学过程中会存在以下问题。

2.1 专业培养方案与课程设置不匹配

新文科建设促使大数据等学科与经济学、管理学等交叉融合，专业培养方案也增加了与大数据相关的课程。然而，部分专业转型建设浮于表面，专业化课程体系不够完善，仍保留较多的原有课程，或旧课换新壳。但是高素质的大数据人才培养需要相对完整的、系统的培养体系，培养方案与课程设置的脱节是当前大数据教学中普遍存在的问题。

2.2 大数据专业师资力量紧缺

大数据人才的欠缺不仅仅体现在政府、企业对大数据人才的迫切需求，高校大数据专业师资力量同样存在巨大缺口。新技术、新知识的迅速普及和快速更新换代要求高校教师不断充实自我，丰富知识储备。然而受制于高校薪资水平，高水平、高素质的大数据青年人才往往会选择更具优势的企业岗位，而原有师资力量在学习速度、学习动力等方面一定程度滞后于大数据时代发展要求。

2.3 实践与理论的脱离

对于无编程语言、数据库知识等基础的专业，学生对理论课中的数据仓库、Olap 等抽象概念难以理解，缺乏大数据实验课程、大数据实践案例的支撑。对于信息管理、大数据管理与应用等具备高级语言基础的专业，虽然学生对相关概念的理解更为深刻，但教师存在数据阶段性、片段性处理等教学现象，实验教学与生产实践结合程度不够。新文科实验建设需要大量的数据、实践案例以及保证教学运行的软硬件环境，而当前各专业均存在不同程度的理论与实践的偏离。

2.4 考核方式偏重“结果导向”

大多新文科专业开设了大数据管理课程，但课程考核方式侧重“结果导向”，这与提升学生大数据处理、分析能力，培养大数据思维的课程目标相违背。新文科下大数据管理专业要让学生熟悉现代信息管理技术与方法，培养善于利用大数据技术分析商务数据的复合型人才，因此大数据教学应杜绝当前存在的背概念、记要点的应试型教育，要侧重考核方式的过程管理。

3 知识结构差异背景下的大数据教学模式

探索基于知识结构差异的大数据教学模式，有助于培养学生大数据思维以及提高学生大数据分析的实践能力，有助于厘清基于知识结构差异的学生在大数据课程讲授过程中存在的差异，为授课老师有的放矢地进行差异化教学。针对大数据课程教学中存在的问题，我们可从以下四个方面予以解决（见图1）。

图1 大数据相关课程教学模式提升路径

3.1 完善培养方案和课程设置

对于无编程语言要求的专业，培养方案强化大数据思维的构建，在课程体系中开设与大数据相关的课程，比如市场营销专业一般开设专业主干课程《大数据营销》，工商管理等专业开设商务智能、大数据概论等选修课程，同时在学科基础课程中增设数据库原理与应用等。对于有编程基础的专业，传统的课程体系更偏向信息系统的开发与设计；新文科建设提出后，其培养方案应强调大数据采集、处理及分析能力的培养，课程体系对接培养目标，增设分布式数据库技术及应用、数据采集与建模、数据挖掘、行业大数据分析等核心课程的建设。见表1。

表1 新文科建设前后教学课程设置比较——以信息管理与信息系统专业为例

3.2 师资力量引进来、走出去

教师队伍是培养方案的执行者，是提高人才培养质量的重要保障。面对当前大数据专业师资力量短缺的现状，通过“引进来”“走出去”增强师资队伍。一方面大力引进高层次人才充实师资队伍，谋划引进兼职教师、实践导师、学业导师、导航校友等校外教师队伍，让师生了解、掌握企业第一手大数据人才需求信息；另一方面强化对既有师资力量的培养，引导现有教师学习新知识、新技术、新方法，向融合型、复合型教师转型，鼓励和支持年轻教师通过单科进修、攻读学位等培训方式，鼓励专任教师到企业顶岗实践，积累实践工作经历，提高实践教学能力。对于大数据管理与应用等专业来说，要同时狠抓“引进来”“走出去”两条渠道，其中引进有大数据高层次人才有助于大数据教学的持续深化以及大数据特色课程的开设；对于工商管理、人力资源等专业来说，引导教师将大数据、人工智能等新技术融入学科课程体系有助于培养学生大数据思维，同时聘请企业优秀人才进校授课、实践教学。

3.3 紧密结合实践，产教融合协同育人

对于无编程语言要求的专业，以往商务智能、大数据概论等课程主要采用理论讲解，学生对数据仓库、Olap、数据挖掘等抽象概念难以理解。新文科建设推进后，需增设商务智能实验、大数据分析实验等实验课程。教师在理论课程上通过联系实际、引入实践案例、展示大数据软件帮助学生理解重点难点等，在实验课中引导学生熟悉和掌握大数据分析流程，通过采用Tableau、FineBI、SpssModeler 等软件培养学生大数据分析思维和处理能力。

对于有编程语言要求的专业，如信息管理与信息系统、大数据管理与应用等专业，以往教学与生产实践结合不够紧密。在新文科背景下完善培养方案与课程体系后，要对接培养目标，做好以下工作：①推进新文科实验室建设。学校可联合各学院协同购买、共享Hadoop HDFS、MapReduce、Spark 和Storm 等主流大数据平台软硬件及数据资源，有效保证大数据实验教学的稳定性、流畅性、安全性。②加强校企合作及实训基地建设。紧密结合实践，采用项目化教学，通过开设数据分析专题实践课程，让学生深入大数据行业企业进行实践，熟悉数据的收集、清洗、可视化以及算法挖掘等流程，产教融合协同育人，引导学生掌握最新企业需求。③指导学生参与教师科研课题，鼓励教师将科研成果融入教学，积极推动开展校内或校企间的学科竞赛，激励学生参加更高级别的学科竞赛。

3.4 创新考核方式，面向课程目标实施多元评价

构建面向大数据课程目标的多元评价考核方式，需认识到只面向课程内容考核方式的片面性。首先，进行学情分析，了解知识基础。通过企业微信、学习通等软件开展问卷调查，了解知识结构差异下学生的已修课程及学科知识掌握情况，根据问卷调查结果来调整课堂教学模式和教学内容，比如当前部分学校的工商管理本科专业低年级未开设数据库原理及应用这门课程，因此在讲授商务智能等课程时应补充数据库等相关知识。可采用线上线下结合的教学方式，统计学习情况。课前，通过校内外学习平台发布课堂内容和相关微视频，布置学习任务，鼓励学生自学，了解学习重点难点；课中，针对重点难点精准施策，积极互动，提升学习效率；课后，通过学习平台布置作业和任务，跟踪学习效果。最后，面向课程目标实施多元考核。结合线上学习完成情况、线下课堂表现等，多元评价学生学习情况，侧重学生大数据分析能力，进而实现大数据课程的学习由“成绩导向”向“过程导向”、“成果导向”转变。