高职院校“岗课赛证”融通的大数据专业教学模式研究

马迪 孙佳

关键词： 高职 岗课赛证 大数据专业 教学模式

第三次信息化浪潮以大数据、云计算和物联网为标志，随着大数据、人工智能等技术的不断兴起，大数据相关人才的需求量也逐年增加。据悉，2021 年，工信部发布了“十四五”大数据产业发展规划，预计到2025 年，大数据相关市场的规模将突破3 万亿元。然而，各大高校针对大数据人才培养的数量远低于市场所需，预计到2025 年，大数据核心人才缺口将高达230万人。尽管有项目调研表明大数据技能人才需求中高职占比仅为12%，但按照整体大数据发展方向，当该行业的众多企业以及高校的发展逐渐成熟和稳定，人才需求的学历方向也会降低[1]。显然，市场缺少大数据方向的人才资源，各大高职院校也逐渐开设大数据专业，从目前情况来看，实际能向企业输送有技术又有能力人才的高校寥寥无几，各大高校也普遍都在探索学习中努力培养创新技术型人才。

习近平总书记强调：“稳步发展职业本科教育，建设一批高水平职业院校和专业，推动职普融通，增强职业教育适应性，加快构建现代职业教育体系，培养更多高素质技术技能人才、能工巧匠、大国工匠。”2022 年，教育部工作要点，明确强调要增强职业教育适应性，其中着重提到要“推进岗课赛证综合育人”可见，职业院校可以通过提高教育质量，完善教学内容和体系的方式培养高素质人才，而实施“岗课赛证”融通的教学模式是提高教学质量的有效手段[2]。职业院校可以通过将岗位、比赛、证书与教学课程相互融合，探索大数据专业教学新模式。

1 高职院校大数据专业教学现状

1. 1 大数据专业师资水平不高

首先，对比一些发达国家，我国各大高校开设大数据专业的时间较短，许多高校的大数据教师资源也较为稀缺，专业发展存在一定难度[3]。其次，许多大数据专业教师并没有接受系统性的培训，即使参加了一些关于大数据方面的校外培训，因其培训质量和效果参差不齐，大数据专业教师难以系统性地学习到大数据知识，因此在给学生授课时，学生也会出现对大数据专业的疑惑，存在对专业整体把握困难的情况。除此之外，大数据作为一门交叉性学科，所需知识面较为广泛，对于教师的专业知识的要求也更高，需要各大高职院校大数据专业教师不断地学习新内容，深入挖掘大数据知识，拓宽知识积累，为学生提供更优质的教学内容。

1. 2 大数据专业基础设施不足

相较于国外，因国内大多数的高校刚开始设置大数据专业，各大高校在大数据专业方面的配套设施依然停留在原有计算机等专业所需的一些移动平台、数据分析平台等硬件设备，而大数据专业是一门实践性较强的学科，主要依托应用软件，以及以大数据应用平台核心系统为主的核心技术，这些配套设施的配置对于一些高职院校来说存在一定难度。同时，大数据专业需要对海量数据进行处理，而针对各行各业的数据采集和获取，学生也难以通过简单的数据采集方式得到[4]。综上所述，学生难以通过高校基础设施掌握最新的科研技术，很多实训内容学生也很难通过一些基础的实验环境进行，大数据专业又是一门实践性很强的学科，学生需要通过实践进一步理解课上学习的理论知识，提高技术实践能力，因此，高职院校大数据专业的基础设施不足的问题亟待被解决。

1. 3 大数据专业课程体系不完善

大数据技术应用在社会各个领域，不同领域对应的大数据技术需求往往存在差异，学生在学校学习的内容一般是以数据预处理、数据存储、数据采集以及大数据基础编程等为代表的基础知识，一些较为深入的Spark 编程、Flink 编程等知识并未涉及，使大数据专业的课程体系不完善，没有从大数据岗位需求的角度有针对性地设置大数据课程内容，這就导致学生在面向社会应聘时，难以找到更加核心的岗位或某些对大数据技术方面有一定需求的领域的相关工作。反观如今大数据人才缺口，大部分企业需要的往往是一些对大数据知识有深入研究的高技能综合性人才[5]。基于此，更需要各大高职院校对接各个领域的企业，针对企业岗位的业务需求，促进学生对理论知识的学习，增强学生实践能力，丰富课程内容，完善课程体系，帮助学生由易到难，由浅入深地学习大数据专业课知识，进而找到合适的工作岗位。

2 “ 岗课赛证”四位一体的基本内涵

2021 年，全国职业教育大会提出“岗课赛证”综合育人的人才培养方式，用来解决课程与岗位脱节，实践与理论难容等问题。其中的“岗”指的是职业院校学生毕业去向的岗位，岗位是课程安排的方向与标准，针对岗位培训学生学习岗位所需要的知识和技能，做到有的放矢地向岗位输送人才；“课”是指职业学校的课程体系，课是教学改革的基础与核心，按照人才培养方案和对应的课程体系对接学生所需知识技能，是其他“岗”“赛”“证”完成的基石，也是教育教学的主要表现方式；“赛”是指面向职业教育学生所设立的各种与专业相关的比赛，推进大数据人才培养，建立健全多层次、多类型的专业人才培养体系，起到检验课程学习效果。以赛促教、以赛促学，以赛促改、以赛促建，即通过技能大赛促进教师队伍建设，促进学生全面发展，促进教育教学改革，促进实训基地建设，培养创新型、实践型人才的作用；“证”是指职业教育在校学生考取的“1+X”职业技能等级证书，其中“1”表示学生毕业时拿到的学历证书，“X”表示职业技能等级证书，它是企业为自身面向专业人才需求所设立的，检验学生职业岗位能力，其考核内容可以为教学提供内容资源[6]。改变传统的高职教学方式，通过推动“岗课赛证”的育人模式，能够不断创新教学手段，提高教学质量，从而培养更多的知识技能型人才。

3 “ 岗课赛证”融通的大数据专业教学模式

3. 1 以岗位群设置大数据课程的教学模式

高职院校大数据专业应该根据目前学生毕业去向的对应岗位设置专业课程，让学生学以致用。大数据专业主要面向包括大数据、人工智能、互联网等相关行业，在此基础上拓宽至智能交通运输、物联网等行业，其对应的职业岗位包含软件开发工程师、数据采集员、大数据运维工程师、数据分析员等。针对软件开发工程师，需要开设Web 前端开发技术，Java Web 应用开发技术等相关课程；对于数据采集员，需开设Python 程序设计，MySQL 数据库，数据采集技术以及NoSQL 数据库技术等相关课程；针对大数据运维工程师需开设智能终端配置与维护、Linux 操作系统、大数据平台部署与运维等相关课程；而数据分析员岗位对应需开设大数据分析与可视化、大数据处理技术等相关课程，如图1 所示。除上述针对性课程外，辅以软件测试、图像处理等完善课程体系，为学生开拓更广阔的就业空间，尽可能地帮助学生学习大数据专业可能从事的行业所必须掌握的知识，并帮助学生找到目标岗位，针对目标岗位进行进一步学习。除此之外，针对岗位的能力要求，在教学过程中培养学生相关能力，引导学生树立正确的价值观也尤为重要。比如：针对互联网各大岗位，往往需要学生具有很好的团队合作能力，对问题的分析和解决的能力，以及良好的语言、文字表达和沟通能力。因此，在教学过程中，可以融入探究式教学模式以及反转课堂的教学模式。比如：在Python 程序设计课程理论基础内容讲解完成后，给学生带入一个项目实战，引导学生通过以自顶而下或自底而上的思考方式解决一个项目问题，探究一个问题解决的整体过程；再或者可以组建团队，针对课上讲过的大数据内容，为各个小组分别指定大数据在物流、餐饮、城市管理等多个方面的应用实例，逐个团队进行讲解和演示，这样既能巩固课上所学，又有利于学生对就业岗位有一个基本的认知，便于未来更好地择业。

3. 2 以比赛推动大数据课程的教学模式

对于职业院校，相关职业技能大赛的比赛成绩是学生对专业知识掌握以及综合素质能力的重要体现，也是高校对人才培养质量的主要衡量方式。对大数据专业，除了中国“互联网+”大学生创新创业大赛以外，还有包含大数据技术与应用以及数据分析、数据处理在内的众多比赛项目，这些比赛项目给学生提供展示自己能力的机会，能够较好地筛选出实践型、创新型人才，在比赛中获得良好成绩的学生还能在未来升学和应聘中获得优势。对于大数据专业，以赛促教，以赛促学，通过国家级、省级或校级各大比赛促进大数据专业课程建设，将教学方式与各类职业技能比赛相互融合。通过比赛提高学生学习相关知识的积极性，考察学生的专业和实践能力，也能不断提高教学质量，反过来比赛又能提高学生对课上所学进行灵活运用和理解的能力，是对学生学过的知识进行检验的方式，是衡量教学效果的重要指标，课程和比赛相互促进、相互融通。针对比赛推进大数据专业课程，可以在赛前、赛中和赛后进行相关课程完善，比如：针对大数据挖掘与分析技能竞赛，比赛前可以设置赛事实验班，将比赛所涉及的数据采集、数据清洗与分析以及数据可视化等相关知识融入教学课程，在指导教师的引领下提高学生技能，进行相应的赛事指导；在比赛过程中指导学生灵活运用相关知识；在比赛之后，通过赛事相关内容丰富课程体系，优化课堂质量，从而实现以赛促教的效果[7]。针对以赛促改、以赛促建两个方面，需要将技能大赛作为导向，因其多数是以项目为载体，检验学生对知识的灵活运用能力和技术实践能力，因此在对大数据专业进行教学时，也需要重视实践，围绕大数据的应用闭环流程进行教学，从各个场景引导学生完成大数据知识的学习[8]。同时，通过比赛所需的硬件基础，完善实训室的建设，将实训室中旧设备、旧方法更新为企业当前热门的、有发展前景的硬件设施，促进学生在前沿的实训平台中得到更有意义、更深入的实践锻炼。在教学过程中也帮助学生了解企业目前所需，为学生未来就业提供新的思路。

3. 3 将“1+X”证书融入大数据课程的教学模式

在高职院校大数据专业的人才培养方案中，除了要求学生获得毕业证书外，还要求学生考取大数据相关的“1+X”证书，比如“1+X”大数据应用开发（Python）职业技能等级证书、“1+X”大数据应用部署与调优职业技能等级证书以及“1+X”大数据平台运维职业技能等级证书等。这些证书主要是让学生跟紧大数据行业的发展，按照企业实际需求，学习证书中的知识点，将职业认证资源课程化[9]。大数据有着较为庞大的知识体系，在开始学习大数据之前需要掌握Linux 操作系统基本知识和一些基本的编程语言，因此专业的大数据课程在设置上往往需要开设在第二学期或第三学期以后，对一些较难的课程需要有更多的相关基础才能进行讲解，课程知识体系建设存在一定难度。针对一些“1+X”证书相关课程，可以设置分层教学模式。比如：对于“1+X”大数据平台运维职业技能等级证书分为初级、中级和高级，因此在课程设置中也可以将其设置成初级（基础）、中级（进阶）和高级（熟练），由浅入深，循序渐进，阶梯式的完成对证书知识内容的教学把握。此外，在其他不区分级别的“1+X”证书课程内容设置也可以分层设计课程。比如：“1+X”大数据应用部署与调优职业技能等级证书内容的讲解，就可以分为基础层、进阶层和熟练层，在基础层可以完成对HDFS 的基本操作与基本的编程；在进阶层，完成HDFS 的安装运维以及针对缺点进行调优的工作；对于熟练层、可以针对一些具体的案例让学生在案例实战中更好地理解和运用相关知识[10]。

4 结语

在数据量爆发增长的今天，大数据技术的到来给众多行业带来了新的契机，越来越多的企业开始尝试如何运用大数据分析解决方案来提高其公司业务水平，这使得大数據专业存在巨大的人才缺口。尽管目前很多高职院校正在不断优化教学体系，但大数据专业人才培养的教学方式仍处于起步阶段，更完善的教育教学体系还需要进一步探索。高职院校大数据专业“岗课赛证”融通的教学模式是将教学内容和课程体系与学生毕业从事的岗位，大数据相关比赛以及“1+X”证书无缝衔接，以大数据相关岗位作为依托，课程安排尽量符合岗位所需，以前沿的知识作为指引，紧跟行业步伐；主打理实一体课程，培养学生实践能力和创新能力。在“岗课赛证”融合的同时，大数据专业教师也需要不断完善课程内容，丰富教学手段，开发课程内容，坚持课程思政，加大企业合作的强度，为大数据行业输送优质的人才。