大数据时代研究生数据素养的培养模式探索

高永平　徐璐豪

关键词：数据素养；教学；科研；实践；培养模型

中图分类号：G424 文献标识码：A

文章编号：1009-3044（2023）12-0113-03

0 引言

为了促进大数据的快速发展，国务院在2015 年9月颁发了《促进大数据发展行动纲要》，在这份行动纲要中明确肯定了大数据时代需要将数据作为战略资源的地位，强调对我国数据人才的培养。这份行动纲要一方面突出强调了数据专业人才培养的必要性，从另一面也突出了大数据知识普及与培训的重要性，从中可以清晰地看到，国家将数据教育和数据素养的培养提高到前所未有的高度。

随着大数据在医疗、金融、民生、政务、制造等各个领域的应用越来越普及，人们都可以亲身体会到大数据的存在，这对于全民的数据意识、数据能力等方面的要求也就越来越高，在这过程中，人们的数据素养理念也逐渐形成，并被越来越多的人所看重和发展。

以“中国知网”等为数据来源为例，涉及对研究生数据素养培养的相关文献整体数量非常少，而且年限也比较近，充分说明了国内外在该领域的研究工作处于起步阶段。现阶段研究生的数据素养存在明显不足，因现实生活和学习的需要，很多学生的数据素养需求十分显著。现阶段研究生的数据素养水平分布也存在一定程度的发展不均衡情况，特别是在大数据的利用、管理、挖掘和展示等方面的能力普遍较低，在数据伦理方面的观念意识比较淡薄。目前国内外对数据素养概念本身也还没有权威性的定义，如何培养硕士研究生的数据素养也未见相关的研究成果。在数字经济、互联网全球化和数字化的今天，人们要满足现实生活和工作的需求越来越离不开数据素养的培养。在此背景下，衡量一个人综合素质能力涵盖数据素养能力，也就成为其重要的组成部分。

1 大数据素养培养在硕士研究生阶段的开展途径

因我国大数据素养培养起步较晚，目前我国还没有专门的大数据素养培养体系的具体文件，因此在实际的培养过程中，应根据现有的研究生培养模式，从研究生培养过程包含的教学过程、科研环节和实践实习等三个主要方面入手，探索如何培养研究生大数据素养的途径。

1.1 教学途径培养

通过对高校硕士研究生开设课程调研发现，云计算与大数据处理、数据分析与数据挖掘、大数据可视化等课程已经部分或大部分已成为大多数高校硕士研究生重要的必修或选修课程。通过这几门课程的开设，可以培养硕士研究生对数据管理和数据分析的能力，但是只通过这几门课很难形成学生利用大数据解决问题的思维模式。因此，在完成大数据相关课程的开设基础上，采用与经济学、电子商务、生产管理等课程結合，从这些课程里获取大量的数据来形成大数据课程案例的数据源。在不同专业课程配合下，结合大数据的知识，不但能够进行大数据存储、管理与分析实践，还能拓展自己的专业学习内容，进一步丰富相关专业的课程教学模式，全面实现大数据素养教育的培养。

由于数据素养本身培养的新兴特性，在现阶段，其课程体系构建还处于摸索的阶段，本文根据东华理工大学计算机科学与技术硕士点的学科特点，设计了该专业数据素养培养的三级课程体系来培养学生的数据素养。

1） 基础课程。可以开设云计算与大数据处理课程，课程主要讲授云计算与大数据技术基本概念、虚拟化技术、并行计算与集群技术、以Hadoop为代表的大数据处理架构、以Hadoop HDFS为代表的分布式文件系统、以HBase为代表的分布式数据库、MapReduce分布式并行编程模型、Spark大数据处理架构等内容，同时大数据在互联网、医学、民生和物流等各个领域的应用案例进行介绍。

2） 扩展课程。可以开设大数据分析、挖掘与可视化课程，课程主要内容包括数据分析的基本知识概念、数据分析预处理的手段，接着从数据分析方法的角度，介绍数据挖掘关联分析、分类以及聚类三大类算法的基本知识、必要理论基础以及一些经典的数据挖掘算法，从而使学生学会利用数据预处理和数据挖掘的技术去分析和解决不同行业应用领域中对数据进行处理和获取知识的问题，能够高效为各类企业、决策部门等群体提供全面准确的数据分析与信息服务，在此过程中，可以进一步发掘商业价值、洞察数据背后的商业机遇，进而制定出科学合理的决策与政策，对培养学生形成良好的计算机科学技术和人工智能领域知识的运用能力有很大的帮助。将数据分析的结果或者挖掘结果进行可视化，理解各种各样的数据集合，学会绘制直方图、柱状图、饼图、箱线图、环图、概率图、南丁格尔图、力导向图、漏斗图、散点图、仪表盘、词云图等，通过这些可视化的图来表现多维数据之间的关联，归纳出数据内在的关联和结构，可以帮助人类为洞察数据的内涵、理解数据蕴藏的规律等提供重要的技术手段。

3） 积极开展学术讲座与科技竞赛活动。

教师可以帮助学生选择一些国内外权威的大数据的科技实践活动或科技竞赛，例如：国际大数据竞赛、无线大数据竞赛、华为云大数据挑战赛、各省的数据创新应用大赛等，组织学生积极参加，竞赛有不同层次，教师可以根据不同学生掌握大数据知识的情况来合理安排竞赛的时间、参加竞赛学生的年级结构和不同知识分工等。大数据科技竞赛的题目通常涵盖了大数据的各个方面的技术：例如，多数据源的数据采集、海量数据的存储与管理、缺失或者异常的数据进行清洗、海量数据分析与挖掘和数据展示与可视化等方面的知识，牵涉的技术面比较广，需要参赛者去使用新技术、新方法，及时掌握行业知识的发展动态与趋势，通常竞赛涉及的知识模块也是计算机行业发展的前沿技术，涉及的问题也是行业和企业实际的需求点。通过组织学生参加科技实践活动或科技竞赛，可以督促学生学习新的科学知识，提高学生分析问题、解决问题的能力，激发创造能力。

现代新学科不断涌现，特别是在新工科背景下，各学科间不断加速融合、相互融入，对复合型的人才知识结构提出了更高的需求。现如今，社会要求硕士研究生除掌握本学科基本知识体系之外，还应该不断拓展个人知识面的广度和深度，才能更好地适应当今社会知识高度融合的发展趋势。高校开设的学术讲座作为硕士研究生学习的“第二课堂”，学术报告会是一种独特的教育方式，是专家学者多年的科研、教学工作的结晶，是他们毕生的心血结晶，受到广大学生的欢迎，也丰富了大学生的专业技能；在研究生的研究型学习过程中，作为一个不容忽视的重要组成部分，它对于整个学科的发展具有重要的作用。在培养学生大数据素养方面，可以有针对性地开展一些学术讲座，为大数据意识和伦理道德等方面的讲座内容，例如：“大数据时代个人隐私的伦理问题”“中华人民共和国数据安全法”解读、“大数据学习中的数据安全与隐私保护”等专题，一方面，让学生从自身认识上提高用户的隐私保护意识；另一方面，让硕士研究生在追求大数据“善”的价值目标前提下，必须坚持隐私保护的伦理原则，坚守伦理道德底线。同时，还可以积极开展大数据应用类型的讲座，例如：“基于大数据挖掘技术的诈骗用户识别”“大数据技术在信用卡领域的应用”“保险大数据分析”“医疗大数据分析”“大数据的网络异常监测”“大数据领域的电子商务个性化推荐”“基于大数据的电子商务物流配送”等与日常生活相关的一些技术讲座，这类讲座可以邀请专家讲，也可以让研究生自己着手准备来讲，通过讲座，拓展研究生的大数据应用的视野，在他们自己的讲座的过程中，也锻炼了他们的学术素养和学术的氛围，也非常有利于提高人才培养的质量。

1.2 实践途径

实践实习阶段是学生了解社会的真实需求、检验理论学习成效的重要阶段。在实践实习时，除了熟悉相关领域的生产活动外，还需要专门制定培养大数据素养的实践方案，促进学生去了解、发现企业生产实践中大数据产生、存储以及应用的各个环节。可以引导学生在实践阶段多参与相关领域的实践实习，这样可以帮助他们形成比较宽阔的视野。硕士研究生通过实地了解并掌握企业数据生产以及企业数据产品的输出，通过与大数据行业及领域专家、数据分析工程师等接触和交流来进行社会需求发掘、了解数据产业的最新发展动态，设计出合理的数据分析产品。例如：可以选择去金融、电信、电力等企业去进行实践实习，这类企业或公司有比较成熟的数据产品及数据分析应用，属于有数据集和数据应用场景的情形。很多大数据领域的问题需要将学科知识应用到具体实践环境和场景中，形成了“学科融合+产教融合”的双融合实践教学环境，通过在实践实习中的锻炼来培养和提高学生解决实际问题的动手能力。

1.3 科研途徑培养

参与科学研究是硕士研究生培养过程中最重要的阶段之一，从事科研活动是促进学生自主创业的关键环节。在硕士研究生数据素养培养过程中，应进一步引导硕士研究生拓展数据获取来源、方式、技术等，并尝试利用大数据领域提供的方法解决课题中的关键问题。在硕士研究生利用大数据知识展开课题研究的过程中，因为很多的课题是跨专业的，可以与大数据专业或大数据处理与分析方向的指导教师联合等形式开展对学生的科研指导，既有利于课题研究提出新思路、新观点，又让硕士研究生从理论到实践逐步验证，在这过程中也是在逐步培养硕士研究生的大数据素养。

2 数据素养模型的构建

通过大数据素养培养在硕士研究生阶段的开展途径分析，给出了硕士研究生数据素养的模型，如图1 所示。该模型包括教学中的数据素养、实践中的数据素养、科研中的数据素养，基本数据素养四个模块，这四个模块互相作用、互相融合，共同形成一个不可分割的统一整体。通过这四个模块培养学生的数据素养能力，从而达到提高学生数据的收集、存储、管理、清洗、分析、处理、理解、评估、可视化、利用与再生等方面的综合能力。

3 结束语

在大数据时代积极开展研究生数据素养的培养，有利于学生掌握数据技能。培养学生的数据素养，使学生能够有效地获取数据、对数据进行存储、分析、处理、加工和应用，实现数据的研究型学习或从事科学的研究。培养学生的数据素养，使学生能够充分认识到数据在当代社会的重要作用以及数据在不同领域的价值体现，能够解读与自己专业相关的数据，并作出基本的价值判断；培养学生的数据素养，使学生获取、利用、传播数据时，能够遵循相应的法律法规，尊重并保护个人隐私。