“产学研协同”视角下数据结构与算法课程教学改革研究

摘要：数据结构与算法是计算机科学与技术领域的核心课程。为培养适应产业需求的高素质人才，本文提出了一种产学研协同的数据结构与算法教学模式。通过引入校外生产制造企业的实际项目，挖掘生产流程中的数据结构实践案例，实现理论与实践的紧密结合，提升学生的综合素质与创新能力。同时，推动校企融合的教学模式改革，探索多元化的考核方式，全面提升学生在解决复杂问题、团队协作等方面的能力。

关键词：数据结构与算法； 产学研协同； 校企协同育人；项目驱动学习；教学模式

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）32-0165-03 开放科学（资源服务）标识码（OSID） ：

0 引言

以大数据、人工智能、物联网等为代表的新一代信息技术与传统产业的深度融合，促使计算机类专业不断发展，对数据结构与算法课程提出了更高的要求。数据结构是计算机专业的一门核心课程，课程既注重培养学生的算法设计能力，也强调技术性和实践应用性[1]。计算机技术领域的迅速发展对数据结构与算法教育提出了新的挑战和机遇。传统的数据结构与算法课程通常侧重基本概念和经典算法，没有实际的应用案例，因而容易与产业需求脱节，且难以提升学生的实践能力。然而，随着计算机应用领域的不断扩展和技术的不断演进，学生需要更广泛的数据结构知识和更灵活的问题解决能力[2]。

针对上述问题，本文提出了一种基于“产学研协同”的数据结构与算法课程教学模式，将工业生产中的实际案例引入到课程实践中。通过项目驱动学习的方式，使学生能够在真实场景中应用所学知识，提升其实践能力与产业需求的契合度。

1 相关工作

数据结构课程在教学过程中存在一些普遍问题，集中体现在个体差异较大[3]，编程基础薄弱[4]、课程难度大[5]、实验教过效果不佳[6]等方面。国内很多专家对数据结构课程教学进行了探索。例如：李娟等提出了混合教学模式下的数据结构课程[7]，将线上平台与线下教学两种学习环境相融合，充分利用互联网及信息技术优势，打破了传统线下教学的时空界限，为学生提供了更丰富的学习渠道，充分体现了以学生为中心的教学理念[8-10]。余军霞等人提出了探索成果导向教育（OBE） 的数据结构与算法课程的目标制定、教学设计、目标达成分析的方法[11]。

产学研教育是一种将学校、企业和科研单位的资源结合起来，旨在将学校教育和实践经验有机结合的教育形式[12]。张迪等研究了产学研一体化对计算机专业人才培养的必要性，提出产学研一体化对于高校进行特色专业建设和应用型人才培养有决定性的作用，是新时期教育改革的重要组成部分[13]。产学合作协同育人研究与实践始于国外，美国、加拿大等发达国家的相关研究开展较多、应用较早，已被运用于教育改革的多项实验中，而且已有多起成功经验证明其对教育改革具有重大意义。相比之下，国内的产学研协同育人项目仍处于不断探索的阶段，尤其是在应对新工科背景下协同育人模式所带来的新问题和新挑战时，尚有许多实践经验需要积累和完善[14-15]。目前，新工科背景下产学合作协同育人方面数据结构与算法课程主要存在以下3个问题：

（1） 大多数高校的人才培养仍然延续着传统工科育人的观念，侧重理论教学和计算机专业知识体系的构建，然而，在实践教学环节和多学科交叉融合方面存在明显不足。专业实践教学缺乏充分的教育资源、环境条件，限制了学生实践能力的全面提升。

（2） 产学合作协同育人模式存在薄弱环节，尤其是高校、企业未能够在充分协商、沟通基础上建立统一化育人目标、育人流程及管理配套设施，导致学校缺乏系统性的课程体系，校企合作机制不完善，协同育人难以实现持久而深入地开展。

（3） 师资队伍存在明显能力缺陷，大多数院校中专业教师很少真正参与产业实践，长时期与行业的脱离也导致其所掌握知识、技术逐渐滞后于社会发展，难以挑起产学合作协同育人的职责。

本文聚焦课程实践体系重构、校企协同育人等方面的关键问题，深入研究新工科背景下数据结构与算法课程协同育人的核心影响要素，通过更丰富的课程内容、实践性项目、跨学科整合以及与工业界的合作，培养具备卓越数据结构和算法设计能力的学生，助力国家创新人才战略。

2“ 产学研协同”课程建设思路

本文提出的“产学研协同”课程模式旨在通过与产业界合作，将课堂学习与实际经验相结合，提升学生的就业竞争力。因此，课程特别强调实际问题的应用案例，学生将学会如何将数据结构和算法应用于实际工程领域。通过项目作业，学生将有机会设计和优化复杂的实际数据结构算法，培养他们的问题解决和创新能力。其总体思路如图1所示，主要包含四个阶段：（1） 课程设计和内容更新；（2） 跨学科整合；（3） 项目驱动学习；（4） 多元考核。

2.1 数据结构与算法的课程设计与内容更新

探索产业界与课程的交叉融合机制，重构实践教学体系。通过参与学术研究、与产业界保持联系，了解数据结构和算法领域的最新发展，挖掘产业界内数据结构与算法的实践案例。制定课程更新的周期，通常每两学年进行一次全面课程更新。根据当前计算机技术发展潮流，定期审查课程的实验内容，删除过时的知识点，添加新的内容，以确保课程与最新技术和方法保持一致。

2.2 跨学科整合

将数据结构与算法课程与多个学科领域的知识相融合，能够帮助学生更深入地理解并有效应对实际场景中的复杂挑战，增强其创新能力和职业竞争力，同时使课程内容更加契合产业需求。跨学科整合的关键在于跨学科课程的设计和跨学科团队的构建。

在跨学科课程设计方面，需要结合数据结构与算法的特点，引入其他学科的知识。例如，结合数学中的图论、统计学中的数据分析方法、生物信息学中的序列比对算法等，拓展学生的知识面，增强学生解决复杂问题的能力。在跨学科团队建设方面，由计算机科学、数学、生物信息学、经济学等不同领域的教师组成的跨学科教学团队。通过跨学科团队的协作，设计和实施跨学科教学活动，确保教学内容的多样性和前沿性。同时，跨学科团队的建设也有助于教师之间的交流与合作，共同提升教学水平。

2.3 项目驱动学习体系建立

通过组织学生参与跨学科项目，实施项目驱动学习，促进跨学科知识的深度整合。这类项目不仅强化了学生设计数据结构与算法方面的能力，还能够提升他们将理论知识应用于不同领域的综合能力。项目驱动学习体系的建立包括：校企项目的引入和项目驱动学习。

（1） 校企项目的引入

以新工科产业发展需求为导向，专业人才培养应重新定位企业在教育实践环节中的角色，摆脱其附属地位，充分整合企业的优质平台、资金、服务等育人资源，赋予企业在协同育人中的核心作用。通过拓宽企业在专业知识结构和知识层次上的合作边界，构建“资源整合、优势互补”的企业优质实践教学资源汇聚机制，实现产学研深度融合。

（2） 项目驱动学习

通过与企业合作，引入企业的开发项目和案例，使学生能够在解决实际问题的过程中，加强算法设计、程序实现和团队合作的能力。例如，引入工业生产个性化定制的实践案例，从生产信息管理、定制需求资源匹配、最优生产商推荐等流程，让学生深入理解数据结构与算法在复杂应用场景中的实际运用。因此，企业可以提供项目需求，学校负责组织学生团队开发，并提供技术支持和指导。这样，学生不仅能够掌握数据结构与算法的基本知识，还能了解实际项目的开发流程和技术难点。

2.4 多元考核方案

数据结构与算法课程考核总评成绩由平时成绩（包括课堂表现、小组合作情况、作业成绩、实验成绩）和期末成绩组成，平时成绩占总评的30%（包括小组合作5%、作业10%，实验成绩占总评的15%），期末考试卷面成绩占总评成绩的70%。其中，课程中的所有实验均来自企业的实际案例。

课堂表现包括课堂的到课率、课堂回答问题的积极性等。小组合作情况包括实验作业的合理分工、团队目标的达成情况以及团队成员的协作能力。平时作业用于考查学生对课堂理论知识的掌握程度，通过PTA平台发布，学生需在规定时间内完成答题，结束后平台会自动评分。实验成绩则结合企业的实际案例，由企业导师进行评分，包括实验完成度、创新性等方面。期末考试计划采用无纸化线上考试系统，除传统的选择题和填空题外，还将增加算法程序题的比重，进一步强化学生在数据结构实际应用方面的能力。

产学研协同模式下的数据结构与算法课程评价具有多维度综合评价、突出创新能力、强调团队合作及完善反馈机制等特点。多维度综合评价不仅关注学生对数据结构与算法理论知识的掌握，还注重其实践能力的提升，通过实际项目案例的完成度、功能实现以及创新性来评估学生的学习效果和应用能力。创新能力的评价侧重学生在项目中的创意、创新思维及独特解决方案的提出，鼓励技术突破与方法创新。团队合作则通过团队项目中的协作情况、任务分配和沟通协调能力来衡量，进而评估学生的合作精神。最后，结合学校教师、企业导师的多方反馈，进行综合性评价，确保全面反映学生的成长与发展。

3 结束语

产学研协同教学模式为数据结构与算法课程的教学提供了新的思路和方法。通过理论与实践的结合、校企合作项目的引入，有效提升了学生的综合素质和创新能力，促进了校企合作，推动了科技进步和产业发展。此外，跨学科整合的引入，为培养复合型人才提供了更加广阔的空间。未来，应该进一步深化和完善这一模式，积累经验，不断创新，为计算机专业的人才培养提供更加优质的教育。同时，探索如何将该模式推广应用到其他领域的学科课程。

参考文献：

[1] 刘莞玲，吴英杰，傅仰耿，等.新工科背景下算法与数据结构实践教学改革探索[J].计算机教育，2021（7）：73-76.

[2] 张冰涛，王小鹏，王履程，等.基于工程认证的数据结构与算法课程教学研究[J].软件导刊，2019，18（1）：201-204.

[3] 屈卫兰，李晓鸿，杨晓波，等.基于“六维融合创新教学闭环” 的数据结构试验教学改革与实践[J].计算机教育，2021（4）：77-81.

[4] 司明，厍向阳，李占利，等.突出计算思维训练的数据结构教学实践[J].实验室研究与探索，2018，37（5）：195-201.

[5] 徐新爱，朱恩芳.数据结构课程实践教学改革探索与实践[J]. 实验室研究与探索，2021，40（9）：186-192.

[6] 司国东，彭利民，张义青.认知负荷视角下的数据结构实验题库设计[J].计算机教育，2023（4）：173-176.

[7] 李娟，孙方，张冰心.混合教学模式下数据结构课程教学改革与实践[J].软件导刊，2023，22（6）：129-134.

[8] HAN J Q.The online and offline blended teaching reform and exploration of Internet of Things technology and application[J].Higher Education Research，2022，7（4）：100-103.

[9] PENG Y X. Thoughts on carrying out online and offline hybrid reform in colleges and universities[J]. International Journal of Computational and Engineering， 2022， 7（2）：17-21.

[10] WANF C X， HOU H L. Research and practice of online and offline blended teaching mode[J]. Computer Era， 2022（3）：107-109.

[11] 余军霞，董永权.OBE课程教学设计与实践：以数据结构与算法课程为例[J].软件导刊，2021，20（10）：219-224.

[12] 吴洁明，万励，甘金明，等.应用型软件工程人才培养产学研一体化实训体系建设探索：以梧州学院软件工程人才培养为例[J].梧州学院学报，2012，22（2）：81-86.

[13] 张迪，杨守斌.基于产学研一体化的计算机专业人才培养模式[J].计算机教育，2013（16）：15-18.

[14] JIANG T T. Research on the model and operation mechanism of university-industry collaboration[J]. China University Tech⁃nology， 2017（6）：61-63.

[15] 单纯，周斯译，刘晓初.计算机研究生问题导向式产学研协同创新育人探究[J].软件导刊，2022，21（12）：232-237.

【通联编辑：王力】

基金项目：教育部产学合作协同育人项目（231002267113148） ；国家自然科学基金（62402415） ；扬州大学本科教育教学改革“揭榜挂帅”项目（YZUJX2023—J7）