论文部分内容阅读
[摘 要] 大数据不仅给社会带来海量的信息资源，同时也点燃了数据科学研究和人才培养的引擎。结合移动通信与金融行业的招聘案例，针对高校数学与信息交叉专业人才培养给出一些探讨：传统数学教学模式的转变、基于双导师或多导师的复合型人才培养模式和依托高校产学研基地的委托人才培养模式。
[关 键 词] 大数据;高校;数学专业;培养人才策略
[中图分类号] G645 [文献标志码] A [文章编号] 2096-0603（2019）28-0130-02
习近平总书记在十八届中央政治局第九次集体学习的讲话中指出：人才资源是第一资源，也是创新活动中最活跃、最为积极的因素。大数据作为信息化新时代的标志，点燃了产业界对数据人才以及数据科学研究极大需求的引擎。于是，高校作为人才输送和培养的集结地，如何紧跟技术发展的步伐，培养新时代所需的人才成为教育工作者值得思考的问题。
众所周知，数学与信息科学相互影响，相互促进。20世纪，哥德尔、图灵、冯·诺依曼和香农等众多数学家进行基础研究工作，促使数学在信息与计算科学领域的创新发展。其中，数学演算所体现的辩证统一特征为信息科学与技术提供了强大的理论支撑。于是，21世纪信息技术得到了突飞猛进的发展，比如大数据、人工智能、5G、移动互联网以及云计算等朝阳产业，其背后就是数学在做支撑。因此，这也就为数学与信息交叉学科人才培养提出新的发展需求。
目前，移动通信与大数据分析技术的联系越来越紧密。比如，高效收集和管理用户资料、存储和处理巨量分散的信息和数据以及快速有效实现高层面上的信息语义解释等任务全部依赖于这项技术。因此，通讯行业提出的用人要求是：具备良好的应用数学和统计学背景、具有独立获取海量信息的能力、具有分析海量数据、预测和优化选择的能力等。很明显，通讯行业要求的大数据创新人才必须对数学、统计学和信息处理等多门学科具有广泛了解，同时要具备优秀的自我学习能力、操作能力，能够在工作中不断创新，并且与所在团队积极协作。
另外，银行金融业对大数据分析技术的依赖程度也很高。由于数不胜数的商业活动，银行金融机构通常拥有庞大的数据。面对这些海量数据，如何充分有效地利用大数据分析技术，获取其中蕴藏的巨大实际价值，已经成为银行金融业所面临的主要任务。因此，银行金融业在招聘时对应聘者提出的要求是：具备大数据挖掘技术能力、具备对多源数据实现快速高效分析和处理的能力、具备数据转换为经济效益的能力和具备依托数据分析，提升决策者的判断方向，为企业降低投资风险的能力等。事实上，上述提到的数据分析和挖掘技术离不开数学建模，而在建模过程中，专业人才必须具备良好的线性代数、泛函分析和统计学基础。
综上所述，在基于数学与信息交叉学科的人才培养中，我们应该引入数据挖掘、人工智能、统计分析、聚类分类、识别追踪、顺序排列、回归计算、模式识别、神经元网络等应用型前沿理论与算法，学以致用，让学生在学习数学基础知识的过程中，明白相应的应用背景。另外，针对具体的实际问题，引导学生主动思考，积极寻找数学课程与信息交叉学科课程的共同切入点，给出实际问题基于数学理论建模的精辟阐述，从而使学生具备从错综复杂的表象中形成简明数学逻辑的能力。具体的实施环节主要包括以下几个方面。
一、传统数学学科建设的改变
科学技术是第一生产力，是先进生产力的集中体现和主要标志。21世紀，新技术革命异军突起，促使诸多交叉领域突破接踵而至。其中，数据科学和技术发展方兴未艾，并迅速成为社会经济持续增长的主要因素。国务院颁布的《国家中长期科学和技术发展规划纲要
（2006—2020）》明确指出：信息产业、信息技术、交叉学科、新兴学科和科学前沿问题等重点领域都涉及核心数学及其在信息交叉领域的应用。这也就为数学与信息交叉学科的建设提出新的发展需求，即传统的数学理论和应用研究都应向着多元交叉的方向发展。
近年来，教育部明确提出了在高校开展自主设置二级学科博士、硕士学位点的实施意见，特别强调交叉学科的自主设置与调整，要求“拟设交叉学科应是跨学科门类或多个一级学科的交叉学科，其基础理论、研究方法已经超出一级学科的范围，并且由于研究对象的不同，将促进新的理论形成和发展或产生新的研究方法”。于是，这就进一步为数学与信息交叉学科的发展指明了方向，为人才培养给出了制度保障。
总之，数学必须遵循科学发展趋势和科技创新规律，丢掉学科割据，树立跨学科多元合作的新理念。而数学与信息学科间的交叉融合有利于打破思维定式，实现对未知领域的启迪和探索。
二、传统数学教学模式的改革
传统的教学模式主要是教师讲授，学生接受。在新的教学模式中，提倡以数学与信息交叉类项目任务为驱动，逐渐凸显学生自主学习和动手的教学模式。主要思路是：在低年级学懂弄通数学分析、高等代数、泛函分析、概率论与数理统计、常微分方程和线性代数等课程基本理论，在高年级通过“选讲课”“创新性短课”和“品牌通识课”强化这些基础理论知识在数学建模方面的应用。另外，将数理统计、几何多尺度分析、概率模型、数值分析、凸优化、矩阵论、机器学习、数据挖掘、信息抽取与集成及海量数据分析与挖掘等课程作为重要的专业必修课或选修课进行讲授。最后，聘请移动通讯行业或银行金融界相关领域的工程师和专家学者就大数据研究领域的实时动态为数学专业的学生开展一系列的专题讲座和“创新性短课”，从而提高学生的专业素养。此外，也可以结合双学位和辅修等策略，拓宽学生跨学科的思维和学术视野。 三、基于双导师或多导师的复合型人才培养模式
高校必须基于现实，着眼未来，制定符合自身特色的交叉学科人才培养方案。
一方面，打破和克服传统单一学科人才培养模式，同时还要防止和避免在交叉发展过程中丢掉本专业知识的科学化和系统性。另一方面，要建立良好的导师梯队，鼓励导师多元化，跨学科去培养人才。对数学与信息交叉学科的人才培养，应鼓励和提倡双导师或多导师体系。比如，以数学领域的老师为主，外配一名或多名信息领域的老师，实现多元交叉，跨越单一的数学与信息学科界限，对学生因材施教。此外，鼓励和提倡数学与信息学科的老师开展跨学科项目合作和资源共享。积极引导学生主持和参与导师负责下的交叉研究领域的相关课题，有目的地培养学生发现问题、分析问题和解决问题的能力，从而切实提高学生的创新能力。
另外，“复合型人才”指的是具有多学科思维的高层次人才，不是所有的学生都具备相应的条件。因此，这就需要课题组精挑细选，发掘优秀学生，将通识教育与宽口径专业教育有机融合，打破单科专业界限，精心培养，从而保证学生交叉学习能力和创新能力的切实提升。
四、依托产学研基地，实现企业委托人才培养
大数据时代，普通高等学校单枪匹马地培养交叉学科的人才往往事倍功半。因为所有大数据全部来源于特定行业，例如移动通信用户的姓名、年龄、号码及状态码等数据、金融企业中用户的交易数据和行为数据以及每日以超百万速度增长的网页内容。因此，依托企业在高校设立产学研基地是必要的。根据行业需求设置一些特殊课程，并要求该课程由产学研基地的合作单位提供。比如，开设实现抽象应用场景、搭建问题模型、分析案例、构建原型系统、评测结果等教学内容，让学生理论联系实践，从而更好地培养学生针对实际应用发现问题、分析问题、解决问题的能力。此外，针对不同的研究方向，设立可实习的岗位，让学生拥有实战的机会。
参考文献：
[1]彭长根，刘荣飞，李文情.数学与信息交叉的任务驱动式实验教学模式探索[J].高等理科教育，2014（1）：78-84.
[2]方世敏.新时期对大数据人才培养的思考及研究[J].经营管理者，2015（5）：419-420.
[3]黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛，2014（45）：201-203.
[4]黎春强.大数据在移动通讯中的应用[J].基层建设，2017（3）：1-2.
[5]高艳梅.大数据在银行业中的应用[J].环渤海经济瞭望，2018（6）：31.
[6]王立峰.高校交叉學科的人才培养与学术创新研究[J].教育理论，2015（7）：1-2.
[7]郑文涛.基于制度创新的高校交叉学科建设研究[J].科技管理研究，2009（8）.
[8]郑文涛.“双一流”背景下的高校交叉学科建设研究[J].首都师范大学学报（社会科学版），2018（1）：160-166.
◎编辑 马燕萍
[关 键 词] 大数据;高校;数学专业;培养人才策略
[中图分类号] G645 [文献标志码] A [文章编号] 2096-0603（2019）28-0130-02
习近平总书记在十八届中央政治局第九次集体学习的讲话中指出：人才资源是第一资源，也是创新活动中最活跃、最为积极的因素。大数据作为信息化新时代的标志，点燃了产业界对数据人才以及数据科学研究极大需求的引擎。于是，高校作为人才输送和培养的集结地，如何紧跟技术发展的步伐，培养新时代所需的人才成为教育工作者值得思考的问题。
众所周知，数学与信息科学相互影响，相互促进。20世纪，哥德尔、图灵、冯·诺依曼和香农等众多数学家进行基础研究工作，促使数学在信息与计算科学领域的创新发展。其中，数学演算所体现的辩证统一特征为信息科学与技术提供了强大的理论支撑。于是，21世纪信息技术得到了突飞猛进的发展，比如大数据、人工智能、5G、移动互联网以及云计算等朝阳产业，其背后就是数学在做支撑。因此，这也就为数学与信息交叉学科人才培养提出新的发展需求。
目前，移动通信与大数据分析技术的联系越来越紧密。比如，高效收集和管理用户资料、存储和处理巨量分散的信息和数据以及快速有效实现高层面上的信息语义解释等任务全部依赖于这项技术。因此，通讯行业提出的用人要求是：具备良好的应用数学和统计学背景、具有独立获取海量信息的能力、具有分析海量数据、预测和优化选择的能力等。很明显，通讯行业要求的大数据创新人才必须对数学、统计学和信息处理等多门学科具有广泛了解，同时要具备优秀的自我学习能力、操作能力，能够在工作中不断创新，并且与所在团队积极协作。
另外，银行金融业对大数据分析技术的依赖程度也很高。由于数不胜数的商业活动，银行金融机构通常拥有庞大的数据。面对这些海量数据，如何充分有效地利用大数据分析技术，获取其中蕴藏的巨大实际价值，已经成为银行金融业所面临的主要任务。因此，银行金融业在招聘时对应聘者提出的要求是：具备大数据挖掘技术能力、具备对多源数据实现快速高效分析和处理的能力、具备数据转换为经济效益的能力和具备依托数据分析，提升决策者的判断方向，为企业降低投资风险的能力等。事实上，上述提到的数据分析和挖掘技术离不开数学建模，而在建模过程中，专业人才必须具备良好的线性代数、泛函分析和统计学基础。
综上所述，在基于数学与信息交叉学科的人才培养中，我们应该引入数据挖掘、人工智能、统计分析、聚类分类、识别追踪、顺序排列、回归计算、模式识别、神经元网络等应用型前沿理论与算法，学以致用，让学生在学习数学基础知识的过程中，明白相应的应用背景。另外，针对具体的实际问题，引导学生主动思考，积极寻找数学课程与信息交叉学科课程的共同切入点，给出实际问题基于数学理论建模的精辟阐述，从而使学生具备从错综复杂的表象中形成简明数学逻辑的能力。具体的实施环节主要包括以下几个方面。
一、传统数学学科建设的改变
科学技术是第一生产力，是先进生产力的集中体现和主要标志。21世紀，新技术革命异军突起，促使诸多交叉领域突破接踵而至。其中，数据科学和技术发展方兴未艾，并迅速成为社会经济持续增长的主要因素。国务院颁布的《国家中长期科学和技术发展规划纲要
（2006—2020）》明确指出：信息产业、信息技术、交叉学科、新兴学科和科学前沿问题等重点领域都涉及核心数学及其在信息交叉领域的应用。这也就为数学与信息交叉学科的建设提出新的发展需求，即传统的数学理论和应用研究都应向着多元交叉的方向发展。
近年来，教育部明确提出了在高校开展自主设置二级学科博士、硕士学位点的实施意见，特别强调交叉学科的自主设置与调整，要求“拟设交叉学科应是跨学科门类或多个一级学科的交叉学科，其基础理论、研究方法已经超出一级学科的范围，并且由于研究对象的不同，将促进新的理论形成和发展或产生新的研究方法”。于是，这就进一步为数学与信息交叉学科的发展指明了方向，为人才培养给出了制度保障。
总之，数学必须遵循科学发展趋势和科技创新规律，丢掉学科割据，树立跨学科多元合作的新理念。而数学与信息学科间的交叉融合有利于打破思维定式，实现对未知领域的启迪和探索。
二、传统数学教学模式的改革
传统的教学模式主要是教师讲授，学生接受。在新的教学模式中，提倡以数学与信息交叉类项目任务为驱动，逐渐凸显学生自主学习和动手的教学模式。主要思路是：在低年级学懂弄通数学分析、高等代数、泛函分析、概率论与数理统计、常微分方程和线性代数等课程基本理论，在高年级通过“选讲课”“创新性短课”和“品牌通识课”强化这些基础理论知识在数学建模方面的应用。另外，将数理统计、几何多尺度分析、概率模型、数值分析、凸优化、矩阵论、机器学习、数据挖掘、信息抽取与集成及海量数据分析与挖掘等课程作为重要的专业必修课或选修课进行讲授。最后，聘请移动通讯行业或银行金融界相关领域的工程师和专家学者就大数据研究领域的实时动态为数学专业的学生开展一系列的专题讲座和“创新性短课”，从而提高学生的专业素养。此外，也可以结合双学位和辅修等策略，拓宽学生跨学科的思维和学术视野。 三、基于双导师或多导师的复合型人才培养模式
高校必须基于现实，着眼未来，制定符合自身特色的交叉学科人才培养方案。
一方面，打破和克服传统单一学科人才培养模式，同时还要防止和避免在交叉发展过程中丢掉本专业知识的科学化和系统性。另一方面，要建立良好的导师梯队，鼓励导师多元化，跨学科去培养人才。对数学与信息交叉学科的人才培养，应鼓励和提倡双导师或多导师体系。比如，以数学领域的老师为主，外配一名或多名信息领域的老师，实现多元交叉，跨越单一的数学与信息学科界限，对学生因材施教。此外，鼓励和提倡数学与信息学科的老师开展跨学科项目合作和资源共享。积极引导学生主持和参与导师负责下的交叉研究领域的相关课题，有目的地培养学生发现问题、分析问题和解决问题的能力，从而切实提高学生的创新能力。
另外，“复合型人才”指的是具有多学科思维的高层次人才，不是所有的学生都具备相应的条件。因此，这就需要课题组精挑细选，发掘优秀学生，将通识教育与宽口径专业教育有机融合，打破单科专业界限，精心培养，从而保证学生交叉学习能力和创新能力的切实提升。
四、依托产学研基地，实现企业委托人才培养
大数据时代，普通高等学校单枪匹马地培养交叉学科的人才往往事倍功半。因为所有大数据全部来源于特定行业，例如移动通信用户的姓名、年龄、号码及状态码等数据、金融企业中用户的交易数据和行为数据以及每日以超百万速度增长的网页内容。因此，依托企业在高校设立产学研基地是必要的。根据行业需求设置一些特殊课程，并要求该课程由产学研基地的合作单位提供。比如，开设实现抽象应用场景、搭建问题模型、分析案例、构建原型系统、评测结果等教学内容，让学生理论联系实践，从而更好地培养学生针对实际应用发现问题、分析问题、解决问题的能力。此外，针对不同的研究方向，设立可实习的岗位，让学生拥有实战的机会。
参考文献：
[1]彭长根，刘荣飞，李文情.数学与信息交叉的任务驱动式实验教学模式探索[J].高等理科教育，2014（1）：78-84.
[2]方世敏.新时期对大数据人才培养的思考及研究[J].经营管理者，2015（5）：419-420.
[3]黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛，2014（45）：201-203.
[4]黎春强.大数据在移动通讯中的应用[J].基层建设，2017（3）：1-2.
[5]高艳梅.大数据在银行业中的应用[J].环渤海经济瞭望，2018（6）：31.
[6]王立峰.高校交叉學科的人才培养与学术创新研究[J].教育理论，2015（7）：1-2.
[7]郑文涛.基于制度创新的高校交叉学科建设研究[J].科技管理研究，2009（8）.
[8]郑文涛.“双一流”背景下的高校交叉学科建设研究[J].首都师范大学学报（社会科学版），2018（1）：160-166.
◎编辑 马燕萍