论文部分内容阅读
摘 要：随着大数据与智能技术的快速发展，各高校开设了数据科学与大数据技术专业，该专业的人才培养模式成了教育研究热点。本文分析了河北工程技术院校基于校企协同育人模式下的数据科学与大数据专业目前存在的教学现状，并给出了数据科学与大数据专业的专业人才培养目标、专业课程以及实践教学课程的设置情况。
关键词：数据科学与大数据技术;校企协同育人;人才培养方案;实践教学
1 概述
数据科学与大数据技术专业是“新工科”专业，该专业的人才培养目标要紧跟社会需求，高校的办学条件要紧跟专业人才培养目标。河北工程技术学院属于民办高校，该校于2018年开设数据科学与大数据技术专业（以下简称大数据专业），该专业具备基本的教学所需软硬件条件。学校为了提升办学水平，培养满足符合社会需求的大数据专业人才，急需提升教师教学水平和专业教学所需的软硬件条件。与此同时，企业需要大量的满足企业需求的大数据专业人才，需要大学生在毕业时就具备企业所需的大数据知识和实践能力，而学校教育在一定程度上对学生实践能力的培养较少，不能满足企业需求。校企协同育人模式恰好迎合了学校和企业的共同需求，能够从一定程度上解决大数据专业教学所需的师资、教学软硬件和专业实践等问题，校企协同育人模式也就成为了解决大数据专业建设的一条出路。
2 现状分析
基于校企合作的大数据专业人才培养过程，一定是要充分利用企业现有的师资条件和技术条件，将企业的大数据技术融入到大数据专业教学内容中。如果企业不提供师资与技术，那么，大数据专业建设的校企协同育人模式将失去意义。因此，企业投入师资和技术，是校企协同育人模式要解决的第一个问题，是一个根本问题，是一个非常重要的问题，是一个决定了校企协同育人模式下的大数据专业建设能否成功的问题！民办高校与企业往往从自身的利益出发，不能彻底解决资金投入、企业师资等问题，导致大数据专业在实际教学过程中出现企业师资不到位、教学内容无法贴近工程实际等现象。要解决这个现状，首先学校和企业双方要在校企合作之前，就要充分意识到校企合作的目的是培养符合社会需要的大数据人才，要本着对教育负责、对学生负责的态度建立合作。企业在对高校教学和管理规律不了解的情况下，需要听取学校意见，在学校的协助下，对大数据专业“企业班”教学计划进行合理的安排和调整。学校在选择专业建设合作企业之初，就要充分考察企业参与合作的目的，充分考虑企业参与教育合作的能力，这种能力不仅仅是企业的资金投入能力，还有企业对教育投入的师资能力。学校对于企业提出的诉求，特别是实验室建设、软件投入等问题上，在合理的范围内可以给予积极的配合和协调。校企双方，要在相互理解的基础上，积极推进大数据专业的专业建设。
在解决了上述根本问题之后，要面对的是企业师资如何对接学校师资，教学实践如何贴近实际所需等具体问题。解决这些问题，要以人才培养目标为依据，建立系统化的课程体系，要充分利用企业师资和学校师资的各自优势，建立合理有效的实践教学环节，要充分发挥企业实践教学基地的作用。一方面，大数据专业是一个全新的专业，高校在开展大数据专业建设时，缺少专业建设参考和依据;另一方面，企业没有培养大数据人才的教育经验，这两方面共同导致了大数据专业的校企合作存在各种困难。
3 人才培养方案
3.1 人才培养目标
大数据专业的实践教学要为人才培养目标服务，要紧贴大数据人才的岗位需求。因此，要首先制定合理的人才培养目标。校企协同育人模式下的数据科学与大数据技术人才培养目标为：
培养拥护党的基本路线，德智体美劳全面发展，适应京津冀地区经济社会发展需要的，具有数学与自然科学基础知识，系统掌握数据科学与大数据技术的基础理论、基本技术，具有较高的文化素养和职业素质，知识、能力和素质协调发展的，能够胜任大数据科研、开发与分析等工作的具有系统思维、工程实践、创新意识和团队合作能力的高等工程的应用型技术技能型人才。
预期五年以上的毕业生：
（1）有良好的职业精神、合作精神、创新创业精神和社会责任感;
（2）具有运行、维护、管理大数据系统的能力，并能够综合考虑经济、环境、法律、安全、健康、伦理等方面的影响因素;
（3）具有扎实的专业理论与实践能力，并有良好的人文素养、社会责任感和工程职业道德，能够从事数据采集与分析工作;
（4）具有较强创新能力，能够从事数据采集与分析系统的开发、测试工作;
（5）具有团队合作、沟通和项目管理能力，能够组织和协调团队成员进行系统设计和开发;
（6）具有较强的学习能力，能够通过终身学习渠道提升自我能力，适应职业发展。
3.2 人才培养规格
本专业毕业生应获得以下几方面的知识、能力和素质：
3.2.1知识结构
（1）自然科学知识：具有从事专业相关的项目工作所需的数学、物理等基础知识;
（2）学科基础知识：具有扎实的计算机基础知识、信息处理方法，统计分析，软件开发等相关学科的基本理论和基本知识;
（3）专业知识：熟悉大数据技术领域的基本理论和基本知识，熟练掌握相关数据库原理与应用、大数据技术框架、数据挖掘技术、数据可视化技术、大数据编程技术等专业知识;
3.2.2能力結构
（1）学习能力：能够熟练阅读英文的专业科技文献，具备运用英语进行沟通和交流的能力，而且具备运用计算机及信息网络辅助获取大数据行业相关技术的能力;
（2）分析和解决问题的能力：具有大数据行业领域一定的科学研究能力、大数据相关软件产品的应用、开发能力、大数据系统分析、设计、测试、部署以及维护和管理能力; （3）程序设计与实现能力：掌握结构化程序设计和面向对象程序设计的基本思想、方法和技巧，具备高级语言编程解决行业应用实际问题的能力;
（4）数据预处理、分析与应用能力：掌握数据预处理、数据清洗、融合、数据分析等关键技术。具备利用各种大数据行业工具，对行业海量数据和信息进行分析并处理，实现智能化的决策和控制的能力;
（5）项目管理能力：了解相关的技术标准，具有数据处理、分析和应用、呈现等技术应用技能，具备大数据项目的组织与管理能力;
（6）合作与沟通能力：具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力。
3.3 职业岗位要求
根据企业需求，制定如下的岗位及要求：
3.3.1大数据开发工程师
对大数据系统、分布式服务系统有一定了解;拥有扎实的编程能力，熟练掌握常见数据结构，掌握Java/Python语言和常用框架，了解多线程、异步通信处理等;熟悉Linux/Unix、Windows操作系统，能够在其环境上开发、部署和调试;熟练掌握常见SQL、NoSQL数据库原理、数据库设计、查询编写与优化;熟悉Resin、Tomcat、JBoss、WebLogic其中至少一个应用服务器;较好的C++语言基础;熟练使用MFC或QT开发应用程序，熟练掌握串口通信、Socket通信机制;熟悉Windows消息机制或QT信号槽机制;熟悉进程通信，多线程编程及并发同步控制等技术;熟悉大数据处理相关技术，Hadoop、Spark、HBase等。
3.3.2数据分析师
具有数理统计基础，熟练使用主流的数据挖掘（或统计分析）工具如SPSS等。对于所在行业有关的一切核心数据有深入的理解，以及一定的数据敏感性。
3.3.3大数据测试工程师
熟悉软件测试的基础理论，熟悉软件测试规范标准，掌握一般软件功能测试和性能测试的方法和技能，能够完成软件程序的测试工作;熟悉软件工程相关理论，软件测试流程和规范，熟悉常用的测试工具;良好的文档编写基础，能编制测试计划、测试方案/用例、测试总结报告。
3.3.4大数据实施工程师
精通局域网的维护及网络安全知识，可熟练进行局域网的搭建和网络设备的基本维护和故障处理;丰富的Linux系统维护经验，熟练掌握Linux环境下Nginx、Tomcat等各种应用的配置、优化;熟练使用高可用架构和负载均衡软件，熟悉监控系统;熟练掌握Oracle数据库的安装、配置、调优。
4 教学计划
4.1 专业课程教学计划
根据企业岗位需求，编写了人才培养方案，对开设课程进行论证分析。专业课程分为专业基础课、专业课和专业选修课，以及专业方向选修课。
4.1.1专业基础课
数据科学与大数据技术导论、文献检索与论文写作、C语言程序设计、数字电路技术、网页设计基础、数据结构、面向对象程序设计、Python程序设计、计算机组成原理、数据库原理与Oracle应用、离散数学。
4.1.2专业必修课
Java Web开发、Linux操作系统、J2EE框架、大数据技术基础（Hadoop）、计算机网络与云计算、大数据平台实施基础、软件项目管理、软件需求管理、电子政务基础、民政大数据项目开发。
4.1.3专业方向选修课
（1）大数据开发方向： 数据采集与网络爬虫、大数据可视化技术、大数据分析技术、大数据软件评测基础、大数据开发技术（spark）、大数据企业级应用开发、大数据软件测试、大数据产品运维、大数据系统安全。
（2）数据挖掘与智能分析方向： C++程序设计、统计学基础、数学模型、计算理论、时间序列与空间统计、计算机视觉、自然语言处理、人工智能、神经网络与深度学习、数据挖掘。
4.2 实践教学环节
在校企协同育人培养模式下，在企业对大数据人才专业技能的实际需求下，专业实训、毕业实习、毕业设计占据了较多的集中实践学分，这也充分体现了校企合作下注重实践教学的特点。学生在进行专业实训等实践环节时，由企业指导老师进行全程的教学和指导，将企业真实项目用于实践教学，从而提升学生的实践能力，提高教学质量。因此，在专业教学相关的集中实践环节中，充分体现了企业师资的优势，也是企业较为重视的教学环节。
课程实验是构成实践教学内容的另一部分。学生学习专业课程时，通过大量的课程实验来巩固和加深所学知识，为今后的专业实训等集中实践打下知识基础。有了知识基础，才能在专业的集中教学环节中发挥所学知识，达到进一步提高专业技能的目的。但是，在实际的教学过程中，企业往往不愿意在专业课程的教学中投入师资和精力，这些重要的专业课程的教学任务往往由高校教师承担。高校教师有较好的教学能力，具有一定的教学经验，但缺少实践经验，教学内容脱离企业实际需求。高校教师设计的课程实验内容大多还是处于理论验证的层面，实验内容不能提升到实际项目的高度，甚至有些企业真实项目所需的知识要点，不能在课程的讲授和实验中出现。这就会导致学生在进行专业实训等集中实践时，出现知识缺失的现象，导致企业教师在指导学生进行项目实践时，还需要教授学生一些基础知识的现象。解决这个问题的根本，就是企业教师要参与到课程教学中，企业教师要与高校教师一起探讨课程内容，共同制定课程实验内容，并将课程知识点与人才培养中的能力要求紧密对接。
4.3 建立教学监控体系
建立校级领导、教师同行和学生三层教学监控体系。校级领导从专业人才培养方案的制定到企业师资投入等方面进行督导，对校企合作模式下的专业建设进行督促。教师同行利用听课等方式，对教学过程进行监督，对任课教师的教学手段和教学方法提出改进的意见和建议。学生要监控任课教师的在课堂上的言行，要及时反馈学习效果，教师依据学生学习效果进行教学改进。
5 总结
本文对某高校的校企协同育人模式下的数据科学与大数据技术专业实践教学体系进行了探讨。指出了目前专业建设中存在的问题，给出了人才培养目标和能力要求，提出了人才培养目标、专业课程设置以及实践教学内容等。在实际教学中，还需要与实际结合，不断完善和修改实践教学体系中的各项内容，不断加深校企合作的深度和广度，以期将大数据专业建设成具有特色的省级、国家级一流专业。
参考文献
项目基金：2019-2020年度河北省高等教育教学改革研究与实践项目课题《校企协同育人模式下的数据科学与大数据技术专业实践教学体系研究》（课题编号：2019GJJG645）研究成果
作者简介：张微微（1980-），女，汉族，河北邯郸人，硕士，副教授，研究方向：大数据与人工智能。
关键词：数据科学与大数据技术;校企协同育人;人才培养方案;实践教学
1 概述
数据科学与大数据技术专业是“新工科”专业，该专业的人才培养目标要紧跟社会需求，高校的办学条件要紧跟专业人才培养目标。河北工程技术学院属于民办高校，该校于2018年开设数据科学与大数据技术专业（以下简称大数据专业），该专业具备基本的教学所需软硬件条件。学校为了提升办学水平，培养满足符合社会需求的大数据专业人才，急需提升教师教学水平和专业教学所需的软硬件条件。与此同时，企业需要大量的满足企业需求的大数据专业人才，需要大学生在毕业时就具备企业所需的大数据知识和实践能力，而学校教育在一定程度上对学生实践能力的培养较少，不能满足企业需求。校企协同育人模式恰好迎合了学校和企业的共同需求，能够从一定程度上解决大数据专业教学所需的师资、教学软硬件和专业实践等问题，校企协同育人模式也就成为了解决大数据专业建设的一条出路。
2 现状分析
基于校企合作的大数据专业人才培养过程，一定是要充分利用企业现有的师资条件和技术条件，将企业的大数据技术融入到大数据专业教学内容中。如果企业不提供师资与技术，那么，大数据专业建设的校企协同育人模式将失去意义。因此，企业投入师资和技术，是校企协同育人模式要解决的第一个问题，是一个根本问题，是一个非常重要的问题，是一个决定了校企协同育人模式下的大数据专业建设能否成功的问题！民办高校与企业往往从自身的利益出发，不能彻底解决资金投入、企业师资等问题，导致大数据专业在实际教学过程中出现企业师资不到位、教学内容无法贴近工程实际等现象。要解决这个现状，首先学校和企业双方要在校企合作之前，就要充分意识到校企合作的目的是培养符合社会需要的大数据人才，要本着对教育负责、对学生负责的态度建立合作。企业在对高校教学和管理规律不了解的情况下，需要听取学校意见，在学校的协助下，对大数据专业“企业班”教学计划进行合理的安排和调整。学校在选择专业建设合作企业之初，就要充分考察企业参与合作的目的，充分考虑企业参与教育合作的能力，这种能力不仅仅是企业的资金投入能力，还有企业对教育投入的师资能力。学校对于企业提出的诉求，特别是实验室建设、软件投入等问题上，在合理的范围内可以给予积极的配合和协调。校企双方，要在相互理解的基础上，积极推进大数据专业的专业建设。
在解决了上述根本问题之后，要面对的是企业师资如何对接学校师资，教学实践如何贴近实际所需等具体问题。解决这些问题，要以人才培养目标为依据，建立系统化的课程体系，要充分利用企业师资和学校师资的各自优势，建立合理有效的实践教学环节，要充分发挥企业实践教学基地的作用。一方面，大数据专业是一个全新的专业，高校在开展大数据专业建设时，缺少专业建设参考和依据;另一方面，企业没有培养大数据人才的教育经验，这两方面共同导致了大数据专业的校企合作存在各种困难。
3 人才培养方案
3.1 人才培养目标
大数据专业的实践教学要为人才培养目标服务，要紧贴大数据人才的岗位需求。因此，要首先制定合理的人才培养目标。校企协同育人模式下的数据科学与大数据技术人才培养目标为：
培养拥护党的基本路线，德智体美劳全面发展，适应京津冀地区经济社会发展需要的，具有数学与自然科学基础知识，系统掌握数据科学与大数据技术的基础理论、基本技术，具有较高的文化素养和职业素质，知识、能力和素质协调发展的，能够胜任大数据科研、开发与分析等工作的具有系统思维、工程实践、创新意识和团队合作能力的高等工程的应用型技术技能型人才。
预期五年以上的毕业生：
（1）有良好的职业精神、合作精神、创新创业精神和社会责任感;
（2）具有运行、维护、管理大数据系统的能力，并能够综合考虑经济、环境、法律、安全、健康、伦理等方面的影响因素;
（3）具有扎实的专业理论与实践能力，并有良好的人文素养、社会责任感和工程职业道德，能够从事数据采集与分析工作;
（4）具有较强创新能力，能够从事数据采集与分析系统的开发、测试工作;
（5）具有团队合作、沟通和项目管理能力，能够组织和协调团队成员进行系统设计和开发;
（6）具有较强的学习能力，能够通过终身学习渠道提升自我能力，适应职业发展。
3.2 人才培养规格
本专业毕业生应获得以下几方面的知识、能力和素质：
3.2.1知识结构
（1）自然科学知识：具有从事专业相关的项目工作所需的数学、物理等基础知识;
（2）学科基础知识：具有扎实的计算机基础知识、信息处理方法，统计分析，软件开发等相关学科的基本理论和基本知识;
（3）专业知识：熟悉大数据技术领域的基本理论和基本知识，熟练掌握相关数据库原理与应用、大数据技术框架、数据挖掘技术、数据可视化技术、大数据编程技术等专业知识;
3.2.2能力結构
（1）学习能力：能够熟练阅读英文的专业科技文献，具备运用英语进行沟通和交流的能力，而且具备运用计算机及信息网络辅助获取大数据行业相关技术的能力;
（2）分析和解决问题的能力：具有大数据行业领域一定的科学研究能力、大数据相关软件产品的应用、开发能力、大数据系统分析、设计、测试、部署以及维护和管理能力; （3）程序设计与实现能力：掌握结构化程序设计和面向对象程序设计的基本思想、方法和技巧，具备高级语言编程解决行业应用实际问题的能力;
（4）数据预处理、分析与应用能力：掌握数据预处理、数据清洗、融合、数据分析等关键技术。具备利用各种大数据行业工具，对行业海量数据和信息进行分析并处理，实现智能化的决策和控制的能力;
（5）项目管理能力：了解相关的技术标准，具有数据处理、分析和应用、呈现等技术应用技能，具备大数据项目的组织与管理能力;
（6）合作与沟通能力：具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力。
3.3 职业岗位要求
根据企业需求，制定如下的岗位及要求：
3.3.1大数据开发工程师
对大数据系统、分布式服务系统有一定了解;拥有扎实的编程能力，熟练掌握常见数据结构，掌握Java/Python语言和常用框架，了解多线程、异步通信处理等;熟悉Linux/Unix、Windows操作系统，能够在其环境上开发、部署和调试;熟练掌握常见SQL、NoSQL数据库原理、数据库设计、查询编写与优化;熟悉Resin、Tomcat、JBoss、WebLogic其中至少一个应用服务器;较好的C++语言基础;熟练使用MFC或QT开发应用程序，熟练掌握串口通信、Socket通信机制;熟悉Windows消息机制或QT信号槽机制;熟悉进程通信，多线程编程及并发同步控制等技术;熟悉大数据处理相关技术，Hadoop、Spark、HBase等。
3.3.2数据分析师
具有数理统计基础，熟练使用主流的数据挖掘（或统计分析）工具如SPSS等。对于所在行业有关的一切核心数据有深入的理解，以及一定的数据敏感性。
3.3.3大数据测试工程师
熟悉软件测试的基础理论，熟悉软件测试规范标准，掌握一般软件功能测试和性能测试的方法和技能，能够完成软件程序的测试工作;熟悉软件工程相关理论，软件测试流程和规范，熟悉常用的测试工具;良好的文档编写基础，能编制测试计划、测试方案/用例、测试总结报告。
3.3.4大数据实施工程师
精通局域网的维护及网络安全知识，可熟练进行局域网的搭建和网络设备的基本维护和故障处理;丰富的Linux系统维护经验，熟练掌握Linux环境下Nginx、Tomcat等各种应用的配置、优化;熟练使用高可用架构和负载均衡软件，熟悉监控系统;熟练掌握Oracle数据库的安装、配置、调优。
4 教学计划
4.1 专业课程教学计划
根据企业岗位需求，编写了人才培养方案，对开设课程进行论证分析。专业课程分为专业基础课、专业课和专业选修课，以及专业方向选修课。
4.1.1专业基础课
数据科学与大数据技术导论、文献检索与论文写作、C语言程序设计、数字电路技术、网页设计基础、数据结构、面向对象程序设计、Python程序设计、计算机组成原理、数据库原理与Oracle应用、离散数学。
4.1.2专业必修课
Java Web开发、Linux操作系统、J2EE框架、大数据技术基础（Hadoop）、计算机网络与云计算、大数据平台实施基础、软件项目管理、软件需求管理、电子政务基础、民政大数据项目开发。
4.1.3专业方向选修课
（1）大数据开发方向： 数据采集与网络爬虫、大数据可视化技术、大数据分析技术、大数据软件评测基础、大数据开发技术（spark）、大数据企业级应用开发、大数据软件测试、大数据产品运维、大数据系统安全。
（2）数据挖掘与智能分析方向： C++程序设计、统计学基础、数学模型、计算理论、时间序列与空间统计、计算机视觉、自然语言处理、人工智能、神经网络与深度学习、数据挖掘。
4.2 实践教学环节
在校企协同育人培养模式下，在企业对大数据人才专业技能的实际需求下，专业实训、毕业实习、毕业设计占据了较多的集中实践学分，这也充分体现了校企合作下注重实践教学的特点。学生在进行专业实训等实践环节时，由企业指导老师进行全程的教学和指导，将企业真实项目用于实践教学，从而提升学生的实践能力，提高教学质量。因此，在专业教学相关的集中实践环节中，充分体现了企业师资的优势，也是企业较为重视的教学环节。
课程实验是构成实践教学内容的另一部分。学生学习专业课程时，通过大量的课程实验来巩固和加深所学知识，为今后的专业实训等集中实践打下知识基础。有了知识基础，才能在专业的集中教学环节中发挥所学知识，达到进一步提高专业技能的目的。但是，在实际的教学过程中，企业往往不愿意在专业课程的教学中投入师资和精力，这些重要的专业课程的教学任务往往由高校教师承担。高校教师有较好的教学能力，具有一定的教学经验，但缺少实践经验，教学内容脱离企业实际需求。高校教师设计的课程实验内容大多还是处于理论验证的层面，实验内容不能提升到实际项目的高度，甚至有些企业真实项目所需的知识要点，不能在课程的讲授和实验中出现。这就会导致学生在进行专业实训等集中实践时，出现知识缺失的现象，导致企业教师在指导学生进行项目实践时，还需要教授学生一些基础知识的现象。解决这个问题的根本，就是企业教师要参与到课程教学中，企业教师要与高校教师一起探讨课程内容，共同制定课程实验内容，并将课程知识点与人才培养中的能力要求紧密对接。
4.3 建立教学监控体系
建立校级领导、教师同行和学生三层教学监控体系。校级领导从专业人才培养方案的制定到企业师资投入等方面进行督导，对校企合作模式下的专业建设进行督促。教师同行利用听课等方式，对教学过程进行监督，对任课教师的教学手段和教学方法提出改进的意见和建议。学生要监控任课教师的在课堂上的言行，要及时反馈学习效果，教师依据学生学习效果进行教学改进。
5 总结
本文对某高校的校企协同育人模式下的数据科学与大数据技术专业实践教学体系进行了探讨。指出了目前专业建设中存在的问题，给出了人才培养目标和能力要求，提出了人才培养目标、专业课程设置以及实践教学内容等。在实际教学中，还需要与实际结合，不断完善和修改实践教学体系中的各项内容，不断加深校企合作的深度和广度，以期将大数据专业建设成具有特色的省级、国家级一流专业。
参考文献
- 孙青.独立学院大数据专业人才培养体系建设探讨[J].电脑知识与技术， 2020，16（13）： 108-109+114.
- 曾毅.大數据时代基于产学合作协同育人平台的计算机专业人才培养方案设计[J].计算机教育， 2020（04）： 51-55.
项目基金：2019-2020年度河北省高等教育教学改革研究与实践项目课题《校企协同育人模式下的数据科学与大数据技术专业实践教学体系研究》（课题编号：2019GJJG645）研究成果
作者简介：张微微（1980-），女，汉族，河北邯郸人，硕士，副教授，研究方向：大数据与人工智能。