论文部分内容阅读
【摘 要】本文论述数据科学与大数据技术专业的“五位一体”建设，通过分析数据科学与大数据技术专业在发展过程中存在的问题，提出了“五位一体”的专业建设模式，即“人才培养方案—— 师资队伍—— 实践教学体系—— 实习实训—— 就业基地”全方位一体化的建设思路。
【关键词】人才培养 师资队伍 实践教学 实习实训 就业基地
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2019）10C-0039-03
随着信息技术的发展、智能终端与移动互联网的普及以及5G技术的应用，人们在日常生产生活中繁衍出大量的数据。这些数据正在成为一种重要的战略性资源，为分析生产者与消费者的行为提供有效的依据，数据科学与大数据技术专业应运而生。从2016年第一批3所高校获批这个专业，到2019年第四批196所高校获批这个专业，短短的四年间共有479所高校获批建设该专业。数据科学与大数据技术专业正在以前所未有的速度向前发展。
众所周知，数据科学与大数据技术是融合了数学、统计学以及计算机等学科知识的新兴交叉学科，是一门实践性很强的专业。这对开设这个专业的高校在学科建设、师资队伍以及课程建设等方面都有很高的要求。从开设专业的高校来看，在开设数据科学与大数据技术专业的479所高校中，985、211高校共55家，占比约11.5%，其余高校占比88.5%。一些普通高校为了抢占先机，在师资队伍、实训条件以及资金等教学资源不足的情况下申请这个专业，加上《普通高校本科专业目录》中没有数据科学与大数据技术专业人才培养方案的模板，各个高校根据自身的特点制定人才培养方案，因校设课、因人设课的现象比较普遍，专业建设混乱、问题丛生。有鉴于此，从专业平稳、健康、有序发展的角度，就人才培养方案、师资队伍、实验室建设、实习实训基地建设以及学生就业这五个方面探索数据科学与大数据技术专业的建设思路。
一、专业人才培养方案设计
专业人才培养方案是人才培养基本规格、培养过程与方式以及培养目标的总体设计，是专业确定教学编制、安排教学任务以及组织教学的基本依据，也是师资队伍建设、实验室建设、实习实训基地建设的前提。人才培养质量很大程度依赖于专业人才培养方案的设计，它是专业建设中最重要的一环。
然而，在当前的《普通高校本科专业目录》中没有数据科学与大数据技术专业人才培养方案的模板，各个高校根据自身的特点制定专业人才培养方案，课程体系缺乏系统性，乱象丛生。因此，当前最紧迫的任务是需要根据不同的人才培养目标与专业定位，设计合理的知识体系与课程内容。
数据科学与大数据技术专业旨在培养掌握大数据技术的基础理论、基本技术，了解大数据应用领域的基本生态，掌握大数据的常用分析工具，能胜任大数据分析与挖掘、大数据系统研发以及大数据应用开发等工作的专门技术性人才。根据其培养要求，该专业的课程体系应包含数学与统计学、计算机科学以及应用领域类的课程。因此，各个高校可以根据自身的人才培养目标与专业定位，设计人才培养方案与课程体系。
（一）如果专业颁发理学学位，旨在培养数据挖掘、数据分析的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外（大数据分析流程的必修课程包含大数据科学与技术导论、数据采集技术、数据库、Linux操作系统、Hadoop应用开发、数据可视化等），应该侧重数学、统计类的大数据技术的理论课程，例如可考虑开设数学分析、高等代数、概率论、数理统计、贝叶斯分析、最优化方法、算法分析与设计、统计学习方法、数据分析与挖掘、深度學习、人工智能等课程。
（二）如果专业颁发工学学位，旨在培养大数据系统研发类的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外，应该侧重计算机类的大数据基本技术课程，例如可考虑开设云计算、并行计算与分布式计算、分布式海量存储系统、大型数据库技术、数据安全、大数据与领域建模、机器学习等课程。
（三）如果专业颁发工学或其他学位，旨在培养大数据应用开发类的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外，应该侧重大数据应用以及分析工具类课程，例如可考虑开设大数据管理、R语言、数据处理软件应用、推荐算法及应用、社交网络挖掘、大数据传播与新媒体分析等课程。
二、师资队伍建设
作为一个新兴专业，师资队伍是大多数院校比较薄弱的环节。许多教师是从数学、统计、计算机等学科转型过来的，理论知识丰富，实践经验特别是大数据分析实操经验不足。数据科学与大数据技术专业作为一个交叉学科，培养具有一定的理论深度、大数据思维，能够从事数据分析、数据挖掘与应用的高层次应用型人才。根据这一培养目标，可以从以下三个方面着手加强师资队伍建设，优化师资队伍结构，打造一支高素质的专业队伍。
（一）定期组织研讨班，学习大数据知识。一方面可以强化教师的理论知识，针对大家都感兴趣的知识领域，大家一起研究、探讨，将研讨结果写成科研论文，提高教师大数据科学的研究实力与水平，强化理论深度。另一方面可以总结教学经验，将专业建设、专业教学过程中遇到的一些问题进行探讨，商量解决问题的办法，进一步优化专业建设、优化教学，提高教师的专业教学水平。
（二）定期组织专业教师参加各类大数据专业技能培训，在专业技能培训中提高大数据专任教师的大数据分析能力与大数据项目实践能力。
（三）利用校企合作平台，选派专任教师到合作企业进行兼职，参与实际项目，锻炼教师的实操能力。同时，与企业的大数据专业技术人员签订兼职协议，让他们成为专业的兼职教师，参与专业课程的教学，指导大数据的专业实习、实训。
三、实践教学体系建设
数据科学与大数据技术专业人才的培养，不仅需要依靠基础理论教学，同时需要配合大量的动手实践操作，提升学生对相关技能的掌握。因此，在大数据人才培养中科学高效的大数据实验环境建设是专业建设重要的一环。探讨将专业能力培养要求如何落实到实践教学体系中是提高专业培养水平的重要措施。当前，高校在大数据实验环境建设中投入不足，同时，实验内容的设计也与市场人才技能需求有所差距，不利于人才的培养。因此，构建大数据专业实践教学体系，应从以下三方面着手。 （一）构建系统的课程资源实践教学体系。实践教学体系的构建，最终服务于专业建设和人才培养方案。数据科学与大数据技术专业旨在培养具有一定理论基础的、能够从事大数据分析与应用的复合型人才。根据这一培养目标，实践教学体系建设应以大数据分析与应用为主线。数据分析流程主要包括数据收集、数据预处理、数据存储、数据分析与挖掘以及数据可视化等环节。实践教学体系的课程资源应围绕这个流程所对应的课程以及课程涉及的基础必修内容展开。以数据分析与挖掘为例，这一环节所对应的课程包括数据挖掘、机器学习、Python程序设计、Linux操作系统、算法分析与设计以及大数据分析平台所涉及的课程等，应该将这些课程的实践教学纳入实践教学体系中。
（二）建立健全数据收集机制。随着大数据的走热，数据本身被看作一种重要的可持续性资源。大数据的价值最终体现在对数据的挖掘、相关性探索和深度的数据分析上。高校大数据教学实验同样离不开数据。从互联网获取的数据往往数据体量庞大但价值密度低;企业生产数据不但保密等级比较高，无法轻易获取，而且数据的行业业务特性比较强，缺少行业经验的高校很难将这样的数据应用到实验教学中去。数据缺乏是摆在高校大数据教学面前一个实实在在的问题。因此，在构建大数据实践教学体系过程中，要注重数据的收集，健全数据收集机制。
（三）收集行业项目案例。大数据的发展受到越来越多行业的重视，大数据应用在各个行业落地。随着数据开放的逐步推进，大数据结合行业的应用呈现百花齐放的姿态。企业内部数据的打通，行业交叉数据的关联融合，催生出越来越多的大数据应用创新。基于应用型专业定位，数据科学与大数据技术的教学需要结合真实的行业案例进行案例教学。
四、实习实训建设
数据科学与大数据技术作为综合性、应用性、实践性非常强的专业，企业应用也错综复杂。高校的数据科学教学偏重原理、算法的学习，缺乏实际的应用背景。实践教学积累的项目案例大都是经过清洗、简化了的数据，适用于教学，并非完全来自实际应用场景。学生没有经过真实数据的实训，没有到大数据分析公司实地操作、亲自经历企业大数据分析流程，毕业后仍需要接受招聘单位培训后才能上岗。因此，为了保证实现人才培养目标、提升学生专业技能、提高学生就业能力，加强校企合作、建立实习实训是一种有效途径。可以通过以下两个方面加强实习实训建设。
（一）通过校企合作的方式，建立校外实习实训基地。校外实习基地是培养学生实践能力和创新精神的重要场所，是学生接触社会、了解社会的纽带。学生通过校外的实习实训，熟悉大数据技术的操作流程，掌握真实案例的数据如何提取、清洗、存储、分析与挖掘，获取所要的信息，可以迅速将理论基础知识转化为实际应用能力。另一方面，大数据公司通过一些针对性的训练，考查学生，选拔高素质人才，为公司发展打下坚实基础。
（二）建立校内实习实训基地，把大数据公司的工程师/技术员请进学校，运用他们公司真实的案例，开展情景教学。这种新型的实习实训方式要求专业的数据公司完全按照他们公司的运营模式、数据分析处理流程操作来实训学生。与校外实训基地最大的不同地方，是学生不用跑到数据公司的实际办公场所，避免了学生来回的奔波。此外，专业教师可以与公司专业技术人员一起交流，共同探讨，参与指导学生的实习实训，提高实际操作能力。这样可以培养“双师型”的教师，增强教师的业务能力，提高专业的办学水平。
五、就业基地建设
学生就业是高校人才培养的最后一个环节，也是学校教育中重要的一步。科学、合理地促進学生就业，对维护社会稳定、促进国家经济发展都具有十分重要的意义，也关系到专业的生存与发展。从目前来看，数据科学与大数据专业正处在快速发展的上升阶段，人才需求紧缺，但是从长远看，各高校根据自己的专业定位建立一批相对稳定的就业基地是十分必要和非常重要的。
大学生就业基地建设是一项长期、艰巨、繁杂的工作。对于数据科学与大数据技术专业而言，要建设好毕业生就业基地，就必须重视以下两点：
（一）转变观念。不要认为数据科学与大数据技术是一个新兴专业，有着广阔的发展前景，人才需求大，就不需要建设就业基地。应该时刻把促进学生就业、建立就业基地当成就业工作的一项核心任务来抓，要有大局意识、服务意识，与用人单位（特别是重点用人单位）签订协议，建立就业基地。
（二）根据专业特色与发展定位来确定用人单位。尽管大数据是一个新兴产业，但是经过这几年的发展，大数据产业链的用人单位已经非常多了。学校建立就业基地时，应充分考虑专业特色与发展定位，把用人单位的需求与专业的发展方向紧密结合起来。数据科学与大数据技术专业主要为社会培养既具有扎实的理论基础、又具有良好的专业技能的复合型、应用型人才。它的专业发展方向主要是大数据应用开发类、大数据分析类以及大数据系统研发类等。如果专业发展定位是大数据分析类，那就应该多与大数据分析类的用人单位签订协议，建立就业基地。如果专业的特色是做某个领域的大数据分析（例如旅游大数据分析），那么就应该多与从事旅游大数据分析的公司建立良好的用人关系。
【参考文献】
[1]贺文武，刘国买.数据科学与大数据技术专业核心课程建设的探索与研究[J].教育评论，2017（11）
[2]张志伟，房爱东，崔琳，等.新工科背景下大数据专业建设探究[J].攀枝花学院学报，2018（5）
[3]蔡敬民，董强，余国江.高等院校校外实习基地建设新思考[J].中国大学教学，2009（2）
[4]肖毅，蒋珍菊.加强实习就业基地建设，提高学生创新、就业与创业能力[J].继续教育研究，2011（6）
【基金项目】2019年度广西高等教育教学改革工程项目“新工科下数据科学与大数据技术专业的教学改革基础研究与实践”（2019JGA334）
【作者简介】吴果林，博士，桂林航天工业学院副教授;李修清，桂林航天工业学院教授;廖桂湘，硕士，桂林航天工业学院讲师;周立新，博士，桂林航天工业学院副教授。
（责编 丁 梦）
【关键词】人才培养 师资队伍 实践教学 实习实训 就业基地
【中图分类号】G 【文献标识码】A
【文章编号】0450-9889（2019）10C-0039-03
随着信息技术的发展、智能终端与移动互联网的普及以及5G技术的应用，人们在日常生产生活中繁衍出大量的数据。这些数据正在成为一种重要的战略性资源，为分析生产者与消费者的行为提供有效的依据，数据科学与大数据技术专业应运而生。从2016年第一批3所高校获批这个专业，到2019年第四批196所高校获批这个专业，短短的四年间共有479所高校获批建设该专业。数据科学与大数据技术专业正在以前所未有的速度向前发展。
众所周知，数据科学与大数据技术是融合了数学、统计学以及计算机等学科知识的新兴交叉学科，是一门实践性很强的专业。这对开设这个专业的高校在学科建设、师资队伍以及课程建设等方面都有很高的要求。从开设专业的高校来看，在开设数据科学与大数据技术专业的479所高校中，985、211高校共55家，占比约11.5%，其余高校占比88.5%。一些普通高校为了抢占先机，在师资队伍、实训条件以及资金等教学资源不足的情况下申请这个专业，加上《普通高校本科专业目录》中没有数据科学与大数据技术专业人才培养方案的模板，各个高校根据自身的特点制定人才培养方案，因校设课、因人设课的现象比较普遍，专业建设混乱、问题丛生。有鉴于此，从专业平稳、健康、有序发展的角度，就人才培养方案、师资队伍、实验室建设、实习实训基地建设以及学生就业这五个方面探索数据科学与大数据技术专业的建设思路。
一、专业人才培养方案设计
专业人才培养方案是人才培养基本规格、培养过程与方式以及培养目标的总体设计，是专业确定教学编制、安排教学任务以及组织教学的基本依据，也是师资队伍建设、实验室建设、实习实训基地建设的前提。人才培养质量很大程度依赖于专业人才培养方案的设计，它是专业建设中最重要的一环。
然而，在当前的《普通高校本科专业目录》中没有数据科学与大数据技术专业人才培养方案的模板，各个高校根据自身的特点制定专业人才培养方案，课程体系缺乏系统性，乱象丛生。因此，当前最紧迫的任务是需要根据不同的人才培养目标与专业定位，设计合理的知识体系与课程内容。
数据科学与大数据技术专业旨在培养掌握大数据技术的基础理论、基本技术，了解大数据应用领域的基本生态，掌握大数据的常用分析工具，能胜任大数据分析与挖掘、大数据系统研发以及大数据应用开发等工作的专门技术性人才。根据其培养要求，该专业的课程体系应包含数学与统计学、计算机科学以及应用领域类的课程。因此，各个高校可以根据自身的人才培养目标与专业定位，设计人才培养方案与课程体系。
（一）如果专业颁发理学学位，旨在培养数据挖掘、数据分析的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外（大数据分析流程的必修课程包含大数据科学与技术导论、数据采集技术、数据库、Linux操作系统、Hadoop应用开发、数据可视化等），应该侧重数学、统计类的大数据技术的理论课程，例如可考虑开设数学分析、高等代数、概率论、数理统计、贝叶斯分析、最优化方法、算法分析与设计、统计学习方法、数据分析与挖掘、深度學习、人工智能等课程。
（二）如果专业颁发工学学位，旨在培养大数据系统研发类的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外，应该侧重计算机类的大数据基本技术课程，例如可考虑开设云计算、并行计算与分布式计算、分布式海量存储系统、大型数据库技术、数据安全、大数据与领域建模、机器学习等课程。
（三）如果专业颁发工学或其他学位，旨在培养大数据应用开发类的专业人才，那么该专业的课程体系除了大数据分析流程的必修课程外，应该侧重大数据应用以及分析工具类课程，例如可考虑开设大数据管理、R语言、数据处理软件应用、推荐算法及应用、社交网络挖掘、大数据传播与新媒体分析等课程。
二、师资队伍建设
作为一个新兴专业，师资队伍是大多数院校比较薄弱的环节。许多教师是从数学、统计、计算机等学科转型过来的，理论知识丰富，实践经验特别是大数据分析实操经验不足。数据科学与大数据技术专业作为一个交叉学科，培养具有一定的理论深度、大数据思维，能够从事数据分析、数据挖掘与应用的高层次应用型人才。根据这一培养目标，可以从以下三个方面着手加强师资队伍建设，优化师资队伍结构，打造一支高素质的专业队伍。
（一）定期组织研讨班，学习大数据知识。一方面可以强化教师的理论知识，针对大家都感兴趣的知识领域，大家一起研究、探讨，将研讨结果写成科研论文，提高教师大数据科学的研究实力与水平，强化理论深度。另一方面可以总结教学经验，将专业建设、专业教学过程中遇到的一些问题进行探讨，商量解决问题的办法，进一步优化专业建设、优化教学，提高教师的专业教学水平。
（二）定期组织专业教师参加各类大数据专业技能培训，在专业技能培训中提高大数据专任教师的大数据分析能力与大数据项目实践能力。
（三）利用校企合作平台，选派专任教师到合作企业进行兼职，参与实际项目，锻炼教师的实操能力。同时，与企业的大数据专业技术人员签订兼职协议，让他们成为专业的兼职教师，参与专业课程的教学，指导大数据的专业实习、实训。
三、实践教学体系建设
数据科学与大数据技术专业人才的培养，不仅需要依靠基础理论教学，同时需要配合大量的动手实践操作，提升学生对相关技能的掌握。因此，在大数据人才培养中科学高效的大数据实验环境建设是专业建设重要的一环。探讨将专业能力培养要求如何落实到实践教学体系中是提高专业培养水平的重要措施。当前，高校在大数据实验环境建设中投入不足，同时，实验内容的设计也与市场人才技能需求有所差距，不利于人才的培养。因此，构建大数据专业实践教学体系，应从以下三方面着手。 （一）构建系统的课程资源实践教学体系。实践教学体系的构建，最终服务于专业建设和人才培养方案。数据科学与大数据技术专业旨在培养具有一定理论基础的、能够从事大数据分析与应用的复合型人才。根据这一培养目标，实践教学体系建设应以大数据分析与应用为主线。数据分析流程主要包括数据收集、数据预处理、数据存储、数据分析与挖掘以及数据可视化等环节。实践教学体系的课程资源应围绕这个流程所对应的课程以及课程涉及的基础必修内容展开。以数据分析与挖掘为例，这一环节所对应的课程包括数据挖掘、机器学习、Python程序设计、Linux操作系统、算法分析与设计以及大数据分析平台所涉及的课程等，应该将这些课程的实践教学纳入实践教学体系中。
（二）建立健全数据收集机制。随着大数据的走热，数据本身被看作一种重要的可持续性资源。大数据的价值最终体现在对数据的挖掘、相关性探索和深度的数据分析上。高校大数据教学实验同样离不开数据。从互联网获取的数据往往数据体量庞大但价值密度低;企业生产数据不但保密等级比较高，无法轻易获取，而且数据的行业业务特性比较强，缺少行业经验的高校很难将这样的数据应用到实验教学中去。数据缺乏是摆在高校大数据教学面前一个实实在在的问题。因此，在构建大数据实践教学体系过程中，要注重数据的收集，健全数据收集机制。
（三）收集行业项目案例。大数据的发展受到越来越多行业的重视，大数据应用在各个行业落地。随着数据开放的逐步推进，大数据结合行业的应用呈现百花齐放的姿态。企业内部数据的打通，行业交叉数据的关联融合，催生出越来越多的大数据应用创新。基于应用型专业定位，数据科学与大数据技术的教学需要结合真实的行业案例进行案例教学。
四、实习实训建设
数据科学与大数据技术作为综合性、应用性、实践性非常强的专业，企业应用也错综复杂。高校的数据科学教学偏重原理、算法的学习，缺乏实际的应用背景。实践教学积累的项目案例大都是经过清洗、简化了的数据，适用于教学，并非完全来自实际应用场景。学生没有经过真实数据的实训，没有到大数据分析公司实地操作、亲自经历企业大数据分析流程，毕业后仍需要接受招聘单位培训后才能上岗。因此，为了保证实现人才培养目标、提升学生专业技能、提高学生就业能力，加强校企合作、建立实习实训是一种有效途径。可以通过以下两个方面加强实习实训建设。
（一）通过校企合作的方式，建立校外实习实训基地。校外实习基地是培养学生实践能力和创新精神的重要场所，是学生接触社会、了解社会的纽带。学生通过校外的实习实训，熟悉大数据技术的操作流程，掌握真实案例的数据如何提取、清洗、存储、分析与挖掘，获取所要的信息，可以迅速将理论基础知识转化为实际应用能力。另一方面，大数据公司通过一些针对性的训练，考查学生，选拔高素质人才，为公司发展打下坚实基础。
（二）建立校内实习实训基地，把大数据公司的工程师/技术员请进学校，运用他们公司真实的案例，开展情景教学。这种新型的实习实训方式要求专业的数据公司完全按照他们公司的运营模式、数据分析处理流程操作来实训学生。与校外实训基地最大的不同地方，是学生不用跑到数据公司的实际办公场所，避免了学生来回的奔波。此外，专业教师可以与公司专业技术人员一起交流，共同探讨，参与指导学生的实习实训，提高实际操作能力。这样可以培养“双师型”的教师，增强教师的业务能力，提高专业的办学水平。
五、就业基地建设
学生就业是高校人才培养的最后一个环节，也是学校教育中重要的一步。科学、合理地促進学生就业，对维护社会稳定、促进国家经济发展都具有十分重要的意义，也关系到专业的生存与发展。从目前来看，数据科学与大数据专业正处在快速发展的上升阶段，人才需求紧缺，但是从长远看，各高校根据自己的专业定位建立一批相对稳定的就业基地是十分必要和非常重要的。
大学生就业基地建设是一项长期、艰巨、繁杂的工作。对于数据科学与大数据技术专业而言，要建设好毕业生就业基地，就必须重视以下两点：
（一）转变观念。不要认为数据科学与大数据技术是一个新兴专业，有着广阔的发展前景，人才需求大，就不需要建设就业基地。应该时刻把促进学生就业、建立就业基地当成就业工作的一项核心任务来抓，要有大局意识、服务意识，与用人单位（特别是重点用人单位）签订协议，建立就业基地。
（二）根据专业特色与发展定位来确定用人单位。尽管大数据是一个新兴产业，但是经过这几年的发展，大数据产业链的用人单位已经非常多了。学校建立就业基地时，应充分考虑专业特色与发展定位，把用人单位的需求与专业的发展方向紧密结合起来。数据科学与大数据技术专业主要为社会培养既具有扎实的理论基础、又具有良好的专业技能的复合型、应用型人才。它的专业发展方向主要是大数据应用开发类、大数据分析类以及大数据系统研发类等。如果专业发展定位是大数据分析类，那就应该多与大数据分析类的用人单位签订协议，建立就业基地。如果专业的特色是做某个领域的大数据分析（例如旅游大数据分析），那么就应该多与从事旅游大数据分析的公司建立良好的用人关系。
【参考文献】
[1]贺文武，刘国买.数据科学与大数据技术专业核心课程建设的探索与研究[J].教育评论，2017（11）
[2]张志伟，房爱东，崔琳，等.新工科背景下大数据专业建设探究[J].攀枝花学院学报，2018（5）
[3]蔡敬民，董强，余国江.高等院校校外实习基地建设新思考[J].中国大学教学，2009（2）
[4]肖毅，蒋珍菊.加强实习就业基地建设，提高学生创新、就业与创业能力[J].继续教育研究，2011（6）
【基金项目】2019年度广西高等教育教学改革工程项目“新工科下数据科学与大数据技术专业的教学改革基础研究与实践”（2019JGA334）
【作者简介】吴果林，博士，桂林航天工业学院副教授;李修清，桂林航天工业学院教授;廖桂湘，硕士，桂林航天工业学院讲师;周立新，博士，桂林航天工业学院副教授。
（责编 丁 梦）