陆见光　张欢

【摘要】针对制造大数据的技术与应用方向，如何进行高层次的人才培养，本文主要研究了制造大數据对研究生的培养要求和制造大数据研究生培养模式的构建，其中制造大数据研究生培养模式的构建主要从学科能力建设、创新能力建设和师资能力建设三个方面展开研究。应对目前制造大数据研究生人才培养的挑战，本文提出了解决对策，对制造大数据研究生人才培养具有指导意义。

【关键词】制造大数据 研究生 培养模式 挑战与对策

【中图分类号】G643 【文献标识码】A 【文章编号】2095-3089（2018）15-0006-02

就目前制造业发展现状分析，不管是德国的工业4.0还是我国的中国制造2025，其背后推动制造业升级改造的力量必然是制造大数据和制造业的深度融合。制造业革新需要数字化，使用大数据技术进行制造业的智能化升级，这些创新和变革，将直接且全面地影响我们的生活，这也将给全球传统工业带来革命性的变化，改变企业的研发、生产、运营、营销和管理方式[1，2]。面对制造业发展趋势和针对此技术领域的人才需求，国内各高校也相继开展了大数据人才培养，但针对制造大数据技术的前沿性、产业化、实践难等特征，目前制造大数据人才培养模式及效果并不乐观，研究不难发现存在以下问题：第一，制造大数据人才培养需要整合资源，优化产教合作模式，产教结合度低直接影响了培养人才的素质和应用能力。第二，高端融合型的培养人才缺乏，现有人才队伍很难符合当前制造业所需的能将大数据信息技术和制造技术互相贯通应用的需求。第三，导师资源配置难以满足人才培养的内在需求。第四，学科融合发展的模式没有新的突破，创新度较低[3]。面对以上现状与行业内在发展需求，本文针对制造大数据方向的研究生人才培养，提出若干新的建议。

一、制造大数据对研究人才的要求

制造大数据的核心价值体现在应用，而实际的应用又需要制造领域专业知识与数据思维的相结合。因此对制造大数据就人才的要求主要有以下三点：1）扎实的专业知识和专业融合应用能力。扎实的制造业系统专业知识有利于理论的分析，减少数据分析过程的弯路，系统地掌握数据分析相关的技能，主要包括数学、统计学和数据分析等，能帮助研究人才在专业结合的学习、应用中取得更好的效果。2）较强的实践能力、独立获取知识的能力和创新能力。能够根据工程任务的详细要求，综合利用相关专业知识，收集数据，然后整理并存储，根据具体的需求，进行选择，选用合适的方法和模型对数据进行分析，形成分析结论，为之后有关的工作和决定做好数据准备工作，为实际问题提供决策依据。3）良好的团队合作精神。制造大数据通常包含着不同类型，不同专业领域的专业知识信息，且数据分析任务通常情况下也无法依赖个人能力来完成，所以团队合作对于工程任务的完成具有重要的作用，与擅长某领域的人一同努力、互相帮助、分工合作来实现既定目标，完成不同专业、学科领域的深入交流，对于制造大数据的高端人才培养具有重要意义，因此具备较强的责任心与团队合作精神也是制造大数据研究人才必备的基本要求[4]。

二、面向制造大数据的研究生培养模式构建

随着制造大数据产业的发展，对制造大数据人才的需求，国内高校在开展相关学术研究的同时也开始进行该领域的研究生人才培养。面对制造大数据对研究人才的要求，如何构建面向制造大数据的研究生培养模式，本文主要从学科能力建设、创新能力建设和师资能力建设三个方面展开研究，提出相应的建议。

1.学科能力建设

学科能力建设也是知识体系建设，针对制造大数据特殊的学科特点，即学科交叉融合，搭建合理的理论教学体系是学科培养能力和培养效果的基础。针对此特点应从制造大数据的基础、过程和大数据产业管理三个方面进行学科能力建设。

第一，构建牢靠的基本理论知识和软件运用教学体系。专业知识永远是应用的基础，也是实践的指南。从制造大数据的基础理论出发，构建基础知识框架，融合行业背景和发展状况，培养具有时代意义的研究生。

第二，建立理论与实践结合的教学方式，培养具备实践综合运用能力的研究生人才。对于制造大数据特殊的学科定位，纯粹的理论研究和教学必然满足不了培养要求，也达不到追求的培养效果。大数据的核心价值就在于应用，而应用能力培养用现行书本教学的方法很难实现，所以必然要求教学方式的改变，必须联系实际，将工程实践纳入教学体系。

第三，面向制造大数据管理层次人才的培养模式。对于任何一个产业系统而言，保障其稳定有序的运行是非常关键的一个部分，对制造大数据整个运行系统而言，也不例外。因此针对此行业的系统管理人才的培养模式在制造大数据的学科能力建设中也具有举足轻重的地位。

2.创新能力建设

创新能力是制造大数据发展的核心动力，学科顶尖人才培养举措最主要的就是培养学生的创新能力[5]。本文提出如下四条建议。

第一，创新教学方式。实施研究性学习，培养学生批判性思维。积极推动因材施教，强调多样化人才培养。按学生个性化培养的要求，鼓励学生在导师的指导下自主学习，让学生有自由探索的时间；积极创造条件，组织学生参加科学研究项目训练，培养他们的科研兴趣和学术精神。

第二，营造创新氛围。构建高水平的科研资源共享平台，提供讲座、访学、研讨等各类形式开放、共享、交流的机会，不断开发研究生人才的创新潜力。

第三，创新制度管理体系。制定灵活的课程必修、选修、免修、缓修等制度。加入学院培养计划、导师课程建议、学生方向自选的课程机制。克服应试教育弊端，加强对学生突出创新能力的考核评价，突出培养创新人才的地位。

第四，加强校企合作、国际交流。鼓励学生参与实践考察、暑期学习、联合培养等多种方式与实践结合，使研究生人才的理论知识和创新想法得以实践，并在实践中继续学习和优化自身的知识理论体系。

3.师资能力培养

要实现学科、专业、人才的发展，必然要满足一定的教學水平要求。其中起着决定因素的还是人才队伍建设，也就是研究生培养的师资队伍建设[6]。

第一，优选具有一定学术背景和科研项目实践经验的专业师资队伍。由于制造大数据学科的新颖性和时代性，青年师资在该领域的视野可能更有创造性和先进性，对于此学科研究生创新能力的培养更有益处。

第二，依据研究生的自身专业定位，推行双导师机制。对于制造大数据特殊的学科定位，理论联系实践的培养要求，教师加工程师的培养方法是解决这种问题最好的方式。既可以解决理论知识的学习，又能满足实践要求，同时也减少了研究生毕业到就业的隔断障碍。

三、制造大数据研究生人才培养面临的挑战与对策

1.更高的知识掌握和应用能力要求。制造大数据学科集合了传统制造技术、计算机科学和数据科学的专业要求，在数学、统计学、计算机科学的有机融合及与应用领域的深入结合对于人才有了更高的要求，所以研究生的培养更要注重学科融合能力和数据思维的培养，必须改革现行的人才培养方式，鼓励用多种形式培养跨界人才。

2.学科建设基础薄弱。大数据行业发展的确很迅速，但在高等教育方面，制造大数据学科、专业建设仍很薄弱。学科、专业的薄弱是由于没有健全的教师人才体系，由于目前既掌握制造大数据技术和管理，又有大数据应用经验的专业教师还相当有限。师资队伍的不完整和由此引起的体系不健全必然是学科、专业建设的一个挑战。解决方式可以从加强师资队伍建设，引进制造大数据领域专家进行专业的师资力量培养等方面实施。

3.制造大数据领域的理论研究制度保障不足。制造大数据的理论研究涉及多学科、多领域，如何整合资源，组织不同学科、不同学院的教师开展跨专业的交流和培养制造大数据研究生存在一定的制度障碍。解决方式是建立一套合适的制度体系以满足制造大数据学科的科研要求和教学培养要求。

四、结论

面向制造大数据的研究生人才培养首先应注重理论专业知识的融合，其中包含制造业知识、计算机科学和数据科学等。另外，创新能力的培养是工程实践的基本要求，也是培养专业高端制造大数据人才的根源。最后，符合制造大数据科研和教学的制度保障在学科发展中也具有极其重要的作用。综上，确保理论联系实践、创新能力培养、人才队伍建设和制度建设的高度统一是保证制造大数据研究生人才培养的关键。

参考文献：

[1]周佳军， 姚锡凡. 先进制造技术与新工业革命[J]. 计算机集成制造系统. 2015（08）： 1963-1978

[2]肖静华， 毛蕴诗， 谢康. 基于互联网及大数据的智能制造体系与中国制造企业转型升级[J]. 产业经济评论. 2016（02）： 5-16

[3] Shen Yin， Okyay Kaynak. Big Data for Modern Industry： Challenges and Trends [Point of View]. Proceedings of the IEEE. 2015， 103（02）： 143-146

[4]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

[5]初旭新， 黄玉容， 等. 全日制专业学位研究生培养模式的探索与实践[J]. 中国校外教育. 2017（30）： 60-61+8

[6]英爽， 康君， 等. 我国研究生培养模式改革的探索与实践[J]. 中国成人教育. 2014（01）： 1-5

基金支持：1. 贵州大学引进人才科研项目：智能制造中多领域统一建模仿真的关键技术研究（编号：贵大人基合字（2016）13号）；2. 贵州省公共大数据重点实验室开放课题：多源旅游大数据融合分析和预测模型研究（编号：2017BDKFJJ019）

作者简介：陆见光（1986.12-），男，汉族，湖南岳阳；贵州大学；博士、副教授、硕士生导师；贵州省大数据产业发展应用研究院和贵州省公共大数据重点实验室研究室副主任，贵州省大数据发展专家库专家，研究方向：大数据与智能制造。