张胜男，牛连强，张志佳，孙书会

（沈阳工业大学 软件学院，辽宁 沈阳 110870）

0 引 言

随着大数据技术作为国家战略的确定，全国已有近300所院校设置数据科学与大数据技术本科专业（以下简称大数据专业），以应对迫切的大数据人才紧缺问题，这决定了应用技术型人才培养目标是其主流，核心则是强调人才的技术应用能力和解决实际生产问题的能力（或称为工程能力）[1-2]。因此，高校的课程体系要与行业需要相适应，人才与岗位需求实现无缝对接。

作为一个以数学、统计学、计算机技术为支撑的交叉专业，大数据专业涉及知识层面多，缺乏可遵循的成熟案例，国内高校多以专业嫁接方式构建课程体系，如通过数学、统计学甚至信息学、管理学进行嫁接，从而产生两类偏好。一种方式是以学科为核心的大数据算法设计、分析的“高端”和结合领域知识与成熟系统应用的“低端”，而在计算机和软件系统方面的能力培养不足；另一种方式是通过计算机学科进行嫁接，其重点仍是关注计算机科学本身，侧重于计算机系统的应用与开发，统计学、数据分析等领域知识积累和技能训练相对较弱[3-4]。一些出版社、作者和软件公司合作，尝试结合设备、图书推广，建立专业课程体系框架。实际上，围绕大数据的主要处理过程需要多种应用技术型人才，人才培养更不能千校一面或千人一面。对于众多的应用型本科高校来说，结合自身的人才培养目标和定位，剖析人才类型和职业的核心技术知识与能力需求，形成有自身特色的“新型专业”及配套的课程体系是正确选择，它意味着在有限教学时限内对知识的合理取舍和技术能力的快速构建。

1 应用型大数据人才的能力需求

行业调研和分析表明，应用技术型主要对应中层以上的职业，还不能达到“高级”的程度，这种人才以金融保险、电子商务、政府机构、移动通讯、互联网企业为主，其主要需求（岗位）可分为两大类[5]：一是大数据应用岗位，包括大数据分析师和数据挖掘工程师；二是大数据系统管理岗位，包括大数据系统管理员、大数据系统开发工程师等。从发展来看，也可以将其概括为3个方向，即系统平台搭建、优化、运维、监控，大数据系统开发、设计、架构以及数据分析、挖掘。

由于大数据与产业结合紧密，其人才的知识结构除了一般性的学科基础知识（数学、数理统计、计算机系统）外，具体的岗位还要求涵盖面更广的专门知识[5]（见表1），且十分强调熟练运用的技能。大数据岗位与专门知识对应的技能基本可以归结为7类，即数理统计能力、计算机系统的认知能力、程序设计能力、数据处理能力、数据分析与展示能力、大数据平台管理与开发能力以及大数据系统高级开发能力，其中，数理统计能力和计算机系统的认知能力是大数据领域人才的基本能力；程序设计能力侧重于编程思想、数据结构与算法以及大数据领域主流编程工具的掌握，是大数据系统开发的基础；数据处理能力包括数据的采集与清洗、预处理，数据的存储与管理能力；数据分析与展示能力则涵盖数据的分析、挖掘和可视化能力；大数据平台的管理与开发能力是指能够深刻理解分布式计算，具有主流的分布式计算平台的使用和开发能力；大数据系统高级开发能力则支持大数据的深度处理和相应的应用系统开发。

表1 岗位与对应的专门知识

2 能力导向的大数据专业课程群构建

课程群是一种被公认的适用应用型人才培养的课程体系构建与教学展开模式[6]。课程群建设可以有效整合资源，优化课程结构，快速有效地构建起知识与技术体系，体现专业的培养特色[7]。

目前的课程群多按知识模块划分并采用层次方式组织，如公共基础课程群、学科基础课程群、专业方向课程群等。这种课程群注重的是知识的关联性，尤其是与某个知识领域的对应，如专业方向课程群可以被划分为嵌入式开发、移动互联或智能系统等，这种划分粒度较大，内容宽泛，群内课程整合、优化和协同的难度较大，一个课程群难以同时为多个存在知识交叉的专业领域服务，评价难度也大。总体上说，这种课程群并非以能力划分为基础构建的。

作为多学科交叉的新专业，大数据技术涵盖的知识范围较其他专业更广泛，本身的体系尚处于探索阶段，按职业对能力的需求进行覆盖，进而将知识模块和技术要求分解、重组形成课程群具有明显的合理性，这里的课程群表现为若干能力分支而非领域知识分支，优点在于：①课程群粒度小，目标更明确，更容易对能力达成的相关理论、实践知识和综合应用训练进行有机组织与融合；②对技能的训练可以合理分解到分支内，保证其完整、突出，有利于及时评价和改进；③有利于项目案例在一个分支内的贯穿，使培养过程更具连续性和一致性，便于专业教学计划的实施；④对于不同的培养目标，更容易裁剪、弱化或强化某些方面的要求，从而使人才培养更能体现自己的偏好。对于一个学生群体，可以明确通过强化某个（些）能力分支体现个体间的差异，达到个性化的发展目标。

如果说现行的课程群主要是以知识的层次为基础结合专业方向构建的，那么，能力导向的课程群则体现为一种以强烈的目标达成为指向的多分支树形结构。基于能力导向的大数据专业课程群结构如图1所示。

图1 能力导向的大数据专业课程群结构

3 项目驱动的教学方案设计

虽然每个课程群由若干课程组成，但都是相对独立的整体，具有明确的教学目标与能力培养任务，建设的核心是根据课程群的教学目标，对群内各课程的教学内容进行整合和优化[8]，并采取相适应的教学方式。教师可以采取两个步骤对课程群内的相关课程进行归纳和梳理，首先，重点确定每门课程的知识内涵、课程间的起承衔接关系，明确区分群内课程的任务定位和教学重点；其次，将课程群的总体教学目标划分为初级、中级、高级3个阶段，明确各阶段的具体能力要求及承担能力达成任务的课程安排。大数据平台管理与开发课程群示例参见表2。

事实上，即便将这种课程体系中的每个课程群视为一个大型综合课也不会出现太大偏差，不同的课程仅是由若干内聚性更强的知识模块组成的教学单元，可以有效地实施“任务驱动、项目导向”的教学理念。更确切地说，就是有机会用一个中等规模和复杂性的实际案例贯穿一个课程群的教学全过程。这样的案例能够将完整的领域知识融入教学方案，使学生具备将领域知识与数据处理和计算机技术相结合的能力，这对大数据专业尤为重要。在设计时，需要根据案例项目的开发需求进一步细化到群内课程的目标要求和知识点，以功能模块或大数据应用相关阶段的开发任务驱动教学进程，形成知识连贯、目的明确、学用统一的教学实施方案。

课程群的项目案例选择应为企业提供的真实案例，项目规模及复杂度适中，业务规则易于学生理解，业务处理链条不易过短，功能要求广泛，适于达成中、高级能力目标的教学内容展开和实践，如大数据平台管理与开发课程群选择金融领域的大数据案例。项目案例功能需求与课程群教学目标映射关系的简单示意见表3。

表2 课程群整体教学目标及能力达成任务分配示例

表3 项目功能需求与课程群教学目标的映射关系

4 相关工作的设计

4.1 评价方法设置

长期以来，对学科型人才评价的主要内容是知识的掌握程度，且以终结性评价为主，而应用技术型人才必须建立相应的能力评价体系[9]。换言之，知识运用能力、实践动手能力、技术综合能力、项目组织能力、创新能力、口头和文字表达能力、人际交往与沟通协调能力、独立工作能力等应成为应用技术型人才评价的重点，这些能力的获取、提高和评价需要在综合性工程项目实践研究和设计而非小块的知识单元学习中实现。

能力导向的课程群体系为建立多元、合理、过程性的评价体系提供了基础，这意味着评价指标不再仅局限于群内各课程自身的目标，还可以通过设置针对课程群的综合性、创新性指标来评价分支的能力达成度，如技术综合能力和项目组织能力。独立设置的课程很难合适地设置这种评价方法，这种评价兼顾局部与整体，更合理、全面，也有利于促进教师教学方法的改进和学生能力的达成。

4.2 网络辅助教学平台搭建

大数据产业的爆炸式增长，导致新的理论、方法、工具和框架不断涌现，必须及时地更新在课程教学中，有效弥补选用教材在教学内容方面的相对滞后，因此，要充分利用互联网，搭建面向课程群的辅助教学平台，除了提供传统教学平台中的相关教学任务发布、开源开发工具和微课视频的下载、企业项目案例演示、师生在线交流、相关成果的在线提交和考核等功能外，还可以依据课程群的能力培养目标提供在线数据建模、数据分析与挖掘等实训环境，为学生提供立体化的教学资源，拓展学习空间，强化工程训练。

4.3 工程化教学团队构建

大数据的主要应用技术在企业，引入企业技术专家是至关重要的，但也要充分考虑其时间、地理位置、特长等方面的约束。群内课程的知识紧密度更高，可以进行合理设计、分解并采取灵活的授课方式，甚至使校企教师合作完成同一门课程，充分发挥企业教师在核心技术模块、案例教学、职业训练等方面的作用，保证企业教师的授课质量和稳定性。另外，校内教师通过短期参与课程群内的工程训练，校企合作开发、优化课程群教学所需的工程案例等工作，也可以快速提高工程实践水平，进而与企业教师一道组成优秀的工程型教学团队。

5 结 语

对能力导向的应用型大数据专业课程群的建设，可以构建合理有效的应用型大数据本科专业的人才培养模式和管理体制，有利于实现应用技术型的人才培养目标，提高与企业、行业及职场实际需求的吻合度，也便于充分利用企业师资实施短课、案例及实践教学，形成内外结合的工程化师资队伍。大数据课程群的建设模式可以为同类院校的相同或相关专业提供技术性和理论性的重要参考和依据。