陆星家 李青合 王菁华

内容摘要：“科教融合”是高等教育人才培养模式的创新，科教融合通过将科研应用于教学，在教学过程中应用知识、发现知识，进而实现教学和科研的结合、教学内容的更新迭代、教学方法的改革、以及人才培养模式的改革。本文针对数据工程专业的科教融合现状，利用探索性统计分析、配对T检验、回归分析对数据工程专业的教师教学、教师科研进行分析，分析结果显示：数据工程专业的学生评教与教龄无关，教授、副教授、讲师的学生评教的配对T检验无显著差异，学生评教与教龄的拟合模型满足S型模型，教龄较短的教师的学生评教较高，科研业绩与教龄的拟合模型满足Cubic模型，教龄为10年的教师的科研业绩最高，教龄超过30年的教师的科研能力最弱。

关键词：科教融合 探索性统计分析 配对T检验 回归分析

应用型数据工程专业既是传统的理工类专业，也是当前信息技术、计算机技术、统计科学的支撑专业，在信息技术人才培养、科技研发、数据挖掘、人工智能等方面发挥越来越重要的作用[1]。与研究型本科院校不同，应用型本科院校的数据工程类专业还较多地承担着教学和社会服务作用。数据工程类专业的相关知识发展非常迅速，大数据、云计算、区块链、人工智能发展日新月异，几乎每隔几个月就会有令人耳目一新的新技术、新产品出现[2，3]。同时，从事本专业的工程师需要不断地更新知识才能跟上行业的发展，这对应用型数据工程类专业的人才培养是一个很大的挑战。学校的教学需要在稳定中逐步更新，但是社会对专业知识的更新速度却不会减慢。如何让应用型本科院校的数据工程类专业教育适应这一专业的特殊背景，是当前数据工程类专业建设迫切需要解决的难题。

应用型本科院校探索新型本科教育和新层次高职教育相结合的教育模式，从教学和科研两方面都侧重社会服务。科教融合是一种教学理念，起源于1806年柏林大学提出“科研与教学相统一”的大学原则，现代意义上的科教融合有教育与科技，大学与产业，学校与社会密切联合的意蕴。教育的产出是高校毕业生、科技的产出则以技术服务和产品服务为主。教学和科研一直以来都是大学的两个传统功能，两者的关系问题也是学术界长久以来讨论的话题。科教融合是高等教育发展过程中始终贯彻的基本理念，如何针对数据工程专业多学科综合特点，开展应用型数据工程专业科教融合探索与实践研究具有明确的理论研究价值和重要的实践意义。宁波工程学院从建校之初就确立了服务区域（行业）经济和社会发展的宗旨，一直把服务宁波城市的转型发展、创新发展、科学发展，培养高质量的技术支撑和高素质的人力支撑作为我校坚定不移的目标，如何更加准确地测量我校的科教融合推进和实施的现状成为我校深化改革的关键[4，5，6]。

一.数据与方法

通过获取宁波工程学院2016-2017年统计年鉴数据以及教务评教数据，数据通过脱敏处理，其中教学主要通过教务评教数据进行评价，科研成果主要通过每位教师在当年度发表的论文，科研立项，申请的软件著作权、专利。并将以上的科研业绩转化为科研分数进行评价。

针对以上教学、科研的数据，利用T检验、配对T检验、回归分析等统计学方法进行差异性检验和分析，以期分析数据工程专业科教融合的发展现状，并提出针对性的建议。

二.科研、教学业绩统计分析

数据工程专业2016年所有教师的平均学生评教排名为268名（样本总量N=559），表明数据工程专业教师的学生评教处于中等水平。数据工程专业2017年學生评教前30%教师信息，所有教师的平均学生评教排名为243名（样本总量591），相比较2016年的学生评教排名，排名提升6%，2017年数据工程专业学生教学满意度有提升。

2016年学生评教中，教授的平均排名为217名，中位数为263名，副教授的平均评教排名为285名，中位数249名，讲师的平均评教排名为218名，中位数244名。2017年学生评教中，教授的平均排名为242名，中位数为126名，副教授的平均评教排名为205名，中位数202名，讲师的平均评教排名为260名，中位数260名。探索性统计分析结果表明，教授更加重视教学过程的管理，对学生学习的要求更加严格，因此学生评教成绩并不占优势。

1.学生评价前30%的人均科研业绩

数据工程专业2016年学生评教前30%教师的科研业绩中，其中教授的科研业绩为4，副教授科研业绩为228，讲师的科研业绩为267，教授平均科研业绩为2，副教授为57，讲师为33。数据工程专业2017年学生评教前30%教师的科研业绩中，其中教授的科研业绩为454，副教授科研业绩为1015，讲师的科研业绩为1014，教授平均科研业绩为151，副教授为169，讲师为92。探索性统计分析结果表明，2017年评教前30%教师的科研业绩相比较2016年的科研业绩有显著的提升。

职称对学生评教无直接相关性。

2.学生评价后30%的人均科研业绩

数据工程专业2016年学生评教后前30%教师的科研业绩中，其中教授的科研业绩为369，副教授科研业绩为143，讲师的科研业绩为962，教授平均科研业绩为145，副教授为20，讲师为45。数据工程专业2017年学生评教后30%教师的科研业绩中，其中教授的科研业绩为0，副教授科研业绩为224，讲师的科研业绩为1006，教授平均科研业绩为0，副教授为32，讲师为55。探索性统计分析结果表明，2017年评教后30%教师的科研业绩相比较2016年的科研业绩有显著的下降。

3.人均科研业绩的配对T检验

将学生评教2016年前30%（I），后30%（II）、2017年前30%（III），后30%（IV）的平均科研业绩进行配对T检验，配对T检验的结果表明，2016年、2017年前30%，后30%的科研业绩无显著差异（p<0.05）。

4.教龄对学生评教的回归分析

有经验的教师有更好的教学反馈，通过对2016年、2017年的教龄与学生评教数据分析，通过对教龄、学生评教排名进行模型拟合，利用线性模型、幂指模型、S模型。横坐标（教龄），纵坐标（学生评教排名）

2016年学生评教-教龄的关系符合S模型（公式1），公式1表明任教时间较短的教师，学生评教排名较高，教师任教超过5年之后，学生评教的排名逐渐较为平稳。

2017年学生评教-教龄的关系符合S模型（公式2），公式2表明任教时间较短的教师，学生评教排名较高，教师任教超过5年之后，学生评教的排名逐渐较为平稳。

5.教龄对科研业绩的回归分析

2016年学生教龄-科研业绩符合Cubic模型（公式3），公式3表明刚入职的教师的科研业绩较高，究其原因是刚入职的教师都是高学历的教师，新入职教师的科研成果是博士工作的延续，因此科研业绩较高，入职超过5年的教师的科研业绩从论文、自然基金转移到学生竞赛、学生科研和产学研结合。

2017年学生教龄-科研业绩符合Cubic模型（公式4），公式4表明绝大多数的教师的科研业绩都为0，教龄超过20年的教师的科研业绩逐渐降低。

三.结论

通过对数据工程专业的2016年、2017年教学、科研、教龄等数据进行描述性统计分析，其中教授、副教授、讲师的评教排名并无显著差别。2016年、2017年两年的学生评教排名30%的教师的科研业绩和学生评教后30%的教师的科研业绩通过配对T检验，检验结果显示四组教师的科研业绩无显著差异（p<0.05），表明数据工程专业的学生对于课程的学习投入无法与高中阶段相比，学生评教无法真实地反映教师的教学水平和能力，同时也显示了数据科学专业的教师在完成大学阶段的教学的同时，也要完成学校的科研业绩，即教师无法将大部分的时间分配到学生教学中。

2016年、2017年学生评教与教师教龄的拟合模型满足S型模式，回归分析结果显示教龄低的教师的学生评教排名较高，即在数据工程专业的教学中，大学生对教学成绩的要求要低于高中阶段，而对教学内容的新颖性、实用性提出了更高的要求，教龄较短的教师通常具有较高的学历，实践能力较强，学生的认可度和满意度反而更高。2016年、2017年教师教龄与教师科研业绩的拟合模型满足Cubic型模式，即教龄为10年的教师的科研业绩最高，教龄超过30年的科研业绩最低，回归分析结果表明，应用型本科高校的科研业绩主要是通过新进的年轻教师完成的，数据工程专业是教育部批准的新兴专业，教龄较长的教师由于年龄、学历的制约，科研业绩能力相比年轻教师有明显的差距。

参考文献

[1]曲霞，黄露.高校教师科教融合理念认同与实践情况的调查与思考[J].高等工程教育研究，2016（4）：83-89.

[2]曲霞，宋小舟.高校教学名师的科教融合理念与实践——基于教学名师与普通教师调查问卷的对比分析[J].中国高教研究，2016（6）：97-104.

[3]曲霞，周光礼，宋小舟. 科教融合：观念的障碍与突破[J].高教探索，2016（9）：17-22.

[4]周光礼，马海泉.科教融合：高等教育理念的变革与创新[J].中国高教研究，2012（8）：15-23.

[5]陈智慧，曲婕，朱媛媛. 高校科教融合化新型教学模式探索[J].產业与科技论坛，2013，12（2）：171-172.

[6]吕忠达，周军，尹辉.“协同创新科教融合”：提升办学技术支撑与人才培养质量——应用技术大学发展路径的探索与思考[J].宁波工程学院学报，2014，26（03）：1-5.

基金项目：2018年宁波市教育科学规划重点课题（2018YZD006）;2017年教育部人文社会科学研究专项（17JDGC030）;浙江省哲学社会科学规划基金项目（15NDJC077YB）;浙江省公益技术应用研究计划项目（2015C31154）资助。

（作者单位：宁波工程学院）