张建洋 李娟 刘泉

摘  要： 新工科建设是当前高等工科教育改革的抓手之一，学科交叉融合又是新工科建设的核心要素。区域高校的数据科学新工科建设，应在正视自身现有的资源受限的前提下，通过构建跨学科的教学研究团队、发挥相关学科集群的联动优势、个性化定制培养等措施，适时地跟进新工科建设潮流，推动数据科学等学科的发展。文章针对当前区域高校新工科建设中的问题和不足，提出具备一定普适性的新工科建设思路和方法，为当前数据科学新工科建设做出有益探索。

关键词： 新工科; 学科交叉融合; 区域高校; 个性化培养

中图分类号：G642          文献标识码：A     文章编号：1006-8228（2021）04-104-03

Abstract： The construction of New Engineering is one of the key points focused on in the current higher engineering education reform， and the interdisciplinary integration is the core element of the construction of New Engineering. Facing their own existing resource constraints， the regional colleges should adopt measures such as building interdisciplinary teaching and research teams， taking advantage of the linkage advantages of relevant subject clusters， and personalized customization training， follow up in a timely manner the trend of New Engineering construction to promote the development of data science and other disciplines. In view of the current problems and shortcomings in the construction of New Engineering disciplines in regional universities， this paper proposes the ideas and methods with certain universality for New Engineering construction， in order to make useful explorations for the current construction of data science specialty conformed to New Engineering Education.

Key words： New Engineering; interdisciplinary integration; regional university; personalized training

0 引言

当前，作为我国工科学科教育变革重要途径的新工科建设，在顶层设计逐步完善后，进入了发展快车道[1]。以国内知名高校为代表的一大批高校，着眼于新工科建设的核心需求，创新人才培养模式，挖掘学科建设内涵，实现了工科教育改革的重大突破。新工科的建设，依赖于对学科的深度挖掘，以及融合当前科技思想，协同创新，多元融合，实现对“旧有”学科的再创新，以及新兴学科的持续突破发展。作为新兴学科之一，数据科学在新工科建设中得到了更多的关注[2-4]。

数据科学是一门综合了多领域、多学科且以探索数据的产生、获取、存储以及可视化等的科学，是以实现数据增值和提高数据决策价值为核心目的。数据科学的正式产生时间较短，却得到了迅猛的发展，国内也涌现了一大批设置数据科学学科的高校[5; 6]。在新工科建设中，数据科学的地位尤为特殊，主要体现在两个方面：数据科学本就是新兴学科，正处于形成和发展的上升通道中;数据科学综合了统计学、数学、计算机等相关学科和技术，对其他学科的依赖性较强，自身交叉度较高，在教学实践中再次融合其他学科的难度较大。数据学科的建设，也存在着一定程度的不足，如现有学科边界模糊，理论与实践存在偏差，学科核心理念更新迟缓的现象凸显等。开展学科交叉融合，丰富学科的时代内涵，借此提高人才培养质量，具有迫切的现实需求和实践意义[7-8]。

1 数据科学学科专业现状及存在的问题

1.1 数据科学学科建设现状

国内开设数据科学专业的一大批高校积极开展新工科建设，积极探索新时代背景下工科发展的新规律。在数据科学专业建设方面，大部分高校通常以计算机学院、自动化学院等为协调牵头单位，积极与数学与统计学院、软件学院等相关教学单位协作教研，优势互补，夯实学科基础，完成了大数据应用开发，大数据技术原理，Python编程、深度學习、分布式系统与云计算、大数据编程、数据挖掘，数据可视化等课程的开设[9]。

1.2 区域高校数据科学教学方面存在的不足

目前，数据科学学科正处于不断完善的阶段;对于部分优势高校而言，拥有能够支撑学科发展的优质师资，也有优质生源，具备将优质师资与生源紧密联结的制度和环境，因此能够高质量的完成数据科学专业的教学育人工作。而对于区域高校而言，师资以及软硬件设施均无法与优势高校相比，能够投入数据科学教学科研中的资源有限，另外兼之生源质量受限，数据科学的教学活动较难达到预期目标。通过学科交叉融合，将自身资源优化组合配置;适当调整自身办学定位，找准数据科学人才培养的核心需求，建立起与市场对接的人才培养通道，是当前大部分开设有数据科学专业的区域高校的首要之选[10]。

当前区域高校数据科学教学中存在的问题主要有以下几点：

1.2.1 数据科学的外延与自身教学定位

作为一门新兴学科，数据科学专业的招生与就业受到了市场的追捧;突飞猛进的专业建设发展，掩盖了数据科学专业当前外延模糊等短板。当前数据科学专业依赖于其他行业数据，相关数据的处理需要有相关行业知识的支撑;在本科教育中，较难实现专业教学与行业实践的有机结合，也不能很好的把握数据科学的外延。另一方面，数据科学是一门强交叉学科，要融合统计学科、计算机学科和数学学科等相关学科知识，且大数据就业领域分工庞杂，高校应根据自身实际情况，找准定位，有针对性的加强相关大数据技术和应用的教学工作，为学生的就业和实践做好铺垫。

1.2.2 学科交叉不同于课程机械叠加

作为一门强学科交叉属性的学科，数据科学专业需要做到统计学、数学和计算机学科的交叉融合，也要实现一定程度的行业交叉融合。很多区域高校，在数据科学的教学中，仅简单开设计算机学科、统计学科及数学学科的相关课程，无法实现数据学科专业的核心理念，无法实现数据的科学统计和合理分析。

1.2.3 数据学科与实践的融合交叉不足

数据学科是一门与实践紧密联系的学科，对于不同的行业和领域，具体的数据采集和分析，以及模型提取和应用的方法可能完全不同;因此，在实际的教学中，很多区域高校难以获取有价值的行业数据，没有真实可靠的行业场景，不利于学科交叉融合的實现。

2 促进数据科学专业交叉融合的目标和措施

2.1 跨界互动，构建跨学科的教学研究团队

教师是教学活动的引导者，在学科交叉融合的过程中，要发挥不同学科教师的良性、惯性互动，组建跨学科的教学研究团队，形成定期开展教学研究活动的常态机制。当前很多教学研究团队浮于表面，没有真正融合，不能形成联动效应。在实践中，可采用项目带动的方式来实现跨学科融合。

2.2 构建并发展相关学科集群的集群优势

国家在院校转型的文件中正式提出了“学科集群”的概念，指的是众多相关学科围绕产业技术创新为核心所组成的学科集群，对应着产业集群，是多学科深度融合的概念产物。在学科集群建设中，通常会采用重点突破，以点带面的建设方式。因此，在数据科学相关的学科集群建设中，可围绕数据科学专业或其他相关学科专业，通过学科集群的建设，实现多学科跨越发展，从而有效的实现学科交叉融合发展。

2.3 一定强度的师资培训及企业联动

在数据科学的教学过程中，师资是制约学科发展的重要因素。这主要在于，数据科学仍处在不断发展的阶段，学科知识更新较快;学科交叉属性强，很少有足够学科交叉背景的教师完全满足数据科学的教学需求;数据常常涉及不同领域，需要具备不同领域的行业知识等。这些因素都决定了，需要持续的对现有师资进行一定强度的培训，及时更新相关专业教师的知识储备，并且通过培训实现其对不同领域知识的了解和熟悉。

在现有机制下，高校自身常常无法有足够数量、足够种类的高质量数据，而企业常常缺乏对数据进行深入研究分析的动力，因此高校和企业的联动，能够相互弥补自身不足，使双方都能够在合作交流中实现共赢。高校师生在真实的数据场景下，能够提升其数据实战能力，将知识转化为能力，快速将教学转化为实际生产力，也进而达到数据科学的交叉融合发展。

2.4 个性化定制培养的探索

在数据科学专业学生的培养过程中，可采用个性化定制的培养方式，有针对性将师资与学生进行适度匹配。数据科学是一个涵盖广泛的领域，从模型构建、数据分析到数据标注等不同分工，科学和技术的含量差异较大;如对不通层次的学生使用相同的教学目标和教学手段，则不能满足不同层次的学生需求。分层教学和个性化定制，通过对学生进行个性需求识别，结合学生的兴趣和能力，将不同学生引导入不同的层次和领域。

2.5 对学科交叉融合建立追踪和反馈机制

在全国进行数据科学教学的探索浪潮当中，至今没有成熟有效、放之四海而皆准的数据科学教学模式，因此需要不断的探索和尝试;在探索过程中，应建立相关的领域知识管理库，及时总结学科建设及交叉融合中的成功经验，及时归纳不足之处，通过数据科学自身的理念，挖掘数据背后蕴含的规律，从而达到少走弯路，尽早建立数据交叉融合教学模式。

3 总结

新工科建设中，区域高校要在有限的师资强度下实现预期的教学目标，实现数据科学人才的培养目标，只有通过的数据科学交叉融合，提升学科的包容度和特异性，打破学科壁垒和边界，解决数据科学人才培养和工程问题解决中的新问题，真正实现新工科建设的内涵要求。在本文中，提出了构建跨学科的教学研究团队、构建并发展相关学科集群的集群优势、积极开展师资培训及企业联动以及个性化培养等措施，以期在区域高校的数据科学建设取得卓有成效的成果，并且能够满足区域社会经济发展对于数据科学人才的需求。

参考文献（References）：

[1] 陆国栋，李拓宇.新工科建设与发展的路径思考[J].高等工程教育研究，2017.3：20-26

[2] 孙伟，王景光.新工科背景下大数据专业建设策略探究[J].计算机产品与流通，2020.11：154

[3] 吴爱华，杨秋波，郝杰.以“新工科”建设引领高等教育创新变革[J].高等工程教育研究，2019.1：1-7，61

[4] 叶民，钱辉.新业态之新与新工科之新[J].高等工程教育研究，2017.4：5-9

[5] 叶青，刘长华.新工科背景下的《大数据与云计算技术》课程建设研究[J].湖北经济学院学报（人文社会科学版），2020.17（11）：149-151

[6] 张焕生，贾冬青，辛晨.基于大数据的应用型人才培养模式创新路径研究[J].创新创业理论研究与实践， 2020.3（18）：124-126

[7] 杜钦生，薛蛟.新工科背景下大数据专业人才培养研究[J].产业与科技论坛，2020.19（12）：185-186

[8] 付佳，周春华，王林申.以新工科建设促进高等教育发展研究[J].高教学刊，2020.35：1-6

[9] 郭文忠，张浩，董晨.“新工科”背景下数据科学与大数据技术专业建设探索与实践——以福州大学为例[J].电脑知识与技术，2020.16（25）：121-123

[10] 刘泉，兰义华，徐安凤等.多学科交叉融合的大数据应用型人才培养模式探索[J].计算机时代，2020.11：89-91