APP下载

新工科背景下数据科学与大数据技术专业建设探究

2022-05-07毕从娣

中学生学习报 2022年20期
关键词:产业学院工程能力大数据技术

摘要:数据科学与大数据技术专业是近几年发展起来的新专业,经过几年的发展,各高校围绕优化人才培养方案、优化课程体系、课程建设、校外实践教学基地建设、提升教师实践能力等方面取得了一定的成绩,但是也存在着很多的问题。通过在专业建设方面仍然存在的问题分析,进而提出对策建议,为今后的专业建设提供一定的参考和借鉴。

关键词:大数据技术;人才培养;产业学院;校企合作;工程能力;

中图分类号:G64 文献标识码:A

0   引言

在新兴产业和新经济飞速发展的形势下,2017年教育部分别召开了综合性高校和工科优势高校的新工科建设研究讨论会,提出了“新工科”建设的战略规划,并陆续发布了“复旦共识”“天大行动”和“北京指南”,进一步明确了“新工科”建设的内涵及行动指导思想,并发布了《关于开展新工科研究与实践的通知》。明确了新工科专业主要以互联网和工业智能为核心,包括大数据、云计算、人工智能、区块链、虚拟现实、智能科学与技术等相关工科专业。新兴产业和新经济需要的是具有良好人文素养、协作精神、可持续发展、终身学习能力强、实践能力强、创新能力强的高素质复合型新工科人才。培养具有数字化思维和跨界整合能力的“新工科”人才,是时代发展的要求。

1  目前数据科学与大数据技术专业基本情况

我们正处在一个产生大数据的时代,更是需要大数据力量的时代,大数据技术是未来科技的制高点,大数据产业是我国的战略性新兴产业,这个产业是否能健康发展关系着我国的国家信息安全建设和科技产业结构调整升级。因此,数据科学与大数据技术专业成为新工科建设的重要专业,该专业是以大数据为研究对象,以从数据中获取知识和智慧为主要目的,以统计学、计算机科学、可视化及专业领域知识为理论基础,以数据采集与预处理、数据存储、数据分析及数据计算为研究内容的一门交叉学科,其专业培养目标强调培养学生的实践应用能力和创新能力 [1]。3至5年的1时间内全国共有1000多所高校成功申报了该专业并招生,开始了各个层次的大数据人才的培养工作,围绕优化人才培养方案、优化课程体系、开发校企合作课程、建设校外实践教学基地、提升教师实践能力等方面开展工作,最终构建科学完善的人才培养模式。在很多方面取得了一定的成绩,但是也存在着很多的问题,人才培养的数量和质量都未达到满足大数据产业发展的要求。

2  数据科学与大数据技术专业人才培养存在的问题分析

2.1 师资队伍的教学能力和水平亟待提高

由于是新专业,从事该专业教学的教师主要是计算机应用技术、统计学和数学等原有学科师资力量的转型发展和突破提升。这部分教师对大数据相关技术的实战经验不足,对大数据技术发展与应用现状及趋势了解有一定的局限,只能承担单学科课程的基础性教学,很难突破原有知识体系将大数据最新知识与技术带入课堂。同时,大数据专业的硕士及博士层次的人才还没有大量供应,大数据人才市场供不应求的现状,也加大了高校大数据相关专业人才引进的难度,造成了师资力量的整体匮乏。导致高校面临着师资力量薄弱、实践教学资源不足等问题。教师的大数据企业实践经验少,行业知识积累不够,师资队伍的工程化水平不足,缺乏工程背景与行业相关的工程经历,工程能力不强,在学生工程能力培养上显得力不从心 [2] 。

另一方面,行业企业的教师在学生工程和实践能力培养中的作用未能得到充分发挥,对企业的兼职师资的利用仍处于不规范状态,企业兼职教师的教学能力也需要极大地提高。

2.2缺乏对产业资源的利用

绝大多数的高校仍停留在建立企业实习基地这种单一形态,未能对行业企业所拥有的优质工程教育资源进行系统性梳理,并根据工程能力培养不同阶段或不同实践教学环节的目标与需要,有针对性地选择资源和设计产学合作机制,将技术与标准、产品与解决方案、工程项目与案例、生产与服務环境、工程技术与管理人员等产业资源充分有效地融入工程能力培养全过程或主要环节。

2.3课程设置差异化较大

由于《普通高等学校本科专业类教学质量国家标准》中没有规定本专业的必开核心课程及课程标准等要求,在多元融合、多领域融通的新经济背景下,对新工科人才的培养,不仅涉及不同工科之间的交叉融合,还需要工科与理科以及工科和人文与社会学科之间的大尺度交叉、跨界与融通。因此在该专业的人才培养方案中,存在“摸着石头过河”,或者根据现有的师资设置课程的情况,课程的设置存在较大的差异,不利于专业建设的健康发展。

2.4深度校企合作需要进一步加强

校企合作联合培养人才是公认的最有效的优质人才培养模式,但是在校企合作的过程中,大多表现为企业热情不高,院校积极主动。任何企业都是要追求利益的,没有利益的合作会让企业当做包袱而拒绝合作,更谈不上有长远的合作战略。这就使得当下的校企合作表现为双方的合作深度和层次不够,院校培养的人才达不到企业的预期。双方能否跨越各自的利益边界,构建“1 + 1 >2”的局面,使得双方合作的利益最大化,真正深度的校企合作还需要进一步探索,还有很长的路要走。

3   对策和建议

3.1建设现代化的产业学院

产业学院是学校和行业企业合作培养技能型和应用型人才的一种培养模式,核心就是让企业参与到人才培养的教学过程中,特别是加强实践教学体系的设计和实施。现代产业学院由学校和企业共同投资创建、共同管理。产业学院的人才培养目标、培养方案内容可以针对行业企业的需求,校企双方借助产业学院平台共同实现从学生的选拔、 人才培养、课程开发、教学组织、教学质量评价、教学团队与师资队伍建设、实践教学基地建设等方面进行全过程深度合作。在共同管理方面,产业学院普遍实行理事会领导下院长负责制,理事会由学校和企业人员共同组成,负责产业学院的制度制定、人力资源和其他资源建设、收益分配等重大事项的决策 [4] 。

产业学院是校企合作的一种新形态、新范式,政府引导下学校、企业两大主体相互交融、相互渗透,是学校与企業在发展过程中形成的命运共同体,多主体共建共管共享的发展联合体。产业学院将学校中的教育链、人才链、创新链与企业的产业链充分融合,组成产业链集群。其中产业学院一方面是学校科研对接产业的产学研用基地,也是校企合作学生开展实训、实习、职业认知的学习基地,更是大学生开展创新、创业的“双创”基地,还是学校专业教师继续培养、深造的双师培育基地;另一方面是合作企业人才培育基地、创新研发基地、人才继续深造基地、品牌营销推广中心;专业嵌入产业链条、课程对标生产环节、课堂引入工作情境、教法结合工作方法,深入推进工学结合、知行合一,构建校企深度融合的发展模式,形成以技术为纽带的校企共生体。

目前国内著名华为ICT产业学院、腾讯云产业学院、阿里云产业学院、西门子制造学院等已经遍地开花,更有教育部批准建立的第一批国家级产业学院正式成立,有力的支撑了行业内传统优势产业转型升级和战略性新兴产业发展,更为地方区域经济发展做出了极大贡献,这是目前乃至于将来的最有效最科学的一种人才培养模式。因此,建议高校要积极的投入到产业学院的建设工作中,争取获得相关产业学院的建设资源。国家要鼓励和支持有能力的企业来参与产业学院的建设,更要出台相关的激励政策和机制来保证有更多的产业学院的建立和健康发展。

3.2加强师资队伍的建设

数据科学与大数据技术专业建设目前最需要提升的是教师的专业技能,需要将大数据前沿技术、主流开源平台、分布式文件系统架构、大数据分析与挖掘、并行计算框架及运行机制、行业大数据平台规划与建设、数据中心运维与应用等多层面多维度的专业知识作为主要的培训内容。在此基础上,帮助任课教师理清大数据技术的知识架构,明晰大数据行业的发展方向,掌握大数据前沿应用技术[6]。

教师的专业技能培养,可以从以下几个方面进行:

1)参加行业企业组织的工程技术相关培训,掌握主流技术及其在工程方面的应用;

2)脱产顶岗式的企业挂职锻炼,强化教师实践经历与经验;

3)参加行业权威的职业工程师认证,获得相应的工程水平认可;

4)与企业工程师共同实施有关的教学活动获得教学能力的提升;

3.3开发校企合作课程

将行业对人才培养的最新要求,技术和产业的最新发展引入教学过程,更新课程体系和教学内容,合作企业深度参与课程建设,推动课程内容与行业标准、生产流程、项目开发等产业需求科学对接,建设高质量校企合作课程。加快开发基于工作项目、学科竞赛、校企合作等综合性的课程建设模式,从而实现“能力本位、教学一体、学以致用”的融合统一。课程建设要紧密结合大数据技术在不同行业的应用,开发一些针对某些行业专用的课程。

3.4加强实验室建设

实验室建设是每个专业的重中之重,数据科学与大数据技术专业实验室建设尽可能在较高起点的基础上,搭建一站式教学服务平台,它是以云计算资源管理平台和大数据教学管理平台为支撑,以优质的课程资源和项目案例资源为核心,以自主研发的数据挖掘建模等分平台组成,把课程和软件内容统一结合,满足高校大数据专业教学与实训的一体化平台。这样的平台围绕着专业建设的各个方面,从课程设置、师资培养、教学资源、实验环境、学生实训实习及就业创业等环节,提供完整的产品体系,满足数据科学与大数据技术专业人才培养不同阶段的需要。比如:一体化平台中的实验实训管理平台,提供丰富的大数据项目案例,含视频、实训指导书、数据、代码等;云计算资源管理平台,提供丰富的云计算管理功能和全新的云计算数据中心;大数据整合平台,提供丰富的数据迁移与预处理功能,通过数据交换系统、数据挖掘系统、数据调度流系统, 充分满足教师科研需求,提高高校教师的科研创新能力,保证科研成效;数据挖掘建模平台,提供丰富的数据分析与挖掘算法、支持自定义Python算法;大数据开发实训平台,提供丰富的Hadoop、Spark开发组件;Python实训平台,支持在实训平台进行编程实验;大数据分析可视化平台,提供丰富的仪表盘主题、丰富的仪表盘布局模板等。

目前华为、阿里云、泰迪等公司这类实验室的产品非常成熟,各有特色,可以根据学校的具体情况来选择和建设。

4 结束语

数据科学与大数据专业在新工科建设的背景下,围绕“问产业需求建专业,问技术发展改内容,问学校主体推改革,问学生志趣变方法,问内外资源创条件,问国际前沿立标准”的新工科建设六大理念进行专业建设,还会有很多的问题会不断出现。以强化学生职业胜任力和持续发展能力为目标,以提高学生实践和创新能力为重点,以优化实践教学体系构建,开发校外实践教学基地、提升教师实践能力等为落脚点,仍然是今后专业建设的落脚点和重点工作,教育部2022年工作要点中,也把支持校企共建“双师型”教师培养培训基地、企业实践基地作为重点工作。期望有更多的企业能够有更高的参与积极性,与高校一起共同培养符合区域经济发展需求的数据科学与大数据技术人才。

参考文献:

[1] 王艳丽,张敏,尤国强.新工科背景下数据科学与大数据技术专业建设初探[J].陕西教育(高教),2020(02):44-45.

[2] 施晓秋.“产学三级联动”工程能力分级培养模式的构建与实践[J].高等工程教育研究 2017年第5期:66-71.

[3] 赵宏伟,刘柳.基于新工科教育的地方本科院校数据科学与大数据技术专业人才培养体系研究[J].科教导刊(电子版),2020,(25):57-58.

[4] 王厚喜.基于产教融合模式下经济商贸专业产业学院实践教学的探索——以广东轻工职业技术学院为例[J].营销界,2020(09):81-82.

[5] 产业学院战略[DB/OL].https://zhuanlan.zhihu.com/p/395265119 /, 2021-08-01.

[6] 陶皖,石建国.普通地方高校数据科学与大数据技术专业建设探究———以安徽工程大学为例[J].黄冈师范学院学报,第8卷第6期:14-16.

[7] 贾蓓.学科融合视角下的数据科学与大数据技术专业人才培养思考[J].大学教育,2020, (1):166-169.

[8] 李国杰.多元主体参与办学模式下产业学院内部运作机制研究[J].教育科学论坛,2020(18):37-40.

[9] 孙波.大数据技术与应用专业实践教学体系构建与研究[J].软件工程,2019,22(07).

[10] 杨洪,李知遥,张志强.数据科学与大数据技术专业实践能力培养体系的探索与实践[J].成都大学学报(社会科学版),2018,(3):106-112.

[11] 李艳凤,李小鹏.深度产教融合视域下产业学院建设的实践研究[J].职业技术,2021,20(12):68-72.

[12]任金秀,周红利.产业学院:中国特色产教融合的组织创新[J].职教论坛,2021,37(04):51-55.

[13] 刘颖,王爱莲,宣齐娜等.新工科背景下数据科学与大数据技术专业建设探析 —以地方财经类高校为例[J].吉林工商学院学报,2019,第35卷(6):106-109.

作者简介:毕从娣, 1964年出生,女,辽宁省大连市人,教授职称,硕士学位,主要从事计算机教学和管理,主要的研究方向计算机信息管理及大数据技术。

猜你喜欢

产业学院工程能力大数据技术
产业学院推进产教深度融合的实践探索
高职院校产业学院人才培养质量保障体系研究与实践
关于高职混合所有制产业学院的思考
纺织工程专业工程能力培养体系初探
基于CDIO的网络服务配置与管理课程教学改革探讨
大数据技术在电气工程中的应用探讨
大数据技术在商业银行中的应用分析
基于“卓越计划”的机械制图课程教学改革初探
基于“3CE+B”模式的电子信息科学与技术专业课程体系改革
产业学院