王丽娟，李静，所辉，奚文娟，王雅娴

（广东机电职业技术学院，广东广州 510515）

近几年，国家经济开始由高速发展向高质量发展转变，为了优化产业和就业结构，让更多的劳动者掌握专业技能，更有力地支撑行业发展，高职院校持续扩招。招生规模的扩大，在给高职院校带来更大的发展空间以及优化职业教育体系和人才布局的同时，也给高职院校的教学工作带来了很大的挑战。扩招意味着高职院校的生源结构更加多样化，生源可能来自高考、学考、中职升学、社会进修等各个层面，要保证职业教育的质量，课程教学改革势在必行。

1 高职院校大数据教育现状分析

目前，计算机相关专业是高职院校在校生人数最多的专业群，自从2016 年国家教育部发布的《普通高等学校高等职业教育（专科）专业目录》在计算机类增加了大数据技术与应用以来[1]，各院校都先后设立了大数据相关专业或者方向。大数据技术的学习需要学生有扎实的数学基础和计算机编程能力，高职院校扩招情境下复杂多元的生源结构和参差不齐的认知水平情况，增加了大数据相关教学的难度。

2021 年11 月，工业和信息化部发布《“十四五”大数据产业发展规划》，推进了大数据行业的发展，产业规模扩大，以大数据为核心的新一代信息技术革命加速推动数字化转型升级[2]。随着大数据产业迅速发展，与其相关企业也在增多，对人才的需求也不断扩大，无论是政府、企业还是个人，都离不开数据，大数据人才缺口正持续增大，未来基础性数据分析人才缺口将达到1 400 万人[3]。

高职教育是以培养学生应用能力为主旨，以促进学生就业为导向。高职院校大数据相关专业和方向近几年的平均就业率比较高，但就业对口情况不佳，大量学生在毕业后从事与大数据完全不相关的职业。大数据领域就业是指从事大数据采集、存储、清洗、处理、治理、挖掘并加以利用、管理、维护和服务相关的工作。企业提供的大数据岗位主要分成了四类：数据分析类、挖掘算法类、开发运维类和产品运营类[3]，挖掘算法类岗位对从业者的技能和学历要求较高，其他三类对从业者的技能和学历要求相对较低。解决学生就业对口问题要以课程教学改革为切入点，旨在逐步推进高等职业教育和人才培养模式的优化和改革。

2 扩招背景下高职院校大数据方向课程教学现存问题

在专业目录新增大数据专业以后，初始主要是本科院校设立该专业，因此，后续高职院校大数据专业或方向的设立都是参考本科院校的人才培养体系和课程体系，这就存在很多问题，主要表现在课程内容和教学实施两个方面。

2.1 课程内容选择和组织形式

目前，大数据方向的课程内容涵盖大数据处理流程，内容较多，而很多高职院校并没有根据自身特点进行筛选，导致教学内容没有针对性，内容庞杂但不够深入。面对繁杂的课程内容，学生学习压力大，难以掌握全部知识点，学习效果不佳。课程内容以直线式方式组织，前后内容基本不重复，未考虑知识的衔接性。学生学习到的知识是片段式的，难以形成连贯的知识体系。

2.2 教学活动实施

大数据方向课程教学是以实际应用为目的，是技能型的教学。高职院校大数据方向课程的教学仍然采用传统教学方法，未注重能力的培养，难以调动学生学习的积极性和主动性，不利于学生掌握和应用技能。

3 基于OBE +分层分类的教学模式改革大数据方向课程

OBE（Outcome-Baced Education）教育模式围绕五个问题开展：（1）学生取得什么样的学习成果？（2）为什么要让学生取得这样的学习成果？（3）如何有效地帮助学生取得这些学习成果？（4）如何知道学生已经取得了这些学习成果？（5）如何保障学生能够取得这些学习成果[4-7]。从大数据就业出发，以数据分析类、开发运维类和产品运营类三种岗位的专业技能和职业素养为主导，确定课程内容和组织形式、教学方式、教学评价方式。

在了解高职扩招特点的基础上，制定有针对性的人才培养目标，分层分类培养、教学、考核、管理，以实现精准化教学[8-11]。分层分类教学主要是指两个方面：学生和课程内容。虽然高职扩招以后，生源多元化，但根据心理学的研究，人的认知水平存在层级，且在不同层级之间存在明显区别。所以，依据维果斯基认知水平理论，根据学生现有认知水平，将学生划分成不同的层级。课程内容以模块化的形式进行划分，适配每个类别的学生。针对不同类别的学生提供不同的学习内容和学习方法（见图1）。

图1 基于OBE +分层分类的教学模式

3.1 确立以就业为导向的层级教学目标

根据OBE 教学模式，以就业为导向确立大数据方向教学目标。从多渠道获取行业和岗位数据进行分析，从知识、技能和关键能力三个方面细化大数据方向不同岗位的层级教学目标。根据调研分析的结果，以数据分析类岗位为例：知识方面，需要学生掌握数理统计、数据采集、分析流程、分析报告撰写等知识；技能方面，需要掌握常用的工具和软件，比如Excel、Tableau、Python、数据库等；关键能力方面，主要是分析问题、解决问题、沟通表达、团队协作、数据安全等素养。

3.2 分层分类模块化的教学内容

根据学生分类情况和知识逻辑，将课程内容划分为多个通用和专用模块。课程内容的组织采用螺旋式方式，根据学生的职业倾向性，在不同阶段使部分内容重复出现，逐渐扩大知识范围、提高难度。针对不同类型的学生提供不同难度的内容，采用不同模块的组合。采用多样化的教学方式，调动学生的学习积极性，发挥其潜能。

3.3 多样化的教学组织形式

采用线上和线下相结合形式，将整个教学过程分为课前、课中和课后三个阶段[12]。线上教学：整合超星、慕课、智慧职教等平台的课程，学生以类别为单位，在教师的引导下自主探索学习，设置随堂练习和学生分享环节，及时检查学生的学习情况。线下教学：教室、实验室、企业三种情境配合，教师在教室借助多媒体进行理论知识讲授，实操和项目部分通过实验室和企业来展开。同时，鼓励学生参加各类大数据比赛，考取大数据相关证书，课证赛融通。

3.4 多元化的教学评价模式

结合形成性、总结性和增值性评价[13-14]，在课前和课中通过问卷、随堂练习等方式开展形成性评价，完成系列知识点学习时进行总结性评价，全过程开展增值性评价，关注学生的变化，形成综合性、全面的评价。

4 OBE + 分层分类的教学模式在软件技术专业大数据方向课程中的应用

以广东机电职业技术学院软件技术专业大数据方向的数据分析方法与应用课程为例开展OBE+分层分类的教学。

4.1 根据学生的认知、学习水平和职业倾向进行分类

根据学生的认知水平、学习水平和职业倾向设计问卷，问卷题目涉及主观和客观两方面，主观性问题是由客观性问题决定的。客观性问题主要涵盖学生对学习、生活、解决问题等的满意程度。认知类题目答案设置为两个等级，职业倾向类题目答案设置为三个层级，分别代表不同层级和类别。经过问卷调查数据的分析，将学生分成五类，课程教学会根据划分的类别分别展开。

4.2 课程内容的选择和模块化

带着OBE 教学模式的前两个问题以及就业岗位所需要的技能，针对高职教育的特点，确定了数据分析方法与应用课程的教学内容是以Python 语言为基础的数据分析，包括Python 基础、数据结构、函数、NumPy 基础、Pandas 基础、数据清洗、数据规整和可视化8 个部分。课程内容也体现了螺旋式的组织形式，前三个部分的基础内容，学生在大一第二学期已经学习过，其余部分属于新增内容，新增知识由易到难循序渐进。确定课程内容以后，将其按照知识点逻辑划分成通用模块和专用模块。

4.3 以学生为主体、以教师为主导的多样化教学

将课程与就业紧密结合，带着OBE 模式的后三个问题开展课程教学。课前，主要是预习，数据分析应用案例和发展状况部分的内容是教师带着学生参观本地一家大数据分析企业，让学生了解大数据的应用，激发学生学习的主动性和积极性；技能知识的学习是利用线上课程资源来展开，学生以划分的类别为单位开展预习，并对预习的结果进行形成性评价，教师主要通过学生的预习数据安排授课内容、形式、方式等。课中，教学形式比较多样，理论内容借助多媒体进行讲授或者通过翻转课堂向学生展示；实操内容，分别为教师演示、带着学生实操，学生自主实操，实操结束后以类别为单位让学生汇报展示。课后，通过作业对知识进行延伸拓展，根据学生作业情况和反馈情况，教师开展教学反思。

4.4 以证、赛促进教学

高职院校大力推进“1+X”证书制度的施行，大数据产业的崛起也衍生了“大数据+ X”。由工业和信息化部组织的每年6 月和11 月进行的信息化技术水平考试与大数据方向课程教学内容非常匹配，且该证书的考试时间也是课程的中后期，学生都报考了该证书考试。

大数据相关的比赛非常多，比如职业院校学生专业技能大赛（大数据技术与应用）、“泰迪杯”数据分析技能赛、计算机程序设计员（大数据分析方法）赛项等。这些竞赛的考查内容与课程内容高度相关，教师鼓励学生参加此类竞赛，将所学知识进行转化。

4.5 教学评价与教学反思

大数据方向课程考核由平时成绩和期末成绩组成，不同类别学生的期末成绩通过统一考核取得，平时成绩则根据学生在学习过程中的综合表现来评定，对不同类别的学生进行平时成绩的评定时侧重点不同。教师根据授课中多元化的评价数据，对教学实践总结思考。针对大数据方向课程，教师后续应该进一步提高实操和完整项目训练的比例，让学生能够更好地学有所用。

5 结语

高职院校在扩招过程中面临着机遇与挑战并存的局面。本文以软件技术专业大数据方向课程为研究对象，提出了基于OBE +分层分类的教学模式，根据学生的认知水平和就业倾向进行层级和类别的划分，能够更加合理地划分学生群体，更有针对性地选取课程内容，以期为扩招背景下的大数据课程教学提供一些参考。