余小东，王跃飞，曾宇

（成都大学 计算机学院，四川成都 610106）

在“大众创业、万众创新”的背景下，为鼓励大学生创新创业，培养学生的创新精神、创业能力和专业能力，各高校都积极探索创新创业教学改革[1-3]。2015 年5 月，国务院办公厅印发《关于深化高等学校创新创业教育改革的实施意见》，明确指出深化高等学校创新创业教育改革，是国家实施创新驱动发展战略、促进经济提质增效升级的迫切需要，是推进高等教育综合改革、促进高校毕业生更高质量创业就业的重要举措[4]。把深化高校创新创业教育改革作为推进高等教育改革的突破口，要结合专业、强化实践，将创新创业教育改革融入人才培养体系，增强学生的创新精神、创业意识和创新创业能力[4]。因此，“专创融合”，即创新创业教育与专业教育的融合，成为了高校创新创业教育改革的重点[5-7]。为进一步推动“专创融合”的改革和实施，2018 年9 月，国务院印发《关于推动创新创业高质量发展打造“双创”升级版的意见》，对高校创新创业教育的高质量发展提出了更高的要求[8]。

我国“专创融合”的改革发展相对较晚，高校在实施创新创业教育过程中出现与专业教育脱离的状况。创新创业教育与专业教育存在“两张皮”问题，在高校中两个专业的教育通常归口不同的管理部门，创新创业教育与专业教育的资源、平台和师资不相通，使得“专创融合”课程设计实施缺乏系统性和连贯性，“专创融合”未融入专业的人才培养方案，未贯穿人才培养的全过程[9-10]。因此，如何实现创新创业教育与专业教育的深度融合已成为高校“专创融合”教育改革的重要任务。

“专创融合”教育改革可以先从专业课程的教学改革出发，将创新创业思想融入专业课程[11-12]，然后逐步形成整个专业的改革方案。数据科学与大数据技术专业作为一个2016 年才开设的新兴专业，很少从“专创融合”的角度建立课程体系和培养目标，为了推动该专业的“专创融合”教育，本文以数据可视化技术与应用课程为例，在课程教学过程中融入创新创业教育思想，探索数据科学与大数据技术专业的“专创融合”课程样板模式，以促进形成整个专业的“专创融合”课程体系和人才培养方案。

1 课程背景

随着信息技术的发展以及计算机性能的提高，大数据技术几乎被应用于所有行业。大数据已经进入了迅速发展的时代，大数据的价值也越来越高。为适应国家大数据发展战略需求，解决大数据相关岗位人才严重短缺的问题，教育部于2016 年批准新增数据科学与大数据技术专业，截至目前，有700 多所高校开设了数据科学与大数据技术专业。该专业是具有数据科学、统计学、计算机科学与技术等多学科的交叉融合专业，旨在培养能胜任大数据处理与分析、大数据系统开发的创新型人才。然而，由于该专业开设时间短，可供借鉴的经验较少，高校面临着师资力量薄弱、实验实践资源不足、教师的大数据企业实践经验少、学校能够用于教学实验和实践的数据量缺乏、行业知识不够等问题[13]。同时，数据科学来源于各类行业场景，是一门与实践高度结合的学科，但是目前多数高校缺少企业项目实践案例和可以用于教学的商业数据，使得学生实践机会少，难以做到学以致用。这些都是数据科学与大数据技术专业开展“专创融合”教育的限制因素，使得该专业的“专创融合”力度不大，成效不明显。

数据可视化技术与应用是数据科学与大数据技术专业的一门专业核心课，该课程在专业课程体系中开设时间相对较晚，是承接Python 程序设计、数据建模与分析和数据仓库与数据挖掘等专业核心课的后续课程。数据可视化是数据科学项目中数据分析的最后一步，其目的是对数据建模或数据挖掘分析的结果进行可视化呈现，用图形的方式直观地表示出数据分析结果的意义和价值。数据可视化技术与应用课程的教学过程中多采用案例式和项目驱动式教学，涉及的知识面广，综合性较高，因此，该课程适合作为数据科学与大数据技术专业的“专创融合”课程。

2 课程教学改革方案

2.1 课程教学目标

数据可视化技术与应用是一门综合性、实践性较强的课程。从专业课教学方面出发，其主要教学目标是使学生掌握数据可视化的一般原理和处理方法，能使用Python 程序语言或数据可视化工具对数据分析结果进行可视化处理，熟练使用相关大数据实践平台，培养学生的数据分析、数据应用和数据可视化表达能力，形成完成数据科学项目的整体思维。从创新创业教育角度出发，其目的是让学生能从现实场景中发现问题，并利用所学的专业知识解决问题，形成具有实际意义和价值的工程项目，培养学生的创新思维，提升学生的团队协作和沟通交流能力。

2.2 课程教学内容

随着高校创新人才培养机制的改革与发展，各高校尤其是应用型本科院校积极探索“课赛创”一体化的育人模式[6]。基于“课赛创”融合理念，将大赛项目、“双创”元素有机融入专业课程内容，实现“赛教结合”“赛创融合”。本文以成都大学数据科学与大数据技术专业的数据可视化技术与应用为例，在课程中融入竞赛项目和创新创业元素，构建“专创融合”的教学内容。

由于数据可视化技术与应用课程学时有限，很难在常规教学过程中覆盖所有内容，因此，有必要对课程的教学内容进行梳理，形成线上线下相结合、课内实验与课外实践相结合的教学模式。如表1 所示，该课程的教学内容分为课程专业理论教学、实践教学、创新创业教学3 个部分，括号里的数字为学时分配情况。

表1 数据可视化技术与应用课程教学内容设计

专业理论教学分为核心知识点和自学知识点，其中，核心知识点是课程必学知识，主要通过课堂讲授和课堂讨论方式完成教学；自学知识点主要是与课程综合项目相关，是在其他课程中已经学习过的知识点，其目的是让学生巩固原有知识，并融合本课程知识点。理论教学过程采用线上线下相结合的方式完成，线上教学使用“超星”网络教学平台，将课程的核心知识点和自学知识点的所有相关教学资料上传至线上平台，供学生提前学习和课后巩固，课堂上通过课堂小测试和问题讨论的方式检查学生对知识点的掌握情况。例如，在数据分析方法知识点部分，学生已经在其他课程学习过相关原理知识，但由于分散到多门课程，学生很难将其快速融入本课程的学习。为了进一步加强其与本课程的融合，教师可为学生提供线上自学教学资源，课堂上通过实例讨论的方式完成教学，以解决课程课时较少的问题。

实践教学环节分为基础知识实验和综合项目实践两个部分，基础知识实验是以个人形式完成的小实验，其目的是让学生对相关知识点进行理解和掌握；综合项目实践以团队形式完成，综合项目的实施从课程的第一节课开始，实践过程贯穿整个教学过程，并且与相关学科竞赛相结合，将综合项目包装成学科竞赛的参赛项目，实现“课赛创”的融合。由于数据科学与大数据技术专业的课程实验和综合实践需要丰富的数据资源和平台资源，因此，实践教学环节还需要使用“希冀”等线上实践教学平台。

创新创业教学部分采用讲座方式完成，通过邀请创新创业教育相关教师举办现场讲座，或者观看国内创新创业教育名师视频讲座的方式实施，其目的是让学生了解创新创业和学科竞赛的相关政策和流程，提升学生的创新创业思维能力。该部分的教学通常在课程前期展开，一般在概述部分教学的后面，以帮助学生及时掌握相关信息，协助学生组建团队，完成综合项目选题。

2.3 教学过程设计

采用线上线下、课内实验与课外实践相结合的混合式教学模式，以“超星”网络教学平台和“希冀”等实践教学平台为载体，结合课堂讲授、讨论来完成数据可观化技术与应用课程的教学。总体上，教学过程分为课前、课中和课后三个阶段，课前，教师将相关教学资料和学习任务部署在“超星”和“希冀”等网络教学平台上，学生在平台上完成知识点的自学，同时通过网络平台展开讨论，教师收集并总结学生的相关问题；课中，教师对重难点知识进行讲授，结合学生课前的学习情况和存在的问题，展开课堂内部的讨论，以问题引导的方式鼓励学生积极参与讨论；课后，学生可通过“超星”和“希冀”等网络教学平台上的资源进行巩固学习，同时以团队的形式展开综合项目的调研与实施，为学科竞赛做准备，教师根据学生提出的问题进行在线答疑和讨论。

图1 是数据科学项目实施的一般流程，根据图1 的流程将数据可视化技术与应用课程的教学过程分成4 个阶段，具体课程教学过程设计如图2 所示。第一个阶段是课程的启动阶段，课前教师通过调查问卷的形式了解学生的基本情况，进行学情分析；课中一部分是完成数据可视化的总体介绍，让学生从宏观上了解课程的目的和要求，另一部分是进行创新创业教育，让学生初步了解如何进行市场调研和分析，寻找课题方向，了解学科竞赛相关的要求和参与方式；课后学生组建团队，确定组长和组员，在第二阶段开始前要完成市场调研，并进行小组讨论。

图1 数据科学项目分析流程

图2 数据可视化技术与应用课程教学过程设计

第二阶段为课程基础知识学习阶段，课前学生首先要在“超星”等网络教学平台上自学，回顾Python 编程基础、数据采集与整理等知识，同时小组内部要通过视频录制的方式对第一阶段的情况进行总结，提交总结材料。课中分为两个部分，一部分是Python 数值分析库和数据可视化技术知识的学习，以及第一阶段课堂总结和讨论，每个组成员轮流进行总结汇报；另一部分是Python 数值分析实验、数据可视化技术编程实验、数据BI 可视化实验3 个基础实验的完成。课后项目小组要根据前期调研情况，确定综合项目的选题，收集和整理项目所需要的数据和学科竞赛相关的资料，并完成小组讨论。

第三阶段为课程进阶知识学习阶段，课前学生首先在“超星”等网络教学平台上完成数据分析方法基本原理的自学，同时参加创新创业、学科竞赛相关的讲座，并且小组内部继续通过视频录制的方式对第二阶段的情况进行总结，提交总结材料。课中分为两个部分，一部分是数据分析方法的总结与讨论、综合项目实训的分析与讨论，以及第二阶段课堂总结和讨论，每个组成员轮流进行总结汇报；另一部分是数据的统计分析实验、数据的预测分析实验、数据的机器学习分析实验3 个基础实验的完成。课后小组成员要积极查询综合项目相关参考资料，确定综合项目数据分析方案，然后开展小组讨论，并分工准备学科竞赛报名相关材料。

第四阶段为课程集中实践阶段，课前小组成员要继续参加创新创业、学科竞赛相关的讲座，了解学科竞赛最新信息，同时在“希冀”等网络实践教学平台自学综合项目案例的开发，并且小组内部继续通过视频录制的方式对第三阶段的情况进行总结，提交总结材料。课中主要针对综合项目实践开展过程展开相应的讨论和交流，同时借助“希冀”等网络实践教学平台完成小组项目的技术开发任务。课后项目小组根据竞赛要求继续完善综合项目，撰写商业计划书及相关文档，并对成果进行总结，制作项目宣传资料。

2.4 课程考核方式

课程考核是对课程教学效果的检验，传统的考核重点是期末考核，考核模式固定、单一。在线上线下混合式教学、“专创融合”的教育背景下，课程的考核方式应该多元化，考核项目应贯彻整个教学环节，重视对学习过程的监控和考核。本课程的考核分为3 个部分，各部分所占的比例根据实际情况调整。

第一部分为网络教学平台的学习，这部分包括对自学内容的学习和课程相关的章节测验与作业、在线讨论等方面进行考核，由“超星”网络教学平台自动统计考核评分。第二部分为基础知识实验考核，该部分由“希冀”等网络实践教学平台根据学生提交的成果自动完成评分。第三部分为综合项目考核，该部分贯穿了整个教学环节，针对每个阶段制定过程性评价表，考核依据包括小组的讨论和总结、综合项目完成情况，学科竞赛参与情况。

3 结束语

“专创融合”教学改革是促进学生就业、提升高校学生创新创业能力的重要途经。本文以数据科学与大数据技术专业的数据可视化技术与应用课程为例进行“专创融合”教学改革研究，将创新创业思想融入课程的各个环节，对课程的教学内容、教学过程和考核方式进行了相应的改革，以探索数据科学与大数据技术专业的“专创融合”样板模式，促进整个专业的“专创融合”课程体系和人才培养方案的改革。