基于工程教育认证背景的民族院校大数据课程体系设计
来源:用户上传
作者:
摘 要： 以大连民族大学为例，围绕“体现学生为本”和“追求能力产出”的工程教育理念，研究大数据方向教学体系的设置，确立学生培养目标，建立大数据人才培养质量标准，构建相关课程的实践平台，建立大数据方向校内校外课程体系和实施方案。该课程体系侧重于实践教学，兼顾理论教学，建立特有的理论+实践的双向教学模式;构建素质和技能培养的新框架，丰富课堂教学、实践教学环节;真正实现现代职业教育体系，达到产教融合。
关键词： 民族院校; 工程教育认证; 大数据; 课程体系
Abstract： Taking Dalian Minzu University as an example， focusing on the engineering education concept of "student-oriented" and "pursuit of ability output"， this paper studies the configuration of teaching system in the direction of big data， establishes the training objectives for students， establishes the quality standards of big data talent training， constructs the practice platform of relevant courses， and establishes the on campus and off campus curriculum system and implementation scheme in the direction of big data. The curriculum system focuses on practical teaching and gives consideration to theoretical teaching， establishing a unique two-way teaching mode of theory plus practice; building a new framework of quality and skills training， enriching classroom teaching and practical teaching; truly realizing the modern vocational education system， achieving the integration of industry and education.
0 引言
根據《中国数字经济发展与就业白皮书（2019年）》数据显示[1]，2018年我国数字经济规模达到31.3万亿元，增长20.9%，占GDP比重为34.8%。继工业化之后，数字化将成为驱动经济社会发展的重要力量。数据科学是未来科技发展的重要方向。大数据已经成为企业、社会和国家关注的重要战略资源。世界各国都把推进经济数字化作为实现创新发展的重要动能，争相进行前瞻性布局。从国家战略导向来看，2012年3月，美国政府宣布启动“大数据研究和发展计划”，将“大数据研究”上升为国家意志，鼓励科学研究院设立研究课程，培育下一代数据科学家与工程师。继美国率先开启大数据国家战略先河之后，欧洲、日本、澳大利亚等发达国家纷纷提出大数据发展计划。2015年9月国务院印发《关于促进大数据发展的行动纲要》，《纲要》第六条明确指出：加强专业人才培养，建立健全多层次、多类型的大数据人才培养体系。十八届五中全会将大数据战略上升为国家战略。从行业人才需求来看，互联网+传统产业的趋势日益深入，在金融、健康医疗、交通、商务和政务等领域的融合，社会对数据驱动的管理与决策的应用需求越来越迫切。突出的矛盾就是数据分析人才的匮乏，因此培养大数据技术人才迫在眉睫[2-7]。以大数据应用人才为例，其典型行业应用如图1所示。从图1可以看出，大数据行业应用已经涵盖金融、电信、电子商务、医疗、政府公共服务、教育、交通、物流多个领域，因此掌握大数据应用开发的高端应用型人才也必将为民族地区的经济发展、传统产业升级做出积极的贡献。
2016年2月，北京大学、对外经济贸易大学、中南大学首次成功申请获批“数据科学与大数据技术”本科新专业。2017年3月，第二批32所高校获批。2018年3月，283所高校获批数据科学与大数据专业。2019年3月，196所高校获批数据科学与大数据专业。由此可见，教育部高度重视多层次、多类型的大数据人才队伍培养。但是2018-2019年获批的很多高校是民办院校或高职院校，在师资力量、大数据软硬件平台上有所欠缺。民族高等学校也有部分学校获批数据科学与大数据技术专业，同样存在师资力量短缺、软硬件平台不足的情况。因此，本文立足于大连民族大学，立足于校情和多民族学生的特点，以学生为本，全面推动大数据专业人才创新创业实践教学体系的改革，在民族高校计算机专业建设中起到示范和引领作用。
1 专业背景
大连民族大学计算机科学与技术专业始建于1992年，1994年开始招生，隶属于计算机科学与工程学院，目前在校本科生747人。发展历程如下：
2005年获批国家民委计算机应用技术重点学科;
2007年获批计算机科学与技术国家级特色专业;
2012年在辽宁省38个计算机科学与技术专业评价中排名第四;
2014年获批国家民委计算机科学与技术一级重点学科;
2017年获批辽宁省大学生校外实践教育基地;
2019年获批辽宁省第二批一流示范性专业建设。
专业定位：面向民族地区和辽宁省地区信息化服务，紧密对接国家战略性新兴产业发展规划、国家战略需求，立足东北、面向全国，服务辽宁地方经济建设，培养高素质应用型计算机人才。 特色办学的优势为：
⑴ 与社会与区域发展需求对接：专业重视开展基于校企深度融合的实践教学和基地建设，将产业化资源与区域需求全方位引入，培养符合产业需要的人才，形成完整的人才培养链;
⑵ 与行业及职业发展的衔接：面向国家的战略产业需求、面向辽宁信息技术产业领域人才需求、面向民族大数据行业人才需求，培养具有计算机技术学科坚实的基础理论和专业知识、全面的工程实践能力、创新应用型工程技术人才。
为了适应行业大数据方向用人需求，专业在最新版培养方案中增加了大数据方向系列课程。
2 课程群体系、知识体系和实践教学体系设计
2.1 设计实施流程
专业在大数据方向培养方案采用如图2所示的实施计划流程。
⑴ 第一阶段：民族地区信息化行业人才需求调研。开展广泛的需求调研，推动我国民族高等教育应用型人才培养的步伐。
⑵ 第二阶段：方案设计。根据调研结果进行培养方案设计，涵盖主修、辅修课程体系、实践教学体系。
课程体系设置遵循先进性、灵活性、复合性、工程性和创新性原则，涵盖导引课、专业主干课、方向课、企业工程实践、集中实践等多种类型的课程。该人才培养体系包括：
1-2门导引类课程，其目的是建立工程师工程实践的框架，由此激发学生对工程领域的兴趣;
3-5门专业主干课，在其中设置民族文化产业信息化实践项目，将课程中的重点内容穿引起来以形成完整、实用的知识结构，使学生在做中学习新知识，在做中实践新技术;
3-5门专业选修课，从多个维度拓展强化学生的岗位能力，学生可以根据兴趣和能力特点，进行个性化的组合选课;
总结性实践项目，包括1个压顶石项目实训和2个二级项目实践，体现大数据应用软件人才的培养目标和能力要求。
⑶ 第三阶段：落地实施，包括课程教学实施、实践教学实施、评价体系实施及在线平台服务。
在课程体系设计和整体优化基础上，完整贯彻本专业培养目标和要求，强调不同培养阶段课程体系的整合、衔接，确保与方向设置契合。学院在购置大数据应用平台及实训平台基础上，开展基于翻转课堂模式的课程教学、实践教学，综合考核评价体系。在课程教学中以企业实际应用系统为案例、以应用系统设计实现过程为主线贯穿知识点进行教学;重视通过对经典理论构建、关键问题突破和前沿研究进展的案例式教学方式，强化学生对创新过程的理解。
⑷ 第四阶段：持续改进，不断更新。依据行业需求变化，升级课程体系、升级案例项目库教学资源。
随着技术的发展和民族地区经济社會发展，其大数据行业紧缺人才需求不断变化，必须坚持以职业需求为导向，不断调整专业培养方案，培养适应民族地区经济社会发展、信息化产业发展所需的高素质应用型专业技术人才。在“互联网+”大背景下，整合学科资源，提高培养质量，并同步升级课程体系及案例项目库教学资源。同时，推进协同创新，增强服务民族地区产业升级的能力。积极融入民族地区行业技术创新体系，推进协同创新。推进学校与产业、行业协同育人、协同办学，与民族地区政府、行业、企业联合建设产业工程技术中心、工程技术研究院、区域发展战略研究院等，加强企业工作站建设，强化共性关键技术研究，促进新技术转化应用，促进民族地区传统产业升级。
2.2 详细课程体系设计
为适应大数据课群的新型教学实践体系建设，对目前的优势资源进行集成和整合，按照学校的统筹布局，逐步打造和构建集各相关学科交融、综合开放、一体化的大数据教学实践平台。为学生自主式、个性定制化的未来工作发展提供选择空间。经过多方调研[7]，大数据方向的课程群体系和知识体系主要涵盖基础课程、中级课程、高级课程三部分。
⑴ 基础课程：涵盖计算科学、数学统计、数据思维、应用基础四大类别。包括大数据的Python基础，大数据分析的Python基础，大数据的Java基础，Linux操作系统基础，MySql数据库技术、NoSql数据库技术、大数据数学基础、大数据分析数学基础、大数据技术与应用导论、数据科学通识导论十门课程。
⑵ 中级课程：涵盖大数据平台、大数据技术、数据科学模型与算法、大数据应用导论四大类别。包括大数据平台概论、Hadoop基础、Spark分布式平台、数据科学导引、机器学习实践、数据采集、数据清洗、数据采集与清洗、数据可视化、Python数据分析、Pandas数据分析等十二门课程。
⑶ 高级课程：主要为选修类课程。包括图与网络分析、TensorFlow深度学习实战、强化学习、自然语言处理、流数据处理、人工智能导论、深度学习理论与应用、PyTorch深度学习实践、金融大数据、交通大数据、健康医疗大数据等十一门课程。
基于大数据领域的理论和技术，构建“多元化、开放式、一体化、多层次、多模块、产学研合一、课程内外有机结合、校企结合”的新型实践教学体系。大数据方向课程采用基于Python生态圈的全流程课程实践教学体系。主要遵循数据采集、数据存储与管理、数据清洗、数据分析、数据可视化的处理→存储→分析→展示的大数据知识架构层次设计，采用全流程实践教学模式，培养学生实践能力、创新能力。数据采集工具Scrapy和Beautiful Soup，数据存储与管理工具MySQL Python API，PyMongo，PySpark，Requests。数据清洗工具SciPy，NumPy，Pandas。数据分析工具Pytorch和Seaborn。
2.3 解决的关键问题
⑴ 打通政府、企业与高校之间的数据壁垒，建设大数据实践教学数字资源
面向企业项目真实数据培养针对性的应用技能，合理安全的利用企业项目数据资源作为实验场，通过真实、模拟等各类数据对人才数据分析能力提供实战机会，减低实习期、试用时间成本，尽快为企业创造价值。遵照国际工程教育培养理念，从培养目标、教学内容、培养制度、培养过程四个要素引入企业全程深度参与，具体通过课程体系、培养计划的制订，授课内容的更新，企业教师讲授理论课和指导学生实践课，送学生到企业实训实习，引进企业际项目作为案例，实行双导师制（学院、企业）等具体方式实现全方位、多层次、多类别、分阶段的实践教学。 ⑵ 打通民族高校人才培养最后一公里，深入校企合作
在辽宁省大学生校外实践教育基地基础上，与具备行业背景的中软国际等教育培训机构合作，搭建高校与企业之间的桥梁，帮助学生完成由学生到企业员工身份转变的“最后一公里”。与探索“订单式”、“定制式”对口培养的校企合作模式企业全方位、全过程参与专业人才培养，与企业实现无缝对接的校企合作协同育人模式。以“人才联合培养为基础、科技开发与成果转化为桥梁”与企业共同建立“平台+项目+人才”的多元化、深层次合作实践育人模式。
3 结论
本文以我校计算机科学与技术辽宁省2019年一流本科示范性专业建设为基础，对目前的优势资源进行集成和整合，逐步打造和构建集各相关学科交融、综合开放、一体化的大数据教学实践平台，为学生自主式、个性定制化的未来工作发展提供选择空间。适应大数据产业需求、用人需求，建立适合民族高等学校的大数据人才产学研一体化的特色实践教学体系，开展多模式、多平台、多层次、开放式创新创业人才培养，探索民族高等学校大数据人才培养的有效途径与模式，培养服务于大数据行业发展的大数据开发工程师、大数据架構师、大数据分析工程师、大数据咨询顾问、大数据统计工程师、大数据运营经理、大数据挖掘与处理专员、大数据存储工程师、大数据科学家等多层次应用型人才。
参考文献（References）：
[1] 人民网. 《中国数字经济发展与就业白皮书（2019年）》显示：我国数字经济规模占GDP比重超三成[EB/OL]，http：//finance.people.com.cn/n1/2019/0418/c1004-31037803.html[2019-04-18/2020-01-11].
[2] 黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛，2014.45：201-203
[3] 冯春辉，郭宝恩，梁更.地方本科院校创新创业大数据人才培养探讨[J].邢台学院学报，2017.4：149-151
[4] 王琰，黄欣瑜.基于本科生团队导师制的应用技术型高校大数据人才培养模式的探索[J].现代职业教育，2017.34：54-56
[5] 祁鑫.以校企合作为契机探索大数据人才培养新模式[J].教育现代化，2017.43：12-14
[6] 肖大薇，姜立秋，李彤.新工科背景下应用型大数据人才培养路径探究[J].计算机教育，2019.292（4）：93-96
[7] 冉叶兰，胡琼月.机制创新助推大数据人才培养与产业融合发展——对话博雅大数据学院院长：欧高炎[J].大数据时代，2018.11（2）：45-47
转载注明来源:https://www.xzbu.com/8/view-15229174.htm
