能力導向的應用型本科大數據專業課程群建設研究

張勝男，牛連強，張志佳，孫書會

（沈陽工業大學 軟件學院，遼寧 沈陽 110870）

0 引 言

隨著大數據技術作為國家戰略的確定，全國已有近300所院校設置數據科學與大數據技術本科專業（以下簡稱大數據專業），以應對迫切的大數據人才緊缺問題，這決定了應用技術型人才培養目標是其主流，核心則是強調人才的技術應用能力和解決實際生產問題的能力（或稱為工程能力）[1-2]。因此，高校的課程體系要與行業需要相適應，人才與崗位需求實現無縫對接。

作為一個以數學、統計學、計算機技術為支撐的交叉專業，大數據專業涉及知識層面多，缺乏可遵循的成熟案例，國內高校多以專業嫁接方式構建課程體系，如通過數學、統計學甚至信息學、管理學進行嫁接，從而產生兩類偏好。一種方式是以學科為核心的大數據算法設計、分析的“高端”和結合領域知識與成熟系統應用的“低端”，而在計算機和軟件系統方面的能力培養不足；另一種方式是通過計算機學科進行嫁接，其重點仍是關注計算機科學本身，側重于計算機系統的應用與開發，統計學、數據分析等領域知識積累和技能訓練相對較弱[3-4]。一些出版社、作者和軟件公司合作，嘗試結合設備、圖書推廣，建立專業課程體系框架。實際上，圍繞大數據的主要處理過程需要多種應用技術型人才，人才培養更不能千校一面或千人一面。對于眾多的應用型本科高校來說，結合自身的人才培養目標和定位，剖析人才類型和職業的核心技術知識與能力需求，形成有自身特色的“新型專業”及配套的課程體系是正確選擇，它意味著在有限教學時限內對知識的合理取舍和技術能力的快速構建。

1 應用型大數據人才的能力需求

行業調研和分析表明，應用技術型主要對應中層以上的職業，還不能達到“高級”的程度，這種人才以金融保險、電子商務、政府機構、移動通訊、互聯網企業為主，其主要需求（崗位）可分為兩大類[5]：一是大數據應用崗位，包括大數據分析師和數據挖掘工程師；二是大數據系統管理崗位，包括大數據系統管理員、大數據系統開發工程師等。從發展來看，也可以將其概括為3個方向，即系統平臺搭建、優化、運維、監控，大數據系統開發、設計、架構以及數據分析、挖掘。

由于大數據與產業結合緊密，其人才的知識結構除了一般性的學科基礎知識（數學、數理統計、計算機系統）外，具體的崗位還要求涵蓋面更廣的專門知識[5]（見表1），且十分強調熟練運用的技能。大數據崗位與專門知識對應的技能基本可以歸結為7類，即數理統計能力、計算機系統的認知能力、程序設計能力、數據處理能力、數據分析與展示能力、大數據平臺管理與開發能力以及大數據系統高級開發能力，其中，數理統計能力和計算機系統的認知能力是大數據領域人才的基本能力；程序設計能力側重于編程思想、數據結構與算法以及大數據領域主流編程工具的掌握，是大數據系統開發的基礎；數據處理能力包括數據的采集與清洗、預處理，數據的存儲與管理能力；數據分析與展示能力則涵蓋數據的分析、挖掘和可視化能力；大數據平臺的管理與開發能力是指能夠深刻理解分布式計算，具有主流的分布式計算平臺的使用和開發能力；大數據系統高級開發能力則支持大數據的深度處理和相應的應用系統開發。

表1 崗位與對應的專門知識

2 能力導向的大數據專業課程群構建

課程群是一種被公認的適用應用型人才培養的課程體系構建與教學展開模式[6]。課程群建設可以有效整合資源，優化課程結構，快速有效地構建起知識與技術體系，體現專業的培養特色[7]。

目前的課程群多按知識模塊劃分并采用層次方式組織，如公共基礎課程群、學科基礎課程群、專業方向課程群等。這種課程群注重的是知識的關聯性，尤其是與某個知識領域的對應，如專業方向課程群可以被劃分為嵌入式開發、移動互聯或智能系統等，這種劃分粒度較大，內容寬泛，群內課程整合、優化和協同的難度較大，一個課程群難以同時為多個存在知識交叉的專業領域服務，評價難度也大。總體上說，這種課程群并非以能力劃分為基礎構建的。

作為多學科交叉的新專業，大數據技術涵蓋的知識范圍較其他專業更廣泛，本身的體系尚處于探索階段，按職業對能力的需求進行覆蓋，進而將知識模塊和技術要求分解、重組形成課程群具有明顯的合理性，這里的課程群表現為若干能力分支而非領域知識分支，優點在于：①課程群粒度小，目標更明確，更容易對能力達成的相關理論、實踐知識和綜合應用訓練進行有機組織與融合；②對技能的訓練可以合理分解到分支內，保證其完整、突出，有利于及時評價和改進；③有利于項目案例在一個分支內的貫穿，使培養過程更具連續性和一致性，便于專業教學計劃的實施；④對于不同的培養目標，更容易裁剪、弱化或強化某些方面的要求，從而使人才培養更能體現自己的偏好。對于一個學生群體，可以明確通過強化某個（些）能力分支體現個體間的差異，達到個性化的發展目標。

如果說現行的課程群主要是以知識的層次為基礎結合專業方向構建的，那么，能力導向的課程群則體現為一種以強烈的目標達成為指向的多分支樹形結構。基于能力導向的大數據專業課程群結構如圖1所示。

圖1 能力導向的大數據專業課程群結構

3 項目驅動的教學方案設計

雖然每個課程群由若干課程組成，但都是相對獨立的整體，具有明確的教學目標與能力培養任務，建設的核心是根據課程群的教學目標，對群內各課程的教學內容進行整合和優化[8]，并采取相適應的教學方式。教師可以采取兩個步驟對課程群內的相關課程進行歸納和梳理，首先，重點確定每門課程的知識內涵、課程間的起承銜接關系，明確區分群內課程的任務定位和教學重點；其次，將課程群的總體教學目標劃分為初級、中級、高級3個階段，明確各階段的具體能力要求及承擔能力達成任務的課程安排。大數據平臺管理與開發課程群示例參見表2。

事實上，即便將這種課程體系中的每個課程群視為一個大型綜合課也不會出現太大偏差，不同的課程僅是由若干內聚性更強的知識模塊組成的教學單元，可以有效地實施“任務驅動、項目導向”的教學理念。更確切地說，就是有機會用一個中等規模和復雜性的實際案例貫穿一個課程群的教學全過程。這樣的案例能夠將完整的領域知識融入教學方案，使學生具備將領域知識與數據處理和計算機技術相結合的能力，這對大數據專業尤為重要。在設計時，需要根據案例項目的開發需求進一步細化到群內課程的目標要求和知識點，以功能模塊或大數據應用相關階段的開發任務驅動教學進程，形成知識連貫、目的明確、學用統一的教學實施方案。

課程群的項目案例選擇應為企業提供的真實案例，項目規模及復雜度適中，業務規則易于學生理解，業務處理鏈條不易過短，功能要求廣泛，適于達成中、高級能力目標的教學內容展開和實踐，如大數據平臺管理與開發課程群選擇金融領域的大數據案例。項目案例功能需求與課程群教學目標映射關系的簡單示意見表3。

表2 課程群整體教學目標及能力達成任務分配示例

表3 項目功能需求與課程群教學目標的映射關系

4 相關工作的設計

4.1 評價方法設置

長期以來，對學科型人才評價的主要內容是知識的掌握程度，且以終結性評價為主，而應用技術型人才必須建立相應的能力評價體系[9]。換言之，知識運用能力、實踐動手能力、技術綜合能力、項目組織能力、創新能力、口頭和文字表達能力、人際交往與溝通協調能力、獨立工作能力等應成為應用技術型人才評價的重點，這些能力的獲取、提高和評價需要在綜合性工程項目實踐研究和設計而非小塊的知識單元學習中實現。

能力導向的課程群體系為建立多元、合理、過程性的評價體系提供了基礎，這意味著評價指標不再僅局限于群內各課程自身的目標，還可以通過設置針對課程群的綜合性、創新性指標來評價分支的能力達成度，如技術綜合能力和項目組織能力。獨立設置的課程很難合適地設置這種評價方法，這種評價兼顧局部與整體，更合理、全面，也有利于促進教師教學方法的改進和學生能力的達成。

4.2 網絡輔助教學平臺搭建

大數據產業的爆炸式增長，導致新的理論、方法、工具和框架不斷涌現，必須及時地更新在課程教學中，有效彌補選用教材在教學內容方面的相對滯后，因此，要充分利用互聯網，搭建面向課程群的輔助教學平臺，除了提供傳統教學平臺中的相關教學任務發布、開源開發工具和微課視頻的下載、企業項目案例演示、師生在線交流、相關成果的在線提交和考核等功能外，還可以依據課程群的能力培養目標提供在線數據建模、數據分析與挖掘等實訓環境，為學生提供立體化的教學資源，拓展學習空間，強化工程訓練。

4.3 工程化教學團隊構建

大數據的主要應用技術在企業，引入企業技術專家是至關重要的，但也要充分考慮其時間、地理位置、特長等方面的約束。群內課程的知識緊密度更高，可以進行合理設計、分解并采取靈活的授課方式，甚至使校企教師合作完成同一門課程，充分發揮企業教師在核心技術模塊、案例教學、職業訓練等方面的作用，保證企業教師的授課質量和穩定性。另外，校內教師通過短期參與課程群內的工程訓練，校企合作開發、優化課程群教學所需的工程案例等工作，也可以快速提高工程實踐水平，進而與企業教師一道組成優秀的工程型教學團隊。

5 結 語

對能力導向的應用型大數據專業課程群的建設，可以構建合理有效的應用型大數據本科專業的人才培養模式和管理體制，有利于實現應用技術型的人才培養目標，提高與企業、行業及職場實際需求的吻合度，也便于充分利用企業師資實施短課、案例及實踐教學，形成內外結合的工程化師資隊伍。大數據課程群的建設模式可以為同類院校的相同或相關專業提供技術性和理論性的重要參考和依據。