新工科背景下的《大數據與云計算技術》課程建設研究

葉 青（長江大學 計算機科學學院，湖北 荊州434000）

劉長華（長江大學 學校辦公室，湖北 荊州434000）

一、研究背景及意義

隨著移動互聯網技術和傳感技術的迅猛發展，國內外各行各業的應用系統規模迅速擴大，其隨之產生的數據量也將呈爆炸性增長。 目前， 全球的數據增長速度已經達到每年40%。 根據麥肯錫公司的分析報告，2018 年大數據工作崗位需求激增，大數據人才的缺口將達到1500 萬。 據IDC 預測，到2019 年，大數據分析行業的年度全球收入將達到1870 億美元。 大數據的產生為以互聯網和人工智能為核心的工科學科提供了良好的生態環境和硬性支撐。

2016 年，“新工科”概念的提出為工程人才的培養與工程教育理論的探索提供了新視角和新思路，也是為了應對新一輪科技革命和產業革命的浪潮[1]。 與老工科相比，新工科更加重視學科的實用性以及各個學科之間的交叉性與綜合性，致力于提供一流的工程教育，培養多元化、創新型、復合型的卓越工程人才，促進產業轉型，提高國家的核心競爭力[2～3]。 新工科專業涵蓋了針對新興產業的諸多專業，包括大數據、云計算、區塊鏈、人工智能等創新型專業。

2019 年10 月20 日，習近平總書記在第六屆世界互聯網大會上指出：“當前， 新一輪科技革命和產業變革加速演進，人工智能、 大數據、 物聯網等新技術新應用新業態方興未艾。 ”這是對“新工科”進行再深化，這些推動措施正在改變高校教與學的方式，改變高校的人才培養方案，改變高校的課程評價體系，改變高校的教學資源配置[4]。 相對于傳統的工科人才培養，新工科的人才培養模式正在朝向培養新興產業急需的兼具實踐能力、創新能力、競爭力的高素質人才。

教育部印發的《關于公布首批“新工科”研究與實踐項目的通知》指出，要充分把握“新工科”建設的內涵，促進“工醫”、“工農”、“工文”等多學科交叉。 大數據與云計算技術作為“新工科”建設的重點，國內多所高校已積極開設《大數據與云計算技術》課程，力爭培養掌握大數據與云計算處理技術、有大數據應用經驗的創新型工程人才。 但是，由于該課程的開設和建設還處于初期，且大數據與云計算行業的技術更新較快，目前尚無較成熟的課程建設先例供各大高校借鑒。因此，對《大數據與云計算技術》課程建設展開深入研究，整改教學內容，優化教學方法，加強課程與企業以及行業之間的聯系，提高課程的實踐性和應用性，具有較強的實際意義和研究價值。

二、實例項目驅動的教學內容設計

目前，地方高校由于人才培養方案缺乏及時更新、教學方法落后、教學資源單一等問題，該課程的教學內容嚴重滯后于大數據行業的需求，與前沿技術相距甚遠[5～6]。大數據與云計算技術具有的多學科交叉、實用性強、內容抽象且更新較快等特點。大數據行業的就業方向主要包括三大類：大數據系統的研發、大數據應用的開發、大數據分析，具體崗位包括：大數據分析師和大數據工程師。

在新工科背景下，《大數據與云計算技術》 課程體系的制定應以行業需求為導向， 不斷補充一線大數據行業所需的新技術、新標準到教學內容中，以實際項目為驅動的設計課程的教學內容，加速培養新興領域的工程技術人才。 首先，將課程內容劃分為初級、中級和高級三個能力級別。 其次，明確每一個級別的培養目標。 《大數據與云計算技術》課程的教學內容能力級別及教學目標見表1。初級的培養目標是掌握云計算的基本概念，讓學生掌握大數據處理平臺Hadoop 的環境配置和集群搭建， 對MapReduce技術有一個理論上的深入理解。 中級的培養目標是從應用出發，圍繞大數據處理的兩個核心問題——分布式存儲和并行計算， 介紹HDFS、HBase、Hive 等Hadoop 平臺主要組件的使用方法，并讓學生掌握基于大數據的機器學習和數據挖掘算法的實現。 高級的培養目標主要針對基礎較好的學生，重點圍繞如何根據大數據本身的特點將大數據處理問題轉換為MapReduce 并行化算法設計思路， 通過引入真實的行業應用案例讓學生設計、 構建和實現有效的MapReduce 并行化算法，最終完成大數據應用系統的開發。

表1 課程教學內容能力級別及教學目標

在中級和高級能力培養階段，根據培養目標的難度，以項目為驅動引入規模適中且易于理解的實際案例，將其貫穿于整個教學過程。 以課程教學高級目標中的項目2： 基于Hadoop 的城市智能交通綜合應用為例，實際應用中的交通大數據處理平臺的整體架構如圖1 所示，HBase 作為底層的分布式數據庫，提供統一的數據訪問接口。HDFS 作為HBase 的文件存儲支撐，支持海量數據的分布式存儲以及高效的實時數據訪問。MapReuce 計算框架實現對分布式數據庫中的數據進行分析。 該案例的實施建立在前期教學內容MapReduce、HDFS 和HBase 之上，因此，可以在對應的教學階段融入該案例的子項目， 包括： 基于HBase 的實時數據檢測、 基于MapReduce 的離線數據分析、基于Hive 的高速統計等。

在完成上述三個級別的教學內容之后，鼓勵學生從案例分析中發現突破點、創新點，由課堂教學過渡至雙創項目的設計與研發，做到“產學研”三位一體，盡量為學生提供良好的創造創新環境，讓學生有更多的機會接觸行業前沿技術，接觸大數據研究領域的科研層面，實現培養創新型人才的目標。

圖1 項目2 的整體架構

三、能力培養為導向的考核評價體系

長久以來，高校的課程考核評價體系主要針對理論型課程或半理論型課程制定，這類課程的培養目標是學科理論型人才，評價體系更關注于考核學生對理論知識的掌握程度，且多采用閉卷考試形式[7～8]。 作為一門以技能培養為導向的實踐應用型課程，《大數據與云計算技術》的課程目標是培養應用技術型人才[9～11]。 采用傳統的考核評價標準難以全面、準確地度量學生在課程中收獲的技能，更無法為課程教學質量以及教學方法的優化提供良好的促進作用。 因此，需要建立以能力培養為導向的考核評價體系。

對應于課程教學內容能力級別中的初級、 中級和高級教學目標， 該評價系統從三個方面考核學生對于本門課程教學內容的掌握情況：知識理解、技術運用能力和項目實施能力。知識理解考核學生對于課程理論知識的理解與掌握情況，技術運用能力考核學生對知識的運用能力和實踐操作能力，項目實施能力考核學生對技術的綜合運用能力、 項目組織能力以及創新能力。 這種考核評價體系通過進一步細化學生多層面的能力考核目標，能夠更全面、更客觀、更合理地幫助教師掌握學生的情況，有針對性地培養學生以及改進教學質量。

上述三個方面的考核成績根據一定的比例合成最終考核成績，其比例分配應該靈活設定，主要取決于高校的辦學層次以及學生的綜合素質。技術運用能力考核主要涉及將Hadoop平臺與特定應用環境相結合， 將數據挖掘算法靈活運用于大數據分析中，進而解決某種實際問題。該項考核成績優異的學生，基本已具備了大數據分析師、大數據可視化工程師等崗位所需的專業能力。 項目實施能力考核主要涉及專業拓展能力和創新性思維的評估，包括：Hadoop 平臺的搭建和運行維護、大數據項目的設計與開發、大數據平臺的硬件規劃等。該項考核成績優異的學生可以作為重點培養對象， 繼續引導學生深入探索大數據行業的前沿研究領域。

總之， 以能力培養為導向的考核評價體系應該從實際情況出發，對于具有一定工科優勢的高等院校，可以適當提高項目實施能力的考核比例， 為學生提供實踐與科研并行的學習環境，挖掘具有工程創新型能力的人才；對于綜合性的高等院校，則應當強調技術運用能力的考核比例，重在鼓勵學生運用基本的理論知識完成知識轉化；對于實力一般、學生底子較薄的高等院校，則降低項目實施能力的考核權重，重點考核學生前兩方面的能力。

四、多形態一體化的課程教學方法研究

（一）以項目為主導的課堂授課方式

為了實現創新型技術人才的培養模式，《大數據與云計算技術》課程要打破傳統的以知識傳授為主導的單一授課方式，逐步轉換為以項目為主導的教學方式。結合前期的知識積累，精心準備幾個具有通用性的實際案例， 將技術運用融入一個個真實的項目，以項目為載體開展教學活動。

對于應用型課程， 學生的參與程度直接影響到動手能力的培養，進而影響教學質量和教學效果。通過將學生分組并給每組學生分配一個實訓任務， 鼓勵每一位學生都參與到項目的實施中來，調動學生的主觀能動性。不僅可以培養學生自主學習和主動探索的習慣，還能提高項目組織能力，甚至提高人際溝通與協調的能力。 進而，為雙創項目的產生奠定基礎，將課堂教學拓展到雙創項目的指導中。

（二）課堂教學向雙創項目的過渡

為了讓學生能真正熟練掌握并運用Hadoop 大數據處理平臺以及大數據處理算法， 僅僅了解基本的編程框架和API是不夠的，應該具備熟練運用MapReduce 計算模型和編程框架完成大數據分析和處理問題， 進而針對新興領域設計并優化有效的并行化算法，實現大數據應用系統的開發，為雙創項目做技術儲備。 從課堂教學過渡到雙創項目的流程如圖2 所示，包括課堂教學、課后輔導、雙創項目指導三個環節。

通過引入多個全國大數據技術大賽的獲獎項目、 大數據課程的優秀課程設計案例、 大數據技術研究案例以及大數據行業的真實案例，并進行系統的課后答疑和針對性指導，發掘個人能力強、綜合素質高的學生，培養其完成雙創項目的開發與實現。由課堂教學逐步過渡為雙創項目，可以有效減少學生前期知識積累的時間周期， 有助于學生快速進入項目的設計與實現環節。

圖2 課堂教學向雙創項目的過渡流程

（三）基于互聯網的在線輔助教學平臺和在線實踐平臺

新工科背景下， 為了解決教學內容與行業需求以及前沿技術脫節的問題，搭建基于互聯網的在線教輔平臺。根據課程的培養目標， 實現課程教學資源的上傳下載、 教學任務的布置、師生在線討論答疑、學生作業提交、老師在線考核、開源項目的共享等功能。 充分解決傳統工科課程的教學內容滯后于產業新技術的問題，為學生提供更多元化的知識獲取渠道，將新的理論、新的大數據處理框架和工具引入教學活動中來，拓展學生的知識面，從而更好地應對日新月異的就業環境。

實踐教學是培養創新型人才的重要途徑，對實現《大數據與云計算》這類課程的培養目標具有重大意義。為了確保學生通過課程學習具備一定的動手能力，引入EduCoder 實踐平臺（www.educoder.com）開展課程的實踐教學。 EduCoder 實踐平臺是基于互聯網的新型IT 工程教育服務云社區，支持大數據與云計算、人工智能、深度學習等眾多新興學科，涵蓋了大量優秀的實踐項目。教師和學生都可以在平臺上注冊免費賬戶，教師既能夠自主新建實踐項目， 又可以利用平臺現有的資源來創建屬于自己的課堂。學生通過加入任課教師創建的課堂，就能在教師的指導下以闖關的形式完成課程內的各個實訓任務，實踐大數據處理技術。

在過去的《大數據與云計算技術》課程教學中，教師普遍反映學生在配置大數據平臺Hadoop 的運行環境時經常出現各種各樣的問題。在線實踐平臺的引入，可以有效解決學生能力參差不齊而造成的教學效果不佳現象。 EduCoder 平臺以虛擬機的方式為學生提供大數據工作環境，簡化Hadoop、Spark等大數據處理平臺的底層環境搭建過程， 讓學生把更多的時間精力放到掌握MapReduce、HDFS、HBase 等核心技術上去，這也契合了“新工科”的能力培養導向。

五、結語

總的來說，大數據時代為計算機行業帶來了許多機遇，與此同時也帶來了挑戰。面對大數據行業的飛速發展，對實用型課程的教學過程也應與時俱進，不斷優化。 本文對《大數據與云計算技術》課程制定考核評價體系、深化教學內容、優化教學方法等方面展開研究， 提出一種以能力培養為導向的教學模式，引入豐富的大數據項目案例和在線實踐平臺，不僅有助于培養更高質量的工程應用人才，改造傳統的工科專業，積極部署未來戰略必爭領域的人才培養， 實現社會效益和經濟效益的“雙贏”。 同時，也順應了“新工科”的時代背景，對于同類院校其他“新工科方向”的相關課程建設起到促進作用，并提供技術性的重要參考依據。