大數據應用型人才培養新模式研究

夏婷　蘇永紅　黃小倩

[摘 要]當今社會已進入大數據時代，大數據人才缺口大、需求迫切，大數據專業已成為國家新興戰略專業。應用型高校肩負大數據應用型人才培養的使命，應基于成果導向教育理念，發揮辦學模式靈活的特點，將教育鏈對接產業鏈，重構人才知識、技能和素質結構。基于此，探索和構建了“一體兩翼四支撐”的大數據應用型人才培養新模式：以大數據產業學院為主體，構建高校、地方政府、行業協會、企業四位一體的共建共管組織架構，以培養專業技能為主要目標的“融合進階工學交替”為第一翼，以培養綜合素質為主要目標的“全素質鏈協同育人”為第二翼，以“資源、方法、團隊、質量保障機制”為支撐系統，為提高人才培養質量提供借鑒。

[關鍵詞]大數據；應用型人才；培養模式；產業學院；綜合素質

[中圖分類號] G642? ? ? ? ? ? [文獻標志碼] A [文章編號] 1008-2549（2023） 05-0062-05

一、大數據應用型人才培養的時代背景和現狀

大數據技術已廣泛滲透在政府治理、民生服務、數據安全、工業轉型、日常生活等各個領域，特別是新冠肺炎疫情加速了全球數字化進程和大數據技術的發展，大數據的應用越來越彰顯其優勢，大數據時代已來臨。全球最頂尖的管理咨詢公司麥肯錫指出，目前中國大數據崗位人才缺口達150萬人。國務院出臺了《促進大數據發展行動綱要》，數據科學與大數據技術專業已上升為國家新興戰略專業。

至 2022年，已有715所高校獲批數據科學與大數據技術專業（以下簡稱大數據專業），其中包括眾多應用型高校。[1]應用型高校培養的大數據人才應既不同于學術性高等教育培養的研究型人才，又區別于專科層次職業教育培養的崗位技能型人才。[2]而是既具備服務大數據產業發展的核心專業技能，又能從事大數據應用研究的高素質應用型人才。但人才培養現狀卻差強人意，主要問題及其原因分析如下：

（一）缺乏大數據應用型人才培養所需的教育資源

大多數應用型高校現有的大數據教育資源包括師資力量不能很好地支撐大數據應用型人才培養，教學環境和教學內容落后于企業的技術現狀，缺乏大數據專業必需的數據資源和項目化的訓練。雖然眾多高校嘗試通過校企合作來解決此問題，但深度不夠，產教沒有有機融合，主要體現在政府在校企合作中的無為性，行業、企業在校企合作中的被動性，高校在校企合作中的無力性。[3]原因是缺乏高校、政府、行業和企業共建共管的組織架構和治理模式，無配套完備的運行制度和組織載體。

（二）人才培養方案的知識能力結構與大數據應用型崗位需求不匹配

大數據行業對應用型人才的專業技能、跨學科知識結構要求較高，很多應用型高校的人才培養方案要么與學術研究型高校類似，要么與職業技能型院校類似，沒有體現應用型人才的特色，知識結構單一，缺乏跨學科知識重組，人才的知識、能力結構不能滿足大數據應用型崗位的要求。原因是人才培養方案的構建主要是從學科需要出發，強調學科知識體系的系統性和完整性，沒有從分析大數據應用型人才應具備的知識與能力結構入手。

（三）人才綜合素質不能滿足大數據行業對應用型人才的需求

隨著新產業革命的到來，新產業發展和新技術創新迫使新工科人才的素質發生改變。[4]教育部頒布的“天大行動”中明確指出：“要促進工科學生的全面發展，把握好新工科人才的核心能力素養，強化工科學生的家國情懷、全球視野、法治意識和生態意識，培養學生設計思維、工程思維、批判性思維和數字化思維，提升創新創業、跨學科交叉融合、自主終身學習、溝通協商能力和工程領導力。”[5]大數據專業是典型的新工科專業，大數據行業需要具備以上綜合素質的應用型人才，但現狀是學生綜合素質較薄弱。除了第一課堂的潛移默化外，與第一課堂緊密銜接的第二課堂是培養綜合素質的主要抓手。而種類繁多、不斷加碼的各種課外活動使學生的第二課堂存在內涵空心化、活動碎片化、運行孤立化、培養單一化的“四化困局”，缺少行業、企業和高校一起對活動的宏觀把控和系統設計，育人效果受限。因此，第二課堂不能單純做加法，應結合培養目標善做乘法，需校企協同構建一個系統、全面的第二課堂育人體系。

二、大數據應用型人才培養新模式的構建

基于成果導向教育（outcome based education，OBE）理念，應用型高校應培養以社會需求為導向、以實踐應用為中心、以知識能力復合為特征的高素質大數據應用型人才，針對應用型高校大數據人才培養遇到的問題，構建“一體兩翼四支撐”人才培養模式：以大數據產業學院為主體，以“融合進階工學交替”和“全素質鏈協同育人”為兩翼，以“資源、方法、團隊、質量保障機制”為支撐系統，如圖1所示。

（一）主體——大數據產業學院

“天大行動”“復旦共識”“北京指南”的形成，明確了“打造共商、共建、共享的工程教育責任共同體，深入推進產學合作、產教融合”是大數據專業等新工科建設的重要路徑。[5][6][7]因此，建設大數據產業學院，打造高校、地方政府、行業協會、企業機構（簡稱“政校行企”）四位一體的協同育人平臺，打破體制壁壘，建立以大數據產業學院領導委員會為中心，各相關委員會為支撐的共建共管組織架構，各委員會由“校行企”專家共同組建，如圖2所示。

（二）第一翼——融合進階工學交替

專業技能是學生的核心競爭力，為實現人才培養和社會需求無縫對接，由專業建設委員會進行頂層設計，產教深度融合，構建學科交叉融合的進階式工學交替人才培養方案，如圖3所示。

1.開展專業啟蒙教育和跨學科通識教育

職業發展指導中心利用行業企業的資源，組織學生到大數據及其產業鏈企業見習，對學生進行專業啟蒙教育，讓學生認識到大數據行業對應用型人才知識、能力和素質的需求。基于OBE理念，讓學生根據行業需求確定學習目標，帶著目標進入通識課程學習。通過跨學科知識重組，建設特色通識教育體系，包括人文藝術模塊、自然科學與技術模塊、數理邏輯與思維模塊、社會與行為科學模塊等，在打牢數理基礎的同時，培養批判思維、抽象思維、人文素養，拓寬視野。

2.項目驅動式工學交替，逐步進階

教學指導委員會組織專業課程建設，按照工程邏輯進行跨學科知識重組，[8]構建層次清晰、銜接緊密、相互支撐的模塊化課程體系，如數據獲取模塊、大數據架構模塊、數據存儲及處理模塊、數據分析模塊等。將企業實際項目脫敏后按模塊分解、整合到課程鏈中，建立“課程設計-小綜合實訓-大綜合實訓”不斷線的項目驅動式教學體系，如網絡爬蟲小綜合實訓、大數據平臺搭建小綜合實訓、海量數據存儲及處理大綜合實訓、數據分析大綜合實訓等。

校企雙方根據學習進度，采用“大學期+小學期”的模式進行“雙螺旋”工學交替。大二階段，每3～4個月的大學期學習了一個課程模塊后，利用1～2個月的小學期，到企業進行一次小綜合實訓，訓練學生的單元技能。大三階段，在學習了多個課程模塊后，利用小學期到企業進行大綜合實訓，提升學生的綜合技能。理論與實踐相互交融、螺旋上升。

3.學科融合互動的場景式教學，實現高階培養

大數據應用型人才培養需要“大工程觀”，即包括宏大或復雜工程視野、工程的多學科視野及其所需要的科學基礎素養，此外還應包含相應的人文情懷及工程組織素養。[9]基于“大工程觀”的教育理念，以企業級的工程實踐教育基地為依托，以企業真實完整的項目為驅動，以“成果牽引、團隊合作、融合互動”為特征，完成畢業實習。實習項目嚴格按照企業的過程標準和評價標準進行場景式教學，學生不僅要完成數據采集、存儲、分析和計算全流程的項目開發，還要學習與項目相關的跨學科的知識技能，培養實踐應用能力和工程思維。學生在項目中體驗各種角色，不同專業學生組成技術團隊，通過實踐互動進一步培養學科交叉融合能力。在整個開發迭代周期中逐漸升級、完善個人能力，直至達到企業相應崗位能力標準，進而實現頂崗實習。與此同時，職業發展指導中心的老師通過模擬招聘、一對一分析應聘技巧、總結經驗，指導學生靈活、機智地展現自己的就業力，強化就業技能，為學生順利就業保駕護航。

（三）第二翼——全素質鏈協同育人

依托大數據產業學院，“政校行企”協同，構建以綜合素質培養為核心，以學科競賽為主線，以科技創新活動為抓手，以1+X職業技能認證為補充的全素質鏈第二課堂協同育人體系。

1.以學科競賽為主線

競賽指導委員會依托大數據產業學院的資源，組織參加或舉辦大數據“信創”大賽等各類學科競賽。創新創業俱樂部根據科技競賽類別下設若干分協會，跨學科組建團隊參加各類競賽。學生全員加入創新創業俱樂部，進行分層分類培養，一年級重“興趣”，二年級重“溝通”，三年級重“創新”。團隊建設、賽前培訓、比賽安排、賽后總結等組織、策劃工作皆由俱樂部學生完成，培養學生的自主學習能力、團隊協作能力、溝通協商能力和工程領導能力。

2.以科技創新活動為抓手

由產學研指導中心規劃和開展多種科技創新活動。

創新創業項目孵化，如“一班一項目”活動，即一個班在一年時間內完成一個項目的開發，實現從班級授課制到科研團隊探究制轉變。班上同學全員參與，相互促進，良性循環，聘請有創新創業實踐經驗的企業家作為項目的指導教師、創業一對一幫扶導師等，有利于創新創業教育的內容貼近創新創業實際環境，更有利于提高“知識技能-生產應用”的轉化效果和效率；與大數據企業合作，成立工作室或創客空間，搭建橫縱向項目的合作平臺，校企通過科技創新、成果轉化，最終實現共贏；響應政府和大數據行業的需求，結合高校專業優勢，成立“大數據安全教育”等公益教育團隊，開展社會實踐活動。

通過創新創業俱樂部組織和輸送學生加入各種科技創新活動中，系統培養學生的創新能力、團隊協作能力、法制意識和家國情懷。

3.以1+X職業技能認證為補充

職業發展指導中心通過與信息技術應用創新（即自主可控國產化，簡稱“信創”[10]）企業聯合申報大數據 “學歷證書+若干職業技能等級證書”即1+X [11]考點、培訓教師和學生，建設大數據1+X職業技能認證基地。為學生制定科學合理的培訓方案，通過 X 證書賦予學生更加貼合企業需求的能力。

（四）四支撐——“資源、方法、團隊、質量保障機制”教學支撐系統

充分發揮信息時代的優勢，采用信息化手段，構筑“資源、方法、團隊、質量保障機制”教學支撐系統。

1.線上線下同步，教學資源豐富

除了傳統的線下教學資源外，同步引進和建設在線開放課程；引入企業云教育平臺、云網實踐平臺、實驗工坊虛擬仿真實驗平臺等，使教學條件與行業技術發展同步。各種優質的教學資源豐富，為教學各環節提供有力支撐。

2.以學生為中心，教學方法多元

在課堂教學中推廣使用翻轉教學、BOPPPS教學法、微格教學法、對分課堂等多種教學方式，搭配信息技術和豐富的線上資源，實施線上線下混合式教學。激發學生內在的學習興趣，把教的創造性留給老師，把學的主動權還給學生，[12]可促進知識的有效遷移與轉化。

3.跨專業、跨學科，師生團隊能力強

多專業打通、跨學科組建高水平師生團隊，構建多團隊布局，融合共生，支撐教育教學方方面面。根據課程類別和課程內容跨專業組建課程組，解決課程建設和交叉問題；組建教學改革團隊，通過教師授課競賽、教學法工作坊等由點到面，推行教學法改革；通過校企互聘、教師技能競賽及技能培訓，打造“雙師雙能型”教師團隊；以“一班一項目”、工作室、科技競賽為載體打造可傳幫帶的科技創新團隊；創新創業俱樂部學生骨干組成小導師團隊，培訓和管理俱樂部學生，為科技創新孵化和輸送人才。

4.雙閉環，培養質量有保障

通過過程監控機制、跟蹤反饋機制、持續改進機制，構建質量保障雙閉環結構，保障培養質量，如圖4所示。

（1）全局反饋環

基于OBE理念，根據大數據行業崗位需求，分析應用型人才期望能力素質指標，將能力素質指標滲透到人才培養全過程。通過對學生實施“融合進階工學交替（第一翼）”和“全素質鏈協同育人（第二翼）”的教學環節，實現能力素質指標的達成。建立以就業單位和畢業生為主體的跟蹤反饋機制，跟蹤、統計每個畢業生的就業去向和就業質量、用人單位對畢業生的滿意度以及畢業生和用人單位對人才培養的意見和建議。通過數據沉淀，應用大數據分析系統，生成準確、立體的學生實際能力畫像。比較學生的實際能力素質和期望能力素質指標，若匹配度不夠，則調整教學環節；若行業期望的能力素質指標發生變化，則調整能力素質指標。循環往復，持續改進，使學生實際能力素質與行業能力素質要求匹配。

（2）局部反饋環

建立線上線下同步運行的過程監控機制，通過信息化平臺，記錄學生學習過程數據，準確反應教師教學狀態和學生學習狀態。在每個教學環節進行中和完成后，評價教學質量，分析學生能力增長變化及與行業需求能力素質指標的差距，若階段性能力素質達成度不夠，或有疫情突發、新技術出現、新政策實施等外因擾動時，通過及時調整當前和之后的教學內容、切換線上線下教學形式等，實時改進，螺旋式前進，使各個教學環節能確保能力素質達成。

三、結語

在全球信息化快速發展的大背景下，大數據已成為國家重要的基礎性戰略資源，正引領新一輪科技創新，推動經濟轉型發展，大數據人才已成為國家新興戰略人才。在錯綜復雜的國內外形勢下，我國處于發展的重要戰略機遇期，應用型高校必須抓住大數據產業發展和技術創新的機遇，擔起培養大數據應用型人才的責任，大力推動人才培養模式改革，培養出能支撐國家重大發展戰略和產業轉型升級的能力素質過硬的大數據應用型人才。

參考文獻：

[1]教育部.教育部關于公布2021年度普通高等學校本科專業備案和審批結果的通知[EB/OL].http：//www.moe.gov.cn/srcsite/A08/moe_1034/s4930/202202/t20220224_602135.html.

[2]教育部.教育部關于“十三五”時期高等學校設置工作的意見[EB/OL]. http：//www.moe.gov.cn/srcsite/A03/s181/201702/t20170217_296529.html.

[3]陳春曉，王金劍．應用型本科高校產業學院發展現狀、困境與對策[J/OL].高等工程教育研究. https：//kns.cnki.net/kcms/detail/42.1026.G4.20200727.1129.022.html.

[4]姜曉坤，朱泓，李志義.新工科人才培養新模式[J].高教發展與評估，2018，34（2）：17-24.

[5]教育部高教司.“新工科”建設行動路線（“天大行動”）[EB/OL]. http：//www.moe.gov.cn/s78/A08/moe_745/201704/t20170412_302427.html.

[6]教育部高教司.“新工科”建設復旦共識[EB/OL]. http：//www.moe.gov.cn/s78/A08/moe_745/201702/t20170223_297122.html．

[7]教育部.新工科建設形成“北京指南”[EB/OL].http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/moe_1485/201706/t20170610_306699.html.

[8]寧慧聰.中國大數據專業建設的跨學科模式研究[J].計算機科學，2019，46（11A）：159-162.

[9]李培根.工程教育需要大工程觀[J].高等工程教育研究，2011（3）：1-3.

[10]依琰.信創產業加速擴展 國產替代提速[EB/OL].http：//it.people.com.cn/n1/2020/0831/c1009-31842279.html.

[11]國務院.國家職業教育改革實施方案[EB/OL].http：//www.gov.cn/zhengce/content/2019-02/13/content_5365341.htm.

[12]葉宇平，何笑.智慧教育引領教學方式新變革[J].高教發展與評估，2020，36（4）：87-96.

（責任編輯：杜家和）

A New Mode of Application-Oriented Talents Cultivation of Big Data with "One Body， Two Wings and Four Supports"

Xia Ting? Su Yonghong? Huang Xiaoqian

（College of Information Engineering ， Wuhan Huaxia Institute of Technology）

Abstract： The era of big data has come. There is a large talent gap and urgent demand for big data. Big data has become a national emerging strategic major. Application-oriented universities shoulder the mission of cultivating application-oriented talents of big data. They should take the outcome based education （OBE） concept， give play to the flexible characteristics of school-running mode， connect the education chain with the industrial chain， and reconstruct the knowledge， skills and quality structure of talents. Therefore， a new mode of big data application-oriented talents cultivation with "one body， two wings and four supports" has been explored and constructed. Industry college of big data is the main body. Based on it， a four-in-one co-construction and co-management organizational structure of universities， local governments， industry associations and enterprises can be constructed. The first wing is "integrated and advanced learning and training alternation"， which aims at cultivating professional skills. The second wing is "comprehensive quality chain collaborative education"， which aims at cultivating comprehensive quality. "Resource， method， team and quality assurance mechanism" constitute the support system，which provides reference for improving the quality of talent cultivation.

Key words： Big data; Application-oriented talents; Cultivation mode; College of industry; Comprehensive quality