基于“以賽促學、以學促用”的交通工程專業研究生數據分析能力培養研究

劉晨輝 謝瑤

基金項目：湖南省學位與研究生教學改革研究項目“大數據時代研究生交通數據分析課程的教學改革”（2021JGYB043）

第一作者簡介：劉晨輝（1987-），男，漢族，山東濟寧人，博士，教授，碩士研究生導師。研究方向為交通大數據。

DOI：10.19980/j.CN23-1593/G4.2024.19.022

摘? 要：大數據時代交通運輸行業迫切需要具備一定數據分析技能的專業技術人才，這就要求高校加強對學生數據分析能力的培養。但目前我國高校交通運輸專業研究生數據分析課程的教學過程中，還存在著專業結合性差、實踐結合性弱、教學工具與資源落后等問題。基于此，在分析現有數據分析課程教學模式不足的基礎上，針對交通運輸行業的特點，提出“以賽促學、以學促用”的教學模式，并結合實際競賽案例，闡述該教學模式在培養學生數據分析能力方面的獨特優勢，以期為相關課程建設提供借鑒。

關鍵詞：交通工程；研究生；數據分析能力；教學模式；數據競賽

中圖分類號：G642? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2024）19-0088-04

Abstract： In the era of big data， transportation engineers are expected to have solid data analytic skills， which requires universities to cultivate students' data analysis ability. However， there are still some problems in the teaching process of Data Analysis course of postgraduate students in transportation engineering， such as poor combination of major， weak combination of practice， backward teaching tools and resources. Therefore， after analyzing deficiencies of the existing data analysis courses， this paper proposes the teaching mode of "promoting learning through competition and promoting application through learning". Combined with some data competitions， this paper illustrates the unique advantages of this teaching mode in improving data analytic skills of students， which provides new insights for developing similar courses.

Keywords： traffic engineering; postgraduate; data analysis ability; teaching mode; data competition

在大數據時代，隨著數據采集、存儲、分析等技術的快速發展，各個行業對數據分析工作的依賴性越來越高，數據分析能力已經是專業人才職業發展的必備技能之一[1]。在此背景下，中共中央、國務院在《中國教育現代化2035》[2]中明確指出要全面提升師生數據使用能力，并推動高校開設大數據等專業，培養信息時代數字經濟復合型人才。因此，在大數據時代，如何精準培養學生數據分析能力已經成為高等教育領域的研究熱點[3]。

交通工程專業研究領域廣（公鐵空水）、范圍大（規劃、設計、安全、運行等）、層次多（國際、國內、地區等），需要進行大量的數據分析。隨著交通強國戰略的推進，我國綜合立體交通網不斷完善，采集到的交通運輸數據數量不斷增多、質量不斷提高，因此交通運輸領域對從業人員的數據分析能力要求也越來越高。為應對日益復雜的交通問題，滿足行業發展需求，有必要對交通工程專業研究生強化對其數據分析能力的培養，提升其核心競爭力。

針對交通工程專業研究生，國內眾多高校雖然已經開設了一些數據分析課程，但仍存在較多不足。對此，提出“以賽促學、以學促用”的培養模式，通過引導學生參與各種基于實際交通問題的競賽活動，提高學生利用數據分析方法和工具解決實際問題的能力，最終達到提升學生核心競爭力的目的。

一? 現有課堂教學模式不足

針對交通工程專業的研究生，國內高校普遍已經認識到了培養其數據分析能力的重要性，也在不斷探索開設相應的課程[4]，但仍然存在明顯不足，主要體現為以下幾個方面。

（一）? 教學內容偏通用知識，專業結合性差

目前，國內眾多高校交通工程專業研究生多通過選修矩陣論、應用統計學、運籌學等理工類的通識課來學習數據分析知識。這些課程的授課教師多為數學、統計學、運籌學、計算機等專業背景，其授課內容偏向數理統計基礎理論知識，而缺乏對于交通工程專業研究人員來說至關重要的專項數據分析知識，從而導致學生在科研工作中面對實際交通問題時，缺乏開展數據分析所必要的知識技能。比如，對于交通安全研究來說，通過分析事故發生前的車輛軌跡數據可以明確駕駛員的駕駛行為特征，進而精準識別導致交通事故發生的關鍵因素，這就要求學生掌握必要的軌跡數據分析知識。然而，由于軌跡數據在傳統數據分析中非常少見，現有數據分析通識課程一般并不涉及軌跡數據分析相關知識，這使得學生在面對軌跡數據時不知道如何下手。因此，如何結合交通工程學科特點，幫助學生掌握交通運輸行業所需要的數據分析知識至關重要。

（二）? 練習數據有限，實踐性弱問題突出

對于數據分析課程來說，利用大量的實際案例數據進行練習對于激發學生學習興趣、鞏固學習效果、提高其應用知識解決實際問題的能力至關重要。然而，由于數據采集成本高昂等原因，多數課程缺乏大規模、高質量的實際交通工程案例數據。現有課程練習數據普遍存在數量少、精度低、內容簡單、時效性差等問題，且很多數據集本身并非交通類數據。課堂練習數據與行業實際數據的脫節導致學生缺乏對于實際工程問題的認識，在面對實際問題時，缺乏數據分析的應用意識，無法開展有效的數據分析，傳統教學模式中課程理論性強、實踐性弱的問題突出[5]。比如，對交通事故進行統計分析來識別事故特點是交通安全研究的核心內容之一。然而，由于隱私保護等原因，國內交通事故數據目前大多并不公開，這使得相關的課堂練習數據缺乏，進一步導致學生未來在開展交通事故分析相關研究時，不知道如何對事故數據進行有效的建模分析。因此，在理論學習的基礎上，如何結合實際的交通工程案例，幫助學生掌握應用所學知識解決實際交通問題同樣迫在眉睫。

（三）? 授課模式落后，缺乏先進技術工具

隨著科技的飛速發展，以云計算、大數據、高性能仿真等為代表的各種先進的數據分析技術工具層出不窮，并且已經在包括交通行業在內的各行各業得到了廣泛應用。然而，目前國內眾多高校數據分析課程的授課模式仍以講述經典基礎理論為主，缺乏對這些先進技術工具的介紹和實際操作。比如，云計算可以充分利用計算機網絡巨大的數據計算資源，實現對于大規模數據的快速處理，用戶無需購買任何軟硬件設備即可開展大規模的計算分析工作，極大地減小了相應的計算投入，因此眾多公司均已搭建相應的云計算平臺。然而，由于云計算為付費服務，現有數據分析課程一般并不涉及云計算相關內容。一旦學生在實際科研工作中需要用到云計算服務，其仍需要花費大量時間自學。因此，如何結合交通工程專業的發展趨勢，幫助學生掌握利用各種先進的數據分析技術工具，也是現有課程面臨的一個重大挑戰。

二? “以賽促學、以學促用”內涵

隨著數據采集技術的快速發展，眾多機構現在已采集了大量的交通數據，迫切需要外界力量幫助他們深入分析數據，從數據中發現問題，并提出相應的解決方案。因此，越來越多的機構開始舉辦各類數據分析競賽。所謂“以賽促學、以學促用”，是指將教學內容同各類競賽相結合，鼓勵學生通過參加比賽來實踐所學課堂知識，提升學生專業實操技能，并針對學生展現出來的薄弱環節，提出相應的改進策略，進一步提升學生核心競爭能力[6]。表1列舉了2023年國內外部分交通數據分析競賽。可以發現，這些比賽的主題涉及交通工程各個領域，具有較好的代表性。

三? 以賽促學的優點

相比傳統教學型數據分析培養模式，以賽促學的教學方式主要有如下優點。

（一）? 有助于提高學生解決實際問題的能力

數據分析競賽題目一般來自于現實業務場景，直接服務于交通運輸行業發展需求。與課堂練習相比，這些競賽通常需要學生綜合運用所學知識，完成數據采集、清洗、建模與分析等全過程工作，對學生來說是一個巨大的挑戰。競賽的實戰性有助于學生快速掌握數據技能，并內化為解決問題的思維方式，切實提高學生解決實際問題的能力。

以新能源汽車為例，針對新能源汽車快速發展所帶來的問題，2023數字汽車大賽旨在依托海量新能源汽車實時運行數據，以數據算法創新和數據分析應用為重點，通過挖掘數據價值，探索創新應用。在比賽中，學生首先需要對巨大的原始數據進行清理，去掉不合理的數據，進而從中選擇能夠影響動力電池健康狀態的因素進行建模分析，根據建模結果選出最優模型，并做出專業解釋。通過參加這類競賽，學生可以切實了解新能源汽車產業發展現狀以及存在的問題，提升對行業的認識，鍛煉自己利用數據分析技能解決實際問題的能力。

（二）? 有助于學生個性化發展

對于研究生來說，不同學生有不同的研究方向，因此其對于參加的競賽也可能存在一定的傾向性。表1所示競賽類型眾多，涉及交通安全、智能交通、自動駕駛、新能源汽車、地理空間分析等多個方向，完全可以滿足學生的個性化發展需要[7]。比如，地理空間類競賽可以鍛煉學生對于時空數據分析和ArcGIS等軟件的應用能力；交通仿真大賽則可以鍛煉學生的交通仿真能力；新能源汽車競賽[8]可以鍛煉學生的統計分析與建模技術；自動駕駛競賽則可以鍛煉學生的編程技巧；軌道交通和航空交通方向學生同樣有合適的競賽參與。學生完全可以根據自己的特長和興趣選擇合適的競賽，也可以參加多個競賽，提高自己的綜合數據分析能力。通過參加競賽，學生可以發現自己的優勢和不足，從而進行更有針對性的提高改進。教師也可以根據學生專業背景特點，推薦他們參加合適的競賽項目，實現因材施教。

此外，科研是研究生的主要工作，而很多競賽提供的數據完全可以用于開展科研工作，有助于其開展科研工作。例如，俞蔣彬等[9]基于數字汽車大賽所提供的數據，建立了基于層次分析法-熵權法的動力電池風險評價體系，利用機器學習方法建立故障等級預測隨機森林算法。盛裕杰等[10]基于上海新能源汽車比賽的數據，分析了電動汽車用戶群體的充電行為與選擇偏好，并基于決策樹模型實現了充電需求的預測，最后提出了充電設施規劃建議。李潔等[11]基于上海新能源汽車比賽數據，提出了基于生成對抗網絡的數據增強方法，實現電動汽車故障的高效診斷。

（三）? 有助于充分發掘學生主觀能動性

與傳統教學相比，競賽的趣味性和挑戰性更能激發學生的學習潛能[12]，學生需要發揮創造力，在有限時間內設計創新性的數據處理和分析方案。學生從被動接受知識轉變為主動運用創新技能解決問題，數據分析能力也因此實現質的提高。通過競賽把學生潛力轉化為創新動力，是實現數據技能突破的有效教學手段。

以地理空間分析類競賽為例，由于交通本質是人和物在空間和時間上的移動，其研究會涉及到一系列的地理空間數據分析工作。與其他競賽相比，地理空間分析競賽選題開放，學生需要自己確定研究主題并開展相關的研究活動，這樣能夠充分發揮學生的自主能動性，有助于激發學生的創新能力。以易智瑞杯中國大學生GIS軟件開發競賽為例，其劃分為地圖故事、地圖設計、GIS應用開發以及遙感應用四個賽道，每個賽道均需要學生自己確定研究主題，主辦方僅提供GeoScene軟件。2023年度比賽中，有學生開展了《基于GIS的城際客運聯系與吸引力分析——以湖南省為例》《新能源汽車銷售的地區分布差異》《基于GIS分析的長沙市區充電站的分布研究》《城市公共交通結構演化研究》《關于長沙市三甲醫院對老人的覆蓋率的研究》等多項研究，分別涉及城市客運、城際客運、高鐵客運等多個方面。學生完全需要自己發現問題，采集相關數據，分析問題，并提出解決方案，這大大調動了學生的學習主動性。

（四）? 有助于提高學生的團隊協作能力

由于比賽難度或賽制等原因，數據分析競賽往往需要多人參賽，且有一定的比賽時間限制，這就對學生的團隊協調能力提出了較高的要求。團隊成員需要在比賽期間密切配合，分工明確，互相支持，才能在有限時間內高效完成數據采集、清洗、分析、建模和報告撰寫等各項工作。在此過程中，團隊內部需要不斷溝通交流思路，集思廣益解決遇到的難題，才能使分析結果更加準確完整。通過參與競賽，學生可以學習團隊管理、協作和交流的相關技巧，在實踐中提高團隊協作能力，這將對其個人成長和未來的職業發展都有著巨大的益處。

以中國機器人及人工智能大賽自動駕駛專項賽為例，參賽隊伍需要在有限的比賽時間內，利用某仿真平臺，模擬解決自動駕駛汽車在實際運營中可能遇到的多個問題，如避讓行人、借道繞行、慢速車繞行等。這就要求團隊成員必須緊密合作、密切溝通以提高工作效率，確保順利完成所有賽題。通過參加比賽，學生可以明確團隊合作的重要性，切實提高團隊協作能力，有利于學生日后的學術或職業發展。

（五）? 有助于實現學生與企業“雙向奔赴”

一方面，就業是民生之本，大學生就業是就業工作中的重中之重。通過參加數據競賽，學生可以切實提高利用數據分析知識解決實際問題的能力，并深入了解行業的發展現狀，這將極大提高他們的求職競爭力，并且有機會直接獲得實習或工作機會；另一方面，優秀的技術人才是企業的核心競爭力。通過贊助各類數據分析競賽，企業可以以極小的成本解決自身面臨的現實問題，并挖掘所需的優秀人才。此外，企業也能夠樹立良好的品牌形象，讓學生更加了解企業文化與運營，與企業建立緊密聯系，有助于企業招攬所需的優秀人才。比如，數字汽車大賽的主辦方新能源汽車國家大數據聯盟由眾多車企組成，它們為參賽學生提供了大量的實習和就業崗位，優秀學生可以甚至直接獲得相應的工作機會。因此，競賽既幫助企業招募優秀的技術人才，又可以幫助學生拓展新的就業機會，并深入了解數據分析在行業中的應用發展，從而進一步明確自身職業發展目標。

四? 結束語

隨著交通數據采集技術的飛速發展，強大的數據分析能力對于交通工程專業研究生的職業發展愈加重要。它不僅能夠提升學生的批判思維和問題解決能力，培養科學精神和統計思維，還有助于發展信息素養和決策能力，同時也為學生的職業發展提供了更多機會。高校作為人才培養的搖籃，理應與時俱進，培養符合社會需求、緊跟時代的人才。針對當前眾多高校交通工程專業研究生數據分析能力培養不足的問題，對此展開了詳細分析，指出通過課堂理論學習與數據分析競賽相結合，可以有效提高教學效果，提升學生利用所學知識解決實際問題的能力，有助于培養滿足社會需求的交通數據分析人才。

“以賽促學，以學促用”這一新型教學模式，以學生積極參與數據分析競賽為依托，鼓勵學生在實戰中成長，充分發揮交通運輸專業知識，實現學以致用，在拉近傳統教學與現實需求的同時，鍛煉學生的數據分析能力，以更好地符合實際人才市場的需求。與傳統的教學模式相比，數據分析競賽具有數據場景貼近現實、數據分析工具先進、富有挑戰性等獨特優勢，在提升學生數據分析、團隊協作和解決實際問題的能力、充分挖掘學生創新能力、助力學生個性化發展等方面都大有裨益。除此之外，科研方向相關的數據分析競賽也有助于學生科研工作的進一步開展。對相關企業來說，舉辦類似競賽同樣也能為自身選拔優秀的專業技術人才。此外，數據分析在環境保護、資源利用、城市規劃等其他行業領域中也有廣泛的應用前景，在就業壓力日增的情況下，交通工程專業學生參加數據分析競賽，提升自身核心競爭力，也有助于其職業生涯的拓展與融合。

參考文獻：

[1] 張海波，黃世祥.統計學專業學生大數據分析能力的培養方式選擇[J].統計與決策，2014（24）：66-68.

[2] 中國教育現代化2035[EB/OL].https：//www.gov.cn/xinwen/2019-02/23/content_5367987.htm.

[3] 尤豫心，李培靈.高校數據挖掘課程教學改革新探與實踐[J].福建電腦，2023，39（3）：117-120.

[4] 許凱.淺談現代統計學教學中大學生數據分析能力的培養[J].課程教育研究，2021（17）：147-149.

[5] 鄭桂玲，李偉春，郭時雨.基于數據分析職業能力培養的物流管理專業統計學教學改革[J].辦公自動化，2021，26（6）：35-37.

[6] 汪志明.以賽促學，助力導航專業研究生創新人才培養[J].測繪地理信息，2022，47（S1）：29-30.

[7] 龐果，蔣志娟.建構主義指導下“以賽促學”在高職英語中的可行性[J].湖北開放職業學院學報，2023，36（19）：164-165，171.

[8] 黃華，王飛，宋艷萍，等.基于“項目驅動+以賽促學”教學模式的數學建模教學探索與實踐[J].高教學刊，2022，8（17）：108-111.

[9] 俞蔣彬，張欣，張永濤，等.基于大數據的純電動客車動力電池安全風險多維度評價[J].北京交通大學學報，2023，47（5）：98-106.

[10] 盛裕杰，郭慶來，劉夢潔，等.多源數據融合的用戶充電行為分析與充電設施規劃實踐[J].電力系統自動化，2022，46（12）：151-162.

[11] 李潔，張震豪，董亞冰，等.基于生成對抗網絡的電動汽車電池數據增強和故障診斷[J].汽車技術，2023（8）：1-6.

[12] 陳小波.以賽促學——一種高效率的技能教學新模式[J].教育與職業，2007（9）：68-69.