“金課”背景下高職大數據技術專業課程改革研究

關鍵詞：金課建設；課程改革；教學內容重構；教學方法創新；師資隊伍建設；大數據技術

中圖分類號：G712 文獻標識碼：A

文章編號：1009-3044（2025）03-0157-04 開放科學（資源服務） 標識碼（OSID） ：

0引言

隨著信息技術的快速發展，數字技術在各行各業中發揮著越來越重要的作用，教育領域正經歷一場革命性的變革。為適應信息時代發展需求，提升教育質量已成為高等教育的重要目標。2018年，中國高等教育迎來了重要的轉折點，時任教育部部長陳寶生提出了淘汰“水課”、打造“金課”的倡議[1]，標志著我國高等教育進入了質量提升的新時代。2018年起，我國高等教育開始大力推進“金課”建設，旨在淘汰“水課”，全面提升課程教學質量[2]。

長期以來，部分高校的課程內容缺乏深度和實用性，教學方法陳舊，考核方式缺乏靈活性，難以有效提升學生的實踐能力和創新思維，這些問題嚴重阻礙了教育質量的提高[3]。因此，“金課”建設應運而生，成為推動高等教育改革的重要抓手。“金課”建設強調課程內容的系統性、前瞻性和與市場需求的緊密結合，注重創新教學方法，培養學生的實踐能力和創新潛質。通過開展“金課建設”，學生能夠更好地掌握專業知識，增強綜合素質，從而提升就業競爭力[4-5]。

在信息化浪潮下，大數據技術的廣泛應用影響深遠。作為培養大數據領域人才的重要環節，高職院校大數據技術專業的課程體系的改革至關重要。“金課”理念的引入，為高職大數據技術專業課程改革提供了新的方向和思路。通過構建以“金課”為核心的課程體系，能夠更精準地對接行業需求，培養具備創新能力和實踐精神的高素質大數據人才。

本文以數據分析技術應用課程為例，探究“金課”背景下的課程改革路徑，以期為高職大數據技術專業課程建設提供參考。具體而言，在“金課”背景下大數據技術專業的專業課程改革應著眼于以下幾個方面：首先，課程內容要與大數據領域的技術進展和應用趨勢保持同步；其次，教學方式應更具創新性，注重培養學生的動手能力和創新思維；同時，教師隊伍建設需得到加強，以提升教學質量[6]；最后，實踐教學體系應進一步完善，為學生提供更多的實操機會，幫助他們在實際應用中成長。

1 大數據技術專業課程面臨的問題

高職大數據技術專業目標是培養大數據行業人才，課程設計和教學質量對人才培養的效果具有至關重要的影響。當前高職大數據技術專業的核心課程在教學過程中面臨一些問題與挑戰。

1.1 課程內容與行業動態不匹配

大數據技術日新月異，新的技術趨勢和應用場景層出不窮。然而，部分專業課程未能及時反映這些變化，導致教學內容與行業需求之間存在明顯差距，課程內容滯后于行業發展，這種情況使得學生在畢業后難以迅速適應企業的實際工作環境。

1.2 教學方法和手段缺乏創新

目前，大數據專業教學以講授式為主，缺乏多樣化和實踐性。這種教學方式容易導致學生的學習興趣不高，缺乏主動參與和創造性思維的培養。同時，實踐教學的不足也使得學生難以真正掌握大數據技術的核心應用能力。

1.3 師資力量有待加強

大數據技術的教學對教師的專業能力和實踐經驗有較高要求。然而，許多高職院校的大數據教師團隊在數量和質量上仍顯不足。部分教師缺乏行業經驗和專業技能，難以勝任高水平的專業指導。此外，教師培訓和進修機制不完善，也制約了教師專業能力的提升。

1.4 教學資源有待更新

大數據技術的教學依賴于大量的硬件和軟件支持，相關課程需要大量的教學資源，但許多高職院校在這方面存在資源短缺的問題。例如，部分高職院校缺乏高性能計算機、專業軟件等教學資源，部分課程仍以紙質教材為主。這些問題嚴重制約了學生的學習效果和課堂教學質量。

1.5 課程評價和反饋體系不健全

部分高職院校缺乏健全的課程評價和反饋機制，難以有效評估學生的學習效果和教師的教學表現，制約了課程教學質量的提升。

2 大數據技術專業課程改革的途徑

在數字化與信息化的浪潮下，高職大數據技術專業作為培養未來大數據行業人才的搖籃，其課程設計和教學質量對人才培養效果具有至關重要的影響。然而，當前高職大數據技術專業課程在教學過程中面臨一系列急需解決的問題和挑戰。

2.1 教學整體設計

2.1.1 基于崗位工作任務，重構教學內容

數據分析技術應用課程以大數據工程技術人員、電子數據取證分析師等崗位能力要求為培養目標，對接全國工業和信息化技術技能大賽規程，融入大數據分析與應用職業技能等級標準，緊跟智慧制造新業態、數據質量新標準、人工智能新技術、數智融合新應用。按照“設備→產線→車間→工廠”的場景層次、“文本→圖像→視頻”數據復雜程度，將課程重構為遞進的四個項目，如圖1所示。每個項目中，根據工作流程再細分為多個任務。例如項目二是通過大數據分析實現產品智能分揀與調參，提升產線的分揀效率，通過優化參數提升設備加工精度，作用于后續生產。因此，項目二可分為數據采集環境搭建、圖像數據采集與處理等五個任務。

2.1.2 錨定崗位實際需求，明晰學生學情

針對高職大數據技術專業學生的學情，基于專業背景和課程特色，我們通過深入分析學生的線上學習行為、線下智慧課堂表現以及實訓測評等多維度數據，自主開發了學情監控功能。經過綜合分析，得出學生“三有三強三弱”的學習特點：1） 知識與技能基礎有數據分析知識，基礎技能強：通過Python程序設計等前導課程和項目1成績分析，我們發現93.75% 的學生對數據統計分析和監測分析方法有基本理解，且90.6%的學生能夠完成設備數據監測分析任務，顯示了學生具備扎實的數據分析知識基礎和較強的基本操作技能。

實際應用能力弱：盡管學生在基礎知識和技能方面表現較好，但87.5%的學生在將知識體系遷移到實際場景中時顯得力不從心，這提示我們需加強數據分析的實際應用能力培養。

2） 認知與實踐能力

有創新意識，崗位認知強：近90%的學生曾參與“雙創”比賽，雖然成績有待提升，但表現出強烈的創新意識；同時，93.75%以上的學生對大數據崗位從業有一定的認知，這為學生未來的職業發展奠定了良好基礎。

解決問題能力弱：在問題解決方面，87.5%的學生在解決問題時途徑較為單一，對復雜問題的探究和解決能力不足。這就要求我們在教學中需要注重培養學生的問題解決能力。

3） 學習特點

有實踐能力，容易接受新事物：93.75%的學生對新事物接受能力強，樂于參與教學活動豐富、自主性大的課堂；同時，87.5%的學生在實踐動手方面表現出強烈的主動性。

團隊協作意識弱：然而，值得注意的是，50%的學生在團隊協作中主動性較弱，這可能影響他們在團隊項目中的表現。

2.1.3緊扣崗位能力標準，確立教學目標

根據課程標準與教學內容，對接大數據工程技術人員、電子數據取證分析師等崗位能力標準，以解決產品缺陷檢測問題為導向，確定提升學生基于數據分析的“懂原理、會分析、能創新、善應用”的核心職業技能，達成“責任擔當、團隊協作、創新應用、持續學習”的核心職業素養，明確三維教學目標，如圖2所示。

根據教學目標和崗位技能要求，確定數據分析處理為教學重點，結合學生數據分析技術在實際場景遷移能力弱等學情，預判技能實際應用為教學難點。

2.1.4基于PDCA管理模型，構建教學策略

遵循職業教育學習規律，以學生為中心，依托省級產教融合實訓基地，以實際項目為載體，實施成果導向，將項目分為環境搭建、分析實現、生產驗證的“三場”教學場景。基于PDCA目標管理改進模型，利用校企共研的賽證產線、數字孿生、工業云平臺等“理虛實”一體化資源，構建以“教師引導、學生探索”為核心的任務驅動“四融”學習環境，復現真實的數據分析崗位，設計“三探、四融、二提升”的教學環節，幫助學生系統掌握知識與技能，攻克難點，達成能力遞進提升，最終成為勝任數據分析工作崗位的高素質技術技能人才。

2.2創新教學方法和手段

2.2.1對接工作任務，構建“三融”組織教學

項目以數據分析典型工作任務為教學主線，將數據分析處理流程序化為環境搭建場、分析實現場、生產驗證場，結合校企共研的賽證產線，完成高精密齒輪圖像數據采集、數據分析處理、模型訓練優化三類工作任務。

遵循學生能力發展路徑，利用理虛實一體化泛在資源，構建“三融”學習情境，解決生產現場難進入、檢測結果難評估、真實設備難修正等教學痛點，引導學生真入崗位、真練任務，提升學生“懂原理、會分析、能創新、善應用”職業素養，在多階訓練中掌握數據分析關鍵技術要點，將數據分析方法與實際應用融會貫通、創新應用。

2.2.2 錨定三維目標，實施“三探四化兩提升”教學環節

項目實施中，結合PDCA目標管理改進模型實施教學。依托院校合作，組建雙師雙課，到校內產業學院，與真實產線設備零距離接觸，增強學生的職業認同感；利用理虛實一體化資源讓學生在學中做、做中學、學中悟；利用賽證產線讓學生生產驗證并進行項目展示，增強學生實際應用能力。教學過程以數據處理分析過程為導向，以數據分析工程師崗位任務驅動“三探四化兩提升”即“新知、新測、新技三初探，案例導入化心、新知解析化悟、技能訓練化技、成果展示化能，復練、拓展兩提升”9個教學環節，使學生數據分析技能逐步提升；依托數智資源，將賽證產線、數字孿生、工業云平臺融入教學過程，拓展了學習的時間和空間；教學過程中應用情境模擬、角色扮演、任務驅動、頭腦風暴等教學方法，提高學生學習興趣及團隊協作。下面是圖像數據采集與處理任務的“三探四化兩提升”教學過程：

1） 課前三初探

教師通過智慧職教平臺發布任務，學生自學數據擴充與增強技術，樹立嚴謹意識。完成新知、新測、新技初探，包括自學思政案例、完成測試任務并繪制編程流程圖，利用圖像翻轉功能實現數據翻倍，組內分享成果。

2） 課中四內化

教師通過案例引入數據樣本少的問題，講解卷積神經網絡及數據增強方法。學生利用工業云平臺搭建并優化模型，通過分組探討和實訓驗證不同增強方式的適用性。成果展示結合賽證標準，運用數字孿生技術，師生共同評價，提升學生模型調參和數據處理能力。

3） 課后兩提升

根據學生表現，教師組織掌握情況較弱的學生進行復練，強化數據增強與環境搭建技能。表現優秀的學生可以通過證書考核、競賽輔導和創新應用平臺等，進行個性化提升，在校企雙導師指導下拓展技能。

2.2.3 踐行工匠精神，融入“五精”思政元素

依崗位特征凝練“數據賦能，強國有我”為思政主線，全程切入思政元素和職業素養。依據“精心搭建、精確處理、精準分類、精益補償、精品展示”五個任務流程融入思政元素，讓學生牢牢樹立“團隊協作、責任擔當、持續學習、創新應用”意識，使專業課程與思政課程形成協同效應，落實“立德樹人”根本任務。

2.3 加強師資隊伍建設

首先，積極引進具有豐富經驗和專業技能的大數據人才，擔任課程主講教師或客座教授，為學生帶來前沿的技術和行業洞察。其次，定期組織教師參加專業培訓、研討會等活動，提高教師的專業素養和教學能力。同時，鼓勵教師參與科研項目和企業合作，積累實踐經驗。最后，加強與企業的合作與交流，邀請企業專家擔任課程顧問或導師，為學生提供實踐指導和職業規劃建議。

2.4 優化教學資源配置

首先建設高性能計算和大數據處理能力的實驗室，為學生提供良好的實踐環境。其次，在前導課程中介紹數據分析軟件的使用，如Tableau、Power BI等，滿足學生的學習和實踐需求。最后，豐富課程教學資源，包括微課、課件、案例、數據集等，方便學生隨時隨地進行學習和實踐。

2.5 完善課程評價和反饋機制

充分運用團隊大數據優勢技能，自主研發學生綜合素質大數據評價系統。以教師為引領、學生輔助、企業參與、數智系統四元主體，從三維目標出發，圍繞“課前、課中、課后”三段采集教與學數據，通過“基礎評價、過程評價、終結評價”實現全程質控。結合四大職業素養提出四種勛章，制定積分榜，開展增值評價，實現素養的可評可測，構建點面結合的精準學情畫像，如圖3所示。

3 教學效果與反思

在數據分析技術應用課程改革的過程中，實施了 “三場三融三段”教學策略，取得了一定的成效。

3.1 學生學習效果顯著提升

通過項目化教學和實訓探究，學生在實際操作中掌握了數據分析的核心技能，學會了將理論知識應用于實際問題的解決。學生的學習積極性和主動性顯著提升，課堂參與度和滿意度也大幅提高。根據學生綜合素質大數據評價系統的數據統計，學生測試參與率達100%，其中96.875%的學生任務后測成績比前測成績有提高。利用各種學習資源促進學生知識的提升，確保了知識目標的有效達成。通過課程的學習，學生對圖像數據處理和分析的認知顯著增強，能夠根據不同場景的特性選擇合適的處理和分析方法。

3.2 教學質量明顯提升

通過引入先進的教學資源和創新的教學方法，課程的教學質量得到了顯著提升。學生在實際項目中得到了充分的鍛煉，積累了豐富的實踐經驗，提升了綜合素質和職業競爭力。根據產品缺陷檢測關鍵技術過程考核結果分析，學生圖像處理、數據分析、模型優化的評價達標率85.2%，學生核心職業能力提升，能夠根據實際場景，運用數據分析技術，解決生產實際問題。師生共同開展江蘇省產學研項目5項，獲得相關專利3項、軟著10項。積極參加全國工業和信息化技術技能大賽、金磚國家職業技能大賽等競賽訓練，全員參與職業技能認證，通過率超過96%。

3.3 師生共同進步

在課程改革的過程中，教師也不斷提升了自身的專業素養和教學能力。通過與企業的合作，教師深入了解了行業需求和最新技術，提升了教學的實用性和前瞻性。同時，學生在項目中與教師共同研究和解決問題，促進了師生共同進步。近三年，專業教師申報省級以上項目10項，在各類競賽中獲得省級以上獎項10項；通過對學生畫像分析，發現學生的責任擔當、團隊協作、創新應用和持續學習的職業素養逐步增強。52人次獲得素養勛章，樹立“五精”的數據處理、分析、優化意識和“ 數據賦能，強國有我”的使命擔當。100%學生堅持參加線上學習，參加挑戰杯、創新創業大賽人數增長150%，5人次在省級大賽獲獎，學生在各類志愿服務中凸顯體現擔當。

4 結束語

在“金課”背景的引領下，高職大數據技術專業課程改革將持續推進，不斷提升教學內容的實用性和前瞻性，培養學生的創新能力和實踐技能。通過緊密結合崗位實際需求設計課程內容，并采用基于PDCA管理模型的“三場三融三段”教學策略，有效促進了學生職業素養與實踐能力的全面提升，為大數據領域輸送高素質技術技能型人才。未來，我們將繼續探索和優化教學方法，積極引入前沿技術和優質資源，致力于提升課程品質，為學生提供更廣闊的實踐平臺。