賽事驅(qū)動—競賽引領(lǐng)—文獻支撐的數(shù)據(jù)科學實踐課程改革

摘要：在人工智能技術(shù)快速迭代與數(shù)據(jù)驅(qū)動決策普及的背景下，數(shù)據(jù)科學教育面臨知識更新滯后于技術(shù)發(fā)展的核心矛盾。傳統(tǒng)課程體系普遍存在重理論、輕實踐，重算法、輕應(yīng)用的突出問題，導致學生難以銜接行業(yè)真實需求與學術(shù)前沿動態(tài)。文章提出以“賽事驅(qū)動、競賽引領(lǐng)、文獻支撐”為核心的數(shù)據(jù)科學實踐課程改革方案，通過整合榜單賽事、學科競賽和文獻研讀，構(gòu)建以賽促學、以研促創(chuàng)的教學模式，從而提升學生的工程實踐能力、創(chuàng)新思維和科研素養(yǎng)，為破解數(shù)據(jù)科學人才培養(yǎng)中的結(jié)構(gòu)性難題提供系統(tǒng)性解決方案。

關(guān)鍵詞：數(shù)據(jù)科學；人工智能；實踐課程；教學改革；創(chuàng)新能力

中圖分類號：G642" " " 文獻標識碼：A

文章編號：1009-3044（2025）23-0113-04

開放科學（資源服務(wù)） 標識碼（OSID）

0 引言

在數(shù)字經(jīng)濟成為國家戰(zhàn)略核心的背景下，數(shù)據(jù)科學作為驅(qū)動產(chǎn)業(yè)變革的關(guān)鍵引擎，其戰(zhàn)略價值日益凸顯。在“十四五”教育發(fā)展規(guī)劃中，教育部明確提出“推動人工智能、大數(shù)據(jù)等新一代信息技術(shù)與教育教學深度融合”，并將數(shù)據(jù)科學納入戰(zhàn)略性新興交叉學科建設(shè)范疇。據(jù)工信部《2024年大數(shù)據(jù)產(chǎn)業(yè)人才白皮書》統(tǒng)計，我國數(shù)據(jù)科學領(lǐng)域高級工程師的需求供給比已達9∶1，人才缺口顯著。究其原因，算法工程化能力薄弱與前沿技術(shù)迭代滯后構(gòu)成當前人才供給的核心瓶頸。更深層的危機源于技術(shù)的快速迭代，數(shù)據(jù)科學知識半衰期縮短至11個月，而傳統(tǒng)課程更新周期仍長達3～5年，導致教學內(nèi)容與行業(yè)技術(shù)脫節(jié)[1]。這種教育滯后效應(yīng)正在加劇我國數(shù)字經(jīng)濟發(fā)展中的人才短板，特別是在智能計算、隱私保護、大模型優(yōu)化等前沿方向，嚴重制約了產(chǎn)業(yè)創(chuàng)新能力的提升。因此，構(gòu)建面向產(chǎn)業(yè)需求、動態(tài)演進的數(shù)據(jù)科學教育體系，是實現(xiàn)高水平科技自立自強的關(guān)鍵突破口，這既關(guān)系國家數(shù)字競爭力的培育，更是應(yīng)對全球技術(shù)博弈的戰(zhàn)略選擇。

近年來，隨著數(shù)字化轉(zhuǎn)型的深入推進，數(shù)據(jù)科學課程改革已成為學術(shù)界和產(chǎn)業(yè)界共同關(guān)注的熱點議題。眾多學者從不同維度開展了富有成效的教學探索。在技術(shù)應(yīng)用層面，有研究者提出應(yīng)將Hadoop/Spark等主流大數(shù)據(jù)處理工具與Python編程語言納入課程實踐環(huán)節(jié)，以增強學生的實際數(shù)據(jù)處理能力[2]；在人才培養(yǎng)模式上，有學者探索通過課程體系設(shè)計提升學生的科研創(chuàng)新能力[3]；也有團隊提出應(yīng)用驅(qū)動的教學理念，通過設(shè)計開放式實驗項目，有效提升了學生的專業(yè)素養(yǎng)和綜合實踐能力[4]。在此背景下，數(shù)據(jù)科學作為國家數(shù)字化戰(zhàn)略的核心學科，其課程體系改革已成為高等教育改革的剛性需求，也是產(chǎn)業(yè)需求與技術(shù)變革的必然選擇。盡管上述探索富有成效，但現(xiàn)有研究多聚焦于單一維度的改革，如技術(shù)工具引入或項目設(shè)計優(yōu)化，尚缺乏能夠系統(tǒng)性地將產(chǎn)業(yè)真實需求、工程極限挑戰(zhàn)與學術(shù)前沿動態(tài)三者有機整合的、動態(tài)演進的實踐教學框架。這正是本研究致力于解決的核心問題。

本文以蘇州大學未來科學與工程學院新工科建設(shè)為契機，構(gòu)建服務(wù)國家長三角一體化發(fā)展戰(zhàn)略和區(qū)域發(fā)展為定位的多學科交叉融合人才培養(yǎng)體系，針對數(shù)據(jù)科學實踐類課程存在的教學目標滯后、教學內(nèi)容陳舊、教學方法單一、考核評價片面等突出問題，提出以“賽事驅(qū)動、競賽引領(lǐng)、文獻支撐”為核心的數(shù)據(jù)科學實踐課程改革方案。該方案通過整合大學生榜單賽事、引入產(chǎn)業(yè)級人工智能競賽、構(gòu)建前沿文獻研讀體系，形成“以賽促學、以賽促練、以研促創(chuàng)”的遞進式能力培養(yǎng)閉環(huán)。這種改革方案不僅能夠彌補傳統(tǒng)課程的不足，激發(fā)學生的學習興趣，培養(yǎng)其解決復雜問題的能力，為未來職業(yè)發(fā)展打下堅實基礎(chǔ)，還能為數(shù)據(jù)科學領(lǐng)域輸送高質(zhì)量人才。通過整合產(chǎn)業(yè)需求與學術(shù)前沿，本方案旨在彌合技術(shù)應(yīng)用與理論創(chuàng)新的鴻溝，為數(shù)據(jù)科學教育提供可復制的范式參考。

1 數(shù)據(jù)科學實踐課程改革中面臨的挑戰(zhàn)

數(shù)據(jù)科學是一門融合統(tǒng)計學、計算機科學、人工智能和智能科學與技術(shù)等多學科的交叉學科，其核心目標是通過數(shù)據(jù)采集、處理、建模與解釋，解決現(xiàn)實世界的復雜問題。隨著人工智能與大數(shù)據(jù)技術(shù)的爆發(fā)式發(fā)展，數(shù)據(jù)科學已成為金融、醫(yī)療、智能制造等領(lǐng)域的底層技術(shù)支撐。然而，該領(lǐng)域的快速迭代特性（如深度學習框架年均更新率超30%） 與高度實踐導向（約70%的知識需通過項目習得） ，對傳統(tǒng)教學模式提出了嚴峻挑戰(zhàn)。

盡管學界對數(shù)據(jù)科學教育改革持續(xù)關(guān)注，現(xiàn)有研究仍存在以下關(guān)鍵瓶頸。

1.1 挑戰(zhàn)一：應(yīng)對技術(shù)高速迭代的課程更新機制缺位

數(shù)據(jù)科學領(lǐng)域正經(jīng)歷著前所未有的技術(shù)迭代速度，與高等教育固有的課程更新機制形成了顯著的結(jié)構(gòu)性沖突。行業(yè)監(jiān)測數(shù)據(jù)顯示，Transformer架構(gòu)等前沿技術(shù)在企業(yè)應(yīng)用場景的滲透率已達89%，而全球頂尖高校中僅有不足1/4的課程及時跟進這一技術(shù)變革[5]。更為深層次的問題在于，現(xiàn)有課程體系仍固守靜態(tài)知識傳授模式，過度強調(diào)經(jīng)典算法庫等固定內(nèi)容的教學，未能建立適應(yīng)技術(shù)代際躍遷的動態(tài)課程更新機制，導致人才培養(yǎng)與技術(shù)發(fā)展之間出現(xiàn)嚴重的時間差效應(yīng)。

1.2 挑戰(zhàn)二：彌合仿真訓練與真實場景的實踐鴻溝

當前數(shù)據(jù)科學實踐教學普遍存在仿真化傾向，過度依賴經(jīng)過人工處理的理想數(shù)據(jù)集和簡化案例，這種溫室式訓練無法模擬企業(yè)級數(shù)據(jù)場景的復雜性。實踐教學內(nèi)容局限于理想化的數(shù)據(jù)或場景，未覆蓋企業(yè)常見的高維稀疏、多模態(tài)及非結(jié)構(gòu)化的復雜數(shù)據(jù)，導致學生缺乏處理復雜真實數(shù)據(jù)的能力[6]。

1.3 挑戰(zhàn)三：追蹤學術(shù)前沿動態(tài)與課程內(nèi)容迭代的脫節(jié)

在數(shù)據(jù)科學領(lǐng)域，頂級學術(shù)會議和期刊每年產(chǎn)出超過2 000項重要研究成果，但現(xiàn)有課程體系幾乎完全缺失對這些前沿研究的轉(zhuǎn)化機制。這種學術(shù)與教學的脫節(jié)，使得學生長期停留在工具使用層面，無法掌握“理論理解—方法改進—技術(shù)創(chuàng)新”的完整科研鏈條，最終導致人才培養(yǎng)陷入重應(yīng)用輕創(chuàng)新的困境，難以滿足國家對原創(chuàng)性技術(shù)研發(fā)人才的需求。

1.4 挑戰(zhàn)四：突破產(chǎn)教協(xié)同機制的形式化與動力缺失

當前校企合作多停留在表面化的參觀交流和專題講座層面，缺乏基于真實產(chǎn)業(yè)問題的深度協(xié)作。特別值得注意的是，實踐教學環(huán)節(jié)普遍缺少具有挑戰(zhàn)性的企業(yè)級競賽和實戰(zhàn)項目，使學生錯失了在競爭性環(huán)境中優(yōu)化模型、解決復雜問題的寶貴機會。這種淺層次的產(chǎn)教互動，直接造成了學術(shù)培養(yǎng)與工業(yè)實踐之間的“最后一公里”難題，學生解決方案與行業(yè)實際需求存在顯著差距。

上述當前數(shù)據(jù)科學教育領(lǐng)域面臨的核心矛盾可歸結(jié)為雙軌錯位困境：其一，教育供給與產(chǎn)業(yè)需求間的速率差，高等教育機構(gòu)受制于固有的課程開發(fā)機制，其知識更新周期通常需要3～5年的論證與實施周期，這與大數(shù)據(jù)、人工智能等領(lǐng)域平均每6～12個月就發(fā)生顛覆性技術(shù)迭代的行業(yè)現(xiàn)實形成尖銳矛盾；其二，人才培養(yǎng)與用人標準間的維度差，傳統(tǒng)教學模式往往局限于SPSS、Python等工具的操作訓練（工具性維度） ，而數(shù)字經(jīng)濟時代的企業(yè)人才標準已演進為包含三個關(guān)鍵維度的黃金三角能力模型，即基于系統(tǒng)工程思維的復雜問題拆解能力（認知維度） 、融合跨學科知識的創(chuàng)新解決方案設(shè)計能力（創(chuàng)造維度） 以及快速吸收前沿技術(shù)的自適應(yīng)學習能力（發(fā)展維度） 。這種結(jié)構(gòu)性錯位直接導致高校輸出人才的能力圖譜與產(chǎn)業(yè)需求之間存在顯著鴻溝，亟須通過課程體系的重構(gòu)，實現(xiàn)教育供給側(cè)改革。

圖1 “賽事驅(qū)動—競賽引領(lǐng)—文獻支撐”三位一體的數(shù)據(jù)科學實踐課程改革體系

2 數(shù)據(jù)科學實踐課程改革體系構(gòu)建

在數(shù)據(jù)科學快速發(fā)展的背景下，實踐課程改革成為提升教學質(zhì)量、培養(yǎng)高素質(zhì)人才的關(guān)鍵。本文提出基于賽事驅(qū)動、競賽引領(lǐng)、文獻支撐的三種方法，如圖1所示，旨在構(gòu)建更具創(chuàng)新性和實效性的實踐教學體系。賽事驅(qū)動聚焦于將各類賽事任務(wù)融入課程，通過實際項目提升學生的應(yīng)用能力；競賽引領(lǐng)則以更高層次的競賽為導向，培養(yǎng)學生的創(chuàng)新思維和團隊協(xié)作能力；文獻支撐則強調(diào)借助學術(shù)文獻，使學生緊跟領(lǐng)域前沿，夯實理論基礎(chǔ)。

2.1 基于賽事驅(qū)動的實踐課程改革

數(shù)據(jù)科學教育的核心矛盾之一在于教學內(nèi)容與產(chǎn)業(yè)需求的脫節(jié)，而大學生榜單賽事天然具備任務(wù)真實性、評價客觀性、技術(shù)前沿性三大特征，為破解這一難題提供了戰(zhàn)略抓手。賽事驅(qū)動以教育部認證的大學生榜單賽事（如中國大學生計算機設(shè)計大賽、全球校園人工智能算法精英大賽等） 為核心載體，通過將真實行業(yè)問題深度融入課程體系，構(gòu)建“以賽促學、以賽代練”的實踐教學模式。此類賽事通常圍繞行業(yè)真實痛點設(shè)計任務(wù)，例如農(nóng)業(yè)病蟲害識別、城市交通流量預測等，要求學生綜合運用數(shù)據(jù)采集、特征工程、模型訓練與系統(tǒng)集成等全流程技能，同時兼顧跨學科知識融合，實現(xiàn)技術(shù)與領(lǐng)域價值的雙重突破。

在賽事驅(qū)動的改革實施策略上，包含以下四個要點。首先，課程團隊可建立“能力—賽事”動態(tài)映射機制，分階段嵌入賽事任務(wù)：低年級對接省級學科競賽，如數(shù)據(jù)清洗、基礎(chǔ)模型構(gòu)建，中高年級逐步引入國家級行業(yè)賽（跨領(lǐng)域問題建模） 及國際創(chuàng)新創(chuàng)業(yè)賽（技術(shù)商業(yè)化） ，通過將復雜賽題拆解為數(shù)據(jù)采集、模型訓練、部署驗證等模塊化任務(wù)。其次，采用Scrum敏捷開發(fā)管理模式，每兩周召開迭代評審會，同步技術(shù)路線調(diào)整[7]。接著，采用雙導師指導機制，其中學術(shù)導師聚焦算法優(yōu)化，產(chǎn)業(yè)導師把控工程落地，確保技術(shù)方案兼具創(chuàng)新性與可行性[8]。最后，在團隊協(xié)作方面，學生按角色分工，如算法工程師、領(lǐng)域?qū)＜摇a(chǎn)品經(jīng)理等組建項目團隊，并定期輪換崗位以拓展技能邊界，通過協(xié)作日志與代碼評審報告強化過程管理。

賽事機制對學生能力建構(gòu)具有顯著賦能效應(yīng)。首先，通過應(yīng)對真實產(chǎn)業(yè)場景中的復雜問題，能夠系統(tǒng)性提升問題拆解、算法設(shè)計及跨學科協(xié)作能力。其次，團隊協(xié)作模式有助于提高學生的溝通與領(lǐng)導能力。再次，參與賽事能夠激發(fā)學生的創(chuàng)新思維，促使其突破技術(shù)舒適區(qū)，鼓勵其探索新的解決方案。最后，賽事經(jīng)歷作為人才能力信號，能夠豐富學生的簡歷，提高其就業(yè)競爭力。通過將賽事參與融入課程，可以有效提升學生的綜合素質(zhì)，為其未來職業(yè)發(fā)展奠定堅實基礎(chǔ)。此外，賽事的評分標準通常涵蓋創(chuàng)新性、實用性、技術(shù)難度等多個維度，這有助于學生全面了解行業(yè)需求和技術(shù)前沿，從而明確未來發(fā)展方向。

2.2 基于競賽引領(lǐng)的實踐課程改革

將數(shù)據(jù)科學和人工智能相關(guān)比賽引入實踐課程，聚焦技術(shù)極限突破與工程落地，是改革的另一個重要方向。此類競賽通常由科技企業(yè)（如谷歌、阿里巴巴） 或科研機構(gòu)發(fā)起，以Kaggle、天池等產(chǎn)業(yè)級開放平臺競賽為核心載體，聚焦機器學習、深度學習、計算機視覺等前沿技術(shù)領(lǐng)域，通過引入企業(yè)真實數(shù)據(jù)集與工業(yè)級評價標準，打造競賽驅(qū)動、實戰(zhàn)檢驗的工程化培養(yǎng)模式。與教育賽事驅(qū)動不同，產(chǎn)業(yè)競賽更強調(diào)技術(shù)極限突破與工程落地驗證，其數(shù)據(jù)集規(guī)模常達TB級，評分標準聚焦客觀量化指標，促使學生掌握工業(yè)級技術(shù)棧。

競賽項目的設(shè)計與實施包含以下4個策略。首先，課程團隊可依據(jù)技術(shù)難度—數(shù)據(jù)規(guī)模—工程復雜度三維評估模型，分梯度對接競賽資源：低階選擇Kaggle入門賽，訓練特征工程與調(diào)參能力；中階嵌入天池產(chǎn)業(yè)賽，如金融風控模型優(yōu)化，強化大規(guī)模數(shù)據(jù)處理與模型壓縮技能；高階攻堅企業(yè)定制賽，如華為昇騰AI挑戰(zhàn)賽，挑戰(zhàn)端側(cè)部署與多模態(tài)融合技術(shù)。其次，任務(wù)拆解采用三階遞進模式：第一階段聚焦數(shù)據(jù)探索，如EDA分析、缺失值修復，產(chǎn)出數(shù)據(jù)質(zhì)量報告；第二階段進行模型迭代，如超參數(shù)搜索、集成學習，提交AB測試對比結(jié)果；第三階段完成部署驗證，如Docker容器封裝、壓力測試，輸出工業(yè)級API接口。接著，引入企業(yè)導師雙周會審機制，針對關(guān)鍵節(jié)點，如特征選擇合理性、模型服務(wù)化方案，進行紅隊攻防演練，例如模擬惡意請求攻擊API接口，督促學生完善日志監(jiān)控與異常熔斷機制。最后，采用小組合作的方式，鼓勵學生分工協(xié)作，共同解決問題。同時，定期組織討論和匯報，促進學生之間的交流和學習，培養(yǎng)團隊協(xié)作和項目管理能力。

競賽導向的實踐教學改革對學生專業(yè)能力的提升具有顯著的實證效果，主要體現(xiàn)在以下4個維度。其一，通過參與此類比賽，學生可接觸真實工業(yè)級數(shù)據(jù)，增強數(shù)據(jù)預處理、特征提取和模型優(yōu)化能力。其二，學生能夠?qū)W習先進工具和技術(shù)，熟練掌握TensorFlow、PyTorch等主流框架，以及數(shù)據(jù)分析工具如Pandas、NumPy等。其三，通過競賽實踐暴露理論盲點，促使學生深入理解算法原理，而非僅停留于表面。其四，學生也可在與其他選手的競爭中積累經(jīng)驗，快速適應(yīng)變化，這對學術(shù)研究或工業(yè)界就業(yè)均具有長期價值。

2.3 基于文獻支撐的實踐課程改革

將數(shù)據(jù)科學與人工智能領(lǐng)域頂會頂刊的文獻納入實踐課程，是培養(yǎng)學生科研能力的重要途徑。以論文為學術(shù)基石，構(gòu)建“研讀—復現(xiàn)—創(chuàng)新”三階訓練體系，旨在破解傳統(tǒng)教學中技術(shù)應(yīng)用與理論溯源割裂的困局。通過閱讀這些文獻，學生不僅可以了解最新的技術(shù)進展，還能夠?qū)W習高水平論文的寫作方法和研究思路。

在文獻驅(qū)動的教學改革策略上，重點包含以下4個關(guān)鍵環(huán)節(jié)。首先，教師根據(jù)課程目標和學生興趣，精選近兩年頂會頂刊的代表性論文作為研讀材料，組織學生以小組形式開展文獻收集與深度分析。其次，通過結(jié)構(gòu)化閱讀訓練，指導學生聚焦研究背景、方法創(chuàng)新點和實驗設(shè)計等核心內(nèi)容，并傳授快速定位關(guān)鍵信息、理解技術(shù)細節(jié)的文獻研讀方法。接著，定期組織研討會開展小組匯報與課堂討論，引導學生對論文中的關(guān)鍵技術(shù)進行探討，同時通過文獻分類比較識別研究趨勢與熱點問題。最后，要求學生撰寫文獻綜述報告并鼓勵提出創(chuàng)新見解，系統(tǒng)提煉技術(shù)發(fā)展趨勢，從而培養(yǎng)批判性思維并建立完整的學術(shù)思維框架。

文獻支撐的改革模式對學生科研能力培養(yǎng)具有多維度提升作用。其一，通過解構(gòu)頂會頂刊論文的論證鏈條，學生可掌握從問題定義到理論證明的完整科研思維。其二，嚴格的復現(xiàn)訓練使學生具備工程化實現(xiàn)能力，能夠快速適應(yīng)科研團隊的代碼規(guī)范與實驗標準。其三，通過小組協(xié)作完成文獻綜述的全流程，學生建立起符合國際標準的學術(shù)工作范式，未來無論是繼續(xù)深造還是投身工業(yè)界都具備核心競爭力。

3 結(jié)束語

本文提出的賽事驅(qū)動—競賽引領(lǐng)—文獻支撐三位一體改革方案，不僅是對數(shù)據(jù)科學實踐教學方法的優(yōu)化，更重要的是，構(gòu)建了一個動態(tài)、開放、自適應(yīng)的教學新范式。該范式通過外部驅(qū)動力（賽事/競賽） 與內(nèi)生研究力（文獻） 的結(jié)合，從根本上解決了傳統(tǒng)課程體系在應(yīng)對技術(shù)高速迭代時的結(jié)構(gòu)性遲滯問題，為新工科背景下的交叉學科人才培養(yǎng)提供了理論模型。通過這一過程，學生不僅能夠鞏固專業(yè)知識、提升實踐能力與科研素養(yǎng)，還能培養(yǎng)創(chuàng)新思維，接觸科技企業(yè)前沿動態(tài)，從而增強核心競爭力，成長為數(shù)據(jù)科學領(lǐng)域的高質(zhì)量人才。然而，實踐課程的體系建設(shè)永無止境，需要持續(xù)的改革與創(chuàng)新。未來研究將聚焦于構(gòu)建智能化的教學評估系統(tǒng)，通過學習分析技術(shù)，量化評估學生在黃金三角能力模型上的成長軌跡，從而實現(xiàn)對該教學范式的持續(xù)迭代與精準優(yōu)化。同時，將探索如何把該模式推廣應(yīng)用于其他快速發(fā)展的交叉學科領(lǐng)域，如人工智能倫理、量子計算等。

參考文獻：

[1] 宗欣露，徐慧.面向能力培養(yǎng)的人工智能基礎(chǔ)課程教學改革[J].計算機教育，2025（5）：133-137.

[2] 覃雄派，陳躍國，范舉.數(shù)據(jù)科學導論課程建設(shè)與反思[J].計算機教育，2023（2）：64-67，73.

[3] 石川，王嘯，楊成，等.數(shù)據(jù)科學研究型人才培養(yǎng)的思考與實踐[J].計算機教育，2023（8）：1-5.

[4] 張伯雷.應(yīng)用驅(qū)動的數(shù)據(jù)科學課程實驗設(shè)計[J].計算機教育，2023（5）：202-206.

[5] 王春梅，王曙燕.“人工智能+教育” 背景下的程序設(shè)計類課程教學改革[J/OL].軟件導刊，2025：1-8.（2025-05-29）. https：//kns.cnki.net/KCMS/detail/detail.aspx？filename=RJDK2025052800Aamp;dbname=CJFDamp;dbcode=CJFQ.

[6] 葛富東，宋維靜.融合科研能力提升的研究生課程教學改革探討：以數(shù)據(jù)驅(qū)動建模及科學計算課程為例[J].高教學刊，2024，10（26）：119-122.

[7] 田會峰，劉乾，鄭艷芳.創(chuàng)新創(chuàng)業(yè)教育背景下專業(yè)綜合實訓課程教學改革與實踐[J].中國現(xiàn)代教育裝備，2022（9）：136-138，142.

[8] 蘭徐.創(chuàng)新創(chuàng)業(yè)實踐課程教學改革研究[J].創(chuàng)新創(chuàng)業(yè)理論研究與實踐，2025，8（8）：34-36.

【通聯(lián)編輯：唐一東】