大数据人才培养实践课程体系构建研究

贾舒宜 王海鹏 毛忠阳 唐田田

[摘 要] 近年来，信息化技术在人民生活及社会生产中发挥着重要的作用，社会各行各业对大数据人才的需求量大幅增加。但值得注意的是，由于大数据技术的出现及发展时间较短，我国部分高校并没有充分认识到大数据人才培养工作的重要性和迫切性，而且由于缺乏相关经验，大数据人才培养实践课程体系构建情况并不理想，在这种情况下，我国大数据人才培养工作开展情况并不理想，学生的大数据智能处理实践能力难以得到显著提升，在一定程度上阻碍着信息化建设。文章对我国大数据人才培养实践课程体系构建中存在的问题进行了细致分析，并提出了相关策略。

[关键词] 大数据技术;人才培养;实践课程体系;构建策略

我国现阶段大数据人才培养实践课程体系构建水平较低，对大数据人才培养工作的开展质量造成了一些消极影响。在新形势下，大数据技术受到了越来越多的关注，对民众的生活及工作带来了较大的影响。目前，部分高校逐渐认识到大数据人才培养的重要性，并积极在实际工作中改进工作方法，不断完善课程设置体系，以期提高学生的大数据智能处理实践能力。但是由于受思想观念、课程设置、教师综合素质等因素的影响，我国高校大数据人才培养实践课程体系构建中仍旧存在一些不足，大数据人才培养工作水平还有较大的提升空间，实践课程体系构建工作需进一步改进。在这种情况下，对大数据人才培养实践课程体系构建策略进行研究是十分有必要的。

一、大数据人才培养现状

大数据技术人才的缺乏，为高校大数据专业建设提供了发展空间，为高校大数据人才培养带来了机遇。政府的大力扶持和数据产业链的不断完善，为高校大数据人才培养提供了較好的生态环境，各高校都在积极申报“数据科学与大数据技术”专业或开设“大数据”人才培养方向。2014年，清华大学开设了大数据技术的相关硕士学位，多学科交叉培养大数据技术人才，正式开启了该领域专业技术人才培养的工作。2016年，我国开始建设本科“数据科学与大数据技术”专业，教育部批准中南大学、对外经济贸易大学、北京大学建立“数据科学与大数据技术”本科专业。2017年，教育部批准32所高校设立“数据科学与大数据技术”本科专业;2018年，教育部批准248所高校设立“数据科学与大数据技术”本科专业，其中黑龙江省获批5所高校。2019年年初，教育部又公布了203所高校获批新设立“数据科学与大数据技术”专业，其中黑龙江省获批7所高校。到2019年，我国共有406所高校获得招收“数据科学与大数据技术”本科专业资格。由于获批招收大数据专业的院校水平参差不齐，专业建设时间匆忙，课程体系构建不完善，特别是新建本科院校中的这一问题更加突出。

大数据方向的实践能力课程体系是决定大数据人才培养是否符合用人单位需求的关键环节。当前，针对大数据方向的实践课程体系研究相对较少。基于此，从大数据人才培养需求和社会需求入手，围绕程序设计、大数据分析与处理技术这两大方向的实践能力培养，探讨新建地方本科院校大数据人才培养方向的实践课程体系构建，有助于培养适合社会发展和市场需求的大数据技术应用型人才，满足国家信息化发展战略需求。

二、我国大数据人才培养实践课程体系构建过程中存在的问题

（一）高校重视度较低

大数据技术的发展和应用时间较短，导致部分高校在实际工作中对大数据人才培养实践课程体系构建工作的关注较少，并没有充分认识到培养大数据人才的意义及作用，因此，高校对实践课程体系构建工作的重视度较低，在一定程度上降低了工作开展的质量。由于思想上的不重视，部分高校对大数据人才培养实践课程体系构建工作的投入较少，导致工作开展缺乏可靠的资金保障，进度较慢、质量较差。此外，思想上的不重视导致高校在实际工作中对大数据人才培养实践课程体系构建工作的宣传较少，教师和学生不能充分认识到大数据人才培养实践课程体系构建工作开展的意义，在一定程度上加大了开展工作的难度，对工作的正常开展造成了一些负面影响。[1]

（二）课程分散不成体系

我国现阶段，课程分散不成体系是大数据人才培养实践课程体系构建工作中面临的一大难题，对工作开展的进度及质量造成了一些消极影响。由于缺乏相关经验，高校在大数据人才培养实践课程体系构建工作中存在着较大的盲目性及随意性，多是依据自身经验及教学工作的实际情况对课程进行设置。在这种情况下，不同高校在大数据人才培养实践课程体系构建工作方面存在着较大的差异。[2]不同地区信息化建设进程之间也存在着较大的差异。在这种情况下，不同地区高校在大数据人才培养实践课程体系构建工作中侧重点也不同，课程相对较为分散，难以形成系统的体系，对教学工作的开展造成了一些负面影响，加大了学生学习相关知识的难度，不利于学生大数据智能处理的实践能力的提升。[3]

（三）基础理论重复讲授

基础理论重复讲授也是大数据人才培养实践课程体系构建工作中不容忽视的问题之一。这种情况出现的主要原因是高校在实践课程体系构建工作中对大数据人才培养工作的目标不够明确，使得实践课程体系构建工作开展过程中问题频出，课程设置的系统性较差。由于部分高校缺乏相关经验，高校在实践课程体系构建工作中缺乏可靠的依据，导致不同课程中涉及的知识点存在着内容重复的现象。这种情况不仅会影响学生的学习积极性，还会在一定程度上导致时间及精力的浪费，影响教学开展的进度和质量。[4]

（四）教师队伍综合素质较低

教师在大数据人才培养工作中发挥着不容忽视的作用，对大数据人才培养实践课程体系构建工作的质量有着直接的影响。但值得注意的是，我国现阶段部分高校教师队伍的综合素质较低，教师在实际工作中不能积极参与大数据人才培养实践课程体系构建工作，导致工作开展进度较慢、效果较差。而且部分教师的思想观念较为陈旧，不能充分认识到大数据人才培养实践课程体系构建工作的重要性，甚至片面地认为，大数据人才培养实践课程体系构建工作是对时间及精力的浪费，在工作中存在敷衍了事的心念，导致工作开展情况并不理想。此外，部分教师的教学能力稍弱，也对大数据人才培养实践课程体系构建工作有着一些影响，高校在实际工作中应多加注意。[5]

三、大数据人才培养实践课程体系构建策略

（一）提高对大数据人才培养实践课程体系构建的重视程度

在新形势下，高校应充分认识到大数据人才培养实践课程体系构建的重要性，明确大数据技术在社会生产及民众生活中发挥的重要作用，以此为相关工作的开展提供可靠的保障，确保工作的高效有序开展。在实际工作中，高校应加大对大数据人才培养实践课程体系构建工作的宣传力度，通过广播、宣传海报等方式帮助教师及学生认识和了解相关工作，在高校中营造良好的氛围，确保教师及学生能够积极参与，以此降低工作的开展难度。另外，高校在实际工作中应注意加大对大数据人才培养实践课程体系构建工作的资金投入，为工作的开展提供可靠的资金保障，保障大数据人才培养实践课程体系构建工作的有序开展。[6]

（二）对课程进行合理的层次划分

在大数据人才培养实践课程体系构建工作中，高校应注意对课程进行合理的层次划分，以此保证实践课程体系构建的系统性，为大数据人才培养工作的开展提供可靠依据，降低学生学习相关知识的难度。在实际工作中，高校应结合当前大数据人才培养工作的需求，对工作进行合理的调整。一般情况下，理论课程分为基础类、平台建设类、智能计算类、人机交互类四个模块，这四个模块之间的知识是相互衔接的，而且随着教学工作的深入，知识的难度不断加大。在实验课程设计中，一般有初级应用实践、平台管理实践、数据分析处理实践及综合应用实践的模块，不同模块对学生实践能力有着不同的要求。在程序设计及算法类课程模块设置中应按照C语言程序设计、Java程序设计、数据结构、Scala程序设计、Python语言程序设计、算法设计与实现、JavaWeb框架高級篇的顺序开展工作，而在大数据分析与处理技术课程模式设计中，应按照Linus基础、Hadoop、大数据仓库Hive、大数据框架Sqoop+Flume+Oozie+Hue、分布式数据库HBase、实时数据处理框架Storm、技术框架Spark的顺序开展工作。各个模式之间有序衔接，能够在一定程度上提高大数据人才培养实践课程体系构建工作的水平，进而促进学生大数据智能处理实践能力的提升。

（三）注意智能处理教学实验平台的应用

在新形势下，高校在大数据人才培养实践课程体系构建工作中应注意对智能处理教学实验平台的应用，充分发挥智能处理教学实验平台的优势及作用，以此提高相关工作开展的水平。相较于传统工作模式，智能处理教学实验平台能够依据大数据人才培养工作目标对课程进行合理的设置与规划，帮助学生更好地学习相关知识，降低大数据人才培养工作的难度，提高人才培养工作的质量。智能处理教学实验平台的应用能够有效克服基础理论重复讲授、课程分散不成体系等问题，在提高学生分数及实践能力的同时帮助学生形成良好的学习习惯，以此为学生未来的发展打下良好的基础。在智能处理教学实验平台中，高校可以将大数据技术相关知识划分为理论教学与实验教学两个部分，并依据教学层次对教学工作进行合理的安排。在这种情况下，大数据人才培养实践课程体系构建工作水平能显著提升。

（四）打造高水平教师队伍

高校在实际工作中应充分认识到高水平教师队伍建设的重要性，明确教师对大数据人才培养实践课程体系构建工作的影响，不断提高教师的综合素质，以此提高实践课程体系构建工作的水平。高校应加强对教师的培训及管理，确保教师对大数据人才培养实践课程体系构建工作有着充分的认识，帮助教师认识到实践课程体系构建的重要性及必要性，确保教师能够积极参与到相关工作中，降低相关工作开展的难度。此外，高校应注意对高水平人才的聘用，重点考查应聘人员对大数据人才培养实践课程体系构建工作的认识，确保聘用人员能够在推动实践课程体系构建工作开展方面发挥积极的作用。

四、结语

综上所述，大数据人才培养实践课程体系构建能够在一定程度上提高大数据人才培养工作的水平，促进学生大数据智能处理实践能力的提升，进而为社会经济的发展提供可靠的人才保障，推动社会的信息化建设。但是，目前我国大学生人才培养实践课程体系构建中还面临着高校重视程度较低、课程分散不成体系、基础理论重复讲授、教师队伍综合素质较低等问题，对工作开展的质量造成了一些消极影响，难以有效提高学生的大数据智能处理实践能力。针对这种情况，高校应明确社会发展趋势，充分认识到大数据人才培养的迫切性及必要性，通过提高对大数据人才培养实践课程体系构建的重视程度、对课程进行合理的层次划分、注意智能处理教学实验平台的应用、打造高水平教师队伍等方式提高大数据人才培养实践课程体系构建水平，保证人才培养工作的高质量开展。

参考文献

[1]李大琳，吕威，梁艳春.基于校企联合办学的大数据人才培养模式探究[J].软件导刊，2020，19（2）：164-167.

[2]付伟，唐谦，王璐烽.高职院校大数据专业人才培养模型研究[J].职业技术教育，2019，40（17）：25-29.

[3]杨银，黄云清，刘韶跃.地方高校数据科学与大数据技术专业人才培养模式研究[J].教育现代化，2019，6（4）：19-21.

[4]王元卓，隋京言.新工科背景下的大数据专业建设与人才培养[J].中国大学教学，2018（12）：35-42.

[5]李莎莎，周竞文，唐晋韬，等.数据科学与大数据人才专业课程体系分析[J].计算机工程与科学，2018，40（S1）：109-113.

[6]吕小光，姜乐，成青松.数据科学与大数据技术专业人才培养模式探析[J].淮海工学院学报（人文社会科学版），2018，16（9）：132-135.

[作者简介]贾舒宜（1984—    ），女，山东滨州人，海军航空大学，讲师 ，研究方向为大数据技术及应用;王海鹏 （1985—    ），男，山东滨州人，海军航空大学，教授，研究方向为多传感器智能融合;毛忠阳  （1979—    ），男，河南新乡人，海军航空大学，教授，研究方向为现代通信理论与应用;唐田田（1989—    ），女，山东东营人，海军航空大学，讲师，研究方向为大数据技术及应用。