产出导向的物理海洋学数据分析能力培养体系

周桂地，冯 涛

（河海大学海洋学院 江苏 南京 210098）

2022年4月，***总书记视察海洋科研单位时强调，建设海洋强国是实现中华民族伟大复兴的重大战略任务，要推动海洋科技实现高水平自立自强[1]。为此需要培养具有较高专业素养的海洋科学人才，对海洋科学教学质量提出了高标准的要求[2]。作为海洋科学的核心分支学科之一，物理海洋学主要关心海洋环流、潮汐、波动等海洋物理现象，以及海洋与大气、陆地、近海工程、海底地形等的相互作用，是一门理论性和实践性都很强的学科。物理海洋学专业毕业的本科生除了应具有较深厚的理论知识外，还需要具有较强的实践能力。当今正处于海洋科学蓬勃发展的时代，各类海洋观测数据和数值模式数据呈几何式增长。这要求物理海洋学学生具备较强的数据分析能力，能够以不断发展进步的计算机硬件和软件为工具，在海量数据的基础上实现高效率、高水平的数据处理、科学绘图、数值计算、理论分析等操作，以便实现信息的筛选、提取、分析，并完成信息的凝练和可视化。

目前，我国多所高校已开设涉海专业，海洋科学本科人才的培养工作正繁荣发展。然而，根据部分较有代表性的涉海高校情况判断，当前物理海洋学专业本科生的数据分析能力仍亟待提高。数据分析能力培养涉及的主要课程包括计算机程序语言课程与物理海洋学专业课程两类。程序语言类课程的培养目标通常为介绍程序语言本身，因此常常倾向于从纯粹软件工程的角度出发进行教学，脱离面向本专业的实际应用场景；而专业课程的培养目标为介绍专业理论知识，关注对象为海洋现象的物理过程和机制，较少顾及学生以计算机编程方式实际解决问题的能力，即使教师发现学生此方面能力的欠缺也无暇补救。如此一来，导致学生熟练运用程序语言解决专业问题的能力不佳，或者难以将抽象的软件工程概念与实际海洋数据相结合，因此程序语言与专业课程的教学效果都受到影响，对毕业论文、创新创业训练等的高水平完成形成障碍，并将培养压力传递至研究生阶段。此种现状反映出本专业程序语言和数据分析方面的教学结构已难以满足当前需求，需要进行调整。

教学结构的调整必然要有一种适当的教育理念为理论依据，并需要针对本专业的特点进行深入的教育理论研究和实践探索。目前海洋科学的教学研究已经引起各大高校的重视，涌现出了针对不同专业课程或程序语言课程的教学方法研究[3-12]，其中产出导向教育（Outcome-Based Education,OBE）理念近年来引起了高度关注，已开始在海洋相关教学领域取得一些应用成果[13-19]，但系统性地将数据分析能力在整个学科的教学体系中进行设计的研究仍不多见。OBE的核心思想是 “学生中心、产出导向、持续改进” ，特别强调学习产出在教育过程中的地位，以达成预期的学习产出目标为动力对教学结构进行顶层设计，并通过培养目标合理性和达成度评价等实现动态调整、持续改进。由于此种教育理念关注学生某方面或多方面能力的培养产出，相比传统的 “教学为主” 和 “教师为主” 等教学模式，更有利于帮助学生建立适应新时代发展的综合应用能力，具有广泛的应用前景。

基于此，本文尝试提出一种基于OBE理念的物理海洋学本科生数据分析能力培养机制，以更有针对性、目的性、系统性的方式进行数据分析能力培养。在此基础上可以激发学生的学习兴趣，全面提高学生的专业应用能力，为国家培养高质量的实干型海洋人才。此种教学模式也可以为其他理工科专业提供借鉴和参考。

1 课程教学现状和存在的问题

河海大学海洋学院具有物理海洋学教学和科研的优良传统，拥有海洋科学一级硕士点、博士点和博士后流动站，已构建起本科—硕士—博士多层次、完整的人才培养体系。海洋科学专业为国家级一流本科专业建设点、江苏省重点专业建设点，海洋科学学科入选江苏高校优势学科建设工程项目（二期和三期），物理海洋学为江苏省重点建设学科。经过多年教学实践，教学团队积累了丰富的教学经验，取得了丰硕的教学成果，同时也是开展物理海洋学教学改革研究的理想场地。下文以河海大学为例开展分析。

目前河海大学海洋科学专业本科教学大纲中的计算机程序语言课程安排如下：一年级阶段开设Python、Fortran、Matlab三门编程语言课程。其中，Matlab语言在本专业科研实践中应用最广，是实际上的行业通用语言[20-29]，也是许多教师在指导毕业论文和创新创业训练时常选择的语言。Fortran语言曾是主流科学计算语言，但目前主要用在海洋数值模拟和预报等计算量较大、对计算效率要求较高的领域。Python语言虽在其他许多领域已有极为广泛的应用，在本专业也表现出较强的发展势头[30，31]，但目前尚未成为主流。专业课程方面，除 “物理海洋学” 等理论性较强的课程外， “多元统计分析与谱分析” （三年级）、 “计算方法” （二年级）、 “海洋要素分析” （三年级）、 “海洋数值计算” （四年级）、 “海洋调查方法” （三年级）等课程着重介绍各种常用数据分析方法的原理、思路、实现过程等，要求学生具有一定的程序语言应用能力。据了解，其他涉海高校的课程编排方案与上述情况类似。这种教学结构在过去发挥了积极作用，为物理海洋学专业人才的培养做出了重要贡献。

在教学实践中，我们发现上述课程结构在新时代背景下逐渐表现出如下问题：

①低年级学生专业知识背景较弱，因此程序语言课程倾向于仅讲授一般性的程序设计知识，而后续专业课程又较少进行呼应，导致学生难以将抽象的软件工程概念与实际的海洋问题相结合。例如我们发现不少学生在将多维数组与海洋四维数据对应等方面存在困难。此现象也导致部分学生学习程序语言课程的动力不足。

②本专业所需要的数据处理、分析和可视化技能主要依赖Matlab语言课程进行教授，因此此课程需要在较短的课时内讲授尽量多的知识，并要在问题①的背景下兼顾程序语言基础知识和本专业应用场景。为满足专业课程学习的要求，还需要给学生提供专业应用场景的练习机会，导致课程节奏较快，有些学生难以跟上，甚至形成畏惧心理。

③操作性较强的专业课程教学过程中往往有用编写程序的方法演练所学的数据分析方法的需求，理论性较强的专业课程也可得益于用计算机程序辅助理解数学和物理现象，但此种需求常与学生程序语言应用能力较弱的问题形成矛盾。由于课时限制、缺少规划等原因，专业课程较少对程序设计知识进行呼应和强化。

总而言之，目前存在程序语言课程缺乏应用场景、专业课程与程序语言课程呼应不足等问题。我们认为通过OBE模式引入更加明确的数据分析技能培养目标，并在此基础上对培养过程进行合理的统筹设计，将有助于解决上述问题。

2 产出导向的数据分析能力培养体系

在OBE理念的基础上，结合教学过程中总结的经验，我们提出了适用于物理海洋学专业本科生数据分析能力的培养体系，并进行了初步应用。下面介绍该体系的设计思想和实现样例。

本体系的整体思路是按照OBE的原则，梳理本专业科研和应用实践中所需要的重点数据分析技能，建立明确的数据分析技能培养目标库，将之合理分配到各学期、各程序语言课程和专业课程中，各门课程根据自身特点有效实现对不同培养目标的支撑，总体上实现对培养目标库的全面合理覆盖，建立程序语言课程和专业课程有机沟通和统一设计的有效方式，并建立培养目标合理性和达成度评价机制。具体实现包括以下三个方面：

2.1 数据分析能力培养目标库的建立

研究确定本专业毕业生需要具备的数据分析能力，分等级形成培养目标库。经考虑，可初步将数据分析技能分为语言、数据、图形三类，各类再分基础和高级两个等级，归纳于表1。其中，语言类主要涉及程序设计语言的熟练运用，是数据和图形类的基础；数据类主要进行实际海洋数据的处理和分析，是图形类的基础；图形类是指使用程序语言和工具软件进行数据可视化和信息凝练的能力，数据和图形类是语言类的综合应用。

表1 物理海洋学本科毕业生数据分析技能培养目标库示例

培养目标库是整个体系的核心，需要本学科各课程教学团队共同讨论，根据学生后续工作或深造过程中常用的技能进行筛选，经商讨确定试行方案，并不断根据实际情况进行修正。根据这些目标点可以进一步形成细化的知识指标点，使之更加具体，也更容易落实。目标库的建立可以帮助教师明确各自课程在数据分析能力培养体系中的角色和承担的任务，有利于有的放矢地安排教学进程，并引导学生有目的、有重点地学习，用更加具体的手段判断学生的数据分析能力培养进度。也能够帮助学生了解自己应具备的素质和能力，利用教师提供的资料或自己寻找的资料锻炼相应的能力，提升学习积极性。

2.2 数据处理能力相关课程体系的建立

在培养目标库的基础上，建立体现OBE理念的课程体系，使之支撑培养目标的达成。按照程序语言课程和专业课程两类分别进行调整，形成课程体系结构优化调整方案。

程序语言课程方面，目前初步设计为将Python作为先导课，进行基本程序设计理念和语法的铺垫，减轻后续Matlab课程的课时压力，同时也为学生将来选择Python这一发展迅猛的语言打下基础；以Matlab为数据分析基本技能主干课程，在已有Python语言进行铺垫的情况下，介绍两种语言在基础语法方面的差异，重点讲授高级编程、基础数据分析和可视化技能，并以阅读材料、扩展思考题、选做大作业等灵活的形式为有兴趣的学生提供高级技能的学习机会；试验将Fortran语言的修读方式改为选修，供学有余力或已初步明确未来主攻方向的学生按需学习。另外，在程序语言课程中有意识地整理出可以与本专业特点相结合的知识点，在讲解过程中注意向学生介绍知识点在海洋学中的应用场景，帮助学生建立抽象程序设计概念与实际海洋现象、数据、变化特征等的联系。这要求程序语言课程全面梳理教学大纲，并与专业课程授课教师协商，重新安排教学流程，形成体现专业应用场景的讲义和练习题、作业题、考试题库。

专业课程方面，研究形成适用于数据分析技能强化和提高的专业课程清单，并确定各课程支撑的数据分析技能培养目标点，实现培养目标的全面合理覆盖。研究确定各课程支撑培养目标点的具体方案，包括何时、以何种方式支撑哪个/些目标点，相应调整课程的教学大纲，设计教学案例。目前我们初步选择了 “多元统计分析与谱分析” “计算方法” “海洋要素分析” 三门实践性和技能性较强的课程进行试点，后续将考虑引入 “海洋科学导论” “物理海洋学” “海洋波动” 等理论性较强的课程。各课程授课教师商讨形成各课程支撑目标点的矩阵，见表2的示例，并随教学实践情况动态调整。专业课程教师要针对本课程特点，重新梳理知识点，构思如何引入以编程方式解决问题的实操机会，其中可以巩固和练习程序语言课程中学过的知识点，形成扩充的思考题和作业题库，并相应地调整和更新考试题库。

表2 课程支撑目标点矩阵示例

上述两类课程对培养目标的支撑除了体现在日常教学中外，还应该反映在课程考核方式的调整优化上。基于OBE理念，将考试题库中的题目明确对应至培养目标库中的一个或多个目标点，根据目标点覆盖情况合理调整或更新试卷内容和形式，考试结束后根据各目标点的得分评价学生的目标达成情况并制订下一教学周期的调整方向。

通过上述以培养目标为导向的课程体系设计，任课教师可以明确本门课程在数据分析能力方面的培养目标，并据此设计教学内容、教学方式、考核形式等；学生也可以了解课程的定位和学习目标，并根据自己的强弱项规划学习进程。这一方面对教师的教学设计提出了更高的要求，另一方面也有助于形成良好的课堂氛围、建立生动的教学形式，并以直观的形式加深学生对所学知识的理解，提高程序语言和专业课程的教学质量。此过程还将直接推动课程教学大纲的完善，有助于扩充讲义和题库等材料，使数据分析能力的培养过程更加丰富立体。本体系的基本结构可归纳为图1。

图1 产出导向的物理海洋学数据分析技能培养体系示意

2.3 评价指标和调整机制

为实现新培养体系的不断优化，需要建立培养目标合理性和达成度评价指标体系和动态调整机制，这也是OBE理念的重要组成部分。可设置3―4个学年或更长时间为试验期，通过对教学过程和教学效果进行检验，发现问题并及时调整。预先设计各个阶段的评价指标，采用期中和期末成绩分析、毕业生平均成绩和最高最低成绩分析、学生访谈问卷、毕业论文指导老师调查问卷、研究生导师调查问卷、用人单位调查问卷等方式，采用量化的客观打分指标评估新方案的合理性，及其对数据分析能力培养效果的提升程度。本体系的预期效果是经过整个大学期间有规划的培养，数据分析能力的提升应该在学生高年级或临近毕业时体现最为明显，但有些效果可能要到就业或研究生期间才能表现出来，因此需要建立长效的整体评价机制。当然，在我们的初步试点中发现新体系在单门课程的教学中也可起到正面作用。

参与本体系的程序语言课程与专业课程之间的沟通和协调机制也是十分重要的。可在系或教研室的层面建立海洋科学数据分析技能相关课程讨论组，将各程序语言课程和专业课程授课教师纳入在内。先导课程任课教师可根据实际授课情况提醒后续课程应注意加强哪些薄弱环节的训练，而后续课程任课教师需要留意教学过程中发现的需要强化的基础环节，将之反馈给先导课程。藉此方式可以实现体系的调整优化，在建立初期可发挥较大的效果；也便于因材施教，根据授课班级的特点动态调整教学工作重点。

3 总结

新时代海洋强国事业对物理海洋学本科生数据分析技能的培养提出了新的要求[2]。本文总结了物理海洋学专业本科生数据分析技能培养的现状和存在的问题，并引入产出导向的教育（OBE）理念，指出在明确的培养目标驱动下调整数据分析技能培养规划的必要性。在此基础上，结合教学实践中的经验和思考，本文提出了建立符合OBE理念的数据分析能力培养体系的思路和方法，并给出了初步尝试示例。其中的创新点是围绕物理海洋学专业毕业生需要具备的数据分析技能开展课程体系设计，填补当前此方面培养规划上的空白，并改变程序语言课程和专业课程相互孤立的现状，将二者进行统一设计，提高学生应用计算机程序工具进行专业实操的能力。

当前海洋科学专业人才的培养质量仍有较大提升空间，需要海洋科学领域教师积极思考，厘清问题，勇于探索新思路新方法。本文针对本专业本科生数据分析技能培养模式进行了积极探索，所提出的产出导向型教学体系旨在引起海洋学教学领域对数据分析技能培养模式的重视，将之上升到系统性规划的层次进行统筹安排，以期大幅提升海洋科学学生数据分析实践能力，并辅助提高对专业理论知识的理解。经过更有针对性和系统性的训练，将为国家输送更多训练有素的实干型青年海洋科学工作者，为实现海洋强国贡献力量。