基于文献计量的我国农业高校大数据专业建设思考

张领先　尹政清

摘要 基于CNKI数据库和VOSviewer文献计量分析工具，分析了我国高校大数据专业建设现状和研究热点，并结合中国农业大学信息与电气工程学院大数据专业建设案例，进一步探究了大数据专业建设、大数据课程设置、大数据教学模式及大数据实践教育等热点主题，最后根据文献分析结果提出了大数据专业建设的相关启示与建议。研究成果可为我国大数据工程技术人才培养和大数据产业发展提供支持。

关键词 大数据;专业建设;课程设置;教学模式;实践教育

中图分类号：G640 文献标识码：B 文章编号：2095–3305（2021）06–0132–04

1 问题提出

自第三次工业革命以来，以大数据技术为代表的信息化浪潮正在对经济、政治、文化、社会和生态文明等领域产生深刻影响，并为各行各业提供转型升级和智能化解决方案，对支撑服务创新驱动发展战略、赋能高质量发展、构建现代化经济体系具有重要意义。随着信息处理技术和计算机硬件设备的快速发展，大数据已经成为当前信息化产业的发展焦点和信息技术研究的前沿课题。

大数据（Big Data）是指数据量大到无法利用主流数据处理工具，在合理时间内完成获取、汇聚、分析以及处理等工作，从而实现数据价值挖掘的资讯[1]。自2014年“大数据”首次被写入政府工作报告，到国务院于2015年印发的《促进大数据发展行动纲要》，再到工业和信息化部于2017年发布的《大数据产业发展规划（2016—2020年）》，大数据产业发展已上升至我国战略部署的高度[2-3]。而发展大数据战略关键在人才，因此如何结合大数据时代背景需求开展大数据人才培养工作，成为当前我国高校大数据专业建设亟待解决的问题。

作为现代高等农业教育的发源地，中国农业大学建设形成了优势互补、特色鲜明的农业科学和信息与计算机科学学科群。学校下设的信息与电气工程学院（以下简称信电学院）致力于利用信息技术手段解决农业现代化、信息化发展问题，积极开展满足农业大数据前瞻性需求的研究。通过文献计量方法，研究我国大数据专业高等教育的发展现状，并以中国农业大学信电学院数据科学与大数据技术专业为例，探索大数据相关专业建设方案、课程设置、教学模式及实践教育，为我国农业高校大数据人才培养提供参考。

2 研究方法

2.1 数据源

文献数据来自中国知网（CNKI）数据库，CNKI数据库是获取国内科学研究与相关文献的重要数据库，已被广泛应用于探究各种专业课程体系建设的文献计量分析中[4-6]。使用CNKI数据库的专业检索功能，通过“高校大数据专业”“大数据教育教学”“大数据人才培养”等关键词进行文献检索，文献发表时间跨度设置为2013年1月1日至2020年7月7日。然后，利用EndNote X9软件对检索得到的文献进行数据清洗，最终获得文献303篇。

2.2 分析工具

借助CNKI数据库的“计量可视化分析”功能初步统计分析文献检索结果，利用VOSviewer软件进行文献关联及热点趋势分析。VOSviewer是荷兰莱顿大学CWTS研究机构研究人员开发的文献数据挖掘和可视化工具，已被广泛应用于文献计量分析和文献信息挖掘与可视化分析[7]。利用VOSviewer 1.6.11软件对文献进行关键詞共现分析和聚类关键词的时间特征分析。

3 高校大数据专业建设现状分析及启示

3.1 文献的时间特征分析

2013—2019年我国高校大数据专业建设研究文献的发表数量如图1所示。从图中可以看出，2013—2015年间与大数据专业建设相关文献数量较少，这一时期大多数高校对大数据专业建设处于探索阶段。自2015年以来，相关研究呈现快速增长趋势，说明大数据专业建设已逐渐成为学者关注的热点。

3.2 关键词聚类分析

2013—2019年我国高校大数据专业建设研究文献的关键词共现图谱如图2所示。从共现频次的统计结果来看，在排名前十的关键词中“大数据”出现了159次、“人才培养”43次、“数据科学”29次、“课程体系”29次、“新工科”24次、“大数据专业”18次、“校企合作”17次、“专业建设”15次、“教学改革”15次、“云计算”11次。所有关键词最终形成5个聚类，根据关键词组成情况将各簇聚类主题分别设置为研究主题、专业建设、课程设置、教学模式和实践教育，各聚类主题及其关键词组成如图2。

3.2.1 研究主题 大数据专业是近年来计算机学科领域的新兴分支，大数据人才需求量日益上升。因此，如何培养一批具备扎实理论功底和较强工程实践能力的大数据专业人才已成为当前高等教育研究者的研究课题（表1）。目前，大多数学者对大数据专业建设探究的主要内容包含大数据人才培养、大数据课程体系建设以及大数据学科建设等，研究主题以高职、高专和大学院校为主。

3.2.2 大数据专业建设 数据科学（Data Science）是继大数据、云计算等概念后兴起的计算机分支分科，结合了数学、管理学、统计学、数据仓库、数据挖掘、机器学习和数据可视化等诸多学科领域的理论和技术[11]。数据科学与大数据技术两门学科关联密切，自教育部2016年开设“数据科学与大数据技术”本科专业到2019年为止，我国共有477所院校获批开设该专业，年平均增速高达614%。2018年，中国农业大学信电学院正式开设数据科学与大数据技术专业。

在统筹大数据专业与其他计算机学科协调发展时，顾永安[12]提出了“专业集群”的方案，该方案是对应某一产业链的职业岗位或岗位群需求，按照“依核建群”“以链成群”的建设模式设置的专业方案，与主干学科关联度高的核心专业、学科基础、工程对象与应用领域有内在关联的专业充分融合。河北民族师范学院按照该方案建立了大数据专业集群，核心专业是数据科学与大数据技术，支撑专业是计算机科学与技术、软件工程应用和统计学，延伸专业是数学与应用数学[13]。

3.2.3 大数据课程设置 理论教学有助于学生从基本概念开始全面了解大数据科学和技术体系，有利于培养学生的大数据工程实践能力。从文献来看，目前讨论热度较高的大数据专业课程包括Hadoop、云计算、物联网、人工智能、数据挖掘和农业大数据等。一方面，大数据课程的培养目的包括培养学生的数据采集、处理、管理能力，以及引导学生形成大数据思维和大数据工程伦理意识等;另一方面，不同高校还将大数据专业课程与优势学科相结合，开设了农业大数据、健康大数据、行为大数据、电子商务大数据等极具特色的大数据专业课程。

中国农业大学信电学院开设的数据科学与大数据技术专业课程包括学科大类与专业基础课程、专业核心课程、专业选修课程三大类，具体课程设置如表2所示。其中，学科大类、专业基础课程与专业核心课程为必修课程，主要涉及计算机科学理论、数学、统计及与农业领域结合的基础知识，共设置40学分，其中学科大类与专业基础课程修读学期分散设置于1～3学期，专业核心课程相对安排2～4学期。专业选修课程引导学生根据个人兴趣或学业指导教师安排的科研项目展开研讨，学分要求不少于8学分，修读学期跨度为2～4学期。

3.2.4 大数据教学模式 作为国际工程教育改革的最新成果，CDIO工程教育模式近年来已在我国大数据专业教学实践中得到了广泛应用。CDIO从产业链的全生命周期视角出发，注重培养学生工程构思、设计、实现和运作的能力。针对CDIO的大数据专业教学，罗福强等[14]提出了以就业需求为导向，以能力为本，按多阶段、深层次、分角色的项目化大数据教学模式，即根据市场需求调研、系统设计、程序开发、管理、运维、售后支持等大数据岗位需求，分别开展大数据专业教学活动;曹耀钦等[15]提出了面向岗位需求的大数据教学模式，即在调查研究大数据岗位需求的基础上，制订适应不同就业需求的大数据教学方案，由学生自主选取感兴趣的学习和实践课程。

近年来，随着在线教学模式的兴起，大数据教学方式也朝着在线化方向发展。其中，“翻转课堂”“云班课”“MOOC”“SPOC”等教学概念已被广泛应用于高校大数据教学实践中，一些高校还建立了大数据教学平台[16-20]。中国农业大学信电学院通过构建“雨虹学网”在线教育平台，探索出既教授基础技术原理和应用方法，又将农业实际应用场景融入理论教学的大数据教学方案。

3.2.5 大数据实践教育 作为应用型专业，大数据专业在人才培养上应当同时兼顾理论教学和工程实践教学两个方面。近年来，“2+1”校企合作、“专业共建”“产教融合”“协同育人”等产学合作培养模式已成为高校培养应用型大数据人才职业能力和创新创业能力的成功方案[21-24]。一些高校还建立了大数据实验平台，结合特色行业背景引导学生开展大数据实践活动。中国农业大学信电学院开展的大数据实践教育主要包括创新创业通识课程、创新创业项目和社会实践两个环节。

（1）创新创业通识课程。创新创业通识课程主要包括科研训练系列讲座、科学前沿技术讲座、创业讲座和体悟活动以及学术研讨会。科研训练系列讲座主要包括信息搜集整理和查阅文献、论文写作和申请专利培训以及学生交流汇报;科学前沿技术讲座邀请国外学者针对前沿技术进行讲座;创业讲座和体悟活动课程邀请企业家做报告，进行创业模拟体验。

（2）创新创業项目和社会实践。学院鼓励学生通过立项申报学校本科生科研训练计划和学院创新基金项目、参加学科竞赛获奖以及社会实践等方式获得创新创业学[25]。此外，从大二开始，实行导师负责制，围绕一个研究主题，各环节贯通，开展深入研究，鼓励学生以创新性成果为内容发表论文、申请发明专利和计算机软件著作权等。实施过程管理，按照学院的创新创业管理条例，由导师和创新创业评估小组结合学生最终产出成果进行成绩评定。

4 结论与建议

4.1 主要研究结论

通过研究文献的计量分析，探究了高校大数据专业建设的现状和研究热点趋势，主要结论如下：

（1）大数据专业建设成为高校教育研究者关注的热点课题，研究主题包括大数据人才培养、大数据课程体系建设、大数据学科建设。

（2）在“新工科”战略背景下，数据科学与大数据技术专业在全国各高校的开设数量呈现快速增长趋势。大数据专业与统计学、数学、计算机应用技术及计算机软件与理论等理学或工学专业之间存在密切的交叉关联。

（3）大数据专业热点课程包括Hadoop、云计算、物联网、人工智能、数据挖掘和农业大数据等，各高校正在积极探索将大数据课程建设与优势特色专业相结合，形成独具特色、专门性强的大数据专业课程体系。

（4）大数据专业教学强调应用导向，CDIO工程教学模式和课程群教学模式已被广泛应用于高校大数据专业教学实践中，即根据不同大数据产业岗位的需求，多阶段、分层次地开展大数据教学获得。此外，随着信息技术的发展，高校大数据教学正积极融入线上教学概念模式。

（5）实践教育是大数据专业人才培养的关键环节，产学研结合是目前行之有效的大数据工程实践人才培养模式，具体形式包括大数据实验平台建设、大数据主题社会实践活动、校企合作联合培养及大数据创新创业项目等。

4.2 建议

在大数据专业建设方面，应当提升“数据科学与大数据技术”专业的开设率，可以按照“专业集群”的模式设计大数据专业培养方案;在大数据课程设置方面，应当充分发挥学科优势，按梯度分别设置大数据专业基础通识课程、专业核心必修课程及兼具拓展性和特色性的专业选修课程;在大数据教学模式方面，应当以就业需求为导向，将岗位需求贯穿于大数据教学的全过程，并积极探索线上线下相结合的大数据教学方式;在大数据实践教育方面，应当提升工程实践教育在日常教学中的比重，通过建设大数据实验平台、开展大数据主题社会实践活动、强化校企合作联合培养及鼓励大数据创新创业等形式让学生接触到真实的大数据，进一步提升学生解决大数据行业实际问题的能力。

參考文献

[1] 刘智慧，张泉灵.大数据技术研究综述[J]. 浙江大学学报：工学版， 2014， 48（6）： 957-972.

[2] 中华人民共和国国务院.国务院关于印发促进大数据发展行动纲要的通知[EB/OL].（2015-09-05）[2020-07-07] http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[3] 中华人民共和国工业和信息化部.工业和信息化部关于印发大数据产业发展规划（2016-2020年）的通知[EB/OL].（2017-01-17） [2020-07-07] http：//www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/part/5465010.doc.

[4] 李硕豪，耿乐乐.应用型本科研究之研究——CNKI数据库2001—2015年论文关键词可视化分析[J].高校教育管理， 2017， 11（3）：54-65.

[5] 袁利平，杨阳.高校创业教育课程研究的主题进展与热点比较——基于CNKI和WOS文献的知识图谱分析[J].大学教育科学， 2020（1）： 89-98.

[6] 张岚，赵哲.高职院校服务类专业建设文献综述：现实状态与前景展望——基于2005—2014年CNKI的文献分析[J].职业技术教育， 2015， 36（20）： 17-21.

[7] Van Eck N J，Waltman L.Software survey： VOSviewer， a computer program for bibliometric mapping[J].Scientometrics， 2010， 84（2）： 523-538.

[8] 白京羽，林晓锋，尹政清.基于文献计量的全球生物技术研究现状与发展趋势分析[J].中国生物工程杂志， 2020， 40（7）： 100-109.

[9] 王海焦，黄锐娜，王小俊，等.基于VOSviewer的富血小板血浆研究热点主题分析[J]. 中国组织工程研究， 2019， 23（18）： 2947-2952.

[10] 康迎英，张福利，蔡润津，等.基于VOSviewer国外医药卫生领域计算机辅助教学研究计量学分析[J].中国医药导刊， 2019， 21（3）： 181-187.

[11] 叶鹰，马费成.数据科学兴起及其与信息科学的关联[J]. 情报学报， 2015， 34（6）： 575-580.

[12] 顾永安.应用本科专业集群：地方高校转型发展的重要突破口[J]. 中国高等教育， 2016（22）： 35-38.

[13] 蔡永华，曹雪峰，房健，等.校企合作模式下高校大数据专业集群建设研究与实践——基于河北民族师范学院的研究[J]. 知识经济， 2020（15）： 169-170， 174.

[14] 罗福强，熊永福.基于CDIO的云计算与大数据专业人才培养方案[J].计算机教育， 2015（1）： 52-56.

[15] 曹耀钦，李发陵，周龙福.应用型智能科学与技术专业大数据课程群建设研究[J]. 计算机教育， 2016（10）： 22-25.

[16] 李志杰.基于翻转课堂的大数据课程教学改革[J]. 现代计算机， 2019（31）： 61-64.

[17] 张娜，邸小莲.基于云班课的翻转课堂教学模式在大数据专业的应用研究——以陕西工商职业学院大数据技术与应用专业教学为例[J]. 电脑知识与技术， 2020， 16（10）： 169-172.

[18] 赵蕊菡，黄如花.国内外数据分析类MOOC调查与分析[J].图书情报工作， 2016， 60（21）： 52-60.

[19] 宋毅.基于SPOC混合教学模式的高职课程升级与实践（1）——以“电商大数据应用技术”课程教学为例[J]. 辽宁经济管理干部学院学报， 2018（6）： 136-138.

[20] 杨剑锋，王丹枫，王喜宾，等.大数据专业创新实践教学平台建设[J].福建电脑， 2019， 35（9）： 90-92.

[21] 王雪蓉，万年红.“2+1”模式下高职大数据专业产出驱动式人才培养体系研究[J]. 计算机时代， 2019（3）： 89-91.

[22] 李文，黄丽韶，黄文.“政校企”多方协同模式下的大数据专业共建与实践[J].计算机教育， 2019（1）： 121-125.

[23] 郑永爱，王咏梅，王莹莹.基于产教融合、校企合作的大数据专业人才培养的研究[J]. 电脑与信息技术， 2019， 27（3）： 37-38， 62.

[24] 张晶，易艳红.大数据时代信息管理人才培养模式的创新实践研究[J].图书馆学研究， 2018（23）： 2-7.

[25] 张领先，张标，李鑫星.大数据时代农业院校本科专业课程体系建设——以中国农业大学为例[J]. 北方农业学报， 2016， 44（2）： 115-119.

责任编辑：黄艳飞

Abstract CNKI database and VOSviewer bibliometric analysis tools are employed to analyze the current situation and research hotspots of big data specialty construction in colleges and universities in China; Then the situation of big data specialty construction in College of Information and Electrical Engineering of China Agricultural University is taken as an example to further explore big data specialty construction， big data curriculum setting， big data teaching mode， and big data practice education; finally， according to the results of literature analysis， the relevant enlightenment and suggestions on the construction of big data specialty are put forward. The research can provide educating guidance for the cultivation of big data engineering talents as well as the sound development of big data industry of China.

Key words Big data; Specialty constru-ction; Curriculum setting; Teaching mode; Practical education