面向新工科的大数据核心课程群实践教学研究

关键词：新工科；数据科学与大数据技术；实践教学；核心课程群；OBE

0 引言

自2017年2月，教育部为主动应对新一轮科技革命与产业变革，支撑服务创新驱动发展等一系列国家战略，积极推进新工科建设[1]，全力探索工程教育的中国模式，助力高等教育强国梦。“大业欲成，人才为重。”，新工业革命加速进行，新工科建设势在必行。以新技术、新产业、新业态和新模式为特征的新经济呼唤新工科建设，国家一系列重大战略深入实施呼唤新工科建设[2]，产业转型升级和新旧动能转换呼唤新工科建设，提升国际竞争力和国家硬实力呼唤新工科建设。在此大背景下，如何进行工程教育改革，加大实践教学的力度、广度和深度，有针对性地训练学生实践能力，帮助学生积累工程经验，提高解决复杂工程问题的系统能力，培养创新意识、团队协作精神和社会适应力，已成为数据科学与大数据技术专业建设过程中迫切需要解决的问题。

工程教育的手段不能仅是课堂讲授，工程教育要求的实践能力也不能仅靠课堂讲授实现，能力培养、素质养成必须通过实践教学，如果没有完善的实践教学体系，不可能完成能力培养和素质养成的工程教育任务。新工科建设遵循以学生为中心、产出导向（Outcomes-based Education， OBE） 和持续改进。产出导向OBE是以学生为中心，而不是传统的以教师为中心，关心的是学生“学会了什么，能够做什么”，而不是教师“教了什么”，强调以学生的学习结果为驱动力，反向设计教学活动和评价标准，重新规范教学过程和行为，帮助学生达成有效学习和能力锻炼的目标，促进学生不断成长进步。因此，用产出导向OBE引导新工科建设，具有重要意义。

课程体系建设是专业人才培养的关键，新工科建设要求地方高校能够主动对接区域经济与社会的发展需求，加强应用型人才的培养。基于新工科建设要求，本着“知行、创新、卓越”的初衷，在数据科学与大数据技术专业建设中，构建大数据核心课程群，并对课程群实践教学进行积极的探索，加大对学生进行知识的传递力度，并培养学生的动手实践技能，将培养模式从“知识导向型”向“能力导向型”转变，使学生的工程实践能力、科技创新能力和团队协作精神获得全面发展。

1 构建面向新工科建设的大数据核心课程群

大数据核心课程对提高学生数据分析、处理以及大数据应用能力至关重要。面向新工科建设，构建大数据核心课程群，优化课程结构，发挥课程间的教学合力和整体培养优势。在教学理念上采用“关联教学”方式，按学科、课程相互联系，建立大数据核心课程群框架。形成高级语言程序设计、Python语言程序设计、Java语言程序设计等为主的计算机编程设计能力培养体系；形成数据结构与算法、操作系统、计算机组成与结构、计算机网络原理等为主的计算机知识结构能力培养体系；形成数据分析方法、机器学习、数据挖掘、数据可视化技术、算法设计与分析、时间序列分析、系统仿真分析、数字图像处理、并行计算与分布式系统、Spark大数据平台、金融大数据分析、模式识别等为主的数据科学与大数据技术处理能力培养体系。核心课程相互融合，最大程度地发挥课程间的教学合力和整体培养优势。在课程群总体框架下，优化知识结构，制定课程群中先修与后修课程之间知识点衔接方案，整合重复内容，构建能力培养矩阵，修订教学大纲，科学定位各门课程的教学目标，突出教学重点，提高教学效率。在教学实践中及时总结经验，及时处理各种反馈，积极开展教学质量的调研和测评。

2 大数据专业核心课程群实践教学探索

2.1 构建“递进式”实践教学体系

实践是创新的源泉，强化实践教学环节、提高学生的实践能力是大数据核心课程群建设的重要内容。为提高实践教学质量，依托课堂、大数据实验室、省部共建重点实验室、校外实训/实习基地、大学生创新实践中心等平台，按照基础—提高—创新三个阶段，针对大数据课程群，构建由课程实验、课程设计、专业实训、企业实习、毕业设计等组成的“递进式”实践教学体系，形成面向新工科、具有本专业特点的大数据专业实践教学建设方案。

完成专业认识实习、网络综合设计、信息系统设计、大数据综合应用课程设计、专业实践/实习、毕业设计（论文）等实践教学环节的设置。在教学实践中及时总结经验，及时处理各种反馈意见，积极开展教学质量的调研和测评。

对于课程群中的实验教学，在设置各课程独立实验的同时，搭建课程群公共实验平台，使相关课程实验内容按照从基础到提高循序渐进关系有机联系，强化学生的综合应用能力。通过开放实验室、校企联合培养等模式，将实践教学和创新教育贯穿于大学四年的培养，实现学生从数据分析、处理、挖掘、可视化到大数据应用系统软件开发等实践训练，使学生的工程素养[3]和创新能力在阶梯式实践教学中得到循序渐进的提升。

努力建设实验平台，为学生实验搭建良好的环境。利用学校组织的在工程训练中心建设的新工科实践教学平台，资源共享，优势互补、通力合作。

2.2 探索新的教学模式和方法

基于大数据核心课程群，以学生为中心，以产出为导向，探索新的教学模式和方法。专业课程多种手段并用，增强课堂互动、随堂测验和课后调研环节，作业形式包含习题和大作业。部分课程采用课堂教学和网上教学相结合、相辅相成的教学模式，探索以学生为主体，将适当的课程内容形成翻转课堂等。定期开展教学培训研讨，学习先进教育理论，掌握高等教育教学规律，不断更新教育观念和教学方法，在实践中不断总结、积累教学经验，努力提高教学水平。

积极探索“开放式”教学模式，“走出去，引进来”，根据学科发展前沿，大数据产业技术需求，以核心课程群为基础，动态调整教学实践内容，聘请企业工程师主讲部分实践课程，更好地实现人才培养与社会需求的对接。

基于大数据核心课程群，以产出为导向，运用项目导向、任务驱动、案例分析等方法，知能训练有机融合。在理论知识的讲授时体现“学中做”，在实践操作训练过程中体现“做中学”，以具体项目为学习载体，将理论教学中知识点的讲授与实践教学中项目的构思、设计、实现和运作紧密结合，提高学生工程实践能力和解决复杂工程问题的能力。

2.3 开发在线课程和创新实践平台

基于大数据核心课程群，开发在线网络课程。开放课程平台，提供电子文档、课程视频和教学课件，方便学生课下自学。上课时有更多机会与学生交流、讨论，实现学生的个性化学习，翻转课堂。每个学生的学习能力和兴趣都不同，翻转课堂能实现分层教学，在网络开放课程支持下，每个学生可以按自己的进度安排学习和完成与之匹配的作业，具有良好的互动性。

通过大学生创新项目，开发创新实践教学平台，实现代码查重、智能化评测、云计算环境开发等特色功能，以“基础－提高－竞赛”三级水平，构建分级试题库，提高学生的创新意识和数据分析与大数据应用实践能力，因材施教，通过分层分级教学模式满足学生的个性化发展。

2.4 积极开展学科竞赛和科技活动

依托省部共建教育部“计算机视觉与系统”重点实验室，面向大二、大三学生成立“大学生创新实践中心”，成立学生兴趣小组，通过申请大学生创新项目、参加各类学科竞赛、进入研究生实验室参与教师科研项目等，给学生提供形式多样的科研训练和创新实践机会。鼓励学生积极参加科学研究，提高实践能力和创新意识。

数据科学与大数据技术专业学生积极、主动联系科研导师，进入实验室参与科研活动。学生课题组刻苦钻研，不断努力，在科研实践和各类学科竞赛中取得了优秀的成绩。更多学生申请了大创课题，进入科学研究的实践环节。大数据专业本科生参加大学生科技创新项目和各种竞赛的人数和成绩不断突破。

2.5 逐步形成实践教学联合培养模式

基于大数据核心课程群，采用多种教学模式相结合的方法开展实践教学。通过与校外实训基地、企业合作开展实践教学，采取任课教师和企业导师协同育人混合式教学。以工程化的模式进行实践训练，使学生更好地了解企业需求，不断提高实践能力和创新意识，增强团队协作精神和社会适应能力。

天津理工大学与中软国际等企业合作成功开展了大二下学期的专业认识实习工作。实习工作借助OBE[4]模型进行计划引导，对不同阶段的教学目标进行规划设计、优化管理，并及时进行反馈总结。通过实习，学生对大数据专业有了更加全面和深入的了解，有效提高了实际动手能力和实践能力。

专业实践/实习[5]是专业培养方案内重要的实践课程，旨在增强学生的专业实践能力和专业就业能力，使学生具备良好的职业道德，掌握业务技能，提高业务素质、综合素质和适应社会的能力。学院积极开展专业实习工作，向校外实习企业征集本年度企业实习方案，学院审核后向学生发布关于实习岗位、要求等信息。学生根据志愿报名企业，企业根据岗位所需人数选择学生。大数据专业大四学生圆满完成了专业实习工作。

2.6 建立教学质量监控、评价和反馈体系

教学过程质量监控和教学质量评价是实现人才培养目标的重要管理和评价机制，结合新工科建设的要求，建立教学过程质量监控和教学质量评价机制，将评价结果进行科学分析、反馈，并持续改进相应的教育教学过程，形成监控－评价－改进－再评价闭环，不断提高人才培养质量。主要包括： 1） 针对大数据核心课程群，完善课程考核和评价标准，采取大作业、机考、创新学分等多元化考核模式；2） 通过建立校、院、系三级督导体系，实现毕业要求达成度校内评价机制；3） 借助第三方评价机构以及毕业生用人单位，建立培养目标达成度校外评价机制；4） 基于“教”与“学”构建协同评价机制，通过学生评价教师和教师评价学生，实现持续改进。

3 未来展望

在课程设置和实践教学环节建设的基础上，后面将在以下环节做进一步的探索：

1） 进一步完善数据科学与大数据技术专业人才培养方案，基于课程群，进一步完善教学质量监控、评价和反馈体系，促进教学过程的持续改进。

2） 进一步开展和多家企业、多家公司的联合培养工作，尤其在实际项目、实际案例的提供方面，企业和公司具有更大的优势。将依托计算机学院良好的平台优势，并发挥所有教师的积极主动性，联系、开拓资源，开展和企业的合作工作。

3） 不断改进产学研联合培养人才模式，提高学生的工程实践能力、创新意识、团队协作能力，提高学生解决复杂工程问题的能力，实现人才培养与社会需求的对接。

4 结束语

综上所述，基于新工科建设[6]的大背景，结合天津理工大学关于加强实践环节、培养学生工程实践能力和创新精神、为天津区域经济发展提供高素质应用型人才的目标，优化数据科学与大数据技术专业的课程设置，构建大数据核心课程群，并对课程群实践教学进行改革，将培养模式从“知识导向型”向“能力导向型”转变，使学生的工程实践能力、科技创新能力和团队协作精神获得全面发展，提升人才培养质量，使大数据专业的人才培养工作不断创新，健康发展。