新工科背景下大数据技术专业实训教学探索与实践

［摘 要］ 实训教学是大数据技术专业人才实践能力培养的关键环节，目前大数据技术专业实训教学中存在教学内容不完善、与产业需求结合不紧密、缺乏满足学科交叉需求的实训平台、考核评价标准单一等问题。根据新工科背景下大数据技术专业人才培养目标，以项目制为驱动，建立三层次分级实训教学体系，对项目内容、实训平台、考核方式、实施过程等方面进行探索与实践。通过综合项目、创新项目、科研训练三层实训教学，优化项目库内容、部署实训教学平台、改革考核方式，有效提升了学生面向大数据专业领域的创新思维和综合素质能力，有利于达到培养学生创新能力和科学素养的目标。

［关键词］ 新工科；大数据技术专业；实训教学；能力培养

［基金项目］ 2024年度教育部产学合作协同育人项目“面向新工科的大数据采集与存储综合实训课程探索与实践创新”（231106642215436）；2022年度华中农业大学实践创新课程提升计划（XM202211）；2022年度华中农业大学研究生培养条件建设项目（2022KC08）；2022年度华中农业大学教学改革研究项目（xx202206）

［作者简介］ 王海燕（1979—），女，湖北宜昌人，博士，华中农业大学信息学院副教授，主要从事农业大数据分析研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）18-0093-04 ［收稿日期］ 2022-11-29

引言

为主动应对新一轮科技革命和产业变革，加快培养新兴领域工程科技人才，改造升级传统工科专业，教育部于2017年提出新工科发展战略［1］。新工科对应的是新兴产业，如大数据、人工智能、云计算等，强调学科的实用性、交叉性与综合性。新工科建设以培养新经济和社会发展所需的创新型卓越工程人才为目标，是当前高等工程教育的时代使命和重大挑战。

当今社会已经进入大数据时代，2021年国家在“十四五”规划中对大数据的发展做出重要部署。大数据产业正在成为融入经济社会发展各领域的要素、资源、动力，逐渐成为支撑我国经济社会发展的优势产业。2022年我国大数据产业规模破万亿元，这也导致了对相关人才的海量需求。2016年，北京大学、对外经济贸易大学和中南大学首批3所高校获批创办数据科学与大数据技术专业，截至2019年7月，国内开设数据科学与大数据技术专业的高校有480多所。然而，大数据人才供给，包括大数据基础研究、产品研发和业务应用等各类人才短缺，其中高端综合型人才培养，成为急待解决的重要问题。

一、实践教学存在的问题

创新是新工科建设的重要特征，实践教学是培养大学生创新能力的重要途径［2］。数据科学与大数据专业实训作为专业培养中的重要环节，是对本科生前三年所学专业知识的全面综合型的实践教学。其教学体系设计是否合理，教学过程是否有效实施，学生是否提升了专业核心能力，对培养学生的创新精神、实践能力、科学素养有直接影响。数据科学与大数据专业作为近年来各高校的新建专业，其专业建设的思路仍处于探索阶段［3］，特别是在实训教学中存在一些迫切需要解决的问题。

（一）实训教学内容缺乏特色

综合实训教学应该融合相关课程，打破课程间的壁垒，促进学生将相关课程的知识点融会贯通。现有的实训教学并未根据学生能力进行规划，更多的是仅融合某些课程的实验任务，未形成清晰的体系结构，不同年级的实训教学难度没有区分，难以为学生提供创新和拓展空间［4］。

（二）实训项目与产业需求结合不紧密

大数据产业的发展日新月异，尽管国内有些高校已开展相关的综合实训教学，但过程着重于课程知识点的融合，在设计实训项目时忽略了与产业界之间的联系，与产业界的需求脱节，主要实践领域和产业界关注的方向相差较远，导致专业人才所具备的技能与社会的实际需求脱节［5］。

（三）缺乏满足学科交叉需求的大数据综合实训平台

数据科学与大数据技术专业是多学科交叉的综合性专业，传统的本科教学实验系统难以支撑该类交叉学科的教学实践。各高校在专业建设，特别是实验平台建设方面做了很多尝试和探索，但仍然存在基础实验设施落后等问题［6］，这些平台或受时间地点限制，或不能共享资源，或无法为学生提供自主搭建大数据的环境，同时缺乏反映产业界真实情况的核心大数据。

（四）考核评价标准单一

现行课程的考核方式主要靠学生的实验（实习）报告进行测评，对判断学生课程学习的完整度有一定的指导作用。综合实训课程已不局限于专业课程，所涉及学科门类颇多，所要考核的内容不仅包括学生学习内容的完整度，还有分析问题、实践动手、团队协作、创新能力等，这在实验（实习）报告中不能完全体现，也不利于激发学生的主动性和创新性。

二、思路和方法

2017年，华中农业大学信息学院在多年计算机应用型人才培养经验的基础上，依托湖北省农业大数据工程技术研究中心研究平台，设立数据科学与大数据技术应用专业，引入学科交叉融合、解决产业新问题的专业建设思维，加强实践教学建设，以培养具有多学科交叉能力和创新能力的大数据卓越人才为建设目标。本学院已开设三轮数据科学与大数据专业综合实训，在实践教学上做了很多探索与实践。

（一）构建三层次综合实训教学体系

三层次综合实训教学体系包括大数据采集与存储综合实训、大数据分析应用综合实训和科研训练，分别对应实践教学的提高型、应用型、研究型三个层次，如图1所示。前两个综合实训以项目制学生组队实施，其中前者属于专业基本技能实训，后者属于专业综合能力训练；科研训练是在教师的指导下学生独立完成相关研究，实现科研和教学的深度融合，培养学生的创新能力和科学素养。

（二）建设与产业需求紧密结合的项目库

数据科学与大数据专业综合实训的教学目标是要求学生掌握大数据采集、大数据平台搭建、存储与管理、大数据分析、相关算法模型设计等关键知识，培养具有数据分析思维、系统设计能力和大数据技术应用能力的综合型数据科学人才。因此，本综合实训融合多门数据科学与大数据专业的核心课程的知识点来设计综合实训项目，结合华中农业大学农业、生物信息的优势，走访本校农业、生物等专业的学生，了解他们对大数据分析的需求；调研相关企业，了解产业界主流方向，紧密结合产业需求，建设有农业高校特色的综合实训项目库，同时以科研项目制或产学研合作的方式获取脱敏大数据。

根据不同年级的人才培养要求和学生水平，综合实训项目实施分为三个层次，采集与存储综合实训的教学对象是二年级学生，着重专业基础综合知识训练，学生通过结合当前社会需求的实践课程整合所学课程的知识点，提升对专业课程的综合理解；分析应用综合实训的教学对象是三年级学生，属于专业综合能力培养，项目设计强调任务系统性、应用性和新颖性，与产业前沿方向结合；科研训练针对四年级学生，在项目设计上体现学科前沿性，并留给学生一定的创新空间。

（三）部署基于双重Docker容器技术的大数据综合实训平台

稳定、便捷的实训平台是实训教学实施的重要基础，我们采用双重Docker容器技术，在已有的大数据实验教学平台上进行升级改造，部署大数据综合实训平台。该平台具有低成本、易维护、易操作、可灵活配置、可自主搭建等特点，提供统一、轻量、便捷的大数据开发环境。该平台使学生可以从底层自主搭建Hadoop、Spark等集群环境，能灵活修改集群配置，加深学生对大数据架构等理论知识的理解；也可以一键部署轻松启动大数据集群，满足MapReduce、Spark等编程需求。同时，让学生随时随地都可以操作实训平台，更好地共享资源，提高资源利用率。本实训平台具备从平台搭建操作实践到复杂的大数据分析实战功能，全面锻炼了学生运用大数据技术的能力，达到了提高教学质量、培养学生工程实践能力的目的；同时具有管理教学过程、汇集学生的学习过程数据，为改革教学方式和提升教学效果提供了数据支撑。

（四）设计多元化的综合实训评价标准

在以项目制为驱动的综合实训教学中，设计多种形式的评价手段，多角度地评价学生的实训效果。根据实训过程中学生的表现情况、代码完成情况、实训结果、答辩情况等进行考核，加大过程考核评价权重，并通过学生自评和互评方式进行综合评价；采用项目组内学生自评和互评相结合的方式，教师对项目组内所做阶段性成果的验收进行过程评价，并在答辩环节考查学生的学习情况，进行综合评价。同时，鼓励学生积极创新，对于有创新设计或算法实现的实训项目，可以给予加分，从而实现对不同层次学生的兼顾且不失公平性，充分激发了学生的自律性和自主学习的积极性。

三、实施过程

本文构建的综合实训教学体系实施过程如图2所示。

（一）构建项目库

结合我校农业、生物信息的优势，走访本校农业、生物等专业，了解他们对大数据分析的需求，调研相关大数据企业，了解产业界主流方向，以科研项目制或产学研合作的方式获取脱敏大数据。走访部分兄弟院校，召开指导教师和学生研讨会，了解他们的反馈意见和建议；邀请相关专业的专家，参加国内相关教学研讨会，重构和优化课程知识点，制定项目指导书，改进评价标准，改造原有项目库，建设有农业高校特色的综合实训项目库。目前，项目库包括40多个项目题目和任务指导书，项目库涵盖农业、生物大数据、社交网络、购物推荐、交通物流分析等多个方向。

（二）部署大数据综合实训平台

与国内知名的信息类专业教学与科研一体化平台希冀和华为公司等合作，改造原有基于双重Docker容器技术的大数据实验平台，部署了稳定强健的大数据综合实训平台。该平台已成功应用于三轮综合实训，共计服务420余名师生，有力支撑了实训教学，反馈颇好。

（三）分级实施三个层次的综合实训

采集与存储综合实训和分析应用综合实训分别安排在第四学期和第六学期，每年5月中旬，指导教师更新项目库后公布题目，学生自由选题并组队，指导教师对每个小组进行指导，学生小组查阅资料，研究技术方案和工具；6月初，安排相关指导教师针对项目进展中涉及的平台环境配置、数据采集、存储和应用分析等知识点和共性问题进行集中讲解，在此期间，指导教师要对每个小组定期指导，及时了解项目进展情况，并指导和解决项目实践中出现的具体问题；7月初（期末考试结束后），开展一周的集中实训并答辩，这一周，指导教师和学生都在专业实验室进行项目实训。科研训练项目主要由教师主持或参与的前沿性科研课题凝练而来，学生根据自己的兴趣和能力，自由联系指导教师，与教师一起确定研究计划和方案，科研训练成果以论文、专著或专利等形式展示。

在整个实训过程中，指导教师掌握项目进展、工作量饱和度，根据实际情况及时进行调整，充分调动和发挥学生的积极性，对学有余力的学生，可以增加项目难度和工作量，并推荐其参加全国大学生大数据分析技术技能大赛等相关竞赛，进一步激发学生创造潜能和创新思维。

（四）设计多元化评价标准

整个评价体系中加大过程考核评价权重，根据多元化评价标准对实训进行考核。按照考核结果和师生反馈，对整个实践教学体系的各个环节进行改进。

四、实施成效

本教学体系经过一年谋划设计、两年建设实施，已成功应用于三轮综合实训中，教学效果明显提升，得到学生和同行的积极评价。符合产业主流需求的项目吸引了学生的兴趣，多元化的评价标准充分激发了学生自主学习的积极性。在实训教学中，学生查阅资料、研究技术方案，提高了自学能力和分析解决问题的能力；小组讨论和答辩，培养了学生的沟通交流和团队协作能力，创新意识也得到了锻炼。

根据三轮的实训教学反馈，教学效果良好。学生表示对所学的各门课程的知识理解更加深刻，提前体会到了工程项目的实践过程，使后续的学习更有针对性；教师反映更多地体会了教学相长，理论教学与行业主流方向的工程实践相结合，提高了自身的教学水平。