多学科交叉融合的大数据专业人才培养模式研究与实践

摘    要：针对大数据专业人才培养中存在的培养目标不明确、课程体系不完善、实践教学资源匮乏及师资力量薄弱等问题，文章在新工科理念指导下，以赋能应用能力培养为目标，以学科交叉融合为路径，以多方协同育人机制为支撑，通过课程体系、实践教学体系、协同创新平台等多模块、多环节联动，培养具有大数据核心能力且满足行业需求的卓越工程技术人才，助力大数据产业发展。实践表明，多学科交叉融合的大数据专业人才培养模式卓有成效，可为其他高校交叉学科人才培养提供参考。

关键词：学科交叉融合；人才培养模式；赋能应用；大数据

中图分类号：G642.0      文献标识码：A      文章编号：1002-4107（2024）08-0040-04

一、引言

随着信息技术的发展，大数据成为一种新兴战略资源，渗透到金融、医疗、制造、流通、能源等诸多行业及业务职能领域，促进了大数据产业的发展。大数据产业的根本目的是用海量数据为各行业赋能，助推各行各业实现数据驱动的生产方式转型[1]。大数据催生的新兴产业，亟须大批具备成熟的数据思维、丰富的跨学科知识、熟练的大数据技能的高素质复合型创新人才。数据科学与大数据技术作为新工科背景下的新兴专业，肩负着培养社会所需的具备大数据处理及分析能力的高级复合型人才的重任。而作为一个跨学科、跨领域、与行业应用紧密结合的复合型专业，大数据涉及的知识来自计算机、统计和行业领域。探索如何有效融合跨学科、跨领域的知识，培养具备数据思维、赋能应用能力、创新能力的大数据人才，是当前高校大数据专业建设中的热点问题[2]。

为了应对新一轮科技革命和产业变革，2017年，教育部提出新工科建设理念，其内涵是以立德树人为引领，以应对变化、塑造未来为建设理念，以继承与创新、交叉与融合、协调与共享为主要途径，培养具有多学科交叉融合的卓越工程能力的、能够适应未来变革的现代工程科技人才[3]。作为针对新兴产业而设立的新工科专业，数据科学与大数据技术专业人才培养既要将工程教育与人文教育、科学教育融合，使培养的工程师具备道德情操、家国情怀、人文素养与科学精神，以及良好的工程伦理、学术道德及职业操守，又要在继承原工程教育的基础上，按产业需求导向进行多学科交叉，使学生能够具备解决跨学科复杂工程问题的能力，这是现代工程技术人才必须具备的素质。因此，大数据专业人才培养应把握学科交叉融合及多方协同育人等趋势[4]。

文章在新工科背景下，结合新兴产业需求和学校办学特色，依托具有跨学科背景的数据科学与大数据技术专业虚拟教研室，探索适合应用型本科院校办学层次的数据科学与大数据技术专业人才培养模式，以赋能应用能力培养为核心，以多方协同培养机制为支撑，从课程体系、实践教学体系、协同创新平台等多模块、多环节联动促进学科交叉融合[5]，为促进区域经济发展培养更多的大数据专业复合型创新人才。

二、大数据专业人才培养存在的问题

数据科学与大数据技术作为数字化战略驱动背景下设立的新工科专业，到目前为止，大部分高校的大数据专业仍处于起步或发展阶段，人才培养仍然存在一些值得关注的问题，主要包括以下几点。

1.培养目标不明确。由于缺乏对行业需求和岗位核心能力需求的调研和考量，很难明确大数据专业人才培养目标，不能准确规划大数据专业毕业生应具备的知识和核心技能，导致人才培养与产业需求不匹配[6]。

2.课程体系不完善。数据科学与大数据技术作为新设立的学科交叉专业，在不同高校开设于不同学院，且课程设置没有统一标准。一些高校虽然开设了计算机类、统计类课程及大数据采集、清洗、存储、管理、分析、挖掘及可视化等类课程，但是课程体系结构相对单一，多学科交叉融合不够深入，缺乏具体的行业应用领域知识，课程设置缺乏特色，甚至存在“因人设课”等现象，导致学生知识结构单一，视野不够开阔，缺乏某些必要的知识和技能，难以适应新经济、新产业对大数据复合型人才的要求。

3.实践教学资源匮乏。大数据专业的业务应用主要是针对现实世界中的问题寻求解决方案，因而，大数据专业人才除了要掌握大数据相关技术外，还应通过行业真实数据和项目案例进行技能实践、综合实战，进而实现对专业技能的强化。但此类大数据往往产生于企业和政府部门。作为企业的核心资产和政府的机密信息，高校很难获得相关数据及真实案例，使得学生缺乏锻炼跨学科应用技能的机会，导致人才培养和产业需求的契合度较低。

4.师资力量薄弱。学科交叉专业涉及的知识领域广泛而复杂，需要教师具备跨学科的知识、技能及实践经验。目前，普通高校跨学科师资力量相对比较薄弱，具备跨学科背景和能力的专业教师较少。大数据专业的教师大多来自于计算机、统计等传统工科专业，受单一学科培养模式制约，教师知识结构比较单一，限制了学科专业新方向、新视角、新方法的开拓与发展，难以应对新工科建设带来的新挑战。

三、多学科交叉融合人才培养模式设计思路

教学团队针对当前大数据专业人才培养过程中存在的问题，在国家创新驱动战略及新工科理念指导下，对接新经济、新产业需求，结合普通高校的办学层次及办学特色，以培养综合素质高、能够解决社会发展和企业生产中的大数据相关复杂工程问题的复合型创新人才为目标，以多学科交叉融合为切入点，设计、构建了数据科学与大数据技术专业人才培养模式，实现院际、校际、校企多方协同，第一课堂和第二课堂多模块、多环节联动协同，共同推进多学科交叉融合、产学研融合及创新教育，提升学生的赋能应用能力和创新能力，使学生尽快适应就业岗位需求（图1）。

1.确定人才培养目标：大数据专业人才培养目标应紧密结合行业产业需求和发展趋势，注重学生知识、能力和素质的综合培养，以培养具备大数据思维、掌握大数据技术和行业领域知识，具备赋能应用能力和创新能力的高素质人才。

2.完善多学科交叉融合课程体系：大数据专业课程体系应涵盖计算机科学、统计学、行业应用等多个学科领域，同时应注重不同学科之间的融合，帮助学生建立系统化的思维方式，使人才培养符合行业和产业发展需求。

3.优化实践教学体系：大数据专业应注重面向行业应用领域的实践教学，通过与企业合作，获取更多的数据资源、面向行业应用的真实场景及跨学科师资力量，使学生在实际操作中训练大数据思维、掌握大数据技术，培养赋能应用能力。

4.强化学科交叉创新平台：大数据专业应形成较为完善的制度、机制，建设跨学科导师团队；组织各种学科交叉学术活动，如学术讲座、研讨会、学术交流等，让学生能够了解不同学科的前沿动态和研究成果；鼓励学生组建跨学科团队，开展学科交叉项目研究和科技创新活动，通过团队合作的方式，拓宽学生的知识结构，提高学生的创新能力和综合素质。

5.多方合作机制：大数据专业需要组建学科背景及行业经验丰富的高素质师资队伍，以胜任多学科交叉融合的人才培养任务。通过与其他学科专业及企业合作，组成具有跨学科背景的师资团队，合作开展科研和教学工作，将不同学科的知识和思维方式结合起来，提升教师综合素质。与行业、企业共同推进大数据专业的人才培养，行业和企业提供数据资源、实践项目及实践机会，高校提供生源及技术力量，通过院际、校际、校企多方合作，实现资源共享和优势互补。

四、多学科交叉融合的大数据专业人才培养实施策略

（一）对接产业需求，明确大数据专业人才培养目标

问产业需求建专业。教学团队充分调研了猎聘、BOSS直聘等各大招聘网站对大数据开发工程师、大数据分析工程师、大数据挖掘工程师等技术人才的岗位职责描述，并对一些大数据相关企业进行调研。结果表明，绝大多数企业不但要求应聘者具备大数据专业基本技能，还要熟悉相关领域的大数据应用场景（如医学大数据、制造工业大数据、金融大数据等）。以行业产业需求为依据，教学团队结合西安工程大学的优势学科，将数据科学与大数据技术专业人才培养目标确定为“培养德、智、体、美全面发展，掌握数据科学及面向大数据应用的计算机科学、数学、统计学等学科的基础知识、基本理论、基本方法和基本技能，熟悉行业领域中大数据应用场景，具备开阔的国际视野、较强的工程实践能力和团队协作能力、良好的创新创业能力，能够在互联网、经济、金融、纺织、服装等相关行业从事大数据系统开发、系统运行与维护、大数据分析与挖掘等工作的高素质复合型人才”。

（二）面向应用领域，构建多学科交叉融合的课程体系

问技术发展改内容。基于OBE（Outcome Based Edu-

cation，成果导向教育）理念，改革课程体系[7]，在确保夯实专业基础的同时，强调大数据与纺织、服装、管理等优势学科的交叉融合，凸显专业特色。

以“重交叉、强实践、促创新”理念为引领，践行“大数据与应用领域结合、基础理论与工程实践结合、课堂教学与学科前沿结合”的“三结合”举措，与纺织、服装、管理等多个学科专业合作，优化专业选修课程模块。以行业应用领域问题为导向[8]，将知识、视角、课程、实践相融合，设置体现学科交叉的应用类课程，如“纺纱学”“服装商品企划”“网络营销”等选修课程；结合学科技术发展前沿，将知识应用、项目研发、行业特色和创新创业培养紧密融合，开设实践导向的拓展课程，如“计算机视觉”“分布式与云计算”“人工智能”等；制定相关政策鼓励学生跨学院、跨专业选修课程；多维度体现课程体系的交叉性、实践性、前沿性和创新性。

问学生志趣变方法。积极开展专业基础课程和专业核心课程的改革与创新，提高教学效率。构建以理论与实践融合为基础、教学与竞赛融合为核心、教学与科研融合为拓展、学科交叉融合为挑战的“四维融合”课程内容；建设体现交叉、实践、创新的教学资源；坚持“以学生为中心”理念，充分运用信息技术改革教学模式，运用“面向问题解决”的教学方法，实施启发式讲授、互动式交流和探究式讨论，培养学生的实践能力和高阶思维。

（三）突出赋能应用，构建多学科交叉融合的实践教学体系

针对新兴产业发展对大数据人才的实际需求，以“提升学生大数据思维、综合实践素养、赋能应用能力、创新能力”为目标，不断深化实践教学改革，优化实践教学的生态结构，实现育人供给与行业需求有机统一。

问内外资源创条件。依托数据科学与大数据技术专业虚拟教研室、新型网络智能信息服务国家地方联合工程研究中心、陕西省服装设计智能化重点实验室等国家级/省级重点实验室、校外实习实训基地，充分发挥“校内多学科教师+企业导师”的师资优势，多方优势互补，共建共享实践资源，构建“多维度、广跨度、强深度”实践教学平台[9]，满足新工科建设的战略需求。

以应用驱动和面向行业领域的职业导向为抓手，运用学科竞赛项目、企业招聘试题、企业项目、跨学科科研项目持续更新实验实践内容；通过验证性、设计性、综合性实验重构课内实验、专业综合实验、实习实践等内容，阶梯递进强化学生“学思践悟”。

加强大数据专业实验室建设，引入杭州睿数科技有限公司的大数据实验实践教学平台，与企业合作建设实践资源，为本专业的课内实验、综合实践等提供面向行业领域的真实场景、真实数据、计算资源。与软通动力信息技术（集团）股份有限公司、陕西秦思网络科技有限公司等多家企业共建实习基地，开展专业实践、生产实践、毕业实习等实践教学；制定相关管理制度，支持和帮助学生到企业带薪实习、顶岗实习，缩短与企业需求的差距。

（四）以项目为纽带，构建学科交叉融合协同创新平台

以“产教融合、创新培训、学科竞赛、大创项目、科研反哺”为抓手，高校与企业联合共建学科交叉融合协同创新平台。西安工程大学将服装学院、管理学院、电信学院、理学院等不同学院的教师，以及邀请到的其他高校的教师、企业导师联合起来组成稳定的创新训练导师团队，制定了《计算机科学学院科研第二课堂培养办法》《计算机科学学院创新创业能力培养实施方案》，以及《计算机科学学院学科竞赛组织与管理办法》等一系列组织管理制度和办法，使得创新训练系统化、常态化、长效化。