信管院系数据人才渐进融合式培养与项目式教学改革研究

中图分类号：C961 文献标志码：A 文章编号：2096-000X（2025）13-0145-04

Abstract：IntheeraofbigdataChina'sdatascienceeducationisbooming，buttheinformationmanagementdepartments （IMDs），whicharecloselyrelatedtoit，lagbehindthefieldsofComputer，MathematicsandFinanceindatatalentstrainig.Tis iscausedbytheinacuratepositioningandgoalsofdatatalenttrainingandunreasonabledevelopmentideasinmost IMDs. Basedonthis，thispaperatemptstoproposedevelopmentideasandteachingmodelsthatareinlinewiththetrainingof data talentsinIMDsofChineseuniversies.Onthebasisofanalyzingthediferentdevelopmentideasindatatalentcultivationin currentinformationmanagementdepartments，thestudyproposedthatthegradualintegrationdevelopmentismoreinlinewiththe mainstreamdirectionofdatatalentcultivationinmostIMDs.Atthesametime，takingtheteachingreformpracticeofDeparment ofInformationManagementatNanchangUniversityasanexample，theprogresiveintegrationdevelopmentofdatatalentsinthe department and the process and key points of project-based teaching reform practice are explored.

Keywords： information management departments;data talents；data science;development path;project-based learning

大数据时代的迅猛发展带来对各类数据人才的迫切需求，驱动着我国数据科学教育的快速发展。信息管理学科与数据科学有着天然密切关系，传统信管院系在数据人才培养上本应具备独特优势。但现实中却与计算机、数学等领域数据人才培养规模与质量差距越来越大。这与大多数高校信管院系在数据人才培养目标定位与发展思路不明晰、培养模式不契合等原因有关。基于此，本文将着重探讨信管院系数据人才培养发展的可行路径和教学模式改革，为我国高校信管类院系的数据人才培养工作提供参考。

相关研究进展

自2015年开始至2021年，我国已有600多所高校开设“数据科学与大数据技术"“大数据管理与应用"等本科专业，数据科学教育发展日新月异。而与数据科学有着天然密切联系的图书情报和信息管理等领域，从一开始就敏锐地捕捉到这一趋势，许多学者积极投身于数据科学及人才培养的相关研究中，成为推动数据科学发展的重要研究力量。从早期的数据科学的介绍、国外数据科学教育与人才培养到数据科学基础理论4课程方法与工具的深入分析等，都对数据科学及其教育在我国的发展发挥了重要的作用。

与此同时，越来越多的研究探讨了图书情报、信息管理与数据科学的关系，以及信管类院系如何开展数据人才培养。叶鹰等认为数据科学与信管学科在理论逻辑和技术方法上一脉相承，图书情报学科应积极吸纳数据科学的理论、技术与方法以推动情报学的变革与发展。苏日娜等对国际iSchools的数据科学教育培养情况进行分析，提出对我国信管类院系的数据科学人才培养的建议。王东波等通过对招聘信息中的数据科学人才技能素养进行分析，提出图情学科课程发展的建议。黎海波等在调研国内高校数据科学主干课程设置的基础上，提出设置数据科学课程群的方案，形成信管专业数据科学能力培养的闭环。张宁等则从信管专业的改造来探究数据科学专业定位，提出了面向数据科学专业的信息管理与信息系统类课程链设置方案。

由此可见，国内图书馆与信息管理领域较为重视数据科学的发展和带来的机遇挑战，并从多方面研究信管领域开展数据科学教育与数据人才培养。数据科学与信管领域有天然密切关系，并有大量理论研究支持，因此信管领域在数据人才培养上本应发展迅猛。但现实并非如此，国内数据科学人才培养中，还是更多地集中在计算机、数学、统计学与金融等领域，而信管领域处于明显弱势。原因在于大多数高校信管院系在数据人才培养目标定位与发展思路不明晰、培养模式不契合等问题。而当前针对以图情见长的信息院系的人才培养转型或数据人才培养发展路径方面的相关研究还相对缺乏。基于此，本文拟通过分析信管院系数据人才培养的主要发展思路及其特点，找出符合大多数高校的信管院系数据人才培养的目标定位与发展路径，并以南昌大学信息管理系改革实践为例，探讨跨课程项目式数据人才培养的教学模式改革，为我国高校信管类院系的数据人才培养工作提供参考。

二我国信管院系数据人才培养主要发展思路

面对着大数据技术的快速发展与应用，以及我国数据科学教育的蓬勃发展所带来的变化与冲击，我国高校中以图情见长的信管院系在数据人才培养的发展上，存在截然不同的三种思路。

第一种可称为激进派，认为图书情报与信息管理应与数据科学无缝对接，甚至改名为数据科学3，抢占数据科学发展的先机。但忽视了传统图情与信管院系在数据科学相关知识结构、师资、教学资源与经验等方面的不足，导致在数据人才培养过程中师资难以胜任、课程知识结构难以适应等后果，人才培养目标和效果难以保证。从而在与计算机、数学等强势学科的竞争中败下阵来，同时失去在传统信息管理领域的优势，日渐势微。因此，这种忽略基础与差距的激进式发展思路是不可持续的。

第二种则是保守派，主张沿用传统信息管理的培养自标、课程结构与师资队伍，拒绝做出大的改变，仅增设少量数据课程，甚至是将原有课程稍作改变，新瓶装旧酒，而未进行相应的改进。这种思路虽然能发挥原有师资和教学资源的作用，但不能与时俱进地进行调整，长此以往，也必将被时代所淘汰。

第三种为渐进融合派，认为信管院系的数据人才培养应积极响应大数据时代社会发展对人才培养需求的变化，利用信管院系与数据科学的内在联系，提升大数据时代信管人才的数据素养和能力。同时，认识到由信管学科到数据人才培养是一个渐进的过程，不能与计算机、数学、统计学等学科在培养方向重复，在不擅长的数据技术研发等方向与之竞争。而应立足现有基础和既有优势，找准数据人才培养目标与定位，有计划地改进师资结构、调整课程结构与培养方案，逐步提升信管院系数据人才培养的质量和竞争力。

三信管院系数据人才培养渐进融合式发展路径要点分析

我国大多数以图情见长的信管院系，既在传统信管人才培养上与数据科学人才培养有着密切联系和既有优势，也与计算机、数学、统计学等学科在数据科学技术与算法等知识能力培养方面有着较大的差距。因此，采取将信管原有基础与数据人才培养需求相融合，逐步实现向数据人才培养转变的发展思路更适合现阶段我国大多数高校的信管院系。信管院系数据人才培养渐进融合式发展的关键在以下几方面。

（一）在培养目标与定位上，注重信管人才的基础数据能力与主要行业的数据应用能力

面向大数据时代的发展需求，信管类人才培养应与时俱进，首先，需要全面提升信管人才的基础数据素养和大数据分析、管理与应用能力。把信管专业本科生和图书情报类硕士生培养成掌握信息管理与数据科学基础理论、技术与方法，能将大数据分析和运用理论与方法应用于相关领域实践的复合型人才。其培养应注重“宽基础，重应用、重实践"等特点。其次，还应专注于特定优势行业在大数据时代的最新变化和特定需求，为图书情报、信息服务、科技管理和用户大数据分析等传统优势行业，输送具有大数据管理与运用能力的高级专业数据人才。提升信管类毕业生在相关行业数据分析与应用岗位的适应性和竞争力。

（二）在发展路径上，注重现有基础和优势，有目标有计划地提升数据人才的培养能力

传统信管院系难以短时间内建立适应数据科学发展的师资队伍、课程和其他教学资源。因此，应重视和利用现有信管类专业课程和师资队伍，挖掘和调整原有课程结构和授课内容。在此基础上，围绕培养目标和方向，通过培养、引进或合作等方式，有针对性地加强所需数据科学知识和行业应用背景的师资充实教学队伍，逐步补强数据人才培养所需要的课程资源与教学能力。

（三）在教学方式方法上，不断探索能有效融合基础、突出培养目标的教学方式方法，促进信管院系数据人才培养的有效升级

不同学校应结合各院系实际情况，注重师资队伍和课程结构的新旧结合和更新过渡，科学设置数据人才培养的发展路线图，充分调动教师队伍的积极性，探索出快速有效的教学组织与服务方式，提升传统信管人才向新时期数据人才培养的转变速度和效果。

四信管院系数据人才项目式培养与教学改革探索实践

（一）数据人才项目式培养与教学模式探索

除了渐进融合的发展思路外，面对大数据时代对数据应用人才的旺盛需求，以及高校传统信管人才培养改革的迫切性，我们可以采用项目式人才培养与教学模式。该模式主要思路如图1所示，在加强数据科学基础知识培养的基础上，以主要行业的热门应用项目为龙头，将新增数据科学类课程与原有信管类课程有机结合，围绕项目实施所需知识与能力要求设置知识学习路径，一站式培养主要行业所需的应用型数据人才。

项目式数据人才培养模式的实施要点包括以下几点。

第一，准确选择主要行业的热门应用项目为龙头。项目的设置决定了培养的目标和内容。因此，行业热门应用项目的选择应紧跟行业领域发展的最新需求，贴近行业应用实践。既要能突显现有基础与既有优势，又能充分串联所需要的数据知识、能力与技能要求。项自还应动态更新，保持与行业实践需求相适应并具有一定的前瞻性。受师资队伍及教学资源限制，一定周期内应只选择2到4个行业应用项自开展实施并持续改进，而不宜同时开展多个项目或频繁更换。

第二，合理设置数据科学基础知识和专业性知识学习路径。数据科学知识基础需扎实、数据应用知识学习路径应清晰完整。大一、大二注重厚基础、宽口径，设置数据科学导论、数据结构等基础性课程，提升大数据素养和数据科学基础知识，为专业性应用型数据能力培养奠定坚实基础。大三、大四依据行业实践需求，围绕项目实施目标，选择相关课程和知识内容，重点培养知识运用和问题解决能力。增设和加强相关课程及知识内容，注重课程间知识模块的有机结合，形成精简、清晰而完整的知识路径。根据教学效果和外部需求的变化，不断调整和完善知识基础与知识学习路径，以保证项目实施与数据人才培养的整体效果。

第三，打破课程与学期界限，融合多类教学形式，围绕项目实施目标合理制定教学计划。打散课程主要知识结构，以项目任务为目标确定数据科学知识、理论、方法等内容，形成任务主线性知识学习体系与过程。将课堂教学、实验实训、学科竞赛、毕业论文与设计等不同类别教学形式有机结合，保证学生们能全过程、有重点有步骤地学习与掌握项目实施所需的全部数据科学知识与能力。

第四，改进教学组织与管理机制，保障项目顺利实施。为增强项目实施氛围与效果，可积极探索教师与学生们的组织方式。如相同知识学习路径的课程教师也需打破课程与教研室限制，处理好课程教学与项目整体培养、个人考核与团队目标完成之间的关系。同时，围绕项目实施，可将课程教师、行业与创业导师、硕博士等人员组成项目综合团队，跨课程、跨学期全过程地参与项目进展和人才培养。