高校课题申报基于新工科大数据专业的产教融合人才培养研究.docx

高校课题申报基于新工科大数据专业的产教融合人才培养研究.docx

《高校课题申报基于新工科大数据专业的产教融合人才培养研究.docx》由会员分享，可在线阅读，更多相关《高校课题申报基于新工科大数据专业的产教融合人才培养研究.docx（11页珍藏版）》请在冰豆网上搜索。

高校课题申报基于新工科大数据专业的产教融合人才培养研究

基于新工科大数据专业的产教融合人才培养研究

学科分类：

高等教育

课题类别：

重点课题

关键词：

大数据，产教融合，人才培养，新工科

预期研究成果：

研究报告

课题设计论证

1.问题的提出、课题界定、国内外研究现状述评、选题意义与研究价值

1.1国内外相关研究现状分析（问题的提出、课题界定、国内外研究现状述）

随着智能化和信息化的快速发展，新工科专业（工科范围内的新专业）在高校中不断涌现。

其中，数据科学和大数据技术（大数据专业）属于新工科。

从2015年仅有的3所高校，到2019年的409所高校，规模迅速发展，究其原因：

一方面，国内高校不仅需要体现专业的与时俱进，同时需要适应社会对该方面的人才需求，符合社会发展的潮流。

另一方面，为了提振国民经济，2020年3月国家正式启动了大数据中心新基建领域，大数据专业的火热程度不断加深。

全球大数据专业竞争，核心是人才质量竞争，关键是人才培养能力、人才培养水平竞争，根本是人才培养方案的竞争。

数据科学与大数据专业人才培养方案，也就成为了全球学者重点的研究领域。

在国内，李莎莎等[1]针对人才培养方案质量参差不齐的问题,选取国内外14所有代表性的高校,将其培养目标和课程设置进行对比，提出数据科学与大数据专业人才培养的建议；朝乐门等[2]更进一步给出数据科学与大数据技术专业特色课程的建设研究；杨银等[3]针对地方性高校数据科学与大数据技术专业建设,形成一整套面向大数据研发和产业应用、体现地方高校办学特色和数据科学与大数据技术专业特色的新工科人才培养模式;肖大薇等[4]结合新工科建设的内涵和当前大数据人才的岗位需求，研究新工科背景下应用型大数据人才的培养特点,培养目标和培养要求。

以上研究的共同点为大数据专业的人才培养目标大体以计算机科学与技术为基础，涉及学科知识面广，分散性强，却忽略了专注于某个具体行业领域的人才培养的思想，进而去进行行业数据分析和数据挖掘。

李辉等[5]针对涉农高校数据科学与大数据技术专业建设的必要性,分析了典型涉农高校数据科学与大数据技术专业现状,构建了基于OBE理念的涉农高校数据科学与大数据技术专业培养方案；曾毅等[6]围绕产学合作协同育人平台的搭建和维护,提出以就业岗位为中心,以培养学生实践能力、提高学生的职业素养为目的的大数据方向人才培养方案;张韧志等[7]提出新工科背景教育下地方本科院校大数据专业人才培养方案;冯永等[8]通过立体综合的大数据相关课程建设和竞赛指导实践,文献分析研究,产业调研,教学研讨及项目实施,提出了分层,分级,可扩展的大数据产业高级技术人才协同创新培养模型。

从这些文献中，可以发现在当前社会招聘市场，企业优先选择计算机、数学或统计专业好的院校，并要求与某个行业紧密相结合，对该行业大数据进行挖掘价值。

很显然，现在国内高校大数据专业人才培养方案并不能完全适合社会市场需求。

在国外，冯永等[8]指出高校大数据专业则主要围绕某个行业，采用产学研合作育人机制，构建良好的大数据行业人才生态系统。

孙书韬等[9]提出国外高校围绕不同大数据行业领域，设计不同培养方案。

针对大数据系统研发应用行业，针对大数据分析行业，王晰巍等[10]指出设计专门的大数据系统研发工程师培养方案、负责大数据应用开发行业，设计专门的大数据应用开发工程师培养方案。

刘进等[11]设计专门的大数据分析师培养方案、负责数据可视化行业，设计专门的数据可视化工程师培养方案、针对数据安全行业，则设计培养数据安全研发方案。

借鉴国外大数据专业以行业+产学研合作育人机制的经验，针对目前中国面临的大数据专业人才，知识面广而不精、行业适用性不强、教师职业化能力弱等问题，急需对该专业的人才培养方式进行改革与探讨。

因此，本项目在新工科背景下，研发一套大数据专业产教融合的动态扩展的行业需求、课程体系、培养方案的三级人才培养模型，从学生、教师、学院三个层面，分别提出1个大数据行业学院，1个数字化职业技能培训基地，1个数字化协同创新平台的“3维1体”产教融合新型教学模式思想，打造产、学、研、工、创“五维”一体化的人才培养模式，带动当地社会产业升级转型，促进地方新经济发展。

1.2选题意义与研究价值

1.2.1选题意义

本项目以大数据新工科专业产教融合人才培养建设为核心，从高校大数据专业问题分析入手，构建大数据专业现状语料库，经过数据特征提取，针对与行业紧密结合的专业问题特征，从学生、教师和学院三个层面，在高等院校中进行大数据行业学院、数字化职业培训基地和数字化协同创新平台的建设，以此为基础，设计大数据专业产教融合的动态扩展的行业需求、课程体系、培养方案的三级人才培养模型，实现信息产业人才培养、学生创业服务、教师科研、对外服务等功能，打造产、学、研、工、创“五维”一体化的人才培养模式，通过人才的输出，带动当地社会产业升级转型，促进地方新经济发展。

1.2.2研究价值

通过建立大数据新工科专业产教融合教学模式——大数据行业学院、数字化协同创新平台和数字化职业技能培训基地和动态扩展的三级人才培养模型——行业需求、课程体系和培养方案，学校可以根据大数据不同应用行业需求，设定相关大数据、人工智能、云计算等不同课程的学生实训，还可以通过该平台由企业的科研人员引导老师进行高效地科研开发，培养和锻炼高校师资的科研能力。

针对相关技术体系课程内容的培训，以及对学校的教师进行相关企业课程的培训，使教师熟悉课程内容，彻底掌握大数据行业技术内容，了解对应大数据数字化产品的配置、维护等必备知识，并在完成培训后安排相应理论、上机、试讲考核，激发学生创新动力，提升学生解决复杂问题能力，提高教师职业技术能力，提升学院影响力与竞争力。

2.课题研究目标、研究内容、研究重点和创新之处

2.1研究内容

根据建设大数据新工科专业产教融合人才培养方案的研究目标，本项目研究内容包括三个子课题：

第一，国内高校大数据专业现状分析以及存在问题的数据特征提取；第二，“3维1体”产教融合新型教学模式的研究；第三，设计一套大数据新工科专业产教融合的人才培养模型。

三个子课题之间的关系，如图2.1所示。

图2.1研究课题框架

从图2.1可知，子课题1是本项目的研究基础，主要通过Web网络爬虫、问卷调查等方法收集国内高校大数据专业的发展现状，构建国内高校大数据专业人才培养方案现状语料库，再利用大数据技术、机器学习算法，提取本专业存在学生就业、教师技能、知识覆盖等多方面问题的数据特征，并进行统计分析，为子课题2提供服务研究；子课题2是本项目的研究重点，针对抽取得到大数据专业问题的特征维度，从学生、教师和学院三个层面，提出“3维1体”产学融合新型教学模式，分别重点研究1个大数据行业学院、1个数字化协同创新平台、1个数字化职业技能培训基地的建设工作，为子课题3建设打下良好的基础；子课题3，按照高校人才培养方案规范和新型教学模式内容，制定一套大数据专业产教融合的动态扩展的行业需求、课程体系、培养方案的三级人才培养模型。

在本项目研究过程中，核心内容主要包括四个方面：

（1）构建高校大数据专业现状语料库

　　编写Web网络爬虫工具，对国内外权威的网站或985、211高校大数据专业人才培养方案进行爬取，或采用人工问卷调查等方法，收集高校大数据专业课程设置、教师教学、就业工作、专业建设等多方面的数据，构建高校大数据专业现状的语料库。

（2）高校大数据专业问题数据特征的提取

　　在高校大数据专业现状的语料库基础上，利用大数据技术、机器学习算法或统计学方法，重点对语料库中学生就业、教师技能、知识覆盖等方面数据进行分析，提取高频率词，获取当前该专业存在问题的数据特征维度信息，进一步结合社会需求现状，综合和统计数据特征，得出存在问题的根本原因。

　　（3）“3维1体”产学融合新型教学模式的建设

为解决针对提取出的高校大数据专业学生就业、教师技能与知识覆盖等问题数据特征，需要分别从学生、教师和学院三个层面进行相应解决，依次建立1个为学生就业而提供行业领域学习的大数据行业学院，1个为学院发展而建立的大数据专业建设的数字化协同创新平台，以及1个为教师提升技能而建立的数字化职业技能培训基地。

　　（4）大数据新工科专业产教融合人才培养模型的构建

大数据相关技术知识与实践能力是人才培养的重点，也是产业热点，从而使得大数据技术架构演进快速而多变，因此，针对“3维1体”产学融合新型教学模式，遵循高校人才培养方案规范，利用教育学和教育信息化技术，构建一套大数据新工科专业产学融合动态扩展的行业需求、课程体系、培养方案的三级人才培养模型。

2.2研究目标

本项目的研究目标，如下：

（1）完成“3维1体”产学融合新型教学模式的研究。

（2）制定一套大数据新工科专业产教融合的人才培养模型，解决行业领域大数据专业人才缺失的问题。

（3）在国内外学术会议或期刊上发表学术论文1-2篇。

（4）培养本科生或研究生1-2名。

2.3创新之处

本项目的创新，如下：

（1）从行业应用角度，建设一套大数据新工科专业产学融合的教学模式，从学生、教师和学院三个层面进行研究，为今后高校大数据专业人才培养与教学模式，提供一条明确的发展方向。

（2）构建大数据新工科专业现状语料库与存在问题的数据特征库，可以为后面继续研究大数据模型的建立、招聘信息数据可视化等一系列科研问题提供良好的基础。

3.研究思路、研究方法、实施步骤、预期成果形式

3.1研究思路、研究方法与实施步骤

　　根据研究内容，提出的研究方法和技术路线，如下：

（1）构建高校大数据专业现状语料库及提取问题数据特征

访问国内权威高校网站《清华大学》、《北京大学》和《浙江大学》，以及国外权威高校网站《麻省理工学院》、《卡内基梅隆大学》和《剑桥大学》，利用Python语言编写网络爬虫，获取高校大数据专业人才培养方案信息。

利用现有成熟的jieba分词和词性标注工具进行分词和词性标注，得到高校大数据专业现状语料库。

再通过大数据技术、统计学知识和机器学习算法对语料库数据进行统计分析，求解得出高词频的词汇短语，抽取出目前国内高校大数据专业存在问题词汇的特征维度，如图3.1所示。

图3.1研究步骤图

结合社会需求现状，综合统计数据特征维度信息，得出国内高校大数据专业存在问题如下：

（1）缺乏科学系统的大数据行业高级技术人才创新教学方案与课程体系

（2）缺乏全面系统的高技术专业教师职业能力创新培养模式（3）缺乏合理可行的大数据产业高级技术人才协同创新培养模式。

（2）建设“3维1体”产学融合新型教学模式

由于大数据专业与行业需求具有强相关性，对高校大数据专业中学生就业、教师技能与知识覆盖等问题的数据特征提取之后，接下来就需要从校企合作角度出发，针对专业问题的数据特征和存在问题的原因，分别从学生、教师和学院三个不同层面，建立一个“3维1体”产学融合新型的教学模式，来解决本专业存在的问题，如图3.2所示。

图3.2“3维1体”产学融合教学模式

第一，针对大数据系统研发工程师、大数据应用开发工程师、大数据分析师、数据可视化工程师、数据安全研发等不同行业的人才，开设一个大数据行业学院，按照数据分析师、数据工程师及数据科学家三类人才的培养目标，设置不同行业领域的教学方案。

学科内容由企业和院校共建，主要包含课程建设、师资培养、人才培养、科研创新、人才考核，培养符合行业发展需要的、以应用为主导的特色性大数据专业人才创新培养模式。

第二，教师的教学实践技能必须同步提升，与时俱进。

建立一个数字化职业技能培训基地，定期对专业教师展开大数据行业——数据可视化、大数据分析师、数据工程师等技能培训，提升教师在不同行业领域中的技能水平，形成一套高技术专业教师职业能力创新培养模式。

第三，从学院层面上，需要与企业、研究机构合作，搭建一个大数据数字化协同创新平台，提供真实的大数据科研实践环境，使学生真正认识大数据的特点，建成并开展大数据相关课程的综合实验与实践平台，在综合实验结束后安排学生进入大数据相关的企业进行实践，建立产学研合作联盟，形成大数据产业创新人才实践培养基地；力推以工程研究和专业实践为主的项目和竞赛式教学方式，以项目和竞赛为主线、教师为主导、学生为主体、工程研究为方法，使学生主动参与、自主协作、探索创新；学校指导教师应与企业指导教师在企业指导学生完成毕业论文，进一步提升学生的创新实践能力，从而建立良性互动的教学、实验、团队与实践四位一体的大数据产业数字化高协同创新培养模式。

（3）构建大数据新工科专业产学融合人才培养模型

大数据相关技术知识与实践能力是人才培养的重点，也是产业热点，从而使得大数据技术架构演进快速而多变，因此，为了能更好地实现“3维1体”产学融合新型教学模式，遵循高校人才培养方案规范，利用教育学和教育信息化技术，设计一套显隐结合、动态扩展的三级人才培养模型，如图3.3所示。

图3.3大数据专业动态修正可扩展的人才培养模型

在图3.3三级人才培养模型中，大数据领域企业需求要素，体现社会市场行业特征，应用多变；大数据专业人才培养模型是人才培养的重点；大数据专业培养方案，体现课程体系知识点与学生实践能力培养。

大数据专业人才培养模型会受到大数据领域企业需要的影响，需要及时调整与反馈，通过行业特征与人才培养模式之间的映射来实现，即1:

1联系；同样，当大数据专业人才培养模式发生变化之后，也会直接影响培养方案，进一步调整其中的显式课程知识点要素、隐式实践能力要素或两者，演化出多套培养方案，这可以通过人才培养模式与培养方案之间的映射来实现，即1:

n联系。

另外，在图3.3中，大数据专业人才培养方案由显式课程体系知识点要素和隐式实践能力要素组成，如图3.4所示。

图3.4大数据专业人才培养方案

显式课程体系知识点要素从大数据专业课程出发，基本涵盖了网络爬虫数据采集、Web过滤、数据特征提取、降维、大数据分类/聚类算法、分词算法以及数据可视化等大数据研究领域的各个专业知识点，突出行业特点，符合数据分析师、数据工程师及数据科学家三类人才的培养目标；隐式实践能力要素则从学生科研与实践能力出发，对在大数据数字化协同创新平台中，学生的团队合作能力、创新能力、项目竞赛能力以及实践能力等多因素进行评价。

当行业特征与人才培养模式之间、行业特征与人才培养模式之间产生两级映射时，进而触发到显式知识点要素、隐式实践能力要素或两者同步更新。

因此，通过实现大数据专业人才培养模型的两级映射，完成实时递归修正，对课程体系进行扩展。

3.2预期成果形式

（1）论文

（2）研究报告

4.主要参加者的学术背景、前期相关研究成果、核心观点等

项目团队成员从事高校专业人才培养方案、机器学习、数据分析等领域的研究。

本项目负责人主持多项省级教学改革科研项目[6][7],项目（201802325001）利用案例驱动方式，对物联网工程专业《RFID原理与应用》课程从教学视频和实践双创平台建设两个方面进行教学改革的研究；项目（201901023010）对网络信息安全专业实训环节进行教学改革研究，建立网络空间安全及攻防实践综合实训基地，以提高学生专业能力和教师教学技能。

同时，还发表了多篇关于物联网IoT、大数据相关技术运用于专业教育领域的学术论文[1][2][3]，参与多项国家科研项目[4][5]，在项目（2011BAK08B05）中负责校园网络行为安全监测框架的建设；团队成员等人在人工智能、机器学习等领域研究多年，熟悉主流的技术方法，所研究的学术成果，已转化为产品；成员学科门类齐全，科研经验丰富，知识结构和体系完整，参与多项国家、省自然科学基金（61262041,61562052,61662041等）10余项，积累了宝贵的科研经验，发表过多篇高质量核心论文[8][9][10][11]。

项目团队成员还获得多项软件著作权,掌握了核心技术，为学术科研工作提供技术保障。

本课题组参照我校《数据科学与大数据技术》专业人才培养方案，拥有大数据专业实验室，具备一定的研究基础和实验条件。

同时，课题组成员长期与华中师范大学、武汉大学进行技术交流与合作。

5.开展本课题研究的主要参考文献

5.1国内外相关研究现状分析中的参考文献

　　[1]李莎莎,周竞文,唐晋韬等.数据科学与大数据人才专业课程体系分析[J].计算机工程与科学,2018,40（0z1）:

109-113.

　　[2]朝乐门,邢春晓,王雨晴.数据科学与大数据技术专业特色课程研究[J].计算机科学,2018.3

　　[3]杨银,黄云清,刘韶跃.地方高校数据科学与大数据技术专业人才培养模式研究[J].教育现代化,2019,6（04）:

23-25.

　　[4]肖大薇,姜立秋,李彤.新工科背景下应用型大数据人才培养路径探究[J].计算机教育,2019.4.

　　[5]李辉,张标.涉农高校数据科学与大数据技术专业人才培养思考[J].高等工程教育研究,2019（5）:

16-22.

　　[6]曾毅.大数据时代基于产学合作协同育人平台的计算机专业人才培养方案设计[J].计算机教育,2020.4.

　　[7]张韧志.基于新工科教育的地方本科院校大数据专业人才培养方案研究与实践[J].电脑知识与技术,2019.5.

　　[8]冯永,钟将,李学明,等.大数据高级技术人才协同创新培养研究与实践——以计算机全日制专业学位研究生与本科生协同创新培养为例[J].中国电化教育,2017（6）.

　　[9]孙书韬,朱立谷,李春芳.北美知名大学数据科学专业课程体系分析[J].中国教育信息化.2019.10.

　　[10]王晰巍,李玥琪,刘宇桐,李文乔.大数据及人工智能时代背景下国外图书情报专业研究生人才培养趋势研究[J].图书情报工作,2019.6.

　　[11]刘进,钟小琴.全球人工智能人才培养政策比较研究：

以中美英加4国为例[J].重庆高教研究,2020.5.

　　5.2主要参加者中的参考文献

[1]×××,刘延申.湖泊岸边移动物体的定位技术研究[J].华中师范大学学报（自然科学版）,2014（8）.

[2]×××,刘延申.基于IOT的网格坐标数码地图的研究.武汉大学学报（工学版）,2014年9月.

[3]×××.HowtoPromoteTeachingQualityandEfficiencyin

University——QuantificationTechnology.ICCSE2019,2019年9月.

[4]校园网络行为安全监测体系框架、集成与示范应用（国家级“十二五”规划）,项目编号:

2011BAK08B05.

[5]防伪鉴定及溯源关键技术的研究（国家支撑计划），项目编号：

2012BAK02B06/00.

[6]×××.网络空间安全及攻防实践综合实训基地建设.2019年第一批教育部产学合作协同育人项目.项目编号：

201901023010.

[7]×××.基于案例驱动的《RFID原理与应用》课程教学改革研究.2018年第二批教育部产学合作协同育人项目.项目编号：

201802325001.

[8]×××,GuoJ,XianY,etal.ANovelHybridApproachIncorporatingEntityCharacteristicsforVietnameseChunking[J].InternationalJournalofSimulation--Systems,Science&Techno,2016

[9]×××等.融合实体特性识别越南语复杂命名实体的混合方法[J].智能系统学报,2016,11（4）:

503-512.

[10]×××etal.Khmer-ChinesepersonnametransliterationbasedonnonparametricBayesianmodelandconditionalrandomfields[C]//ChineseControlandDecisionConference.2016:

1551-1555.

课题编号：

7947