SCI论文（www.lunwensci.com）:
摘要：大数据知识体系宽泛，大数据人才培养迫切需要构建核心的课程体系与有效的实践机制。文章分析了大数据人才培养存在的挑战，结合OBE理念，提出基于开放实践平台的大数据人才培养模式。该模式首先根据行业需求设置了先进的大数据核心课程体系，并基于现有高校的科研平台与资源，构建开放的大数据实践平台，最后给出大数据人才培养的评价机制。
关键词：开放实践平台；大数据知识体系；课程体系；评价机制
本文引用格式：熊安萍,等.基于开放创新实践平台的大数据人才培养模式探讨[J].教育现代化,2020,7(50):32-35.
Discussion on the Training Mode of Big Data Talents Based on the Open Innovation Practice Platform
XIONG An-ping,LONG Lin-bo,ZOU Yang,JIANG Yi,MA Bin
(College of Computer Science and Technology Chongqing University of Posts and Telecommunications,Chongqing)
Abstract:The knowledge system of big data is broad,and the training of big data talents urgently needs to build the core curriculum system and effective practice mechanism.This paper analyzes the challenges of big data talent training,and proposes a big data talent training model based on the open practice platform combined with the OBE concept.This model first sets up the advanced big data core curriculum system according to the needs of the industry,and builds an open big data practice platform based on the existing scientific research platform and resources of colleges and universities,and finally gives the evaluation mechanism of big data talent training.
Key words:Open practice platform;Big data knowledge system;Curriculum system;Evaluation mechanism
一 引言
随着行业数字化转型的快速发展及社会信息化的普及，全球数据量呈爆炸式增长，英、法、美、日本、印度等国均已将大数据提升为国家战略[1]，我国也提出了“推动互联网、大数据、人工智能和实体经济深度融合”的国家战略[2]。
国内数据资源型企业除运营商、互联网企业BAT之外，制造业企业、证券金融行业、物流企业以及政府部门等众多企事业机构同样拥有海量数据资源，迫切需要大量各类别的大数据高级人才，如大数据分析处理人才、大数据平台技术人才、数据交易人才、数据应用人才等，以此推动各行各业的大数据产业发展。据统计报导，当前近3-5年大数据人才缺口达到150万，而全国共有283所高校获批“数据科学与大数据技术”专业，大数据专业人才培养往往走复合型路线，即以专业集群来支撑。
然而，我国高校信息类专业人才培养机制与大数据领域人才需求在知识结构和实践能力方面均存在较大差距。如何根据行业对大数据人才能力的实际需求，研究符合行业需求的大数据人才培养模式，为大数据创新型人才培养提供重要参考，是亟待解决的重要问题。
二高校大数据创新人才培养问题分析
我国高校在大数据实践环节、专业课程体系、创新思维等方面的人才培养，仍存在以下几个方面的主要问题。
首先，与传统行业的创新创业人才培养不同，大数据创新人才培养提高了对实践能力的诉求。但目前高校大数据实践平台大多集中于科学研究，不能有效地服务于人才培养，如何利用高校现有的科研平台、课题项目、校企联合创新实验室等资源，建立有效运行管理机制，以此为大数据人才培养提供开放的创新实践平台是亟待解决的关键问题。
其次，大数据人才的理论知识储备不仅要求扎实的计算机科学与技术专业基础及数学理论基础，还涉及到数据离线分析、实时数据分析、大数据计算框架、大数据可视化、大数据挖掘等广泛的专业技术知识；更进一步，还需要涉及AI、机器学习、深度学习等前沿技术。然而，本科专业的培养计划无法囊括如此多的关联课程。如何结合大数据新技术的研究与发展动态，构建本科教学大数据人才培养核心课程体系，以促进学生对大数据知识体系进行自主的扩展学习，是培养学生大数据创新实践的基础。
另外，由于大数据应用往往与业务紧耦合，即大数据应用与数据资产所属行业的业务密切相关，大数据人才还需要学会分析行业数据自身特点，并了解行业相关业务，在此基础上进行创新实践以进一步提升创新思维。因此，如何以行业发展需求为导向，培养学生问题分析能力与创新思维，以技术创新、业务创新为着力点，建立符合当前大数据产业发展环境的创新创业人才培养机制，也是大数据人才培养模式的关键。
三 基于开放实践平台的大数据人才培养模式
根据行业需求的大数据人才特征，把握以社会需求为基点推动大学人才的培养目标[3，4]，本文结合“数据科学+创新人才”的创新思路，首先梳理出多级多层次模块化的知识体系，以优化课程体系、培养方案和课程内容，并以此为基础构建基于开放实践平台的大数据人才培养模式，如图1所示。
（一）构建核心课程体系
根据行业企业对于大数据人才的需求，结合我国信息技术行业背景，梳理分层分级的大数据知识体系，并在此基础上构建大数据人才培养课程体系。
（1）多级多层次的大数据知识体系。为培养具有新型知识结构的大数据人才，提升学生解决跨领域应用问题的能力，结合大数据技术发展，以强化学生计算思维能力为目标，梳理出如图2所示的多级分层的知识体系（平台层、大数据融合与存储、大数据计算与分析、数据应用与可视化四个层次；初级、中级、高级三个级别）。该分层分级的知识体系根据难易程度设置12个知识模块，在人才培养过程中，聚集核心知识来设置专业课程，不能聚集为专业课程的则将对应的知识融合到相关课程内容中，或采用专题讲座、定制化教学方式进行实施。
（2）构建大数据核心课程体系。基于图2的大数据知识体系，结合目前高校计算机大类已有培养方案，进一步优化大数据人才培养的课程体系，如图3所示。其中，包括三个课程模块：学科基础课程模块、专业基础课程模块、专业课程模块。
该课程体系已在现有新的培养方案中进行实施。其中，专业学科基础模块及专业基础模块已在现有培养方案中已有对应课程，在此基础上，我们在专业课程模块中设置了云计算与大数据技术基础、数据工程、行业大数据分析、机器学习、大数据系统开发等课程，以此来辐射大数据知识体系。
（二）开放的大数据实践平台建设与评价机制
由于大数据知识体系的宽泛性，其实践不同于一般专业课程可以通过随课实验、课程设计、集中上机等方式完成，事实上，大数据实践还需要资源开放、课题开放的综合实践平台的支撑。资源开放为大数据实践提供了计算、存储及展现的基础条件，课题开放为大数据实践提供了有效途径。
（1）构建资源开放的实体平台。基于弹性伸缩的PaaS平台，构建资源开放的大数据实践平台，从而通过自动化部署，为大数据分析、大数据科学类实践提供基础环境，避开实践环境部署的复杂过程；也可以由大数据工程师类的实践团队来自己定义大数据处理平台，从而实践相关的大数据平台技术。
资源开放的大数据实践平台将基于基础设施层、大数据套件组件层、大数据套件管理层加以构建。大数据实践平台的基础设施层可以是包括计算、存储、网络在内的基本资源；大数据套件组件层通常部署有HDFS文件系统、Hbase、Mongodb数据库组件、MapReduce、Hive组件、以及Storm、Spark并行计算组件等；大数据管理层包括了运行时/工作流管理、部署、监控管理等套件。
（2）构建三位一体的开放课题机制。大数据是日新月异的新兴领域，伴随其在工业制造、电力、交通、医疗、农业等行业中得到的广泛应用，在人才培养过程中，更应强化大数据人才的创新思维培养。为此，针对大数据技术重要的前沿方向，参考注重精英本科人才的启示[5]，针对卓越工程师班或实验班同学，通过实施大学生科研训练、开放研究课题、开放企业课题等有效途径，充分培养学生的创新创造能力，如图4所示。
1）开展大学生科研训练计划。运用高校已建立的大学生科研训练计划机制，学生自由组队后联系指导教师，共同协商申报科研训练课题，课题设计可以围绕各级各类大数据关键技术的知识点设计，训练时间一般为1年，通过科研训练，让学生掌握大数据技术基础及基本的课题研究基本方法，培养和锻炼创新思维。
2）开放科学研究课题。基于相关科研团队的各类科技在研项目，从中进行课题分析，提取课题中对应的子课题，并通过相关网站以课题的形式定向发布，学生自己组队后进行申报，由科研团队进行筛选确定。开放课题时间一般为1-2年，采取导师引导下的虚拟团队管理模式。同时，匹配相应的奖励措施，从教师团队相关课题经费中为取得创新成果的学生虚拟团队提供奖励支持。
3）开放企业课题研究。由于数据源大多属于企业数据资产，且企业更需要符合新工科背景下的应用型大数据人才[6]。为此，以校企合作的联合实验室为媒介，企业根据其大数据领域实际需求，通过联合实验室定期发布各类相关研究课题，学生组队后联系指导教师，在教师指导下进行课题申报及后续研究，课题时间一般为1-2年，以企业横向研究课题的项目管理模式加以实施。
综上所述，建立起多渠道的开放课题机制，为学生提供实战平台与经验指导，是培养学生大数据技术实践能力的有效途径。
（三）人才评价
对于大数据人才的评价，这里可以从专业课程达成度评价、研究成果评价、社会效益评价三个方面进行。其中，专业课程达成度评价遵循工程教育的OBE理念[7]，研究成果评价可以从开放课题产生的专利、发表的论文、参赛获奖等方面进行量化评价，社会效益评价则从企业开放课题产生的经济效益、课题达到的技术指标或参数、课题解决的问题等角度进行量化评价。根据评价结果，持续改进人才培养模式各环节，从而达到大数据创新型人才培养目标。
四 结束语
开放的大数据实践平台是大数据人才培养的有效载体，进一步地，可以结合“双一流”学科建设，从尊重学科发展规律、丰富学科评价方法等角度，不断优化和完善大数据人才培养模式的各个环节，以遵循当前新工科背景下人才培养目标要求。
参考文献
[1]国内外大数据发展现状和趋势[EB/OL]，https://wenku.baidu.com/view/46b300ff04 08763231126edb6f1aff00bed57064.html，2018.
[2]我国大数据发展的现状和趋势，[EB/OL]，http://www.qianjia.com/html/2018-05/24_293121.html，2018.
[3]胡军,张勤,夏英.大数据时代计算机专业人才培养研究[J].计算机教育,2018(4):43-45.
[4]靳玉乐,廖婧茜.我国大学卓越应用技术型人才培养的改革探索——基于德国应用技术型人才培养经验的探索[J].西南大学学报(社会科学版),2017,43(06):60-66+194.
[5]项凡.麻省理工学院办学经验对我国“双一流”建设的启示[J].江苏高教，2017(1):99-102.
[6]肖大薇,姜立秋,李彤.新工科背景下应用型大数据人才培养途径探究[J].计算机教育，2019(4):89-92.
[7]李薇,王磊,鲁晓锋,等.基于OBE理念的计算机专业人才能力培养模式创新[J].计算机教育,2017(08):47-51.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/31402.html
