基于大数据基因的“产学匹配”大学生科创实践体系的构建

陈宁宁

关键词：大数据；产学匹配；创新创业；人才培养

中图分类号： G642.0 文献识别码：A

文章编号：1009-3044（2023）20-0153-03

科技是第一生产力，创新则是一个民族进步的灵魂，大学生的科技创新活动则是两者的有机组合部分。大学生创新能力与实践能力的培养是一项系统工程，在整个大学生创新教育中，不仅仅是传授知识，更重要的是要培养学生综合运用所学基础知识，解决实际问题。同时如何将创新实践贯穿于大学生在校培养的整个过程和各个环节，最终达到发挥学生特长和才能的效果，是高校教学开展的重要课题之一[1]。

1 大学生科创实践活动存在问题分析

1） 学生科创思维容易脱离产业需求，科创实践偏离企业热点技术。目前，大学生大部分都没有企业工作经历和项目研发背景，对课本知识的理解以及在实验环境的实践，和企业的实际项目存在一定的差距，在进行科创选题时，部分学生会脱离实际的应用需求[2]。

2） 科创实践对学生的专业知识积累和创新思维都有着较高的要求，完成高质量的科创实践活动对大部分大学生而言，是有一定的难度和挑战的。如何引入新的创新元素，跨界整合，激发学生的创新热情和拓展其创新思维是教师和学生在参与创新实践活动中共同面对的难点问题。

3） 缺乏项目演练，实战能力不足。由于教学中涉及的枯燥难懂的专业理论，知识点繁多，知识碎片化，学生不能基于项目应用将之有机联系在一起，形成一套完整的知识体系，很难做到知识到实践的融会贯通，所以导致部分学生在参加科创活动、学科竞赛时即使自身能提出新颖的大创选题，但也因实践能力不足无法顺利开展项目研究，并设计成品最终完成项目结题。

4） 项目经验空白，无创业、竞赛竞争力。“互联网+”大学生创新创业大赛“中美创客大赛”“全国电子设计大赛”等各类竞赛重点考查培养学生项目设计、项目实施和研究报告撰写等能力，更注重学生自我和团队的实战能力和项目经验，而大部分应届生没有经过实际项目的历练，对完整的项目开发流程、项目整体方案，没有基础的概念，在创新创业竞赛中弱势明显，很难获得较好的名次。

2“ 产学匹配”科创实践体系构建的必要性

1） 跨界整合、实践导向

随着社会经济发展的不断深入，迫切需要更多具有创新能力的高素质人才来推动社会发展。诸多观测表明，大学生产学匹配创新能力培养是实现改革发展的重要途径。而跨界整合是推动产学匹配的有力抓手，它主要表现为：在办学制度层面，它是校企合作的，打破了封闭的企业与学校各自运作的“围城”；在人才培养层面，跨越了分割工作与学习的各自孤立的“界限”；在社会功能层面，跨越了经济与教育各自定位的“藩篱”[3]。企业实践参与高校教育能够推动大学生参与商业实践，丰富其实践能力，做到产学结合，激发大学生的动手能力，更加突出实践导向。

2）“ 多学科融合”，思维创新

大学生创新能力的培养更重要的是如何提高学生的思维创新。“多学科融合”形成“共学共享”的知识网络，把其他学科中可能有用的知识和技能与自我专业知识相结合，学会从多个学科视角来分析问题，把它放入和更多类似的多学科环境，从而发掘出新的视角或思维方式，使得自我行为和思维都融入跨学科的多元思维。

3“ 产学匹配”科创实践体系构建方法

本文在学生科创实践能力培养中，提出基于企业招聘数据保证科创实践“产学匹配”模式，通过融合大数据技术和专业应用促进学生创新思维发展，进而对标企业实战提升学生科创实践能力，最终形成一套完整的科创实践新体系，主要表现在以下三个方面[4]：

1） 基于企业招聘数据，分析企业对目标专業的关键技能要求，辅助科创项目选题，保证科创实践产学匹配，详细步骤如图1所示。首先，研究目标专业当前的行业动态、主流技术分布及未来发展趋势，梳理该专业的热点技术依赖栈，对关键技术进行初始评分，建立目标专业的关键技术优选模型。其次，使用网络爬虫技术或网站采集接口持续采集企业招聘信息，基于大数据技术进行专业知识点分析，根据企业的招聘要求进行知识评分，建立目标专业的知识地图。最后，将知识地图映射到优选模型，建立目标专业的关键技术精选模型，从而精确计算目标专业的关键技术矩阵。大学生科创实践应尽可能地落实在目标专业的关键技术矩阵内，让学生对目标专业前沿技术触手可及，对企业的人才技能要求有直观的认知，增强学生科创实践能力。

2） 将大数据技术融入现有知识体系，拓宽学生科创活动的创新思维能力。大数据技术作为一门新兴的基础学科，在传统行业应用中遍地开花，交通、农业、电商、金融、通信、市政等行业，无处不在。将大数据技术融入目标专业的科创实践，能够开阔学生的知识视野，激发学生的创新思维，并充分利用现有行业数据进行科创实践，同时提升了科创实践的质量水平[5]。

3） 规划对标企业项目的实战演练，提高学生科创实践能力。以一个完整的典型项目覆盖目标专业的主流技术及专业课程知识，将知识点串起来，形成一个系统的知识地图，将课本上的专业知识映射到实战项目，让学生的专业理论知识更加直观、易于理解。

4“ 产学匹配”科创实践体系特点

1） 数据驱动，基于企业招聘数据精确计算目标专业的关键技术矩阵，为产学匹配提供了科学依据。

2） 引入大数据技术，将专业知识和大数据技术相结合，不但激发了学生的创新思维，同时提升了科创实践的质量水平。在产业数字化转型浪潮中，传统行业在大数据技术的加持下，焕发了新的生机[6]。基于大数据基因的科创实践体系的建立，进一步培养学生以大数据应用行业项目和创新产品为导向，激发学生的创造、创新、创业活力，培养学生创新思维、协作精神、实践能力，为学科竞赛选拔队员、储备优秀人才。

3） 基于企业招聘数据保证产学匹配，融合大数据技术和专业应用促进创新思维，通过对标企业实战保证科创实践能力，形成一套完整的科创实践新体系，为高校大学生科创能力培养提供新的参考方案。

5“ 产学匹配”科创实践体系效果验证

为了验证基于大数据基因的“产学匹配”科创体系实施效果，本文以数据科学与大数据技术专业为例，开展大学生科创实践能力培养实施效果验证，通过多年实践，该体系分别在课程体系建设、学科竞赛和师资培训等多方面取得了较好成果。

5.1 基于大数据基因构建专业技术依赖栈

利用大数据技术基于大数据专业行业动态分析、热点技术分析、技术依赖关系，建立基于专业方向、技术簇的大数据专业技术依赖栈，如图2所示。通过分析行业现状数据，分析出行业现状中大数据专业对当前技术簇的依赖程度，进而建立就业方向和技术簇的依赖关系及依赖权重，最终根据大数据技术的成熟度、部署率、市场占有率、发展趋势进行技术评分，建立以就业方向、技术簇依赖向量表、技术依赖栈、热点技术评分信息为依据的大数据专业的关键技术优选模型，为后续“产学匹配”的技术支持打好基础。

5.2 构建“产学匹配”知识地图

使用網络爬虫技术或网站采集接口持续采集企业招聘信息，具体数据采集功能模块设计如图3所示。设计知识分析引擎，分析企业社会招聘岗位技能要求的知识点，计算企业岗位技能要求，进行知识评分，建立大数据专业的知识地图。将知识地图映射到优选模型，建立目标专业的关键技术精选模型，从而精确计算大数据专业的关键技术矩阵，通过技术矩阵指导学生的科创活动与自我专业前沿技术保持一致，进而对标企业关键技术项目研发，最终形成以“产学匹配”为导向的科创选题或实践活动。

5.3 指导学生科创实践活动

在大数据专业实施验证科创实践体系的多年内，学生通过将大数据技术融入自我知识体系，拓宽创新思路，在“大学生创新创业训练计划项目”申报中，将选题关键技术落入大数据专业的关键技术矩阵，以企业项目实战演练方式撰写项目申请书，实现了从理论基础到技术应用、专业技能到“双创活动”、学科竞赛的技能转化，并取得了优异成绩。

5.4 指导教师专业实践能力提升

基于大数据基因的科创体系构建模式不仅适用于学生创新技能的提高，同时也适用于教师自我专业能力的提升。以大数据专业教师为例，通过大数据技术对企业招聘数据的分析，让教师团队充分认识大数据专业的技术生态、热点技术、行业发展趋势等信息，促使教师及时进行大数据专业知识更新，建立完整的专业知识体系，提升个人教学能力和科研能力，最终实现企业热点技术数据驱动，精准对接教师工程能力提升，进一步完善教师的理论实践知识体系，促进专业教学团队建设。

5.5 促进教学模式新的改革

基于大数据基因的科创体系构建流程，对现有教学课程体系产生了重要影响。在2019年，针对大数据专业课程体系建设研究中，借鉴了“产学匹配”科创实践体系构建流程，开展大数据专业课程选型模型研究，通过行业动态、企业岗位要求、就业准入门槛、技术依赖栈的研究，建立大数据课程选型模型，并建立数学求解动力模型，为大数据专业课程选型提供一套产学匹配方案，辅助高校根据自身的专业定位完成课程内容的选择。同时也为其他学科（如云计算、人工智能）进行课程选型提供了借鉴参考。

6 结论

本文在学生科创实践能力培养研究中，提出基于企业招聘数据保证科创实践“产学匹配”模式，通过融合大数据技术和专业应用促进学生创新思维发展，进而对标企业实战提升学生科创实践能力，最终形成一套完整的科创实践新体系，主要表现在以下三个方面：

1） 以大数据技术为依托，基于企业招聘数据精确分析产业需求，建立科学的产学匹配科创体系；

2） 将大数据技术融入专业知识体系，拓宽学生科创活动创新思维能力。积极尝试将大数据技术融入传统行业应用中，使各专业学生在进行科创活动中做到选题内容及形式多样化，灵活思维，延伸创新领域；

3） 建立对标企业项目的实战演练，全面提高学生实践能力。