以竞赛为载体的应用创新型人才培养模式改革与实践
——以数据科学与大数据专业为例

王嵘冰，徐红艳，冯 勇

(辽宁大学 信息学院，辽宁 沈阳 110036)

0 引言

随着应用型人才需求的不断增加，很多普通高等院校已经将学生实践创新能力的培养作为人才培养的重要目标之一[1].随着教育部、国家发改委等部门对高校工科专业应用型转型的逐步推进，越来越多的学者和教师投入到应用创新型人才培养模式改革与实践的探索中，并取得了很多有价值的研究成果.

我校数据科学与大数据专业是2018年4月获批的新增本科专业，同时也是应用型转型试点专业之一.应用创新型人才培养已经成为新工科专业体系建设的重要环节，理论课程体系、实践环节设计等都将围绕应用创新型人才能力的培养来展开.

随着学科竞赛的推广与普及，很多学生有意愿通过学科竞赛这个平台来提升自身的能力.同时，学科竞赛也被认为是实现应用创新型人才培养的有效手段.本文将对目前大学生参与学科竞赛存在的问题进行分析，并针对相关问题设计出完善的竞赛指导体系及相关专业课程体系，让学科竞赛在本专业创新型人才培养中的作用得以充分发挥.

1 大学生参与学科竞赛存在问题分析

数据科学与大数据专业，作为计算机大类的一个组成部分，可以参加的学科竞赛有：全国大学生网络商务创新应用大赛、全国大学生计算机设计竞赛、ACM国际大学生程序设计竞赛、全国大学生电子商务“创新、创意及创业”挑战赛等十余项赛事，为学生参加学科竞赛提供了多种选择.同时，学校和学院也为学生参加各种竞赛提供了经费及政策上的支持，因而学生具有极高的参与热情，但目前面临的主要问题如下[2]：

1)盲目性.由于学科竞赛的种类比较多，学生在选择自己要参加的学科竞赛时，并不知道该项竞赛的类型、特点及所需要的专业知识等相关信息，只是为了参加比赛而比赛.从而导致学生参加了多项竞赛，但是对自身能力的培养却没有起到促进作用，甚至出现因参加各种名目繁多的比赛，而影响正常本科教学的情况.

2)比赛成绩不够理想.由于学生在选择竞赛项目时没有专业老师的科学引导，学生不能结合自身的专业知识程度来选择竞赛；专业理论课及实践课程的设计与学科竞赛相脱节，导致学生不知如何将所学的专业知识与竞赛的内容相结合.上述两个原因均会导致学生在参加学科竞赛时无法取得理想的比赛成绩.

3)连续性不够.取得满意的竞赛成绩是学生坚持竞赛最主要的动力.而很多同学在完某项赛事中成绩不理想，由于学生缺乏专业团队的指导，无法从失败中汲取再次备战的经验.因此很多同学仅因为一次失败就放弃该项赛事而转投其他赛事，甚至失去了参与学科竞赛的热情.

4)团队组建不合理.目前多数学科竞赛都是以团队的形式参赛，以培养学生的团队合作能力.目前学生的组队原则就是几个关系要好的同学组织成一个团队，而很少考虑组队成员之间是否能胜任这项竞赛，也甚少考虑成员之间的能力能否互补，从而实现有效的合作以取得满意的比赛成绩.

2 竞赛指导体系改革与实践

2.1 组建经验丰富的教师指导团队

作为学科竞赛指导的主体，教师的指导对学生参加竞赛的成绩有着决定性的作用.为了加强学科竞赛对本专业应用型人才培养的促进作用，由本专业有指导比赛经验的教师和企业中有实践经验的工程技术人员共同组成学科竞赛指导团队.指导团队的指导流程如图1所示：

* 该团队的教师对名目繁多的学科竞赛进行比较、分析，从中选择与本专业密切相关的学科竞赛供学生参考，并详细指出每个竞赛的难易程度、所需要具备的专业知识以及参赛者需要达到的能力水平，从而为学生在选择参赛项目时给出积极的引导作用.

* 当学生报名参加学科竞赛并组建团队时，指导教师会对该团队的每一位成员进行能力评估，根据评估结果给出一个较为合理的团队组合建议，避免特长相似的学生出现在同一个团队中.这样充分发挥每一位参赛选手的特长、取长补短，形成一个最优团队组合.

* 学生准备竞赛过程中，对竞赛的选题、在竞赛中可能遇到的问题进行分析和指导，并帮助学生选取历年竞赛中的典型题目进行模拟实战，以培养学生随机应变的能力，通过日常的强化训练来培养学生解决问题的能力.同时，有实践经验的工程技术人员也会把自己在实际工作的问题作为竞赛题目，指导学生去分析和解决，这样可以拓宽学生处理问题的视野，真正将比赛与工程实践相结合.

* 比赛结束后，带领学生对本次竞赛的成功与失败之处进行总结，针对遇到的问题找出相应的解决方案，为下一次比赛积累宝贵的经验.

教师通过指导学科竞赛，就会认真思考在授课过程中如何调整教学内容、如何设计实践环节、如何将课堂抽象的理论知识和具体的实践环节及竞赛进行有机结合.通过理论教学和学科竞赛相互促进，为应用创新型人才培养打下坚实的基础.

2.2 形成“以老带新”的不间断培养机制

在学科竞赛中，专业教师的指导固然重要，但是比赛经验的传授对参加学科竞赛的选手来说也很宝贵.因此，为了让参赛学生少走弯路，我们建立了“以老带新”的不断线培养机制.因学校执行计算机大类招生，在大二下学期开始实行专业分流，因此本专业学生竞赛的不断线培养机制将从大二下学期开始实施[3].具体不断线培养机制如图2所示：

2.3 竞赛选手能力评价机制

为了对每位竞赛队员的能力进行评估，进而组成一个优势互补的参赛团队，本文将构建一个学生能力的评价体系.该评价体系由：专业教师评价(TA)、项目组内评价(PA)、不同项目组间评价(DA)及学生自评(SA)四部分构成[4].每个竞赛选手的评价指标体系如表1所示，每项评价指标的分值为百分制.

表1 参赛选手评价指标

将所有评价人分成四组，专业教师组(TA)为参赛选手i第j项指标给出评分，求出TA组为参赛选手i第j项指标评分的平均值，表示为TAi,j；同理PA组的平均值为PAi,j，DA组的平均值为DAi,j，SA组的平均值为SAi,j.计算参赛选手i第j项指标的最终评分Scoi,j，如公式(1)所示：

Scoi,j=αTAi,j+βPAi,j+γDAi,j+ρSAi,j

(1)

其中，权重因子α+β+γ+ρ=1.在实际中考虑TA、PA的评价成绩能更加直观反应参赛选手的能力，因此将权重因子设置为α=β=0.35,γ=ρ=0.15.最后根据每位参评人的Scoi,j值进行单项能力及综合能力的评判.

2.4 “以赛代练”的强化训练机制

由于竞赛过程中会有很多意外情况发生，因此对参赛选手的随机应变能力要求比较高，而这种能力的培养仅仅从日常的实践课程或日常训练中是无法获得的.因此，为了提高学生应对竞赛过程中多种变化的能力，在比赛之前会设计相应的院内、甚至校内的模拟比赛，使用竞赛时的评审规则进行评判，甚至评委老师可以在比赛过程中适当增加比赛的难度以培养学生沉着应对的能力.模拟比赛过后，由参赛成员、指导教师及同项目组的高年级同学组成讨论组，对模拟比赛中出现的问题进行分析、研究，找出相应的解决方案.通过这种多次的强化训练机制，使参赛学生能够逐步适应比赛的紧张气氛，增加临场解决问题的能力，为比赛取得满意成绩带来有力的保障.

3 竞赛课程体系改革

学科竞赛通常与专业的核心课程内容密切相关，应将学科竞赛的知识点进行分解，并据此整合和优化实践课程内容，建立分层次、模块化、相互衔接的实践教学内容体系，使学生在掌握基本技能的基础上，通过提升平台的训练，逐步具备较高的应用创新能力和学科竞赛能力[5].模块化核心课程体系如图3所示.

3.1 理论课程体系改革

1)基础知识储备阶段：该阶段的学生按照计算机大类的教学计划将完成《高级语言程序设计》、《计算机导论》《数据结构》《创新创业模块》等基础学科的学习.通过该阶段的学习，学生已经掌握基本的计算机软、硬件理论知识，并具备一定的算法设计能力.

2)学科竞赛初级培训阶段：该阶段的学生已经完成专业分流.按照数据科学与大数据专业的教学计划将完成《算法分析与设计》《R语言》《Python语言》等与竞赛相关课程的学习.在教学过程中：任课教师通过竞赛成果展示来激发学生参与竞赛的兴趣；在讲授时结合竞赛的经典案例进行分析，使学生增强对所学理论知识的理解与运用；通过对往届竞赛题目的分解，从中选择出可操作的子题目以作业的形式布置下去，培养学生独立解决问题的能力.

3)学科竞赛强化提升阶段：大部分学生已经经过比赛的锻炼积累了相关经验.因此将对该阶段学生进行相应的能力提升培训，提升平台的课程有《机器学习》《最优化理论》《Hadoop架构设计》等[6].在教学的各个环节中依旧贯穿着与本门课程相关的竞赛题目、真实问题等案例的分析与讲解.通过这些课程的学习，学生的应用创新能力将有大幅度的提升.

3.2 实践课程体系改革

在专业实践环节设计时，充分考虑学生创新能力的培养.在基础知识储备阶段，通过专业课课内实验及单独设课实验《认知实验》的培养，学生已经具备一定的编程基础；在学科竞赛初级培训阶段，在课内实验环节以及实训课《计算机程序设计高级实验》中，同样以竞赛的题目或来自社会的真实问题设计实验内容，从而真正实现学以致用，培养学生的应用创新能力；在学科竞赛强化提升阶段，通过《网络舆情大数据分析实验》《电子商务大数据分析实验》等实训课程对学生进行强化训练，提升学生解决实际问题的能力.

为了促进学生参与竞赛的积极性，在数据科学与大数据专业课程体系设计时，在大二的夏季学期和大三的夏季学期分别开设了学时均为30学时的实践教学课程：程序设计I和程序设计II.这两门课程将以往届竞赛题目、教师科研项目、企业实际项目为主要教学内容，侧重于学生竞赛能力提升的培训.这两门课程的成绩将以学生参加各类竞赛的成绩作为最终考核成绩.在教学过程中将根据学生参加竞赛的等级、取得的成绩等制定较为详细的评分指标体系，以完善应用创新型人才评价体系的建设.

4 结论

通过学科竞赛的锻炼，学生不仅得到多角度、多层次的实践锻炼，而且也得到多维度、多方面的能力提升.因而围绕学科竞赛开展研究、设计培养模式，是实现数据科学与大数据专业应用创新型人才培养目标的有效举措.