基于OBE理念的数据科学与大数据技术人才培养创新研究与实践

张俊丽　姚香秀　程茜　吴睿

[摘 要]文章主要针对数据科学和大数据技术专业建设问题，首先采用了OBE的教育理念，从学科人才培养方法与培养模式的角度，系统研究了学科培养目标、学生毕业条件、课程体系的构建思想，在很大程度上保证了培养目标和成果的统一性，再采用不断完善的教学评估制度，进一步提高了人才培养教学质量，实现学生学习成果的最终总体目标，为大数据应用创新人才培养目标的实现提供有力保障。

[关键词]OBE教育理念;数据科学与大数据技术;人才培养模型;课程体系

[中图分类号] C961 [文献标识码] A [文章编号] 2095-3437（2022）04-0185-04

当今世界迎来了高速发展、瞬息变化的互联网时代，正经历着一次规模巨大的数据分析革命。随之而来的数据分析、数据发掘、大数据可视化等新科技，将不断地为大数据分析和云计算行业提供巨大的商业价值，并逐渐成为业界人员竞相追逐的利益焦点。由此，与之相应的职业需求量也必将呈现爆发式上升趋势，但目前大数据分析职业的相关人才短缺，因此，人力资源缺口巨大。在此背景下，中国国务院办公厅在《促进信息化发展行动纲要》中，明确提出要做好大数据分析专业人才培养。截至2021年，全国共有七百多所院校获批“数据科学与大数据技术”学科专业。但数据科学是一门新兴学科，人才培养体系不够成熟。市场需求和学校人才培养目标之间有着较大的差距，因此，如何顺应社会发展需求，构建数据科学与大数据人才培养体系，让学生在学校真正得到实践训练，提升高质量、应用型的创新人才培养就显得尤其重要。

一、OBE教学理念

OBE是成果导向教学的简称，也叫能力导向教育、项目引导教学和需求导向教学。OBE的教学理念源自美籍研究者Spady等人于20世纪80年代至90年代之间所进行的科学研究工作，其研究成果已引起了全球各地高校等教育部门的广泛关注，并逐渐成为美国、英国、加拿大等发达国家基础教育变革中的主要理念之一。

OBE理念在專业教育设计上，坚持各方联合参与、反向设计、全面发展与个人发展相结合等原则，以社会需求为导向，以实际运用能力的训练为主线，对培养目标、毕业条件、课程体系等进行设计，形成相互支撑的有机整体。OBE教学理念的核心思想包括一个核心、两个满足、三个支撑。一个核心即强调以学生的学习成果为核心目标。两个满足即满足专业当前需求与长远需求的协调，满足多样性需求与学校定位和人才培养目标的匹配。三个支撑即内外需求与培养、培养与学生毕业需求、学生毕业需求与教学制度要互相反映，形成“培养—学生毕业需求—课程”三者间的相互支持关系。

基于OEB教学理念，在专业人才培养过程中，具体通过以下六个步骤实现：（1）对外部需要进行内部数据分析，包含全球趋势及我国政府导向，产业发展现状及未来发展趋势，企业对相应职位的人员在知识、能力、素质等方面的具体要求，以及同类院校的培养特点和课程体系;（2）结合内部数据进行分析，包含学院的发展定位、院系培养目标、学科特点、教师与学生资源搭配情况、学情等分析结果，建立培养目标和学科特色;（3）通过培训目标梳理毕业需求，并建立培养目标与毕业需求的匹配矩阵;（4）通过毕业需求在知识、能力、素质等方面的具体体现，建立涵盖所有毕业需求的培训体系，并建立课程架构和毕业需求的匹配矩阵;（5）根据学生毕业需求，完成课程目标和课程的设置;（6）通过对教师和专业负责人的意见反馈、已毕业学员的社会调研、行业和用人单位等的评估，建立培养模块的绩效评估系统，以便对学生的毕业要求和培养目标不断完善和优化。

二、人才培养探索与实践

（一）需求分析

党的十九大指出要“推进网络、信息、新一代人工智能和实体经济深度结合”，这为中国传统工业和信息化的融合发展提供了方向，传统的技术性人才要向行业型数据智能专家转型。据爱分析的《2019年中国大数据分析行业报告》显示，2019年我国的大数据分析行业规模将超过5397亿，同比增加约23%，未来数年内中国的大数据分析行业将维持在10%～15%的增长规模，由此可见，大数据是未来的朝阳行业。整个互联网行业可分为大数据平台、通用技术工具、行业应用等三方面，大数据平台虽属于整个互联网行业的基础工程，如云服务、公共云、私人云等，其技术门槛较高，规范化程度也较高，但市场规模相对较低，占整个市场规模的10%以下;通用技术工具在大数据分析行业中属于中间组件，如数据库、BI工具、爬虫工具等，标准化程度比较高，约占据整个市场规模的20%左右;在行业应用层，由于在不同行业的使用差别很大，不同企业的业务需求不同，行业应用层的市场容量较大，整体规模高达70%左右。网络、金融、政务大数据成熟度更高，信息化建设完善，数据标准化、结构化程度高。因此，从数据科学与大数据技术专业人才培养的社会需求和就业现状来看，数据科学与大数据技术人才培养可以抓住四个方面：（1）聚焦金融、互联网大数据，拓展政务大数据，培养行业应用细分领域下的数据智能人才;（2）以“业务”为抓手，关注数据分析类、数据管理类岗位需求，形成差异化人才培养;（3）在数据科学知识与技术培养过程中渗透人文素养的培养;（4）强化理论知识与实践实训结合，注重应用型教育目标的实现。因此，将OBE教育理念引入数据科学与大数据技术人才培养中，可为数据科学与大数据技术人才培养改革提供新的理论依据。

（二）培养目标

培养目标是对学习者在毕业后的合理时期内可以达到的职业成就的预期描述，是提出学生毕业需求、形成课程体系并进行教学的根本依据。本专业的培养目标是面向大数据分析行业及相关应用领域，秉承“数据+产业”的开发思想，培养学生有知识、会思维、善交流，了解大数据科学理论以及大数据获取、处理、分析、挖掘、展示与应用的基本技术，具备业务理解、数据分析及项目管理的能力，毕业后能在互联网、金融等领域从事数据管理、数据分析、数据产品等工作的数据智能人才。具体来说，培养目标可分为三个方面：（1）知识层次，掌握坚实的数理、统计学、计算机、大数据处理以及一般工程的基础知识;（2）才能需求，面对着网络、金融等大数据应用领域，能够具备大数据分析收集、管理、挖掘、展示和应用的工作能力;（3）素养需求，具有优秀的职业道德精神、高度的社会责任心、优秀的人际沟通能力和团队协作精神、良好的身体素养和开拓创新精神。

（三）毕业要求

按照OBE教育理念，毕业要求是对学生在毕业时需要掌握的基本知识、能力构成和职业素养的具体表述，是学校制订培养方案的内在保障，也是毕业时应获得的学业成绩的具体反映。毕业时要求学生需按照学校所在专业的知识、能力、素养达成的内在逻辑进行分解，使之既与培养目标一致，又与课程体系的逻辑关系相匹配。本文针对毕业要求进行了梳理，见表1。

（四）课程体系

学科培养目标和人才培养规格的具体化要通过新课程体系来完成。基于OBE理念，在创新人才培养模式中将突出实践性课程的重要性，训练学生的专业技能与综合创新能力。

本文建立了多平台、多层次的课程体系（见图1），第一层次：打造通识通修课程平台课程，涵盖了校级DNA课程、高校英语、高校体育、思政类、数理类等课程，以训练学生的通识教育素质，并打好专业基础。第二层级：通过专业平台课程和分院平台课程，训练学生的商务思维、数据思维、算法逻辑思维。第三层级：通过专业必修课程和多领域的校企实践课程，掌握数据科学与大数据分析核心理论知识，实现专业技能、职业素养的培养，从数据获取、清洗、分析和挖掘、展现进行全流程操作。与此同时，学生通过多领域的数据分析实践，掌握行业最新的数据解决方案。第四层级：结合区域经济，根据学生个性化发展，构建多模块的专业选修课程包，学生可选择数据科学技术模块、业务模型，也可以选择考研升学方面的规划课程。这样的课程体系旨在提高学生的基础知识和基本技能，同时注重实践性和适应性，有利于学生学习和掌握常用数据分析方法及基本技能，也利于学生的个性化发展需要。

基于OBE教学理念，以实践贯穿人才培养，构建课程实践、学期实践、专业综合实践组成的三个层级的实践教学体系。一级实践主要由课程实践构成，每门专业必修课程实施“X—0—Y”教学模式，“X”为理论部分的学分，“Y”为实践部分的学分。为了帮助学生将知识从理解到应用进行转化，每一门课程都设置了“0计划”，其根据课程实践项目的需求，提供了学习工作坊、在线课程等资源。例如，在数据可视化技术课程中，理论部分占3个学分，主要介绍数据可视化分析的基本原理、流程、应用以及常用工具;实践占1个学分，引入商业数据，进行可视化分析实践，完成可视化面板设计。对于色彩搭配可通过在线课程以0学分的模式供学生完成学习。实践学期是从第1学期到第6学期，每学期开展为期一周的校企实践，由“学校+企业”教师共同组成开发团队，将企业问题梳理，分解成不同任务，以任务的形式进行发布，引导学生完成，校企教师合作授课、共同完成课程评价。

三、培养模式评价

为了保证各学科培养目标与学生毕业需求的有效实现，学校根据各学科特色，圍绕学生毕业需求进行课程各环节的积极探索与实践。我们将过程性评价与目标达成性评估进行了有效整合，设计出全过程、多样化的考评环节，为课程设计过程提供了完整的品质保证，并确保对课程教学内容、课堂评估结果、毕业要求等建立一个动态的可分解、可运行、可管理的过程循环系统。本专业毕业要求达成度评价如表2所示。

四、小结

以专业为导向的传统人才培养，依据专业分类的原则，教学模式更偏向于处理确定、线性、静态、封闭问题的科学模型。这样做有其好处，但也在一定程度上忽略了对专业的要求。OBE的数据科学和大数据分析人才培养是以教学工作目标为引导的，从需求入手，由需求确定培训目标，又由培训目标决定毕业条件，再以培训制度支撑毕业条件。“需求”既是起点又是归宿，较大程度地保障了培养目标和结论的统一性。再加上对人才培养方法、课程体系和教学内容以及策略的调整优化等，以及不断完善的质量体系，提高了培养品质，切实实现了学生学习成果转化的最终目的，为大数据应用创新人才培养目标的实现提供了有力保障。

[ 参 考 文 献 ]

[1] 崔琳，吴孝银，张志伟.面向学生计算思维培养的数据科学与大数据技术专业课程体系建设模式探究[J].无线互联科技，2020（4）：121-122.

[2] 赵婷婷，冯磊.我国工程教育的社会适应性：基于工科专业培养目标的实证研究[J].高等教育研究，2016（2）：64-73.

[3] 肖根福，旷虚波，郑大腾，等.工程教育认证背景下应用型电气人才培养[J].电气电子教学学报，2017（3）：18-20.

[4] 蔡志平，胡罡，曹介南，等.网络工程专业工程教育认证的探索和研究[J].中国大学教育，2016（9）：36-41.

[5] 张贞凯，王敏，陆南，等.工程认证背景下的模拟电子技术课程改革研究[J].高教学刊，2019（1）：127-129.

[6] 曹耀钦，李发陵，周龙福.应用型智能科学与技术专业大数据课程群建设研究[J].计算机教育，2016（10）：22-25.

[7] 桂劲松，张祖平，郭克华.新工科背景下高校新专业建设思路探索与实践：以数据科学与大数据技术专业为例[J].计算机教育，2018（7）：27-31.

[8] 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）：3-10.

[9] 孟军，刘冰璇，翟洪江，等.大数据背景下高校翻转课堂学习评价的研究：以A校“工程热力学”课程为例[J].高等工程教育研究，2018（5）：166-170.

[10] 刘颖，王爱莲，宣齐娜，等.新工科背景下数据科学与大数据技术专业建设探析：以地方财经类高校为例[J].吉林工商学院学报，2019（6）：106-109.

[责任编辑：刘凤华]