产证赛融通的高职大数据技术专业课程体系构建的研究与实践

关键词：大数据技术；高职院校；课程体系；产证赛

中图分类号：G712；TP311.13-4

1背景

近年来大数据技术人才的需求越来越大，高职院校纷纷申请开设大数据技术专业，但由于发展的时间还比较短，不少学校目前的课程体系还存在着一些问题，主要有照搬高职计算机网络和信管等专业的课程体系、从本科大数据专业的课程体系照搬而来的和专业课程存在明显偏理论方向等，这就导致了课程体系与大数据人才培养方案及高职学生的特点不匹配，学生在学习的过程中目的性和积极性不高，课程体系不能很好地支撑起培养人才的目标。

目前对高职院校大数据技术专业的课程体系研究主要是从学生能力、专业方向、课程衔接度、课程属性等几个方向进行的，有学者提出按照学生能力培养要求对课程体系设计进行模块化设计；也有研究者提出根据大数据专业的两个方向——大数据运维管理方向、商务数据分析与应用方向对课程体系进行划分和建设；有研究聚焦从避免重复课程、注重课程整体性等方面建设课程体系；也有研究按照课程属性将课程划分为基础课、核心课、实训课。然而这些课程体系建设的研究维度仍然比较单一，还是对现有课程进行划分增删，对于产教融合也比较浅显，也没有考虑到高职学生的特点。

本科院校的数据科学与大数据技术专业的课程体系既有应用型课程，也广泛包含计算机科学、数学、统计学、人工智能等学科的基础理论课程，对于高职院校的课程体系建设参考意义不大。

高职大数据专业的课程体系的建设问题的研究和探索仍在持续进行中，也取得了丰富的成果，但是这些课程体系的建设研究在培养具有实际项目技能和产业实际需要的人才方面仍存在不足。完善大数据技术专业课程体系，可以进一步从产教融合、“1+X”证书考试、学科竞赛、专业实训、引入企业培训包等方向进行实践和研究。本文聚焦“产证赛”融通的课程体系构建的研究和实践，提出构建和完善高职院校大数据技术专业课程体系的可行性路径，为培养大数据技术人才、推动社会数字经济发展助力。

2课程体系框架

高职大数据技术专业的课程体系，必然要根据高等职业教育的特点来构建，即以培养技能型专门人才为根本任务；同时也要根据大数据技术这门计算机学科本身的专业特点来构建，即面向数据的采集处理、持久化、分析及可视化和运维等全流程的知识和技能的学习和运用；还可以参考借鉴国外职业教育的先进经验，如“双元制”教学体系，培养学生在基本职业能力和关键职业能力两个层次的专业能力、方法能力和社会能力，从而实现企业和学校的深度融通。

在构建高职大数据技术专业的课程体系的过程中，做好“双线并进、产教融通”，如图1所示。

在“产”线上有两个主要方面，第一是打通学生学期中下企业通道，让学生在参与企业项目掌握实用技能、为企业创造价值的同时获得相应专业课的学分，实现学分兑换制度化，形成良性循环；第二是与做好教師工作室孵化工作，参与企业项目，为学生提供更多实习岗位。同时可以有效地融通这两部分，做到互助共赢。

在“校”线上，基于大数据相关的几个“1+X”职业技能等级证书开发相关的课程包，同时针对大数据相关的职业院校技能竞赛和大学生程序设计竞赛等传统计算机学科竞赛开发课程包或培训包。而证书和竞赛之间，有相当一部分知识和技能是重叠的，可以打通相应的内容，做到共享共用。

在双线融合上，以企业实际工作场景和工作内容为目标，让学校的教育内容向其贴近，让学生学以致用。同时，学校的教学内容需要有前沿性的知识、技能类课程，前沿性课程可以让学生接触到行业的新知识、新技能，有助于学生为企业技术的进一步发展做出贡献。

3产教融通

对于高职大数据技术专业课程体系的构建，产教融通有着十分重要的作用，可以促进学校所学的课程运用到实际的生产、建设中。通过学生学期中下企业以及教师工作室两种形式，实践产教融通，实现课程体系的优化。

在传统的职业教育课程体系中，学生的假期社会实践一般由学生自行安排，通过调研发现大部分的实践活动与专业的相关度不高；而三年制的同学们只有在第五个学期后半学期开始才有全职参与专业顶岗实习（毕业综合实践）的机会，这样滞后的安排降低了专业实习所能带来的通过实习增强学习的目的性，提高学习的积极性，提升找岗位的目的性和对岗位的适应性三个方面的“正反馈”效应，很难起到相应的作用。

在实践中，从第三学期开始安排学生在学期中通过“全脱产”的方式投入企业实习中，是较为合理的安排。前两个学期仍然要学习不少专业入门的基础性课程，以及公共课程，从第三学期开始，专业课占据的比重提高，适合用企业的专业学习实践来“代替”学校专业课的学习。

在期中下企业的实践中，要注意以下方面：

（1）实习企业和岗位的选取，要结合学校、学生和企业的意愿，学校把控好实习企业和岗位的专业相关性，并与相关企业签订校企合作协议；学生可以在几个企业和岗位中选择自己感兴趣的，当然企业也会根据学生的能力挑选适合的实习者，这是一个双向选择的过程。

（2）安排专业教师同时间段以“半脱产”的方式下企业，半脱产是指在周一到周五没课的时段，教师到学生实习的企业驻点。这样可以保证能够及时关注到学生在企业的各种情况，提供指导和帮助，同时教师也能发挥自己的专业能力帮助企业解决技术问题。当然相关的老师在下企业的学期可以安排相对少的课程任务。

（3）由于学期中下企业的“全脱产”方式，学生周一到周五都在企业工作，无法完成一些课程和实训，导致无法获得相应的成绩和学分。实践中，将学生完成企业实习任务的考评成绩为参考，给专业课程赋予相应的成绩和学分。考评成绩由企业导师和学校派驻的老师一起给出，与学校课程成绩和学分对应的规则由专业教研室讨论并报学院批准后制度化，从而达到可持续的目的。

对参与过学期中下企业的学生以及只在学校学习的学生做的调查显示，参与过专业企业相关岗位实习的学生在学习目的性、积极性和顶岗实习的适应性方面有着显著的提高，如图2所示。

产教融合的另一个重要的模式是订单班的组建。首先引入企业的导师进行针对性的培训，以专业实训课的形式进行为期一到两周的学习，学校也指派部分专业教师参与，然后通过考核，选出成绩优秀的学生组成订单班，承接企业的部分项目和任务，同时也能让学生在学校内就可以参与到企业的实际项目，实现产教双赢。这种方式的优点是不需要“全脱产”到校外进行实习，与企业对接的过程除必须去企业完成，也可以在网上沟通完成，在实践中学生的反响较好。参与订单班并完成相应任务的学生也可以获得相应的专业课课程成绩和学分。

4产赛证融通

对于学校的大数据课程，要依托大数据实训平台，结合产赛证相关的知识和技能梳理出核心课程包，加上产赛证课程包和其他公共课程等，进而剪除重复课程，合理安排课程衔接，形成较为合理的大数据技术专业课程体系，如图3所示。

大数据实训平台是课程体系必不可少的基础设施架构。大数据相关的软硬件都要基于该平台，在实践中每个学校可能会引进不同的大数据平台，有的可能基于开源平臺开发自己的大数据平台。平台首先要有大数据相关的存储、开发、计算等软件包，同时要有自建课程和班级管理等功能。

在梳理专业核心课程的过程中，要考虑到大数据技术专业的特点，比如基本的程序设计入门课程，传统都是采用本科的《C语言程序设计》，而由于大数据应用很多都可以使用Python，因而替换成《Python程序设计》是很自然的。而在大数据“1+X”职业技能等级证书考试和大数据技能竞赛中，数据采集、存储、分析和可视化都是必不可少的环节，那么相应的数据采集和可视化等课程也可以成为核心课程。在课程衔接上，同样以大数据采集、预处理、存储及管理、分析和可视化的流程为核心主线合理设计课程的先后顺序。

在课程包的建设中，除了上一个章节中关于产教融合的两种类型的实习型课程外，以“1+X”职业技能等级证书考试为引，针对其知识点和技能点，我们在大数据平台上建设了《大数据采集与处理》和《大数据分析与处理》等课程，分别对应了浪潮集团的数据采集“1+X”证书和阿里巴巴大数据分析与应用“1+X”证书，在考试前通过相应课程的学习，提高了“1+X”证书考试的通过率。

针对大数据职业技能竞赛和计算机类比赛的比赛内容和特点，将Hadoop、Spark等生态相关的课程提到重要位置，部分课程难度较高，则考虑设置为专业选修的方向课，如Spark相关的课程。程序设计语言类的课程，对所有竞赛都有帮助，比如在大数据技能竞赛及网络安全中，就需要良好的程序设计功底，而程序设计竞赛则毋庸多言，对这类一课带多赛的课程，比如Python程序设计就可以设置为专业核心课程。

在做加法的同时，也通过一定的规则做减法。在课程体系中，偏理论的课程删除或者替换为相近的实训类课程，同样，对部分源自本科计算机相关专业的较难的或者较偏理论的课程予以删除。比如数据结构和离散数学，对于高职的学生确实有些“难以下咽”的感觉，因而从课程体系里删除。然而要特别注意的是，这类课程其实是计算机学科体系的重要组成部分，删除必然导致课程体系存在漏洞，因此在相关的一些课程中，仍然可以对其中的一些有用的知识点进行串联讲解，比如在程序设计类课程中结合部分数据结构的知识进行讲解是较为合适的。

结语

在大数据课程体系建设过程中，产教双线并行的框架下，企业部分的课程显得尤为突出，通过有目的、有选择的全日制模式、订单班以及制度化的学分兑换，实现企业效益和课程学习双赢。

依托大数据实训平台，通过校内教学实践及产教融合的过程完善校内课程的设置；通过组织学生参加“1+X”证书考试以及学科竞赛，开发和完善相关的培训课程，进一步梳理核心课程，合理安排课程衔接，完善课程体系；通过进一步的教学实践和调研，对现有专业课程进行优化和精简，追求“质”和“精”。

通过“产证赛”融通的思路去构建课程体系的实践，经过一年多的实践和迭代，完善多维度的大数据技术专业课程体系，取得了不错的效果，摆脱了传统课程体系中存在的一些问题，让学生们能够更好地掌握企业所需的专业知识和技能。

作者简介：黄冰（1983— ），男，浙江遂昌人，硕士研究生，讲师，工程师，研究方向：大数据、软件开发、软件工程、机器学习、人工智能。