《基于产教融合的高职院校大数据技术专业人才培养探讨》由会员分享，可在线阅读，更多相关《基于产教融合的高职院校大数据技术专业人才培养探讨（11页珍藏版）》请在金锄头文库上搜索。
1、 基于产教融合的高职院校大数据技术专业人才培养探讨 【Summary】本文分析大数据技术的发展、定位、趋势及高职院校大数据人才培养层次的特点、建设过程，发现当前高职院校的大数据专业人才培养存在过多模仿本科教育、技能培养被弱化等问题，针对这些问题，提出应明确人才培养定位，设置符合高职学生学情的课程目标;进行校企合作，摸索有效的产教融合双主体育人模式;将企业真实任务融入课堂教学，建立理论与实践互融的实践教学课程体系;引入企业管理模式，建立符合企业标准要求的教学评价体系;企业与学校互助互惠，构建具有产教融合意识的师资队伍等措施。【Key】产教融合 高职院校 大数据技术专业人才G64 A0450-98
2、89（2022）06-0060-04近年来我国社会经济发展迅速，各种新科技、新模式、新业态如雨后春笋，产业持续转型升级，带动了人才结构的转型升级，对高校人才培养结构、专业教学模式也提出了改革升级的需求。大数据技术在最新一轮科技和产业革命中催生了新的经济业态，也加速了高职院校大数据专业教学的改革。为加快人才培养结构调整，促进教育和产业联动发展，国务院办公厅发布了关于深化产教融合的若干意见，要求认真落实党中央、国务院关于教育综合改革的决策部署，深化职业教育改革，发挥企业重要主体作用，促进人才培养供给侧和产业需求侧结构要素全方位融合，培养大批高素质创新型人才和技能型人才。产教融合的提出，为新业态下的
3、大数据专业教学改革指明了方向，深化产教融合是解决新兴专业人才供给不足的有效路径。一、高职院校大數据专业人才培养定位随着科学技术的发展，大数据产业作为新一代信息技术，已上升为国家发展战略，特别是受到新型冠状病毒肺炎疫情的影响，当前全球各类线上活动、线上经济蓬勃发展，大数据作为支撑技术之一，迎来黄金发展期。大数据技术诞生初期，一直以高端技术的身份存在，近年开始为科研单位和本科高校所研究和应用。随着大数据技术在各云端系统、云端活动中被广泛应用，相关专业的人才成为这类经济业态发展的重要资源，使该领域释放出大量技能型人才需求。因此，高职院校培养大数据人才是顺应时代发展的结果。从科技巨头研发部到普通高职院
4、校，大数据技术的高科技定位并没有改变，高职院校在进行人才培养时，应清楚认识到应用技能型大数据人才在相关产业链中的需求特点。（一）大数据技术的应用及其在社会经济发展中的定位大数据产业与我国国民经济发展息息相关。发展近70年后，信息技术的应用从最开始的“电子信息化”逐步发展到倡导扩大规模应用的“互联网+”，目前又进一步提出旨在提高管理效率，促进决策改革的“大数据+”理念，目的是将大数据思维引入各行各业中，推动大数据在各类产业中的应用。大数据技术不单是IT行业的技术发展，它已突破信息技术领域，通过大数据技术能重新审视政府治国理政水平，重新认识科学研究的方法，改变审视国民经济各行业变迁驱动因素的角度，
5、重构投资者的决策依据和企业的战略方针、组织构成。可以说，大数据技术的发展，涌现出的是一场颠覆国民经济发展的新思维运动，互联网、金融、电信、医疗、政府等与老百姓生活息息相关的行业是大数据运营的重点领域。就目前的国际形势来看，IT产业是否强大已成为决定我国是否能成为强国的关键因素。（二）大数据技术的层次特点与高职院校大数据专业人才培养的定位大数据技术本身强调交叉学科特点，以大数据分析为核心，以统计学、计算机科学和数学为三大基础支撑学科。高职院校在培养大数据专业人才时，要充分了解高素质复合型技能人才的特点，注意与本科院校的人才培养定位区分开来，虽然大数据技术以高端技术的形式存在，但由于经过多年发展，
6、大数据已经初步形成了一个较为完整的产业链，包括数据采集、整理、传输、存储、分析、呈现和应用，众多企业开始参与到大数据产业链中，并形成了一定的产业规模，而目前迅猛发展的产业互联网也将推动大数据落地。大数据涉及各个领域，需要招收大量工作人员，这为高职高专毕业生提供了许多就业岗位。对高职学生的培养应以技能为核心，强调工匠精神的培育，在大数据各层次技术中，应选择大数据监测与收集、大数据存储与处理、大数据分析与挖掘等技术中的应用型、技能型技术进行专项学习，如大数据监测、数据捕获、大数据分析、数据分析结果可视化等。二、高职院校大数据技术专业人才培养存在的问题大数据概念从诞生至今已有数十年时间，但大数据技术
7、真正开始发展和广泛应用也不过是近十年的事。高职院校开设大数据专业时间比较短，不可避免地存在着一些问题。（一）过多模仿本科教育，技能培养被弱化由于高职院校大数据专业创立时间不长，大数据技术在市场上被广泛应用的时间也不长，院校教学经验不足，不能很好地将企业典型案例分解到教学中，很多会参考先行一步的本科院校大数据专业教学模式。专业教师在讨论教学课程体系时，基本上都参考了本科院校的课程，即使意识到高职学生的学情，知晓课程设置必须与本科院校偏理论教学有所不同，但由于大数据专业需要大量统计学、计算机科学、数学知识作为基础，高职院校教师在设计内容时难以取舍，学生在两年多时间内，既要学习各种大数据理论，又要学
8、习技能。而最终结果往往是课程体系理论不全，学生技能培养也被弱化。（二）校企合作不畅，难以实现产教融合校企合作已成为当今职业院校办学的必备条件。校企双方都有强烈的合作意愿，许多院校都与企业签订了合作协议，但由于还没有寻得合适的合作模式，企业没有真正参与到教学中。有些仅参与了人才培养方案的修订，毕业时招几个实习生到企业;或企业的教学覆盖面并不广，只在有限的项目中让教师和学生参与进来，缺乏真正有效的产教融合模式和手段。（三）大数据师资力量严重缺乏目前大多数高职院校大数据专业的教学是由电子信息技术类的教师所承担，而新一代大数据专业的学生刚毕业不久，对高职院校的教学方式尚在熟悉和摸索中，能站在教师的角度
9、去思考产教融合的人才培养模式还有较大困难。大数据专业是一个全新的专业，内容涉及面广，新的教师队伍尚在建设当中，师资缺乏是大多数学校面临的棘手问题。9437647D-18AC-4CFC-9AA8-2FB53248C767三、基于产教融合的高职院校大数据专业人才培养策略（一）明确人才培养定位，设置符合高职层次学生学情的课程目标社会对大数据人才的需求是多层次的，大数据人才的培养也应该有区别有重点。首先要通过调研、专业分析及与企业专家深度研讨，厘清大数据技术人才需求的层次关系。大数据技术专业人才的培养要求具有多学科交叉能力，专业能力分为如下三类：一是理论方面，要能理解和运用数据科学中的数据模型;二是实
10、践方面，要有处理实际数据的能力;三是应用方面，具备用大数据技术解决具体问题的能力。如果说硕士层次注重职业发展的广度和綜合运用能力，本科注重扎实的学科基础和工程实践能力，那专科则侧重具体岗位的技术运用能力。对高职院校学生的培养应将重点放在技术运用能力上。数据挖掘的大部分工作都在为数据清洗做准备，工作烦琐，消耗人力，但是对知识水平要求没有那么高。大数据运维、大数据分析可视化界面等工作需要有一定的大数据学科知识，但对理论逻辑思维的深度、广度要求相对没那么高，符合高职院校学生的学习特点，这些方向可作为高职人才培养的重点方向。（二）进行校企合作，探索有效的产教融合双主体育人模式通过实践，促进产教融合的手
11、段有以下两种。一是企业师傅进课堂的现代学徒制。高职院校可作为企业的人才储备基地，让企业师傅深度参与学校的人才培养。学院提供合作办学的办公场所、实训场地，企业固定派遣12人长驻校园，一人作为专职主课导师，一人作为大数据项目指导，两位导师与院校教师一起参与人培方案、课程标准的制订以及阶段项目的指导。校企合作时，企业可能会面临人手不够，难以抽调人员到学校担任导师的问题，而院校在学生培养过程中，又希望企业尽可能多地承担技术指导，这种情况下，可以采取分工合作的方法：一种是某些基础课程可由学校教师完成，涉及大数据项目开发等核心课程，主讲可由企业导师担任;一种是将课程拆分为阶段式课程，前半学期由院校教师完成
12、理论讲解和小的实训任务，后半学期由企业导师将企业项目带到课堂，让学生分组完成真实任务。在这个过程中，企业师傅同样接受学校各项教学常规检查。二是利用企业资源，组成校企合作协同工作组，共同进行项目研发。高职学生的技能提升需要真实任务的磨炼，而大数据专业与软件专业、网络专业所需的教学案例不同，大数据技术如果不与其他领域相结合，获取海量相关数据，也就失去了意义。教师通常很难得到海量的数据信息作为教学样本，此时院校可与企业合作，承担企业的真实开发任务。如果担心合同按时交付有风险，企业可从当前项目框架下抽取利于管理的某个模块，由企业导师作为项目经理，招集学生和院校教师组成项目小组。小组内进行分工合作，按项
13、目生产过程设置相关岗位，院校教师协助企业经理指导工作，跟进项目进度。这样形成的项目小组，学生并非单纯完成数据分析和代码编写，而是参与了客户沟通交流、解决方案、交互设计、数据分析统计、代码研发、项目测试、实施部署等一系列工作，使学生在真实的体验中清楚认识到大数据项目研发的工作流程，同时解决了海量教学样本紧缺的问题，企业也能完成项目的研发、公司生产环节上各岗位储备人才的培养。（三）将企业真实任务融入课堂教学，建立理论与实践互融的实践教学课程体系如果说组成项目小组进行校企合作研发的形式主要是培养拔尖人才，难以百分之百覆盖学生，那么产教融合还可以利用已完成的真实项目，通过贯穿项目、阶段项目、教学案例的
14、形式，经过教师的加工整理，将理论知识融到技术应用中，让学生在技能应用学习中完成理论知识的学习。一个完整的大数据项目生命周期一般会涉及数据收集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现，“项目贯穿”就是把已完成的真实任务作为贯穿整个三年人才培养的载体，在建设专业课程体系时，把开发任务所需的技能和知识点分散到各门课程中，将学生三年的学习过程转换为项目开发的过程。比如，以“岗位信息多维分析大数据决策系统”为项目贯穿的载体，该系统通过收集人力资源应聘和招聘数据进行大数据分析，获得相关岗位信息，以影响人力资源相关决策。项目的数据收集是第一个环节，该环节涉及网络爬虫等技术，由于
15、数据收集一般来源于Web信息系统，学生还要掌握一定的Web开发技术。那么，学生要完成真实项目中的“数据收集”，首先要完善该系统的功能界面，搭建Web基本框架，然后使用网络爬虫等技术收集数据。教师可在前端开发技术这门课中设计完成系统功能界面、在Web应用开发课中完成Web框架搭建、在网络爬虫技术课中完成数据收集、在大数据基础和大数据应用课中完成数据存取架构、在数据分析与应用课中完成数据处理分析、在数据可视化技术课中完成结果呈现。最后根据人才培养目标要求，设置数据挖掘等课程，以进行系统功能的拓展。每一门课都是真实任务的一个环节，最终学生获得一个完整的岗位信息多维分析大数据决策系统。将已完成的项目拆
16、分并整合贯穿到课堂教学中，所有学生将能体验真实任务的研发过程。（四）引入企业管理模式，建立符合企业标准要求的教学评价体系当前，国内高校的人才评价模式与企业绩效管理模式截然不同。在企业中，绩效管理模式决定了生产效率，影响着企业的生存发展。要使学生的工作技能、职业素质符合企业要求，学校需要参照企业相关要求，建立适当的教学评价体系。绩效工资是评价企业员工的重要手段，高职院校的人才培养可以参照企业员工手册绩效评定方案等规章制度，适当进行修订和补充，推出虚拟币或绩效分制度模拟企业员工工资发放。学生工资分为两大部分：一是基本工资、二是岗位工资。基本工资由辅导员发放，通过员工手册让学生了解企业文化、熟悉企业管理制度，按照企业员工的日常行为、考勤管理、个人荣誉等进行约束和表彰。考勤、奖惩、校园活动参与度等与学生综合素质评定相关的内容均与绩效挂钩。每月结算绩效分，按绩效分和当前高职院校大数据专业毕业生
