本科职业教育背景下大数据工程技术专业“实战型”教学模式的研究与实践

［摘要］

随着大数据技术的快速发展，社会对大数据人才的需求日益增长，而“实战型”教学模式作为一种以实践为核心的教学方法，能够帮助学生更好地掌握大数据技术，提高解决实际问题的能力。首先介绍了研究背景与意义，然后分析了“实战型”教学模式的内涵、特点及构建原则。接着，详细探讨了如何将“实战型”教学模式应用于大数据工程技术专业的教学过程中，包括教学目标设定、教学内容设计、教学方法选择、实践教学环节设置等方面。通过收集学生反馈、教师评价、企业评价等数据，对“实战型”教学模式的效果进行评价，并分析其优缺点及改进方向。最后，总结研究成果，并提出了未来研究方向。［关键词］

本科职业教育；大数据工程技术专业；“实战型”教学模式一、研究背景与意义数据科学与大数据技术是2016年我国高校设置的本科专业，2019年，国家职业教育改革开设第一批职业本科大学，没有大数据本科层次学生毕业。《职业教育专业目录（2021年）》是为贯彻《国家职业教育改革实施方案》，加强职业教育国家教学标准体系建设，落实职业教育专业动态更新要求，推动专业升级和数字化改造，教育部组织对职业教育专业目录进行全面修（制）订而形成的职业教育专业目录，其中大数据工程技术属于电子与信息大类计算机类专业，专业代码为310205。同时明确，将根据经济社会发展等需要，动态更新《目录》，完善专业设置管理办法。广西城市职业大学作为全国首批广西第一所职业本科大学，针对职业本科的属性进行了深入的探索，针对性制定了自身的实践教学体系，“实战型”教学模式作为一种以实践为核心的教学方法，能够帮助学生更好地掌握大数据技术，提高解决实际问题的能力。因此，研究与实践大数据工程技术专业的“实战型”教学模式具有重要意义。二、研究内容与方法（一）研究内容本研究主要围绕广西城市职业大学大数据工程技术专业的“实战型”教学模式展开，包括以下几个方面。1.“实战型”教学模式的构建。分析“实战型”教学模式的内涵、特点及构建原则，提出适用于大数据工程技术专业的“实战型”教学模式。2.“实战型”教学模式的实施。探讨如何将“实战型”教学模式应用于大数据工程技术专业的教学过程中，包括教学目标设定、教学内容设计、教学方法选择、实践教学环节设置等方面。3.“实战型”教学模式的效果评价。通过收集学生反馈、教师评价、企业评价等数据，对“实战型”教学模式的效果进行评价，分析其优缺点及改进方向。（二）研究方法本研究采用文献研究法、案例分析法、问卷调查法等多种方法进行研究。通过对相关文献的梳理和分析，了解国内外关于大数据工程技术专业教学的研究现状和发展趋势。通过案例分析，深入了解“实战型”教学模式在大数据工程技术专业中的应用实践。通过问卷调查，收集学生、教师和企业的反馈意见，对“实战型”教学模式的效果进行评价。三、实践效果与反思（一）广西城市职业大学大数据工程技术专业1.落实立德树人根本任务以习近平新时代中国特色社会主义思想为主导，以落实立德树人为教育工作的主线，融入思想道德教育、文化知识教育、社会实践教育各环节。开展“三爱、三学、三争”（爱党、爱国、爱人民；学知、学技、学做人；争气、争先、争光彩）主题教育，培养学生的爱国情怀、社会责任感、创新精神、实践能力，践行社会主义核心价值观，引导学生把个人的理想追求融入党和国家事业发展之中，为党、为祖国、为人民多做贡献。全面推进课程思政、德技并修，让思政元素和专业知识相互映射、融合、扩散，既凸显知识性，又彰显价值性。在课堂讲授、互动研讨、社会实践、作业考核等不同环节寻找契合点，科学安排和融入思政元素。采取互动、讨论、探究、案例等方式，开展丰富多彩、形式多样的实践活动、志愿服务等，让情理贯通、学理兼备，不断拓展专业课程的广度、深度和温度，在潜移默化中坚定学生的理想信念、厚植爱国主义情怀。整合运用各方面的育人资源，推行实践教学体系与产学研紧密结合，以校企合作形式引入企业的大数据教育及实践资源，在校内建设实训中心或在企业内由校企共建实训实习基地，建立校内外创新基地，设置大学生科研创新项目，多方位提升学生的创新能力。为学生提供丰富的课外活动，积极组织学生开展校园课外科技文化活动，将立德树人贯穿人才培养全过程。2.人才培养目标本专业培养德、智、体、美、劳全面发展，适应地方经济建设需要，具有一定的科学文化水平，良好的人文素养、职业道德和创新意识，精益求精的工匠精神，较强的就业能力和可持续发展的能力，掌握本专业知识，结合大数据技术应用领域《大数据工程技术人员国家职业技术技能标准（2021年版）》相关技术技能要求的人才。培养面向大数据技术应用领域职业群，具备扎实的数学及自然科学基础，掌握运用大数据采集、清洗、分析、治理、挖掘，大数据系统开发、部署、调试、运维、管理的技能，能够在政府企事业单位和各IT公司及相关领域从事大数据分析处理、大数据工程管理、数字化应用研究等工作的高层次技术技能人才。学生毕业后在本专业及相关领域经过五年左右的锻炼，能够通过自主学习相关专业知识，掌握相关专业技能，具备解决大数据专业及相关领域复杂问题的能力，成为从事大数据分析处理、大数据工程管理、数字化应用研究等高层次技术技能人才，优秀者能够成为相关领域的中高级管理人才。3.课程设置本专业课程主要由职业素质教育平台（职业素质公共必修课程模块、通识教育选修课程模块）、职业技能教育平台（职业能力专业基础课程模块、职业能力核心课程模块、专业能力拓展选修课程模块、职业技能等级认证模块）、实践教学平台（职业能力实践模块）3个平台和7个模块构成。面向职业岗位设置模块，课程体系设置的逻辑过程是根据不同的职业岗位需求，设置相应的课程模块。例如，数据分析师、挖掘工程师、深度学习/算法/机器学习工程师、大数据开发工程师、大数据架构工程师、大数据运维工程师、数据可视化工程师、数据采集工程师、数据库管理员、数据运营经理和数据产品等，将岗位任务和能力需求分解为不同阶段的若干个职业能力模块，以此确定学习的专业领域，开发本专业课程体系。基于工作过程设置职业技能等级证书，依据国家颁发的“职教20条”规定，实行1+X证书制度，鼓励学生在获得学历证书的同时，通过课程的学习和企业的实践，积极取得多类职业技能等级证书。4.专业核心课程与主要实践性教学环节（1）专业核心课程Linux系统运维、PythonWeb框架、Python数据分析、Hadoop+Spark生态系统操作与实战、Python数据采集、数据可视化、高性能云计算架构、数据挖掘。（2）主要实践性教学环节数据采集与网络爬虫实训、大数据挖掘与机器学习实训、大数据可视化实训、大数据清洗与ETL实训、军事训练、体质健康测试、劳动教育、创新创业能力实践、认识实习、岗位实习、毕业设计（论文）、毕业实习。（3）学时、学分分配本专业教学总学时为3228学时，其中理论教学1292学时，占40.02%；实践教学1936学时，占59.98%。公共基础课程860学时，占26.64%；选修课336学时，占10.40%。5.师资队伍要求（1）师资队伍结构专业专任教师与该专业全日制在校生人数之比不低于1∶20，高级职称专任教师比例不低于30%，具有研究生学位专任教师比例不低于50%，具有博士研究生学位专任教师比例不低于15%；专任教师中，“双师型”教师占比不低于50%。教师队伍考虑职称、年龄、专兼职结合，形成合理的梯队结构。（2）专业带头人培养和选定大数据工程技术专业带头人1～2名，具体要求：精通大数据方面的专业技术知识，具有大数据相关专业技师以上职业技术水平；熟悉高等职业教育规律；理论与实践教学经验丰富、教学水平高；在行业中具有一定的影响；具有副高级以上职称教师。（3）专任教师专任教师应具有高校教师资格；有理想信念、有道德情操、有扎实学识、有仁爱之心；具有大数据工程技术等相关专业本科及以上学历；具有扎实的本专业相关理论功底和实践能力，具有大数据工程技术相关工种的职业技术水平；具有较强信息化教学能力，能够开展课程教学改革和科学研究；有每5年累计不少于6个月的企业或生产服务一线的实践经历。（4）兼职教师兼职教师从本专业相关的行业企业聘任，兼职教师占比不低于专任教师总数的25%，具备良好的思想政治素质、专业道德和工匠精神，具有扎实的专业知识和丰富的实际工作经验，具有中级及以上相关专业职称，具有工程师以上职业技术水平，能承担专业课程教学、实习实训指导和学生职业发展规划指导等教学任务，其所承担的专业课教学任务授课课时一般不少于专业课总课时的20%。6.人才培养模式（1）建立校企合作办学机制目前，以大数据工程技术专业为中心，与广西浩宇信达科技发展有限公司等企业合作，共同成立大数据与人工智能产业学院，共同探索高层次技术技能人才培养路径，在专业建设上取得了较好成效。（2）构建人才培养模式本专业实施“三方互动、工学结合”人才培养模式，以“人的全面发展”为理念，根据企业、教师、学生各自的定位和作用，在“工学结合”的教学过程中，确定并有效运行企业、教师、学生三方互动机制。企业提供职业岗位的能力标准、工作项目和技术规范，指导学生进行职业技能训练，为教师提供职业研究环境；教师传授专业知识，构建知识框架，引导学生寻找解决问题的方法，为企业提供技术服务；学生掌握专业知识框架，掌握职业技能，胜任企业工作岗位，从而实现企业与教师在人才培养上共谋发展，教师与学生在实现人才培养规格上良性互动，学生与企业在适应职业岗位要求上有机融合。围绕人才培养模式的落实，进行教学计划制定、课程设置、教学组织及实施、教师队伍及实习实训基地建设。建立专业教学质量保证体系，完善人才培养模式质量的管理和反馈改进机制，确保人才培养模式的运行效果，保证教学质量。（二）大数据工程技术专业中的重要课程1.Python课程定位在大数据工程技术专业中，Python扮演着重要的角色。Python是一种高效、易学的编程语言，广泛应用于数据处理、数据分析、数据挖掘等领域。在大数据工程技术专业中，Python课程通常被定位为必修课程，旨在培养学生掌握Python编程技能，以及应用Python进行大数据处理和分析的能力。具体来说，Python课程在大数据工程技术专业中的定位包括以下几个方面。（1）编程语言基础Python是一种高级编程语言，具有简单易学、代码可读性强等特点。通过学习Python，学生可以掌握基本的编程语法、数据结构、算法等编程基础知识。（2）数据处理与分析Python提供了丰富的数据处理和分析工具，如NumPy、Pandas等，可以方便地进行数据转换、数据可视化等操作。通过学习Python，学生可以掌握数据处理和分析的基本方法和技能。（3）大数据技术基础Python是大数据领域的重要工具之一，可以与Hadoop、Spark等大数据处理框架无缝集成。通过学习Python，学生可以了解大数据技术的基本概念和原理，为后续的大数据课程打下基础。（4）实践应用能力培养Python课程通常包括实验和课程设计等环节，通过实践项目的设计和实现，学生可以锻炼自己的实践应用能力，培养解决实际问题的能力。2.以Python课程为例开展大数据工程技术专业“实战型”教学模式的应用（1）教学目标设定以培养具备实践能力和创新精神的大数据工程技术人才为目标，注重学生实践能力和综合素质的培养。①掌握Python编程语言基础：学生应该掌握Python编程语言的基本语法、数据类型、控制结构、函数等基础知识，能够熟练地编写Python代码、调试程序和运行程序。②掌握数据分析基本概念：学生应该了解数据分析的基本概念、流程和方法，了解数据挖掘、机器学习等相关领域的基本知识。③掌握数据处理和分析工具：学生应该掌握常用的数据处理和分析工具，如Pandas、NumPy、Matplotlib等，能够使用这些工具进行数据清洗、数据转换、数据可视化等操作。④掌握数据挖掘和机器学习算法：学生应该了解常见的数据挖掘和机器学习算法，如分类、聚类、回归等，能够使用Python实现这些算法，并应用于实际的数据分析中。⑤掌握数据可视化技术：学生应该了解数据可视化的基本概念和原理，掌握常用的数据可视化工具和技术，如matplotlib、seaborn等，能够使用这些工具和技术进行数据可视化。⑥培养实践应用能力：学生应该通过实践项目的设计和实现，锻炼自己的实践应用能力，培养解决实际问题的能力。（2）教学内容设计以实际项目或案例为载体，将理论知识与实践操作相结合，注重培养学生的实践能力和解决问题的能力。Python数据分析课程的教学内容应该涵盖第一部分：Python基础（1～2周）、第二部分：数据分析基础（1～2周）、第三部分：数据处理和分析工具（1～2周）、第四部分：数据挖掘和机器学习算法（1～2周）、第五部分：数据可视化技术（1～2周）、第六部分：实战项目（2～3周）。（3）教学方法选择采用多种教学方法，如案例分析、项目实践、小组讨论等，鼓励学生积极参与讨论和实践，提高学习效果。①案例分析法：案例分析法是一种以实际案例为基础的教学方法，通过分析案例，让学生了解Python在各个领域的应用，掌握Python编程技能和数据分析方法。在Python数据分析课程中，可以引入一些实际案例，如电商网站的用户购买行为分析、社交媒体的舆情分析等，让学生了解这些案例的分析流程、方法和结论，并能够从中掌握Python编程技能和数据分析方法。②项目实践法：项目实践法是一种以实际项目为基础的教学方法，通过实践项目的设计和实现，让学生锻炼自己的实践应用能力，培养解决实际问题的能力。在Python数据分析课程中，可以设计一些实际项目，如电商网站的销售额预测、股票市场的数据分析等，让学生设计和实现这些项目，并能够从中掌握P