基于“政用产学研”的数据科学与大数据技术专业应用型人才培养模式研究

王晓静*，彭 虎，郭景娟，吴志健

（1.九江学院计算机与大数据科学学院 江西 九江 332005；2.武汉大学计算机学院 湖北 武汉 430072）

数据科学与大数据技术专业（以下简称大数据专业）作为新兴学科，在人才培养过程中凸显出了一些问题，如重理论轻实践、学校培养与社会需求契合度低、产学研合作不够深入等。《国家中长期教育改革和发展规划纲要（2010―2020年）》[1]提出要树立系统的人才培养观念，推进教学、科研、实践紧密结合，加强学校之间、校企之间、学校与科研机构之间合作等联合培养方式。《江西省制造业重点产业链现代化建设“1269”行动计划（2023―2026年）》[2]指出，着力构筑大数据和虚拟现实相结合的智能服务云平台、开展车联网与大数据等领域关键技术研究攻关、促进大数据产业与装备制造业融合发展、全面推进互联网、大数据、人工智能和钢铁产业深度融合、完善大数据中心配套服务功能、加快数字赋能，借助物联网、大数据分析、人工智能等先进数字技术提升生产效率、降低成本。

基于以上文件精神，本文从“政用产学研”五个不同主体出发，深入研究并创建“五位一体”的数据科学与大数据技术专业应用型人才培养模式，丰富实践教育资源，提升产教融合能力，健全多方联动的系统培养模式，为培养高质量的应用型大数据专业人才助力。

1 大数据专业现状及人才培养困境

为了实施国家大数据战略，2016年教育部新增本科专业“数据科学与大数据技术”。到目前已经有七百多所高校开设该专业。数据科学与大数据技术专业属于多学科交叉的综合性新兴学科，专业培养定位是能综合应用大数据采集、预处理、存储、处理、分析及可视化等技术，解决大数据工程问题的能力。作为新专业，其专业建设与人才培养中亟须解决的问题是人才培养体系不健全、师资力量薄弱、教学质量难保证、项目实践锻炼少且与现实脱节、产教融合薄弱等。

1.1 特色鲜明定位准确的“应用型”人才培养机制匮乏

现阶段是大数据专业的快速成长期，不同定位的大数据专业应该有相应的人才培养机制，然而现实情况是大部分高校对于新开专业不是特别了解，只能照搬或者模仿其他高校的培养方案来建设自己的大数据专业，缺乏办学特色，专业定位没有突出院校自身优势，应用型本科院校的数据科学与大数据技术专业没有体现“应用型”的特点，人才培养机制亟待完善。

1.2 “应用型”师资考核存在不足

新专业的诞生，要有相应的师资配套，大数据专业的师资基本都是信息管理与信息系统、计算机科学与技术、软件工程、统计学等师资队伍转型而来的，对于新专业来说，教师尚未打破学科界限。另外，高校对于教师的考核主要是科研主导型，鲜有将应用型人才培养工作纳入考核中，使得教师缺乏足够的动力。

1.3 “应用型”人才培养落地难

“一看就会，一做就废”是目前的困境之一。学生在课堂上听得懂，看得会，但是真正要做项目了，却拿不下来。理论和实践之间的鸿沟还没有跨越，人才培养很难真正落地。

2021年11月，工信部发布《“十四五”大数据产业发展规划》[3]，规划到2025年，大数据产业测算规模突破3万亿元。然而大数据人才的培养数量远达不到产业规模的增速，赛迪智库数据显示，预计到2025年，大数据核心人才缺口将会高达230万人[4]。如此大的市场缺口对高校人才培养提出了迫切的要求。

2 大数据专业“政用产学研”应用型人才培养模式构建

“政用产学研”是一种创新合作的系统工程，是生产、学习、科学研究、实践运用的系统合作，是技术创新上、中、下游及创新环境与最终用户的对接与耦合，是对产学研结合在认识上、实践上的又一次深化[5]。从“产学研”到“政产学研”“政产学研用”到“政用产学研”，虽然只有一两字之差，但后者进一步强调了政府推动的开放创新平台搭建以及用户体验与创新，强调了面向应用的价值实现。

2.1 “政用产学研”平台育人

建立政用产学研相结合的虚拟平台，成立政用校企合作委员会，吸纳IT企业资源，为培养应用型人才奠定技术基础[6]。如图1所示，政府出台政策性文件，或者签订合作协议，以此营造政策性的培养环境；用户对教学实践和科学研究成果中的部分相关成果进行验证，从而检验人才能力；企业提供真实的项目案例，用于学生实践学习和提升其工程能力，并设立学生实践基地；学校作为人才培养的主体，全方位统筹协调各方资源，组织人才培养过程和各方供给；科研部门进一步提升人才培养质量，使大数据人才具有多元化的特色，为学生的继续深造打下基础。简言之，政府提供“舞台”，目标是为用户打造一件好的作品，企业、学校和研究机构扮演不同的角色成就这一作品，而培养出的人才就是最终作品。

图1 “政用产学研”思想框架

九江学院大数据产业学院于2023年6月正式组建成立。产业学院稳定了多方合作关系，建立了长期的人才培养平台。结合企业特点，形成多方优势互补的局面，办出专业特色，形成专业优势。产业学院作为一个相对独立的校企合作组织，有长效的合作管理机制和相对长期的产业学院发展规划，更好地保障了专业人才培养的质量。产业学院将“政”（濂溪区人民政府）“用”（江西才气等）“产”（北京千锋等）“学”（九江学院）“研”（九江市数字经济产业研究院）进行融合，是“政用产学研”大数据人才培养从理论到实践的重要产物。

2.2 “政用产学研”课程育人

大数据专业人才培养在不同的阶段有不同的培养重点。按照时间线，如图2（p69）所示，首先注重数据思维能力的培养，建立将问题数据化的意识；然后是数据处理能力的培养，掌握数据搜集、存储和处理的方法；高年级阶段的重点是大数据分析与软件开发能力的培养，解决规模性问题或者工程化项目；最后是综合应用能力的培养，基于专业理论体系，完善大数据分析/大数据开发综合应用项目的实践，突出应用型人才的特点，达到毕业要求的能力，同时能在理论研究方面有所突破。

图2 数据科学与大数据技术专业人才培养框架

高年级阶段进行综合实践能力的培养，可采用分时段集中授课的方式，这样更易于进行项目式教学。具体如图2所示，即高年级专业课由传统的并行授课形式调整为新型的串行授课形式。学生在学年初确立选题，组成选题小组，并进行小组成员分工，后续课程始终围绕选题来学习并实践，每个时段的每门课程解决选题的不同问题，最后达到一体化的目标。通过项目驱动、课赛一体化、专创融合等方式，结合开放式实验、创新性实验、课程设计和毕业设计等多层次教学方式引导学生数据思维能力、创新创业能力、综合实践能力的提升。

集中实践类课程的授课由学校与合作企业共同承担，企业讲师深入课堂将企业丰富的实践经验用于教学，实习类课程主要在企业的实习基地开展，九江学院计算机学院与江西中云数讯科技有限公司（以下简称公司）等十余家企业签订了专业教学实习基地协议，双方资源共享、优势互补、互相协作、互惠互利、共同发展。实习基地的协作模式将“用”（公司）“产”（公司）“学”（学院）三方面落地，是大数据人才培养中重要的一环。

2.3 “政用产学研”师资育人

大数据领域发展迅速，而学校相对封闭，合作企业须帮助学校强化师资队伍，组织教师参与大数据技术相关的培训和进修，或者参与企业的实际项目，从而把最新鲜的血液输送到学校里来。研究性学习为擅长理论研究的学生的继续深造奠定基础，高校开展科研也需要学生的参与，科研项目要为学生提供机会，用科研促进专业能力的提升。

2.4 “政用产学研”考核育人

改革专业课程考核方式，采用更适合的项目汇报式考核方式，突出课程群的概念，采用“任务驱动”+“项目导入”的教学模式，考核方式多维化，能力评测采用校企协同的评测机制[7]。

基于专业特点和分时段集中授课形式的特殊性，改革传统的课程考核方式为项目汇报形式。从期末项目中提取优秀作品，作为创新创业大赛等各类专业比赛的实战项目进行打磨和包装，以赛促建，教赛相长，促进专业建设与创新创业教育的良性、可持续发展。

3 大数据专业“政用产学研”协同育人实践

数据科学以从数据中获取知识为基本目的，具有工程实践性特点。在实际应用中，数据科学项目更是一个交互、循环而不断完善的动态过程[8]。应重视学生面向实际需求的解决方案和设计实践，结合“政用产学研”各方，全面开展教学与实践。基于以上大数据专业“政用产学研”应用型人才培养模式及思路，提出几点育人实践办法，无差异化和差异化培养并举，因材施教，成就各有所长的大数据专业人才。

3.1 无差异化开展项目式教学

在常规的实践教学活动中，开展多样化项目式教学和行业数据分析实战。合作企业提供脱敏的真实案例数据，为学校的课堂教学提供资源，使课堂教学不再是纸上谈兵，而是更贴近实际应用，更符合用户的真实需求。

合作企业发挥自身的优势，使得学生更好更早地体会利用专业知识解决实际问题的过程，从而对专业有理性的认知。项目式教学也可以更好地让相对零散的知识串起来形成系统化的专业知识体系。

3.2 集优秀工程能力者组建实验班

组建大数据专业教学实验班，助推工程能力培养。以非建制的方式成立教学班级，开展工程式教学，提升在工程实践方面优秀学生的动手能力和应用能力。

从成建制的班级中选拔学生进入非建制的实验班，调整实验班授课模式，用更符合专业技能的方式去学习和考核。

3.3 灵活非正式的大数据训练营

建设大数据训练营，开展大数据开发兴趣小组。训练营是非正式组织，成员宽进宽出。针对动手能力强、立志从事大数据技术职业的学生，训练营以项目为导向，以导师制的方式开展，更精准地服务于工程项目，更好地提升学生的大数据开发能力。

九江学院应九江福美泰电子商务有限公司的要求，利用数据分析技术，解决委托公司邮件数据标签混乱、挖掘客户资料、供应链交付周转优化、库存配料优化、销售报价模型和客户目标数据等实际问题，开发九江福美泰数据宝项目。这些落地项目快速提升了学生的工程能力。项目以校企合作的方式，检验人才培养成果，真正意义上做到学以致“用”。

3.4 成立学生科研小组

成立科研小组，导师重点培养，为有志于进一步深造的学生储备理论研究能力。理论和实践是相辅相成的，大数据工程中少不了理论研究成果的加持。这一举措可以使本科生尽早地开展理论研究，提升大数据人才培养的质量。

依托九江学院大数据研究所和数字图像研究所，以导师制形式吸纳优秀学生，学生以第一作者发表高质量学术论文多篇，科研工作进展顺利。学生从中学习到了数据科学研究方法，为继续深造打下坚实基础。

3.5 参加相关专业竞赛，检验培养效果

参加相关专业竞赛，以赛促学。如天池大数据竞赛、DataCastle、全国大学生大数据分析技术技能大赛、“互联网+”创新创业大赛等。这类大赛所使用的数据大多都来自真实的产业数据，有定义清晰的数据集和真实的业务问题，通过此类比赛可以获得不错的大数据实践经验[9]。

仅2022年，九江学院大数据专业的学生在第十三届蓝桥杯全国软件与信息技术专业人才大赛中获得江西赛区一二三等奖共计7人；在首届全国大学生大数据分析技术技能大赛中获全国一等奖1人，二等奖3人、三等奖2人，省级一二三等奖共计二十余人。极大地提升了学生的专业学习热情，为其深入学习专业技能奠定了良好的基础。

采用这些举措培养学生的实践能力、合作能力、理论研究能力，培养过程突出“真实需求、真实项目、真实流程”的全真特色，使学生通过“政用产学研”平台得到企业实践工作与实际项目开发训练的机会，最终成为具有综合能力的大数据应用型人才。

4 结语

基于“政用产学研”“五位一体”的思路，对大数据专业的人才培养模式进行改革，强化应用，做实教学，使专业人才更好地服务于地方经济。形成政府政策主导、企业力量扶持、市场资源导向的系统化协同创新格局，整合高校大数据专业、地方政府、企业用户、合作企业与科研部门等的资源力量，全方位培养高质量、强工程能力和具有科研精神的大数据专业人才。