面向工程教育认证的大数据人才培养模式研究

　　摘　要：在工程教育认证的国际化趋势下，我国工程人才培养的关注点从增加数量转向提升质量。借鉴国外高等工程教育先进的成果导向教育理念，以数据科学与大数据技术专业为研究对象，以工程教育认证理念和标准为指导，根据目标导向反向设置课程体系，以学生为中心设计、实施、评价教学，持续改进质量管理，探讨适合地方财经院校大数据专业的人才培养模式。

　　一、大数据人才培养存在不足

　　我国大数据行业的人才培养和培训体系相对滞后，学校教育与市场需求严重脱节，其主要原因是没有厘清大数据技术与传统信息技术的区别，导致两者的人才培养模式雷同。大数据专业的课程设置大多围绕计算机及数据分析信息技术，虽然可以培养学生具备良好的科学素养，系统地、较好地掌握计算机基本理论、基本知识和基本技能与方法，但计算机及数据分析信息技术并不等同于大数据技术，更不能仅用计算机及数据分析信息技术作为大数据人才的评估标准。大数据人才是综合性的人才，需要结合业务背景，以数据为驱动来分析问题、解决问题。与传统的信息技术相比，大数据专业[1] 的深度和广度都有延伸，需要培养人才的“数据驱动”与“数据闭环”思维方式，构造起包括数据采集、建模分析、效果评估到反馈修正各个环节在内的完整“数据闭环”，从而能够不断地自我升级、螺旋上升，自下而上地由数据来驱动经营管理决策。数据价值实现离不开围绕数据业务的不同角色分工配合，大数据人才需要涉及交叉学科和交叉领域，通过完整的课程体系培养大数据人才的全局观、大局观，既可以自顶向下的通过业务探索数据背后蕴含的商业价值，又可以自底向上的去实现数据获取、数据挖掘、以及数据决策的全流程。只有具备这方面的能力与素养，并且能够熟练运用计算机及数据分析信息技术的人才，才符合中国大数据人才标准。

　　二、依据工程教育认证培养大数据人才

　　工程教育认证[2] 是由中国工程教育专业认证协会组织领域内教育专家和相关行业企业专家针对高等教育机构进行的工程类专业教育专门性认证，旨在为相关工程技术人才进入工业界从业提供预备教育质量保证。工程教育认证有三个基本理念，即以学生为中心、成果导向和质量持续改进，并围绕基本理念设计了通用认证标准。认证标准中的中心指标是“学生”，“师资队伍”、“课程体系”和“支持条件”等指标是为了有效促进学生达到“毕业要求”、进而达成“培养目标”。工程教育专业认证的基本理念源于一种新的工程教育理念——成果导向教育（Outcome based education，简称OBE）[3]。OBE 在1981 年由Spady 率先提出，随后以惊人的速度获得了广泛重视和应用，形成了比较完整的理论体系，至今仍被认为是追求卓越教育的正确方向。美国工程教育认证协会全面接受了OBE 的理念，并将其贯穿于工程教育认证标准的始终。成果导向教育（OBE）在美国、英国、加拿大等国家成为了教育改革的主流理念。2013 年，我国加入《华盛顿协议》成为预备成员， 2016 年年初接受了转正考察。成果导向教育是高等工程教育改革的正确方向，应将成果导向的教育理念融入高等工程教育体系中，改革与此不相适应的做法。结合我国工程教育专业认证的要求，基于成果导向教育的工程教育改革要实现以下三个转变[4]：从学科导向向目标导向转变；从教师中心向学生中心转变；从质量监控向持续改进转变。（1）学科导向的专业设置按学科划分，知识结构强调学科知识体系的系统性和完备性，教学设计更加注重学科的需要，在一定程度上忽视了专业的需求；而成果导向的工程教育是目标导向的，遵循反向设计原则，由需求决定培养目标，由培养目标决定毕业要求，再由毕业要求决定课程体系，资源配置以支撑毕业要求与培养目标的达成为导向。（2）以教师为中心关注教什么、怎么教、教得怎样；而以学生为中心则关注学什么、怎么学、学得怎样，围绕学生的发展确定培养目标与毕业要求，根据对学生的期望设计教学内容，以是否有利于学生达成预期目标判断师资与其它支撑条件，评价的焦点是学生学习效果与表现，面向全体学生而不是个别优秀学生。（3）教学质量管理目前处于对教学环节进行质量监控的初级阶段，具备监督、调控的功能；而成果导向的工程教育是一个持续改进的过程，通过持续改进，保障培养目标始终与内、外部需求相符合，保障毕业要求始终与培养目标相符合，保障教学活动始终与毕业要求相符合。

　　数据科学与大数据技术是我校新开设的一个本科专业，旨在培养全面掌握数据科学与大数据基础理论、基本技能与常用工具，了解应用领域大数据，能胜任大数据分析与挖掘、大数据处理系统开发与构建等工作的专门性科学技术人才。秉着“体现学生为本” 和“追求能力产出”的工程教育理念，结合地方财经院校的优势学科，我们以计算机技术和数学理论为基础，突出对金融数据的统计分析和智能化分析。从“科学”（数学、统计学、数据数学）、“技术”（计算机科学与大数据技术）和“应用与实务”三个基本方面构建数据科学与大数据技术专业主干课程体系[5]。本专业的基础课程分为计算机基础和数学基础两部分，专业选修课程既包括针对结构化传统金融数据的统计分析，又包括针对大数据时代非结构化新型数据的智能化分析。在设置课程时，先根据毕业要求确定学生应掌握的知识点，然后确定具体课程，使课程体系支撑知识结构，进而使每门课程的学习都与知识（能力）结构相呼应。创新教学的方式方法，强调互动式、合作式学习，将学生之间的竞争转变为自我竞争，通过团队合作、协同学习等方式，使学习能力较强者变得更强，使学习能力较弱者得到提升。制定每一门课程的达成度指标，以评价最终的毕业要求达成度效果。

　　三、结束语

　　以工程教育认证理念和标准为指导，根据目标导向设置课程体系，以学生为中心设计、实施、评价教学过程，构建能够持续改进的教学质量管理体系，把能够将数学、计算机技术和专业知识用于统计分析和智能化分析金融数据的能力培养贯穿于本科教育全过程，探讨适合地方财经院校大数据专业的人才培养模式，为地区和行业培养具有新时代财经背景的大数据人才。

　　参考文献

　　[1]　 中国大数据人才培养体系标准[S]. 北京: 中国商业联合会数据分析专业委员会, 2017.

　　[2]　 工程教育认证通用标准解读及使用指南[S]. 北京: 中国工程教育专业认证协会, 2018.

　　[3]　 李志义. 适应认证要求推进工程教育教学改革[J]. 中国大学教育, 2014(6): 9-16.

　　[4]　 尤园. 基于工程教育专业认证的本科人才培养模式研究—— 以某高校计算机科学与技术专业为例[D]. 绵阳: 西南科技大学, 2018.

　　[5]　 贺文武, 刘国买. 数据科学与大数据技术专业核心课程建设的探索与研究[J]. 教育评论, 2017(11): 31-35.