创新大数据人才应用能力的培养模式

首页 > 教育新闻 > 新闻阅读存档/2019-11-18 / 加入收藏 / 阅读 [打印]

    近年来,随着物联网、云计算、5G等技术涌现,互联网数据规模呈几何式增长,大数据技术是针对处理这种大规模、结构复杂数据提出的,它势必为数字经济发展提供新动力。高等院校作为大数据人才培养主要机构,在充满新的发展机遇的同时,也带来了新的挑战,其主要表现在:缺乏大数据的获取渠道;缺乏成熟的大数据人才培养方案借鉴,特别是缺少在大数据人才思维训练方面的经验;缺乏专业的大数据技术师资。

    江西农业大学作为一所以农、林、牧为特色,多学科协调发展的地方高水平大学,始终关注市场对数据学科人才的需求与大数据在农业信息化中的应用。如何开展大数据人才培养?笔者认为,要从大数据本身、大数据应用能力训练与大数据师资储备等多方面着手应对。

    一要发挥学科建设优势,用科学研究助力大数据人才培养。科学试验不仅能够提供数据本身,而且给大数据技术应用提供更多的训练机会。近年来,以计算机学科、农学科、计算数学等多学科交叉的教师与学者为科研团队,积极申报和承担各类农业信息技术相关科研项目,为人才培养积累了大量的数据。例如,以水稻为主的农作物生育过程中,各生育阶段的生理生态变化数据、水稻植株拓扑结构与几何形态变化数据,以及水稻栽培技术与产量之间的关系等数据;在农产品检测中,以本地的特产脐橙为研究对象,对脐橙的外观和内部品质进行了研究,积累了大量的相关数据;对种植农作物的土壤肥力、农药对其的影响做了大量的研究,积累了大量的土壤肥力数据,为进一步研究与大数据人才培养实践提供了必要的基础。

    二要创新人才培养模式,用校企联合强化大数据人才应用能力。大数据人才应用能力的培养要贯穿本科教学的全过程,形成培养链。根据人才培养目标,软件学院设置了软件工程专业+应用背景专业方向,在人才培养模式上进行了改革,多年来取得了一些成功的经验,并对大数据应用方向人才培养做了有益的探索。学校针对大数据人才理论与实践能力的培养,调整了软件工程专业培养方案:把数据分析、处理与算法设计等课程设置成了主干课程,学生考试需要达到70分以上才算通过,增加了大数据科学、深度学习、数据挖掘等方向课程。对大数据应用方向的主干课强化了实践教学环节,除课程实验外,每门课程还设置了课程设计,大三下学期,学院聘请企业有工程实践经验的工程师来学校授课,强化训练学生运用数据开发工具的能力。大四本科的毕业设计分阶段进行,第一阶段是7月至9月,学院将毕业生送往与学院合作办学的IT企业实训基地,由IT企业委派工程师资格以上人员给学生进行封闭式的工程实训,培养毕业生运用知识的能力,具备数据分析、数据挖掘和软件开发的基本能力,熟悉所用的开发工具和工作平台,理论联系实际。第二阶段自上学期的10月份至大四下学期的4月份约半年时间,毕业生在学院与企业有组织有计划的安排下,到相关的企事业单位进行生产实习,在工程师老师的指导下进行真刀实枪的实训。通过这两个阶段的强化培养和训练,毕业生对知识的理解和运用能力、实际动手能力有了较大幅度的提高,最后一个多月的时间毕业生集中精力撰写毕业论文,完成毕业设计学习任务。在这个过程中,学生得到了完整的大数据应用技术方面的学习与训练。

    此外,学院还鼓励高学历、高职称的专业教师成立大数据工作室,学生参与教师的科学研究工作或自选大数据方面的课题,从而可以得到课堂教学环节以外的训练补充。目前学院已成立11个专业学生工作室与一个学生创新创业训练中心,学生借助工作室平台接受专业训练,指导老师负责知识建构环境与反馈机制的搭建,学生通过“以学备赛,以赛促学”循环组织学习方式,充分地培养独立思考与动手能力;最后,选拔学生参与相关教师的科研工作:科研与教育有着显著的互补性,前者是知识的产生者,提升了教育潜力,特别是大数据思维训练,通过科学研究可以有效地将超学科知识引入学习过程中。

    三要拓宽师资建设渠道,引育结合加强大数据师资储备。随着人们以劳动密集型为主的生产方式转换成知识密集型,近十年来大数据技术得到了蓬勃发展,教育部2016年批准了3所高校新增数据科学与大数据技术专业,2017年增加到35所,2018年新增203所。当前,高校大数据技术专业毕业的师资紧缺,从事该专业的教师由来自计算机科学与技术、人工智能专业转型与国外高校毕业数据科学教师组成。为了缓解专业教师供需矛盾,学校进行了顶层设计,一方面将计算机科学与数据科学方面毕业的人才列为学校紧缺招聘计划;另一方面鼓励计算机专业年轻教师进行大数据继续教育、访学与培训。

    从2012年起,学校一直探索软件工程+应用背景的人才能力培养模式,经过多年的探索与实践,2018年招收首批大数据技术与应用方向本科生,学校在努力做好学生学位教育过程中,特别关注学生的能力培养。通过对企业用人走访与升学率的统计,2018届641名毕业生中一次性就业率将近90%,考研率8.27%。

    综上所述,大数据技术与其人才培养模式研究方兴未艾,农业领域的数据是海量的,作为地方农业高校数据科学与大数据专业的教育工作者,应培养出既能掌握数据科学与数据工程技术的应用人才,又具有较强与相关应用领域的沟通和理解能力的人才。因此,我们要不断地探索和创新大数据人才应用能力的培养模式,培养出受时代和市场欢迎的人才。

    (作者单位:江西农业大学)

  • 最新内容
  • 相关内容
  • 网友推荐
  • 图文推荐