DISCIPLINES EXPLORATION
基于大数据分析的新工科
人才分类培养研究与实践
------以大数据技术与应用专业为例
郑述招张军
(广东科学技术职业学院广东•珠海519090)
才分类精准培养模式改革，构建了配套大数据课程体系，践行精准育人；精准对接行业领军企业，在课程资源建 设、大数据项目开发、双师团队、“1+X”证书等方面深度合作，取得了较好效果。
关键词培养模式大数据分类培养精准育人
中图分类号:G712 文献标识码:A D01:10.16400/jki.kjdkz.2021.03.020
Research and Practice on Classified Training of New Engineering
Talents Based on Big Data Analysis
------Take big data technology and Application Major as an example
ZHENG Shuzhao, ZHANG Jun
(Guangdong Polytechnic of Science and Technology, Zhuhai, Guangdong 519090)
Abstract In view of the complex structure of students,the lack of teaching resources such as teachers and other teaching resources,and the difficulty of talent training in Higher Vocational big data major,the orientation and scheme
of talent cultivation are determined by big data analysis with the help of enterprise demand and student development; the reform of precise training mode of new engineering talents based on big data analysis is carried out,and the supporting big data is constructed curriculum system,practice precision education;precision docking industry leaders,
in-depth cooperation in curriculum resources construction,big data project development,double division team,"1 + X" certificate and other aspects,has achieved good results.
Keywords training mode;big data;classified training;precise education
而相较传统学科，以大数据为代表的新工科专业人才 社会需求迫切，但技术迭代快、培养培养难度大；且不同背 景、不同区域、不同类型的企业，对于大数据人才需求差距 较大、具有典型的多元化特征。人才供给侧方面，学生来源 广、学情复杂，如何做到因材施教、实现人人进展其才，亦是 当前高职大数据教育工作者面临的重要问题。
1当前高职大数据人才培养的难点
1.1生源结构复杂
当前，高职院校生源涵盖普高生、学考生、自主招生、三 校生、“四类人员”(退役军人、下岗失业人员、农民工、新型 职业农民)等，学情异常复杂；学生在知识水平、学习能力、专业发展潜力、兴趣爱好、年龄等方面各不相同。不同的学 业基础、学习动机及就业倾向，产生不同的学习需求：而传 统的一套人才培养方案、同质化培养，己经不能满足学生个 性化学习的需求；进而导致学生自信心不足、学习积极性不 高、就业对口率不高等问题。
1.2人才培养难度大
与旺盛的人才需求相比，作为新工科专业的典型代表, 大数据领域涉及的技术范围广，涵盖大数据获取、数据清 洗、数据存储、数据分析、数据可视化、大数据平台搭建、大 数据平台运维等诸多细分领域，且技术更新快、人才培养难 度大。而部分岗位对从业者数学分析能力、算法理解能力、
2021年/第8期/3月（中）57
參穿覲蓀索
逻辑思维能力及英文资料阅读能力的要求较高，并不适合 高职院校培养；因此高职大数据专业如何精准定位、明确目 标岗位，是人才培养首先面临的挑战。
1.3师资.教材等资源缺乏
作为热门新工科专业，高职大数据专业普遍面临师资 严重不足、来源相对单一、校企双向流动不畅的窘境。教材 方面，多数专业书籍面向大数据从业者或本科、研究生，主 要讲授大数据理论、相关算法或复杂工程应用；而高职层次 则以培养应用型人才为主，理论知识“够用”即可，面向高职 层面的大数据专业课程教材极度匮乏。此外，对于高职教 学而言，大数据项目、案例资源的匮乏，导致教学过于“理论 化”，学生实践能力难以提升。
2大数据分析，确定人才培养定位及方案
大数据等新工科专业人才培养，没有可供借鉴的成熟经 验；首先需要精准定位，确定培养什么样的人才；进而根据学 生特点，制定符合其职业发展、满足企业用人需求的培养方案:
2.1应用网络爬虫技术，获取企业招聘信息，构建人才 需求大数据高职人才培养，要以市场需求为导向；采用Python 网 络爬虫技术，从中华英才网、51job 、拉勾网、猎聘网等大型 招聘网站获取大数据相关人才需求信息，为后续岗位划分、
岗位技能分析奠定基础；建立了“全样本”人才需求数据集, 改变了传统的调查问卷、重点走访等小样本抽样调查方式, 可更加准确的反映大数据行业人才需求。
2.2采用大数据挖掘、机器学习等手段，分析大数据领 域所涵盖岗位及技能要求对前期采集的招聘数
陈冠希门bt据进行清洗，应用大数据挖掘、机 器学习手段，对招聘岗位进行“聚类”，得到岗位类别；利用自 然语言语义分析，对招聘“任职要求”进行分析，得到大数据 词云（图1)及相关技术词频（图2)，进而确定当前大数据领 域主要技术(涵盖 Hadoop 、Spark 、Hive 、SQL 、HBase 、Python 、
Linux 等)，参照上述技术设置核心课程，紧跟技术发展潮流。图1大数据领域技术词云图2.3精准定位，增强目标岗位与行业需求的匹配度 数据分析表明（表1)，企业招聘的大数据人才涵盖各 个层次，既有百度、阿里、腾讯等巨头所需的顶级算法工程 师、资深专家，又有小微企业急需的大数据处理、大数据系 统维护等工程技术人员。按照“精准培养”的理念，针对高 职学生“理论知识相对薄弱、动手实践意愿较强、数理逻辑 相对较差”的特点，结合行业专家、企业资深工程师意见，选 取适合高职学生的大数据处理、大数据应用开发、大数据维
护等3个岗位重点突破，着力培养大数据应用型人才。
表1
高职大数据专业目标岗位说明序号目标岗位岗位说明核心技能要点1大数据处理岗大数据获取、清洗、 转换、上载、分析。(1) 大数据的基本概念和应用领域(2) H B a se 、H D F S 存储和管理数据(3) P yth on 网络爬虫获取数据(4) 使用E T L 工具、Python 库对数据 处理、分析(5) 大数据系统的基本搭建和调优2大数据应用开发岗开发大数据相关应
用程序.数据可视
化展示。(1〉大数据的基本概念和应用领域(2) H B a se 、H D F S 存储和管理数据(3) Spark 、Hadoop 大数据应用开发(4)
数据可视化(5)
数据系统的基本搭建和调优3大数据运维岗大数据平台搭建1
运行维护以及数据
存储、备份、恢复。(1)
大数据的基本概念和应用(2) 计算机网络基本原理和基本知识(3) 大数据系统的搭建、调优和运维(4) L in u x 高级管理(5)
N o S Q L 数据库及O ra c le 等传统 数据库llllHllllllllIl ....g ^s |j i s p §i |||i p i l |l g |l |l t ^||
图2 大数据人才技术类关键词词频
58 2021手/笫8期/3月（
中）
DISCIPLINES EXPLORATION
第三学年(项目班）第二学年(岗位班）
第一学年(自然班）
校教育大败据开发学生创新、创业行业企业顶级认证校大敗据中心运维
ERP商务数据可视化金山网游（校外）新远大数据（校外）奧威数据可视化
数据可视化
S o a rk大数据技
术
S〇«rk大数裾技
术
H iv e分布式数据
仓库
数挺清洗■e b开发技术
大数据应用开发岗
数据可视化
P y th o n®提分
數裾采集工具应
■e b开发技术
梦到鞋破了大数据M崗
大数捶平台运
云计霣技术
L in u x裹级V通
N o S Q L败提度管
O ra c le数据库蓍
大数据运维岗
程序设计基础、数据库应用基础'Web前纗技术、Hadoop大数据技术
Linux操作系统、P y t h o n应用开发、傕悤技术基础、应用数学
个性发展
7
专插本和专升本的区别岗位核
心能力
愚人节整蛊方法专业s础图4大数据专业递进式课程体系
3分类精准培养模式改革
生源多样化、学情复杂化必然要求创新人才培养模式；我国近代职业教育奠基人黄炎培指出“职业教育之定义，是 为用教育方法，使人人依其个性，获得生活的供给和乐趣，同时尽其对之义务”，强调承认学生个性差异、尊重个性特点、谋求个性发展。
按照“因材施教、以人为本”的理念，本专业实施了基于 大数据的分类精准培养改革(如图3)，制定和实施针对性、适应性和实效性强的人才培养方案，开展“分类教学、个性 化培育”；并构建对接行业高端认证的“专业基础——岗位 核心能力——个性发展”的递进式课程体系（图4所示)，实 现大数据课程体系、教学内容等与社会需求的精准对接。
自然班(大_)岗位班（大二)项目班(大三:
图3基于大数据分析的“异步式”教学组织形式
自然班(大一)：大一学生统一学习专业基础课程，培养 学生专业基础能力，由专任教师采用任务驱动方式开展教 学做一体化教学；学生在掌握IT领域基础知识的同时，了解本专业培养目标与定位。
岗位班（大二）：根据企业需求、专业定位，设置大数据 应用开发、大数据处理等多个岗位班；大二学生根据个人兴 趣、职业发展愿望等，选择其中一个岗位（且只能选择一 个），进入不同的岗位班
、学习岗位技能，从而实现分类培 养：由具有“双师”素质的专任教师和企业兼职教师在校内实践基地采取项目导向的方式共同实施教学。
项目班（大三）：根据企业运作规律和项目开发需求开 设教育大数据、数据可视化、OCM顶级认证、创新创业等项 目班，大三学进入不同的项目班；班内学生组建团队（4-8 人），按照商业IT项目流程，企业工程师、校内老师提供必 要的技术指导，协助制定项目开发计划，召集每周例会，检 查进展及项目文档；不定期开展讨论，解决项目进行中的需 求、技术、文档撰写等相关问题；教、学过程，均有规范文档 记载，保证教学质量；通过真实工作环境、真实项目开发任 务和工作过程培养学生的项目开发能力、创新创业思维，积 累项目经验，提高职业素养和就业竞争力：最终实现“人人 皆可成才、人人尽展其才”。
舒淇古装照片4研发分类培养平台，助力精细化培养
完成岗位划分、课程体系设置后，接下来便面临“学生 一岗位”匹配问题，这也是决定分类培养能否实现的重要 环节。传统“学生—
—岗位”匹配采用学生填写意愿、专业 教师(辅导员）统筹调配的方式，该方式看似满足了学生的 发展需求，但存在严重缺陷:（1)部分学生对自身的性格、爱 好、技能等缺乏详细认知：（2)由于信息不对称，学生对各岗 位的划分、培养目标缺乏了解;（3)“羊效应”明显，岗位分 流过程中盲目追求所谓“
热门岗位”；以上因素导致学生选 择的岗位与真正适合的岗位不一致、选定岗位后又反悔的 情况时有发生。
为做好“学生—
—岗位”的匹配，需要对学生的学习态 度、技术能力、个人性格等各方面因素进行综合考虑，因此 研发了基于大数据分析的人才分类培养平台；该平台含大 数据采集从学生入学、在校培养到实习就业全周期数据，涵 盖学生学籍信息、性格测试数据、各科考试成绩、每一节课 考勤情况、参与学生社团及第二课堂等信息；平台内置了基 于大数据分析的岗位推荐模型，可以根据学生相关数据提
2021导/第8期/3月（中）
59
供个性化推荐。
5精准对接行业领军企业，协同培肓大数据人才
当前，无论是1T 企业还是大型金融、物流、商贸企业， 纷纷布局大数据、人工智能，但职业院校短时间内汇集足够 数量的高技能师资是十分困难的：且完全依靠自身力量，短 时间内提升现有师资技能、开发优质课程资源，亦是难以实 现的；此外，高技能大数据人才的培养，也需要学生参与真 实项目、以项目驱动教学。
国务院印发《国家职业教育改革实施方案》明确提出职 业教育要“深化产教融合、校企合作，推动企业深度参与协 同育人”；上述问题的解决，唯有此路。广东科学技术职业 学院大数据专业与阿里云、华为、Oracle (甲骨文公司）等行 业领军企业建立合作关系，与珠海奥威、广州泰迪等中小型 大数据企业建立产教协作联盟，实现校企精准对接、开展协 同育人。
5.1校企协同制定人才培养方案
在前期采集的人才需求大数据基础上，建模、分析企业 人才需求，初步确定培养目标（岗位)及技能要求；通过走访 座谈、网络调研等形式，征求大数据领域技术专家、行业企 业工程师意见；吸纳大
数据行业专家，成立“广科大数据专 业建设委员会”，经委员会审议，形成大数据人才分类精准 培养方案。
5.2校企联手开发核心课程标准与资源当前部分大数据企业己经开发了部分专业课程资源， 但这些资源主要针对社会(企业)技术人员培训且缺乏体系 性，并不完全适合高职院校需求。为此，专业与广州泰迪、 广州职教桥等行业企业首先确定Hadoop 大数据基础、Spar - k 大数据技术、分布式数据仓库等12门课程的教学标准， 在吸收企业现有资源基础上，共同开发适合高职教学的教 案、教学日历、授课课件、授课案例、程序代码、数据集、练习 题、微课视频、软件等。针对高职层次大数据教材匮乏状
况，联合合作企业、出版社，三方协作开发立体化专业教材， 有力推动了线上线下混合式教学，进一步提升了培养质量。5.3校企共同开发教育大数据项目高职院校而言，要提升大数据专业教学科研水平，必须
依托具体应用领域、承担具体的大数据项目、开展具体的大 数据应用。充分利用教育数据资源富集的优势，联合深度 合作企业，以教育大数据开发项目为载体，组建了专业教师 为主导、在校生广泛参与、企业提供技术支撑的若干技术团 队，承担了学校数据中心维护、招生大数据分析、基于大数 据的学业预警、基于大数据的就业质量分析等项目（任务）。 通过参与真实项目，进一步提升了专业教师的技术能力，锻•穿覼蓀索
炼了学生队伍；项目成果经过数据脱敏等技术处理，作为大 数据开发案例反哺课堂教学，进一步提升了专业教学效果。 5.4校企共建高水准“双师”团队 按照“互聘共培、委托培养”的思想，专业成立之初，部 分岗位核心课、项目班课程聘请企业资深工程师担任主讲； 校内专职教师全程随堂跟听、同步学习，在短时间内掌握行 业前沿知识。此外，为适应IT 新技术快速迭代要求，专任 教师全员参与Hadoop 、Spark 等大数据领域基础技术培训， 轮流下企业挂职锻炼(三年内不少于6个月），以企业员工 身份参与大数据项目研发，提升其大数据项目研发能力及 创新能力，有力促进了教师技术更新与提升。以上举措，促 进了校企师资双向交流，有力解决了师资不足、来源单一的 问题，推动高水准的“双师”团队建设。实施基于大数据的分类精准培养，大数据教育供给侧 改革得以开展，合作企业得以深入参与协同育人，因材施教 得以顺利推行，学生得以进展其才；实现了从岗位标准、岗 位课程、人才评定、就业推荐全过程的校企精准对接、精准 育人，为高职大数据人才的培养开辟了可行路径。★基金项目：广东省教育科学“十三五”规划项目“基于 大数据分析的高职大数据技术专业精准培养与诊改研 究”资助（项目编号2018GXJK 317)、广东省教育教学改革 研究与实践项目“基于大数据分析的新工科人才精准培养 研究与实践——以大数据技术与应用专业为例”资助(项目 编号GDJG 2019123)、广东科学技术职业学院科研项目（项 目编号 XJJS 2018001)参考文献
[1] 陈昌智.以黄炎培职教思路研宄的新成果推动职教事业的创新发
展[J].教育与职业,2016(12).
[2]
国务院.国家职业教育改革实施方案[EB/OL]. v/ zhengce/content/2019-02/13/content_5365341 .htm,2019.10.1[3] 曾文权，曾文英，龙立功.高职软件技术专业校企双主题人才培养 模式研宄[J].中国职业技术教育，2013(5).
[4] 马树超，郭文富.高职教育深化产教融合的经验、问题与对策[J ].中 国高教研宄，2018(4).
[5] 付伟，唐谦，王璐烽.高职院校大数据专业人才培养模型研宂D ].教
育技术研究,2019(6).60 202丨年/笫8期/3月（中)
>韩国女主播下载
发布评论