申静 陶贤智
摘要：通过分析大数据复合型人才培养现状和梳理高职院校大数据复合型人才培养面临的问题，深入企业、产业调研，明确职业岗位，确定培养目标，以培养岗位职业能力为导向，构建专业课程体系，以工作任务为导向，选取恰当的教学方法，推进专业评价模式改革，建立多元评价机制，构建高职院校大数据复合型人才培养模式。
关键词：高职院校；
大数据复合型人才；
人才培养模式
1. 大数据复合型人才培养现状分析
随着我国社会经济的迅速发展，人工智能、云计算、大数据等互联网时代的新兴技术如雨后春笋出现，并快速融入各行各业。大数据产业与其他产业的持续融合，催生了新的经济业态[1]，带动了传统人才结构向复合型人才结构的转型，从而对高职院校大数据复合型人才培养模式提出了改革升级的要求。目前，大数据复合型人才培养研究，主要包括与农业、新文科、新工科的融合型人才培养研究。
1.1 与农业的复合型人才培养研究
中国农业大学的李辉等提出基于OBE理念的农业类高校大数据专业培养方案[2]；
河北省委党校的严翠玲认为加快乡村发展的步伐，大数据技术不可忽视[3]。
1.2 与新文科的复合型人才培养研究
吉林大学的王晰巍提出新文科大数据管理与应用专业本科人才的培养模式 [4]。华东师范大学的赵星在“新文科”建设的背景与指导思想下，对大数据管理与应用专业的人才培养方案提出参考建议[5]。
1.3 与新工科的复合型人才培养研究
中山大学的吴贺俊等提出将新科目与基础科目进行融合的措施和方法[6]。重庆邮电大学的王国胤等给出了地方高校适应社会经济发展要求培养新工科人才的方法与路径[7]。
2. 高职院校大数据复合型人才培养面临的问题
实现大数据与其他产业的融合应用，大数据融合型人才是第一驱动力，构建一支既懂“大数据”又懂“产业”的大数据融合型队伍是关键。职业教育是与产教融合联系最为紧密的教育类型，也是大数据融合应用型人才培养的摇篮。大数据复合型人才成为融合发展最为密切、岗位最为符合的人才之一。从目前的研究来看，高职院校的大数据技能型人才培养和本科院校的大数据复合型人才培養都已较为成熟，但高职院校的大数据复合型人才培养较为空缺。高职院校大数据复合型人才培养也存在一些问题，主要体现在：培养的人才与复合岗位需求匹配度低；
科研育人未能发挥实效；
未开设相关融合课程；
未到融合岗位实习等。因此，构建高职大数据复合型人才培养模式具有较为重要的研究意义。
3. 高职院校大数据复合型人才培养模式构建
3.1 深入企业、产业调研，明确职业岗位，确定培养目标
经过深入的调研，明确高职院校大数据复合型人才职业岗位，包括大数据运维、大数据应用开发、大数据分析与处理、大数据ETL处理、大数据可视化，并确定大数据复合型人才培养目标。大数据专业培养理想信念坚定，德、智、体、美、劳全面发展，具有一定的科学文化知识和人文素养，良好的职业道德、精益求精的工匠精神，较强的就业能力和可持续发展能力[8]，掌握大数据采集、大数据分析与处理、大数据可视化等相关理论和方法，熟练使用开发工具进行大数据技术开发、并结合相关大数据工具能够部署相关行业的大数据应用系统，注重大数据技术专业与其他行业相融合，研究、开发和应用其他行业融合的大数据技术，对接大数据技术产业，面向互联网、IT 软件行业，能够从事大数据运维工程师、大数据技术开发工程师、大数据分析工程师、大数据可视化工程师等岗位的高素质复合型技术技能人才。
3.1.1 素质
（1）具有正确的世界观、人生观、价值观，坚决拥护中国共产党领导，践行社会主义核心价值观，热爱劳动，具有良好的生活习惯、行为习惯。
（2）具有人文社会科学素养、社会责任感。
（3）遵纪守法，具有社会责任感。
（4）具有工匠精神、信息素养、创新思维。
（5）有较强的集体意识和团队合作精神。
（6）根据数据变化趋势，可以分析出数据趋势背后的逻辑。
（7）根据数据变化趋势，可以分析出触发这些趋势的原因。
3.1.2 知识
（1）掌握必备的思想政治理论、中华传统文化知识和科学文化基础知识。
（2）熟悉专业相关的政策与法律法规。
（3）掌握体育、军事、心理健康、职业发展等相关知识。
（4）掌握程序开发语言及数据库的相关理论和应用知识。
（5）掌握B/S架构数据请求和应答的相关知识。
（6）掌握Web系统的开发，及Web系统数据抓取的相关知识。
（7）掌握大数据分布式系统的设计，以及运维相关知识。
（8）掌握大数据采集、预处理和清洗的相关知识。
（9）掌握大数据离线和实时处理的相关知识。
（10）掌握Web系统展示大数据分析结果的相关知识。
3.1.3 能力
（1）具有终身学习的能力，分析和解决问题的能力。
（2）具有较好的表达沟通能力。
（3）具有程序逻辑开发能力。
（4）具有关系型数据库和非关系型数据库设计和处理的能力。
（5）具有Web系统开发能力。
（6）具有Web站点数据抓取能力。
（7）具有大数据采集、预处理和清洗能力。
（8）具有大数据离线处理能力。
（9）具有大数据实时处理能力。
（10）具有对大数据结果展示的能力。
3.2 以岗位职业能力为导向，构建专业课程体系
基于企业工作岗位的实际用人需求开展相关调研工作，通过市场调研和岗位调研分析，确定培养目标和毕业生的就业岗位，向企业征集具体的工作任务，归纳整理一整套用于教学实施的真实企业生产过程中的实际工作任务。依据工作任务，以岗位职业能力为导向，结合学生学习规律，构建大数据专业课程体系。构建大数据专业课程主要包括公共课程和专业课程的构建。
3.2.1 构建公共课程
公共课程包括公共必修课程和公共选修课程。其中公共必修课程为入学教育、思想道德与法治、中国特色社会主义理论体系概论、新时代中国特色社会主义思想概论、形势与政策、心理健康教育、体育与健康、公共英语、微积分、应用写作、大学生职业发展与就业指导、军事理论、军事技能、创业基础、劳动实践、信息技术。公共选修课程为普通话与语言文字欣赏、羽毛球、健美操、影视鉴赏、音乐欣赏、美术鉴赏等。
3.2.2 构建专业课程
专业课程包括专业必修课程和专业选修课程。专业必修课程分为专业基础课程（Java程序设计基础）、静态网页开发技术（HTML5+CSS3）、Linux操作系统、Python程序设计、专业英语）、专业核心课程（Java面向对象程序设计、Java Web程序开发、Hadoop大数据技术应用、Spark大数据技术应用、Python网络爬虫技术、JavaScript程序设计、Flink大数据技术应用）、专业实践课程（Java程序设计基础实训、Java面向对象开发实训、Hadoop大数据技术应用实训、Spark大数据技术应用实训、程序设计综合实践、数据库设计综合实践、Hadoop 大数据综合实践、大数据技术应用综合实践、专业综合实训、Flink大数据实训、毕业设计、岗位实习）。专业选修课程包括MySQL 数据库应用、Oracle 数据库应用、Python 数据分析与应用、Python 数据处理与挖掘、NoSQL 数据库技术与应用、Java 数据结构。
3.3 以工作任务为导向，选取教学方法
3.3.1 “职场化”教学法
以大数据专业人才培养中的素质为目标，培养学生的职业素质，将素质、知识和能力培养与企业的融合岗位任职相对接，教学内容与实际岗位相接轨，明确学生所需要掌握的知识和技能，以企业“准员工”要求自己的学习。在教学实施过程中融入企业文化，按照企业环境布置教室和机房，按照企业真实项目分配角色、实施跟踪、汇报评估，按照企业工作环境布置教学场景，遵循企业工作真实工作流程，包括角色分配、任务划分、项目实施等，培养学生“上课即上岗”的意识，从而实现学生到工作岗位的零距离融合。
3.3.2 “项目化”教学法
将企业项目的管理思想贯穿在每门专业课程的教学过程中，每門专业课对应一个企业真实项目，按照CMMI3的标准流程进行研发。每班进行小班制授课，采取以就业为导向准职业人的管理模式，对在校学生按准职业人的要求来约束自己。
3.3.3 项目驱动教学法
按照理论课→上机课→指导学习课→项目案例课→阶段项目课→企业实战课等教学流程，项目实战贯穿整个教学过程，不断培养学生的动手操作能力和项目实战能力，努力培养学生的项目开发经验和项目管理经验。
3.4 推进专业评价模式改革，建立多元评价机制
推进专业评价模式改革，建立多元评价机制，进行思政及职业素养评价、自我评价、教师评价、过程性评价与终结性评价相结合、用人单位评价和第三方评价相结合，及时诊断分析、发现问题、查摆原因、提出整改措施，不断改进提高，形成教学质量改进螺旋。建立评价主体多元化（教师、学生、家长、用人单位、第三方机构）、评价内容综合化（思政及职业素养、专业知识、操作技能）、评价方法多样化（项目完成、操作、社会实践、志愿者、理论考核）的评价体系。
3.4.1 思政及职业素养评价
通过专业考核及日常表现，考查学生的职业素质和职业素养（职业道德、人文素质、职业意识、职业态度），考查学生是否树立社会主义核心价值观，模范遵守社会公德、职业道德和法律、法规，具有科学精神、人文素养和创新意识。
3.4.2 过程性评价
从平时课堂检测、课后相关任务（作业、小论述、团体活动讨论）、实验实训操作水平、实践技能、理论测试等过程加以考核。
3.4.3 终结性评价
期末的理论考试或上机考试，考核学生的专业知识、专业技能等。
3.4.5 用人单位评价
用人单位、实习单位对学生的职业生涯、职业发展、综合素质、专业知识和技能进行评价。
3.4.6 第三方评价
通过第三方评价机构，针对在校外进行顶岗实习的学生和已经毕业的学生给出评价意见和考核结论。
结语
本文构建的高职院校大数据复合型人才培养模式，能较好满足企业、产业对大数据复合型人才需求，促进学生的大数据专业知识、应用能力和职业素质协调发展，对其他专业与行业的复合型人才培养具有一定的借鉴作用和参考价值。
参考文献：
[1]工业和信息化部．“十四五”大数据产业发展规划[EB/OL].（2022-07-06）［2023-02-08］.https：//www.miit.gov.cn/jgsj/ghs/zlygh/art/2022/art_5051b9be5d4740daad48e3b1ad8f728b.html.
[2]李辉，张标.涉农高校数据科学与大数据技术专业人才培养思考[J].高等工程教育研究，2019，（5）：16-22.
[3]严翠玲，申益嘉.大数据助推乡村振兴的实践探索——评《大数据与农业应用》[J].中国农业气象.2022，43（1）：79-80.
[4]王晰巍，李玥琪，贾若男，等.新文科背景下大数据管理与应用专业人才培养模式[J].图书情报工作，2021，65（17）：45-56.
[5]赵星，俞晓婷，万玲玉.新文科背景下大数据管理与应用专业培养特征的内容分析[J].图书与情报，2020，（6）：26-34，92.
[6]吴贺俊，饶洋辉.面向新工科的大数据专业课程建设[J].中国大学教学，2019，（4）：34-37.
[7]王国胤，刘群，夏英，等.大数据与智能化领域新工科创新人才培养模式探索[J].中国大学教学.2019，（4）：28-33.
[8]申静.现代学徒制下高职移动应用开发专业课程体系构建[J].现代职业教育，2022，（7）：43-45
作者简介：申静，硕士，讲师，研究方向：大数据、人工智能；
陶贤智，本科，工程师，研究方向：大数据、人工智能。
基金项目：湖南生物机电职业技术学院2022年度院级科研项目（编号：22YSK06）；
湖南省教育科学研究工作者协会课题（编号：XJKX22B046）。