论文部分内容阅读
关键词：大数据智能化;计算机类专业;新工科;协同创新培养;系统能力
2015年国务院发布《促进大数据发展行动纲要》，成为“全面推进我国大数据发展和应用，加快建设数据强国”的标志[1];2017年国务院印发《新一代人工智能发展规划》，成为“加快建设创新型国家和世界科技强国”的标志[2]。大数据与人工智能已上升为国家战略，然而高端芯片与基础软件研发人才的缺乏不仅影响国家整体安全，同时也严重制约了我国在大数据智能化领域的创新能力。计算机专业系统能力是指在新工科背景下，以计算为基础的大数据智能化系统分析、设计、实现和应用综合能力，也是研发高端芯片和基础软件所必备的专业能力。国家战略和产业发展需要大量具备高阶系统能力的大数据智能化复合型计算机类卓越人才。
一、大数据智能化人才协同创新培养需要破解的难题
目前全国各类高校已陆续围绕大数据智能化相关专业建设、人才培养及课程建设展开研究。
人工智能专业建设：浙江大学的吴飞等在梳理了国内外部分人工智能专业设置现状的基础上，从专业定位、课程体系和实践体系的角度出发，提出了一种人工智能专业课程设置的思路[3];北京理工大学的黄河燕在梳理国内新工科建设背景以及国内外人工智能专业教育现状基础上，结合新工科内涵、专业能力目标达成、要素重构与创新等综合需求，提出了新工科背景下人工智能人才培养需要关注和重点建设的内容[4]。
大数据专业建设：中国科学院计算技术研究所的王元卓等综合分析了大数据专业建设与人才培养中选用教材、课程体系设置、师资配置等现状，进而提出了一种大数据专业建设与人才培养的方案[5];中国农业大学的李辉等以结合本校实际讨论了在农业类高校中建设大数据相关专业的必要性，梳理了部分农业类高校大数据相关专业建设的现状，提出一种基于OBE理念的农业类高校大数据专业培养方案，以及相应的教学改革措施[6];青岛大学的王晶莹等从大数据和计算社会学两个方向出发，分析了问题、现状和时代背景特征，讨论了从大数据到计算教育学涉及的概念、动因和出路等若干关键要素[7]。
课程建设驱动的大数据智能化人才培养：重庆大学的冯永等通过课程建设、竞赛指导实践、文献研究、产业调研、教学研讨及项目实施等综合手段，提出一种大数据产业背景下技术人才的创新培养模型，以及人才培养模型、课程体系及培养方案的反馈修正方法，最终建立了针对所提人才培养模型的实训与实践平台[8];重庆邮电大学的王国胤等在梳理总结其学院多年来关于大数据与智能化方面的人才培养实践与经验，给出了一种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[9];中山大学的吴贺俊等聚焦大数据专业方向中具体的课程建设，为适应新工科的整体建设路径，提出将新科目与基础科目进行融合的措施和方法[10]。
应用型大数据智能化人才培养：金陵科技学院的张燕等聚集专业建设和应用型人才培养，从基本原则、培养目标、能力要求、师资队伍需求、课程体系建设、教材和课程资源建设等多个维度探讨了应用型大数据技术专业人才的培养[11]。
通过上述研究分析，我们发现结合人工智能的大数据智能化相关高层次人才立德树人教育、培养方式、目标定位、专业建设、课程群建设、教学案例设计与建设等研究总体还比较匮乏，距离国家要求还存在较大差距，存在以下需要破解的难题：
1.以立德树人为根本标准，结合计算机类专业系统能力培养特点，明确人才培养目标和定位
高校立身之本在于立德树人，立德树人教育是检验高校一切工作的根本标准。新一代人工智能和大数据技术的普遍应用，为技术道德伦理带来了严峻挑战，如“欧盟专利局拒绝从AI提交的发明专利申请事件”“智能音箱对主人进行危险行为诱导，建议人类使用者自杀”“‘监测头环’进校园惹争议”“AI换脸应用引发的隐私争议问题”“大数据杀熟”等近年一系列人工智能和大数据领域的道德伦理问题，使得大數据智能化人才的技术伦理培养越发紧迫和重要，其核心还是在于立德树人教育。
大数据智能化人才是以计算技术为基础，以数据科学、大数据技术、人工智能为特色的宽口径人才，而大多数院校的培养目标与传统的计算机科学与技术、软件工程等人才培养目标之间的差异性较少，甚至是将计算机、统计学等专业培养目标简单复合而成。另一方面，大数据技术与人工智能融合演进迅速，还在在各个领域持续渗透和深化，岗位需求还在不断演变，客观上也导致学校在明确培养目标和定位上存在较大难度。
为此需要将立德树人教育贯穿大数据智能化人才培养全过程，全面覆盖课程体系，渗透到每门课程的教学内容。同时，通过深入调研产业需求，遵循“立德树人为根本”“产业需求为导向”来明确大数据智能化人才的培养目标和定位。
2.结合大数据和人工智能融合的核心内涵，完善能力与知识体系
国内针对大数据智能化人才培养模式的研究总体还比较缺乏，大多是特定应用领域下大数据应用能力培养方法，而没有结合大数据和人工智能融合的核心内涵，系统性提出培养体系。大数据产业和技术链条涉及多种信息技术及商业模型集成，与人工智能深度融合后，将对岗位需求、产业现状、就业前景产生更深刻的变化，需要进一步开展技术与产业现状调研，结合调研结果来预测产业应用和就业前景，从而合理规划教学内容和课程体系，按国家要求“以技术发展调整教学内容，更新人才的知识体系”[12]。
3.依据大数据智能化行业发展要求，构建合理的实践教学体系
由于大数据智能化领域的内容还未明确，因此现有大数据相关的课程和教材之间缺乏明确的划分和协同。课程的内容组织和教学方式，特别是实践教学体系还未能充分体现大数据智能化行业发展的要求。为了提高人才培养的质量，必须对实践教学体系进行研究和规划。在理清专业核心能力和知识结构的基础上，建立合理的实践教学体系来支撑专业发展。
4.建设有效支撑大数据智能化共性基础能力提升的课程群及教学案例库 大数据智能化作为新兴的交叉型学科方向，人才需要“能够理解数据科学中的理论模型，掌握实际数据的处理技能，具备解决行业问题的应用能力”。显然这些能力的培养过程，对合理的课程群及教学案例有高要求，需通过“校企联合”“理工协同”和“教研融合”等模式整合学校、企业和社会的多种资源来共同支撑课程群及教学案例库的建设。
二、共智融合的大数据智能化人才协同创新培养基本模型
研究团队基于前期研究基础，开展共智融合的大数据智能化人才协同创新培养研究与实践，以问题为导向，开展学科融合、产教融合、国际合作等多种模式探索，采用项目提炼、竞赛创新、学生贡献等多种方式实践，充分进行“共智融合”，建立共智融合的大数据智能化人才协同创新培养基本模型，如图1所示。
该模型以构建分层级能力度量与动态扩展知识体系及共性教学案例库为核心，开展大数据智能化技术知识、能力、素质需求要素的融合、分级与分类研究;面向大数据智能化系统能力提升的新工科师资队伍建设和教学过程与方法研究;大数据智能化产学研用多方协同培养机制研究;大数据智能化实践创新教育教学体系研究，从而建立数智融合的分层级能力度量与动态扩展知识体系及共性教学案例库，在此基础上建设新工科师资队伍、提出新工科教学过程与新方法、建立科教协同、产学协同、国际合作协同等多种协同培养机制，构建大数据智能化技术实践创新教育教学体系，以立德树人为根本标准将技术道德伦理教育贯穿人才培养和教学改革全过程、渗透整个课程内容和知识体系，最终完成共智融合的大数据智能化人才协同创新培养与实践。
1.数智融合的分层级能力度量与动态扩展知识体系
大数据技术与人工智能融合演进迅速，还在各领域持续渗透和深化，岗位需求也在不断演变，结合大数据和人工智能融合的核心内涵，在深入调研、分析、梳理和研究了国内外大数据与人工智能相关20余门课程教学内容、教学组织、知识单元结构、课程资源;30余份知名企业专题报告;190余篇大数据相关技术与教学研究文献;参加了20余次大数据相关技术与教学研讨会议;实地走访调研了浙江大学、支付宝总部、东南大学、南京大学等大数据与人工智能人才培养方案基础上，系统性提出并建立了数智融合的分层级能力度量与动态扩展知识体系，有效指导培养方案制定、课程建设和教学实践。
2.理工融合、产教融合、创新牵引的开放式培养团队组织与教学过程
师资队伍建设：大数据产业突出工程研究性质，注重实践和行业基础，依据数智融合的分层级能力度量与动态扩展知识体系，联合多学科师资，组建了跨学院多学科的专业教学团队，聘请腾讯、阿里巴巴、华为、曙光等企业资深工程师和外教担任兼职教师，形成跨学科、开放式的师资队伍。
人才培养模式：构建以“创新创业实践为主体、创新创业平台基地为支撑”的多层次和系统化的创新人才培养体系;通过引入融合创新范式，提出大数据人才培养新途径;构建互动协作的教学模式和教學环境。
教学过程与方法：在人才培养过程中探索以工程研究和专业实践为主的课程项目和竞赛式教学方式、方法。
通过课程建设、产业调研、技术研究、学生培养与科研实践五位一体的共同推进，同时进行充分的理工融合、产教融合、创新牵引，建立良性互动、协同创新的开放式培养团队组织模式，吸纳跨学科教师、跨行业专家、优秀毕业生共同参与培养方案的制定，承担具体教学任务。在教学过程中，以项目和竞赛为主线、教师为主导、学生为主体、工程研究为方法，使学生主动参与、自主协作、探索创新，在完成课程项目、科研实践和参加竞赛的过程中达成教学目标。
3.良性互动、协同创新的产学研用多方培养机制体系
依据数智融合的分层级能力度量与动态扩展知识体系，结合计算机专业与数学专业的教学特点及其与大数据智能化的结合点，基于在科教融合培养方面的信息物理社会可信服务计算教育部重点实验室、软件理论与技术重庆市重点实验室、重庆市不动产智能大数据处理工程技术研究中心、重庆市医药智能物流工程技术研究中心和重庆市软件研发技术中心等优质平台资源，建立科教结合协同培养机制;基于与曙光、浪潮合作建立的大数据基础硬件平台，与DIGILENT、Xilinx合作建立的大数据硬件加速平台，与甲骨文、曙光合作建立的大数据管理平台，与百度、重庆药交所、中软国际等合作开展的一系列行业大数据创新实践，持续深化，建立产学融合协同培养机制;目前我们已经与澳大利亚国立大学、瑞士应用科技大学、日本早稻田大学、纽约州立大学宾汉姆顿分校和亚利桑那州立大学建立了稳固的合作关系，基于2 2联合培养、3 2联合培养、学分互认、短期交换等具体措施，建立国际合作协同培养机制，同时还探索了多种协同培养机制的交叉组合机制，并建设了相关的课程项目方案，培育硕士带动本科生的创新实践团队，在综合实验结束后安排学生进入大数据相关企业进行实践，建立产学研合作联盟，进一步提升了学生的创新实践能力，从而建立了良性互动、协同创新的产学研用多方协同培养机制体系（如下页图2所示）。
4.多途径众智贡献与协同的特色课程项目与场景案例池
按照5个学习层次、40个学习模块、3条学习难度路径，建设了气象、新闻、生物、电商、音乐、电影、点评等10余个大数据场景的100余个课程项目;采用科研项目提炼、学科竞赛创新、优秀学生贡献等多途径众智贡献与协同方式，面向社交网络、知识社区、网上购物、智能交通、推荐系统、文本分析等典型大数据领域，基于Spark、Hadoop、Docker、MongoDB等主流开源大数据技术平台，以及TensorFlow、Caffe、PyTorch等主流人工智能开源技术平台，采用K均值聚类、神经网络预测、孤立森林、LDA模型等重要的大数据分析建模方法，形成了场景化特色教学案例池，包括案例实施设计方案、案例实际操作指南、案例算法源代码、案例环境配置方案、案例数据集和案例可视化结果等，可以供学生复现、分析、实验、实践和进一步拓展提升。
2015年国务院发布《促进大数据发展行动纲要》，成为“全面推进我国大数据发展和应用，加快建设数据强国”的标志[1];2017年国务院印发《新一代人工智能发展规划》，成为“加快建设创新型国家和世界科技强国”的标志[2]。大数据与人工智能已上升为国家战略，然而高端芯片与基础软件研发人才的缺乏不仅影响国家整体安全，同时也严重制约了我国在大数据智能化领域的创新能力。计算机专业系统能力是指在新工科背景下，以计算为基础的大数据智能化系统分析、设计、实现和应用综合能力，也是研发高端芯片和基础软件所必备的专业能力。国家战略和产业发展需要大量具备高阶系统能力的大数据智能化复合型计算机类卓越人才。
一、大数据智能化人才协同创新培养需要破解的难题
目前全国各类高校已陆续围绕大数据智能化相关专业建设、人才培养及课程建设展开研究。
人工智能专业建设：浙江大学的吴飞等在梳理了国内外部分人工智能专业设置现状的基础上，从专业定位、课程体系和实践体系的角度出发，提出了一种人工智能专业课程设置的思路[3];北京理工大学的黄河燕在梳理国内新工科建设背景以及国内外人工智能专业教育现状基础上，结合新工科内涵、专业能力目标达成、要素重构与创新等综合需求，提出了新工科背景下人工智能人才培养需要关注和重点建设的内容[4]。
大数据专业建设：中国科学院计算技术研究所的王元卓等综合分析了大数据专业建设与人才培养中选用教材、课程体系设置、师资配置等现状，进而提出了一种大数据专业建设与人才培养的方案[5];中国农业大学的李辉等以结合本校实际讨论了在农业类高校中建设大数据相关专业的必要性，梳理了部分农业类高校大数据相关专业建设的现状，提出一种基于OBE理念的农业类高校大数据专业培养方案，以及相应的教学改革措施[6];青岛大学的王晶莹等从大数据和计算社会学两个方向出发，分析了问题、现状和时代背景特征，讨论了从大数据到计算教育学涉及的概念、动因和出路等若干关键要素[7]。
课程建设驱动的大数据智能化人才培养：重庆大学的冯永等通过课程建设、竞赛指导实践、文献研究、产业调研、教学研讨及项目实施等综合手段，提出一种大数据产业背景下技术人才的创新培养模型，以及人才培养模型、课程体系及培养方案的反馈修正方法，最终建立了针对所提人才培养模型的实训与实践平台[8];重庆邮电大学的王国胤等在梳理总结其学院多年来关于大数据与智能化方面的人才培养实践与经验，给出了一种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[9];中山大学的吴贺俊等聚焦大数据专业方向中具体的课程建设，为适应新工科的整体建设路径，提出将新科目与基础科目进行融合的措施和方法[10]。
应用型大数据智能化人才培养：金陵科技学院的张燕等聚集专业建设和应用型人才培养，从基本原则、培养目标、能力要求、师资队伍需求、课程体系建设、教材和课程资源建设等多个维度探讨了应用型大数据技术专业人才的培养[11]。
通过上述研究分析，我们发现结合人工智能的大数据智能化相关高层次人才立德树人教育、培养方式、目标定位、专业建设、课程群建设、教学案例设计与建设等研究总体还比较匮乏，距离国家要求还存在较大差距，存在以下需要破解的难题：
1.以立德树人为根本标准，结合计算机类专业系统能力培养特点，明确人才培养目标和定位
高校立身之本在于立德树人，立德树人教育是检验高校一切工作的根本标准。新一代人工智能和大数据技术的普遍应用，为技术道德伦理带来了严峻挑战，如“欧盟专利局拒绝从AI提交的发明专利申请事件”“智能音箱对主人进行危险行为诱导，建议人类使用者自杀”“‘监测头环’进校园惹争议”“AI换脸应用引发的隐私争议问题”“大数据杀熟”等近年一系列人工智能和大数据领域的道德伦理问题，使得大數据智能化人才的技术伦理培养越发紧迫和重要，其核心还是在于立德树人教育。
大数据智能化人才是以计算技术为基础，以数据科学、大数据技术、人工智能为特色的宽口径人才，而大多数院校的培养目标与传统的计算机科学与技术、软件工程等人才培养目标之间的差异性较少，甚至是将计算机、统计学等专业培养目标简单复合而成。另一方面，大数据技术与人工智能融合演进迅速，还在在各个领域持续渗透和深化，岗位需求还在不断演变，客观上也导致学校在明确培养目标和定位上存在较大难度。
为此需要将立德树人教育贯穿大数据智能化人才培养全过程，全面覆盖课程体系，渗透到每门课程的教学内容。同时，通过深入调研产业需求，遵循“立德树人为根本”“产业需求为导向”来明确大数据智能化人才的培养目标和定位。
2.结合大数据和人工智能融合的核心内涵，完善能力与知识体系
国内针对大数据智能化人才培养模式的研究总体还比较缺乏，大多是特定应用领域下大数据应用能力培养方法，而没有结合大数据和人工智能融合的核心内涵，系统性提出培养体系。大数据产业和技术链条涉及多种信息技术及商业模型集成，与人工智能深度融合后，将对岗位需求、产业现状、就业前景产生更深刻的变化，需要进一步开展技术与产业现状调研，结合调研结果来预测产业应用和就业前景，从而合理规划教学内容和课程体系，按国家要求“以技术发展调整教学内容，更新人才的知识体系”[12]。
3.依据大数据智能化行业发展要求，构建合理的实践教学体系
由于大数据智能化领域的内容还未明确，因此现有大数据相关的课程和教材之间缺乏明确的划分和协同。课程的内容组织和教学方式，特别是实践教学体系还未能充分体现大数据智能化行业发展的要求。为了提高人才培养的质量，必须对实践教学体系进行研究和规划。在理清专业核心能力和知识结构的基础上，建立合理的实践教学体系来支撑专业发展。
4.建设有效支撑大数据智能化共性基础能力提升的课程群及教学案例库 大数据智能化作为新兴的交叉型学科方向，人才需要“能够理解数据科学中的理论模型，掌握实际数据的处理技能，具备解决行业问题的应用能力”。显然这些能力的培养过程，对合理的课程群及教学案例有高要求，需通过“校企联合”“理工协同”和“教研融合”等模式整合学校、企业和社会的多种资源来共同支撑课程群及教学案例库的建设。
二、共智融合的大数据智能化人才协同创新培养基本模型
研究团队基于前期研究基础，开展共智融合的大数据智能化人才协同创新培养研究与实践，以问题为导向，开展学科融合、产教融合、国际合作等多种模式探索，采用项目提炼、竞赛创新、学生贡献等多种方式实践，充分进行“共智融合”，建立共智融合的大数据智能化人才协同创新培养基本模型，如图1所示。
该模型以构建分层级能力度量与动态扩展知识体系及共性教学案例库为核心，开展大数据智能化技术知识、能力、素质需求要素的融合、分级与分类研究;面向大数据智能化系统能力提升的新工科师资队伍建设和教学过程与方法研究;大数据智能化产学研用多方协同培养机制研究;大数据智能化实践创新教育教学体系研究，从而建立数智融合的分层级能力度量与动态扩展知识体系及共性教学案例库，在此基础上建设新工科师资队伍、提出新工科教学过程与新方法、建立科教协同、产学协同、国际合作协同等多种协同培养机制，构建大数据智能化技术实践创新教育教学体系，以立德树人为根本标准将技术道德伦理教育贯穿人才培养和教学改革全过程、渗透整个课程内容和知识体系，最终完成共智融合的大数据智能化人才协同创新培养与实践。
1.数智融合的分层级能力度量与动态扩展知识体系
大数据技术与人工智能融合演进迅速，还在各领域持续渗透和深化，岗位需求也在不断演变，结合大数据和人工智能融合的核心内涵，在深入调研、分析、梳理和研究了国内外大数据与人工智能相关20余门课程教学内容、教学组织、知识单元结构、课程资源;30余份知名企业专题报告;190余篇大数据相关技术与教学研究文献;参加了20余次大数据相关技术与教学研讨会议;实地走访调研了浙江大学、支付宝总部、东南大学、南京大学等大数据与人工智能人才培养方案基础上，系统性提出并建立了数智融合的分层级能力度量与动态扩展知识体系，有效指导培养方案制定、课程建设和教学实践。
2.理工融合、产教融合、创新牵引的开放式培养团队组织与教学过程
师资队伍建设：大数据产业突出工程研究性质，注重实践和行业基础，依据数智融合的分层级能力度量与动态扩展知识体系，联合多学科师资，组建了跨学院多学科的专业教学团队，聘请腾讯、阿里巴巴、华为、曙光等企业资深工程师和外教担任兼职教师，形成跨学科、开放式的师资队伍。
人才培养模式：构建以“创新创业实践为主体、创新创业平台基地为支撑”的多层次和系统化的创新人才培养体系;通过引入融合创新范式，提出大数据人才培养新途径;构建互动协作的教学模式和教學环境。
教学过程与方法：在人才培养过程中探索以工程研究和专业实践为主的课程项目和竞赛式教学方式、方法。
通过课程建设、产业调研、技术研究、学生培养与科研实践五位一体的共同推进，同时进行充分的理工融合、产教融合、创新牵引，建立良性互动、协同创新的开放式培养团队组织模式，吸纳跨学科教师、跨行业专家、优秀毕业生共同参与培养方案的制定，承担具体教学任务。在教学过程中，以项目和竞赛为主线、教师为主导、学生为主体、工程研究为方法，使学生主动参与、自主协作、探索创新，在完成课程项目、科研实践和参加竞赛的过程中达成教学目标。
3.良性互动、协同创新的产学研用多方培养机制体系
依据数智融合的分层级能力度量与动态扩展知识体系，结合计算机专业与数学专业的教学特点及其与大数据智能化的结合点，基于在科教融合培养方面的信息物理社会可信服务计算教育部重点实验室、软件理论与技术重庆市重点实验室、重庆市不动产智能大数据处理工程技术研究中心、重庆市医药智能物流工程技术研究中心和重庆市软件研发技术中心等优质平台资源，建立科教结合协同培养机制;基于与曙光、浪潮合作建立的大数据基础硬件平台，与DIGILENT、Xilinx合作建立的大数据硬件加速平台，与甲骨文、曙光合作建立的大数据管理平台，与百度、重庆药交所、中软国际等合作开展的一系列行业大数据创新实践，持续深化，建立产学融合协同培养机制;目前我们已经与澳大利亚国立大学、瑞士应用科技大学、日本早稻田大学、纽约州立大学宾汉姆顿分校和亚利桑那州立大学建立了稳固的合作关系，基于2 2联合培养、3 2联合培养、学分互认、短期交换等具体措施，建立国际合作协同培养机制，同时还探索了多种协同培养机制的交叉组合机制，并建设了相关的课程项目方案，培育硕士带动本科生的创新实践团队，在综合实验结束后安排学生进入大数据相关企业进行实践，建立产学研合作联盟，进一步提升了学生的创新实践能力，从而建立了良性互动、协同创新的产学研用多方协同培养机制体系（如下页图2所示）。
4.多途径众智贡献与协同的特色课程项目与场景案例池
按照5个学习层次、40个学习模块、3条学习难度路径，建设了气象、新闻、生物、电商、音乐、电影、点评等10余个大数据场景的100余个课程项目;采用科研项目提炼、学科竞赛创新、优秀学生贡献等多途径众智贡献与协同方式，面向社交网络、知识社区、网上购物、智能交通、推荐系统、文本分析等典型大数据领域，基于Spark、Hadoop、Docker、MongoDB等主流开源大数据技术平台，以及TensorFlow、Caffe、PyTorch等主流人工智能开源技术平台，采用K均值聚类、神经网络预测、孤立森林、LDA模型等重要的大数据分析建模方法，形成了场景化特色教学案例池，包括案例实施设计方案、案例实际操作指南、案例算法源代码、案例环境配置方案、案例数据集和案例可视化结果等，可以供学生复现、分析、实验、实践和进一步拓展提升。