学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2021-10-12 16:39所属平台：学报论文发表咨询网浏览： 次
[摘 要] 以前程无忧网站为数据源，对大数据类岗位招聘信息进行中文分词，计算机及人工筛选词语，分类整理知识-工具-能力-经验四个维度的人才培养要素，构建课程内容协同、课程模块协同、教学人员协同的大数据分析类课程体系，进而提出岗位需求-人才培养要素-
[摘 要] 以“前程无忧”网站为数据源，对大数据类岗位招聘信息进行中文分词，计算机及人工筛选词语，分类整理“知识-工具-能力-经验”四个维度的人才培养要素，构建“课程内容协同”、“课程模块协同”、“教学人员协同”的大数据分析类课程体系，进而提出“岗位需求-人才培养要素-课程体系”的逻辑框架,对高校本科大数据分析类课程体系进行改革，提升高校大数据分析人才培养质量。
[关键词] 岗位需求; 教学改革; 课程体系
引言
近年来，“数字经济”出现在我国政府工作报告中。 数据时代的来临，给各行各业带来巨大改变。 从壮大数字经济到打造数字经济新优势，我国致力于将海量数据转化为经济价值，发掘“大数据”这一新资源要素的经济驱动作用。 随着大数据引发我国经济发展模式的变革，各大企业对大数据人才的需求也越来越紧迫。 这一趋势也给想要从事大数据方面工作的人员提供了难得的职业发展机遇。 2016年2月16日，教育部《2015年度普通高等学校本科专业备案和审批结果》中首次增加“数据科学与大数据技术专业”，我国高校开始从本科专业层面培养大数据相关人才。
本科教育论文范例： 本科生全程导师制实施现状调查及对策研究
数据科学与大数据技术专业开设的时间较短，关于该学科的教学体系尚处于更新、升级、完善之中。 当前，我国存在大学生难以找到满意的工作，企业难以找到合适人才的供给与需求不匹配问题。 在某种程度上，我国高校人才培养模式缺乏对人才市场需求的有效回应，企业和高校之间存在信息不对称[1]。 作为一个新兴专业，如何更好地匹配我国产业发展人才需求，培养满足社会实际需要的大数据人才，成为关乎大数据专业发展的重要问题。 本文基于招聘网站挖据企业实际人才需求特征，形成大数据分析人才培养要素点，提出岗位需求匹配下大数据分析类本科教学课程体系框架，进行岗位需求匹配下大数据分析类本科教学课程改革与实践研究。
一、大数据分析岗位的人才需求特征与培养要素
了解社会对于大数据人才的需求情况，是科学构建本科教学体系的基础。 2020年，我国《政府工作报告》指出，就业优先政策要全面强化，强调重视就业、支持就业的导向。 高校作为培养人才的重要场所，应该积极响应政府稳就业的相关政策，制定符合市场走向的人才培养体系，提高人才培养水平[2]。 基于招聘岗位人才需求特征设计人才培养要素可提高教育人才供给与企业发展需求的契合度，适应社会新经济、新产业、新业态和新技术大背景下的人才培养新要求，提高社会就业水平。
招聘类网站是反映社会实际人才需求的主要数据源，通过对网络招聘信息的多维度分析，可以梳理出不同岗位对相关人才的具体要求，设计基于岗位需求的高校教学课程体系[3]。 本文针对数据科学与大数据技术专业本科教学课程设计，聚焦岗位人员“任职要求”分析。 采用计算机自动化处理和人工处理相结合的方式，对综合招聘模式“前程无忧”招聘网站中“大数据分析”岗位“任职要求”文本信息进行收集，2020年11月，共搜索到3860条“大数据分析”职位信息。 经过排除杂质预处理，获取每条招聘文本的关键词，整理出大数据分析岗位人才任职要求特征[4]。 同时，利用“天眼查”网站，抓取涉及到的大数据企业信息。 对大数据分析招聘岗位的分析发现，岗位“任职要求”体现知识、工具、能力、经验四个维度的人才培养要素。
(一)学历与行业背景
数据显示，2189条岗位学历要求为本科，占大数据分析人才需求的57%。 大数据分析领域对应用型人才需求明显，占据招聘岗位的大部分份额。 相比于应用型人才，研究型人才需求相对较小。 说明数据科学与大数据技术本科专业人才符合社会需求趋势，培养应用型大数据分析人才应成为数据科学与大数据技术本科专业学生培养的重点方向。
从行业类别来看，计算机、互联网、通信、电子企业对大数据分析人才需求最多，其次是贸易、消费、制造、营运行业，第三位为会计、金融、银行、保险行业。 如同其他计算机类人才一样，大数据分析作为计算机类的新兴信息技术，科技类行业是这类人才从事的主要行业。 值得注意的是一些非科技类行业，如商务服务业、金融、零售业、批发业、文化艺术业等，对大数据分析相关人才的需求量不断增加，反映大数据分析人才就业面相对较广，就业领域具有行业多样性的特征。
(二)知识要素
在知识要素方面，岗位需求主要集中于掌握“数据库/数据仓库”(22%)、“模型”(19%)、“算法”(18%)、“编程”(15%)、“方法”(14%)、大数据处理相关“框架”结构(14%)，具体包括数据优化、数据挖掘、统计、机器学习等多种技术方法(按需求占比排序)。 熟练掌握多种数据库及数据分析技术是数据科学与大数据技术专业学生毕业后在人才招聘中的优势资本。
(三)工具要素
大数据分析岗位涉及的工具覆盖面较广，包括数据分析与挖掘工具(如Python、java、C/C++、R、SAS、Shell、SPSS、Scala、Tableau、Matlab); 办公软件(如Excel、Ppt、Word)、数据库工具(如MySql、Hive、Oracle、Hbase、SqlServer); 大数据平台框架工具(如Hadoop、Spark、Storm、Flink); 操作系统(如Linux、Unix)(以上工具按需求占比排序)。
(四)能力要素
在能力要求方面，大多数大数据分析岗位的能力要求超过三个，很多企业强调人员能力的全面性。 企业看重一个人在群体协作中体现的工作能力，如团队中的“沟通”、“协调”、“学习”、“合作”、“责任担当”等。 此外，企业要求工作人员具备一个人独立工作素养，如业务理解能力、表达能力、抽象分析能力、逻辑思维能力、工程能力、敏感性、抗压能力、吃苦耐劳、写作能力、细节关注力等。
(五)经验要素
从经验要求来看，大数据分析岗位对应聘者工作经验要求主要集中在1-5年。 大数据分析作为一种新兴商务手段，人才需求井喷，当前从业人员以年青人为主。 对于校招岗位，企业偏好对行业应用场景下数据采集、存储、清洗、分析、挖掘、可视化等大数据分析与挖掘业务“流程”熟悉，具备大数据工具实际使用经历的求职者。
二、岗位需求匹配下大数据分析课程体系改革与实践
根据岗位需求提炼“知识-工具-能力-经验”人才培养要素，依据“培养要素”构建课程协同、教学模块协同和教学人员校内校外协同的本科教学课程体系。
基于以上岗位需求匹配下本科教学课程体系构建逻辑，针对大数据分析人才在知识、工具、能力、经验四方面的复合型培养要素，为适应数字时代对大数据分析人才的要求，设计数据科学与大数据技术专业能力与技术并重、理论知识与实践结合的大数据分析课程体系。
在课程内容设计中，强调多门课程教学内容的融合，形成协同教学与学习机制。 在理论课程和实践课程中，由多位老师协同设计培养要素点覆盖的教学内容，构建多课程教学内容相互关联、前后衔接、彼此配合的教学内容体系。 破除课程间的壁垒，在课程教学设计中增加综合型任务，把多门课程内容整合在一起，使教学效果达到最优，提高学生的整体学习质量。
在课程模块设计中，采用“理论→方法→技能→经验”逐步递进培养方式，将理论课程、实践课程、创新创业竞赛指导、社会实习指导四大模块整合于一体，集中学生自主学习与课堂教学优势，采用教师与学生团队均为主体的“双主体”教学模式。 在实践课程、社会实习及创新创业指导的教学人员安排方面，强调校内专职教师和校外企业辅导老师的协同配合，综合发挥校内教师的知识优势与校外教师的实践优势[5]。
大数据分析类课程基于大数据行业对从业人员实际工作素养要求，聚焦学生的行业实际应用能力，强调通过案例教学、实践教学、竞赛指导、社会实践，培养大数据技术与行业实际管理决策相结合的复合型人才。 学生在学习相关课程中，掌握各行业经济管理中的实际复杂问题，综合运用管理学理论、信息技术方法建立模型，熟练运用大数据分析工具及方法开展数据采集、数据处理和数据分析，进行可视化并解释数据分析结果，得出行业解决方案，为管理决策提供依据。 重点强化大学生创新创业及各类学科竞赛指导，通过学校教师和社会导师的相关训练和辅导，引导学生学以致用，提高学生发现问题、解决问题的能力，培养学生的创新思维和实践动手能力，以校园创新创业经验带动未来就业[6]。
依据以上研究内容，在辽宁大学数据科学与大数据技术专业大数据分析类课程教学中实践以上教学内容。 各课程之间相互衔接，内容深度不断增加，通过理论支撑实验案例和实践活动，不断融合各种大数据分析相关理论与方法，培养学生综合素养。 通过对所实践班级学生多课程总成绩的短期跟踪及未来就业数据及质量的长期跟踪，检验岗位需求导向下多课程协同、知识能力全覆盖的教学内容改革的实际效果。
三、结论与启示
基于我国就业实际需求，以多课程动态协同视角研究岗位需求、大数据分析人才培养要素、数据科学与大数据技术专业教学课程改革实践之间的关系，对大数据分析类课程本科教学进行改革实践，可为新工科下数据科学与大数据技术专业大数据分析专业人才培养中教学内容设计提供理论指导和决策依据。
岗位需求分析和课程协同教学有助于改善学生整体学习效果，提升学生培养质量。 在校内外教师集体努力下，学生与教师之间的合作不断加深，老师们改变过去单兵作战的状况，这对老师协同合作意识也提出高要求。 教师和学生、学生与学生之间相互磨合、共同进步，围绕知识、工具、能力、经验培养，系统化实现课程之间横向、纵向联系，打破课程壁垒，形成教学“合力”，实现教学效果最大化。 以“就业导向”为重点调整课程方案，根据专业特点有针对性地调整课程计划，坚持知识、工具、能力、经验协调发展和综合能力提高的原则，使学生在各方面得到更好的发展，体现“厚知识基础，宽行业应用，强专业能力，重综合经验”的培养思路。
[参考文献]
[1]边静.新工科背景下地方高校大数据专业建设的探索研究[J].教育教学论坛,2020(25):29-30.
[2]王慧敏,赵文芝,王燕,翟秋亚.以就业需求为导向的高校人才培养模式现状研究[J].未来与发展,2020,44(7):93-96.
[3]夏立新,楚林,王忠义,石义金,李京蔚.基于网络文本挖掘的就业知识需求关系构建[J].图书情报知识,2016(1):94-100.
[4]张俊峰,魏瑞斌.国内招聘类网站的数据类岗位人才需求特征挖掘[J].情报杂志,2018,37(6):176-182.
[5]付长贺,邓甦.新工科背景下大数据专业课程体系设计[J].沈阳师范大学学报(自然科学版),2020,38(5):468-471.
[6]王嵘冰,徐红艳,冯勇.以竞赛为载体的应用创新型人才培养模式改革与实践—以数据科学与大数据专业为例[J].辽宁大学学报(自然科学版),2020,47(2):124-129.
作者：康 鹏1 ， 臧 洁2 ， 曹立华1
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/6973.html
《岗位需求匹配下的本科教学改革与实践》