数据敏锐愿景下的数据科学专业人才培养路径.docx

数据敏锐愿景下的数据科学专业人才培养路径

摘??要：作为一个多学科交叉的新兴学科，目前数据科学专业的人才培养和专业建设工作还在不断的探索中。合格的数据科学专业毕业生应该拥有基本的专业特征和良好的数据敏锐能力。针对这个培养目标，文章设计了一个通用的基于数据敏锐的数据科学专业课程体系框架，框架以数据敏锐极小课程集来保证学生的专业特征，辅以数据科学关键概念领域集合中的众多课程、实践课程以及其他领域知识课程。为更好地培养学生的数据敏锐能力，文章从课程实施角度探讨了数据敏锐愿景下的数据科学专业人才培养路径，提出强化极小课程集中的课程教学来夯实专业基础，重视大数据实践教学，加强专业和不同领域不同学科之间的合作，以更好地满足社会对数据科学人才的需求。

关键词：数据科学；数据敏锐；极小课程集；课程体系；强化教学

随着互联网技术的发展，社交网络、电子商务等各种应用的普及，数据以前所未有的速度增长，各行各业都迫切需要数据处理、数据分析、数据管理和决策等各类数据人才。在此背景下，全球各大高校纷纷开设数据科学相关专业，包括密歇根大学、史密斯学院、墨尔本大学、爱丁堡大学等众多名校。我国最早在2016年开设大数据专业，截至到2022年，中国教育部批准设立“数据科学与大数据技术”和“大数据管理与应用”这两个本科专业的高等学校分别达到679所和141所。

对学校而言，开设数据科学专业首先需要制定这个新专业的人才培养目标和教学方案，以“数据科学与大数据技术”专业为例，不同的高校人才培养目标和定位不同，相应的人才培养方案也有很大的区别。美国国家标准与技术研究院（NIST）对此给出了建议[1]，它认为数据科学与大数据分析紧密关联，是统计、数据挖掘、机器学习领域的一个超级集合，其中数据挖掘不仅需要数学和统计技能，还需要对相关领域知识的理解。作为一个多学科交叉的专业，在培养专业人才的过程中，如何更好地体现专业特征，应根据不同培养目标构建更科学且切实可行的人才培养方案。国内外很多学者对此进行了深入的研究。EDISON数据科学框架对NIST提出的数据科学能力进行了扩展，将数据科学能力（CF-DS）分为5种，每个能力有与之配套的知识体系和模型课程，用于指导数据科学专业教育和培养框架设计[2-3]。LIXIN等针对应用型大学数据科学专业本科学生的培养目标设计了人才培养方案[4]。王国仁等提出面向基础、面向能力、面向领域、问题驱动、国际化的大数据专业课程体系[5]。朝乐门等从特色课程的视角提出了数据科学与大数据技术这一新专业应重视的10门特色课程[6]。石兵等以培养具有行业特色和可持续竞争力的大数据卓越人才为建设目标，提出构建多层次、多类型、健全的卓越人才培养体系[7]。

虽然众多文献对大数据人才培养和专业建设进行了研究和实践，但从课程框架设计角度研究数据科学专业人才培养路径的文献相对比较少。本文将从数据科学专业学生数据敏锐能力培养角度，来探讨通用的数据科学专业课程框架设计和培养路径。

一、数据科学关键概念领域与数据敏锐

美国国家科学院在一份数据科学本科教育的研究报告将数学基础、计算基础、统计基础、数据管理和处理、数据可视化等纳入数据科学关键概念领域[8]，指出数据科学专业毕业生必须拥有一定的数据敏锐能力。基于此，我们提出数据科学关键概念领域的集合DASKCA（DataScience’sKeyConceptAreas）和数据敏锐+集合DACUP（DataAcumenPlus），其中DASKCA={数学基础，统计基础，计算基础，数据知识与技术}，用于表示数据科学的专业特征，DACUP={获取数据的能力，理解数据的能力，数据组织和管理能力，数据分析能力，基于数据做出判断和决策的能力}[9]。合格的数据科学专业毕业生应该拥有DACUP中表述的能力。

尽管各个大学设置的课程不尽相同，但培养数据敏锐必然包含一些最基本的、不可或缺的课程，这些课程构成了数据科学专业的极小课程集。为了从DASKCA中析出极小课程集，使其可以支撑学生专业能力的培养，需要分析DACUP中的数据敏锐能力与DASKCA中各个关键概念领域元素之间的支撑关系，最终确定相关概念领域的课程，实现对能力培养的支撑。

下面将根据DACUP中定义的每种数据敏锐能力要求，在DASKCA中确定可以支撑的关键概念领域和相关的课程集。

1.与获取数据相关的课程。数据是数据科学的灵魂，是一切操作的基础，高质量数据的生成有助于提高处理效率和結果的正确性。大数据采集主要包括系统日志采集、网络数据采集以及特定接口数据采集等，通过分布式日志收集系统或网络爬虫技术，可以从系统日志或网站上抓取需要的数据，并对数据进行清洗、转换等预处理，为后续数据分析提供真实完整可靠的数据。培养学生获取高质量数据能力的主要课程包括在DASKCA的“数据