大数据技术与应用专业建设

大数据技术与应用专业建设

调研报告

自党的十八大以来，我国提出了实施国家大数据战略的重大决策。国务院和相关部门先后印发了《促进大数据发展行动纲要》、《大数据产业发展规划（2016～2020年）》等指导性文件。各部门、各地方高度重视，据不完全统计，我国已有20多个省级地方和10余个部委出台了本地区、本行业大数据发展规划，我国大数据发展已经正式驶入快车道。

2015年9月5日经李克强总理签批，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统指导我国大数据发展的国家顶层设计和总体部署大数据发展工作。《纲要》提出从政府大数据、新兴产业大数据、安全保障体系三个方面着手推进大数据领域十大工程建设，将我国大数据发展推向了另一个制高点。

职业教育服务经济与社会发展，必须紧跟产业发展步伐，随着经济增长方式转变而“动”，跟着产业结构调整升级而“走”，围着企业技能型人才需求而“转”，适应市场的需求而“变”。在大数据技术飞速发展的今天，职业教育必须紧跟大数据产业发展步伐。为了更好地了解相关行业企业对大数据人才的需求，促进大数据技术与应用专业教学及专业建设，大数据技术与应用专业教学资源库建设团队在国内外针对大数据在行业企业的需求开展了调研。 一、调研目的

1、了解大数据行业企业对大数据技术与应用专业人才的需求倾向、人才需求规格预测、就业预测、人才的市场定位等；

.

.

2、了解大数据行业企业对大数据技术与应用专业人才培养模式、培养目标的意见，以及对专业知识、岗位分工、职业技能等的要求；

3、了解往届相关专业毕业生在工作单位的表现及用人单位对往届毕业生的工作、岗位能力评价；

4、与相关企业建立校企合作模式，促进教学与社会实践的联系，为大数据技术与应用专业教学资源库的专业建设、课程体系建设及培养模式寻找更完善的发展方向。 二、调研方式

1. 问卷调查：印制问卷涵寄或面交，请企业相关人员作答。 2. 实地调研：教师到企业和用人单位实地调研。

3. 座谈调研：邀请用人单位的技术人员、管理人员到系里开展座谈交流。 4. 网上调查：到网上搜索有关人才需求、课程设计、教学计划等信息。 三、国内外大数据发展现状

（一）大数据产业呈现爆炸式增长

由IDC和EMC联合发布的《The Digital Universe of Opportunities : Rich Data and the Increasing Value of Internet of Things》研究报告中指出，2011年全球数据总量已达到1.8ZB，并将以每两年翻一番的速度增长，到2020年，全球数据量将达到40ZB，均摊到每个人身上达到5200GB以上。

.

.

图2-1 2014-2020年中国大数据市场规模及增速

在“2017年世界电信和信息化社会日大会”上，工信部总工程师张峰指出，我国的数据总量正在以年均50%的速度持续增长，预计到2020年，我国数据总量在全球占比将达到21%。美国市场研究公司IDC发布的报告称，全球大数据技术和服务市场将在未来几年保持31.7%的年复合增长率，2016年总规模达到238亿美元。

（二）大数据产业应用需求扩张

大数据产业应用包括了政府/公共事业、物流零售、文化娱乐、能源/制造、金融/保险、旅游、IT互联网电信等行业，可以看出大数据已经受到广泛的行业关注。

图2-2 大数据在中国的行业分布

.

.

参与大数据调查的行业中，来自能源/制造行业的最多，比例达44.9%，其次是政府与公共事业部，比例为17%，第三则是金融与保险行业，为10.3%。接下来，分别是物流零售（8.7%）、文化娱乐（6.3%）、IT/互联网/电信（5.8%）、旅游（3.36%）。与数据规模的调查数据相对比，我们发现50TB以上的数据容量主要分布在能源/制造（47.8%）、金融/保险（20.5%）与政府/公共事业（15.9%）。

从各个行业对大数据调研的参与程度其实已经可以反映出各行业对大数据的关注程度，能源/制造行业对于市场行情的数据更为敏感，历史的商品行情对于未来的产品设计、风险评估以及市场导向都有较强的参考意义。而随着政府与公共事业的服务意识的强加与转变，以及更智慧的执政与管理理念的带动，对于数据的管理与分析的需求也在日益加强。在金融与保险行业，则是传统的数据量大户，而在新时代更好更快的发现客户金融习惯，将是金融与保险行业未来竞争必须要做的事情。其次，物流零售的数据价值也在日益显现，成为排名第四的参与调查的行业，而新兴的，数据积累（尤其是非结构化数据）历史尚浅的文化娱乐、IT/互联网/电信行业则分列第五和第六。看来大数据已经成为众多行业关注和探讨的话题，其影响力已经覆盖了从传统的制造行业到新型的文化娱乐、IT、互联网行业。

（三）人才供不应求

美国人才招聘市场的数据分析领先者WANTED Analytics和Forbes对来自150个国家的10亿个岗位信息进行了统计，基于“数据分析”、“数据采集”、“数据挖掘”和“数据结构”四项技能的大数据专业人才市场需求分析，在对过去12个月美国就业市场“大数据”相关岗位的分析中发现：需要“大数据”技能的岗位空缺呈现高速增长。

麦肯锡全球研究所（MGI）和麦肯锡商业技术办公室在对医疗、公共、零售、制造业和个人定位等五个领域内详细研究了大数据发展趋势后发布的研究报告

.

.

预测：由于大数据的引入，会造成信息分析人才的缺乏，预计到2018年，仅美国就需要14～19万信息分析专业人才以及150万懂得大数据的管理人员和分析师。大数据不仅提高了产业价值，还能够大幅度的拉动就业。

随着各大公司纷纷上马大数据业务，对大数据人才的需要，市场上正处于十分旺盛的阶段。据Gartner预测，全球将新增440万个与大数据相关的工作岗位。大数据的发展也会催生出一些新职业如大数据分析师、首席数据官等，然而人才供给的缺乏正是大数据发展面临的一个瓶颈。目前企业发展大数据已步入初级阶段，不论是拓展大数据业务的百度、阿里、奇虎360等互联网公司，还是专业提供数据服务的大数据服务商，对专业的大数据人才均有较高的需求量。而今年，这一“人才荒”的情况正在愈演愈烈，从一定程度上说，人才匮乏已经成为制约大数据应用产业发展的重要因素。

图2-3 大数据人才市场需求分析 （四）大数据技术与应用专业系统化课程资源匮乏

就目前来看，在互联网上已经拥有了较多的单体资源，例如Java程序设计、MapReduce程序设计、Hadoop体系框架等课程资源非常丰富，但是缺少资源的系统性，很多学习者不知如何去养成职业岗位能力要求。从目前来看，建设一个大数据技术与应用领域的优质资源库，同时为学习者提出科学合理的学习建议，是非常有必要的。 四、典型工作岗位及能力分析

.

.

由于我国大数据产品正处于起步阶段，市场对技能型、操作性的人才需求相对较高，从统计数据上看，大数据行业求职者学历与招聘需求出现错位，主要表现为大专的招聘需求高于求职者占比，而硕士以上的需求则正好相反。

目前，大数据相关工作按照专业范围和工作特点大致可分为如下 1)、数据处理类：

该类职位要求对数据存储方式和数据存储结构有一定的理解，了解数据的定义，并且可以通过多种采集方式获取原始数据，按特定要求处理数据。该职位应了解基本的统计学方法，能应用统计学的工具，同时掌握大数据平台的相关操作技术，能将数据处理方法通过大数据平台实现。

对于企业来讲，这部分人群在工作中对专业的熟练程度要求也是非常高的，例如能熟练做出因子分析，聚类等基础技术处理，包括类似的各类数据统计处理技术。完成业务中数据的前期预处理和处理基础工作，提供高质量的数据供数据分析和解读。

2)、大数据运维类：

该类职位要求具备大规模服务器集群的运维能力，同时具备大型数据库运维能力。服务器运维包括维护并确保服务器的可用性，不断优化系统架构、提升部署效率和优化资源利用率等。数据库运维包括具备软件安装、配置优化、数据恢复和迁移、数据库故障排除、预防性巡检等一系列能力。

运维工程师面对的最大挑战是大规模服务器集群的管理问题，如何管理好几十万台服务器上的服务，同时保障服务的高可用性，是运维工程师面临的最大难题。因此，作为运维类工作，特别是大数据级的运维工作，职位要求应该具备扎实的基础知识。包括掌握如Java/Python等至少2种编程语言、熟练掌握常用的算法并能灵活运用、熟悉网络基础知识、深入理解Linux操作系统等。

.

.

同时，在大数据环境下，还应该掌握熟悉分布式计算或者存储系统。

3)、大数据技术支持类：

大数据技术支持类包括售前技术支持和售后技术支持。售前技术支持能够在大数据应用系统实施前遇到无法解决的问题时提供技术支持；售后技术支持能够在大数据应用系统部署完成后，为客户提供售后服务，帮助工程师诊断并解决大数据应用系统使用过程中出现的问题。

该类职位需要掌握大规模服务器集群知识，以及大数据相关基础。具体包括掌握至少1门编程语言、掌握Linux操作系统、掌握分布式计算和存储系统等。同时技术支持需要面对客户，应具备一定的沟通和团队协作能力。

校企专家通过对上述典型工作岗位的能力要求分析研讨，形成大数据技术与应用专业岗位职业能力分析表。

表3-4 大数据技术与应用主要工作任务描述

典型工作任务 能力要求 知识要求 技能要求 课程 大数据平台运维 1、掌握计算机基础知识； 1、能够配置和管数据处理技术（Python） 2、掌握网络基础知识、理网络设备，完数据库基础 中小型局域网组建和运成网络搭建 Linux操作通过系统监维技术； 2、能够配置和管系统 控、集群配大数据概论 3、掌握服务器及存储基理服务器和存置等技术手储，完成相关设网络技术 段，保证大础知识， 大数据平台数据平台能4、掌握主流操作系统（如备的维护 构建 够长期稳定Linux、Windows） 3、能够完成操作大数据安全的支撑企业5、掌握主流数据库基础系统的安装和配管理 大数据业务Hadoop综合技术（如oracle、MySQL、置 的工作能力 NoSql等） 4、能够完成大数实训 云计算与虚6、掌握脚本编写方法（如据平台的日常维拟化 shell、Python等） 护 Spark综合.

.

7、掌握Hadoop/Spark相关组件的基础理论知识及运维工具的使用； 8、掌握HDFS、Hbase、hive、yarn等组件的基本操作 5、能够使用工具实训 完成大数据平台的软硬件平台运行状态监控 6、能够完成大数据平台的故障应急处理 1、能够使用工具从数据源抽取所数据预处理 应用程序开需数据 发基础2、能够使用工具（Java） 1、掌握计算机基础知识； 通过数据抽对数据进行指定数据处理技取、整理、2、掌握主流数据库基础术（Python） 操作，如转换、传输、加载、技术（如Oracle、MySQL、数据库基础 清洗、校验等 校验等技术NoSql等） Hadoop综合3、能够使用工具实训 手段，结合3、掌握shell脚本编程，工具，保证完成数据加载，Spark综合熟悉Java、Python等开高效的为大如传输、建库、实训 数据分析提发语言 爬虫技术实校验等 供高质量的4、掌握Hadoop/Spark相训 4、具备分布式数据资源的关组件的基础理论知识云计算与虚ETL过程调优能工作能力 拟化 及运维工具的使用； 概率论与数力 理统计 数据清洗 1、掌握计算机基础知识； 1、能够配置和管通过综合运用服务器、交换机、存储、虚拟化、云计算、大数据等基础知识，保证快速、高效的完成大数据平台环境等搭建和部署的工作能力 2、掌握网络基础知识、中小型局域网组建和运维技术； 3、掌握服务器及存储基础知识， Linux、Windows） 5、掌握主流数据库基础NoSql等） 6、了解大数据基础知识和基本框架 理网络设备，完成网络搭建 2、能够配置和管理服务器和存储，完成相关设3、能够完成操作系统的安装和配4、能够完成大数据平台的搭建、测试及调优 数据库基础 Linux操作系统 大数据概论 网络技术 大数据平台构建 大数据安全管理 大数据测试技术 Hadoop综合实训 Spark综合实训 云计算与虚拟化 大数据平台部署 4、掌握主流操作系统（如备的维护 技术（如Oracle、MySQL、置 .

.

可视化设计与开发 大数据应用开发 应用程序开发基础（Java） 数据处理技术（Python） 数据库基础 大数据概论 通过数据可数据结构与掌握主流操作系统（如1、能够使用Web算法 视化报表技1、术、商业智Linux、Windows） 开发框架进行可软件工程 能报表工Web开发技2、掌握数据可视化报表视化应用开发 具、常用Web术 技术，如Echarts、2、能够根据行业开发框架以大数据可视领域需求进行可化技术 及程序开发Highcharts等 语言，能够3、掌握商业智能报表工视化设计 大数据分析进行可视化具的设计和使用 技术 3、能够使用BI应用的设4、掌握Web开发框架和工具进行商业智流式计算技计、开发与程序开发语言，如PHP、术实训 能报表设计、开展示，直观Java、HTML5、CSS、大数据测试发与展示 的为客户呈JavaScript等 技术 现大数据的5、掌握数据库相关知识 概率论与数价值 理统计 大数据后台应用开发实战 OLAP数据分析实战 大数据仓库与数据挖掘 应用程序开发基础（Java） 1、 掌握软件工程和软件1、 能够搭建好通过对大数数据处理技开发基础知识 大数据程序开发据进行分析术（Python） 2、 掌握数据库开发基础的环境 处理、结合数据库基础 知识 2、 能够根据用软件开发流大数据概论 3、 了解大数据开发平台 户需求利用开发程，按照业数据结构与4、 掌握开发环境的设置 语言进行大数据务需求完成算法 5、 掌握HDFS文件存储分析和预处理 大数据应用软件工程 操作 3、 能够进行大开发的相关Web开发技6、 掌握数据应用程序开软件设计与术 MapReduce/Spark编程 发 实现的工作大数据可视7、 了解专业领域的数据4、 能够完成功能力 化技术 分析方法 能性测试 大数据分析技术 流式计算技.

.

术实训 大数据测试技术 概率论与数理统计 大数据后台应用开发实战 OLAP数据分析实战 大数据仓库与数据挖掘 .

.

具备综合型的大数据相关基础知识，快速故大数据售后技术支持 障分析定位、基本日志阅读理解的能力，结合项目文档，对大数据平台完成故障排查，采取相应措施，保障大数据平台稳1、掌握计算机基础知识； 2、掌握网络基础知识、中小型局域网组建和运维技术； 3、掌握服务器及存储基础知识， 4、了解主流操作系统（如Linux、Windows） 5、了解主流数据库基础技术（如Oracle、MySQL、NoSql等） 6、掌握Hadoop/Spark相关组件的基础理论知识及运维工具的使用； 7、了解大数据基础知识和基本框架 定高效运行 8、项目实施文档撰写和 项目管理知识 1、能够熟练使用Hadoop、Saprk等大数据组件和模块的功能 2、可以根据大数据常见组件安装部署手册进行系统部署并解决安装部署中的基础问题； 3、能够根据项目售前技术方案与客户沟通业务具体需求，撰写项目实施方案和测试方案； 4、具有项目整体管理能力，能够进行项目整体规划、执行、风险管理、项目验收等项目管理相关工作，熟练使用常见项目管理工具如project等； 5、了解网络的交换技术、路由技术以及出口技术等，可以完成中小型网络的规划与设计； 6、能够熟练使用Linux、Windows等常见操作系统 7、能够使用Oracle、SqlServer、MySQL、NoSQL等主流数据库 数据处理技术（Python） 数据库基础 Linux操作系统 大数据概论 网络技术 大数据平台构建 大数据安全管理 Hadoop综合实训 云计算与虚拟化 Spark综合实训 .

.

1、掌握计算机基础知识； 2、掌握网络基础知识、中小型局域网组建和运参与产品开发和项目运行全过程中，综合运用大数据相关技术知识，按照正确格式和行业要求，完成大数据产品和相关项目文档编写的综合职业能力 维技术； 3、掌握服务器及存储基础知识 4、掌握主流操作系统（如Linux、Windows） 5、掌握主流数据库基础能够按照正确格技术（如Oracle、MySQL、式和行业要求书写文档 NoSql等） 6、掌握脚本编写方法（如shell、Python等） 7、掌握Hadoop/Spark相关组件的基础理论知识及运维工具的使用； 8、掌握HDFS、Hbase、Hive、Yarn等组件的基本操作 数据处理技术（Python） 数据库基础 大数据概论 软件工程 大数据测试技术 概率论与数理统计 大数据文档编写 大数据系统测试 大数据安全.

1、掌握主流操作系统，如Linux、Windows 通过大数据2、掌握主流数据库基础测试工具，技术，如Oracle、Mysql、实现对大数Nosql等 据应用的功3、掌握测试脚本编写方能、性能和法，如shell、Python等 可靠性的测4、掌握Hadoop/Spark相试，输出测关组件的基础理论知识 试文档 ，辅5、掌握大数据相关测试助分析并反方案及流程 馈测试结果 6、熟悉自动化测试工具的使用，如bigtop、hibench等 通过数据安1、掌握数据安全理论知全相关技术识 手段和策2、掌握主流操作系统和略，保证大数据合理化系统安全保证技能，如1、能够完成测试文档编写（如测试用例、测试报告等） 2、能够完成测试脚本编写，协助开发人员或系统维护人员完成bug修复与调优 3、能够使用自动化测试工具完成大数据系统相关测试工作 1、能够对数据进行细粒化授权管理与配置 2、能够熟练管理系统认证应用程序开发基础（Java） 数据处理技术（Python） 数据库基础 大数据概论 软件工程 大数据测试技术 概率论与数理统计 应用程序开发基础（Java） 大数据概论 网络技术 .

管控 的安全管理，避免恶意入侵、伪装盗取和内部越权访问等行为造成任何数据损失，全方位保护大数据的安全 kerberos组件和通过LDAP、AD对3、掌握HDFS、HBase、用户进行统一认Yarn、Hive等大数据相关证管理 组件的基本操作 3、能够对大数据4、掌握大数据安全功能系统进行审计管使用，如数据授权、安全理 4、能够对HDFS策略制定、统一认证功数据、元数据和能、数据加密、数据审计其他敏感数据进等 行加密操作 5、能够制定和实施大数据安全策略 Linux、Windows 大数据平台构建 大数据安全管理 大数据测试技术 Hadoop综合实训 Spark综合实训 云计算与虚拟化 五、调研总结

综上所述，市场对大数据人才的需求量日益加大，但是高校的专业培养却供

不应求。为了适应大数据产业的快速发展，2016年9月，教育部向普通高等学校、高等职业教育（专科）专业目录增补13个专业，其中就包括大数据技术与应用专业，正式批准“高职”《大数据技术与应用》专业作为《普通高等学校 高等职业教育（专科）专业目录 2016 年增补专业》（专业代码：610215）。经过一轮探索后，国家开始加大力度，扩大面积，积极寻找和催生大数据专业人才的培养方式来填补大量人才缺口，但仍不满足需求。

各大高职院校的大数据技术与应用专业均处于起步阶段，人才培养课程体系不够完善，教学科研资源匮乏，专业师资力量不足。因此，建设大数据技术与应用专业教学资源库势在必行。

.

.

附件1：

关于大数据技术与应用专业人才培养方案的

调查问卷（院校版）

尊敬的学校领导/老师：

您好！我们现正在进行高职学校大数据技术与应用专业教育教学情况的问卷调研，目的是要通过调研掌握大数据技术与应用专业人才培养的情况，用以指导今后工作，耽搁您一些时间请您填写我们的问卷，希望了解您对这些问题的一些看法和评价。谢谢！

学校名称: 学校联系电话:

一、大数据技术与应用专业相关情况

1.贵校在开办软件技术专业/专业群的过程中遇到过哪些困难？（ ）（可多选），其中最大的困难是（ ）（单选）

A．招生困难； B.实践环节难以开展；C.学生就业困难； Ｄ.经费不足； E.没有困难； F.其它（请注明）；

2. 贵校软件专业/专业群学生学习的积极性表现为（ ）

A. 非常积极； B. 比较积极； C. 一般; D. 不愿学习； 3. 贵校软件专业/专业群学生对未来的就业前景的认识是（ ） A．非常好；B.比较好；C.一般；D．不理想；

.

.

4.贵校认为在大数据技术与应用专业人才培养模式中应重点关注学生（ ）

A.当前就业；B.升学；C.兼顾就业和升学；D.中高职衔接班；E.多岗迁移就业；F.职业发展。 5．贵校在校企合作方面学生顶岗实习一般如何安排。

A．校方安排；B.企业安排；C.学生自主选择; D.其他 。 6．贵校在校企合作方面学生顶岗实习一般如何安排在什么时间。

A．第五学期；B．第六学期；C．根据学校需要安排;D.根据企业需要安排。

5.贵校认为大数据技术与应用专业学生毕业后主要从事的岗位有（ ）（可多选，请在下表相应位置打√）

大数据大数据大数据云计算大数据大数据媒体数据数据测数据安其运维师 处理工开发工运维工广告销营销工程师 处理试工程全控制他 岗位 程师 程师 程师 售 员 师 员

二、大数据技术与应用专业学生能力具备的职业能力

请您对表格中所列能力项对大数据技术与应用专业学生未来发展的重要程度作出评判，在相应的内容处打“√”。 序号 1 2 专业3 能力 类别 职业能力 能力项（请写出您认为的） 非常重要 比较重要 一般 不重要 大数据运维师 大数据处理工 程师 大数据开发工 4 .

.

序号 类别 程师 云计算运维工能力项（请写出您认为的） 非常重要 比较重要 一般 不重要 5 程师 大数据广告销6 售 7 数据处理员 数据测试工程8 师 其他能力 9 （请说明）

三、大数据技术与应用专业课程

以下是大数据技术与应用专业的专业课，请您对其重要程度作出评判；此外，以下课程贵校是否都有开设，请在开设的课程后打“√”，未开设的课程可不做重要程度评判。

非常 序号 课程 重要 Java程序设计 Linux操作系统 网络与云计算基础 数据库基础 大数据导论 重要 比较 一般 不重要 开设 贵校是否已1 2 3 4 5 .

.

6 7 8 9 10 11 12 13 14 15 Hadoop平台配置实训 数据建模 数据分析 项目管理文档编制技巧 可视化表达工具 Python程序设计 数据挖掘基础 算法设计基础 互联网+创新创业案例分析 数据清洗 除以上课程外，贵校还另外开设了或者您认为还需要开设哪些专业课，主要作用（目的）为何？ 其它专业课 1 2 3

主要作用（目的） 四、大数据技术与应用专业及专业群教师对教学资源的获取情况

1．贵校大数据技术与应用专业及专业群建设和教学过程中，最希望得到哪些硬件教学资源？（ ） A．专业实训设备； B. 图书资料； C 参考文献； D. 场地。

2. 贵校软件技术应用专业及专业群教师希望获取哪些基本教学资源（ ） A．教材； B. 电子教案；C.题库；D. 学生实训手册；E. 教学大纲；F. 其他。

.

.

3. 贵校大数据技术与应用专业及专业群教师想获取哪些辅助教学资源（ ） A． 教学软件；B. 视频；C. 案例； D. 动画； E.微课件； F.其他。

五、大数据技术与应用专业及专业群教师在自身提高方面的情况

1. 贵校大数据技术与应用专业及专业群教学中的最大困难是什么？（ ） A 教学资源不足 B 缺少指导教师 C 学生学习兴趣不足 D 其它 2. 目前大数据技术与应用专业及专业群教师提高自身专业水平的途径主要（ ）

A．学历教育深造； B．自发科研活动； C．参加学术会议；

D．参与企业实践； E．学校组织科研活动； F．参加培训班；

G．各类资格考试； H．国内外校际访问交流； I．到企业挂职。

3. 将来贵校大数据技术与应用专业及专业群教师应如何提高自身专业水平（ ）

A．学历教育深造； B．自发科研活动； C．参加学术会议；

D．参与企业实践； E．学校组织科研活动； F．参加培训班；

G．各类资格考试； H．国内外校际访问交流； I．到企业挂职。

4. 目前贵校大数据技术与应用专业及专业群教师认为最需提高自己的是（ ） A． 教学方法； B.专业知识； C.职称； D.专业技能。 六、以下是贵校教学模式方面的情况，请填写。

1、目前贵校在教学中，是否使用过以下的教学方法：（单选）

.

.

（1）演示法 经常用□ B偶尔用□ 没用过□ （2）讲授法 经常用□ B偶尔用□ 没用过□ （3）任务驱动教学法 经常用□ B偶尔用□ 没用过□ （4）多媒体教学法 经常用□ B偶尔用□ 没用过□ （5）实训操作教学法 经常用□ B偶尔用□ 没用过□ （6）启发式教学法 经常用□ B偶尔用□ 没用过□ （7）案例教学法 经常用□ B偶尔用□ 没用过□ （8）项目教学法 经常用□ B偶尔用□ 没用过□ （9）情境教学法 经常用□ B偶尔用□ 没用过□ （10）自学辅导法 经常用□ B偶尔用□ 没用过□ 2、从各类教学方法的课堂效果来看，哪种教学方法较受学生欢迎：（最多选五项） 演示法□ 实训操作教学法□ 项目教学法□ 多媒体教学法□ 情境教学法□ 讲授法□ 任务驱动教学法□ 案例教学法□ 启发式教学法□ 自学辅导法□ 3.贵校软件技术专业老师是否尝试运用新型教学模式：（单选） 一直在尝试摸索（尝试的是 教学模式）□；公开课时有所尝试□ 已有构思，暂未实施□ ； 未考虑过□ 4.贵校教学模式对学生学习效果如何（ ）（单选）

（1）对专业知识 很有效□；较有效□；一般□；效果较小□；无效果□ （2）对专业技能 很有效□；较有效□；一般□；效果较小□；无效果□

.

.

（3）对职业道德 很有效□；较有效□；一般□；效果较小□；无效果□ （4）对综合能力 很有效□；较有效□；一般□；效果较小□；无效果□ 七、以下是贵校评价模式方面的情况，请填写。

1、目前贵校软件技术专业教育教学主要采用的评价方式有哪些（ ）（最多选五项）

纸笔考试或考查□；德育考核□；作业、作品实践考核□；观察记录□；课堂表现□； 实训考试或考查□； 档案袋评价□；企业对学生实习的反馈□；其他 。

2、贵校目前的评价模式能否激发学生的学习激情和动力（ ）（单选） 总是□；经常□；一般□； 极少□；不能□

3、你认为有效的评价模式对促进学生专业学习的效果如何（ ）（单选） 非常有用□；比较有用□；一般□；不太有用□；没有用□。

4、在软件技术专业教育教学中，你认为学生表现的评价主体应包括哪些（ ）（最多选三项） 教师评价□；学生自评□；小组互评□；行业评价□；企业评价□；家长评价□；其他 5、贵校现在常使用的教学评价内容侧重的是_________（可以多选） 专业知识□； 专业技能□；职业素质□；综合能力□；□其他____________ 6、贵校在教学评价中曾对哪些方面进行改革（可以多选） 评价方法□；评价主体□；评价对象□；其他__________ 7、贵校在教学评价改革中，哪方面的改革最有效（单选） 评价方法□ ； 评价主体□；评价对象□；其他__________

8、你认为在目前的软件技术专业教育教学评价中最有待改进的是（ ）（最多选三项）

.

.

参与评价的主体较单一□；评价的内容范围较窄□；评价的方法操作性不强□； 评价的结果不够客观科学□；评价的内容重知识技能轻职业道德素养□。 八、以下是贵校校本教材方面的情况，请填写 专业教育教学实训中，使用的教材情况是：

A、传统非课改系列教材为主；B、公开出版课改教材（非自己撰写）为主； C、自己参与撰写的课改校本教材为主； D、自己撰写的公开出版课改教材为主； E、以上都不是

.

.

附件2：

大数据技术与应用专业 人才需求调查问卷

（企业版）

尊敬的先生/女士:

您好!

衷心感谢您在百忙之中填写这份问卷。本问卷旨在对 大数据技术与应用 专业的人才需求进行调查，以便于本专业学生的核心竞争力。您的回答均不存在正确与否，也无好坏之分，结果只为了更好的促进我院人才培养方案的制定和抓专业申报材料编制，提升人才培养质量。您的真实、准确的回答非常重要！再次衷心感谢您的大力支持!

为能使我们的研究具有更为积极的现实意义，也方便向您请教，恳请您告知您的部分信息，不胜感谢！

企业名称：

企业性质： 企业规模： 联系人： 联系电话：

1、贵单位人员学历结构

A本科及以上（ 人/ %） B高职（ 人/ %） C中职或高中（ 人/ %） D初中（ 人/ %）

2、贵单位高职毕业生的工作层次主要集中在：

.

.

3、您认为高职大数据技术与应用专业（电子信息大类）的人才岗位需求为

需求情况 岗位群人才 云计算运维工程师 大数据运维工程师 大数据开发工程师 大数据处理工程师 知识目标 能力目标 贵单位是否需要的其他岗位群人才？如有？请您提供：

4、请您对本专业课程安排给予评价：

建课程 类别 课 程 名 称 很重要 重要 一般 不重要 课程评价 学 合理性评价 时 （是/否） 议 学时 Java程序设计 数据库基础 网络与云计算专业基础学习领域 基础 Python程序设计 算法设计基础 大数据基础 专业.

Hadoop .

学习Hive 领域 Spark NoSQL Strom 数据清洗 专业认知学习 软件项目管理文 档编制技巧 拓展互联网+创新创学习业案例分析 领域 软件测试与质量保证 是否需要开设其他课程？如有？请您提供： 5、通过上述课程的开设，您认为是否能够体现 大数据技术与应用 模式的特色及达到人才培养目标的要求？

A完全体现

B基本体现

C未体现

您的建议：

6、本专业课程的安排次序是否合适？

A.合理 B. 一般 C. 不合理

.

的人才培养.

有何建议、看法（如调整某门课程的开设时间以及理由）？

7、您对于本调查的意见与建议？

。

.