校企协同的大数据技术能力评测体系设计与实践

本文由《高等工程教育研究》授权发布

作者：计卫星 高小鹏 张龙 束传政

大数据技术能力评测应考虑不同的岗位需求，评价体系和框架应具有一定的灵活性，能够为不同的岗位和需求提供可伸缩的人才筛选方式。更为重要的一点在于，大数据脱离不开实践，因此其对应的评测也应是理论与实践相结合的，这样才能给出更加全面和有信服力的评测结果。同时，新工科大数据技术能力评测的重点应该放在应用型和技能型人才上，这是因为研究成果往往需要经受时间的检验。研究型人才应采用学术评价标准检验，不应该也不宜对不同研究成果进行统一评价。

新工科大数据技术能力评测由信息技术新工科产学研联盟[7]和中国软件行业协会联合发起，华为、腾讯、浪潮等企业深度参与。新工科大数据能力评测是针对高校信息类专业学生和与信息产业从业人员进行信息技术能力测试，旨在检验新工科人才培养成果，打造良好的校企协同信息技术人才培养生态，为信息产业的人才培养、人才评估、人才聘用等提供权威、可信、统一的第三方评价服务。

以下从评测目标、评测组织、评价机制、评价等级和评测大纲等方面对新工科大数据能力评测进行详细阐述。

1. 评测目标

大数据技术能力评测的目标需与新工科的战略背景及理念相匹配。相对于传统的工科人才，未来新兴产业和新经济需要的是实践能力强、创新能力强、具备国际竞争力的高素质复合型新工科人才。[8-10] 因此，大数据人才评价的目标是能够正确客观的反映人才综合素质，突出强调工程实践能力和跨界整合能力，为企业选人用人提供有价值的信息，为高校大数据人才培养提供参考，为个人职业发展提供决策依据。

2. 评测组织

大数据技术能力评价工作需要建立一个有效的组织形式，这个团队应该包括来自高校、企业和科研院所的专家，结合高校、企业的各自优势和特点，通过校企协同推动大数据技术能力评测工作。Dubey等人的研究也表明大数据人才的培养不仅仅是对现有的教学进行变革，并且只有学校一方是不够的。[11] 大数据能力评测组织结构如图4所示，其中指导委员会由来自高校、科研院所和企业的专家组成，对评测大纲的编制、试题的编制进行指导和审核；工作组负责评测工作的具体组织和实施。评测组织是高校、科研院所、第三方平台和企业在人才培养、评测实施和人才筛选方面形成多方面和多维的合作关系，共同构造良好的大数据育人环境，形成贯穿式和可持续发展的人才生态。

图 4  新工科大数据技术能力评测组织

3. 校企协同的人才评价机制

新工科建设行动路线中突出强调了产业在人才培养中的地位和角色，其指出新工科建设应加强产业发展对工程科技人才需求的调研，做好增量优化、存量调整，主动谋划新兴工科专业建设；将产业和技术的最新发展、行业对人才培养的最新要求引入教学过程，更新教学内容和课程体系，建成满足行业发展需要的课程和教材资源。[12] 从以上内容可以看出专业建设和课程建设两个方面均离不开产业的支持，同理，人才培养效果的评价也离不开产业，新工科人才评价特别是大数据技术能力评测也应面向产业最新发展现状和未来发展趋势组织实施。

大数据技术能力评测采用校企协同的评测机制，如图5所示：

图 5  校企协同的人才评价机制

在该评测体系中，由相关的评测专家组确定评测目标、编制评测大纲、评测试题和设定岗位能力模型。为了使培养的人才更好的满足企业的用人需求，评测目标、评测大纲和岗位能力模型要邀请相关企业进行评估和确认。在此过程中，专家组根据企业的反馈结果对评测目标、评测大纲和岗位能力模型进行修正，形成评测目标和企业需求确认的小循环。修正完成后向全社会发布，供参加评测的人员查阅。相关机构组织评测人员参加考试，并根据岗位能力模型计算评测结果，最后向参加评测人员、高校、企业和专家组发布评测结果，作为各方改进大数据人才培养、推动学校专业建设的一个重要依据，形成大数据人才培养的良性循环，构建人才培养的良好生态。

为了培养适应社会和经济发展需求的大数据人才，专家组应定期对评测目标、评测大纲和岗位能力模型进行更新和调整，重新与企业专家一起对上述内容进行评估和审定，并不断收集、编制和更新试题，紧跟技术发展的步伐和产业对大数据人才的需求，推动大数据技术能力评测的不断发展与进步。

为了保证评测试题的多样性和与应用结合的紧密性，专家组可以向企业、其他单位和个人征集试题，并依据评测大纲对试题进行筛选、改编和汇编，以形成更切合实际应用和需求的评测题目。

4. 评测等级和路线

大数据技术能力评测是理论与实践相结合的，因此需要和具体的技术相结合。但是现实情况是，除了开源平台和工具外，现有公司的技术路径各不相同。虽然每个公司都已经建立了自己的评测认证体系，但是相互之间因为商业竞争和技术路线的不同难以统一和融合，其关注的重点也各不相同，为此需要一个第三方非盈利性的机构，制定评测的统一参考标准框架，综合考虑高校的人才培养，企业的技术路线和认证评测体系，进行整体协调和人才生态的良性构建。

基于上述考虑，新工科大数据能力评测提出如图6所示的大数据技术评测能力体系，该体系将评测分为四个不同的层次，其中基础理论部分包括了基本概念和原理等内容，是相对稳定的知识体系；联盟参考2级以上为技术相关的部分，分别对应大数据技术中的基于工具的应用开发、面向场景的应用开发以及算法设计、性能优化和数据安全等内容。该框架以开源统为参考形成一个评测的标准体系，定义每个层级评测的内容，并使企业的各个层级与开源体系的相应层级对齐。这里需要说明的是，除基础知识层之外，剩下的三个层次并不需要企业实现一对一的层级映射，部分企业可以只支持2级和3级，有的企业直接支持更高层级。

图 6  大数据技术能力评测体系和路径

在这样的一个框架体系中，需要高校和企业之间密切协作才能完成整个人才能力的评测，一方面需要企业参与基础知识层面的评测工作，这样不仅可以加强理论和实践的互动，也更便于实现基础知识层和技术层的过渡；另一方面，企业在设计自己的技术层评测认证时，需要参考高校专家的意见，以保证评测知识体系的完整性以及与标准参考体系的对应性。

在这样的一个交互过程中，也是校企协作互相了解和互相融合的过程，一方面让高校了解了企业的最新技术，能够将最新的技术导入课堂教学中；另一方面，也方便了企业对人才的选拔和培养过程，使人才的成长路径更加清晰。

5. 评测大纲

新工科大数据技术能力评测1级主要考查被评测者对计算机基础知识的掌握程度，对一般大数据概念、流程和方法的认知程度，以及针对基本数据操作和处理、数据分析和可视化理解程度与编程实现能力。能力评测2级重在考查学生对常见大数据平台和工具的基本工作原理理解程度和编程应用能力，通过评测的人员应胜任大数据开发团队骨干成员的岗位要求。能力评测3级面向不同的应用场景，要求评测者能够组合各个工具和平台，给出总体的解决方案和实现技术路径，通过评测的人员应成为大数据开发团队的负责人。能力评测4级则重在考查大数据系统性能调优、数据分析算法设计和数据安全管理等高级话题，参加评测人员应具有丰富的工作经验和行业经验，在某一方面有突出特长或对某项技术有深刻理解。

表 1新工科大数据技术能力评测内容

6. 岗位能力模型设定

随着时间的推移，技术也是在不断发展和变迁的。对于评价的结果而言，应给出所有参加评测人员的相对结果，而不是一个孤立的评测结果，这对企业更有参考价值。例如，新工科大数据技术能力评测采用雷达图的方式对各个维度进行可视化展示，并与参加测试的人群的平均值进行比较分析，或者与某一个岗位人群的评测结果进行对比分析，更能清晰的展示参加评测人员的技术特长与弱项，以方便企业评判，也方便被测人员进一步学习和提高。

图 7  大数据技术能力评价结果示意图

2019年，基于本文设计的大数据技术能力评测体系，组织完成全国范围内的第一次大数据技术能力评测。此次评测以华为技术有限公司的技术体系和评测认证体系为例，通过多次研讨完成了企业认证体系和标准体系的对标与互认，并与其他多家企业完成了初步的认证体系对标，验证了本文所提出的校企协同的大数据技术能力评测体系的有效性和有用性。

在具体组织实施过程中，同时面向企业和高校征集评测试题，在评测指导委员会的指导下，完成评测试题的筛选与评测试卷的组卷工作。试题既包括了理论部分内容，也包括了与实践密切相关的知识，实现了理论与实践相结合的评测目标。本次评测完成参考标准一级、参考标准二级（华为大数据HCIA）和参考标准三级（华为大数据HCIP）3个等级的大数据技术能力评测，共有来自全国高校的600多名考生报名参加首次评测，最终136名同学分别通过不同级别的评测考试，获得了由企业和中国软件行业协会共同认可的评测证书。

评测结束后，工作组及时进行了评测成绩的反馈，并向企业推荐了评测成绩优秀的同学，企业也为这些同学提供了面试机会，通过这些面试进一步对评测体系的有效性进行了验证，不仅实现了人才培养的闭环反馈，也为评测体系及其后续持续改进指明了方向。

新工科教育教学质量保障体系是一种多元复合的新体系，主要包括全链条教学评价反馈机制、全要素学生学习评价机制和全方位社会评价机制。[13] 校企协同的大数据技术能力评测体系是一种有效的社会评价机制和手段，是对现有的三级专业认证体系的有益补充，在得到广大用人企业广泛认同的基础上，构建了完整的新工科人才能力评测体系，实现了不同企业之间评价标准的统一，高校和企业之间评价标准的统一，并通过实践初步证明了体系的合理性和有效性。

评测仅仅是检验人才培养效果的一种方式，更为重要的是为有学习意向的人群提供学习的便利条件和环境，因此加强专业建设，课程建设和师资培养是重中之重。这就需要高校和企业携手努力，打造精品课程，开放教学资源，做好长远的规划，共同构建良好的育人环境和生态。

更多资讯