文章荐读 | 我国高校信息管理院系大数据管理与应用专业联合建设路径分析
文 章 荐 读
我国高校信息管理院系大数据管理与应用专业联合建设路径分析
叶光辉1,2, 曹高辉1,2, 夏立新1,2
1.华中师范大学信息管理学院，武汉 430079
2.湖北省数据治理与智能决策研究中心，武汉 430079
摘要
大数据管理与应用专业是服务国家大数据发展战略而增设的新专业，是支撑图书情报人才培养的新载体和新支点。当前我国高校该专业建设院系各异，信息管理院系整体规模不大，特色彰显不够；该专业课程设置各院系自成体系，缺乏系统的顶层设计和规范的开课指导，专业建设质量标准亟待出台。在充分调研已有研究现状的基础之上，本文从组织及专业质量认证标准建设、资源共建共享、专家建设效果评价等维度，探究信息管理院系大数据管理与应用专业联合建设路径：专业组织及标准部分重点强调创新专业联合建设组织模式和出台专业认证标准，专业资源部分突出说明了教学资源、实训资源、学科资源联合共建共享形式，专业建设效果部分集中描述了评价指标设计、评价指标体系构建、评价等级说明等量化分析步骤，最后指出现阶段专业建设实施方向。该路径探析将为信息管理院系高质量培养大数据管理与应用专业人才提供有效参考。
关键词
信息管理; 大数据管理与应用; 专业建设; 认证标准
引用格式：
叶光辉, 曹高辉, 夏立新. 我国高校信息管理院系大数据管理与应用专业联合建设路径分析[J]. 情报学报, 2023, 42(2): 231-240.
👈长按识别文章二维码查看全文
0
引言
大数据管理与应用专业是为服务国家大数据发展战略而增设的全新专业。自2017年审批以来，截至2022年，根据教育部公布的普通高等学校本科专业备案和审批结果的通知，全国共计184所高校获批“大数据管理与应用”专业（代码120108T，专业修学四年，颁发管理学学士学位），但开设该专业的院系存在一定差异。以湖北省为例，18所院校大数据管理与应用专业主要分布在商学院、经济与管理学院、信息管理学院、信息与安全工程学院等。目前国内开设该专业的信息管理院系主要包括武汉大学信息管理学院、北京大学信息管理系、华中师范大学信息管理学院、天津师范大学管理学院、西安电子科技大学经济与管理学院等，开办规模相对较小，如何在招生、培养、就业与升学竞争日趋激烈的现实情形下，通过区域性或院际联合建设来提升信息管理学院开设大数据管理与应用专业的竞争力，使该专业建设更好地支撑图情档学科发展就显得尤为必要。
大数据管理与应用专业本身与数学、统计学、计算机科学、管理科学与工程、数据科学等学科存在紧密联系，与信息管理院系已有专业，如信息管理与信息系统、信息资源管理专业等，存在共通的学科基础。因此，该专业现已成为信息管理院系专业建设和图情档学科发展新的依托载体，也是信息管理院系最富活力的专业之一。当前获批院系均已进入或即将进入专业招生与培养阶段，但各院系专业课程培养方案在基础课程和特色课程设置上还存在明显差别，也缺乏系统的顶层设计和规范的开课指导，亟待组织院际课程研讨，出台专业建设质量标准等指导性文件来共同提升信息管理院系开设大数据管理与应用专业的社会认可度，从顶层上来协调各教学单位的课程培养方案设计。基于当前信息管理院系大数据管理与应用专业建设现状，本文寄望于从组织及专业质量认证标准建设、资源共建共享、专家建设效果评价等维度探究大数据管理与应用专业联合建设路径，以期为后续专业发展提供有力保证。
1
研究现状
（1）专业教学联合建设组织研究现状
随着大数据时代的到来、大数据产业的不断发展，以及大数据应用领域的不断扩大，大数据管理、分析、决策等方面的人才缺口问题日益凸显。为此，教育部2017年批准设立大数据管理与应用专业，尽管专业发展迅速，但当前总体规模较小，师资相对短缺，各高校专业建设处于相对独立发展阶段，尚未形成完善、统一的课程体系和大规模的联合建设组织[1]。
对已开设大数据管理与应用专业的高校教学组织进行调研，可发现目前各高校在该专业教学方面形成了三种形式的联合建设组织：校内联合、校际联合及校企联合。三种形式对比分析如表1所示。具体而言，校内联合的表现形式是同一高校不同院系之间的联合教学，建造实训平台及中心，培养符合社会需求的应用型人才，如北京信息科技大学在教学过程中开设了相当比例的实践教学课程，建立了相对完整的实践课程体系，并于2017年建立了大数据实验教学平台来达到充分实践的教学效果[2]。校际联合是不同高校之间的联合，其典型代表是2019年在沈阳成立的“东北三省大数据教育联盟”，该联盟旨在促进东北三省大数据相关专业的建设交流，促进大数据人才互通，提高教学科研水平，为东北三省高校大数据专业建设谋求更好的实施策略[3]。校企联合是通过校企合作实现“产-学-研”深度融合的主要形式，2018年北京成立了“大数据管理与应用产教融合联盟”，该联盟依托北京联合大学组建并开展工作，成员由高校专家和企业组成，围绕大数据管理与应用人才培养，探索专业人才的培养目标，研究知识模块及课程设置，成员之间开展协同创新、科技支撑项目等课题研究[4]。然而，由于大数据管理与应用专业开设时间较短，成立的教学联合组织少且分散，并且组织之间的差异较大，缺少沟通，对大数据管理与应用专业的人才培养目标和模式也有所不同，政府在联合建设组织中的参与不足，较难形成“政-产-学-研”协同联动的组织模式。
（2）专业教学认证标准或制度研究现状
专业认证最早源于工程教育领域，用于国际工程教育的资格互认。目前我国有关专业认证的理论与实践大多集中在工程教育和师范类专业认证领域。文献调研发现，目前的研究主要基于专业认证标准视角，从人才培养目标、教学过程质量保障等方面探讨专业建设与改革问题，如李国祥等[6]提出了基于专业国家标准的质量目标标准建设方法、基于PDCA（plan-do-check-act）循环理论的教学质量保障体系构建路径等。还有学者从专业认证三大理念的角度出发，探讨人才培养目标与专业教学质量保障问题。例如，田昕[7]基于“以学生为中心”理念，强调学生在教学质量保障中的重要作用，认为高校应加强教学质量保障中学生的参与及反馈。马文英等[8]则基于“产出导向”理念，结合多种评价方法，提出了一种包含人才培养目标、毕业要求、课程体系和课程大纲四位一体的评价方案。此外，也有部分学者针对特定专业，解析现有专业认证内容并探讨认证标准中存在的问题[9-10]。
总体而言，目前我国有关大数据管理与应用专业认证标准的研究极少，还处于探索阶段。已有高校专业认证建设研究主要聚焦“学生中心、导向产出、持续改进”三大理念，侧重教学质量保障体系、人才培养模式等的理论研究，缺乏针对实践应用的研究[11]，且在实践过程中难以体现人才培养内涵，这也是高校专业认证建设的关键问题。
（3）专业教学资源共建共享研究现状
目前，国内大数据管理与应用专业建设还处于探索阶段，专业教学资源多来源于所开设学院的传统优势学科，是一种多学科交叉、用传统优势学科辐射专业建设的模式，教学资源共建共享机制也多出现在传统优势学科具有共性、合作交流已久的院校[12]、校企[13-14]之间。
人才培养方案构建的交流是教学资源共建共享机制中最为常见的形式之一，先行建设大数据管理与应用专业的院校往往会以将人才培养体系发布在学院网站、召开学术交流会议等形式公开、共享人才培养方案，后续开设大数据管理与应用专业的院校往往会在很大程度上参考这些资源[15]。教材和课程资源的开放、共享、融合是教学资源共建共享机制中的另一重要构成部分。由于大数据管理与应用专业是一个刚刚开始建设的新兴专业，因此教材编写与课程资源建设是学科建设的基础工作。目前各院校在教材编纂和课程资源建设的过程中，会充分考虑兄弟单位之间的优势互补，以校企联合、校校联合的方式，组织高校和业界专业人士共同开展教材编纂和课程资源建设工作[16]。此外，由于大数据管理与应用专业的学科特性，十分需要相近专业（如信息管理与信息系统、管理科学等）、计算机软件平台等硬件资源的支撑，能够高度契合专业课程的大数据实验平台是教学中的稀缺资源[17]。硬件平台与软件开发时间周期长，资金投入大，但可共享性极强，这是大数据管理与应用专业教学资源共建共享机制中最应发挥作用的方向，如苏州大学、郑州大学、成都理工大学、重庆师范大学等多所高校共同推进的大数据实验平台建设，建成后能为学校提供丰富的开放性实验资源[18]。同时由于专业的新兴性，校企合作资源共建共享机制也未得到充分挖掘，也是教学资源共建共享模式的发展方向之一[19-20]，例如，重庆大学与重庆社会科学院、重庆农村土地交易所、重庆医药数据信息科技有限公司等机构建立了稳定的合作关系，在帮助政府部门发布行业产业研究报告、协助企业预测收入的同时，极大地锻炼了学生的专业能力[21]。总体而言，当前大数据管理与应用专业教学资源共建共享多数还停留在教学体系构建、课程体系设置等方面的意见交流上，并未形成常态化、多层次、交互性的深度资源共建共享机制，资源共享程度还有待加强。
（4）专业教学资源建设效果评价
为正确引导新专业的建设方向，满足新时代对大数据人才的需求，亟须结合国内大数据管理与应用建设现状，参考各个高校专业培养计划与认证标准，对大数据管理与应用专业的教学资源建设效果进行评价，从而形成认证标准、评价指标、评价过程、反馈与优化的闭环，不断优化教学资源建设效果评价指标体系，有效提升大数据管理与应用专业培养质量。
然而，大数据管理与应用专业自2017年试点开设以来，至今尚未建立起相应的学科质量标准和评估体系[22]。根据文献调研结果，目前针对该专业教学资源建设效果评价的研究相对较少且尚处于理论探索阶段，现有研究主要从某个或某些主题对教学资源建设效果进行局部评价，存在着全面性、针对性不强以及规范程度不够高等问题。典型研究如杨丽等[12]从全过程视角分析专业理论与实践教学，建立面向大数据管理与应用专业的数据素养能力评价指标体系，其中包括数据意识、数据知识等7个一级指标和数据敏感度、数据利用意识等25个二级指标。解文明等[23]从建立高校数字资源建设激励与评价机制方面对学校数字资源库建设中存在的问题进行了详尽分析，建立了一整套奖励与评价机制。余静等[24]对教学资源的信息化建设情况进行了评价。杨海超等[25]采用德尔菲法及层次分析法构建了开放教育微课程资源建设评价指标系统，提高微课程教学资源的建设质量。此外，在评价方式方面，现有研究多采用问卷调查法、德尔菲法、专家评审等方式对大数据管理与应用专业在培养方案、课程体系、师资队伍、实验实践等方面的建设情况进行评估[26]。总体而言，面向大数据管理与应用专业的建设标准和建设效果评价体系尚处于摸索阶段。后续一方面要以多元化体系去评价专业在教学、科研、社会服务等方面的建设效果，另一方面要根据行业对人才培养效果的反馈，不断优化探索多样化的评价主题和内容，形成鲜明的办学标准和教育教学评价体系。
结合（1）~（4）的现状调研，本文第2~4节将从专业联合建设组织及标准、专业资源联合共建共享和专业联合建设效果评价三个方面细化阐释信息管理院系大数据管理与应用专业联合建设路径。
2
信息管理院系大数据管理与应用专业联合建设组织结构及认证标准
明确大数据管理与应用专业联合建设组织的结构与认证标准对大数据的人才培养、学科发展、教育资源完善等方面有着重要的作用。一方面，联合建设组织结构的确定有利于分析大数据管理与应用专业联合建设组织存在的合理性和必要性；另一方面，联合建设组织认证标准的确定有利于组成成员之间在人才培养的各方面达成共识。但由于大数据管理与应用专业成立时间较短，联合建设组织以少数几个高校联盟或校企联盟的形式存在，组织的结构、成员的职责、认证标准等尚不成熟。同时，为了适应政策的发展，有必要明确大数据管理与应用专业联合建设组织的模式、制度及认证标准，培养出满足社会需求的“技管双强”复合型人才。
2.1 联合建设组织模式
大数据管理与应用专业建设尚处于探索阶段，对于“建什么、怎么建”，往往由该校负责人参照相关专业决定，有较大的主观性，不同学校所拟定的组织模式风格迥异，无法形成完整规范的教学结构。另外，信息技术的快速发展使院校间各行其是的人才培养措施难以满足综合性人才需求，加之有关政策的驱动，促使院校间需要逐渐形成多校联合、多部门联动、多校教师合作的联合人才培养组织，确保培养方案的顺利实施，优化和完善专业的建设。在这种情况下，传统的人才培养模式，如教研室，已不能满足人才培养需要，虚拟教研室成为多校开展人才联合培养的有效组织形式（图1）。
图1 虚拟教研室的组织模式
由图1可知，虚拟教研室是“智能+”时代背景下，依托传统教研室的形态，利用信息化智慧教学手段开展线上线下、虚实结合的教学研究活动与课堂教学实践的新型教学组织，有助于弥补传统教研室在教学及科研活动方面的不足，有效解决高校的跨学科师资配置、科研团队知识结构等存在的问题，加强跨专业、跨学科、跨学校、跨地域的教研交流，推动各大高校间的互联互通、共建共享。教育部办公厅已公布的首批虚拟教研室承建单位涉及图情档类的包括北京大学信息管理系、中国人民大学信息资源管理学院、中山大学信息管理学院，尚不包括大数据管理与应用方向。大数据管理与应用专业教育存在一个较为明显的问题：师资问题。一方面，大数据管理与应用专业是一个年轻的专业，该专业师资队伍还主要依靠现有师资力量的支撑；另一方面，大数据管理与应用专业的多领域交叉融合的特点打破了专业壁垒，这给开设该专业的高校提出了较为紧迫的师资队伍专业能力培养和进修要求。虚拟教研室充分运用信息技术手段，探索突破时空限制，将多校教师以及行业领域的专家人才资源进行整合，开展常态化教师培训，发挥国家级教学团队、教学名师的示范引领作用，促进教师教学发展，成为教师专业发展的基地。另外，虚拟教研室成员在充分研究交流的基础上，形成优质共享的教学资源库，为大数据管理与应用专业的人才培养创造了资源条件。
2.2 联合建设组织制度
大数据管理与应用专业建设联合组织是一项创新性的工作，需要构建规范有序的运行机制，从宏观上调控、指导、管理联合组织中各项工作的开展，因此需要为组织建立相应的制度，达到制约、规范组织成员关系的目的，还可以使组织活动规范化、标准化，提高工作效率。不论建设何种形式的大数据管理与应用专业联合组织制度，都应该考虑组织的运行机制、宗旨、成员的权利与义务以及成员的加入与退出等。
首先，大数据管理与应用专业联合组织应由校党委直接领导、教务部门管理督导，由相关主体牵头招募核心成员组建，经过审批程序之后方可成立。其次，要确立联合组织的宗旨，即锻造一批高水平教学团队，培育一批教学研究与实践成果，打造教师教学发展共同体和质量文化，全面提升教师教学能力，带动相关学科的建设与发展，增强创新人才培养。再次，组织成员的权利主要有定期参与组织会议、研讨的权利，平等地享受组织资源开展教学工作的权利，对组织各项工作提出意见或建议的权利等；还应具有相应的义务，如遵守组织的章程、完成组织委托的工作任务、执行联合组织的决议和决定、配合各组织成员之间的教学工作等。最后，组织成员的加入或退出也应遵循一定的原则，如成员加入的自愿性原则，同时需要提出申请，经联合组织审批后方能加入；自愿退出联合组织时也要提出书面申请，遵循相关流程，对未履行组织义务、不参加组织活动的成员，组织负责人有权要求成员强制退出。另外，还应成立教学指导委员会（简称“教指委”）对教学工作进行指导并对教学成果进行评估，对考核不合格的组织成员，教指委亦有权力对组织成员进行灵活淘汰。
2.3 联合建设认证标准
大数据管理与应用是与信息管理相近的学科，都隶属于管理科学与工程学科，解决的都是信息管理中的问题。同时，随着大数据技术的飞速发展，其为金融、文化、医疗等行业赋能的属性逐渐凸显，相伴而来的一系列管理需求和问题也随之浮现。大数据管理相关的理论知识和经验尚未形成完整知识体系，部分大数据管理所要求的知识或能力仅能通过信息管理专业的相关或近似课程来替代培养，所以很多高校将大数据管理与应用专业开设在信息管理院系下。虽然高校在这一点上达成了共识，但是还尚未出现信息管理院系大数据专业联合建设的认证标准，在人才培养目标、课程体系设置等方面还存在分歧。所以，当务之急是制定信息管理院系大数据管理与应用专业联合建设的草案。
由于大数据管理与应用专业比较新颖，其建设尚处于起步阶段，在人才培养的定位、教学体系制定、专业特色凸显等方面还需要进一步研究与实践，所以在草案制定时既要明确培养目标的定位和课程体系的设置，又要体现专业特色与优势。首先，不同类型和定位的学校具有不同的办学性质和任务，其大数据管理与应用专业的培养目标和侧重点都各有差异，在制定草案时，要求同存异，体现专业特色；其次，课程体系是实现培养目标的有效手段，是满足社会对大数据人才需求的有效方式，所以在草案制定时需明确联合组织成员要设置的必修课程，同时，还要引导组织成员开设相关选修课程，鼓励开发跨学科、跨专业的新兴交叉课程，并与专业主干课程形成逻辑上的拓展和延续关系，特别鼓励开设创新创业基础、就业方面的选修课，为学生提供创新创业方面的相关知识；最后，形成的相关草案要及时提交到管理科学与工程教学指导委员会，获得相关教学组织与社会认可并付诸实践。
3
信息管理院系大数据管理与应用专业资源联合共建共享
优质的资源是专业建设与发展的基础。在教育资源共享理念不断深入的背景下，大数据管理与应用专业资源联合共建共享在专业联合建设中显得尤为重要。一方面，通过专业资源联合建设，能够使专业在人才培养、课程设置等方面实现统一，提高专业的竞争力与社会认可度；另一方面，通过专业资源在不同院系间的高度共享，能够以合力的形式充分发挥不同院系所具备的资源优势，提高资源的质量与互通利用。目前，由于大数据管理与应用专业资源还处于建设与发展阶段，存在专业院系间各自发展、资源质量参差不齐、共享度低等问题，不利于资源的高效利用，在一定程度上影响了资源的建设。因此，院系间可根据资源类型的不同，主要从教学资源、实训资源和学科资源等三个方面积极实施专业资源联合共建共享策略，具体建设内容如图2所示。
图2 专业资源联合共建共享建设示意图
3.1 教学资源共建共享
教学资源是彰显专业建设的核心，通过教学资源共建共享能打造高质量课程资源，提升教师等资源的水平。课程是专业培养最微观的单位，但可以解决最根本的问题。由于不同院系的大数据管理与应用专业在人才培养方案、课程设置上差别明显，因此建议专业联合建设联盟的各组织成员，在充分发挥信息管理院系大数据管理与应用专业的优势与特色的前提下，共同制定本专业的核心主干课，从顶层上规范各院系的教学方案设计。此外，为进一步规范课程内容，核心主干课的具体内容也需要进一步的统一与细化。建议各组织成员选用相同或相近的教材或参考书籍。由于目前大数据管理与应用领域专业教材还亟待建设，因此在专业建设过程中，院系间可联合出版一批专业教材供课程教学使用。通过课程方案设计与课程内容的双统一，保证专业联合建设联盟的人才培养质量。
除课程设置的统一外，教学资源的共享至关重要，只有充分的共享才能带来资源的最大化利用。因此，联合院系间要积极共享教学资源，通过构建教学资源网络平台等方式，共享教学课件、讲义、教学案例等内部课程资源，实现教学机构知识库的互通。此外，在现有常规教学的基础之上，可充分利用现代化信息技术手段，采用MOOC（慕课）、云课堂等线上线下混合、仿真模拟等方式来最大程度融合更多教学资源。还可以利用专业联合建设的优势，通过院际联合授课、专家讲座等形式共享教师资源。结合教师特色同上一门课，上好一门课，在充实教学资源的同时，共同产出一批国家精品课程。总结来说，在教学资源的共建共享方面，院系间可通过课件资源、教材资源、教师资源以及教学奖励等机构知识库资源的互通互动实现资源的最大化利用。
3.2 实训资源共建共享
实训资源是提升专业竞争力的关键，通过实训资源共建共享可以提高专业人才的实践能力，将人才培养与市场需求相联系，切实培养应用型人才。大数据管理与应用专业的人才培养更要注重体现其“应用性”，加强培养学生的实践能力。因此在实习实训锻炼上，应采用更为多样灵活的形式对学生进行考核，如通过提升系统设计、调查分析报告等在专业课程考核、毕业考核中的占比等形式，突出动手实践能力在人才培养中的重要性。此外，不同高校拥有不同的重点学科和特色优势学科，因此可以利用专业联合建设联盟优势，根据大数据管理与应用专业中人才培养所需的综合能力，丰富学生实习实训的内容与方式，以产出导向为原则，合理设置课程实习、专业实习以及毕业实习等实践内容。
在实训资源共享上，专业联合建设联盟各组织间应积极共享如数据资源、软件平台与中心等实训资源。尽管软件不能直接共享，但院系间可以通过共享软件目录及软件体验、软件体系等，共享实训经验。此外，建议院系间积极共享实习单位等业界资源，通过加强学界与业界的合作，共同提升学生动手实践能力。无论对于高校还是企业而言，实习实训资源的共享都有利于专业人才的培养，更使得人才培养能够与市场需求紧密结合。高校通过实习实训资源的共享向企业输送人力资源，而企业可以为实习学生提供技能培训等工作锻炼机会，提高其工作能力。
3.3 学科资源共建共享
学科资源是专业持续发展的动力，通过充分利用学科资源推动科研工作，再以科研项目推动课堂教学和实习实训，形成良好的产学研一体化循环发展。高校的重点学科建设与科研项目实践密不可分，因此在共建学科资源过程中，专业联盟应根据专业建设与发展的要求，结合不同院系在学科方向上的优势，共同打造具有信息管理特色的学科群。
学科资源的共建共享过程中，为体现大数据管理与应用专业在服务国家大数据发展战略中的重要作用，需要加强政府在联合建设中的参与，实现“政-产-学-研”协同联动的组织模式。因此，在学科建设中，要根据国家、省、市战略需求，以解决大数据发展的实践问题为导向开展科学研究。借助专业建设联盟优势，联合业界资源，建成一支由各高校专家与企业人才构成的科研团队。通过教学资源、实习实训等资源的共建共享，发挥各个院系的资源优势，围绕大数据管理与应用专业的人才培养、课程设置、教学过程质量评价体系等进行课题研究，最终将科研项目的产出转化为教学内容，再次推动教学与实训活动，实现学科的可持续发展，形成具有信息管理特色的大数据管理与应用专业特色的学科共建共享之路。具体而言，院系间可联合申报省部级以上教学研究项目，通过教学研究来不断修正课程教学方案，并在实践中检验培养方案，形成不断迭代升级的良性机制。此外，在教学研究过程中，可通过发现新专业建设中出现的问题，率先探索问题的解决策略，撰写一批有影响力的教研教改论文，推广相关理论成果走向实践应用。
4
信息管理院系大数据管理与应用专业联合建设效果评价
大数据管理与应用专业联合建设效果的评价是联合建设中的一个重要环节，对专业联合建设起着重要的指导作用。一方面，它能有效完善专业联合建设的系统流程，对联建工作有一个结果反馈；另一方面，能鉴定与检查专业联合建设的质量，对专业联合建设的效果进行有效评估。目前，对于大数据管理与应用专业联合建设效果的评价尚处于理论探索阶段，为严格控制专业的质量，大数据管理与应用专业需从标准与评价两个方面着手，以实现以评促建、以评促学为目标，主要可从设计规范科学的评价指标、构建完备有效的评价指标体系、量化分析评价等级三个方面对大数据管理与应用专业联合建设效果进行评价。
4.1 评价指标设计
面向大数据管理与应用专业联合建设的评价指标设计需要系统而科学地量化指标，指标的选择和设定原则是整个评价体系的核心和关键，直接影响专业联建评价的效果。因此，评价指标的设计需要全面考虑新时代教育改革、评价指标设计原则与大数据管理与应用专业三个要素，尽可能提高专业联建效果评价体系的全面性、规范性和针对性。大数据管理与应用专业联建效果评价指标应兼顾大数据管理与应用专业培养全过程，使每一个指标都能与专业培养方案具体建设点相关联，与课程设计相适应，达到选择有据、结果可追溯的效果[12]。
依据大数据管理与应用专业的培养总体目标，结合上述专业联合建设的规范及认证标准，整合当前专业教学联合建设现状和时代发展需求，选取以下三个一级指标：①组织管理制度。大数据管理与应用专业联合建设既需要在企业、学校、科研院所内建立科研和生产组织，又需要与不同院校、院系等培养单位联合开展人才培养工作，所以需要一系列制度来维持和保证正常、高效运行。组织管理制度是专业联合建设有序运行的重要保障，因此选取组织管理制度作为第一个评价指标。②联合共建成果。专业联合建设是各个学校、科研院所、企业共同参与的，丰富的共建成果是维系和促进双方联系与合作的重要保证。专业联合建设以人才培养为出发点，所以联建成果应注重考查教学资源建设、实训资源建设、学科资源建设与学生个人的发展，因此选取联合共建成果作为第二个指标。③认证标准达标程度。大数据管理与应用专业的人才培养与认证标准是联合建设的出发点和落脚点，是专业联合建设的核心。为规范专业联建人才培养过程，从培养目标、课程体系、师资队伍到最终的教学效果等，专业联建要有一套完整的认证标准，因此选取认证标准达标程度作为第三个指标。
4.2 评价指标体系构建
在构建专业联合建设效果评价体系时要能充分体现大数据管理与应用专业教学与人才培养总体目标，设立的指标不能有重复、冲突和因果关系，同时各指标应该是能测量、可观察的[25]。因此，需在一级评价指标的基础上进行纵向延伸和细化，确定二级评价指标，并确定各指标重要性程度及其对应权重，最终构建专业联合建设效果评价指标体系。
大数据管理与应用专业联建效果评价指标体系的构建主要分为四步。第一步为明晰大数据管理与应用专业培养目标，这是系统构建的关键。第二步为确定评价指标，结合当前大数据管理与应用专业联合建设现状和特征，初步确定3个一级评价指标和14个二级评价指标，具体内容及指标含义如表2所示。第三步为评价过程，评价指标元素初建成之后，需要采用德尔菲法、问卷调查法或层次分析法等，区分各指标的相对重要度，并为其设置权重。该过程应做到不受外界影响，给与最客观、真实的评价。第四步为反馈与优化，是指根据评价结果重新修订评价目标，进而不断修正评价指标体系，充分发挥评价指标体系的反馈与调控功能。
4.3 评价等级分析
评价指标体系的建立旨在对专业联合建设效果进行评价，而指标赋值是评价的重要环节。层次分析法（analytic hierarchy process，AHP）是一种可以确定某些定性变量的赋值的方法，借助AHP方法，根据指标体系建立专业联建效果评价层次结构模型，确定评价体系中一级指标与二级指标的权重，同时还要消除各指标值量纲的差异，使数据标准化，以计算综合评价值，从而进行建设效果间的比较。最终通过展示最后的综合得分以及各指标的各项得分，以成绩等级划分的形式对评价等级进行分析。
专业联合建设效果评价指标体系为了发挥评价的导向、激励等功能，评价标准应采用定性与定量相结合的方式，用A、B、C、D四个等级，分别对应百分制中的100、80、60、40分。其中四个等级及百分制所对应的评价标准如表3所示。评价标准是衡量评价对象达到评价目的的尺度和准则，依据评价标准建立评价指标体系，按照评价等级体系对评价等级进行分析，可对大数据管理与应用专业联合建设效果进行反馈优化。当然，本文中的评价等级体系只是专业联建效果评价工作中的一个阶段，投入使用后，毕业生评价、用人单位及升学单位评价、家长评价等才是专业联合建设效果优质与否的重要环节，今后还要不断地深入开展对专业联合建设效果评价的研究。
5
现阶段信息管理院系大数据管理与应用专业联合建设实施方向
本文第2~4节分别从专业联合建设组织及标准、专业资源联合共建共享和专业联合建设效果评价三个方面描摹了信息管理院系大数据管理与应用专业联合建设路线，以期探索出一条“组织制度健全、认证标准规范，专业资源联合共建共享，评价体系科学完备”三位一体的符合新时代发展需求的大数据人才培养路径，从而为培养高质量的大数据管理与应用专业人才提供有效支撑。但现阶段要实现该路径，亟待在以下两点尽快寻求突破。
（1）积极融入管理科学与工程教指委专业建设标准，体现信息管理院系课程建设特色。当前信息管理院系建设大数据管理与应用专业面临共同的局面：专业本身属于管理科学与工程大类，但建设主体是信息管理院系，专业建设不可避免要与图情档优势学科紧密结合，如何在体现优势学科特色的同时，又能够获得管理科学与工程教指委的认可，这就需要信息管理头部院系和跨两个一级学科的图情档领域专家，参与或影响管理科学与工程教指委拟定的专业建设标准（目前该专业还没有落地的专业建设标准），将图情档核心课程融入标准设定的专业主干课推荐目录中。
（2）成立信息管理院系大数据管理与应用专业联盟。联盟建设基于两个方面强烈的反差，一方面是大数据管理与应用专业还很年轻，2022年才会有第一届毕业生，但大数据运营、分析等人才需求量很大，部分岗位设置如数据科学家、数据运维师等，甚至专门面向该专业进行招聘；另一方面，图情档学科领地被蚕食，部分信息管理院系正在积极向数字人文、数据科学等方面拓展，大数据管理与应用本科专业与现有的信息管理院系数据科学硕博培养体系可以有机贯通到一起，为图情档学科的发展带来新的动能。后续越来越多的信息管理院系会申报并建设大数据管理与应用专业，其对图情档学科的支持也会日益增强。专业联盟建设不会一蹴而就，需要更多区域性的探索，当前湖北省内高校正在积极筹建专业建设联盟，以提升湖北省信息管理院系大数据管理与应用本科专业建设影响力。
标准是专业建设和验收的尺度，联盟是进行专业建设经验沟通和资源分享的平台。在标准引领下，在联盟主导下，才能有影响地开展专业建设各类共建共享活动，将专业建设落到实处，推动该专业及其串联的硕博培养体系成为推动图情档学科更快发展的增长点。
参考文献
[1] 李春昱. 大数据管理与应用专业课程体系建设探索[J]. 无线互联科技, 2021, 18(5): 114-115.
[2] 徐晓敏 . 大数据管理与应用新专业建设探索与实践——以北京信息科技大学为例[J]. 教育教学论坛, 2020(31): 229-231.
[3] 我校工商管理学院受邀参加第二届东北大数据专业建设研讨会, 并成功加入“东北三省大数据教育联盟”[EB/OL]. (2019-06-04) [2021-08-13]. http://www.dlufe.edu.cn/content/20196/6772.shtml.
[4] 北京成立大数据管理与应用产教融合联盟[EB/OL]. (2018-07-19) [2021-08-13]. https://www.sohu.com/a/242125241_161623.
[5] 深圳大学与阿里云大数据学院成立, 三年培养千位本科人才[EB/OL]. (2018-03-29) [2021-08-13]. https://baijiahao.baidu.com/s?id=1596243071159169317&wfr=spider&for=pc.
[6] 李国祥, 潘瑞冬, 覃绍娇. 专业认证视域下教学质量保障体系建设路径探析[J]. 桂林航天工业学院学报, 2021, 26(2): 216-220.
[7] 田昕.“以学生为中心”的高校教学质量保障体系构建[J]. 上海教育评估研究, 2020, 9(1): 13-17.
[8] 马文英, 杨雄, 王天宝, 等 . 基于产出导向(OBE)的本科人才培养质量评价方案研究[J]. 高教学刊, 2021, 7(20): 1-7, 16.
[9] 路书红, 黎芳媛 . 专业认证视角下的师范专业发展探析[J]. 教育发展研究, 2017, 37(22): 65-69, 84.
[10] 杜学领 . 教学质量国家标准背景下的课程体系建设——以采矿工程为例[J]. 大学教育, 2020, 9(5): 10-15.
[11] 杨国萍, 毕海普 .“双一流”语境下师范专业认证的理念、使命与挑战[J]. 黑龙江教育(高教研究与评估), 2021(8): 16-19
[12] 杨丽, 徐绪堪, 李一铭 . 面向大数据管理与应用专业的数据素养教育研究[J]. 情报理论与实践, 2020, 43(10): 45-49, 18.
[13] 陈沫, 李广建, 陈聪聪 . 情报学取向的“数据科学与大数据技术”专业人才培养[J]. 图书情报工作, 2019, 63(12): 5-11.
[14] 朝乐门, 邢春晓, 王雨晴 . 数据科学与大数据技术专业特色课程研究[J]. 计算机科学, 2018, 45(3): 3-10.
[15] 何海地 . 美国大数据专业硕士研究生教育的背景、现状、特色与启示——全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J]. 图书与情报, 2014(2): 48-56.
[16] 王晰巍, 郭宇, 石静, 等. 大数据时代背景下中美图书情报专业研究生课程体系建设比较研究[J]. 图书情报工作, 2015, 59(23): 30-37.
[17] 查先进, 杨海娟. 大数据背景下信息管理专业人才培养模式改革创新影响因素研究——以湖北高校为例[J]. 图书情报知识,2016(2): 21-29.
[18] 张燕, 刘鹏, 赵海峰, 等 . 大数据专业建设的思考与探索[J]. 中国大学教学, 2019(4): 38-41.
[19] 吴叶林, 崔延强. 基于大数据背景的高职院校专业设置机制创新探究[J]. 中国高教研究, 2015(5): 95-99.
[20] 王国仁, 金福生, 刘驰, 等. 面向国际化的数据科学与大数据专业课程体系建设[J]. 中国大学教学, 2018(12): 43-45, 51.
[21] 冯永, 钟将, 李学明, 等. 大数据高级技术人才协同创新培养研究与实践——以计算机全日制专业学位研究生与本科生协同创新培养为例[J]. 中国电化教育, 2017(6): 35-44.
[22] 赵星, 俞晓婷, 万玲玉 . 新文科背景下大数据管理与应用专业培养特征的内容分析[J]. 图书与情报, 2020(6): 26-34, 92.
[23] 解文明, 欧少闽, 张伟山, 等. 建立高校数字教学资源建设激励和评价机制的探索[J]. 现代教育技术, 2012, 22(8): 59-61.
[24] 余静, 周源 . 信息化教学资源建设评价标准及应用实施[J]. 中国职业技术教育, 2016(26): 73-75.
[25] 杨海超, 王红宝. 开放教育微课程资源建设评价指标体系研究[J]. 云南开放大学学报, 2018, 20(3): 6-11, 17.
[26] 李树青, 曹杰, 刘凌波 . 大数据管理与应用专业建设路径思考[J]. 黑龙江教育(高教研究与评估), 2020(1): 25-29.
制版编辑 | 李 静
审核 | 王海燕
国家自然科学基金管理学部A类期刊
全国中文核心期刊
CSSCI来源期刊
《中国人民大学复印报刊资料》重要转载来源期刊
CSTPCD（中国科技论文与引文数据库）收录期刊
NSSD （国家哲学社会科学学术期刊数据库）
长按扫描二维码 ｜ 关注我们
情报学报官网：qbxb.istic.ac.cn
邮箱：qbxb@istic.ac.cn
电话：010-68598273
欢迎投稿！
【免责声明】本公众号主要发布《情报学报》期刊的录用文章，或转载其他媒体与网站的图文资讯。文章仅代表作者本人观点，本公众号对文中陈述、观点判断保持中立。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其他渠道者引发的一切纠纷与本公众号平台无关。