摘要：运用“大数据+专业”模式开展跨学科融合式创新型人才培养工作，可以为专业领域提供更多优质人才资源。基于此，对跨学科融合式创新型人才培养的重要性、“大数据+专业”模式的优势开展论述，提出完善培养方案和教学大纲、合理构建课程体系、加强师资队伍建设、深化产教融合、创建数字化学习中心等“大数据+专业”跨学科融合式创新型人才培养模式实施策略，旨在提升“大数据+专业”跨学科融合式创新型人才培养效果。

　　关键词：跨学科；融合式；创新型；人才培养；“大数据+专业”

　　大数据技术的核心作用在于从海量的数据中提取关键性、代表性的信息，这使得其常被用于专业领域人才需求调研和预测，从而为专业人才培养工作提供有价值的参考。在此背景下，可以考虑构建“大数据+专业”人才培养模式，开展跨学科融合式创新型人才培养工作，为专业领域输送更多具备实践能力、契合领域发展需求的人才，从而更好地推动专业领域的建设和发展。

　　一、跨学科融合式创新型人才培养的重要性

　　科技的飞速发展和社会的不断进步，让单一学科的知识和技能已经难以满足日益复杂多变的现实需求，也使得跨学科融合式创新型人才培养逐渐显现出其独特的重要性。在此背景下，跨学科融合式教育能够帮助学生打破学科壁垒，拓宽知识视野。通过整合不同学科的知识和方法，学生可以更加全面地认识和理解世界，形成更加完整和系统的知识体系。这在很大程度上奠定了学生创新能力的发展基础。一般来说，学科创新往往来源于不同学科知识和思维方式的相互碰撞和交融，而跨学科的知识融合有利于激发学生新的灵感和创意，从而推动其创新思维的发展，达到培养创新人才的效果，为创新创业领域提供更多的人才资源。此外，跨学科融合式创新型人才，具有多元知识和能力，更善于解决涉及多个领域和学科的复杂问题，可以在科研、技术领域发挥重要作用，推动科技进步和社会发展。由此可见，跨学科融合式创新型人才培养对于科技进步、社会发展具有重要意义。

　　二、“大数据+专业”模式的优势

　　数字化已经成为各领域的转型发展趋势，这使得数字经济迅速成为重要的资源。在此背景下，构建“大数据+专业”模式，可以利用大数据技术，进行更加精准、可靠的专业调研，帮助专业教育领域立足于实际情况和专业发展趋势，对专业教育模式、方法、方向、体系等进行优化调整，让专业教育更好地培养出跨学科融合式创新型人才，提升教育工作水平。“大数据+专业”模式的优势主要体现在四个方面。

　　第一，时效性优势。大数据技术支持对实时、海量数据的高效分析，可以根据当前的专业领域数据，提炼出具有时效性的教育导向、参考信息，有利于专业教育紧跟时代发展形势。

　　第二，前瞻性优势。大数据分析技术不仅能够提炼关键信息，而且支持对数据的深度挖掘，以预测分析出专业领域的发展趋势，让专业教育的优化调整更具前瞻性。

　　第三，准确性优势。大数据分析技术立足于真实数据，挖掘、分析结果具有较高的准确性和代表性，因此，基于大数据分析结果进行的专业教育调整，也具备较高的准确性与合理性。

　　第四，针对性优势。以大数据分析结果为参考的专业教育工作，可以让专业教育的内容、模式、方法等更符合专业领域内的人才需求，由此使得专业教育更具实用性、靶向性，提升人才培养效果。

　　三、“大数据+专业”跨学科融合式创新型人才培养模式实施策略

　　（一）完善培养方案和教学大纲

　　在“大数据+专业”模式下，可以先从多渠道收集专业领域的人才需求数据，然后立足于该数据，运用大数据技术进行专业人才市场调研，以及人才需求趋势分析，再基于此，完善现有的跨学科融合式创新型专业人才培养方案和教学大纲，借此让人才培养工作的导向更加清晰，提高人才培养工作开展的准确性和质量。在此过程中，应运用大数据分析挖掘结果，深入探索专业的特点，充分融合交叉学科的相关内容。在此基础上，推进专业人才培养方案、教学大纲的完善，并借此补充相应交叉学科切入内容，最终形成更利于跨学科融合式创新型人才培养的教学方案与教学大纲。因此，在人才培养的具体过程中，需要运用大数据技术，明确专业领域内关注的人才能力相关内容，借此深入了解专业的跨学科融合培养需求及创新能力培养需求，然后基于此，设计方案、大纲中的学科融合模块，有针对性地培养学生利用不同学科知识创新解决问题的能力，达到跨学科融合式创新型人才培养的效果。此外，还要注意，在培养方案和教学大纲的完善上，需坚持以学生为中心，注重强化方案、大纲的前瞻性、系统性、可操作性和灵活性，合理分配学时，确保理论与实践相结合，同时还要及时更新教学大纲中的知识点和技能要求，注重知识的系统性和前沿性，并建立科学、全面的考核评价体系，注重过程性评价和结果性评价的结合，鼓励学生自我评价和互评，促进学生自主学习和反思，从而进一步提高“大数据+专业”模式的落实效果。

　　（二）合理构建课程体系

　　合理的课程体系是跨学科融合式创新型人才培养的关键。在“大数据+专业”模式的应用下，大数据分析预测结果，可以为课程体系的建设提供明确的导向和有价值的参考，让课程体系的设置更有利于培养学生跨学科融合的创新实践能力，同时也能够促进课程体系与专业领域人才需求之间的对接，提高专业人才培养的实效性，促进人才培养工作水平的提升。在课程体系构建过程中，需要秉承以学生为中心、重视行业导向与学科交叉，以及理论实践相结合的原则，利用大数据技术下的调研和分析，了解行业需求、学生兴趣和发展趋势，为课程体系的构建提供依据，然后根据需求分析结果，制定课程规划，包括课程类型、学时分配、教学方法等，同时组织教师团队进行课程开发，确保课程内容的前沿性和实用性，之后再结合定期的评估反馈，不断优化和完善课程体系，从而形成一套科学、有效、可行的课程体系，推动学生成长为跨学科融合式创新型人才。在此过程中，应注重基础知识的传授，使学生打下扎实的基础，并围绕学科核心知识和技能设置核心课程，确保学生掌握核心竞争力；重点关注跨学科课程的设置，培养学生的创新思维和综合素质；注重实验、实训课程设计，以及多样化的选修课程设置，强化学生的实践能力，激发其创新思维。此外，在“大数据+专业”模式下，也要充分发挥大数据技术的优势，根据行业需求、学生反馈和教学评估结果，持续优化和更新课程体系，保持课程体系的前瞻性和实用性，为跨学科融合式创新型人才的培养提供支持。

　　（三）加强师资队伍建设

　　在“大数据+专业”模式下，师资队伍是跨学科融合式创新型人才培养工作的主要执行者，其专业水平直接关系着“大数据+专业”模式的落实效果。因此，为了更好地发挥该模式的优势，应重点关注师资队伍建设，并顺应跨学科人才培养需求，整合多种相关学科教师资源，组建跨学科融合式的师资队伍，为“大数据+专业”模式的实施提供支持。在师资队伍建设中，应建立科学的选拔机制，通过多种渠道广泛吸引优秀人才，包括高校人才、企业人才、科研机构人才等，注重选拔具有创新精神、团队协作能力和实践经验的人才；定期组织内部培训，提高教师的教学水平和专业素养，并鼓励教师参加国内外学术会议和研讨会，拓宽视野，增强学术影响力；应积极为教师提供在职攻读学位、进修培训等机会，支持教师继续深造，以提高师资团队的稳定性。在此过程中，也要建立合理的薪酬体系，确保教师收入与贡献相匹配，并设立教学成果奖、科研成果奖等奖励机制，激发教师的积极性和创造力，营造良好的学术氛围，提升教师学术水平和影响力，深入优化师资队伍建设效果。此外，也要建立科学、公正、透明的教师评价体系，确保评价结果客观、准确，然后将教学质量、科研成果、师德表现等作为评价的重要指标，定期对教师进行评价和反馈，帮助教师发现问题并改进提高，从而提升“大数据+专业”模式下师资队伍的整体专业水平，由此更好地落实跨学科融合式创新型人才培养工作。

　　（四）深化产教融合

　　产教融合是培养跨学科融合式创新型人才的重要手段，其强调立足于校企合作，将专业学习与生产实践相融合，让人才培养的思路、方法服务于人才应用，提高专业教育教学的有效性。在此背景下，可以考虑将产教融合模式与“大数据+专业”模式相融合，运用“大数据+专业”模式在调研、预测分析上的效能，利用大数据技术完成专业领域内的产教融合相关调研，帮助学校选择合适的企业建立合作，提高产教融合决策方案的合理性和准确性，提高产教融合落实质量。在此过程中，可以根据大数据分析预测结果，围绕引领性、示范性、带动性的重点产业集群打造产教联合体，实现职业教育与重大产业布局精准匹配、深度匹配，然后以此为依托探索更多的人才培养方法，如订单式培养、工学交替等，以更精准地迎合专业领域企业用人需求，提高人才培养的靶向性。同时，也可以通过产教融合，开展产学研一体化项目，将科研成果转化为实际生产力，为学生提供更好的实践平台和实验基地，发展学生的创新能力。并借此建立资源共享机制，如共享图书资料、实验设备等，共同搭建产学研合作平台、创业孵化平台等，为人才培养和科技创新提供有力支撑。此外，也要积极建立双师机制，引进更多的企业专家和技术人员担任兼职教师或客座教授，进一步深化产教融合，促进跨学科融合式创新型人才培养工作的开展。

　　（五）创建数字化学习中心

　　在“大数据+专业”模式下，还可以考虑通过创建数字化学习中心，推进跨学科融合式创新型人才培养工作，并依托于数字化学习中心的线上课堂、虚拟实训平台，让学生得以通过登录数字化学习中心，随时随地进行跨学科课程的学习，以及技术的模拟实践操作，从而不断推动学生创新能力、综合能力的发展。在创建数字化学习中心时，应积极地推进课程体系的数字化，并根据专业实践需求，建相应的技术实践线上模拟平台，由此利用数字化课程、技术模拟平台组建一个数字化学习中心，然后运用大数据技术，对后台的学生行为信息进行分析，了解学生的自学情况和自学行为趋势，再基于此，结合当前的人才培养需求，对课程和虚拟实践平台进行优化和调整，从而更好地落实“大数据+专业”模式，推动学生综合能力的发展。但在此过程中，应完善配套硬件软件，并积极运用分布式数据库技术，支持大数据分析运作，同时也要保证硬件计算机的使用性能，定期做好相应的维护检修工作，深入优化数字化学习中心运行的稳定性。一般来说，创建数字化学习中心，需要设置一个相应的中心机房，将各类硬件设施安装到中心机房空间中，然后做好中心机房的温湿度、通风等方面的管理工作，为硬件设施提供一个良好的运行环境，减少故障发生概率，保持数字化学习中心运行的稳定性。此外，也要注意强化信息安全风险的规避，并积极推进配套信息安全体系的建设，有效运用防火墙等信息安全防护手段，规避多样性学生端接入带来的信息安全风险，持续优化数字化学习中心运行的可靠性，让数字化学习中心能够更好地支持“大数据+专业”模式的推行，为专业领域输入更多跨学科融合式创新型人才。

　　综上所述，“大数据+专业”模式在跨学科融合式创新型人才培养上具有显著优势，能够极大地提高人才培养质量和效率。在人才培养过程中，运用“大数据+专业”模式，有利于人才培养工作明确导向，针对专业领域的人才需求，有效实施各项人才培养措施，从而持续向社会输送更多优质的跨学科融合式创新型人才，提升人才培养水平。

       参考文献：

　　[1]袁岳霞,刘南方.产教融合视域下职业本科“四双一建”法律专业人才培养模式的创新与探索[J].襄阳职业技术学院学报,2023(6):41-46.

　　[2]卢志平,梁斐雯,谭永林.嵌入CDIO工程思维:地方高校经管类本科专业职业能力培养探索与实践[J].高教论坛,2023(11):53-58.

　　[3]沈宁.高职院校“新商科”人才培养体系研究[J].辽宁高职学报,2023(10):21-25.

　　[4]闵嘉剑,于博柔,张昕.生成式人工智能时代的设计教学探索:以清华大学“AI生成式影像”课程为例[J].建筑学报,2023(10):42-49.