大数据时代对大学数学课程的思考

沈婧芳 罗文轩

(华中农业大学 ,理学院，湖北武汉 430070)

摘 要：大数据时代背景下，从大学数学课程的人才培养规划、大学数学课堂中的教与学这两个方面来审视、思考大学数学课程，探索发现大数据技术与发展给大学数学课程带来的新机遇，将大数据技术与理念逐渐渗透入大学数学课程中，有助于大学数学学科建设紧跟时代发展，有利于为社会培养社会急需的复合型创新人才。

关键词：大学数学；大数据；思考

信息技术的进步,催生大数据时代的到来与大数据产业与技术的发展，人工智能逐渐融入到人们日常生产生活之中。然而，当今社会中大数据人才的却尚不足以满足大数据技术产业的迅速发展。

大数据时代下信息资源的利用和信息技术的发展离不开数学理论知识的基础，大数据时代下复合型创新型人才亦必须具备坚实的数学基础与优良的数学素养。同时，大数据时代的发展前景、技术与思维与当今社会对大数据人才的需求，也为大学数学课程的人才培养规划、大学数学教程中的教与学带来前瞻性的指引、思考与启发。

一、基于大数据时代需求的高校人才培养规划

1.大数据时代的对人才的特殊时代需求

2020年《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中提到，“强化推进创新驱动发展的重大举措，充实有关完善国家创新体系、强化国家战略科技力量、健全创新激励机制和改革科技体制等方面内容。”^[1]国务院《促进大数据发展行动纲要》中指出：“大数据成为推动经济转型发展的新动力；大数据成为重塑国家竞争优势的新机遇；大数据成为提升政府治理能力的新途径。”^[2]大数据技术与发展在未来社会发展中具有重要地位，是时代发展的必然趋势，也是当今创新的源动力之一。

信息化时代，大数据技术的发展对高校创新型人才的培养提供了一个新的方向与目标，同时对创新型人才的标准提出了更高的专业能力要求。大学数学作为大学基础必修课程，对学生的学科思维与能力的培养起到了不可小觑的重要作用。具体体现如现今大数据处理行业真正的竞争来自算法的速度，而算法的先进程度对计算的效率产生重要影响。想要提高科学工程中分析与计算的精确性与可靠性，需提高所收集数值的精确性，在对数学模型的优化过程中，会不断地产生出新的算法。可见数学方法与知识在大数据时代下科学工程中的运用逐渐广泛深入，作用影响深远。

2.大数据科学与高校数学学科间的密切联系

大数据的挖掘、处理、分析往往需要运用大量的统计学习、神经网络、科学计算等数学手段；现代深度学习的发展更多地是从应用数学的基本内容中获取创新原驱动力。当下大数据技术的发展，对数学基础与数学造诣提出了更高、更深的要求^[3-5]。同时，掌握大数据技能，如数据的采集、存储、管理、挖掘与分析技术，其所需创新型人才应具备的良好的数学分析能力、严谨的思维与社会科学素养，与数学学科所培养的能力、思维与素质高度契合。

大数据时代下，大学数学课程在学科建设与人才培养上的新机遇。数学课程的教学，需要强化数学思维与素养，并引导启发学生将数学知识与当今大数据技术产业相联系。不仅应注重学生数学理论基础知识学习与数学理论思维培养，同时，亦应注重学生实践创新能力与知识迁移与产业化能力，需以培养兼具优秀数学素养与良好大数据技术的新时代交叉复合型的应用型创新人才为数学课程目标。

2. 大数据时代大学数学的教与学

近年来，大数据技术的快速发展，不仅促进大学数学教学不断与时俱进，更推进大学数学课程内容的转型、教学形式的改革、学生学习方式的转变与考核方式的多元化等进程。

就大学数学课程内容而言，大学数学课程中应更多地融入数学之于大数据技术产业的相关运用和成果，进而有效地培养利用数学理论和方法去分析和解决问题的习惯，能引导学生对大数据时代实际需求的思考，激发其创新思维。

数学中的概念、定理具有一定的抽象性。例如代数学课程中矩阵、矩阵的秩的概念，概念本身固然是抽象的，如果将其与其在生活中的运用相联系，则会展现其现实意义与价值。以其主流应用之一——推荐系统为例，推荐系统可以通过分析用户的历史记录来给用户推荐。假设用一个“用户-影片”的矩阵来记录各用户及其观感评分，利用矩阵填充将其补全，即低秩矩阵重构问题，通过低秩重构来对用户的喜欢与未来观影进行预测。最新的机器学习新技术，亦体现着与大学数学课程密切相关的重要数学思想。如线性方程组的最小二乘解用于机器学习领域中的线性回归问题，并引申出稀疏编码模型这一新的研究课题。概率论中，随机变量分部与极大似然估计等重要知识内容，对深度学习中深度生成模型这一前沿研究领域具有重要作用。

就大学数学教学形式与手段而言，构建“平台+应用+服务”的技术体系，丰富教育教学手段，尽可能满足不同学生数学学习在的多样化需求，激发广大学生的求知欲。搜集处理学习数据，进而真正制定个性化培养方案，从而有效地运用大数据技术搭建教与学的信息平台。美国许多高校已经利用大数据建立起了大学数学支撑体系。其体系中的“数学分析系统”能够通过对所搜集的所有学生的大数据进行数据分析和挖掘，判别每个学生的学习行为特点和性格能力倾向，从而进行实时的有针对性的数据支持下的学习支持。

2. 思考与展望

大数据是指一种多元化的、具有时效性的庞大数据集合，一般无法利用常规工具对其进行分析和整理。当下，大数据产业的发展需要政、产、学、研、用多维紧密结合，这一趋势为复合型创新型大数据人才培养提出了更高的要求。更快、更多地培养出优秀的大数据人才，是当前高校和社会力量的共识，也是整个国家的需要。大学数学课程，旨在为大学生奠定坚实的数学基础，不断发掘大学生的创造性思维与数学知识的迁移、应用能力，是培养大数据人才的重要途径，是解决人才需求问题的重要手段。

教育工作者需有意识地将大数据前沿领域的研究，如人工智能、神经网络领域，或生活中新兴技术，如，智能推荐、人脸识别技术中的数学知识融入课程教学之中，以培养创新思维与知识迁移、产业化思维。教育工作者也可以借助大数据处理技术手段，了解不同的学生的学习状态与学习需求，进而提高大学数学教学质量，优化人才教育培养方案。

未来，随着大数据领域的研究不断深入，对大数据人才的需求不断增加，大学数学课程优化亦将面临新的机遇与挑战。认清大数据技术与数学教学的重要作用与价值，有助于实现相互促进，共同发展。

（致谢：华中农业大学名师工作室、新农科背景下落实北大仓行动的大学数学文化的思政建设与实践项目、数理化公共基础课思政教育深度融合的长效机制研究，项目编号：BK202027）

参考文献：

[1]习近平. 关于《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》的说明[N]. 人民日报,2020-11-04(002).

[2]促进大数据发展行动纲要[J].成组技术与生产现代化,2015,32(03):51-58.

[3]沈卉卉.大数据环境下人工智能与大学数学教育相融合的创新教学研究[J].高等数学研究,2019,22(04):113-116+125.

[4]鲁晓磊,吕学斌.大数据背景下人工智能发展对大学数学教学的启示[J].大学数学,2020,36(04):60-67.

[5] Kanyarat Bussaban,Phanu Waraporn,Preparing Undergraduate Students Majoring in Computer Science and Mathematics with Data Science Perspectives and Awareness in the Age of Big Data,Procedia - Social and BehavioralSciences,2015,197：1443-1446.
作者简介：姓名：沈婧芳，出生年月：1981年12月，性别：女，民族：汉，籍贯：湖北监利，毕业院校：华中科技大学，专业：机械设计，学历：博士，工作单位：华中农业大学，职称：副教授，研究方向：数学文化与数学教育。省份：湖北省，邮编430070
姓名：罗文轩，出生年月：2002年11月，性别：女，民族：汉族，毕业院校：华中农业大学，毕业专业：信息于计算科学，学历：本科生，工作单位：华中农业大学，研究方向：数学教学，学校省份：湖北省，邮编：430070