摘要：在农业数字化转型的时代背景下，大数据技术正深刻重塑现代农业发展模式。新农科教育改革对跨学科融合人才培养提出更高要求，《大数据分布式实时计算框架》课程是数据科学及大数据技术专业本科生的必修课，专注于大数据处理和实时计算技术的学习，在新农科建设背景下，该课程教学亟待改革创新。基于教学实践，本研究系统分析了课程教学中存在的问题，从课程内容重构、教学模式创新、评价机制优化三个维度提出改革方案。探索通过融入农业案例的项目式教学、翻转课堂与多元化评价体系，提升学生利用大数据技术解决实际农业问题的能力，为新农科背景下的课程改革提供可借鉴的范式。

关键词：新农科；大数据；分布式计算；课程改革；项目式教学

一、引言

2022年，为了应对国家重大战略需求和区域经济社会发展，特别是农业农村现代化进程中的新产业新业态，我国教育部印发了《新农科人才培养引导性专业指南》，以培养急需紧缺的农林人才。同年，教育部办公厅等四部门发布《关于加快新农科建设推进高等农林教育创新发展的意见》，旨在通过优化涉农学科专业结构、构建多类型农林人才培养体系以及深化产教融合等措施，培养适应现代农业发展的高素质农林人才。2024年，中央一号文件发布，提出有力有效推进乡村全面振兴“路线图”，其中明确要求“加强高等教育新农科建设，加快培养农林水利类紧缺专业人才”。新农科作为新形势下对传统农科建设和农林人才培养模式的创新，对培育创新型农林人才有着积极的促进作用[1]。

大数据技术可以帮助农业管理者进行精准农业、作物预测、资源优化等操作[2，3]，提升农业生产效率和可持续性。目前，我国有数百所高校开设了数据科学与大数据技术专业，包括中国农业大学、山东农业大学等农业高校。在大数据专业建设或者课程建设方面，各高校仍主要面向工科人才的培养[4，5]。在新农科建设背景下，农业院校也探索大数据相关课程的改革方案[6]。本研究立足新农科建设要求，以《大数据分布式实时计算框架》课程改革为切入点，提出了“理论-实践-应用”三位一体的课程体系，探索提升学生利用大数据技术解决实际农业问题的能力，为新农科背景下大数据技术相关课程的教学改革提供参考。

二、课程现状与问题分析

以仲恺农业工程学院信息科学与技术学院开设的《大数据分布式实时计算框架》课程为例，课程总共48学时，其中实验课程为16学时，实验内容包括ZooKeeper的下载和部署、基础软件的安装与使用、Storm的安装与配置等技术性实验操作。课程采用传统的教学模式，而传统教学模式侧重于理论知识的传授，学生往往被动接受分布式实时计算框架方面的知识，课程内容未涉及实际应用案例，导致学生无法建立技术与应用之间的联系，也缺乏将这些技术应用于解决实际农业问题的实践机会。农业信息化与大数据技术的融合正重塑传统农业的形态，课程内容需要紧跟技术发展，以适应农业领域对大数据处理能力的高要求，而该课程体系与农业应用较脱节，课程体系过分强调技术原理，忽视农业应用场景。这种脱节不仅限制了学生的学习效果，也影响了他们在实际工作中的应用能力。同时，在行业需求方面，企业更倾向于招聘能够熟练运用大数据技术进行农业预测、资源管理与决策支持的复合型人才。因此，需要对课程进行改革，以培养能够将大数据技术与农业实际问题相结合的创新人才。

三、课程改革方法和措施

3.1 课程内容优化与重构

为了提高《大数据分布式实时计算框架》课程的教学质量，增强学生应用大数据分布式实时计算解决农业问题的能力，采用成果导向教育（OBE）模式的构建“理论-实践-应用”三位一体的课程体系[7]，对课程内容进行优化和重构。除了以主流的分布式实时计算框架Flink技术作为主要的教学内容外，还引入农业应用案例和实践项目，引导学生在具体案例中学习理论知识，并让学生在项目应用中培养创新思维和积累实践经验。利用“理论-实践-应用”的课程体系，让学生由被动式学习转化为主动式实践。通过课程内容的优化与重构，结合项目驱动的教学模式，学生能够在掌握实时计算框架理论知识的基础上，能够更好地理解实时计算技术在农业领域的应用价值。

3.2 教学方法与手段的改革措施

《大数据分布式实时计算框架》课程开设在第六学期，学生即将进行毕业设计及实习，是积累实践经验的关键时期。因此，为课程的实践教学构建“基础实践-综合实践-创新实践”三层递进式实践体系。基础实践包括实时计算框架安装与基本操作，综合实践涉及农业数据处理项目，创新实践则是开放性项目研究。基于这种递进式的实践教学体系，在开展基础实践的同时，师生协同设计基于真实农业场景的实践项目，例如，农田环境监测数据实时处理、农产品质量追溯系统开发、智能温室控制系统实现等，并由教师制作视频和案例资料，在综合实践中引入翻转课堂并采用项目驱动的教学模式。翻转课堂模式通过将传统课堂讲授与课后作业的顺序颠倒，使学生在课前通过在线开放课程资源自主学习理论知识[8]。课堂时间则用于讨论、实践和解决实际问题。因此，让学生在课前通过MOOC平台推送的项目视频和案例资料进行自主学习。在课中，以小组讨论和问题解决为主，引导学生进行深入探讨项目解决方案与实施路线。课后，让学生完成项目任务并撰写技术报告。基于项目驱动教学模式，鼓励学生通过实际操作来掌握理论知识，将抽象的数据处理技术与农业领域的实际问题相结合，促使他们主动学习和探索，鼓励学生在项目实施过程中提出新的解决方案，开发新的功能模块，培养学生的创新思维，从而引导学生开展创新实践，为后续毕业设计及实习积累经验。此外，在项目驱动式教学实践中，同样注重培养学生的团队协作能力。通过设置不同规模和难度的项目任务，让学生在团队中承担不同角色，既锻炼其专业技能，又培养其沟通协调能力。通过递进式实践体系、翻转课堂及项目驱动教学模式，让学生在实践中不断提升自己的技术水平和创新能力，为他们在未来的职业生涯中应对复杂挑战奠定坚实基础。

3.3教学评价体系的优化

在《大数据分布式实时计算框架》课程的教学革新与实践探索中，构建一个全面的评价体系有利于持续提高教学质量。在优化和重构课程内容、启用翻转课堂和项目驱动教学模式后，课程的教学评价体系构建需要综合考量多个维度，以确保评价的全面性和科学性。教学评价体系应建立以学生学习成效为核心的评价指标，包括理论知识掌握程度、实践能力以及创新思维的培养情况。在理论知识掌握考核方面，采用期末考试及作业的方式进行考核，通过定期的在线测试和作业，量化学生对分布式实时计算的理解。而课程实践作为过程性评价的重要组成部分，课程实践分值占比原为30%，分值较低。课程改革后，增加了实践项目，分值比例可提高至40%。基础实践部分通过答辩和学生互评方式进行考核，而综合实践部分除了采用答辩和互评方式，还可以借助MOOC平台收集学生的学习数据、课程参与度及项目完成情况进而对学生进行综合评估。通过多维度进行评价，不仅全面评估了学生的学习成效，也为教学改进提供了重要参考。教师能够更准确地了解学生的学习情况，并根据评价结果对教学内容和方法进行调整，从而不断提升教学质量。

四、结论与展望

在新农科视角下，为了培养具备农业信息化与大数据技术融合能力的新型人才，本研究对《大数据分布式实时计算框架》课程改革方法进行深入探索了并进行了初步课程改革实践，取得了一定成效。未来研究将重点关注深化产教融合，拓展实践基地建设，加强教学资源建设，开发优质课程资源，推进教学改革成果推广应用。本研究为新农科背景下的课程改革提供了可借鉴的范式，对推动农业院校课程建设具有重要的参考价值。通过这些努力，相信能够为我国农业现代化培养出更多具有前瞻性和创新精神的复合型人才。

参考文献

[1]吴德.新农科建设的理论逻辑与实践路径[J].中国高等教育，2019（17）：44-46.

[2]梅红星.大数据推动农业现代化发展的应用探究[J].农业科技通讯，2023（9）：31-34.DOI：10.3969/j.issn.1000-6400.2023.09.009.

[3]申鹏飞.大数据技术在农业经济管理中的应用[J].河北农机，2024（10）：124-126.

[4]高志荣.新工科背景下基于BOPPPS模型的混合式教学设计——以"大数据技术"课程为例[J].通信与信息技术，2024（4）：124-129.

[5]王海燕，胡玉雪，章文，等.新工科背景下大数据技术专业实训教学探索与实践[J].教育教学论坛，2024（18）：93-96.

[6]张明，刘强.农业院校大数据课程建设现状与改革策略[J].高等农业教育，2023（2）：78-82.

[7]王小明，李华.基于OBE理念的课程教学改革研究与实践[J].高等工程教育研究，2020（3）：67-72.

[8]蒋亚平.基于信息化的翻转课堂教学模式的应用探讨——以“大数据技术”课程为例[J].信息系统工程，2024，（10）：95-98.

作者简介：高学凯（1990.1--）男，博士，讲师，研究方向：智慧农业、大数据分析与挖掘、光纤传感技术、光谱技术。