大数据时代新文科专业科技创新发展模式研究

    杜文超

    摘要:大数据时代已经到来。对于文科专业来说,如何适应时代发展并满足时代需求是一个必须面对的问题。新文科概念的提出,为这种改革指明了方向。文章通过对大数据专业和新文科专业的对比研究,在思维模式、研究方法、评价体系、知识演化等方面进行深入分析,提出了基于两者特点的融合模式,以期为新文科的建设与发展提供参考思路。

    关键词:大数据;新文科;思维;演化

    中图分类号:G642

    文献标识码:A

    随着互联网的高速发展,人们在不知不觉中进入了大数据时代。4G技术的普及应用、物联网技术和云计算技术的快速推广,使得大数据的影响开始深入人们的日常生活。Tableau、Qlikview、FineBI、永洪BI、纷享销客、火车头、集搜客GoSeker、网络矿工等一批运用大数据分析技术的软件开始出现,并针对不同的用户进行数据服务,5G技术的推广使人们进一步感受到大数据给人们生活带来的便利。

    2017年,美国西拉姆学院首先提出“新文科”这个教育理念。2019年,我国教育部高等教育司司长吴岩指出,要全面推进新文科建设,并特别强调“我们一定要让新文科这个翅膀硬起来,中国高等教育飞得才能平衡、飞得高”。新文科是一种基于现有传统文科,将传统文科中的课程依据课程特点和理工科学科进行交叉,将现代信息技术融入这些专业中,以达到扩展知识和提高思维创新能力目的的学科概念。

    一、国内研究现状分析

    针对大数据时代的特征以及文科专业的特点,国内一些学者展开了相关领域的研究,这些研究主要针对具体的课程设计、专业教学、人才培养、课堂教学等。何晓斌、石一琦从人工智能技術和人才培养的角度出发,根据人工智能发展过程中面临的伦理问题和社会问题,提出我国应明确文科人才在人工智能发展中的重要地位,加强人文学科和人工智能领域人才的教学科研合作,建设多层次的文科人工智能人才教育培养体系等的建议。王淼在分析了大数据时代文科专业面临的挑战之后,探讨了相应的对策。朱颖、罗贤春以公共信息管理专业为例,从课程性质、授课内容、授课方式、课程保障等几个方面出发,依据大数据的特点展开相应的研究,以期改革后的课程可以满足大数据背景下的人才培养的要求。陈德权、汤志伟、时靖琪从高校文科生课堂panel教学模式入手,提出推动大数据在高校文科生课堂panel教学模式中应用的建议。

    二、大数据和新文科科技创新融合模式研究

    人工智能是大数据技术的一个方面,其产品的影响力和影响范围逐渐扩大。随着智能机器人等人工智能产品的广泛应用,社会开始对大数据及人工智能技术进行反思。近年来社会各界就人工智能存在的伦理、法律等方面的问题展开了大量讨论。随着研究的不断深入,人们逐渐认识到,大数据的发展不仅需要科学和技术方面的知识,还需要伦理学、美学、社会学等人文社科的相关知识。针对这种趋势,构建大数据和人文社科相结合的培养框架,实现两者在研究思维、研究方法、人才培养、课程设置等方面的融合,既有利于我国在大数据领域的研究开发,也能为国家储备更多在大数据领域具有竞争力的人才。

    (一)培养框架模式的融合发展

    大数据和新文科框架体系的融合,需要基于“以人为本”这个前提条件。在建立框架体系的时候,相关院校或单位需要思考两者之间的关系,确定两者在框架体系中发挥的作用和相应的位置。在融合发展的时候,需要把握好技术和社会的关系,在将技术与人文、技术与社会相结合时,做好科普教育工作,使技术能更好地为人类服务。只有大数据和人文学科两方面人才的合作真正建立在平等的基础上,才能实现学科的交叉和课程的融合。在人才培养和学科设立方面,相关院校或单位可以在大数据学科基础上,开设一些有针对性的人文社科课程作为补充,以培养拥有新文科知识的新时代的理工人才。在大数据的应用开发方面,理工科学生的培养方案主要侧重于基础层和技术层的研发,对学生的技术性要求较高。因此,培养出来的学生相对难以将大数据学科与文科融会贯通。在大数据的应用层面,文科生所具有的思辨能力以及美学、社会学、法学等知识可以弥补理工科学生的不足。当前,国内外的科研院所和企业在校企合作、产学研建设、大数据应用示范平台等方面都开始引入文科的知识和思维,鼓励学科的融合发展,建设多层次、多领域的培养体系,进而形成一个完整的融合框架体系,以期培养出更多优秀的人才。

    (二)思维模式的融合发展

    大数据本身就是一种思维方式,大数据思维是将各种数据转化为人们所需要的信息知识。大数据思维主要以大数据为基础,通过对大数据的分析和整理来发现、分析、解决问题。文科创新思维的模式大多是感性的,较多地依靠个人经验对某个事物、某种现象以及事情的发展进行预判,再对这些预判进行发展研究,进而形成结论。这种思维方式最大的弊端在于整个过程感性因素较多,无法做到实时变化、无法根据环境的变化做出更合理、客观的调整。大数据的思维由于以数据为基础,而数据具有实时性、跳动性、不确定性,这就要求分析人员要随时关注数据的变化,而文科思维一旦以某个现象或某个时间作为研究的出发点,再将这个出发点作为研究的“因”之后,就很难再进行变化,紧接着就是运用发散思维、逆向思维等思维方式,对这个“因”进行多层次的剖析,最后得出造成这个“因”的“果”,从表象引入内在,进而推导出结果。

    大数据思维对文科创新思维的影响在于,它从根本上颠覆了这种因果分析模式。大数据思维的重点在于发现导向,数据的知识化成为分析依据,进而形成了对某个事件的结论。若将这两种思维模式相融合,在针对同一个“因”的时候,便能从不同的角度展开分析,最后形成一个统一的“果”。思维模式的融合发展,能使人文社科研究的功能方式、认知方式、研究手段等发生改变,从思辨功能向认知、解决功能转变,从理论认知方式到定量化规律认知转变,从文本研究转向文本与数字相结合。

    大数据很多时候会和人文、管理等学科交叉应用,运用文科的感性创新思维方式,结合大数据思维的直观性和洞察力,分析数据的演化规律,从而促进新的知识模式的形成。将大数据思维的理性和文科创新思维的感性相结合,重构科技创新方法、路径和模式,进一步推动相应学科的快速发展。

    (三)研究方法和评价体系的融合发展

    研究方法主要侧重于过程,侧重于取得结果的方式,研究方法对产生的结果有至关重要的影响。评价体系则是作为指挥棒,引导科研人员对研究结果进行各方面的评价。大数据学科和传统文科在研究方法和评价体系方面存在较大的区别,两者的融合方式决定了新文科未来的发展方向。传统文科研究在研究时会采用实地调研法、案例分析法、随机调研法等,通过调研收集数据以建立相应的研究模型。这种研究的第一步是提出构想,再设计模型,例如“云概念”的提出,这是构想,之后通过相关工作人员的具体操作,最终形成市场上使用的“阿里云”“百度云”等产品。这种研究方法的最终产出在很大程度上取决于第一步一一提出构想。而大数据研究方法则采用数据驱动法,通过对数据进行抽取、分析、挖掘,分析出相应的关联,提出预测规律,分析事物的发展方向,为未来的发展提供决策。“天气预报”就是这种方法的具体表现。天气预报的预测结果是对海量气象数据进行分析得来的,这些数据来自24小时不停运转的天气雷达、闪电监测仪、风廓线探测、自动观测站、气象卫星等气象观测设备,超级计算机对这些气象数据进行基于梳理方程的庞大计算,最终形成了人们喜闻乐见的天气预报产品。新文科的研究方法应该是数据和模型双管齐下,在引入新的技术方法的前提下形成新文科的知识体系和研究方法。

    (四)知識演化和组织模式的融合发展

    传统文科创新思维应对问题的解决路径是发现问题、研究问题、剖析问题、解决问题,并对类似的问题提出相应的可借鉴方案。这种思维的起点在于发现问题,在研究问题和剖析问题时,需要借助问卷调查等形式收集相关数据或资料,在此过程中,数据分析只作为问题分析的一个部分,没有充分利用收集到的数据。大数据分析是基于海量数据的收集、加工、分析,进而形成管理决策,大数据对数据本体的分析主要从数据本体视角、生产主体视角、信息技术视角这三个方面进行,揭示数据间的寄生、替代、集成等规律,将三者放在同一个区域中进行考察,将碎片化的、无序的、散点的信息进行组织化、有序化、结构化整合,进而形成新的组织模式。

    大数据的知识演化和组织模式对新文科创新思维的影响在于,其能够找到更多的信息点,根据信息点的联系,进而形成新的思维模式。

    三、总结

    随着互联网技术和信息技术的快速发展,各行各业对于人才的专业能力需求从单一化向综合化发展。将大数据的思维模式、研究方法、评价体系引入新文科的建设中,增强人文学科中的数据思维和数据素养的培养力度,加大对数据意识和数据能力的培养力度,使人文学科学生在进行相关研究时,能够充分运用多种手段,跨越技术鸿沟,打破专业知识的局限。将对数据的敏感性及分析能力作为新文科学生的评价指标,有利于引导学生形成大数据思维、建立数据分析能力、将数据意识和数据伦理融入知识体系中,形成新的人文社科综合能力。

相关文章!
  • 融合正向建模与反求计算的车用

    崔庆佳 周兵 吴晓建 李宁 曾凡沂<br />
    摘 要:针对减振器调试过程中工程师凭借经验调试耗时耗力等局限性,引入反求的思想,开展了

  • 2FSK在铁路信号上的应用与分析

    摘 要:隨着我国高铁的建设和发展,列车引入了更多的自动化系统,这些系统之间的数据信息传输需要依赖较多的数字化、网络化技术和相关滤

  • 基于MATLAB 的信号时域采样及

    唐敏敏 张静摘要:频率混叠是数字信号处理中特有的现象,发生频率混叠后,信号会分析出错误的结果。而采样过程中,由于频率不够高,采样出