数智教育行业白皮书：数智人才培养篇.pdf

摘摘 要要 随着新一代信息技术的迅猛发展，人类已进入数字时代。数字化具有极强的穿透力，对各行各业产生了巨大影响。当前，数字化已成为国家战略，数字中国建设不断深入。在数字时代，数字思维与数字素养成为公民应具备的基础能力。作为当代中国拔尖人才培养的重镇之一，武汉大学顺应数字时代潮流，响应国家战略规划与需求，将数智人才培养覆盖到所有学科专业及各个学历层次，在推动数据科学知识的交叉学习基础上，更加注重数字技能的融通实训，着力培养面向未来的复合型数智人才。武汉大学数智教育白皮书（以下简称白皮书）从介绍数智教育概况入手，充分调研并分析了国内外高校数智人才的培养现状和显著差异，并以详实的数据与案例总结武汉大学数智教育的优势与特色，即武汉大学具有支撑数智人才培养的全栈强势学科全栈强势学科：数学、计算机科学与技术、图书情报与档案管理、测绘科学与技术、地球物理学、理论经济学、工商管理、法学等，这些学科均具有较强实力；武汉大学具备数智人才培养的丰富经验和良好基础丰富经验和良好基础：完善的通识教育体系、丰富的数智人才培养资源，这些为数智人才培养打下了良好基础，并取得了丰硕成果。同时，也进一步分析了武汉大学数智教育当前面临的挑战，包括相关课程尚未形成系统的建设标准和体系、人才培养尚未形成差异化和梯度化的培养模式、数据资源和实践平台尚未形成全校共享。由此，提出建设具有武汉大学特色的一体化数智人才培养体系。武汉大学遵循“顶层设计、统筹规划、分类培养、稳步推进顶层设计、统筹规划、分类培养、稳步推进”方针，制定全校一体化的数智人才培养体系建设方案，力争做到数据科学知识学习与技能培养的专业与学生全覆盖全覆盖。武汉大学将以“五数一体”“五数一体”的培养思路推动全校数智人才培养的融合贯通，即“以数字思维的培养为根基、数字素 养的锻造为拓展、数智课程的凝练为要点、数智人才的分类为依托、数智平台的打造为保障”。培养方案将数智人才培养分为“通识、赋能、应用、专业”“通识、赋能、应用、专业”四个类型，采取“分类“分类+梯度”梯度”模块化选课、“融通“融通+创新”创新”灵活性设课、“基础“基础+场景”场景”差异化授课的体系化分类培养思路，将全校数据科学核心课程统一为 18门门，以求解决专业培养差异化与知识学习统一化之间的矛盾，既可以推动数据科学与各个专业的交叉融合，又可以利用全校资源，从而有序推进各个专业的数智化培养。培养方案涵盖数字思维、数字素养、数智课程、数智人才和数智平台的总体培养目标与思路，支持本科、专业型硕士和博士本科、专业型硕士和博士三个学历层次，“通识型、赋能型、应用型、专业型通识型、赋能型、应用型、专业型”四类人才，以及自然科学、地理空间、健康医疗、工业生产、金融商务、城乡政务、法务舆情、人文社会自然科学、地理空间、健康医疗、工业生产、金融商务、城乡政务、法务舆情、人文社会八大领域不同场景的人才培养。武汉大学数智人才培养方案将按照“学生（主体）全覆盖、课程（客体）全校选、资源（载体）全校用、教学（本体）全数智、专业（实体）全融合”“学生（主体）全覆盖、课程（客体）全校选、资源（载体）全校用、教学（本体）全数智、专业（实体）全融合”的“五体驱动”全面推进落实。充分利用教研相长的导师资源、产教融合的行业资源与科教一体的研究资源，助推基于“三教融合”的数智人才全方位培养，为培养出具有实践能力的可用好用的数智人才，武汉大学将以“真数据（算据）、真模型（算法）、真处理（算力）、真场景（算题）”“真数据（算据）、真模型（算法）、真处理（算力）、真场景（算题）”来训练学生运用真数据、学会真模型、体验真处理、解决真问题的能力。为此，武汉大学将整合校内外资源，按照“共建共享、互联互通、交叉融合、开放运行”的总体思路，构建学校层面的实验创新教学平台，建设平台“标准体系”和“一站式门户”“标准体系”和“一站式门户”，汇集“数据、工具、算力”“数据、工具、算力”三大资源，支撑人才培养、科学研究、创新创业和社会服务。I 目目 录录 前前 言言.1 1.数智教育概况数智教育概况.3 1.1 数智时代的高等教育.3 1.1.1 发展数智教育推动社会转型进步.3 1.1.2 发展数智教育促进学科交叉融合.4 1.1.3 发展数智教育赋能拔尖人才培养.5 1.2 数智教育的概念.6 1.2.1 数智教育的概念及特征.6 1.2.2 数智教育的内涵及要素.7 1.3 数智人才培养的需求分析.8 1.3.1 实现科技创新的需求.8 1.3.2 数字产业发展的需求.9 1.3.3 数智化社会转型的需求.10 1.3.4 参与数字治理的需求.10 2.国内外数智人才培养现状国内外数智人才培养现状.11 2.1 国外高校数智人才培养现状.11 2.1.1 人才培养体系.11 2.1.2 专业课程体系.13 2.2 国内高校数智人才培养现状.15 2.2.1 人才培养体系.15 II2.2.2 专业课程体系.17 3.武汉大学数智人才培养现状武汉大学数智人才培养现状.19 3.1 发展数智教育的特色与优势.19 3.1.1 办学理念.19 3.1.2 学科交叉优势.19 3.1.3 数智教育转型的经验.20 3.2 数智人才培养现状分析.22 3.2.1 人才培养体系.22 3.2.2 人才培养基础.25 3.2.3 人才培养挑战.31 4.武汉大学数智人才培养的思考与规划武汉大学数智人才培养的思考与规划.32 4.1 数智人才培养的总体目标.32 4.2 数智人才培养的内涵与外延.33 4.2.1 数智人才培养的基础.33 4.2.2 数智人才培养的价值.33 4.2.3 数智人才培养的拓展.34 4.3 基于“五数一体”的培养思路.35 4.3.1 以数字思维的培养为根基.36 4.3.2 以数字素养的锻造为拓展.36 4.3.3 以数智课程的凝练为要点.37 4.3.4 以数智人才的分类为依托.37 III4.3.5 以数智平台的打造为保障.38 5.武汉大学数智人才培养的方案体系武汉大学数智人才培养的方案体系.39 5.1 数智人才培养的方案与课程教材体系.39 5.1.1 数智人才培养的总体方案与课程体系.39 5.1.2 本科数智人才的分类培养方案与课程体系.43 5.1.3 专业型硕士数智人才的分类培养方案与课程体系.45 5.1.4 博士数智人才的培养方案与课程体系.46 5.1.5 数智人才培养的教材体系.47 5.2 数智人才培养的实施与特色.49 5.2.1 基于“五体驱动”的数智人才培养方案的实施.49 5.2.2 基于“三教融合”的数智人才全方位培养.50 5.2.3 基于“四真计算”的数智人才实习实践锻炼.50 5.3 数智人才培养的实验创新教学支撑平台.52 5.3.1 实验创新教学平台的总体方案.52 5.3.2 实验创新教学平台的“一套数据集”.53 5.3.3 实验创新教学平台的“一套工具集”.55 5.3.4 实验创新教学平台的“一个算力池”.55 5.3.5 实验创新教学平台的“一套标准集”.57 5.3.6 实验创新教学平台的“一站式门户”.58 5.3.7 实验创新教学平台的“一个数智社区”.59 6.总结与展望总结与展望.60 IV图目录图目录 图 1 全球设置数据科学专业的各高校区域分布情况.12 图 2 全球设置数据科学专业的各学科分布情况.12 图 3 国内各省、自治区、直辖市及特别行政区高校数据科学专业分布图.16 图 4 武汉大学数智人才培养相关本科生课程开设情况.25 图 5 数智人才培养的基础.33 图 6 数智人才培养的价值.34 图 7 武汉大学“五数一体”数智人才培养体系.36 图 8 武汉大学数智人才培养总体方案.39 图 9 武汉大学数智人才的特色培养思路.50 图 10 武汉大学数智人才培养实习实践教学体系.52 图 11 武汉大学数智人才培养实验创新教学平台.53 图 12 武汉大学数智人才培养实习实践数据资源.54 图 13 武汉大学数智人才培养实验创新平台标准规范体系.57 图 14 武汉大学数智人才培养实验实训一站式门户.58 图 15 武汉大学数智人才培养创新创业训创社区.59 表目录表目录 表 1 武汉大学基于八大领域的数智人才培养拓展.35 表 2 武汉大学四类数智人才培养的知识体系.38 表 3 武汉大学数智人才培养课程体系.40 表 4 武汉大学本科数智人才培养课程体系.44 表 5 武汉大学专业型硕士数智人才培养课程体系.45 表 6 武汉大学博士数智人才培养课程体系.47 表 7 武汉大学数智人才培养的教材建设规划.48 表 8 武汉大学数智人才培养工具软件集建设方案.55 表 9 武汉大学数智人才培养实验算力池.56 1 前前 言言 当前，世界百年未有之大变局加速演进，数字技术带来的产业创新在全球范围高速发展，数字化已成为重组全球要素资源、重塑全球经济结构、改变国际竞争格局的关键力量。顺应数智时代潮流、推动数字变革与创新，成为全球共同面临的重大课题。大学作为科技第一生产力、人才第一资源、创新第一动力的重要结合点，应立足全球视野、担当时代使命，坚守人才培养、科学研究的核心职能，积极拥抱数智时代并主动回应其带来的变化与挑战。大学应在人才培养过程中注重数字思维能力提升。大学应在人才培养过程中注重数字思维能力提升。在数智时代，人类面临众多重大复杂问题，需要增强数字思维，以多学科视角、运用数学方法和信息化手段提供解决方案。大学作为人才培养的主阵地，应牢牢把握时代需求，培养具有数字思维与数字素养的拔尖创新人才。大学应进一步推进数智赋能科技创新与文化传播。大学应进一步推进数智赋能科技创新与文化传播。在数智时代，科学研究范式和组织模式发生深刻变革，单一学科的研究范式和思维模式，难以实现科技创新的重大突破和复杂问题的解决。大学应进一步推进数智赋能科技创新与文化传播，大力推动跨学科、多领域的交叉研究，探索最前沿。大学应以积极主动的姿态参与全球数字治理。大学应以积极主动的姿态参与全球数字治理。当前，全球数字治理问题日益凸显，数据安全、个人隐私、道德伦理等方面面临一系列新挑战，数字领域发展不平衡、规则不完善、体系不健全等问题尤为突出。大学应充分发挥学科优势，积极参与解决全球性数字问题，助力搭建公平高效的全球数字治理框架，推动数智时代全球安全和发展。大学既是科学技术的探索者和发现者，也是文化知识的生产者和改革者。数智时代的大学，应更积极应对机遇与挑战，在数字这一新领域，关怀人类、创造知识、传承文化，为促进人类文明进步、构建人类命运共同体作2 出更大贡献。武汉大学作为世界知名、国内一流的高校，第一使命就是为党和国家培养高端人才。学校积极响应国家战略、回应时代需求，大力推动数智人才培养。据不完全统计，目前全校共有 30 多个教学单位开设了与数据科学相关的课程 800 余门，课程类别涉及通识教育课程、公共基础课程、大类平台课程、专业教育课程、创新创业课程等。为更好服务国家战略，提升武汉大学数智人才培养的综合实力，在校长张平文院士的领导和指导下，本科生院会同研究生院，组织全校数据科学与人工智能相关领域的 20余位一线专家，经过数次研讨、方案修改以及校外知名专家论证，最终形成了武汉大学数智人才培养建设方案。3 1.数智教育概况数智教育概况 1.1 数智时代的高等教育数智时代的高等教育 随着全球新一轮科技革命和产业变革的深入发展，大数据、云计算、人工智能、区块链等数智技术创新活跃，数据作为关键生产要素的价值日益凸显，并深入渗透到经济社会各领域全过程。随着数智化转型深入推进，传统产业加速向智能化、绿色化、融合化方向转型升级，新产业、新业态、新模式蓬勃发展，推动生产方式、生活方式发生深刻变化。数字空间国际竞争进入新阶段，以信息技术生态优势、数智化转型势能、数据治理能力为核心的国家创新力和竞争力正在成为世界各国新一轮竞争焦点。在新的时代环境下，顺应数智时代潮流，推动数智变革与创新，成为全球共同面临的重大课题。数字经济的发展改变了职业结构和人才知识技能结构，推动教育的数智化转型，培养具备数字思维、数字素养和智算技能的数智人才成为世界各国教育改革的重要趋势。以数智化转型推动高等教育的高质量发展是新时代赋予大学的历史机遇，也是大学贯彻国家战略的应有之义。1.1.1 发展数智教育推动社会转型进步发展数智教育推动社会转型进步 联合国自 2020 年陆续推出的“数字合作路线图”（Roadmap for Digital Cooperation）、“全球数字契约”（Global Digital Compact）等战略框架均以加强数字能力建设为目标，保障数字技术安全平等地惠及全民。联合国于2022年9月举办的首届“教育变革峰会”（Transforming Education Summit，TES）提到，要培养全民包括数字技能在内的终身学习能力，将数字技能纳入学生学习目标、课程和规划中，加强数字能力建设、缩小数字技能差距。当今世界，数智技术正在加速重构经济社会发展与治理模式，智能化既4 是方式和手段，也是方向和目标。Gartner 2023年新兴技术成熟度曲线显示，生成式人工智能等数智技术目前处于期望膨胀期，正在催生前所未有的创新机会。数智化发展体现社会和经济向新范式的根本转变，带来产业组织模式、现代基础设施体系、科技人才培育体系、社会发展治理模式等的革新与重构。近三年我国政府先后出台“十四五”数字经济发展规划“十四五”国家信息化规划 提升全民数字素养与技能行动纲要 2022 年提升全民数字素养与技能工作要点 等政策文件，提出大力发展数字经济，提升全民数字素养与技能，推动教育数字化、智能化。新一代信息技术影响着各行各业的发展，加快推动了各领域数智化转型升级，数智技术与实体经济、政务流程、社会治理等方面的深度融合，催生了更多新生产方式、新产业形态、新治理模式、新商业模式和新经济增长点。人才是经济社会发展的第一资源，发展数智教育不仅能提升公民的数字素养与技能，也能为我国数字经济高质量发展、社会数智化转型提供源源不断的人才支撑，促进数智技术创新成果转化应用，筑牢数字中国建设之基。1.1.2 发展数智教育促进学科交叉融合发展数智教育促进学科交叉融合 2021 年 4 月，习近平总书记在清华大学考察时强调指出要“推进新工科、新医科、新农科、新文科建设”。“四新”建设成为引领中国高等教育改革创新、走向范式变革的标志性举措，对高校推动学科交叉、产业融合，面向社会变革、面向新兴科技，扎根中国大地加快培养卓越拔尖人才，推动创新型国家建设提出了更高要求。在数智技术加速演进的背景下，新的学科分支和增长点不断涌现，学科 中央网络安全和信息化委员会.“十四五”国家信息化规划.http:/ 5 深度交叉融合势不可挡，经济社会发展对高层次创新型、复合型、应用型人才的需求更为迫切。数智时代的穿透力对几乎所有学科都有巨大影响，因此，发展数智教育、培养数智人才可以助力多学科交叉融合发展。同时，发展数智教育也催生了一批交叉学科。以“数字人文”为例，一方面，数智技术可以为人文研究提供新的研究手段、研究对象、研究议题，开拓新的场景，为开展数智赋能的人文研究提供技术支撑；另一方面，人文研究支撑了数智化技术发展的伦理规范，同时在虚拟仿真、情感算法、计算美学等领域发挥着更积极的作用，营造人文精神引领、先进技术支撑、丰富多元的数智化生态。又如，新华社媒体融合生产技术与系统国家重点实验室、测绘遥感信息工程国家重点实验室、武汉大学新闻与传播学院及遥感信息工程学院的专家学者共同提出了“遥感新闻学”这一交叉学科方向，将卫星遥感与新闻相结合，使遥感新闻具有突破时空限制与频谱限制、多角度揭示规律和保证新闻客观性的显著优势。1.1.3 发展数智教育赋能拔尖人才培养发展数智教育赋能拔尖人才培养 社会数智化转型背景下，拔尖创新人才应立足实践，将数字思维、数字素养、智算技能与所学专业有机结合，并在实际情境中培养解决问题的数字能力。发展数智教育不仅需要搭建跨学科平台作为教学支持，还需要完善拔尖人才数智教育知识体系作为有效路径。例如，生成式人工智能的普遍应用极大地提升了传媒业的效率，重塑了内容制作生成、创意创作和市场化传播等环节，对新闻、出版等传统学科完善人才培养知识体系提出了新的要求。面向国家重大战略、关键领域研究需求，大力发展数智教育，构建多元人才培养体系，培养具备数字能力的不同层次、不同领域的数智人才，是立足实践之基、回答时代之问、赋能学科专业的关键一招。张平文.教育“数智化”的一些思考.http:/ 6 1.2 数智教育的概念数智教育的概念 1.2.1 数智教育的概念及特征数智教育的概念及特征 数智教育是指以大数据与人工智能技术为主要载体，培养学生数字思维、数字素养与智算技能及解决数智时代问题的数字能力为目标的交叉型人才教育模式。主要具有以下特征：一是数字能力成为终身学习的重要内容。一是数字能力成为终身学习的重要内容。数智化转型影响深远，各个领域都在探索建立基于数智技术的发展范式，需要人才不仅具备专业领域的知识和技能，更要具备数字思维、数字素养和运用智算技能创造性解决复杂问题的能力。需要精准掌握数智化转型对宏观层面总体劳动力结构、中观层面行业人才需求、微观层面工作流程和岗位能力要求的影响，树立以数字能力为导向的人才培育理念。二是数智技术教育和科技伦理教育并重。二是数智技术教育和科技伦理教育并重。数智化转型是经济社会的整体转型，既需要技术的创新发展，也需要建立大范围的集体共识和共同行为规范。数智技术发展在推动生产方式变革的同时，给人类社会带来了复杂的伦理挑战。数智时代下的科技人才培育不仅仅是技术和理念的传承，更是推动技术和社会规范持续互动发展中的重要一环，因此应强调共同推进技术能力培养和科技伦理教育，普及科技伦理知识，提升应对科技伦理问题的能力。三是数智的培养和培养的数智化相结合。三是数智的培养和培养的数智化相结合。数智化技术的重要特征是多学科交叉融合和应用场景牵动，更强调通过多元化的方式培养复合型人才。既需要以建立数据密集型科研范式为牵引，培养具备数智化转型系统性思维、能够将数据科学技能与专业领域知识紧密结合的科研人才；也需要积极推进产教融合、校企合作，培养具有扎实理论基础和丰富实践经验的技能人才。同时，人工智能等数智技术也为更加智能化的培养体系、更有针对性的7 培养内容和更加灵活的教学方式提供支撑。1.2.2 数智教育的内涵及要素数智教育的内涵及要素 1.2.2.1 以培育数字素养为基础以培育数字素养为基础 国家互联网信息办公室、教育部、工业和信息化部、人力资源和社会保障部联合印发2022 年提升全民数字素养与技能工作要点，明确指出要推动全民数字素养与技能工作取得积极进展。发展数智教育，数字素养的培育是关键。数字素养是指数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合。数字素养是一个人能够有效、安全和负责任地使用数字技术来获取、评估、创建和通信信息的能力。培育数字素养不仅是为了让学生在现代社会中更好地生存和工作，更是为了增强社会整体发展的可持续性。高等学校应该成为推动全民数字素养提升的关键力量，并以此为契机，推动数智教育的变革和创新，通过提升学生数字素养与能力，培养具备学科知识跨界融合能力、沟通与协作精神、批判性思维、复杂问题研究解决能力、团队合作意识、创意与创新性的数智时代新人。1.2.2.2 以提升智算技能为抓手以提升智算技能为抓手 智算技能是数字素养基础上更高的能力。它是基于对人工智能的理解、分析和有效使用数据的智能化能力。在数智时代，数据正成为一种宝贵的资源，对于决策制定、问题解决和思路开拓至关重要。提升智算技能不仅有助于个人发展，更有利于社会的进步。智算技能的提升需要从基本的数据处理技能开始，例如数据收集、清理 赵璐,李振国.从数字化到数智化：经济社会发展范式的新跃进.https:/ 91.shtml.2021-11-29 8 和可视化。然后，个体需要学会如何运用统计学、数据分析工具（包括机器学习与大模型）来解决实际问题。这不仅有助于个体更好地理解信息，还有助于组织更明智地制定战略和政策。1.2.2.3 以数据科学为核心支撑以数据科学为核心支撑 数据科学是利用科学方法、流程、算法和系统，从数据中提取价值的跨学科领域。它融合了计算机科学与技术、数学、统计学、信息资源管理等多个学科的基础理论。数据科学理论和技术的创新实践，将成为数字化社会发展的不竭动力。因此，数据科学将成为培养数智人才的核心支撑，要求数智人才掌握数据科学的理论、方法和技术，具备业务分析、数据建模和应用、智能算法设计等全方位的数据价值实现能力。1.2.2.4 以培养具备数字思维与数字素养的交叉人才为目标以培养具备数字思维与数字素养的交叉人才为目标 2016 年，习近平总书记在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上提出“厚实学科基础，培育新兴交叉学科生长点”。学科交叉融合是当前科学技术发展的重大特征，是新学科产生的重要源泉，是培养创新型人才的有效路径，是经济社会发展的内在需求。数智教育天然具有交叉学科特征，许多学科的最新发展都与数据和智能密切相关。发展数智教育，要重视培养学生的知识与能力，构建与数智时代相适应的全纳、公平、高质量、可持续的终身教育体系，培养具备数字思维、数字素养与智算技能的数智人才。1.3 数智人才培养的需求分析数智人才培养的需求分析 1.3.1 实现科技创新的需求实现科技创新的需求 创新驱动发展，科技引领未来。党的二十大报告首次把教育、科技、人才“三位一体”统筹安排、一体部署，并将“推进教育数字化”写入报告，9 赋予了教育在全面建设社会主义现代化国家中新的使命任务，明确了教育数字化未来发展的行动纲领。在数字经济时代，数字技术的革新会为未来教育带来重大机遇与全新挑战。未来教育的最大特点就是人机结合的数智教育，因此，高校需要加快推进形成以人机协同为引领的未来教育新形态，建设全民化、终身化学习型社会，提升数字竞争力。当前，我国数智人才供不应求：一是数字技术和数字经济快速发展，对数智人才的需求呈井喷式增长，而数智人才培养需要一个过程，供求速度不匹配；二是高校数智人才培养体系尚不健全，尤其是专业和课程设置、师资配备、招生规模不能满足数智人才培养的需要；三是产学研协作培养数智人才不够，尤其是通过此方式培养兼具理论素养和实践技能的高素质数智人才不够；四是数字技能职业培训滞后，导致相关从业者的数字技能不能满足需要；五是受多种因素影响，从国外引进高素质数智人才减少；六是对数智人才激励不够，尚未充分挖掘其潜能。1.3.2 数字产业发展的需求数字产业发展的需求“十四五”数字经济发展规划提出，到 2025年，我国数字经济核心产业增加值占 GDP 比重将达到 10%。在此背景下，企业对数智人才的需求急剧增长，数智人才日益成为国家创新驱动发展、企业转型升级的核心竞争力。各行业转型所需的数智人才可划分为数智管理人才、数智应用人才和数智技术人才三个类别。相关研究显示，2013年至 2021 年，以传统和新兴数智人才培养高校和专业数量为评价指标的数智人才指数由 1000 增至6440.46，增长了 5.44倍。但数智人才的数量远不能满足数字经济发展的需要，数智人才缺口巨大，且伴随着数字产业化和产业数字化的快速推进，这一缺口还将继续扩大。10 1.3.3 数智化社会转型的需求数智化社会转型的需求 数智时代的数据、信息和知识具有流动性、场景性、社会性等特点。互联网技术和即时通信技术的发展，将实体空间各类基础设施的连接转化为数字化的自主智能交互形态，打破组织、层级、领域、区域等各类边界，并进一步推进新的虚实结合的社会性空间和更精细化的社会分工的形成。目前，数智技术已应用于政府治理、科技创新等多个领域，未来也将覆盖各行各业，如自动优化城市资源配置的城市大脑、自动采集矿山风险数据并提前预警的智慧矿山、自动调控红绿灯的智慧路网、实现无人操作的巨型码头、自动分拣并配送的物流机器人等。1.3.4 参与数字治理的需求参与数字治理的需求 全球数字治理是指针对具有跨国属性的数字议题，围绕建构全球治理体系和治理机制以应对国际公共风险、释放全球公共价值的理论研究与政策实践。数字治理既包含“基于数字的治理”，也包括“对数字的治理”。当前，全球数字治理问题日益凸显，数据安全、个人隐私、道德伦理等方面面临一系列新挑战。大学应充分发挥学科优势，积极参与解决全球性数字问题，助力搭建公平高效的全球数字治理框架，推动数智时代的全球发展和安全。11 2.国内外数智人才培养现状国内外数智人才培养现状 2.1 国外高校数智人才培养现状国外高校数智人才培养现状 面向国际，对标一流，专家组采用网络调查法对 QS2023 世界大学排名前 30的高校相关数据科学专业人才培养情况展开调研。调研涉及计算机科学与技术、数学、统计学、信息资源管理等四个学科。2.1.1 人才培养体系人才培养体系 2.1.1.1 培养目标培养目标 在数据科学人才的培养目标方面，各高校旨在培养学生厚基础、广应用、强实践的综合素质。（1）掌握扎实的基础知识。）掌握扎实的基础知识。一方面，以开展“数据科学导论”“数据科学原理”等通识类基础课程的方式，培养学生的数字思维；另一方面，通过数据科学专业基础知识课程，培养学生的数字素养，要求掌握数据处理与应用的基本技能，能够解决相关专业的数据处理与应用的一般问题，实现数据科学专业知识学习的全覆盖。（2）注重交叉的融合应用。）注重交叉的融合应用。注重数据科学方法和技术在各学科的交叉应用，结合不同专业学科特点进行分类培养。（3）培养解决问题的能力。）培养解决问题的能力。例如，麻省理工学院开设小班研讨课程，鼓励学生实践，在课程中设置实验室项目，要求学生参与涉及计量经济学与数据科学相关知识和交流密集的实践项目，培养学生解决实际问题的能力。同时，针对不同学历层次，国外各高校多采取梯度化培养。本科生培养目标主要集中于以解决实际问题为导向，注重掌握基础数据处理、分析和应用能力，基本掌握数据生命周期的整体视图；硕士研究生培养目标主要集中在培养学生解决问题的能力，能够更深入地掌握整个数据生命周期。12 2.1.1.2 专业设置发展现状专业设置发展现状 当前，在全球范围内，美洲开设数据科学专业的高校数量居首位，其次是亚洲，详见图 1。图图 1 全球设置数据科学专业的各高校区域分布情况全球设置数据科学专业的各高校区域分布情况 在调研的 30所高校中，共有 27 所高校开设了数据科学专业（见图 2），其中 10所高校同时开设本科生、研究生的数据科学专业，17 所高校通过多个院系联合开设或者在跨学科研究所开设该专业，共占开设该专业高校数量的 63%，例如，斯坦福大学、哥伦比亚大学由多个院系联合开设该专业；在跨学科研究所设立数据科学专业的有帝国理工学院等。数据科学专业的跨学科特征，已推动各高校院系设置由独立向交叉联合模式的发展变革。图图 2 全球设置数据科学专业的各学科分布情况全球设置数据科学专业的各学科分布情况 和鲸科技,腾云大学,AWS,Datawhale.数据科学教育白皮书.https:/ 413-2e64cce1.html.2020-04-14 13 2.1.2 专业课程体系专业课程体系 根据欧盟、美国计算机学会、美国国家科学、工程和医学院发布的数据科学课程结构和课程指南，学界对数据科学的跨学科性质以及核心素养和技能已达成初步共识。数据科学课程培养的数字素养与技能包括数理统计和计算基础、统计和数据挖掘、工程技能和跨学科实践等。课程还提供了数据管理和分析技术以及实际项目管理知识，以提升学生的数据实践能力。国外高校根据不同学历层次梯度设置培养课程，通常采用基于模块的课程体系，面向不同学科学生提供专业课程。同时，支持学生按学位、辅修、培训等不同学历层次的需求选择课程模块。2.1.2.1 本科生课程体系本科生课程体系 该阶段注重培养数据科学专业通识基础、数据处理基本方法与技术（数据全生命周期）、学科基础理论知识。开设“数据科学导论”等通识类课程，“数据处理方法和技术”作为必修课程，同时，学生可根据个人基础选修高阶课程，熟悉数据管理、挖掘与分析方法和技术。专业必修课程包括专业通识课程和学科必修课程。专业通识课程，包括“数据科学导论”“计算思维”等课程；学科必修课程，包括“线性代数”“概率论和统计方法”等数学统计课程，“计算机编程基础”“算法设计和分析”等计算机课程以及“机器学习”“深度学习”等数据科学基础课程。专业选修课程主要包括“科学计算导论”“计算机系统”“算法设计与分析”等计算课程，“统计学习导论”“现代应用统计”“统计学概论”等统计课程，“数据管理系统”“计算理论导论”“博弈论和因果推理”“应用矩阵理论”“数据挖掘与分析”“因果推理导论”“复杂分析”“图论”等数据计算与智能相关课程。14 通过调研发现，麻省理工学院等国外知名高校数据科学实践类课程通常包括高峰体验（Capstone Experience）项目和独立实践。高峰体验项目要求开展统计案例研究或参加个人研究项目。独立实践，学生可从已发表的实例和前沿研究中汲取经验，完成实验性项目、撰写短文，旨在使学生具备数据科学的基础知识与对数据进行实证分析的实践经验。2.1.2.2 研究生课程体系研究生课程体系 硕士专业必修课程包括数据科学、数学和统计、计算科学等模块。数据科学模块侧重于掌握数据全生命周期知识点，注重数据系统设计和优化，该类课程要求学生必修“大数据分析与处理”“数据挖掘”“数据分析”“数据可视化”等课程，同时，要求掌握“高级机器学习”“机器学习方法和应用”“深度学习”“数据科学算法”“人工智能”“大数据系统的设计与优化”等课程知识；数学和统计模块主要包括“数据科学概率与统计”“统计推断和建模”“数据挖掘和统计学习”等课程；计算科学模块要求掌握数据科学计算方法与工具，主要包括“数据科学计算基础”“分布式系统”“面向对象编程”“数值计算”“数据库系统”等课程。博士专业必修课程主要包括“随机过程”“高级概率”“统计推断”“线性模型”“数据分析”“案例研究”等课程。硕士专业选修课程包括数据科学以及学科领域模块，其中数据科学课程模块侧重于数据科学前沿方法与技术，包括“动态规划和强化学习”“分布式算法”“优化方法”“自然语言处理”“深度学习”“机器学习”“时间序列分析”等课程；学科领域课程模块涉及工程和应用科学、经济学、计算机科学、语言学等学科，包括“企业数据挖掘”“生物医学统计”“地理信息技术”等课程。15 博士专业选修课程通常与学科研究领域应用结合，包括计算类和优化类的课程，例如“算法分析”“高级机器学习”“随机建模”“凸优化”“图计算基础”等。研究生课程模块中还包含研究项目、专业实习等。麻省理工学院要求学生在企业实习四周以上以获得专业经验；牛津大学要求学生参加讲座、高峰体验项目、课程研讨会或讲习班；帝国理工学院、伦敦大学要求学生参加数据科学领域研究项目或研讨会。2.2 国内高校数智人才培养现状国内高校数智人才培养现状 对标国际一流，专家组同样采用网络调查法，对国内 30 所“双一流”高校展开调研，分析各高校的培养目标、专业设置模式、课程体系等人才培养现状。调研涉及计算机科学与技术、数学、统计学、信息资源管理等四个学科。2.2.1 人才培养体系人才培养体系 2.2.1.1 面向学科领域的梯度培养目标面向学科领域的梯度培养目标 在数据科学人才的培养目标方面，各高校旨在培养学生：（1）扎实的学科理论基础。）扎实的学科理论基础。部分高校以开展“数据科学导论”等通识类基础课程的方式，培养学生的数字思维。此外，高校对不同学科背景下数据科学的基础理论知识各有侧重。其中，信息资源管理学科培养目标具有图书情报领域的特色，重点培养学科交叉人才，注重信息资源管理、信息系统方向的知识与能力培养；计算机科学与技术学科培养目标是培养学生具备通过大数据技术、理论和方法解决实际工程技术问题的能力；统计学学科培养目标则是让学生能利用一定的数据分析技术解决实际应用领域的统计相关问题。上海软科教育信息咨询有限公司.2023 中国大学排名.https:/ 多样化的专业设置多样化的专业设置（1）开设数据科学专业地区分布情况）开设数据科学专业地区分布情况 针对已设置数据科学专业的国内高校进行统计，形成各省、自治区、直辖市及特别行政区高校数据科学专业分布图（见图 3）。图图 3 国内各省、自治区、直辖市及特别行政区高校数据科学专业分布图国内各省、自治区、直辖市及特别行政区高校数据科学专业分布图 高校人工智能与大数据创新联盟.高校大数据专业排行榜 2023 全国 743 所高校数据科学与大数据技术专业教育教学综合实力排行榜.https:/ 17（2）数据科学专业依托的学科）数据科学专业依托的学科 在国内高校，数据科学专业依托单一学科或者跨学科交叉融合存在，呈现逐步向跨学科联合培养、交叉学院培养的趋势。在调研的 30 所高校中，共有 27 所高校开设数据科学专业，15 所高校同时开设本科生、研究生的数据科学专业。其中，8 所高校通过多个院系联合开设或者在跨学科研究所开设该专业，占开设该专业高校数量的 30%。数据科学专业具有跨学科的特征，使得各高校逐步将数据科学专业由依托单一学科转变为跨学科交叉联合办学，以培养交叉创新人才。如北京大学的前沿交叉学科研究院依托交叉学科开设该专业。2.2.2 专业课程体系专业课程体系 2.2.2.1 面向学科领域的模块化课程面向学科领域的模块化课程 根据网络调查法搜集到 22所高校开设的数据科学专业课程信息，通过对比发现，该专业课程模块主要包括专业必修课程、专业选修课程和实践课程。专业必修课程包括专业通识类课程、专业必修（核心）课程。10 所高校开设了通识类课程，主要包括“数据科学导论”“大数据导论”等；专业必修（核心）课程一方面旨在培养学生数据分析与处理的能力，开设有“数据挖掘”“数据管理”“人工智能”等课程，另一方面要求学生掌握计算机基础，开设了“数据库系统”“信息系统设计”等计算机类课程。同时，学生还应学习数学、统计学、信息资源管理相关学科的基础课程。专业选修课程涵盖了高级大数据解析、大数据存储与管理，以及数据结构与算法应用等内容。国内实践课程包括数据管理综合实践、数据分析实验、大数据实践等，有助于培养学生理论知识与实践相结合的能力。18 2.2.2.2 基于学历层次与学科应用的核心课程基于学历层次与学科应用的核心课程 国内高校设置数据科学专业或研究方向的核心课程，主要结合学科专业和各学历层次进行。（1）按学科专业分类）按学科专业分类 各高校核心课程集中在数据分析与处理类、计算机类、数学类以及学科领域类，包含“数据挖掘”“大数据导论”“数据管理”“数据可视化”等专业基础课程，“数据结构”“数据库系统”“程序设计”“人工智能”等计算机类课程，“离散数学”“运筹学”等数学类课程，“信息资源管理”“经济学”“社会网络分析与挖掘”等学科领域类课程。（2）按学历层次分类）按学历层次分类 各高校核心课程在专业理论知识和应用方面更加深入，本科生阶段注重专业基础课程，掌握数据分析、挖掘、可视化等方法和技术，倾向于实际应用能力，开设“数据分析”“数据可视化”“数据挖掘”“数据库系统”“大数据处理技术”等课程；研究生阶段基于数据处理和分析技术的专业基础，更注重专业理论学习与研究，例如“大数据算法设计与分析”“深度学习”“高级机器学习”“优化理论”。19 3.武汉大学数智人才培养现状武汉大学数智人才培养现状 3.1 发展数智教育的特色与优势发展数智教育的特色与优势 3.1.1 办学理念办学理念 武汉大学以办人民满意的大学为宗旨，秉承“自强、弘毅、求是、拓新”的精神，以谋求人类福祉、推动社会进步、实现国家富强为己任，引领学术发展，不断改革创新，矢志追求卓越，着力培养志存高远、脚踏实地，具有强烈社会责任感和民族情怀、具有创新能力和国际竞争力的拔尖创新人才，致力于建设中国特色世界一流大学。根据科学技术发展态势，聚焦国家重大战略需求，有的