1、大数据应用基础课程标准课程代码710202Z1B01适用专业大数据技术应用（信息技术服务专业群）适用学制五年制（5+2贯通培养）编制人审核人版本号202301一、课程名称大数据基础二、适用专业大数据技术应用三、课程学时与学分36学时，2学分四、课程性质本课程是大数据技术应用专业的一门专业基础课程，是从事大数据工程技术人员等新职业岗位必须学习的课程，旨在为学生提供大数据应用方面的基础知识，包括大数据概述、大数据处理、大数据存储和大数据应用案例等内容，使学生具备大数据应用的基础理论和实践能力。本课程开设在第2学期，将为后续学习互联网数据采集数据库技术应用等课程奠定基础。五、课程目标通过本课程的学习
2、能够完成对大数据生产流程绘制，熟悉认知大数据采集、分析、存储、可视化等各种工具和平台，能够厘清大数据与网络技术、物联网、云计算、人工智能的发展关系与发展方向，并通过大数据技术在不同行业产业的案例分析，能够进行大数据存储和分析应用，树立大数据思维，拓展科技素养。达到以下具体目标：（一）素养目标1 .坚定拥护中国共产党领导和我国社会主义制度，在习近平新时代中国特色社会主义思想指引下，自觉践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感；（培养规格1）2 .充分了解大数据行业法规法则，自觉维护行业良好风气；（培养规格2、SA2）3 .具备数据思维，具备较强的逻辑思维能力；（培养规格3）4
3、 .培养学生对大数据应用的认识和理解，以及对大数据应用的价值和影响的思考。学生需要通过学习大数据基础课程，增强对大数据应用的兴趣和探索欲望，了解大数据对社会、经济、科技等方面的影响，具备良好的职业素养和创新意识。（培养规格5）5 .具有社会责任感，能够传递正确的社会价值，时刻维护国家的荣誉与形象；（培养规格2、SA3）6 .树立正确的职业观，注意保护数据安全、保障他人隐私，爱岗敬业、德技并修；（培养规格2、SA4）7 .有自觉学习新一代信息技术的意识，能够主动进行自我知识更新与学习。（培养规格7、DA-3）（二）知识目标1.掌握大数据应用的基础知识,包括大数据的概念、特征、处理和存储等方面的知
4、识；（培养规格11）8 .了解大数据的技术架构、处理方法和工作流程；（培养规格11）9 .掌握大数据存储和管理的基本方法；（培养规格11）10 熟悉大数据相关法律法规，对大数据行业的信息安全形成基础的认知；（培养规格12）11 了解大数据行业基本情况、了解大数据行业应用场景与岗位分工，明确大数据产品形态与技能要求；（培养规格15）12 厘清大数据与网络技术发展、云计算、物联网、人工智能的发展关系与发展方向；（培养规格16）13 了解大数据生产工作流程中应用到的数据采集、存储、可视化、分析等各种工具和平台，掌握基础的工具使用方法和步骤。（培养规格16）（三）能力目标1 .能够使用基础的数据处理工
5、具和软件进行数据采集、预处理、清洗、分析，提取有价值的信息和知识；（培养规格13）2 .掌握数据的格式、原理和方法，能够使用数据可视化工具和技术，将数据转化为可视化的图表、图形和动画等形式，提高数据的可读性和可理解性；（培养规格14）3 .能够绘制大数据工作流程图，完成数据生命周期管理；（培养规格16）4 .能够将数据加密、数据备份和数据恢复等技术应用在日常的数据管理工作中，保障数据的安全性和保密性；（培养规格15）5 .能够使用大数据存储技术和工具进行数据管理、存储和查询等方面的操作；（培养规格14）6 .能够根据实际需求构建大数据应用系统框架模型，做出简要功能分析，应用大数据技术解决实际问
6、题。（培养规格16）六、课程内容与要求本课程以大数据技术应用概论基础知识、应用案例分析、模拟大数据行业实际工作为载体，坚持立德树人的根本要求，结合学生学习特点，遵循职业教育人才培养规律，落实课程思政要求，有机融入思想政治教育内容，紧密联系工作实际，突出应用性和实践性，注重学生职业能力和可持续发展能力的培养。按照知识难度和工艺流程从简单到复杂，技能水平从单一技能到综合技能、技术沿革从传统技术到智能技术的规律确定学习模块的编排顺序，合理序化教学内容。学习单元（模块）一：大数据基础图谱，涵盖大数据的概念、特征、应用领域、处理模式和技术架构等基础知识；学习单元（模块二）：大数据处理，包含大数据处理的技
7、术和工具应用；学习单元（模块三）：大数据存储，包含大数据存储的技术和方法，存储介质和存储格式等相关内容；学习单元（模块四）：大数据分析，涵盖大数据采集、分析的方法和工具以及数据可视化和分析案例分析等方面的内容；学习单元（模块五）：大数据应用，介绍大数据在不同领域的应用案例和实践经验，包括商业、政府、科研、医疗等领域的应用案例和具体实践操作等方面的内容。学习单元（模块六）：数据安全：主要介绍数据安全的相关知识和技术，包括数据标准化、数据质量控制、数据备份、数据恢复、数据加密等方面的内容。六个学习单元模块在知识体系是递进关系，难易程度逐步深入。表1课程内容与要求序号学习单元（模块）能力点学习内容与
8、要求学习成果建议学时1构建大数据基础图谱1 .能够绘制大数据基础知识的思维导图；2 .能够制作大数据技术应用1.理解大数据的基本概念和特征，了解大数据的发1 .大数据技术发展轨迹图；2 .大数据应用4案例海报；3 .能够说明大数据的特性，以及大数据和云计算、物联网等技术的关系；4 .能够绘制大数据技术应用整体流程图；5 .自觉践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感。展历程和应用场景；2.掌握大数据与云计算、物联网三者之间的关系；3.了解大数据应用中的常用数据分析方法和工具。案例海报；3.大数据常用分析方法和工具思维导图。2大数据处理1 .能够安装并简单应用大数据采集、处理的
9、工具；2 .能够说明数据预处理的原理，数据清洗、集成、变换的原理和目的；3 .能够阐述数据处理实际案例，学生通过数据处理解决生产实际问题；4 .树立正确的职业观，注意保护数据安全、保障他人隐私。1 .理解数据采集和预处理的工作方法和步骤；2 .掌握数据处理的工具，并能进行工具的使用；3 .掌握数据处理的逻辑和原理；4 .了解数据处理的基本原则，明确数据真实性保护规定。1 .数据预处理方案；2 .数据预处理工具安装；3 .数据预处理任务书。63大数据存储L能够阐述目前的数据存储技术，并画出不同数据存储技术的区别与联系思维导图；2 .能够说出数据存储的读写过程，并将读写过程绘制出来；3 .能够说明
10、不同情境下的数据存储方案和策略，制定存1 .掌握分布式文件系统的结构和相关概念；2 .掌握数据格式、以及数据存储中的块、名称节点等概念；3 .了解数据存储的读写过程，能制1 .数据存储工具思维导图；2 .数据存储任务书和工作页；3 .数据存储案例分析。6储策略；4.树立自觉学习新一代信息技术的意识，能够主动进行自我知识更新与学习。定数据存储的策略；4.了解分布式数据库、NoSQL数据库、云数据库的存储区别与联系。4大数据分析1 .能够阐述目前的数据分析技术，并画出不同数据分析技术的区别与联系思维导图；2 .能够说出数据分析和可视化工作的目的与意义；3 .能够说明不同情境下的数据分析策略，制定分
11、析方案；4 .具备数据思维，具备较强的逻辑思维能力。1.掌握大数据应用中的数据可视化技术和工具的使用方法和步骤；2.能够使用数据可视化工具和技术进行数据呈现和分析；3.明确数据分析的基本思路；数据分析和可视化的目的与原理。1 .数据分析技术和工具思维导图；2 .数据分析任务书和工作页；3 .数据可视化任务书和工作页。65大数据应用L能够绘制大数据技术在互联网领域的应用海报；2 .能够绘制大数据技术在智意物流领域的应用海报；3 .能够绘制大数据技术在智慧城市管理中的应用海报；4 .能够绘制大数据技术在金融和电商等领域的应用海报；5 .能够阐述大数据技术在生产生活实际中的应用；6 .了解大数据对社
12、会、经济、1 .掌握大数据推荐理论；2 .掌握大数据预测理论；3 .掌握大数据分析可视化理论；4 .了解大数据在各行各业应用的场景、关键技术、业务结构和体系架构。L大数据技术在互联网领域的应用海报；2.大数据技术在智慧物流领域的应用海报；3 .大数据技术在智慧城市管理中的应用海报；4 .大数据技术8科技等方面的影响，具备良好的职业素养和创新意识。在金融和电商等领域的应用海报；5.大数据技术在生产生活实际中的应用案例。6大数据安全1 .能够阐述大数据在安全领域的应用案例，并绘制思维导图；2 .能够说明大数据安全的重要性；3 .能够阐述大数据安全保护策略，并说出不同情境下的数据安全保护方案；4 .
13、充分了解大数据行业法规法则，熟悉大数据相关法律法规，自觉维护行业良好风气。1 .掌握数据标准化的原理和重要概念；2 .掌握数据质量控制的方法和流程；3 .掌握数据备份、数据恢复和数据加密的基本操作流程和应用情境；4 .了解大数据安全的相关法律法规。1 .大数据在安全领域应用思维导图；2 .大数据安全策略和技术应用海报；3 .数据安全保护任务书和工作页。6七、课程实施（一）师资队伍1.专任教师职业能力：具备优秀的专业课教学开展与组织能力，掌握计算机网络技术，LinUX操作系统操作，大数据采集、预处理、分析、存储、可视化等技术，能够以情境任务要求完成大数据基础应用相关任务。知识结构：了解大数据工程
14、技术人员各项职业岗位要求；在专业领域中，具备大数据技术、网络技术、LinUX操作系统、PythOn编程技术等较为深入的专业知识背景。资质：具备中职学校专业课任教资格和企业实践经历。2.兼职教师职业能力：企业优秀讲师或行业企业专家，具备有3到5年的大数据相关行业从业经验，参与过多个大数据项目实施过程，具有较强的专业技能，具备良好的专业课教学开展与组织能力，具备优秀的大数据项目实施开发能力，精通PythOn程序设计，大数据项目实施建设能力，能够以情境任务要求完成教学。知识结构：在行业领域中，深入了解大数据工程技术人员各项职业岗位要求；在专业领域中，具备大数据技术、网络技术、LinUX操作系统、Py
15、thon编程技术等较为深入的专业知识背景。资质：具备大数据相关行业从业背景和企业工作经历。（二）实验实训条件1.校内实训基地根据不同的项目学习需要，选择教室、校企合作实习实训基地、实训设备等进行教学。（1）实训场地：大数据实训室；（2）实训设备：服务器5台，存储设备2台，防火墙1台，台式计算机40台，满足大数据操作简单标准。2.校外实训基地目前大数据技术应用专业有1个联想智能制造校外实训室，能够同时满足30名学生进行实习实训。能够满足学校教师、企业专家共同办公，满足专业人才学徒制人才培养要求，符合企业研发、生产要求。本校外实训基地具备如下条件：（1）联想组织机构健全，领导和工作（或技术）人员素
16、质高，管理规范，在新一代信息技术领域发展前景好。（2）基于联想“端一边一云一网一智”技术框架下，其研究方向与经营的业务与本专业对口，且联想属于世界五百强企业，社会形象好。（3）符合学生专业实习实训条件，并且能够满足学生顶岗实训一个月以上。（4）有相应的技术人员担任实训指导教师。（三）教学资源1 .教材选用教材必须在政治上坚持四项基本原则，符合党和国家的方针和政策，能运用辩证唯物主义和历史唯物主义的观点阐述本课程的基本规律。选用教材必须符合本课程教学大纲的要求，符合学生层次的实际，教材内容的阐述要循序渐进，富于启发，有利于对学生能力和素质的培养，选用的版本和内容要考虑到近年教材的变动与更新，保证
17、教材内容有用、新鲜和实用。为保证教学质量，如有国家规划教材，优先选择国家规划教材。在国家规划教材的基础上可结合自主开发模块化教材，包括活页式工作页、学习页、评价表等，同时也可采用校企合作资源库课程资源包。表2教材配备表序号教材名称作者出版社出版时间是否为国规教材1大数据素质读本人民邮电出版社2019年5月否2大数据技术原理与应用人民邮电出版社2021年1月否3大数据电子工业出版社2019年3月否2.图书文献配备表3图书文献配备表序号教材名称作者出版社出版时间1大数据基础及应用吕云翔、钟巧灵清华大学出版社2018年2月3.数字教学资源配置自主开发资源：PPt.微课、试题库、案例等。（四）教学方法
18、在教学过程中采用：讲演法、任务驱动法、项目教学法、案例分析法等教学方法，辅以餐垫法、工作站法、展览馆法等特色的教学组织方式，提升学生自主探究、合作学习的意识，培养良好的学习习惯；在每个学习情境中，学生进行自主探究学习与小组合作讨论学习，加强操作训练；以企业生产过程中实际的工作任务作为窠例，在实践中引导学生学会分析问题、解决问题。（五）教学评价严格落实培养目标和培养规格要求，围绕大数据技术应用专业的人才培养目标，通过教师、企业、学生三个评价主体从核心素质、关键知识、综合能力、实践成果四个维度，通过课堂评价（占比20%）、项目评价（占比50%）、课程评价（30%）三种形式收录反映学生成长过程和发展
19、水平的描述与实证材料，全面评价学生综合素质，客观反映学生的个性差异和特长，突出评价对学生全面发展的促进作用。1.课堂评价（20%）：通过自评、学生评价、老师评价三个主体侧重核心素质的评价。课堂评价根据表格中的各项及标准，注重评价学生在课堂上的参与度、完成工作页、常规项等，教师在课程中帮助学生更清晰的认识自己。学习笔记的检查20%：评价标准为四级式：A、B、C、D,要求完整、字迹工整、有重点、难点的标记。学习材料的保存15%：评价标准为四级式：A、B、C、D,要求完整、字迹工整、有错误工作页进行了正确的修改。教师的评价40%：学生出勤（10%）、展示、学习时的表现（10%）.口试（问答、专业对话
20、等）（10%）、实操（10%）o同学的评价（互评）15%：组内其他同学的评价（10%）,其他小组的同学对他的评价（5%）o自评10%：自己对自己的评价。2 .项目评价（50%）：阶段测评项目评价以小组为单位，进行综合素质评价及每一个项目作品成果评价，针对每一个项目，累计各个工作阶段实施评分、素质评分、项目成果评分，将评分数据由学习平台进行统计，最终项目结束后按照评分公布优秀项目组，学生素质通过多维能力雷达图展示，实现学生的增值性评价，学生养成职业认同感。其中素质评分表如下表所示，每个项目素质评价内容相同，每个项目考核内容根据学习成果进行鉴定。表4素质评分表团队姓名评价项目考勤仪容仪表工位整洁有
21、序对待工作任务的态度对待工作任务的整体把控能力自主学习能力团队沟通、协作能力创新能力素质成绩第组3.课程评价（100%）：期末考试理论考试（30%）：试卷，从试题库中抽取100分的试题进行考核，试题类型有主观题：80%,填空题、选择题和判断题组成；客观题：20%,简答题、论述题。考核时间为：90分钟、闭卷。考核内容为：学习内容中涉及到的所有内容，重点为技术类要求掌握的知识以及其它能够用试卷考核的内容。附件2：大数据应用基础课程综合评价表大数据应用基础课程综合评价表序号姓名课堂评价(20%)项目阶段评价(50%)课程评价(30%)学习笔记(20%)学材保存(15%)教师评价(40%)同学评价(15%)自评(10%)项目项目项目理论考试(50%)项目考核(企业参与)(50%)1234567891O1112131415161718
