数智人才培养的基础、价值及拓展介绍

想了解更多相关内容，可以下载报告《数智教育行业白皮书：数智人才培养篇》查看，以下内容都是根据该报告总结的，仅供参考。

1.数智人才培养的基础

数据科学是关于数据处理的科学。数智人才培养的基础是掌握数据处 理的基础知识，即培养数字思维与数字素养。数字思维强调开阔 眼界，具备包括数据科学导论、数据伦理与治理、数据要素与安全在内的基 础知识；数字素养强调培养数据问题解决能力，掌握包括数据采集、数据管 理、数据分析、数据挖掘、数据呈现等基于生命周期的数据处理能力。目前 业界对数据人才的需求，包括数据挖掘、数据工程与数据分析等，与武汉大 学提出的培养学生数字素养等内容相契合。

2.数智人才培养的价值

数智人才培养的关键是面向应用。在与相关领域结合的基础上，发掘数 据背后所蕴含的价值，赋能领域的发展与应用。数据的应用就是要从数据中 提炼出信息，从信息中挖掘出知识，再赋能解决问题，这就是数智人才培养 的价值所在，并与数据科学的知识体系——数据基础、数据计算、数据智能、 数据创新等一脉相承。数据计算包括数据分析与处理、数据结构、计算方法与数据安全；数据智能则包括人工智能与机器学习、深度学习与大 模型、智能算法设计与分析，该过程能够将数据的价值进行进一步挖掘，从 而满足应用学科的需求。

3.数智人才培养的拓展

数智人才的培养依赖一定的场景，需要与诸多交叉学科融通，可以将其 分为数据增强类学科与数据应用类学科（见表 1）。数据增强类学科对数据 本身存在很强需求，可以生产大量数据，强调数据的“造”。这类学科更多 是理工农医类，如自然科学、地理空间、健康医疗、工业生产领域，本身会 产生大量数据，且需基于数据去做后续深度分析。这类学科与数据科学融合 是一种内生式、迭代式、聚变式的创新，强调数据的本源性基础作用，对数 据方法的需求多样，需要将多种学科高度融合。

数据应用类学科主要是人文社科类如金融商务、城乡政务、法务舆情、 人文社会领域，强调数据的“用”，注重交叉裂变。这些学科本身不会产生 很多数据，但需要通过数据的分析、处理、挖掘来解决学科问题。在数据的 赋能下做传统人文社科不能做的事情，拓宽学科边界与范围，即人文社科学科提出需求，数据提供解决问题的工具，由此拓宽学科需求与应用的边界。 该过程更多体现的是学科交叉，更加强调的是数据挖掘。