
大数据“砍”专业,有所不为方能有所为
近日,杭电大数据“砍”专业之事引发舆论关注。据悉,未来两年内该校将停招信息工程、物联网工程、应用物理学、海洋工程与技术、生物医学工程、物流管理、市场营销、环境科学、经济统计学、编辑出版学、工业设计等11个本科专业。这些“相对低效专业”之所以被叫停,主要是在大数据分析中“表现不够好”。
在日新月异变化的当今时代,高校调整专业本是应有之义。高校设置专业,不可能一开始就尽善尽美,专业的实力强弱、社会需求、发展前景都会不断变化,当然应该根据实际情况有针对性地增删调整。此次杭电依据高考第一志愿报考率、转专业率、分流率、就业率等数据进行主动取舍调整,值得称道,更应该引发深入思考:除了杭电,其他高校需要调整专业吗?如果有,大数据“砍”专业能否推而广之?
在高校大扩招、大而全设专业的背景下,不少高校都存在专业设置过多、过细的情况,突出表现在专业区分度小,罔顾师资力量和教学保障条件跟风开设大批所谓的“热门专业”等问题上。尤其是“跟风”设置之弊,危害尤烈:法律、新闻、机器人,哪个热门就一窝蜂上哪个……形成低水平的人才培养体系,不仅造成了教学资源的浪费,误人子弟,更使得整个高等教育发展水平长期在低位徘徊,严重影响打造国际一流高校和一流学科目标的达成。
专业设置随意当然是诸多因素综合作用的结果,而功利主义思维则是关键所系:有的一心向“钱途”,为了“好招生”“好就业”,漠视办学传统、不考虑师资基础,随便拉几个人就敢于开设新专业;有的则是为了多设岗多招生,多些头衔多拉项目、课题……
院系专业的随意设置,不仅是对学生的极大不负责任,这种“随波逐流,随遇而安”的办学也不利于高校自身的特色发展之路。尤其在“双一流”建设计划启动的大背景下,高校根据自身定位主动裁撤低效专业,实乃大势所趋。杭电大幅度地砍专业之举,可谓顺应形势,不仅主动卸下历史包袱,更是用“数量减法”换取“特色加法”,真正做强优势特色。
令人遗憾的是,有些高校依然抱残守缺:或囿于既得利益,怕影响“安定团结”的大局;或停留于对上负责的陈旧认知,不仅不去了解社会和学生对专业的真正需求,还把专业设置当成综合性发展、“做大做强”的象征,好像专业越多学校就越牛……
高校专业动态调整,是高校人才培养适应社会分工细化和需要的体现。专业调整牵一发而动全身,如果缺乏严密的论证,确实会令人投鼠忌器,但有了大数据的支撑,决断起来就容易多了。换言之,大数据时代科学及时调整专业,非不能也,是不为也!
学我者死,似我者生。大数据只是为专业调整提供客观参考,其他高校不能简单复制杭电的模式,必须因校而异,合理决策。
事实上,包括北京大学、清华大学、中山大学在内的国内著名高校都在根据自身实际积极进行专业动态调整。尤其是去年中山大学决定调整或暂停18个本科专业的招生一事,曾引发社会的巨大反响。在中山大学建立的关于专业办学质量的数学模型中,涉及生源质量、学生国内外交流情况、本科生深造率、教学成果等8个维度,而就业率却没有被纳入评估指标。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15