■黄立鹤 刘婷

在“十五五”开局前夕，全国数据工作会议在京召开，将2026年定为“数据要素价值释放年”。近期，多所高校召开数据要素学科专业建设工作推进会，将数据相关学科专业纳入“十五五”学科规划。一系列举措，均回应了国家发展改革委等多部门联合印发的《关于加强数据要素学科专业建设和数字人才队伍建设的意见》相关要求，标志着我国数据要素学科专业教育进入全局谋划、精准发力的新阶段。高校应深化数据要素教育教学改革，促进产学研深度融合发展，提高数据人才供给质量。

厘清数据要素与数据教育的底层逻辑关系

根据《全国数据资源调查报告（2024年）》，我国数据领域相关企业超19万家，数据产业规模超2万亿元。作为新兴生产要素，数据与工业制造、医疗健康、城市治理等各领域正在加速融合，新赛道、新岗位不断涌现，产业逻辑与市场生态也在悄然改写。数字经济社会需要什么样的人才、怎样培养人才，个人如何把握发展机遇、提升数字化生存能力，已经成为重要的时代课题。

数据既是一种资源，也是一种方法。在数智时代，大模型技术突破与人工智能（AI）浪潮，就是海量数据驱动的结果。数据密集型范式被称为科学研究“第四范式”。数据科学蓬勃发展的背后，是回归问题本位、实践先行的理念，即主动投身于开发数据、应用数据、理解数据的行动中，推动科学发现，而不是等待科学理论引领技术进步。

数据不仅蕴含科学价值，也具有巨大经济效益。数据素养不再仅仅是数据科学家或数据从业者所应具备的特质，每个人都应该积极了解数据、读懂数据，从而更好地驾驭数据和技术工具。尤其是面对生成式AI的快速普及，培育底层数据思维，有助于人们识别数字世界的偏差与谬误，从复杂的数据现象中透视本质。

在数据要素赋能千行百业的大背景下，在高校中将数据要素融入全学科专业教育就显得尤为重要。提升人才队伍的数据素养，不仅限于单独开设数据相关专业，不能只是将数据与既有学科内容简单拼接，而是应以问题为导向，以应用场景为核心，根据学科差异和专业特色，让受教育者理解数据要素与自身领域结合的思维方式与实施路径，从而形成放大、倍增效应，推动数据教育系统升级。

发挥高校作为数据人才队伍建设的关键作用

高校数据人才培养是数字中国建设的重要举措。随着数据要素市场化改革深化、数据基础制度建设完善，数据人才培养成为当前数据要素战略纵深推进的重要抓手。高校处于教育、科技、人才的集中交汇点，肩负着为国家数字化转型输送高质量数据人才的重大使命。

融合数据要素是高等教育体系自身革新的内在要求。传统分科观念下，各专业的数据教育进程不一，数据要素缺失、数据建设落后，同时还存在数据规模与性能优化陷阱等分化问题，尤其是人文社科等领域对数据的重视程度亟待提升。在数智时代，整体论走向复兴，跨学科融合成为大势所趋，数据要素在打破文理工科壁垒、优化学科专业布局中发挥着关键作用。

加强数据教育也是人才供给侧结构性改革的关键环节。据测算，我国数字人才缺口在2500万至3000万，兼具数字技能和专业优势的重点领域人才、拔尖创新人才、复合型人才断层现象尤为突出。过度依赖论文和奖项的传统教育评价体系、滞后于产业发展的课程培养、教师队伍数据素养不足等多重因素，导致数字人才供需错位。推动数据教育机制化，将有助于高等教育端由知识供给转变为能力供给，与产业实际之间建立可验证关系。

构建“教育-科研-产业-共享”一体化育人实施路径

在数据人才培养方面，可参考以下几种具体路径。

一是要多维度提升高校数据教育质量。要科学、有序地开展数据相关学科专业建设，高质量建设“数据科学与工程”“数字经济与管理”“数据安全”“数字治理”等专业；同时，要全面将数据要素融入已有学科专业建设中。如清华大学至善书院在政治学、社会学、国际政策等社会科学中融合统计学、数字技术和AI课程；首都经济贸易大学将经贸数字素养纳入本科生通识课程；上海外国语大学重点建设“语言数据科学与应用”二级交叉学科方向。各学科数据教材建设更加受到重视，如高等教育出版社依托数十位院士和百余名专家，打造了大数据新兴领域教材、数字管理教材、新文科·数字经济教材等一系列精品数据教材。数据技术资源极大提高了数据教学效率和质量。例如，国家高等教育智慧教育平台提供的虚拟仿真实验教学服务，集实验原理、数据操作、场景模拟于一体，目前已覆盖11个学科下的63类专业。

二是要构建数据自主知识体系。围绕数据要素开展基础理论方法论研究、政策法律研究、基础共性技术研究、应用技术研究。鼓励数据领域跨学科和交叉型科研创新组织建设，依托学术期刊、数据峰会等平台促进数据科研成果交流。

三是要持续推动产学研深度融合。政府、高校、企业要共同参与塑造未来数据人才群体结构，通过制定数据要素从业标准、聘请行业专家指导、打造市域及跨市域产教共同体等方式，营造产业需求引导、校企平台支撑、真实场景驱动、应用能力提升的产教协同育人生态。例如，同济大学研发的土木垂域大模型CivilGPT入选教育部典型案例；扬州大学等与企业共建数据实训基地，研发AI+产教融合大模型和4D-BEV智能标注平台。

四是要推动数据开放共享驱动创新。打破各类“数据孤岛”，构建数字时代的科学数据基础设施与公共数据设施，推动产业数据和科研数据有序开放共享与市场化配置，实现数据和知识要素的系统汇聚、跨域流通与统一治理。如国家基础学科公共科学数据中心、国家对地观测科学数据中心等7家国家科学数据中心联合构建的协作式数据基础设施CoNet，接入了2.1万个数据资源和2453个算法模型，数据流转效率提升6.5倍，有力支撑了黄河流域生态价值评估、卫星数据协同处理等多学科应用场景。

总之，数据人才培养是一个长期的过程，需要持之以恒的积累。高等教育作为人才成长的关键阶段，应当加快数字化转型升级，推动教育、科技、人才一体发展在数据要素领域充分体现，构建系统化、专业化、高质量的数字人才生态，为数字中国建设注入新动力。

（作者分别为同济大学长聘教授、同济大学智能科学与技术博士研究生）