随着科学技术的发展，世界已经进入由数据主导的“大时代”，数字经济也成为当前推动经济发展的新动力。大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。根据国家财政部的统计数据，截止2016年，我国已有586万人通过会计专业技术资格考试。海量的从业人员分布于各行各业，再加之多年的从业经历，庞大的会计从业人员大数据业已形成，其中的行业经验、职业特征、能力要求等数据信息对于当前的会计专业人才培养是极具参考价值的信息资产。另一方面，全国高等院校每年大约都要招收数以万计的会计专业学生，三至四年的人才培养过程所形成的数据信息同样不容忽视。

一、高等院校会计专业人才培养的现状分析

高等院校是我国会计专业人才培养的主要场所。当前，社会环境的变化和经济活动的复杂化对会计从业人员提出更高的要求，高等院校培养出的会计人才在新形势下表现出难以适应社会的需要，其中存在的问题主要表现在以下方面。

（一）高校人才培养方案相对固化

高校人才培养方案的固化性主要体现在专业课程的设置上，一经设定往往会延用数年，其结果是学生仅仅能够掌握本专业传统的基础理论知识，当学生在面对新业务和新问题时，由于知识结构单一、视野受到局限，往往会表现得不知所措，缺乏动手能力和创新能力。另一方面，高校对学生的学习行为缺乏引导，大多数学生受认知水平和阅历的限制很难开展有效的自主性学习，在缺乏学校引导的情况下，更容易固化于现有的人才培养模式下。

（二）忽略学生综合素质能力培养

高校往往重视学生专业素质能力的培养，忽略学生综合素质能力的培养。企业的会计人员属于管理性质的人员，如果仅重视会计专业知识的学习而忽略对一个管理人员所应具备素质能力的学习，这样培养出来的学生即使专业水平较高也很难发挥其管理职能。会计从业人员的职场环境日趋复杂，经常面临各种因素的影响，任何一处能力上的短板都会制约今后的职业发展。

子叔子知礼哉！吾闻之，曰：“忠信，礼之器也。卑让，礼之宗也。”辞不忘国，忠信也。先国后己，卑让也。《诗》曰：“敬慎威仪，以近有德。”夫子近德矣。

（三）人才培养的过程管理与结果反馈有待提高

由校心理健康教育中心组织，各分院教学班分时段进入电脑教室，登录“心海”大学生心理档案系统填写大学生入学普查问卷并提交。全部调查数据采用SPSS17.0统计软件处理[2]。

  

图1 传统的高校人才培养模式

二、大数据环境下高等院校会计专业人才培养新模式探究

数据创造价值，创新驱动未来。针对以上高等院校会计专业人才培养中存在的问题，文章提出大数据环境下高等院校会计专业人才培养新模式。

高等院校会计专业人才培养的大数据平台是构建“学生基础数据平台+课程教学平台+能力拓展平台+学生从业数据平台”的综合性平台，它通过深入挖掘会计专业人才培养过程中各个阶段的大数据，以实现学生综合素质能力和学校人才培养能力双重提升的目的，为社会培养更多更优质的复合型人才。

（一）高等院校会计专业人才培养的大数据理念

大数据理念贯穿于高校人才培养整个过程，具体表现从学生、课程、能力和从业人员四个维度建立大数据。学生的基础数据、课程的教学资源数据、能力的拓展模式数据以及从业人员的就业反馈数据成为高校极具价值的信息资产。一方面，这种信息资产会随着办学时间的推移而逐步增长；另一方面，这些信息资产在信息交互中创造出新价值。大数据环境下高等院校会计专业人才培养新模式如图2所示。

  

图2 大数据环境下高等院校会计专业人才培养模式

4.会计专业就业的大数据。从业人员的大数据包括行业信息、职位信息、知识结构信息、能力素质信息以及个人经验信息，其数据来源可通过问卷调查或交流互动的方式获得。

卫生部门作为民办非营利性医疗机构的业务主管部门，应在财政部门赋予的财务监管职权范围内，加强对其财务工作的日常管理，并制定民办非营利性医疗机构财务管理办法，规范其财务行为，并进行年度审查。

（二）高等院校会计专业人才培养的大数据构成

高等院校会计专业人才培养的大数据平台主要基于数据库技术、数据搜索技术、数据挖掘技术以及数据分析等先进技术，对高等院校会计专业人才培养的大数据资源进行组织、管理与服务应用。高等院校会计专业人才培养的大数据平台包括四层：基础设施层、基础数据层、数据处理层以及分析决策层。大数据平台中总体设计如 图3所示：

3.会计专业能力的大数据。能力培养的大数据包括能力拓展方案信息、能力特征信息和能力测试信息，其数据分别来源于辅导员工作成果、学生自我评判与他人评判、能力拓展考核的结果。

2.会计专业课程的大数据。课程的大数据包括教学方案信息、课程信息、知识点信息、教学案例信息以及课堂效果信息，其数据分别来源于教师教学成果、学校教学资源及线上资源、课程内容的细化与梳理、实践案例总结、课堂评价和课程考核。

从业人员的就业数据与学生的个性化数据进行交互，不仅能够让学生认清自身发展的不足，还能为学生指引未来发展的方向。会计专业毕业的学生从事的职业可能千差万别，而在校学生的个性化特征也不尽相同，挖掘两者的共性特征与个性差异为高校的人才培养模式和未来发展拓展了新思路。通过对学生学习过程的跟踪记录，一方面能够了解学生的学习兴趣所在，在学生的选课环节能够推送与学生兴趣匹配的课程，另一方面可以发现学生在学习过程中的疑点难点，在学生的上课环节帮助学生消除学习障碍。学生参与课外能力拓展能够培养学生未来职场所需的沟通能力、团队协作以及面对困难的勇气，而这种来自课堂外的数据信息往往容易被忽略，这不仅不利于高校对学生的管理，也无益于学生的综合能力培养。

（三）高等院校会计专业人才培养的大数据平台的设计

Agawu指出音乐中每个主题不是孤立的，而是作为一个整体来实现作品的意义表达。不光是音乐，电视广告中的主题（或者作品的共性因素）也是由图画、音乐、语言符号来整体实现。电视广告中各种模态符号（如音乐符号、图像、语言符号、颜色符号）以相似点为主题，反映同一主题的共同元素生成意义,即各种符号的意义的实现要靠各个元素中的相似性提取出来形成。笔者总结电视广告中各模态之间的关系如下图：

1.会计专业学生的大数据。学生的大数据包括学生的初始基本信息、学习过程信息、能力评价信息以及未来的就业反馈信息，其数据分别来源于学生入学信息登记、课堂学习活动、课外拓展活动以及毕业后的就业情况调查。

高校的人才培养通常呈现的是一个非闭环的系统，在人才培养的过程中仅关注学生的考试通过率，而在人才培养的结果中仅关注毕业就业率。一方面造成在教育教学环节忽视学生学习过程的管理，不能与学生形成良好的教学互动，促进教学水平的提升，另一方面造成在学生就业环节忽视学生步入职场的后续跟踪，不能根据学生毕业后的职场表现评价当前人才培养模式是否存在缺陷。过程管理与结果反馈的不完善使高校人才培养丧失了两次自我提升的机会。传统的高校人才培养模式如图1所示。

  

图3 高等院校会计专业人才培养大数据平台总体设计

基础设施层包括台式机、移动终端、存储器、服务器和互联网，它为高等院校会计专业人才培养大数据平台提供接入终端、数据存储、数据处理以及网络互联等方面的硬件支持。基础数据层包含了学生基础数据库、课程资源数据库、能力培养数据库以及从业人员数据库，它涵盖了整个高校会计专业人才培养过程的所有数据，是整个平台的核心。数据的获取主要通过对人才培养各个环节的数据记录与追踪，打通高校现有的学生信息系统、教学管理系统、教学评价系统以及就业管理系统之间的障碍，让数据流动起来而不是如同死水一般。数据处理层主要涉及数据搜集、数据存储、数据交互、数据挖掘和数据分析，通过这些数据处理技术让流动的数据创造出价值。分析决策层包括形成学生培养计划、课程教学优化、能力拓展方案以及就业实习指导，为学生知识和能力的提升、高校培养人才和管理水平能力的提升提供决策支持。

（四）高等院校会计专业人才培养大数据平台的实现

高等院校会计专业人才培养大数据平台实现学生为中心，通过与任课教师、辅导教师、管理人员以及从业人员等角色之间交流互动以实现数据的传递，即大数据平台技术层面的实现是以现实之中人与人之间的互动行为作为基础，这也是目前远程教学、MOOCs等在线教学方式所欠缺的。大数据平台各角色之间的交流互动如图4所示。

  

图4 大数据平台各角色之间的交流互动

大数据平台中的数据资源为平台之上的各个角色提供数据支撑，同时各个角色之间的交流互动所形成的数据信息进一步丰富了大数据平台。大数据平台通过挖掘社会经济中最迫切的人才诉求促进人才培养模式的改变，并吸纳线上线下最广泛的教学资源和最前沿的教学方法丰富教学内容，而且能够为各具特质的学生提供个性化的人才培养方案和就业指导，最终利用大数据实现人才培养模式的不断完善。

与很多其他国家比较而言，现阶段我国的小学语言识字过程缺乏新颖的方法模式。处于低年级的小学生他们思想与心智都不够成熟，识字教学还存在相应的困难。乏味呆板的识字过程并不能激起他们学习的兴趣，怎样改变传统枯燥的教学方法引发学生强烈的学习兴趣便是关键课题。

三、挑战与展望

当今社会处在快速发展和深刻变革中，人才之间的竞争如同专业人才之间的竞争转向跨专业人才之间的竞争，人工智能、财务共享等新技术新理念也正在对会计这门具有悠久历史的职业发起冲击。高等院校会计专业人才的培养模式应当顺应时代发展的变化进行革新，充分利用会计人才的大数据紧跟时代潮流，不断丰富会计专业人才培养的内涵，提高会计专业人才培养的效率，让会计这门职业在日趋复杂的经济环境中彰显愈发重要的地位。

参考文献：

［1］郑庆华.运用教学大数据分析技术提高课堂教学质量［J］.中国大学教学，2017，（2）：15-18.

［2］吴青，罗儒国.基于在线学习行为的学习成绩预测及教学反思［J］.现代教育技术，2017，（6）：18-24.

［3］张羽,李越.基于MOOCs大数据的学习分析和教育测量介绍［J］.清华大学教育研究，2013，（8）：23-25.

［4］杨刚,胡来林.书联网时代的教材资源建设研究［J］.电化教育研究，2017，（3）：80-85.

［5］魏顺平.学习分析技术：挖掘大数据时代下教育数据的价值［J］.现代教育技术，2013，（2）：5-11.

［6］巫绪芬,魏朱宝.能力本位的会计专业人才培养创新模式探究［J］.中国大学教学，2010，（2）：28-29.

［7］刘凤娟.大数据的教育应用研究综述［J］.现代教育技术，2014，（8）：13-19.

［8］张燕南,赵中建.大数据时代思维方式对教育的启示［J］.教育发展研究，2013，（21）：1-5.

［9］刘震.高职院校教学工作的“大数据分析”策略［J］.河北职业教育，2017，（8）：8-10.