近年来，大数据技术、物联网技术、云计算技术等持续发展，智能化的现代农业已成为科技发展的必然趋势。将大数据技术、物联网技术、云计算技术等先进信息技术应用于农业生产，既可提高农业生产效率，降低农业生产成本，又可保障农产品质量安全，促进智慧农业发展[1]。行业所需的高素质大数据人才不仅要熟练掌握计算机技术和数据分析技术，还要具备农业学科知识背景[2]。相关学者对智慧农业发展和涉农高校大数据人才培养展开研究。李辉等[3]研究认为，在新工科背景下建设涉农高校数据科学与大数据技术专业，对于支撑现代农业产业发展，培养具有行业特点的涉农大数据复合型人才具有重大意义。赵霞等[4]研究提出开设农业院校的大数据专业，以培养符合农业信息化发展需求的高素质人才。李守晓[5]根据农业高校特点，提出与行业企业合作探索兼具大数据技术新工科特色的本科专业人才培养模式。在涉农高校大数据人才培养过程中，在课程体系、教学模式、实践教学、校企合作等方面暂存在待改进之处。
本文构建涉农高校智慧农业大数据人才培养体系，从教学内容、实践教学等方面的现状入手进行探究，并给出了优化课程体系、改革教学模式、强化实践教学、深化校企合作、完善评价体系等策略，培养符合智慧农业发展方向的优秀大数据人才。
1 智慧农业驱动下大数据人才培养现状
1.1 教学内容方面
根据智慧农业对大数据人才的需求，需构建以智慧农业、田间试验与统计分析等为主干课程的大数据课程体系，在基础农业常识的基础上深入讲解大数据相关原理、逻辑，使学生在具备相应农业、数据常识基础上学习简单的数据算法原理，逐渐过渡到复杂的、与农业相结合的算法，并学习相关应用实例。如田间试验与统计分析课程教学可融入传感器、数据采集方式和数据分析等相关内容，让学生在开展农田试验的同时掌握部分数据采集、处理的操作过程，并将所学各个部分知识进行串联。
实践中，相关课程内容具有一定的局限性。一是学科交叉融合不足。涉及农学知识与大数据的相关课程内容设计不丰富，学生较难利用所学多门课程知识分析综合性农业问题，例如，农产品市场波动受气候条件、种植方法等的影响，由于相关学科交叉融合程度不足，部分学生难以建立综合性问题的解决模型[6]。二是教学内容暂未与行业发展同步更新。智慧农业行业的技术更新较快，新的行业应用技术、分析模式层出不穷，而部分课程暂未引进最新的行业技术知识，其内容与行业发展需求衔接不足。
1.2 实践教学方面
实践教学条件有限，校内实践教学场地可以仿真部分农业生产过程，但对于规模较大的农业生产来说，其所提供的数据在种类和复杂程度方面显得不足，学生实际应用能力难以得到锻炼。实践教学基地数量不足，部分学生实践实习机会较少。常规实践教学模式下，部分学生的自我探索积极性未被充分激发，创新意识不足。另外，教学实践考核评价不够全面，对于学生的实践作业缺乏创新性运用及价值性思考等方面的评价标准，难以客观反映学生真实的实践能力。
2 人才培养体系构建与实践
为确保农业大数据课程内容足够充实，满足学生的学习需求，根据农业产业发展需求，结合创新创业型人才培养理念，通过优化课程设置、创新教学模式、加强实践教学、强化实践教学、深化校企合作、完善评价体系等途径，构建智慧农业大数据人才培养体系，以提升学生农业知识创新能力，培养精通农业大数据的高素质人才。
2.1 优化课程设置
加强智慧农业产业发展研究，明确智慧农业发展的大数据人才需求，设置与农业生产、经营管理与决策相适应的大数据人才培养课程。加强跨学科课程设置，增设农业物联网数据采集与分析、植物病虫害智能监测与预警、智慧农业精准营销等课程，培养学生理论联系实际的能力。加强不同课程内容之间的衔接，系统梳理知识体系，由浅入深开展教学，即从农业基础知识入手，到大数据技术的基本原理，再到复杂的数据算法分析，同时辅以智慧农业应用的实践成果，及时调整授课内容，使知识环环相扣，帮助学生系统掌握的专业知识与行业发展需要同步。
2.2 创新教学模式
充分利用项目导向教学、案例教学、小组研讨式教学法等方式[7]。结合智慧农业项目，在分组探讨的基础上，让学生在项目化教学实践中获取知识并掌握实践技能，充分激发其学习积极主动性；结合现代信息技术，构建线上线下相结合的智慧化教学平台，利用平台上丰富的视频课件、虚拟实验室等优质教学资源，拓宽学生学习渠道，满足其个性化学习需求。同时，及时关注行业发展动态，定期邀请智慧农业领域专家学者到校举办讲座活动，介绍行业最新发展情况、技术应用成果等，拓宽学生学术视野。
2.3 强化实践教学
充分利用校内模拟农业生产环境的大数据实验平台，配备相应的硬件设备及软件处理工具，组织学生对农业生产环境进行数据采集、加工、分析处理等实践应用，培养其解决实际问题的能力；鼓励引导学生积极参与企业委托的横向课题，以及创新创业大赛、挑战杯等活动，全方位培养学生的创新意识、团队协作能力，增强其综合应用能力[8]。此外，引进虚拟仿真技术，构建虚拟农业生产环境，通过系统仿真农业生产环境，让学生在模拟环境中进行数据采集、加工及处理应用，丰富实践教学方式。
2.4 深化校企合作
对接智慧农业类企业[9]，校企双方共同制订人才培养目标、优化课程体系、加强师资队伍建设，使培养的人才符合企业用人需求；共建农业生产大数据模拟实践平台，使教育链有机融入和对接产业链。邀请具有丰富实践经验的企业技术人员作为校外实践教学指导教师，全面参与实践教学，给予学生个性化的职业生涯辅导；在师资共享方面，企业导师承担30%以上的实践类课程教学，学校教师到企业轮岗1个月以上，以紧密衔接教学与实践。
2.5 完善评价体系
创新实践教学考核评价方式，形成知识掌握（40%）+实践能力（30%）+创新素养（20%）+职业素养（10%）的多元化评价体系，将项目成果、实践操作、职业资格鉴定纳入评价体系，全方位、全过程、多角度、多层次地对学生的职业发展能力进行综合性评价[10]，引导其通过评价结果进行个性化学习，根据评价结果再次调整优化教学内容、改革教学方法，以不断提升人才培养质量。
3 人才培养体系实践成效
实践表明，该人才培养体系的应用取得了一定成效。与某有机智慧农业科技公司合作实施大棚蔬菜项目，学生通过参与项目，对大棚的湿度、温度等数据进行采集分析，设计出蔬菜种植优化方案。在2022年“挑战杯”河南省大学生创业计划竞赛中，学生团队制作的数字孪生绿色中草药种植系统获得了银奖，并与企业达成项目落地合作意向；此外，获得了2024年中国大学生创新大赛省级三等奖1项，中华职业教育大赛省级三等奖1项，全国大学生职业规划大赛省赛银奖1项、三等奖1项；并有15项创新创业训练计划项目被列入省级训练计划，2项被列入国家级训练计划。2024年，成立“信阳市大别山中药大健康产品开发重点实验室”等市级重点实验室5家，“信阳市农业信息数智化工程技术研究中心”等市级工程技术中心3家；共建校外实习实践基地232个。
智慧农业的兴起对涉农高校大数据人才培养质量提出了新的要求，构建与实践科学合理的人才培养体系有利于推动智慧农业的发展。本文从课程设置、教学方式、实践教学、评价机制等方面入手进行大数据人才培养模式体系的构建及实践。未来，可重点关注细化人才培养体系和社会服务功能融合等方面，以适应智慧农业不断发展的新形势。