数据，这一数字时代的核心资源，其价值释放的程度取决于我们能否培育出一支规模宏大、结构合理、素质优良的人才队伍。近期，国家发展改革委、国家数据局、教育部等五部门联合印发《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》（以下简称《意见》），为擘画数据要素学科与数字人才培养提供了清晰的顶层设计与行动指南。面对数字经济高质量发展的迫切需求与全球数字治理格局的激烈博弈，围绕如何加强数据要素学科系统性建设、加速复合型数字人才培养等时代必答题，本报记者采访了相关学者。
PART 01
产业实践推进学科构建
数字经济纵深发展，数据要素的核心驱动作用日益凸显。然而，与产业实践相比，与之相匹配的学科体系与人才供给却面临结构性挑战。当前，我国数据要素学科建设虽已起步，但深层次问题却不容忽视。比如，数字人才供需失衡，关键环节存在“卡脖子”缺口；学科基础理论薄弱，课程设置“拼盘化”现象突出；理论分散于经济学、管理学、计算机科学等多学科，缺乏统一、自主的话语体系。
中国社会科学院财经战略研究院副院长尹振涛提出，部分院校师资与数理基础薄弱，导致人才培养难以体系化。首都经济贸易大学教授李平也认为，坚固的学科壁垒、短缺的优质实践资源、不健全的理论体系，严重制约了数据要素学科的纵深发展。数据要素并非传统生产要素的简单数字化延伸，其非竞争性、可复制性、价值情境依赖性、产权复杂性等独特属性，要求我们必须建立一套全新的认知框架与分析范式。南开大学教授李磊阐释道，成熟的数据要素学科体系，核心知识构成应围绕数据资源化、资产化、资本化的全生命周期系统构建，包含基础制度、市场机制、价值实现、治理体系四大支柱。这绝非多学科的简单叠加，而是基于数据作为新型生产要素特殊性的深度融合与理论创新，根本目标在于系统回答数据如何通过确权、定价、流通实现社会化配置与经济价值创造，而非单纯追求技术优化。
因此，将数据要素学科建设提升至国家战略基础设施的高度，加快探索设立“数据要素与数字经济”等交叉一级学科，建立一体化的师资、教材、科研与评价机制，已成为打通教育、科技、人才良性循环，夯实数字经济发展根基，争夺全球数字治理规则制定权的关键路径。
构建立足中国实践、引领国际前沿的数据要素自主知识体系，是学科建设的灵魂，也是人才培养的根基。这要求学术界必须勇于突破两大核心“卡点”。北京师范大学法学院教授吴沈括认为，要构建跨学科知识体系的整体理论。数据要素天然横跨法学、经济学、计算机科学、管理学等多个一级学科，必须坚决打破传统学科壁垒，推动围绕数据要素实现研究范式的深度融合。
这一自主知识体系的构建，离不开丰富的中国场景与实践滋养。我国拥有全球最庞大的数据资源、最丰富的应用场景和最具活力的数字经济生态，这为理论创新提供了独一无二的“富矿”。从长三角产业链的数据互联实践，到中小企业数据资产质押融资的探索，再到跨境数据流动的合规尝试，这些生动的“中国案例”都应成为理论构建的源头活水，推动形成具有中国特色、解决中国问题的数据要素学科范式。
PART 02
创新育人模式破解“学用脱节”痼疾
数据要素学科实践性强、迭代迅速，传统封闭式、理论化的育人模式已难以为继。《意见》的出台，正着力推动一场深层次的产教融合变革，旨在彻底破解人才培养与产业需求“两张皮”的难题。北京大学经济学院教授沈燕认为，相较于传统的点对点校企合作，未来应着力构建以数据要素为核心驱动的开放育人生态。《意见》提出的“市域产教联合体”和“跨区域产教融合共同体”是两种重要新模式。她建议，可依托政府公共数据平台或行业数据空间，构建共享的教学数据资源池，将脱敏后的企业真实生产数据转化为教学案例和实训项目，让人才培养深度融入产业创新流程。在激励机制上，需创新设计，平衡企业短期利益与长期人才培养目标。沈燕提出“分层共赢”机制。短期，企业可通过提供定制化培训模块，快速获取急需的技能人才；长期，则可通过开放数据资源、设立联合课题、共建实习实训基地等方式深度参与人才培养，换取技术成果转化的优先权或共同知识产权。政府层面可配套设立产教融合引导基金或实施税收优惠，分担企业参与成本，形成“政府引导、产业主导、院校主体、社会参与”的良性循环。
更为突破性的尝试是“揭榜挂帅”模式的引入。《意见》提出，依托优势高校建设运营数据要素产教融合创新平台，以“场景驱动、企业主体、学科交叉”为原则发布攻关榜单。尹振涛认为，榜单必须源于实体经济真实痛点，如智能制造产线的数据优化、跨境贸易中的数据合规流转等。由政府依托数据要素综合试验区发布榜单，由龙头企业担任用户代表，将真实数据、真实算力需求、真实收益预期写入标书，杜绝“纸上谈兵”。创新平台内部需打破院系围墙，采用矩阵式组织模式，让算法工程师、产业专家、政策研究员等合署办公，围绕共同目标协同攻关，并实行混合产权激励，真正“把论文写在生产线上”。
数字时代所需的人才，是兼具技术深度、产业洞察、人文素养与全球视野的复合型人才。这对高校人才培养提出了根本性的范式转变要求。这一转变的核心在于“破界”与“务实”。沈燕认为，要优化学科专业布局，推动人工智能、数据科学与人文、理学、社会科学深度交叉融合，扭转“工科进、人文理工退”的片面倾向，为应对下一代人工智能（如推理大模型）等前沿发展储备跨学科知识。必须将行业真实数据集与复杂业务场景深度引入教学全环节，让学生在解决真实问题中构建能力。通过灵活机制大力引进产业专家，推动学术界与业界共同设计能动态响应技术产业变革的培养方案。
然而，范式转变在具体教学要素上仍面临严峻挑战。李磊分析，当前在师资、课程、教材三方面存在“跨学科供给不足”与“内容迭代滞后”的叠加困境。师资上，既懂技术又懂经济治理的复合型教师稀缺，产业专家则往往缺乏系统理论梳理能力，产教间缺乏稳定的“旋转门”机制。课程上，体系碎片化，未能围绕“数据价值链”等核心逻辑进行重构，导致数据资产入表、数据信托、隐私计算等前沿内容供给严重滞后。教材建设上，面临标准缺失与高质量本土案例匮乏的双重制约。
因此，未来必须着力实施“强师计划”，强化跨学科师资培养与引进；加快课程内容更新迭代机制建设，打造模块化、项目化的课程体系；集中力量建设一批反映中国实践、解决中国问题的高质量本土化案例库与教材。
尤为重要的是，面向未来的数字人才绝不能仅仅是“技术工匠”。吴沈括表示，培养人才必须超越单纯技能训练，系统培养人才的数据伦理意识、跨文化沟通能力以及对数字社会发展规律的理解力。应将数据伦理教育深度融入专业课程与实践环节，引导学生思考隐私、公平、问责、技术向善等核心议题。
PART 03
多层次培养体系加速形成
从顶层设计到基层实践，一个多层次、复合型的数字人才培养体系正在加速成型。在政策与基础设施层面，截至2025年，我国在科学、教育等领域已建成高质量数据集超10万个，规模超过890PB，加之“东数西算”国家算力网络和涵盖48项国标、行标的标准体系，共同为学科发展与人才培养奠定了丰厚的“数据土壤”与坚实基座。
在院校实践层面，百花齐放。综合性高校与特色学院聚焦前沿创新与交叉融合，如多家国家科学数据中心联合构建协作式数据基础设施CoNet，建成科学数据协作调度平台，有效支撑了跨学科大科研与人才培养。职业院校则紧密对接产业，着力培育“数字工匠”。此外，广泛开展面向媒体人、产业工人、青少年等全社会各群体的数字素养提升培训，夯实了数字社会的全民基础。尹振涛表示，纵观当前实践，两条主线日益清晰。一是构建“金字塔式”多层次人才谱系，从顶尖科研创新人才、复合型应用人才到高素质技术技能人才，分类培养路径满足产业全链条需求。二是深化“产教融合、科教融汇”协同育人机制，校企共定方案、共建课程、共担项目成为新常态。
在李平看来，加强数据要素学科建设与数字人才培养，是最根本的引擎与最坚实的支撑。我们要以构建自主知识体系为魂，以深化产教融合为径，以培育复合型人才为本，持续攻坚克难，不断创新突破。从实验室到生产线，再到治理层面的规则探索，一支规模宏大、素质优良的数字人才队伍，必将成为激活数据要素无限潜能、加快发展新质生产力、全面推进数字中国建设的强大动能与坚实基石。
中国社会科学报记者 张译心
来源：中国社会科学报
新媒体编辑：崔岑 曾煜婷（实习）
如需交流可联系我们
热门跟贴