扬州大学信息与人工智能学院（工业软件学院） 王敏 孙小兵
在智能制造与新质生产力驱动下，制造业亟需“懂工业、精软件、善实践”的工业软件交叉型人才。数据结构作为工业软件开发的基础，是连接模型算法与制造场景的关键纽带。扬州大学信息与人工智能学院（工业软件学院）立足“培养服务智能制造业的交叉型软件人才”定位，针对数据结构教学与“工业需求脱节、学生工业软件应用能力薄弱”的问题，探索以制造场景为核心的教学改革，推动“数据结构知识”向“软件开发能力”转化，为工业软件交叉型人才培养提供方案。
制造场景融入教学的核心逻辑与核心痛点
面向工业制造的软件人才需具备“工业认知+软件技术+问题解决”复合能力，智能制造场景为数据结构教学提供了能力培养载体。从生产排程软件的队列调度，到设备健康管理系统的时序数据链表存储，再到质量追溯平台的树形设计，软件核心功能均依赖数据结构。这些场景能让学生理解“数据结构是软件基石”，培养学生 “将制造需求转化为软件方案”的能力，契合学院“立足制造、服务产业”的目标。
当前数据结构教学中，学院培养面向工业制造的软件人才面临以下问题：一是内容脱离工业实际，教材案例多为“图书检索”、“成绩排序”，缺乏生产排程、设备预警等典型工业软件案例，学生难以建立知识与工业软件的关联。二是能力培养偏离需求，课堂侧重理论与通用代码编写，忽视工业软件的“数据处理—结构设计—算法优化 —软件集成”全流程训练，学生缺乏系统思维；三是评价单一，考核聚焦代码正确性，未纳入“结构适配工业场景”维度。解决以上问题需构建“工业场景—数据结构—工业软件—制造应用”教学闭环。
制造导向的数据结构教学改革实践路径
（一）构建分层分类的制造案例库
围绕工业软件开发需求，按“基础开发—软件模块—系统集成”三级梯度设计案例库：基础开发层聚焦工业软件基础功能，如结合产品零部件生产需求，用链表存储工位数据、栈结构保障加工工序，训练基础模块开发能力；软件模块层侧重核心模块设计，如用树形结构开发质量追溯模块、图结构设计资源调度模块，培养模块开发思维；系统集成层聚焦完整场景，引入“设备健康管理系统”等综合性案例，通过设计面向时序数据的存储与索引结构，实现设备运行数据的高效管理与快速检索，并在此基础上支持动态优化与状态预警功能。全面锻炼学生工业级系统开发能力。案例均源自企业共建资源库，嵌入真实数据与参数，确保教学与产业同步。
（二）创新 “四阶递进” 的教学实施模式
依托“理论讲授—案例拆解—实践操作—反思迭代”四阶模式，构建由概念理解到能力生成的系统化教学路径。“理论讲授”以工业问题切入，引导学生理解数据结构原理，例如，从“减少设备停机”场景分析生产任务队列与链表结构的关联，深化学生对结构与效率的认知。“案例拆解”由校企双师主导，按“生产问题—数据特征—结构匹配”的路径转化问题，例如将“缺陷检测”场景抽象为二维数组建模问题，通过像素矩阵的存储与区域遍历,训练学生掌握二维数据的组织与访问方法。“实践操作”依托虚拟仿真平台，组织学生分组优化库存查询、路径调度等任务，实现数据结构在制造信息系统中的可视化应用与算法验证。“反思迭代”由企业工程师点评，对比数据结构在制造场景的适配优劣，助力学生总结优化，形成反馈改进与能力提升闭环。
（三）打造“双师双场协同”的实践教学平台
从“师资”与“场地”两方面搭建实战环境：师资上，组建“学院教师+工业软件工程师”队伍。教师讲理论，工程师解析工业场景。场地方面，搭建虚实结合环境，引入工业互联网仿真平台接入真实设备数据，同时建立校外实践基地，让学生在“模拟工厂”与“真实车间”中实战。
多元教学评价与成效反馈机制
为匹配培养面向“工业制造的软件技术人才”的核心定位与教学改革方向，计划构建“知识—技能—素养”三维评价体系，兼顾过程性成长与终结性成果。过程性评价将关注学生在案例分析、实践操作中的表现，综合衡量其对数据结构知识的理解深度与应用灵活性；终结性评价拟引入校企协同机制，结合制造企业实际需求设定考核方向，重点评估学生将数据结构知识转化为解决真实工业生产问题的能力。
培养面向工业制造的软件人才是学院服务制造业转型的核心使命，数据结构教学是关键环节。通过案例库、教学模式与平台创新，学院正推动“数据结构知识”向“软件开发能力”转化，助力学生成长为“懂制造、会软件”的复合型人才。未来，学院将深化与企业合作，优化教学体系，让数据结构教学成为人才培养基石，为新质生产力发展注入“软件赋能制造”的动力。