張婧婧，高 明，張漢杰

（北京師范大學教育學部遠程教育研究中心，北京100875）

一、問題的提出

課程在高等教育人才培養(yǎng)過程中扮演著重要的角色。當前高等院校的課程通常按照學科類別進行設計，以分科教學的形式進行人才培養(yǎng)[1]。這種人才培養(yǎng)模式是在過去兩個世紀人類知識多元化與專業(yè)化過程中形成的[2]。盡管學科自身發(fā)展經歷了擴展、整合與縮小，但高等教育的重要組織形式并未發(fā)生本質的變化[3]，學科與系別仍然是設計、開發(fā)與實施教學的重要陣營[4]。在這樣的組織模式下，單一學科知識體系不斷細化，不同課程間建立層級關系，逐步形成不同學科領域下豐富的專業(yè)課程。這種精細化的分科課程組織形式，在學科知識傳授和專業(yè)人才培養(yǎng)方面發(fā)揮著重要作用，助力學科朝著專業(yè)化、深入化的方向發(fā)展。

然而，科學技術與經濟發(fā)展日益變化的21世紀對人才具備的核心能力有了新的需求，培養(yǎng)學生的問題解決能力已成為高等教育的首要任務[5-6]。實際問題往往具有真實性、復雜性、跨領域性，在尋求問題的解決辦法時，往往需要跨越學科界限，綜合運用多學科知識。而高等教育中使用的分科教學容易導致學習者的知識結構局限在單一學科內，以致學習者的能力培養(yǎng)與目前科學發(fā)展的實際需求不相符，兩者表現出的沖突和弊端日益突出[7]。鑒于此，越來越多的學者開始關注多學科的整合，以培養(yǎng)具備交叉學科領域知識的人才。打破單一學科界限，強調不同學科之間的關聯融合，已成為高等教育課程發(fā)展的必然趨勢[8]。如目前推行的STAEM教育、跨學科選課、專業(yè)輔修等，都旨在將不同學科知識體系進行有機整合，使學習者能夠拓展自身的專業(yè)領域知識，具備交叉學科的知識儲備。

在傳統(tǒng)高等教育院校中，盡管課程的知識結構會根據社會的發(fā)展與需要進行調整[9]，然而跨學科的課程建設與實施面臨著諸多挑戰(zhàn)[10]。課程體系在很大程度上處于“隱形”狀態(tài)，課程間的關系與課程組織模式并不外顯[11]。堅實的學科壁壘阻礙了學科間資源的共享，跨學科知識體系的建立往往受專家自身學科的影響而偏重于某一學科的發(fā)展[12]，跨學科的課程組織缺乏整體規(guī)劃與協(xié)調等[13]。這主要是因為傳統(tǒng)課程的建設往往遵循各系別的制度，分屬不同學科，建立在不容置疑的學科知識體系之上，由學科專家來負責學科領域的知識生產與課程建設[14]。然而現有人才培養(yǎng)模式下產生的專家往往并不具有跨學科知識體系，通過課程委員會審查課程提案與設計的傳統(tǒng)學科建設方案已不適用于當今跨學科人才培養(yǎng)的需求。結合數據挖掘的專家評審制下的跨學科課程建設與實施，可在一定程度上推動跨學科課程的發(fā)展。

在線教育因其開放性和靈活性，在過去5年內積攢了大規(guī)模數據，可在跨學科學習中扮演重要試驗田[15-16]。MOOCs作為在線學習場景，其課程資源的開放性以及課程選擇的自由性，在一定程度上增加了學習者跨學科領域課程學習的可能性。目前已有MOOCs平臺，如學堂在線（XuetangX）、華文慕課等，在以學科類別呈現大學優(yōu)質課程的同時，依據課程之間的相似度向學習者推薦相關課程，幫助學習者在跨學科學習中遵循一定的認知發(fā)展規(guī)律，以降低在線學習的認知負荷。然而，當前以MOOCs為例，通過課程推薦幫助學習者跨學科學習，實現不同學科課程知識體系之間的交叉的程度尚不明晰。鑒于此，研究采集學堂在線MOOC平臺提供的相關課程推薦數據，通過模擬仿真從學科多樣性與學科聚合性對學科交叉度進行測量，為跨學科課程體系建設提供依據。

二、學科交叉及其評價研究

目前學術界尚未對“學科交叉”形成統(tǒng)一的界定。路甬祥[17]認為“學科交叉是學術思想的交融，實質上，是交叉思維方式的綜合、系統(tǒng)辯證思維的體現?！敝x和平[18]指出“多學科交叉融合是優(yōu)勢學科的發(fā)展點、新興學科的生長點、重大創(chuàng)新的突破點，也是人才培養(yǎng)的制高點?！倍湃A[19]認為學科交叉旨在“促成不同學科科學思想的交融、思維方式的綜合和系統(tǒng)創(chuàng)新思維的形成?！笨偟膩碚f，學科交叉關鍵在于不同學科基于社會發(fā)展需要，在知識、理論、方法、技術與手段等方面的相互滲透、融合[20]。

在學科的交叉性評價研究中，Stirling[21]詳盡論述了學科交叉現象的泛在性，并提出了一個基于學科多樣性來評價學科交叉度的框架，他提出需要從學科豐富度（Variety）、學科均衡度（Balance）、學科差異度（Disparity）三個方面對學科交叉的多樣性進行描述。其中，學科豐富度指一個領域所包含學科種類數量的多少，所含學科種類越多，學科豐富度越高；學科均衡度，指不同學科在該領域所占比例的平衡性，學科分布越平衡，學科均衡度越好；學科差異度，衡量的是該領域內不同學科之間的距離，學科之間距離越大，學科之間的差異度也越大。隨后，Rafols 和Meyer[22]對該框架進一步補充，他們認為在對學科交叉度進行評價時，除從學科多樣性維度進行測量外，還需將多學科所形成的網絡結構中各學科在網絡中的位置與網絡結構特征作為學科聚合性維度納入考慮。在學科聚合性的測量上，通常通過網絡測量指標，如網絡密度、節(jié)點的中介中心度、節(jié)點所處網絡的核心位置等，對學科聚合性進行描述。

對于學科交叉情況的評價，高等教育領域多從思辨與理論溯源的視角展開研究，鮮有基于數據挖掘的實證研究。李克武等[23]通過學科交叉形式培養(yǎng)本科拔尖創(chuàng)新人才進行了探討。杜衛(wèi)等[24]論述了學科交叉在應用型本科院校人才培養(yǎng)以及學科建設的作用。羅勤等[25]在對高校學科交叉困境分析的基礎上，提出高校應在明確學科交叉認知層面及價值取向的基礎上，尋求學科交叉的發(fā)展。

實證研究歸屬于文獻計量學領域，主要以三類關系來測量學科交叉度。

一是以共詞關系作為基本分析單位的學科交叉度研究。這類研究是基于不同詞匯共同出現的概率來量化并測量不同詞匯所代表的學科或研究主題間的關系[26]。通常，這類研究識別文本數據中的關鍵詞，借助不同關鍵詞共同出現的次數來構建共詞網絡，通過對網絡可視化來解析網絡的特征，發(fā)現不同領域中的學科、主題之間如何建立聯系[27]。雖然基于學科共詞網絡的分析能用來表征學科之間的合作關系，但這個研究方向重點關注學科與學科之間的邊緣位置，即挖掘不同學科間可能存在交叉的研究主題，并預測領域研究未來的發(fā)展趨勢[28]。

二是以研究者合作關系為分析單位的學科交叉度研究。這類研究通常從組織架構中的部門聯系、合作成員關系以及科研人員協(xié)作關系出發(fā)，通過人員關系去反映不同學科之間的交叉情況[29]。也有研究基于期刊論文提取研究者信息，通過不同領域研究者共同發(fā)表文獻情況對領域間的交叉程度進行測量[30]。

三是以學術論文引用關系為分析單位的學科交叉度研究。這類研究在獲取特定學科領域論文的基礎上，通過論文的引用關系建立網絡來反映不同學科相互交叉、彼此滲透的程度。在這方向，目前已形成完善的分析框架和測量指標。同時通過時序分析觀察特定領域學科交叉情況發(fā)展趨勢，已成為當前學科交叉研究中的重要評價方法[21-22]。以往學科交叉的評價研究，通過大量的關系數據構建網絡，利用網絡分析的優(yōu)勢對學科的交叉情況進行測量，推動對學科交叉的認識，然而針對科學研究中的學科交叉的成果，還難以對以人才培養(yǎng)為目的的課程建設提出建設性意見。作為培養(yǎng)跨學科科學人才重要力量的課程建設已嚴重滯后于社會與科學的發(fā)展。

三、研究設計

（一）研究對象及數據

研究采集學堂在線平臺中的課程數據進行分析。該平臺的課程資源頁面不僅包含該課程來源、課程所屬學科分類等課程相關描述信息，還為學習者推薦了3門相關課程。通過相關課程推薦功能，平臺課程之間得以實現關聯，共同構成課程資源網絡。

在研究數據的選擇上，研究以2016年通過爬蟲獲取的課程數據為例。截止到2016年，該平臺共有964門課程，其中558門課程引用自其他MOOC平臺，如edX。這些引用課程的學科分類信息源自最初的MOOC平臺，且與學堂在線的學科分類存在著差異，如edX提供30個不同的學科分類，而學堂在線僅提供21個不同的學科分類。另外，在課程類別的設置上，該平臺為部分課程設置了兩個學科類別，如《食物營養(yǎng)與食品健康》這門課程，它既屬于社科·法律學科（第一學科分類），同時也屬于醫(yī)學·健康學科（第二學科分類）。研究以學堂在線的第一學科分類為基準，將edX的學科分類對應地納入到學堂在線學科分類中，同時將“創(chuàng)業(yè)”這一學科分類納入到“經管·會計”學科分類中，并將平臺提供的常規(guī)學科類別外的課程，如“大學先修課”類別剔除。最終，研究選擇課程數量排名靠前的計算機、工程、經管·會計、社科·法律4個學科為例，對學科交叉進行模擬并對學科交叉的程度進行評價。

（二）研究工具與方法

1.課程推薦網絡的構建

研究基于所采集的課程數據，依據課程之間的推薦關系，如根據課程“計算機科學和Python編程導論”推薦相關課程“計算思維和數據科學導論”“人人都能學計算機：計算機科學入門與Python編程”“Python程序設計基礎”，建立推薦課程之間的不對稱關系，形成課程的有向推薦網絡。在課程推薦網絡中，節(jié)點表示課程，連接表示課程之間存在推薦關系，連接所指方向由推薦課程指向被推薦課程。

2.學科交叉模擬

傳染病模型（Susceptible-Infected model， SI）是模擬人口疾病傳播的一種簡單、常用的模型[31]，通常用于對網絡中兩個群體的交互進行建模。在該模型中有如下假設：

（1）總體數量固定，通常使用N表示。

（2）總體中存在兩類個體，其中“S”代表易感染個體（Susceptible），即沒患病但極容易感染的個體；“I”代表患有該疾病且具有感染性的個體（Infected）。S、I以及N之間總是滿足S + I = N。

（3）疾病通過個體對之間的相互作用進行傳播（從感染個體到易感個體）。

（4）在整個過程中，0和1之間的感染率恒定。

研究采用SI模型對學習者在課程推薦網絡中的學習跳轉行為進行模擬，識別如何跨學科獲取課程，即將學習者通過點擊當前課程的推薦鏈接跳轉到另一門課程資源類比為疾病從感染個體I傳播到易感個體S。在傳播過程中，只有兩類個體（課程），其中易感染個體S對應未訪問的課程，患病且具有感染性的個體I對應已訪問的課程。相應地，網絡中的課程數量恒定，等于未訪問課程和已訪問課程的總和。學習者在一定概率下通過推薦鏈接來獲取相關課程。

3.學科交叉度測量指標

研究選擇從學科多樣性和學科聚合性兩個維度對學科交叉度進行評價。選擇的具體測量指標及其含義如表1所示。

表1 學科交叉度測量指標

四、研究結果

（一）學科交叉模擬結果

以工程學科為例，學科交叉模擬過程如下：第一輪，采用傳染病模型（SI）識別出80門新的跨學科課程，添加至工程學科的課程網絡；第二輪，識別出97門新的相關課程。通過重復上述步驟，不斷往工程學科中添加跨學科相關課程，直至第7步該學科無新課程加入。

在交叉模擬過程中，4個學科均需7～11步達到收斂狀態(tài)，即需要經過7～11次的識別與添加，才無新的跨學科課程加入到本學科課程網絡。

在向4個學科不斷添加課程形成跨學科網絡的過程中，學科類別增長情況如圖1所示。從圖中可以看出，在向某一學科添加跨學科課程初期，學科類別迅速增長，此后學科類別增長速度趨于平緩，最終涵蓋的學科類別數飽和。最終形成的4個學科跨學科課程網絡結構如圖2所示。經分析發(fā)現，形成的4個跨學科課程網絡中大約均有500門課程，其中共有課程為392門；每兩個學科課程網絡之間至少約有75%的相同課程；每個學科網絡中特有的課程大約為50～80門。此外，在計算機學科交叉課程網絡中，大多數新增課程來自工程、經濟學、物理和數學學科；在經管·會計學科交叉課程網絡中，來自計算機學科和工程學科課程居多；在社科·法律學科交叉課程網絡中，增添的課程大部分來自經管·會計和計算機學科。

圖1 學科交叉模擬過程學科類型增長情況

（二）學科多樣性分析

1.學科豐富度

學科豐富度用于衡量一個領域所包含學科種類數量的多少。在測量方面，研究采用跨領域引用指數（COC），測量結果如圖3（a）所示。從圖中可以發(fā)現，隨著學科課程類別的增多，4個學科引用其他學科課程的比重呈現出較一致的變化趨勢，即表現為從初期的快速增長到后期的趨于平緩。這表明在學科交叉初期，會有大量不同類別的學科課程涌入到當前學科領域，使得當前學科的領域豐富度迅速提升，不同學科課程彼此之間開始建立聯系，形成一系列新的課程組合。在4個學科課程網絡中，社科·法律學科網絡在第一輪課程引入后，其跨領域引用指數處于一個較高的水平，這是因為社科·法律課程網絡中已存在大部分具有第二學科屬性的課程（42.86%），在跨學科網絡模擬初期，推薦課程多來自不同類別的學科。相對而言，經管·會計課程網絡盡管擁有最多第二學科屬性的課程（64.41%），但是在跨學科網絡模擬初期，推薦課程多來自相同類別的學科，導致其學科豐富度較低。計算機學科本身含有的第二學科屬性的課程最低（14.13%），在學科交叉的融合過程中，學科的豐富度一直低于其他3個學科。隨著越來越多不同類別學科課程的引入，網絡中課程的學科類別比重趨向于穩(wěn)定，不同學科間的學科豐富度趨于一個相對穩(wěn)定的狀態(tài)，不同學科的課程之間逐漸形成一個豐富度相對固定的交叉融合模式。

圖2 四個學科經交叉模擬形成的課程網絡結構

2.學科均衡度

學科均衡度指不同學科在某一領域所占比例的平衡性，不同學科分布越平衡，學科均衡度越好。研究使用信息熵對4個學科交叉課程網絡進行測度，結果如圖3（b）所示。從圖中可以發(fā)現，隨著不同類別學科課程的引入，4個學科的信息熵均呈上升趨勢，且最終都能達到一個較高且接近的值。這表明在最終形成的4個學科的跨學科課程網絡中，不同學科課程均衡度較高，不同學科都占據著一定分量，不會出現一家獨大的情況，跨學科課程體系的多樣性程度較為均衡。

由圖3（b）可知，在4個學科中，計算機學科的初始信息熵最低，這表明在計算機學科領域，初期推薦的課程可能主要以本學科課程為主，而其他學科課程的比重偏低，即此時的跨學科均衡性較低。而社科·法律學科網絡則相反，在引入不同學科課程初期就擁有較高的信息熵，且與最終學科網絡的信息熵差距較小。這主要是由于社科·法律學科的早期跨學科網絡中，存在大量擁有兩個學科類別的課程（42.86%），而且推薦的課程中不同類別的學科較多，從而在最終形成的學科交叉課程網絡中不同學科之間的平衡性較好，領域多樣性較高。研究發(fā)現，社科·法律學科網絡和工程學科網絡的信息熵在達到最大值之后，出現略微下降，然后才達到穩(wěn)定的趨勢。這是因為在引入一定量不同類別學科課程后，兩個學科的均衡度已達到最優(yōu)。隨后，過多非本學科課程的繼續(xù)引入反而導致學科的均衡度略微下降。

3.學科差異度

學科差異度用于衡量某一領域內不同學科之間的距離，學科之間距離越大，學科之間的差異度也越大。研究使用Rao-Stirling指數對學科差異度進行測量，結果如圖3（c）所示。從圖中可以發(fā)現，4個學科網絡在開始引入相關課程時，Rao-Stirling指數都極低，之后隨著其他課程的繼續(xù)加入呈現上升趨勢，最終達到一定的值。這表明在引入相關課程的過程中，學科豐富度與均衡度快速提升的同時，學科的差異度提升并不顯著。也就是說，盡管在跨學科網絡中引入課程的學科類別快速增多，學科比例較為平衡的情況下，引入課程的學科與本學科的差異性雖然不大，但也呈現緩慢增長的趨勢。在4個學科網絡的學科差異度上，與其他3個學科課程網絡相比，計算機學科網絡最終的Rao-Stirling指數值要低于其他3個學科，也就是說計算機學科網絡的學科差異度要低于其他，3個學科。這進一步表明在計算機學科內，推薦課程的學科與計算機學科的相關性最強。

（三）學科聚合性分析

1. 學科緊密程度

研究使用網絡密度指標來衡量學科緊密程度，結果如圖4（a）所示。由圖4（a）可知，課程網絡中學科緊密程度并不高。隨著相關課程的不斷引入，4個學科的課程網絡密度都呈現下降趨勢。這說明在引入其他學科課程后，學科課程之間的關聯程度已沒有單一學科時課程之間關系緊密。在引入不同類別學科課程初期，課程之間的緊密程度下降得最為明顯。隨著進一步引入課程，學科課程網絡密度下降開始趨于平緩，有的學科甚至還出現了上升的趨勢，如工程、經管·會計與社科·法律。這表明隨著越來越多課程的加入，本學科課程能夠逐漸和這些新引入的課程建立更為緊密的關系。另外，隨著不同類別學科課程的引入，社科·法律學科課程網絡密度下降的幅度要低于其他3個學科，這說明社科·法律學科課程更容易和其他學科課程建立起緊密聯系，這類課程知識容易和其他課程知識進行交叉融合。

2.學科中介作用

在探究跨學科課程網絡中本學科對其他學科知識吸收以及傳播效率的中介作用時，研究使用中介中心度進行測量，結果如圖4（b）所示。中介中心度常用以表示網絡中經過某一節(jié)點的捷徑數，某一節(jié)點中介中心度越高，其所扮演的中介作用越大。從圖中可以發(fā)現，雖然隨著學科外課程的不斷引入，4個學科課程網絡的中介中心度存在一定的波動，但總體呈現上升趨勢。這說明當學科外課程數量越來越多時，本學科課程相對其他學科課程仍然扮演重要的中介作用，在不同學科的交叉過程中起到橋梁作用。也就是說，這樣的跨學科課程網絡在學科多樣性增強的同時，更能突出某些課程的重要性與中介作用，有利于在跨學科學習中有的放矢。在不斷引入不同學科課程時，與其他學科相比，工程學科的中介中心度上升幅度較小，這表明工程學科跨學科網絡中本學科課程在知識吸收以及傳播中起到的中介作用較小。與之相反，在這過程中，社科·法律跨科學課程網絡卻出現了最高的中介中心度，這說明在社科·法律學科網絡中，社科·法律類課程發(fā)揮著重要的中介作用，能夠成功地將大量學科外課程連接起來，控制不同學科課程間的信息流通。

圖3 學科多樣性

圖4 學科聚合性

3.學科影響力

在對學科影響力進行測量時，研究使用的是k-shell分解方法，即通過計算當前學科課程在網絡中的平均k-shell值對當前學科在跨學科網絡中的影響力進行測量，結果如圖4（c）所示。從圖中可以發(fā)現，隨著其他學科課程的不斷加入，4個學科在其課程網絡中的位置也隨之不斷上升，最終趨于穩(wěn)定。這說明當不同學科課程數量越來越多時，這4個學科在其跨學科課程網絡中的影響力也在不斷增強，并不會因為學科多樣性的增強而影響本學科的地位。此外，研究還發(fā)現，在初步引入其他學科課程時，工程學科和計算機學科的平均k-shell值相對來說更高，這表明在這兩個學科內，本學科課程的影響力較強，加入的不同學科課程往往受到本學科課程影響，進一步增大本學科的影響力。

五、討論與結論

研究以2016年“學堂在線”MOOC平臺課程及其課程推薦數據為例，利用傳染病模型（SI）對通過推薦機制實現學科交叉進行了模擬，并從學科多樣性和學科聚合性兩個維度對學科交叉程度進行了評價。研究選擇跨領域引用指數、信息熵、Rao-Stirling指標表征學科多樣性，發(fā)現測量學科豐富度與學科均衡度的兩個指標具有較強的一致性，這與以往研究中測量學科多樣性的信息熵指標可綜合表征學科豐富度與學科均衡度一致[35]，Rao-Stirling指標的變化較小，但趨勢明顯，為評價學科多樣性增加了更為豐富的指標。此外，研究選擇學科密度、中介中心度、k-shell指標表征學科聚合性，密度這一指標的變化趨勢特別微小，中介中心度的波動幅度較大，正如文獻中指出k-shell值這一指標能更好表征節(jié)點（課程）在網絡中的位置或作用[36-37]。研究結合以上6個指標從學科多樣性和學科聚合性兩個維度綜合討論了4個學科的交叉程度。

第一，總體上審視4個學科在跨學科課程模擬過程中的學科多樣性和學科聚合性，研究發(fā)現，4個學科在學科交叉程度的變化趨勢上呈現較強的一致性。4個學科的跨領域引用指數、信息熵、Rao-Stirling指標在交叉模擬過程中呈現先上升后逐漸穩(wěn)定的趨勢；網絡密度指標呈現先下降然后趨于穩(wěn)定的趨勢；中介中心度指標有所波動，但呈現上升趨勢；k-shell指標呈現先上升后穩(wěn)定的趨勢。這表明隨著跨學科課程的引入，4個學科所容納學科類型快速增多，學科均衡性增強，差異性小幅度提升，學科之間的緊密程度雖有下降，但4個學科在最終跨學科網絡中的核心地位卻在增強。

第二，研究發(fā)現，在4個學科中，社科·法律和經管·會計兩個學科的跨領域引用指數、信息熵、Rao-Stirling 3個指標值相對較高，而在k-shell指標上處于較低水平。究其原因，一方面，經管·會計和社科·法律兩個學科中，同時擁有兩個學科類別的課程數量較多，分別占各自課程總數的64.41%和42.86%，而計算機（14.13%）和工程學科（25.53%）占比則較小。另一方面，由于社科·法律和經管·會計兩個學科大多屬于社會科學類，更為包容其他學科的理論、技術與方法等，能夠更大程度地引入其他學科的課程，增大跨學科網絡的多樣性。然而這樣的社會科學類學科，特別是經管·會計學科在跨學科課程建設過程中，應更加注意本學科所扮演的中介作用與影響力，避免本學科課程淪為跨學科課程體系中的邊緣課程。

第三，工程和計算機學科在跨學科引用指數、信息熵、Rao-Stirling學科密度指標以及中介作用指標呈中等偏下水平，而k-shell指標上則處于較高水平，具體表現為在跨學科網絡演化過程中追求“質”（推薦的課程大多為當前課程的前置課程或者基礎課程）而非“量”（指所涉及其他學科的種類及課程數目）。這種現象的產生很大程度上源于其學科性質。例如，工程學科源于生產實踐、科學發(fā)現以及學科的分化與綜合[38]，旨在促進社會的生產與實踐。因而，工程學科在尋求其他學科知識的支撐時，更傾向于選擇化學、計算機科學等基礎與技術學科[39]。那么，這兩個學科在跨學科課程體系建設上，可關注學科多樣性的發(fā)展，在聚合性方面增強跨學科課程間的緊密作用與本學科課程的中介作用。

MOOC通過匯聚世界各大名校課程，開放共享給學習者，并通過相關課程推薦，為學習者進行跨學科學習，綜合性人才培養(yǎng)提供了可能。這一類在線教育實踐為研究跨學科課程建設提供了寶貴的研究數據，可以看到，跨學科課程建設并非“多學科”融合，僅通過學科數量來評價跨學科課程的建設，只是測量了學科多樣性中的豐富度，而忽視了學科發(fā)展的均衡性與差異性，易出現“一家獨大”的跨學科課程體系的假象，在跨學科課程設置時出現“復而不和”的局面[13]，不利于培養(yǎng)知識體系多元化的21世紀人才，無法適應不斷變化的社會、科學、文化與經濟的訴求。只重視跨學科課程體系中學科的多樣性發(fā)展，忽略學科的聚合性，會導致跨學科人才培養(yǎng)出現“一把抓”和“什么都學”但“什么也不會”的現象，這樣的人才培養(yǎng)模式多出現在社會科學類的學科。鑒于此，在知識不斷推陳出新的今天，完全依賴學科專家負責學科的知識生產與課程建設已難以建設滿足當今世界跨學科人才的培養(yǎng)。在更多高等院校學科數據可獲取與分析的前提下，亟待基于數據挖掘的跨學科課程體系分析，綜合考慮學科的多樣性與聚合性等評價指標，在學科專家的引領下，推動我國高等教育跨學科課程體系的改革。