专业代码:080910T
一、专业简介
大数据的技术包括数据收集,数据存储,数据管理,数据分析、数据挖掘多等多个方面,广泛应用于金融证券、电子商务、社交网络、生物医疗等多个领域。本专业是计算机科学、统计科学、软件技术的延伸,旨在培养具有数据获取、传输、存储、分析、挖掘等相关理论和专业知识,且能从事行业大数据分析及应用的高级专门人才。
二、培养目标
本专业培养德、智、体、美全面发展,具有较强的实践能力和创新精神,具有竞争和团队精神,掌握自然科学和人文社会科学基础知识,掌握大数据采集、存储、处理与分析、挖掘与应用等技术,具备扎实的大数据应用理论和知识,能够从事各行业大数据分析、建模、设计、开发和维护工作,亦可从事大数据系统研究与管理工作的高素质应用型人才。
毕业五年后,期望毕业生成长为科研、管理或工程岗位的骨干,并达到:
(1)具有良好的思想道德修养、社会责任感和职业道德,身心健康、认真负责。
(2) 具备优秀的团队协作能力和沟通交流能力,能有效的组织、推进任务的执行。
(3)具有较强的文档编写能力,具备英文文献、资料、书籍的阅读和理解能力。
(4)具备扎实的数学知识与统计学知识,掌握所在专业领域的业务知识,能用数学等自然科学,分析并解决所在专业领域面临的问题。
(5)具备扎实的数据科学与大数据技术的理论知识和技术知识。能利用掌握的专业知识进行的数据分析、问题建模、软件开发、系统维护等工作。
(6)具备较强的自学能力与研究能力,能迅速吸收并掌握最新的数据科学与大数据专业知识,持续提升自身专业素质和文化水平。
三、毕业要求
毕业要求指标点分解
毕业要求 | 二级指标 |
1.工程知识: 能够将数学、 自然科学、 计算机科学、 工程基础和数据科学与大数据技术专业知识应用于解决复杂工程问题。 | 1.1 能够应用数学与自然科学的基本知识正确表述复杂工程问题 |
1.2 能够针对一个系统或者过程应用专业知识建立数学模型。 | |
1.3 能够针对一个系统或者过程应用专业知识解决工程问题。 | |
1.4 能够掌握并应用工程原理和知识。 | |
1.5 能够分析工程问题的解决途径并改进。 | |
2.问题分析: 能够应用数学、 自然科学、计算机科学和数据科学的基本原理, 对复杂工程问题进行识别、 表达, 以获得有效结论。 | 2.1 能将数学、自然科学、工程基础知识用到复杂工程问题的恰当表述中。 |
2.2 具备对复杂工程问题进行识别和判断,并结合专业知识进行有效分解;具备对分解后的复杂工程问题进行表达和建模的能力。 | |
2.3 具备借助文献辅助对复杂工程问题进行识别、表达、建模与求解的能力。 | |
3.设计/开发能力: 能够针对数据科学领域的复杂工程问题, 综合考虑社会、 安全、健康、 法律、 文化及环境等因素, 设计与开发满足客户需求的产品, 并体现创新意识。 | 3.1 具有针对复杂数据工程问题设计出解决方案和实施流程的能力 |
3.2 能够针对数据科学项目需求,运用合理的数据工程理论、方法和技术设计满足特定需求的大数据系统。 | |
3.3 熟悉数据工程系统的基本结构,能够针对不同应用进行合理开发,在开发和解决复杂数据工程问题中体现创新。 | |
3.4 综合考虑社会、 安全、 健康、 法律、 文化及环境等因素论证设计方案的可行性。 | |
4.研究: 能够利用数据科学的相关原理和方法, 进行复杂工程问题的研究, 并通过数据收集、 设计模型、 信息挖掘和综合分析获得合理有效的结论。 | 4.1 能够运用数据科学的研究方法对专业复杂工程问题进行需求分析研究。 |
4.2 熟悉复杂数据工程系统的开发和应用环境,研究制定合理的设计与开发方案。 | |
4.3 能够对复杂工程问题的解决方案进行研究, 找出不足, 提出改进措施, 得到合理有效的结论。 | |
4.4 在复杂数据工程问题的研究中具有创新意识。 | |
5.使用现代工具: 在大数据工程项目的生命周期中, 能够开发、 选择与使用恰当的技术、 资源、 现代工程工具和信息技术工具, 包括对复杂工程问题的预测与模拟,并能够理解其局限性。 | 5.1 理解数据科学与大数据技术常用现代工程工具、信息技术工具的使用原理和方法,并能够理解其局限性。 |
5.2 了解本专业主要资料来源及获取方法,能够利用计算机网络查询、检索本专业文献及资料。 | |
5.3 能够开发、选择和使用恰当的现代工程工具和信息技术工具,对复杂大数据工程问题进行数据获取、处理、分析和系统构建。 | |
5.4 能够选用合适的现代工具对大数据复杂工程问题中的具体对象进行模拟和预测,并能够理解其局限性。 | |
6. 工程与社会:能够基于工程相关背景知识进行合理分析,评价专业工程实践和大数据复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。 | 6.1能够理解数据科学与大数据技术相关领域的技术标准、知识产权、产业政策和法律法规,理解不同社会文化对大数据项目实施的影响。 |
6.2 能够分析和评价大数据工程专业实践对社会、健康、安全、法律和文化的影响,并理解应承担的相应责任。 | |
7. 环境和可持续发展:能够理解和评价针对复杂工程问题的专业工程实践对环境、社会可持续发展的影响。 | 7.1 能够理解环境保护和可持续发展的内涵和意义。 |
7.2能够理解大数据复杂工程问题的专业实践对环境以及社会可持续发展的影响。 | |
8.职业规范:具有人文社会科学素养、 社会责任感, 重视生命和健康, 具备正确的世界观、 人生观和价值观, 具有责任心和社会责任感, 能够理解并遵守工程职业道德和规范, 履行责任。 | 8.1 了解中国国情,热爱祖国,坚持正义,品德良好,身心健康,具有扎实的人文社会科学素养及正确的价值观,理解个人与社会的关系。 |
8.2 具有责任心和社会责任感, 重视生命和健康, 拥有良好的心理素质。 | |
8.3 具备大数据工程师的专业素质、 职业道德和规范, 履行责任,并有个人职业规划。 | |
9.个人和团队: 能够在多学科背景下的项目团队中, 理解团队合作的意义, 及在系统的构思、 设计、 实现、 运行的工程实践中, 承担个体、 团队成员以及负责人的角色, 并开展有效的工作。 | 9.1 理解个人与团队利益的一致性,具有合作精神,能够与项目团队内成员(包括其他学科成员)有效沟通,合作共事。 |
9.2 能够在项目团队合作中独立思考并承担不同团队角色的相应职责,具备有效运作、组织协调能力。 | |
10. 沟通:能够就大数据复杂工程问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。 | 10.1 能够依据相关的工程标准及技术规范,针对复杂工程问题的解决方案与同学、同行及公众进行有效沟通,包括撰写报告、设计文稿、陈述观点、表达意见以及准确回应提问等。 |
10.2 了解专业领域的国际发展趋势、 研究热点,理解和尊重世界不同文化的差异性和多样性。 | |
10.3 掌握一门外语,具有一定的听说、读写译能力;能够在跨文化背景下进行沟通和交流。 | |
11. 项目管理:理解并掌握工程管理原理与经济决策方法,并能在多学科环境中应用。 | 11.1 掌握大数据工程项目中涉及的管理与经济决策方法,了解大数据工程及产品全周期、全流程的成本构成,理解其中涉及的工程管理与经济决策问题。 |
11.2 在多学科环境中能够根据项目特征选择恰当的项目管理方法和经济决策方法。 | |
12.终身学习: 具有自主学习和终身学习的意识, 有不断学习和适应发展的能力。 | 12.1 能够认识到自我探索和终身学习的必要性, 了解和跟踪数据科学与大数据技术专业的最新发展趋势。 |
12.2 具备终生学习的能力、 养成主动学习的习惯、 并应用科学的学习方法做到学以致用。 |
四、修业年限、课时、学分
修业年限:本科专业基本学制为 4 年,弹性学制为 3-6 年
课 时:2308标准课时
学 分:159学分
五、专业类别及授予学位
专业类别:计算类
学 位:工学学士学位
六、专业核心课程
数据结构、Python语言程序设计、数据挖掘、Hadoop大数据技术、机器学习
七、教学计划一览表
表1 通识教育课程一览表
课程名称 | 课程编码 | 课程 性质 | 总课时 | 讲授 课时 | 实践 课时 | 学分 | 开课 学期 | 周课时 | 考核 方式 | 开课 单位 | ||
公共必修课程 | 马克思主义基本原理 | 150111002 | 必修 | 48 | 40 | 8 | 3 | 1 | 3 | 考试 | 15 | |
思想道德与法治 | 150111001 | 必修 | 48 | 40 | 8 | 3 | 2 | 3 | 考试 | 15 | ||
中国近现代史纲要 | 150111004 | 必修 | 48 | 40 | 8 | 3 | 3 | 3 | 考试 | 15 | ||
毛泽东思想和中国特色社会主义理论体系概论 | 150111003 | 必修 | 80 | 64 | 16 | 5 | 4 | 5 | 考试 | 15 | ||
形势与政策 | 150112023 | 必修 | 32 | 32 | 2 | 1-8 | 考查 | 15 | ||||
大学英语Ⅰ | 030111008 | 必修 | 48 | 32 | 16 | 3 | 1 | 3 | 考试 | 03 | ||
大学英语Ⅱ | 030111009 | 必修 | 48 | 32 | 16 | 3 | 2 | 3 | 考试 | 03 | ||
大学英语Ⅲ | 030111010 | 必修 | 48 | 32 | 16 | 3 | 3 | 3 | 考试 | 03 | ||
大学英语Ⅳ | 030111011 | 必修 | 48 | 32 | 16 | 3 | 4 | 3 | 考试 | 03 | ||
大学体育Ⅰ | 100112018 | 必修 | 32 | 2 | 30 | 1 | 1 | 2 | 考查 | 10 | ||
大学体育Ⅱ | 100112019 | 必修 | 32 | 2 | 30 | 1 | 2 | 2 | 考查 | 10 | ||
大学体育Ⅲ | 100112020 | 必修 | 32 | 2 | 30 | 1 | 3 | 2 | 考查 | 10 | ||
大学体育Ⅳ | 100112021 | 必修 | 32 | 2 | 30 | 1 | 4 | 2 | 考查 | 10 | ||
大学生心理健康 | 040112022 | 必修 | 16 | 12 | 4 | 1 | 2 | 2 | 考查 | 04 | ||
大学生劳动素养教育 | 000112027 | 必修 | 32 | 16 | 16 | 1+1 | 1-8 | 考查 | 13 | |||
大学语文 | 020112025 | 必修 | 32 | 32 | 2 | 3 | 2 | 考查 | 02 | |||
职业发展与就业指导 | 000112026 | 必修 | 16 | 16 | 1 | 2/6 | 考查 | |||||
创业基础 | 000112025 | 必修 | 32 | 16 | 16 | 2 | 3 | 2 | 考查 | |||
小计 | 704 | 444 | 260 | 40 | ||||||||
公共选修课程 | 文史经典与世界文化(A) | 选修 | 1-8 | 考查 | ||||||||
数理基础与科学精神(B) | 选修 | 1-8 | 考查 | |||||||||
艺术创作与审美体验(C) | 选修 | 1-8 | 考查 | |||||||||
社会发展与社会责任(D) | 选修 | 1-8 | 考查 | |||||||||
创新思维与创业训练(E) | 选修 | 1-8 | 考查 | |||||||||
小计 | 80 | 80 | 0 | 5 | ||||||||
合计 | 784 | 524 | 260 | 45 | ||||||||
备注:通识教育选修课模块至少选修5个学分,其中创新思维与创业训练模块至少选修1学分。艺术创作与审美体验模块至少选修2学分,社会发展与社会责任模块至少选修一学分“四史”类课程。 |
表2 专业教育课程一览表
课程 名称 | 课程编码 | 课程 性质 | 总课时 | 讲授 课时 | 实践 课时 | 学分 | 开课 学期 | 周课时 | 考核 方式 | 开课 单位 | |
学科专业基础课程 | 高等数学A1 | 050311035 | 必修 | 80 | 80 | 5 | 1 | 5 | 考试 | 05 | |
计算机导论 | 080311008 | 必修 | 56 | 40 | 16 | 3 | 1 | 5 | 考试 | 08 | |
C语言程序设计 | 080311009 | 必修 | 72 | 56 | 16 | 4 | 1 | 6 | 考试 | 08 | |
数据科学导论 | 080311178 | 必修 | 48 | 48 | 3 | 1 | 3 | 考试 | 08 | ||
高等数学A2 | 050311036 | 必修 | 96 | 96 | 5 | 2 | 6 | 考试 | 05 | ||
线性代数C | 050311041 | 必修 | 32 | 32 | 2 | 2 | 2 | 考试 | 05 | ||
Java语言程序设计 | 080311013 | 必修 | 48 | 48 | 3 | 2 | 3 | 考试 | 08 | ||
Java语言程序设计实验 | 080312182 | 必修 | 28 | 28 | 1 | 2 | 2 | 考查 | 08 | ||
离散数学 | 050312102 | 必修 | 48 | 48 | 3 | 2 | 3 | 考查 | 08 | ||
概率论与数理统计A | 050311030 | 必修 | 48 | 48 | 3 | 3 | 3 | 考试 | 05 | ||
数据结构* | 080311010 | 必修 | 64 | 48 | 16 | 3.5 | 3 | 3 | 考试 | 08 | |
数据库原理及应用 | 080311012 | 必修 | 64 | 48 | 16 | 3.5 | 4 | 4 | 考试 | 08 | |
计算机网络 | 080311043 | 必修 | 64 | 48 | 16 | 3.5 | 4 | 4 | 考试 | 08 | |
小计 | 684 | 592 | 92 | 39 | |||||||
专业必修课程 | Python语言程序设计* | 080411076 | 必修 | 48 | 48 | 3 | 3 | 3 | 考试 | 08 | |
Python语言程序设计实验 | 080412189 | 必修 | 28 | 28 | 1 | 3 | 2 | 考查 | 08 | ||
操作系统 | 080411015 | 必修 | 64 | 48 | 16 | 3.5 | 3 | 3 | 考试 | 08 | |
数据采集与预处理 | 080411191 | 必修 | 36 | 36 | 2 | 4 | 2 | 考试 | 08 | ||
数据采集与预处理实验 | 080412192 | 必修 | 28 | 28 | 1 | 4 | 2 | 考查 | 08 | ||
统计分析 | 080411193 | 必修 | 64 | 48 | 16 | 3.5 | 4 | 4 | 考试 | 08 | |
数据挖掘* | 080411194 | 必修 | 48 | 48 | 3 | 5 | 3 | 考试 | 08 | ||
数据挖掘实验 | 080412195 | 必修 | 28 | 28 | 1 | 5 | 2 | 考查 | 08 | ||
Hadoop大数据技术* | 080411196 | 必修 | 32 | 32 | 2 | 5 | 2 | 考试 | 08 | ||
Hadoop大数据技术实验 | 080412197 | 必修 | 28 | 28 | 1 | 5 | 2 | 考查 | 08 | ||
非结构化数据库 | 080411198 | 必修 | 52 | 36 | 16 | 2.5 | 5 | 3 | 考试 | 08 | |
计算机组成原理 | 080411023 | 必修 | 64 | 48 | 16 | 3.5 | 5 | 4 | 考试 | 08 | |
软件工程 | 080411019 | 必修 | 64 | 48 | 16 | 3.5 | 6 | 4 | 考试 | 08 | |
机器学习* | 080411201 | 必修 | 64 | 48 | 16 | 3.5 | 6 | 3 | 考试 | 08 | |
数据可视化技术 | 080412202 | 必修 | 32 | 32 | 2 | 6 | 2 | 考查 | 08 | ||
数据可视化技术实验 | 080412203 | 必修 | 28 | 28 | 1 | 6 | 2 | 考查 | 08 | ||
Spark大数据分析技术 | 080411204 | 必修 | 32 | 32 | 2 | 6 | 2 | 考试 | 08 | ||
Spark大数据分析技术实验 | 080412205 | 必修 | 28 | 28 | 1 | 6 | 2 | 考查 | 08 | ||
小计 | 768 | 504 | 264 | 40 | |||||||
专业选修课程 | Web程序设计 | 080522206 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | |
数据采集技术 | 080522207 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
人工智能 | 080522034 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
云计算技术 | 080522209 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
信息安全 | 080522210 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
Docker容器技术 | 080522211 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
算法设计与分析 | 080522212 | 选修 | 36 | 36 | 2 | 7 | 2 | 考查 | 08 | ||
小计 | 72 | 72 | 4 | 4 | |||||||
合计 | |||||||||||
备注: |
表3 实践、创新创业、社会责任教育环节一览表
名称 | 学分 | 开设学期 | 时间安排 | |
学校集中安排实践环节 | 国防安全教育(含军训) | (2) | 1 | |
劳动教育 | (2) | 1-8 | 4周 | |
社会实践 | (4) | 假期 | 4周 | |
工程训练 | ||||
学院集中安排实践环节 | Java语言程序设计课程设计 | 1 | 2 | 2周 |
Python语言程序设计课程设计 | 1 | 3 | 2周 | |
Hadoop大数据技术课程设计 | 1 | 5 | 2周 | |
Spark大数据分析课程设计 | 1 | 6 | 2周 | |
综合设计 | ||||
毕业设计 | 8 | 7-8 | 8周 | |
专业见习 | 2 | 暑1 | 4周 | |
专业实习 | 10 | 暑3 | 10周 | |
专业研习 | ||||
毕业实习 | ||||
课程论文 | ||||
学年论文 | ||||
毕业论文 | ||||
与专业结合的社会调查和实践活动 | ||||
创新创业实践活动 | 学科与技能竞赛、科研活动、专利发明、创新型实验(设计)、社团活动、文体活动竞赛、技能证书、创业实践活动等 | 5 | 1-8 | |
社会责任教育活动 | 社区服务、义务劳动、慈善活动、公益活动等 | 2 | 1-7 | |
备注: |
表4 课程结构及课时分配表
学期 周 课 时 课程 类型 | 各学期教学周课时 | 各类课程课时及学分 | ||||||||||||
一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 讲 授 课 时 | 实 践 课 时 | 总 课 时 | 学 分 | 学分比例(%) | ||
通识教育 | 必修 | 8 | 10 | 12 | 10 | 524 | 260 | 704 | 40 | 25.16 | ||||
选修 | ▲ | 80 | 80 | 5 | 3.14 | |||||||||
专业教育 | 学科专业基础课 | 19 | 20 | 6 | 8 | 592 | 92 | 684 | 39 | 24.53 | ||||
专业必修课(含专业方向课) | 8 | 8 | 11 | 15 | 504 | 264 | 768 | 40 | 25.16 | |||||
专业 选修课 | 8 | 72 | 72 | 4 | 2.52 | |||||||||
实践教育环节 | 24 | 15.09 | ||||||||||||
创新创业实践活动 | ▲ | 5 | 3.14 | |||||||||||
社会责任教育活动 | ▲ | 2 | 1.26 | |||||||||||
合 计 | 27 | 26 | 26 | 26 | 16 | 15 | 8 | 2308 | 159 | |||||
实践总学分及学分比例 | 53.5,比例33.65% |
注:▲表示教学活动安排的时间。
表5数据科学与大数据技术专业课程大类学分及占必修课总学分比例
课程大类 | 学分 | 占必修课总学分比例 | 专业认证要求占比 |
数学与自 | 26 | 17.33% | 15% |
工程基础、 | 45 | 30% | 30% |
工程实践与毕业设计 | 44 | 29.33% | 20% |
人文社科类通识教育 | 35 | 23.33% | 15% |
培养目标与毕业要求关系矩阵图
知识要求 | 能力要求 | 素质要求 | |
1.工程知识 | √ | ||
2.问题分析 | √ | √ | |
3.设计/开发解决方案 | √ | ||
4.研究 | √ | ||
5.使用现代工具 | √ | √ | |
6.工程与社会 | √ | ||
7.环境和可持续发展 | √ | ||
8.职业规范 | √ | ||
9.个人和团队 | √ | ||
10.沟通 | √ | √ | |
11.项目管理 | √ | √ | |
12.终身学习 | √ | √ |
备注:在有对应关系的框内填“√”
课程体系与毕业要求关系矩阵图
专业课程名称 | 1、工程知识 | 2、问题分析 | 3、设计/开发能力 | 4、研究 | 5、使用现代工具 | 6、工程与社会 | 7、环境和可持续发展 | 8、职业规范 | 9、个人与团队 | 10、沟通 | 11、项目管理 | 12、终身学习 |
思想道德与法治 | H | M/H | L/M | |||||||||
马克思主义基本原理 | L | M | L | H | ||||||||
毛泽东思想和中国特色社会主义理论体系概论 | M | L | M | M | L | |||||||
中国近现代史纲要 | M | L | M | M/L | L | |||||||
形势与政策 | M | M/H | H/L | |||||||||
大学英语Ⅰ-Ⅳ | L | M/H | L/M | |||||||||
大学体育Ⅰ-Ⅳ | L/M | L | ||||||||||
大学生心理健康 | H | |||||||||||
大学语文 | L | H | ||||||||||
职业发展与就业指导 | H | |||||||||||
创业基础 | H | |||||||||||
文史经典与世界文化(A) | L | H | ||||||||||
数理基础与科学精神(B) | H | |||||||||||
艺术创作与审美体验(C) | L | |||||||||||
社会发展与社会责任(D) | H | H | M | |||||||||
创新思维与创业训练(E) | H | |||||||||||
高等数学A1 | L/M | L | ||||||||||
计算机导论 | M | H | L | M | ||||||||
数据科学导论 | H/M | H | M | M | ||||||||
C语言程序设计 | L | L | M | |||||||||
高等数学A2 | M/H | H | ||||||||||
线性代数C | L/H | L | ||||||||||
数据结构* | H/M | L | L | |||||||||
Java语言程序设计 | L | M | M | |||||||||
Java语言程序设计实验 | L | M | M | |||||||||
离散数学 | M/H | M | L | |||||||||
计算机组成原理 | M | L/H | M | L | ||||||||
概率论与数理统计A | H | M | ||||||||||
数据库原理及应用 | H/L | M | M | L | L | |||||||
计算机网络 | H | M | L | L | M | L | ||||||
Python语言程序设计* | M | M | H | L | M | |||||||
Python语言程序设计实验 | M | L | H | L | L | |||||||
操作系统 | H | L | L | |||||||||
数据采集与预处理 | M/H | H/M | M | M | ||||||||
数据采集与预处理实验 | H | M/L | L/M | M | ||||||||
统计分析 | M/H | H | L | M | ||||||||
数据挖掘* | M | H | M | M | ||||||||
数据挖掘实验 | M | M | M | M | ||||||||
Hadoop大数据技术* | M/H | L/H | L | |||||||||
Hadoop大数据技术实验 | M/H | L/H | L | |||||||||
非结构化数据库* | H | L | M | M | M/L | |||||||
软件工程 | M/H | M | H/L | H | ||||||||
机器学习* | L | H | H/M | M | ||||||||
数据可视化技术 | M | L | L | M | M | L/M | ||||||
数据可视化技术实验 | M | L | L | M | M | L/M | ||||||
Spark大数据分析技术 | M/H | L | H | H | ||||||||
Spark大数据分析技术实验 | M/H | L | H | H | ||||||||
课程设计 | H | L/M | ||||||||||
专业见习 | H | H | H | M | ||||||||
专业实习 | H | H | H | M | L | |||||||
毕业设计 | L | H | H/M | H | M |
备注:针对课程体系中的每门课程,分析和确定课程对各毕业要求达成的贡献度,形成包含所有课程和毕业要求的二维关系表。在关系表中,请在课程与毕业要求交叉格中填写课程对实现毕业要求的贡献度(用符号表示:“H”表示贡献度大;“M”表示贡献度一般;“L”表示贡献度小;不填表示没有贡献)。