基于大数据深度挖掘的高职院校人才培养数字化模型研究

基于大数据深度挖掘的高职院校人才培养数字化模型研究

陈传敬

山东科技职业学院，山东 潍坊 261053

摘要：教育部在2022年工作要点中正式提出“要实施数字化战略行动”。同年，国务院印发《“十四五”数字经济发展规划》，提出要加快推动教育领域资源数字化供给和网络化服务。全球各国政府、国际组织、企业、高校都在迫切地探索由传统教学转向数字化教学新模式的有效途径。然而，高校教育数字化转型过程中面临高质量数字化模型匮乏、教学及课程个性化缺失、融和产业数字技术不足等诸多问题，影响了教育数字化的有效推进。因此，为贯彻国家数字化战略、教育数字化转型等文件精神。本研究基于大数据深度挖掘，从挖掘教育数据、创设个性化情景、产教协同机制，提出构建高质量人才培养数字化模型，以缓解此类问题。

关键词：大数据挖掘；人才培养；数字化模型

中图分类号：G641     文献标识码：A

（一）国内外研究现状及发展趋势

职业教育面临着数字化转型的系统性挑战，各国竞相制定数字化转型战略、出台鼓励政策，将数字技术融入教育全方位。国内外学者也相继开展高校人才培养数字化转型研究，主要研究如下：

1.数字化转型内涵研究。数字化转型是破除职业教育发展困境，提升教育培养与实践需求匹配度的必由之路。数字化转型旨在将数字化技术与教育教学深度融合，借助数字化技术改变人才培养模式，转变教育体系及其运转方式，形成与数字时代相适应的教育体系。通过教育数字化转型全方位、多维度、深层次的赋能教育教学过程，以此推动教学范式、组织架构、教学过程、评价方式等转变。联合国教科文组织将教育数字化转型，分为起步、应用、融合、转型四个阶段。

2.数字化转型困境研究。国内外学者探究了高校教育数字化转型的阻碍因素。教育数字化转型过程中，高质量人才培养数字化模型匮乏，缺少多维度分析、过程性评价与动态反馈的模型，且评估标准缺乏科学性与固定性；海量数字化资源以碎片化方式呈现，难以辨别和选择所需的知识，并形成系统性、结构化的知识与能力，存在个性化选择问题；教育内容与产业实际匹配程度低，人才培养数字化过程与产业实际匹配较差，未与当地产业深度融合实现协同数字化转型。

3.数字化转型行动研究。世界各国纷纷制定教育数字化转型发展战略，对教学计划、教学实施、课程开发等作出规划，例如德国“数字世界中的教育”战略等。部分学者提出通过建立政府、企业与大学的多边合作的机制,共享优质数字资源，构建开放化的学习共同体，提供个性化和精准化的学习支持服务；建立教学内容访问、课程评价等数字化系统，基于知识图谱重构数字知识的关联，从而解决数字知识知识碎片化问题；采用区块链技术，建立灵活的学分认证体系等。

综上所述，现有的职业教育数字化转型研究，取得了较多进展及成效。然而，尚缺乏高质量人才培养数字化模型，教学及课程个性化缺失、融和产业数字技术不足，未能深度挖掘教育过程数据，急需开展新的教育数字化转型研究。

（二）专业层面教育数字化转型问题

一是专业层面高质量数字化模型匮乏，建设高质量专业人才培养数字化模型，是教育数字化转型过程中的重要环节，是实现专业人才培养数字化亟需解决的核心问题；二是专业领域教学及课程个性化缺失，亟需开展专业领域个性化与精准化教学，构建个性化教学模式，解决海量数字化课程资源引起的，碎片知识选择困境；三是专业融和产业数字技术不足，专业在人才培养数字化转型过程中，存在脱离产业实际场景、未与产业发展相协同等问题。

（三）构建基于大数据深度挖掘的专业人才培养数字化模型

首先，运用深度挖掘技术，从教育数据池、教育神经元、教育反射弧、教育服务四个层面，构建人才培养数字化模型。其次，基于数字化模型重构教学，从个性化教学模式、个性化课程模块、个性化学分置换制度，创设个性化情景模型。最后，基于数字化模型深度产教融合，实现校企联动，从提升人才培养质量、赋能产业发展角度，构建产教协同化机制。具体包括以下三个阶段：

第一，构建“数据池+神经元+反射弧+教育服务”的人才培养数字化模型。从教育数据池、教育神经元、教育反射弧、教育服务四个层面构建模型。其中，“多层级”教育数据池，是教育数据的汇聚中心；“多主体”教育神经元，包括学校、教师、学生、企业、课程等主体；“交叉式”教育反射弧，通过深度挖掘教育数据的潜藏价值，对培养问题或需求智能化反馈；教育服务，包括学生发展诊断、学情预警、智能决策等。

第二，创设个性化的“数字教学模式+数字课程模块+数字资源认证”。基于数字化模型重构教学，形成个性化教学模式，挖掘学生成长数据构建个性化评价策略，为其提供个性化和精准化的学习支持服务；深度挖掘数字课程与学生行为数据，整合碎片化数字资源，向学生提供个性化的课程模块；构建数字资源学分认证体系，制定个性化学分置换制度。

第三，构建产教协同的数字化培养机制，完善人才培养数字化模型。深度挖掘教育与产业各项数据，实现深度产教融合。校企共建大数据产业中心、数字协同育人平台；引入产业数字化流程、规范和制度，实施数字化与个性化管理；引入产业数据中心的真实场景、项目案例，个性化分配项目任务，为产业发展提供人才动力。

（四）基于PDCA循环数据挖掘螺旋式优化人才培养数字化模型

基于PDCA循环的计划（Plan）、实施（Do）、检查（Check）、行动（Action）四个阶段，循环数据挖掘螺旋式优化人才培养数字化模型。

第一，计划（Plan）。根据人才培养数字化模型的目标和要求，分析存在的问题及成因，制订科学的模型训练计划。

第二，执行（Do）。依照计划执行“构建数字化模型、创设个性化情景、构建协同化机制”三阶段研究，并观察、记录执行过程。

第三，检查（Check）。追踪计划是否落实，人才培养数字化模型预期效果是否体现，根据执行效果修改计划，改善后再次确认效果。

第四，行动（Action）。处理检查的结果，分析人才培养数字化模型的成功之处及出现的新问题，将新问题放到下一轮PDCA循环中。

（五）制定“多维矩阵+能力测评+产业协同”的质量评价标准

1.模型多维矩阵标准。从教育数据池（包括数字化基础设施、数字化教育教学、数字化教育管理、数字化素养等）、教育神经元（包括学校、教师、学生、企业、课程等）、教育反射弧（教育数据池之间、教育神经元之间、教育数据池和教育神经元之间等）、教育服务（网络课程资源建设、学情诊断服务等）四个层面聚合多维矩阵，设计和整理对应的测评项，以及各级别的权重，形成评价大纲，为创设个性化情景提供标准。

2.个性能力测评标准。基于比赛、竞赛、考试等评估标准，聚合多维矩阵，根据学生成绩和技能输出知识图谱，使其数字化、可视化、结构化，为创设个性化情景提供标准。

3.产业需求协同标准。以解决产业实际问题作为评价的重要标准，将学生能力与产业需求能力进行横向对比，从技术能力、业务能力、工作能力三方面着手，为构建协同化机制提供标准。

参考文献

[1]张慕文,祝士明.职业教育数字化转型的内涵、逻辑与策略[J].现代教育管理,2023(03):120-128.

[2]钟志贤,卢洪艳,张义等.教育数字化转型成熟度模型研究——基于国内外文献的系统性分析[J].电化教育研究,2023,44(06):29-37.

[3]杨宗凯.高等教育数字化发展：内涵、阶段与实施路径[J].中国高等教育,2023(02):16-20.

[4]吴砥,李玲,吴龙凯等.高等教育数字化转型的国际比较研究[J].国家教育行政学院学报,2023(04):27-36.

[5]龚方红.职业教育数字化升级的方向与策略研究[J].中国职业技术教育,2023(07):26-33.