用大數據助力高職院校學生職業素質培養

龐 成，丁志強

用大數據助力高職院校學生職業素質培養

龐 成，丁志強

（重慶工程職業技術學院，重慶 402260）

在分析高職院校學生職業素質的基礎上，探討利用大數據助力學生職業素質的培養，提出做好采集分析數據提前化解風險、院校數據共享打破孤島效應、拓展數據功能避免短期行為等3方面工作，促進高職人才培養質量上新臺階，滿足新時代對高素質新型職業人才的需要。

大數據；職業教育；素質教育；學校管理

1 高職院校學生職業素質現狀

近年來，高職院校學生整體素質看好，但是在以下幾方面仍不盡如人意：

（1）職業認知視角不正，有學生對所學專業的職業前景有所擔憂，因而對學習缺少動力；

（2）職業情感聯結不深，對所學專業情感淡漠，更多地關注能得到好職業和高收入，而失去了對當下學習內在意義和未來職業內在價值的把握與追求；

（3）職業意志、品質不夠好，不乏有學生在專業學習、準職業活動中表現出虎頭蛇尾、心浮氣躁；

（4）職業道德約束不力，例如在生產實習的準職業活動中存在抄襲作業、考試作弊、實訓中損壞工具或零件隱瞞不報等；

（5）職業安全意識不強，在實習實訓中違反安全操作規程，在專業實踐中不嚴謹。

2 借力大數據培養學生職業素質的優勢

高職院校應該充分發揮大數據在學生職業素質培養中的優勢，促進學生職業素質狀況的整體改進。

一是大數據提供的數據信息齊全，更有助于全面把握高職院校學生職業素質現狀，增強培養的針對性，借助大數據中學生職業素質的海量數據，把握職業素質教育方向，有的放矢培養學生職業素質。

二是大數據提供的數據共享功能，有助于多方力量協同培養學生的職業素質。

三是大數據有著很強的數據拓展功能，有助于高職院校長遠規劃，持續推進學生的職業素質培養。

3 全面采集和分析高職學生職業素質大數據

3.1 高職學生職業素質數據的采集

（1）把握好數據采集的時間節點。新生入學之初以及高年級學年初都是數據采集的好時機。我校近年來充分發揮學生心理普查網絡平臺的功能，將學生心理普查與職業素質狀況的數據采集相結合，在新生入學后及時進行職業素質數據的采集，通過添加職業素質類量表或借助職業素質類問卷星測試平臺對學生職業素質因子予以測試。例如用霍蘭德職業興趣量表（RIASEC）對學生職業興趣類型予以測試，以分析學生的職業興趣類型[1]。學校將采集的學生職業知識、職業技能、對所學專業及其有關職業的態度、職業個性特征等職業信息數據及時入庫，在大二、大三學年初對學生職業素質數據予以補充采集。自2018年秋季開始，我校加強對學生職業心理素質、心理健康狀況的普查，為分析學生職業素質提供全面的數據支撐。

（2）把握好數據采集的覆蓋面。要讓大數據更真實地反映高職學生職業素質整體狀況，必須把握好數據采集的覆蓋面，并將所有學生的職業素質現狀數據盡可能搜集入庫。高職學生職業素質既包括職業知識和技能，也包括精神層面的職業態度、職業精神和職業動機[2]。對能反映職業精神的職業理想、職業態度、職業作風、事業信譽、職業責任、職業動機等因子，采用好、較好、一般、較差、差五級評分制，以此解決職業素質中非數字數據的采集問題。為保證學生職業素質大數據的覆蓋面和樣本容量，全校在各院系至少指派一人對數據采集進行全程跟蹤。

（3）把握好數據采集的隨機性。我校借助校園大數據平臺和手機移動終端，在原心理測評系統——大學生V9.0B/S網絡版的基礎上開發出手機移動版，既滿足數據采集人員的隨機性，又滿足數據采集時空的隨機性，讓數據更好地反映學生職業素質的真實狀況。

3.2 系統分析高職學生職業素質數據

（1）重視高職院校的網絡環境。大數據分析技術是互聯網技術、數據挖掘技術和信息技術高度發展的產物。學生職業素質大數據的分析離不開校園網絡環境[3]。大數據技術可實現從不同業務系統和網絡安全設備中采集大量異構數據，擴展數據分析的廣度和深度[4]。這需要安全的網絡環境保障。

（2）清除無效數據。我校9個教學院、3個教學部，涵蓋49個專業，學生來源廣、業務管理部門多，不可避免地會出現干擾數據和無效數據，而這些不良數據對學生職業素質狀況的精準分析與研判存在干擾。為此，通過定義一種網絡日志、用戶行為記錄等組成的學生職業素質現狀數據集作為安全基準態勢，一旦發現超出這種安全基準態勢，將啟動風險評估并采取應對措施。此外，以學生職業素質大數據采集為基礎，結合先驗知識庫與規則知識庫的比對、數據挖掘算法分析判斷等方法技術，也可將無效的學生職業素質數據予以清除。

（3）深入分析學生職業素質大數據中的價值元素。采用統計學、人工智能、機器學習、系統思維等方法對學生職業素質大數據進行系統分析，從大數據中尋找精準培養學生職業素質的有價值的信息。可從分布式系統基礎框架Hadoop以及基于Hadoop的Hbase、Hive、Maowt、Zookeeper、Pig、Sqoop中選擇合適的分析工具，用分類分析、聚類分析、推薦系統等方法進行數據挖掘。通過分類分析，為具有明確界限的數據處理提供方便，為后續數據處理奠定好基礎；通過聚類分析，實現對共數據迭代處理，將采集到的學生職業素質數據劃分到不同區域，形成一定的數據集合，為其同類數據特性分析提供便利條件[5]；推薦系統主要是通過對不同單位及研究人員的個性偏好、工作習慣等模式進行預測，以發現對學生職業素質數據優化起促進作用的新的價值元素。

4 院校數據共享，消除數據壁壘

高職院校之間和校內部門之間的數據壁壘將給學生職業素質的培養帶來阻礙。為了充分發揮大數據在學生職業素質培養中的作用，有必要加強數據共享、消除數據壁壘[6]。

4.1 打通高職院校內部數據壁壘，共享學生職業素質數據資源

高職院校各單位、各部門是一個有機聯系的整體，共享數據資源，共享數據資源，發揮整體作戰能力，有助于學生職業素質培養工作開展。

（1）打通思想壁壘。為了消除學生職業素質數據壁壘，我校重視制度設計導向，為實現數據資源跨院系共享打通思想壁壘、促進開放協作、共育學生職業素質起到了引導作用，也為校際數據共享準備了條件。

（2）增強數據共享理念，打通數據壁壘。我校經常組織召開院系間、校際間的交流會，讓教職人員提高對于大數據和資源共享的認識。院系進行共享大數據的梳理、補充、統計與挖掘，院系從共享數據資源中選取可資利用的數據。學生在校園內的活動軌跡具有隨機性，任何一個院系對本院系學生職業素質數據的采集量都是有限的，因而有必要從其他院系的數據庫中尋找與本院系學生有關的數據資源。

4.2 搭建校際數據平臺，協同發力共育學生職業素質

（1）搭建高職院校校際數據共享交換平臺。為實現高職院校間的學生職業素質數據共享，先要搭建數據共享交換平臺，并實現學生職業素質數據的分域、分層匯聚。該平臺也是支撐高職教育大數據發展的重要基石，需要滿足先進、可靠、完整、標準化、可擴展的總要求。我校積極探索校際數據共享交換平臺的建設，采用數據管道技術，并以數據管理運行服務引擎為核心，以API作為數據和服務的載體，從業務系統應用層面生成數據接口，以接口為著眼點，生成數據共享目錄，高效完成高職教育系統全量數據資源目錄，實現共享數據的實時獲取，實現異構系統間的數據流轉，提升各自對共享數據需求的精準度[7]。

（2）共享數據、共育學生職業素質。

首先，為整合資源，更好地培育學生的職業素質，有必要成立基于學生職業素質培養的高職區域共享共育聯盟。我校與泰國合作成立了中泰職教聯盟，不僅為共育本校學生職業素質享有優勢，而且也為借力大數據技術共育我國高職院校學生職業素質發揮引擎作用。

其次，協力挖掘學生職業素質數據并共享資源。區域高職教育系統學生職業素質大數據中蘊藏的資源豐富、挖掘潛力大，體現不同高職學生職業素質數據的異質特性。充分挖掘大數據中異質特性元素，更容易分析學生職業素質現狀及形成過程，為學校之間優勢互補、共同培育學生職業素質創造了更好的條件。

最后，有的放矢開展學生職業素質培育工作。通過對大數據挖掘并進行理論思維加工，才能讓其數據信息的功能價值顯性化，其內含的方向引領、內容選擇、活動策略等隱性基質才能夠在學生職業素質培養中發揮作用[8]。

5 拓展數據功能，避免短期行為

5.1 加強數據挖掘，促進學生職業素質培育入軌

數據挖掘的成效不僅與挖掘技術有關，也與數據挖掘思路有關。這種思路體現在：以高職學生職業素質為核心，深入剖析影響學生職業素質養成的因子，每一個因子對應著學生職業素質的一個結構維度，通過層層拆解，把高職學生職業素質分解為職業知識、職業能力（技能）、職業心態、專業倫理、職業道德、職業價值觀、職業角色認同度、職業追求等結構維度[9]。職業知識、職業能力屬于學生素質結構中的顯性成分，職業心態、專業倫理等屬于其職業動機、職業品格和職業社會角色等隱性層面的職業精神范疇。對學生職業素質大數據的挖掘，為高職學生職業素質培育工作的有序、有效、可持續開展提供充分的決策依據。

5.2 借助數據代謝，拓展學生職業素質培育時空

隨著我國科學技術、經濟社會的發展和產業結構轉型升級，對從業人員的職業素質要求也在提高。在大數據背景下，高職院校必須與時俱進，拓展學生職業素質培育空間，豐富學生職業素質內涵。

高職學生職業素質大數據平臺中的數據要服務于學生職業素質培養，必須不斷補充新數據、清理陳舊過時的數據，讓學生職業素質數據始終保持活力。

（1）謹慎清理舊數據。學生職業素質數據是寶貴資源，但是也有一定的生命周期。當數據生命周期結束后有必要進行清理，否則會出現數據“堵塞”，阻礙新數據的采集。學生職業素質數據的清理須嚴格把關，確保數據生命的最大化發揮。

（2）及時融入新數據。學校在清理舊數據的同時，也要及時采集新數據，通過設計相應的通道，讓采集的數據自動進入相應的結構維度通道。

（3）建立數據代謝長效機制。借助大數據服務于學生職業素質培育，還需謀劃長遠，建立數據代謝長效機制，讓大數據真正成為學生職業素質培育的好幫手。近年來，我校高度重視大數據融入學生職業素質培育系統工程的頂層設計；對人力、物力及其他條件予以保證，確保學生職業素質數據或成長信息始終進出有序、運用自如、充滿生機活力。

[1] 金雁.職業發展素質的解析與建構[J].湖州職業技術學院學報，2014(3): 17–21.

[2] 汶向東.智慧校園的大數據安全研究[J].微型電腦應用，2018(2): 62–64.

[3] 韓昊.大數據技術在高職院校校園網絡安全中的應用[J].數字技術與應用，2018(7): 36.

[4] 翟曉寧，喬杰華，郭杰.基于數字化校園的大數據分析在教學中的應用[J].信息與電腦（理論版），2018(1): 116–117.

[5] 馬朝霞，萬榮澤.高職院校綜合數據共享信息平臺的研究與實現[J].信息與電腦，2017(5): 66–68.

[6] 熊瑰.淺談政府數據舊共享交換平臺建設[J].信息通信，2018(2): 254.

[7] 管世俊，殷偉東，黃釗，等.基于大數據共享的區域健康服務平臺研究[J].醫療衛生裝備，2018(1): 26–29.

[8] 孫曉玲.核心價值觀視域下的高職職業素質教育論[J].中國職業技術教育，2014(31): 51.

[9] 張有根.談高職學生隱形職業素質培養路徑：基于“素質冰山理論”視角[J].中國成人教育，2011(20): 5–7.

Cultivation of students’ professional quality with aid of big data in higher vocational colleges

PANG Cheng, DING Zhiqiang

(Chongqing Engineering Vocational and Technical College, Chongqing 402260, China)

Based on the analysis of vocational quality of students in higher vocational colleges, this paper probes into the cultivation of students’ professional quality by using big data, and puts forward the proposal from the three aspects such as collecting and analyzing data to defuse risks ahead of time, breaking the information island effect of data sharing in colleges, expanding the function of data and avoiding short-term behavior, so as to promote the quality of talent training in higher vocational colleges to a new level and meet the needs of the new era for new high-quality professional talent training.

big data; vocational education; quality education; school management

G710

A

1002-4956(2019)07-0160-03

10.16791/j.cnki.sjg.2019.07.038

2019-01-18

2016重慶市教委人文社會科學研究項目（16SKGH252）

龐成（1975—），男，重慶，碩士，教授，高級工程師，主要研究方向為教育管理.