基于第三方平臺大數據分析的人才培養質量評價方法研究

周蓉 師瑞峰

[摘 要]采用第三方平臺大數據分析方法對高校人才培養質量進行評價，對進一步探索高校完善人才培養方案的修訂機制、拓展人才能力培養途徑與模式具有重要意義。該文采用共詞網絡、自動分類、文本聚類、機器學習等智能大數據分析方法，對全國各專業的人才數據進行清洗和整理，建立分專業評估的人才質量評價模型，分析具體人才培養質量的能力指標。對某高校自動化專業往屆畢業生人才培養質量進行實證分析，研究結果表明，基于大數據分析的人才質量評價模型可以有效利用畢業生數據，為高校人才培養方案修訂、課程體系設計提供重要的決策依據。

[關鍵詞]人才培養質量評價;大數據;智能分析方法

[基金項目]2019年教育部第二批產學合作協同育人項目：基于混合式實踐教學的雙語計算機視覺課程建設（201902097008）;2020年北京高等教育“本科教學改革創新項目”：“人工智能+X”復合型人才培養模式的探索與實踐

[作者簡介]周 蓉（1975—），女，浙江麗水人，博士，華北電力大學控制與計算機工程學院講師，主要從事信息技術與教學法、計算機應用技術研究;師瑞峰（1977—），男，山西運城人，博士后，華北電力大學控制與計算機工程學院副教授，主要從事系統工程理論研究。

[中圖分類號] TP311;G642[文獻標識碼] A[文章編號] 1674-9324（2020）33-0008-04[收稿日期] 2020-03-10

一、引言

教育部2018年發布的《關于加快建設高水平本科教育全面提高人才培養能力的意見》指出，高等學校必須牢牢抓住全面提高人才培養能力這個核心點，振興本科教育，形成高水平人才培養體系，開創高等教育新局面。因此，高校人才培養質量評價對于推動大學切實提升人才培養工作、落實辦學理念、錨定辦學方向具有深遠影響[1]。目前，我國高校人才培養質量的評價工作主要由學校教務處、學院等部門承擔，通過邀請畢業生和用人單位參與，對往屆畢業生的專業能力及職業發展情況進行調查，以此作為學校進一步修訂和完善專業培養方案、提升人才培養質量的重要依據。這種基于傳統的問卷、訪談、座談會、用人單位調研等方式開展的人才培養質量評價，通常存在樣本量小、主觀性強、規避敏感問題、調查內容受限、周期長等缺點[2]。為了克服這些方法的不足，南旭光等人提出利用大數據技術分析社會的人才需求，剖析人才培養的社會適應性，并以此為導向創新人才培養體系[3]。藍榮聰等人也提出利用日趨完善的數據獲取和挖掘技術創新高校人才培養方式[4]。

隨著以社會需求和人才產出為導向的工程教育專業認證逐步推廣，基于第三方平臺大數據的人才培養質量評價方法可以更加客觀、全面地對高校人才培養的綜合能力進行評價[5]，進而為高校修訂和完善人才培養方案、課程體系，以及人才培養模式提供重要的參考意見和決策依據。該文基于第三方平臺大數據，對某高校自動化專業往屆畢業生人才培養質量進行實證分析，通過用人單位反饋、畢業生調查問卷等方式多方驗證模型分析結果的有效性。結果表明，通過基于大數據分析的人才質量評價模型可以有效利用畢業生求職、用人單位招聘、高考錄取和人才培養方案數據，量化分析高校人才培養質量，為培養方案修訂、課程體系設計提供重要的決策依據。

二、基于大數據分析的評價框架

基于大數據分析的評價框架如圖1所示。該框架以AI大數據和專業人才培養方案作為分析診斷基礎，對專業培養的人才素質從橫向（同類高校畢業生之間對比）和縱向（社會需求與畢業生素質對比）兩個角度進行評價和分析。該評價框架中AI大數據由包含了社會需求的招聘數據和反映畢業生學習成果的畢業生數據構成。評價分析結果可以用來對高校的人才培養目標、培養方案修訂、課程體系設置等決策做出優化支持。

三、評價流程

如圖2所示，基于第三方大數據的人才培養質量評價流程主要分為五步：（1）通過招聘信息采集社會需求數據，通過畢業生求職簡歷采集畢業生數據;（2）采用NLP（Natural Language Processing）分析方法對社會需求數據和畢業生數據分別進行分詞和標注;（3）采用基于機器學習的文本聚類和自動分類方法分別對社會需求數據和畢業生數據進行清洗和分類，形成招聘信息數據池和畢業生數據池，同時對專業培養方案也采用NLP方法進行分詞和標注;（4）采用共詞網絡和相關度分析方法，分析計算兩個數據池之間的關系以及兩個數據池對專業培養方案的支撐程度;（6）根據后臺模型量化計算各個指標，形成人才質量評價分析報告。

四、實證分析

為了驗證基于第三方平臺大數據的人才培養質量評價方法客觀性，該文選取某高校自動化專業進行實證分析，基于第三方提供的大數據，采用人工智能方法對自動化專業的社會需求、工程教育培養達成狀況、畢業生能力素質、課程與能力關聯程度、畢業生市場競爭力與社會評價等方面的培養質量進行分析評價。

（一）案例背景

基于第三方大數據的人才培養質量評價，是從社會視角對高等學校辦學狀況及其培養人才質量的有效檢驗，尤其是在當前以成果為導向的工程教育專業認證背景下，加強基于第三方大數據的人才培養質量評價機制，可以推進高等學校在評價方面的制度研究和建立，促進高等學校對自身人才培養質量評價的反思。因此該文選取參加自動化工程教育專業認證的某高校數據進行人才培養質量評價和分析。

（二）數據來源

文中第三方調查數據來源于前途大數據專業分析系統，所有呈現出來的數據分析都是擬合的，只對數據進行現象分析，無法還原到個人，不涉及隱私泄露。

本次人才培養質量評價第三方數據覆蓋：

2012—2014屆自動化專業全國本科生文本簡歷35585份;

2012—2014屆全國596個本科專業各項指標數據;

2012—2014屆本專業全國開設本科高校各項指標數據;

6568萬條本科以上專業人才職位需求信息（來自216個招聘網站），其中明確需要自動化專業的136105個單位的494367條職位需求信息;

2012—2017年各省高考錄取平均分數據;

某高校2012—2014屆全日制本科生自動化專業畢業生總計486人，調研202份文本簡歷，樣本占比41.56%。

（三）分析結果與討論

該文基于全國數萬家企業的招聘職位需求和求職者簡歷信息進行關鍵詞提取、分類，并進一步建立后臺模型，計算自動化專業的社會需求、工程教育達成情況、畢業生能力素質、課程與能力關聯分析、畢業生市場競爭力與社會評價等多維度指標。由于篇幅所限，文中僅從畢業生能力素質和工程教育達成情況兩個方面討論評價結果。

1. 自動化專業全國需求狀況：

（1）全國自動化專業需求仍處穩定階段。自動化人才最近一年供大于求。如下表所示，自動化專業人才全國招聘人數比例呈現下降趨勢，從2016年10月至2017年9月的1.15%下降至2017年10月至2018年9月的0.28%。但是，2013—2017屆本專業全國本科生就業人數存量比例為1.38%，人才供需差距擴大。

本專業人才全國招聘人數比例大幅下降，分別如圖3中的虛線和實線所示，全國職位需求占比從2017年第1季度的0.89%快速下降至2018年第4季度的0.35%，人才需求占比也從2017年第1季度的1.09%快速下降至2018年第4季度的0.30%。

（2）社會需求的素養、通識能力、專業知識和技能。如圖4和圖5所示，市場對自動化專業人才的素養需求中，用人單位關注點分布較高的是“勤奮努力”（72.74%）、“責任感強”（26.88%）、“樂于合作”（23.67%）等職業素養。

市場對自動化專業人才的通識能力需求分布較高的是：“溝通與表達能力”（57.52%）、“組織與管理能力”（57.06%）、“組織協調能力”（55.97%）。

從圖6的自動化專業全國本科以上人才招聘需求“專業知識與技能”分布圖中可以看出，自動化專業全國本科以上人才2016—2018年招聘需求專業知識與技能分布較高的是“C語言”（23.25%）、“CAD使用”（15.95%）、“常用辦公軟件”（12.09%）。但市場對“C語言”能力點需求呈下滑現象。

2.畢業生能力素質。通過自然語言處理技術基于文本簡歷智能統計分析出畢業生擅長的素養、通識能力、專業知識與技能等，并與自動化專業全國高校畢業生“素養”均值和社會需求比重分別進行對比分析。下面主要以專業知識和技能為例進行說明。

與自動化專業全國高校畢業生均值相比，2012—2014屆某高校自動化專業本科生“專業知識與技能”整體合格。其中電廠熱力設備、發電過程控制等表現顯著高于全國高校均值水平，充分體現了行業高校的教育特色。

為了詳細說明某高校培養的自動化專業人才的專業知識和技能水平，下面分別從自動化系統工程、分散控制技術、檢測技術、儀器儀表、系統建模和C語言六個方面，將某高校自動化專業本科生專業知識和技能水平與全國工科類高校、一流學科建設高校、全國電力類高校進行分析對比。結果如圖7所示。從圖中可以看出：

某高校培養的人才在自動化系統工程方面表現相對較好。2012—2014屆某高校自動化專業本科生“自動化系統工程”擅長比例為33.66%，比全國工科類高校均值（28.63%）高17.57%，比一流學科建設高校均值（29.37%）高14.61%;比全國電力類高校均值（34.09%）低1.24%。

某高校培養的人才在分散控制技術方面表現相對較好。2012—2014屆某高校自動化專業本科生“分散控制技術”擅長比例為23.27%，比全國工科類高校均值（19.50%）高19.33%，比一流學科建設高校均值（17.47%）高33.21%;與全國電力類高校均值（23.56%）差別不大。

某高校培養的人才在檢測技術方面表現與其他高校差別不大。2012—2014屆某高校自動化專業本科生“檢測技術”擅長比例為22.28%，與全國電力類高校均值（22.06%）、全國工科類高校均值（22.50%）差別不大，比一流學科建設高校均值（23.17%）低3.87%。

某高校培養的人才在儀器儀表方面表現相對良好。2012—2014屆某高校自動化專業本科生“儀器儀表”擅長比例為18.81%，比全國工科類高校均值（14.40%）高30.63%，比全國電力類高校均值（17.29%）高8.78%，比一流學科建設高校均值（14.61%）高28.74%。

某高校培養的人才在系統建模方面表現相對較好。2012—2014屆某高校自動化專業本科生“系統建?！鄙瞄L比例為9.90%，比全國工科類高校均值（7.32%）高35.18%，比全國電力類高校均值（7.27%）高36.22%;與一流學科建設高校均值（9.96%）差別不大。

某高校培養的人才在C語言方面表現相對一般。2012—2014屆某高校自動化專業本科生“C語言”擅長比例為24.26%，比全國電力類高校均值（18.05%）高34.43%;比全國工科類高校均值（24.85%）低2.37%，比一流學科建設高校均值（29.21%）低16.95%。

2.自動化專業工程教育達成情況。2012—2014屆本校自動化專業本科生畢業五年左右畢業要求達成整體均合格。其中環境和持續發展、使用現代工具的能力表現優秀。具備較好的工程知識，能夠用于解決自動化領域的復雜工程問題。具備較好的研究能力，能夠對自動化相關領域，尤其是能源電力生產自動化領域的復雜工程問題進行研究，包括設計實驗、分析與解釋數據、并通過信息綜合得到合理有效的結論。具有終身學習能力，具有自主學習和終身學習的意識，有不斷學習和適應發展的能力。在設計/開發解決方案能力方面基本合格，相對還有一定提升空間。個人和團隊能力和項目管理能力表現一般，有待進一步改進課程體系。

（四）結果與啟示

從基于第三方大數據對某高校自動化專業的人才培養質量評價結果可以看出某高校自動化專業人才培養目標基本契合社會需求，然而在以下幾個方面還有改進的空間：

1.細化提升人才培養方案。自動化專業隨著人工智能的快速發展，未來涉及的領域將十分廣泛。因此，人才培養目標應在立足于當前社會需求的基礎上有所升華和細化，明確若干年內所培養人才的層次、類型和主要服務方向。建議通過已有畢業生的培養效果的詳細剖析，針對本專業人才培養方案召開專項研討會，從社會需求能力點和已有畢業生能力點兩個方面出發，在課程設置、培養理念等多方面吸納專家的經驗做法和寶貴建議，為自動化專業的人才培養指明方向，促進本科教育教學質量水平大幅提升。

2.加強培養學生主動性的思政教育。從社會需求素養比重和畢業生素養比重對比可以看出：在主動性方面，社會需求大于畢業生素養。因此，某高校應通過適當增加政治、人文、心理、職業規范等相關課程予以引導，同時結合學校實際情況，加強社會實踐環節的組織與管理，使畢業生可在社會實踐中更好地認識自我，了解社會，為將來走向社會打下基礎。

3.實施多元課程，增加實踐環節。從上述人才培養質量分析可知，在“溝通與表達能力”“組織協調能力”“邏輯思維能力”這些“通識能力”點上，某高校自動化專業學生能力相對低于社會需求，有待進一步提升。因此，應加強數學、計算機系列等基礎課，以及政治等人文課程。可適當增加課程設計環節，增加實踐動手機會，避免基礎課程給學生帶來枯燥乏味的感覺，提高學生的學習熱情;充分利用畢業實習這個體現畢業生綜合能力的重要渠道，以建立大學生管理、組織、協調、溝通、人際關系等方面的延伸性經驗。

4.結合新興產業，推動創新復合人才培養模式。物聯網、人工智能等新興互聯網應用技術對高校自動化專業教學提出的新挑戰。發展戰略性新興產業、推動經濟轉型升級，離不開高素質技術人才的有力支撐。當前自動化專業設置還存在很多與戰略性新興產業對接的“盲點”。高校應堅持夯實基礎、強化內涵，緊緊抓住戰略性新興產業發展的大好機遇，充分利用戰略性新興產業發展政策，精準對接相關產業，與相關企業開展深度合作，推動自動化專業創新復合人才培養模式。

五、結論

內部評價仍然必不可少?？梢哉f，高校內部評價是從歷史的維度對人才培養質量進行評價，而基于第三方數據則是從社會需求的縱向維度和各高校之間差異的橫向維度進行人才培養質量評價。因此，兩種評價應該相互補充，共同作用。尤其在當前形勢下，切實加強第三方參與的人才培養質量評價機制，可以推進高校在評價方面的制度研究和建立、健全評價的組織機構、促進高校對自身人才培養質量評價的反思。

參考文獻

[1]徐安興.構建大學人才培養質量評價體系[J].教育發展研究，2006（5）：72-74.

[2]周世軍，戴玉純，洪旭東.基于網絡爬蟲大數據的地方高校人才培養質量社會關注度挖掘[J].黑龍江高教研究，2019（3）：44-47.

[3]南旭光.大數據驅動職業教育人才培養的價值邏輯與創新途徑[J].教育與職業，2017（20）：20-25.

[4]藍榮聰，陳永福.大數據視域下大學生創新能力培養的思考[J].思想教育研究，2014（11）：70-73.

[5]薛景，戴玉純.論大數據在高校評價中的應用[J].亞太教育，2016（23）：10-11.

Research on Quality Evaluation of Talent Cultivation Based on Third-Party Big Data

ZHOU Rong， SHI Rui-feng

（School of Control and Computer Engineering， North China Electric Power University，

Beijing 102206， China）

Abstract： Objectively evaluation of talent training quality in universities based on the third party platform big data has profound reference and practical value for further exploration of the revision mechanism of training program， the way and models of talent capacity improving. Intelligent big data analysis methods such as co-word network， automatic classification， text clustering， machine learning， are adopted to establish the talent quality evaluation model of specific professional and analyze the specific talent training quality after the talent data of all professionals in the country. The results of previous automation major graduates' training in a university show that the talent quality evaluation method provides an important decision-making support for the revision of the talent training program and the design of the curriculum system by effectively using graduates big data.

Key words： quality evaluation of talent cultivation; big data; intelligent analysis methods