新質生產力背景下新工科人才培養目標模型

中圖分類號：G642

文獻標識碼：A DOI:10.16400/j.cnki.kjdk.2025.17.001

Model of Training Objectives for New Engineering Talents under the Background of New Quality Productivity

HOU Ying， WANG Jingjing， HAN Honggui， SUN Chenxuan ichool of Information Science and Technology，Beijing University of Technology，Beijing 10012.

AbstractThe coreelement of new quality productivity is technological innovation，and cultivating new engineering talents for technological innovation is a strategic measure to developnew quality productivity.The cultivation of new engineering talents involves students，universities andenterprises.The demands ofeach entityfor talent cultivation are dynamic，and the demand information between them is stronglycorrelated.Traditional talent cultivationgoal setting is diffcultoreflectreal-timedynamicdemands.Therefore，applyingartificial intellgencetechnologytotheentire education and teaching chain，researching data-driven modeling methods for the training objectives of new engineering talents， andconstructingan intellgent modelforthe training objectives of new enginering talents under the background of new quality productivitycan asist in completing a closed-loop training systemof student university enterprisecollaboration， providing strong support for cultivating new engineering talents with innovative capabilities and practical skills. Keywordsnewqualityproductivity;newengineering; alentcultivationoectives;tificialintellgence; fuzyneuralnetorks

2023年9月，習近平總書記在聽取黑龍江省委、省政府工作匯報時提出，要整合科技創新資源，引領發展戰略性新興產業和未來產業，加快形成新質生產力。2024年政府工作報告提出，大力推進現代化產業體系建設，加快發展新質生產力。各行各業積極響應國家號召，以科技創新推動產業創新，大力發展新質生產力。培養符合新質生產力發展需求的技術人才，打造世界工程創新中心和人才高地成為我國高等教育領域的重要建設內容[1-2]。

面對新一輪科技革命，發展新質生產力的戰略性舉措是培養新工科人才，持續提升人才培養水平[3]。新工科人才培養是一項復雜的系統工程，制定科學合理且符合時代需求的人才培養目標是確定人才培養方向，保證人才培養質量的關鍵。人才培養目標反映了學科建設的辦學理念，展現了培養單位對畢業生在專業領域的職業預期，也體現了在經濟快速發展背景下行業發展的需求定位。

目前，部分高校緊跟時代需求，在新質生產力和新工科人才培養方面高度關注培養過程管理，構建了個性化的學習路徑，增強產教融合協同育人，整合課程教學方式[5]。但現有人才培養目標模型是以國家人才政策為引領，由學校主導制定的人才培養目標和標準，缺乏系統性與動態性，已不能滿足當今快速發展且多樣化的行業需求，沒有全面考慮培養主體的需求，缺少對培養過程全鏈路信息的整理與利用，對培養目標的擬定和生成方面缺乏研究，亟須構建能夠根據培養需求自適應調整的人才培養目標模型。本文基于新工科人才培養的特點，提取人才培養全鏈條特征，采用數智化手段，以建立更為科學合理的人才培養目

|科教導刊

標智能模型。

1新質生產力背景下人才培養目標的特點分析

新工科人才培養目標的制定不僅要符合現代工業對人才跨學科綜合能力、創新能力和實操能力的高要求，還需要適應快速變化的科技和產業發展，滿足國家和社會對工科人才的期望和要求。在新質生產力背景下，新工科人才培養目標具有如下特點。

1.1新質生產力主體需求多元

新質生產力引領高新技術產業發展，人才培養過程涉及的主體從學生擴充到了高校和企業，每類主體對人才的需求和培養期望不同。學生追求個性化的發展和全面的素質提升，高校致力于提供高質量的教育和科研知識，而企業希望雇傭具有實際操作能力的員工。多元主體對新工科人才的知識結構、能力要求和實踐技能有著不同側重。如何在多元需求間找到平衡點，構建一套既符合時代要求，又具有前瞻性的培養目標是目前面臨的首要難題。

1.2人才培養過程數據動態

制定人才培養目標需要綜合大量實時數據，包括學生教育教學需求數據、高校課程建設需求數據和企業發展需求數據等。學生教育教學數據包括課程設置、教育平臺和軟硬件設施數據；高校課程數據包括學分和學時數據；企業發展數據包括專業技能和職業素養數據。如何篩選出對學生成長最為關鍵、最具前瞻性的數據，確保教學內容的時效性和前沿性，是制定新工科人才培養目標時必須解決的另一大難題。

1.3主體間需求信息關聯

新質生產力的發展能夠輔助優化整體產業鏈，提高行業競爭力。在制定新工科人才培養目標的過程中，信息關聯性表征了主體間信息的聯系程度。學生、高校和企業不僅在培養目標的制定中各有訴求，而且其信息相互影響，耦合性強。例如，企業的技術需求和行業發展趨勢影響高校的課程設置，而政府的政策導向影響教育改革。因此，多主體的信息共享和協同合作至關重要，能夠促進培養目標的動態調整，確保培養目標適應技術發展，從而培養出符合時代需求的高素質工程人才。

2新工科人才培養目標智能模型構建

當前人才培養過程存在主體多元、數據動態和信息關聯的特點，模糊神經網絡結合了模糊邏輯系統和人工神經網絡的優點，能夠處理不確定性和模糊性信息，同時具有自學習和自適應能力，可以解決人才培養過程中的難題。采用模糊神經網絡技術，能夠實現數據驅動人才培養目標智能模型的構建。

2.1采集多源主體數據

模型的構建應基于“以學生為中心\"“產教融合\"\"科教融合”的培養理念，采集數據時以政府人才政策和社會科技發展為引導，重點考慮學生、高校和企業三個主體的需求，采集多主體對人才培養實際期望的數據，搭建“學生一高校一企業”多主體需求數據庫，實現對數據的準確采集和管理。

2.2提取實時關鍵特征

基于多主體需求數據庫，利用統計分析方法，計算各需求項在總樣本中的占比。選取實時數據中需求占比超過擬定閾值的變量，標記為各主體對應的關鍵特征變量，提取實時關鍵特征。

2.3構建培養目標智能模型

采用模糊神經網絡技術，建立關鍵特征變量與培養目標類型的非線性關系，將學生、教師和企業的需求特征轉化為具體的培養目標。智能模型的輸入為提取的實時關鍵特征，模型的輸出為備選人才培養目標類型。基于模糊神經網絡的培養目標智能模型架構包括輸入層、徑向基函數層、歸一化層和輸出層，如圖1所示。

輸入層接收多元主體的關鍵特征，包括學生的實踐技能、教師的教學方法和企業的職業素質等，如公式（1)所示。

x_i(t)=u_i(t)，

其中， x_i(t) 是輸入層第個輸出， u_i(t) 是第個輸入變量，i=1，?，z，z 為關鍵特征個數。

RBF層利用高斯函數，將輸入變量模糊化，轉換為模糊集合，如公式(2)所示。

其中， φ，(t) 是徑向基函數層第j個輸出， j=1，?，k，k 為該層神經元個數， m_ij(t) 和 σ_ij(t) 分別是第j個神經元第i個輸入變量的中心和寬度。

歸一化層通過模糊規則進行推理，如公式(3)所示。

其中， u_j(t) 是歸一化層第j個輸出， j=1，?，k.

輸出層將模糊推理結果轉化為具體的培養目標類型，如公式(4）所示。

其中， y_m(t) 是輸出層第 m 個輸出， m=1 ，2，3， w_jm(t) 是第j個神經元第 m 個輸出權重。

3新工科人才培養目標智能模型應用

為了驗證數據驅動新工科人才培養目標智能模型的有效性，以及模型迭代的可行性，下面以某高校信息類專業學生培養過程數據為例，應用人才培養目標智能模型，獲取動態的人才培養目標類型。

3.1數據采集環節

采用資料分析和問卷調研形式，采集學生、學校和企業對人才培養需求的數據。

3.1.1學生教育教學需求數據采集情況

面向某高校信息類專業的本科學生進行數據采集，收集學生對課程設置、教育平臺和軟硬件設施的需求數據，總結學生對各方面需求的人數和需求占比，具體數據如表1所示。

3.1.2高校課程建設需求數據采集情況

分析現行高校《培養方案》中的相關內容，明確高校對人才培養目標的定位，總結高校對各類課程的學分和學時情況，具體如表2所示。

3.1.3企業發展需求數據采集情況

面向用人單位進行數據采集，收集企業對人才應具備的專業技能和職業素養需求數據，分析企業調查問卷數據，

具體如表3所示。

3.2特征提取環節

采用主成分分析方法，選取實時數據中需求占比前1/3的數據，使用特征選擇方法，提取各主體實時的關鍵特征。學生教育教學的關鍵特征包括實踐經驗、高等數學和課程體系等，高校課程建設的關鍵特征包括公共基礎必修課、學科基礎必修課和專業選修課等，企業發展的關鍵特征包括實習經驗、編程能力和實踐操作等。

3.3模型構建環節

依據國家人才培養政策相關內容，將人才培養目標類型分為技能型人才、創新型人才和應用型人才。基于多主體需求數據庫中的數據，采用梯度下降算法調整模型參數，對模糊神經網絡進行訓練，提升人才培養目標與關鍵特征的匹配度，模型構建形式如圖2所示。

由建模結果可見，獲得的人才培養目標類型排序為創新型人才、技能型人才和應用型人才。創新型人才培養目標體現了學生對實踐經驗、科研團隊和實踐教學環節等培養創新能力環節的需求，體現了高校和企業對具有創新能力的高素質新工科人才的強烈需求。

4結語

人才培養目標智能模型能夠處理多主體需求變量，建立實時關鍵特征與培養目標類型之間的關系，減少了采用傳統方式制定人才培養目標的工作量，為新工科人才培養目標的達成提供了有力支撐。由模型構建結果可見，新工科人才必須具備快速適應技術進步和全球化市場發展的能力。未來的培養目標應著眼于前沿技術，如人工智能、大數據、物聯網和區塊鏈等領域，確保學生不僅掌握理論知識，還具備與時俱進的創新能力。此外，跨學科知識的整合將成為培養目標的核心，通過融合工程、管理、經濟等多個學科，鼓勵學生打破學科壁壘，學習多學科知識，提升學生的知識視野和解決復雜問題的能力。后續我們將以新興技能驅動為指導，建立理論實踐并重的人才培養目標模型，并在實際教學中進行廣泛應用和驗證。

★基金項目：工業大學教育教學研究課題（ER2024ZYB03）；市教育科學規劃重點課題(3055-0033)。

參考文獻

[1]盧曉中，王婧.新質生產力發展視域下科教融匯促進拔尖創新人才培養[J].江蘇高教，2024(8):13-24.

[2]黃全振，竇永江，盧金燕，等.新質生產力背景下人工智能專業人才培養體系探索[J].高教學刊，2024(32)：5-8，15.

[3]教育部辦公廳關于公布首批\"新工科\"研究與實踐項目的通知[EB/OL].(2018-03-15).http://www.moe.gov.cn/srcsite/A08/s7056/201803/t20180329_331767.html.

[4]黃沁元，熊興中，曹立佳.新工科背景下電氣信息類專業教學改革路徑探索[J].科教導刊，2024(25)：30-32.

[5]關鳳巖，李微，張廣栗.新質生產力背景下應用型本科高校人才培養路徑探究[J].科教導刊，2024(31):13-15.

[6]梁孝成，呂康銀，陳思.數據要素市場化對企業新質生產力水平的影響研究[J].科研管理，2025，46(2)：12-21.

[7]王頂明，黃蔥.以博士生教育高質量發展促進新質生產力形成[J].學位與研究生教育，2024(4)：58-65.