職業院校科研核心與邊緣主題識別研究：基于大模型的社會網絡分析

中圖分類號 G719.2 文獻標識碼 A 文章編號 1008-3219（2025）25-0013-07

一、問題提出

2021年，中共中央辦公廳、國務院辦公廳聯合印發《關于推動現代職業教育高質量發展的意見》，明確提出職業教育承擔著“培養多樣化人才、傳承技術技能、促進就業創業”的核心職能，并確立了到2035年職業教育整體水平進入世界前列的目標。黨的二十大報告進一步強調“統籌職業教育、高等教育、繼續教育協同創新，推進職普融通、產教融合、科教融匯，優化職業教育類型定位”，將“科教融匯”作為推動職業教育高質量發展的新動能。2025年，教育部職業教育發展中心印發《職業教育教科研工作三年行動計劃（2025—2027年）》（以下簡稱《行動計劃》），在延續構建“中國特色職業教育自主科研體系”目標的基礎上，特別強調“深化產教融合科研攻關”“創新‘政行企校研’協同科研機制”以及“加強人工智能等新技術賦能科研方法創新”。

加快建設教育強國、推動職業教育高質量發展、構建自主科研體系等建設目標，對職業教育學術研究的支撐能力與創新水平提出了更高、更迫切的要求。當前職業教育學術研究的核心主題是否精準聚焦于高質量發展的關鍵領域？潛力巨大的邊緣主題能否被有效識別并激活，以驅動《行動計劃》所強調的科研創新與自主體系建設？深入探究這些問題，對于優化學術資源配置、引導科研方向、切實提升職業教育科研質量、服務國家戰略需求具有重大現實意義。

在職業教育學術研究中，部分學者采用可視化分析工具對政策文本或已發布的文獻資料進行分析探究，以解釋該領域的發展規律。如陳秀等人采用NVivo12質性分析工具，對2020年以來教育部聯合17個省市發布的職業教育改革政策進行編碼，系統解析了產教融合、技能認證等核心指向，探究了我國職業教育發展方向。王雨柔等人運用CiteSpace對2017-2023年職業教育賦能鄉村振興研究的928篇文獻進行可視化分析，發現我國職業教育賦能鄉村振興研究在發文量上整體呈現增長趨勢，研究熱點與政策發布周期密切相關[2]。徐兆佳等人綜合運用CiteSpace與VOSviewer，對《教育學術月刊》十年間刊發的3038篇文獻進行多維可視化分析，構建了職業教育研究的學科知識網絡[3]。

大語言模型在文本生成與語義理解方面展現的卓越性能，推動了自然語言處理領域的技術躍遷，為各領域任務處理范式革新提供了新的可能。近年來，隨著算力基礎設施的迭代升級與算法架構的持續優化，全球范圍內的大語言模型研發呈現加速態勢。以ChatGPT、LLaMA為代表的國際前沿模型，以及文心一言、豆包、DeepSeek等國內大語言模型，均在實際應用場景中驗證了其技術效能。這些大語言模型不僅在醫學、法律、金融、市場營銷等傳統領域得到了廣泛應用[4，而且在數學建模、語言認知、邏輯推理等交叉學科領域展現出達到或超越人類專家水平的問題解決能力。基于千億級參數規模和萬億詞元量級訓練數據構建的大語言模型，通過深度神經網絡對海量語料的語義關聯進行建模，形成了具有顯著優勢的上下文語義理解、指令意圖解析及復雜邏輯推理能力[5]。

近年來，已有大量研究運用大語言模型對文本內容進行實體抽取、主題識別及情感識別等。比如，段宇鋒等通過API調用9種主流大語言模型對中文醫學文本進行實體關系抽取，使用CMeIE-V2數據集進行實驗并比較抽取效果[。滕婕等人利用大語言模型對網絡問政文本進行細粒度情感標注，構建高質量的情感分類數據集。余云龍等人運用文心一言大語言模型ERNIE-bot4.0對新質生產力相關論文進行關鍵詞提取，結合隨機塊模型與知識圖譜技術，構建了包含技術創新、產業升級等維度的層次化研究框架[8]。本研究基于大語言模型的文本分析和處理能力，針對職業教育領域學術文獻摘要開展主題挖掘與社會網絡可視化分析，旨在揭示該領域的研究熱點，為探索高職院校參與構建中國特色職業教育學術話語體系的實施路徑提供理論參考。

二、理論基礎與研究設計

（一）理論基礎

社會網絡分析方法（SocialNetworkAnalysis，SNA）以關系范式為理論基礎，通過圖論模型與數學分析框架刻畫社會實體間的聯結模式。該理論體系關注社會實體的結構屬性與互動關系，其中節點代表具有社會屬性的行動單元，連線則表征實體間的關聯形式。網絡分析的核心在于通過量化指標揭示關系模式的結構性特征，包括網絡密度、對稱性、連接強度等連接屬性，以及基于結構等價性原理的節點位置特征分析。因此，可以利用社會網絡分析，搭建個體和群體之間的橋梁，分析學術研究之間錯綜復雜的關聯關系。本研究選取網絡密度、網絡中心度和聚類分析指標，從社會網絡視角分析職業教育學術研究網絡結構，以闡釋職業教育學術研究的網絡特征。

社會網絡分析中的結構特征指標體系包含三個核心維度：網絡密度、凝聚力系數與聚類系數。網絡密度作為網絡結構緊湊性的量化指標，通過實際存在的邊數與理論最大可能邊數的比值進行測算（取值區間[0～1]）。該指標數值越高，表明節點間連接越緊密，知識傳播效率越顯著。在研究主題共現網絡中，高密度結構往往對應研究議題的高度交織，而低密度結構則可能反映研究方向的離散化特征。凝聚力系數是評估子群體內部連接緊密程度的指標，高凝聚力表明群體內部高度協作，與外部相對隔離。聚類系數是衡量節點鄰居間互相連接的概率，分為局部（單個節點）和全局（整體網絡）兩類。高聚類系數表明網絡中存在大量“三角形”閉合結構。

社會網絡分析中，網絡中心性（NetworkCentrality）是衡量節點在社會網絡結構中重要性和影響力的核心指標，揭示個體或群體在資源控制、信息傳遞和權力分配中的關鍵地位。回答“誰處于核心地位”及“如何影響整體網絡”兩個核心問題。一般使用度中心性（DegreeCentrality）、中介中心性（BetweennessCentrality）、接近中心性（ClosenessCentrality）等指標衡量，其中度中心性衡量節點直接連接的邊數（即鄰居數量），反映節點在局部網絡中的活躍程度。度中心性越高，表明節點處于信息交換的核心位置。在研究主題共現網絡中，高度中心性研究主題代表研究領域核心議題，常與其他主題高頻關聯。中介中心性衡量節點作為“橋梁”連接不同子群的能力，計算其位于最短路徑上的頻率。高中介中心性節點控制跨群體信息流動，具有結構洞優勢。在跨機構合作網絡中，高中介中心性機構常鏈接企業、高校與政府，推動技術轉化。接近中心性衡量節點到其他節點的平均最短路徑長度，反映信息傳播效率。高接近中心性節點能快速觸達網絡大部分成員。在學術主題網絡中，高接近中心性常處于知識體系中心，成為多領域研究的共同基礎。

核心—邊緣結構（Core-PeripheryStructure）指網絡中存在兩類異質性節點集群：核心區與邊緣區。結構特征主要表現為核心區節點間存在大量共現、合作或引用關系，占據網絡中心位置，控制信息流動。邊緣區節點僅與核心區單向或弱連接，依賴核心區獲取曝光度與影響力。該結構反映了學術領域內知識生產的權力分層與資源分配。

（二）研究設計

本研究依托豆包大模型（Doubao Pro-32k ）的API接口，以人大復印報刊資料《職業技術教育》2022-2024年索引中職業教育類文章摘要作為核心輸人語料，構建自動化主題提取體系。通過系統角色提示機制，將模型角色設定為“職業教育學術主題研究專家”，以此明確知識邊界，確保模型聚焦職業教育領域。同時，采用自然語言指令構建精確的提取規則，該規則包含三大核心要素：其一，限定輸出內容，嚴格錨定職業教育領域；其二，結構化數據統一采用JSON格式，確保數據的規范性與可操作性；其三，實施多主題無上限提取策略，全面捕捉文本中的學術主題，見表1。

基于Transformer架構的豆包大模型，憑借強大的上下文理解能力與深度語義分析技術，對輸入文本進行系統性特征解構。模型通過自注意力機制，有效捕捉詞匯間的長距離依賴關系，精準識別研究主題的核心概念及其關聯語義。在這一過程中，模型對摘要文本進行逐詞、逐句的深度語義挖掘，將文本中蘊含的學術主題進行抽離與提煉，最終生成包含索引編號和主題詞的結構化數據。

為提升數據質量與可用性，對模型提取的研究主題進行人工后處理。通過合并同類項，消除語義重復或相近的主題冗余；同時，剔除“職業院校”“高職院校”等泛化表述，避免因概念寬泛導致的主題模糊。經過上述處理，形成高質量、結構化的數據集，該數據集不僅包含離散的學術主題節點，更蘊含主題間的語義關聯關系，為基于社會網絡分析的職業教育學術研究網絡結構解析奠定堅實基礎。

三、主題分析

（一）研究主題特征分析

基于提取的研究主題結果，選取排名前30的高頻主題詞構建帕累托圖，見圖1。可以看出，前30個主題研究占整體研究的比例接近 25% ，貢獻了1/4的研究熱點。從頻次來看，產教融合、人才培養、高質量發展、校企合作、教育教學改革等主題詞出現頻次較高，貢獻了主要的研究熱點。其中產教融合的出現頻次超過了1200次，占文本數據的 30% 以上，足以看出產教融合作為我國職業教育人才培養的基本模式和現代職業教育高質量發展的長期戰略，是職業教育特征的基本彰顯[1]。同時，2022年12月，中共中央辦公廳、國務院辦公廳印發《關于深化現代職業教育體系建設改革的意見》（以下簡稱《意見》），提出要以深化產教融合為重點，以科教融匯為新方向，充分調動各方面積極性。2023年6月，《職業教育產教融合賦能提升行動實施方案（2023一2025年）》（以下簡稱《實施方案》），明確提出要開展產業園區產教融合型企業等多種實踐樣態的產教融合建設工作，從政策方面凸顯出產教融合在職業教育中的作用。此外，人才培養、高質量發展、校企合作等研究主題都體現出對職業教育人才培養模式等內涵建設的探討。

從主題共現網絡層面，基于提取的前四個主要研究主題構建研究主題網絡，見圖2。由圖2可以看出，校企合作與產教融合的共現頻次較高，這與《意見》《實施方案》等政策完全契合。人才培養與產教融合、校企合作共現的頻次較高，反映了人才培養的重要方式就是不斷深化產教融合，強化校企合作。同時，高質量發展與產教融合、職業教育體系、校企合作、人才培養、數字化等研究主題共現的頻次較高。產教融合與高質量發展、人才培養、校企合作、職業教育體系、教育教學改革以及科教融匯等研究主題共現頻次較高。從共現的關系來看，產教融合是為了促進職業教育高質量發展，也是職業教育人才培養的核心和基礎，其重要抓手就是校企合作；而要做好產教融合教育教學改革和科教融匯則是關鍵，可以看出圍繞職業教育高質量發展和產教融合可以延伸出一系列的研究關聯。從共現頻次可以看出，產教融合和校企合作的共現頻次最高，達到了334次，協同發展呈現顯著的政策驅動特征。《實施方案》提出了深化產教融合、校企合作的實施路徑，從辦學形態、培養內容、合作模式、新型載體等方面為產教融合與校企合作提供了參考；學術研究普遍認為，產教融合是校企合作的制度升級，前者從頂層設計重構教育與產業的關系，后者從操作層面解決資源整合問題。二者協同正從單一人才供給向技術賦能、生態共建延伸，成為職業教育高質量發展的“雙引擎”。

（二）基于網絡密度分析的職業院校科學主題研究

基于本文研究數據，依據研究主題共現關系構建網絡緊密性指標體系，分別采用大語言模型提取法與基于關鍵詞的主題先構建主題網絡，再對網絡密度、凝聚力系數、聚類系數三項指標進行測算，見表2。

由表2可知，基于大語言模型提取的研究主題，網絡密度為0.1213，表明職業教育領域當前學術研究主題呈現多元化發展態勢；凝聚力系數為0.5508，反映出在職業教育研究中存在顯著的局部知識聚合現象。該結果與圖2所構建的網絡圖形成印證，以產教融合、高質量發展等主題為中心的局部網絡，具有較高的關注度，聚類系數為0.5627，進一步揭示了研究主題的細分特征。此外，為進一步驗證基于大語言模型提取的研究主題的代表性和準確性，本研究基于已有文獻的“關鍵詞”構建的上述網絡緊密性指標如表2第二列所示。可以得出，基于大語言模型構建的網絡緊密性指標整體高于基于關鍵詞構建的網絡緊密性指標，進一步說明大語言模型在文本分析方面的優勢。

表2研究主題網絡緊密性指標

（三）基于網絡中心性分析的職業院校學術主題研究

基于研究數據，對職業院校學術主題網絡中排名前20的節點，分別計算其度中心性、中介中心性和接近中心性三項網絡中心性指標，見表3。

表3研究主題網絡中心性指標（top20）

由表3可知，產教融合、人才培養、高質量發展、校企合作、教育教學改革、人才培養質量、師資隊伍等研究主題中心性指標都較高，印證職業教育學術主題研究的核心是圍繞產教融合和高質量發展等一系列主題開展。從度中心性指標來看，產教融合、人才培養、高質量發展、校企合作、教育教學改革等研究主題的度中心性都高于0.65，足以得出其在整個職業教育學術主題研究中的核心地位和影響力。從中介中心性指標來看，研究主題所呈現的指標都較低，這可能也與高度集中于職業教育產教融合、高質量發展等專業化領域的研究主題為主，與其他子領域的研究主題共現頻率低，難以形成跨子群的“橋梁詞”。從接近中心性指標來看，產教融合、人才培養、高質量發展、校企合作、教育教學改革、人才培養質量、師資隊伍、職教本科、職業教育體系、立德樹人等研究主題的指標都高于0.65，這與圖2構建的研究主題網絡高度一致，反映出這些研究主題常處于研究熱點的中心，成為其他主題研究的基礎。

（四）基于網絡聚類分析的職業院校科學主題研究

基于研究數據，按照研究主題、作者和機構分別構建“核心一邊緣”結構，見表4。

表4研究主題、作者和機構“核心一邊緣”結構識別（top15）

如表4所示，從研究主題的核心一邊緣結構分析可知，核心區呈現政策導向型主題與實踐支撐體系兩大特征。在政策導向型主題方面，產教融合、職業教育體系、校企合作、高質量發展等主題直接對應《意見》《實施方案》和《職業教育法》等政策文件關鍵詞，說明學術研究緊密圍繞國家戰略開展。人才培養質量、教育教學改革、評價體系等主題聚焦職教改革的成效評估，體現從規模擴張向內涵建設的轉型需求。邊緣區呈現戰略延伸型、機制突破型和細分領域深耕等三大特征。在戰略延伸型主題方面，共同富裕、鄉村振興等主題將職教學術研究與經濟社會發展深度綁定，體現職業教育作為社會公平推進器的功能轉向。在機制突破型主題方面，科教融匯與職普融通構成職教改革的“雙輪驅動”。國家資歷框架、職業教育法等相關研究薄弱，導致技能等級認定、“ 1+X^′′ 證書制度等改革缺乏法律依據，制約技術技能人才社會地位提升。在細分領域深耕方面，課堂教學、課程體系建設、三教改革（教師、教材、教法）聚焦教學現場，但相關研究呈現孤立狀態，尚未與數字化、評價體系等核心主題形成研究閉環。

從作者的“核心一邊緣”結構分析可見，核心區學者如陳鵬（江蘇師范大學）的研究聚焦職業教育、教育理論與教育管理、初等教育等領域，中國知網發文量為151篇（截至2025年3月26日），其中CSSCI期刊發文34篇，文章總下載量123063次，與其合作最多的前三位作者分別為韓寶平（北京市市政工程設計研究總院）、崔志鈺（江蘇省海門中等專業學校）和倪娟（江蘇省教育科學研究院）。該作者于2015年在《教育研究》發表的論文被引次數和下載量最高，對現代職業教育體系構建產生了重要影響。莊西真（江蘇理工學院）的研究主要聚焦職業教育、教育理論與教育管理、成人教育與特殊教育等領域，中國知網發文量為251篇（截至2025年3月26日），其中CSSCI期刊發文34篇，該作者于2017年在《中國高教研究》發表的論文被引和下載量最高，對工匠精神的內涵進行了全方位、多視角的剖析與解讀；從核心區學者的就職單位來看，主要就職于京津冀和長江三角洲區域的高校或科研機構。

從機構的“核心一邊緣”結構分析可見，核心區機構以師范類高校（如華中師范大學、北京師范大學）和綜合類高校（如北京大學、浙江大學）為主，依托教育學一級學科優勢，主導國家級課題（如教育部哲學社會科學重大攻關項目）和高水平期刊（如《教育研究》）發文渠道。地域分布呈現京津冀（7所）、長三角（5所）集中態勢，享受區域經濟與政策紅利（如天津國家職業教育改革試驗區）。核心機構中僅天津職業技術師范大學、杭州職業技術學院等3所職業院校入圍，反映了職教實踐場與學術話語權的割裂。邊緣區機構則呈現職業院校的實踐優勢與區域特色，順德職業技術學院、南京工業職業技術大學等院校直接對接產業需求，但研究成果多以案例庫、技術規程等形式呈現，未能有效轉化為學術論文；長沙民政職業技術學院、長春汽車工業高等專科學校等形成特色專業群，但研究成果受限于地方期刊影響力。

四、結論與建議

本研究通過大語言模型與社會網絡分析方法，系統解析了職業院校科研的三重結構性失衡：第一，主題分布呈現高度集中化態勢，產教融合、人才培養等政策導向型主題占據核心區，而科教融匯、三教改革等機制突破型主題處于邊緣地帶且連接薄弱；第二，科研主體參與不均衡，核心作者與機構高度集中于京津冀、長三角的師范類和綜合類高校，職業院校參與度不足 20% ，中西部機構呈現邊緣化趨勢；第三，成果轉化存在斷層，東部高校主導的理論研究與職業院校實踐需求脫節，且西部院校受資源制約，研究成果多為實踐性成果，難以進人主流學術傳播渠道。這些發現與《行動計劃》提出的構建自主科研體系、強化科研支撐能力目標深度契合，揭示了政策落地亟須解決的深層矛盾。為響應國家建設教育強國戰略部署，落實《行動計劃》核心要求，結合研究發現提出以下三方面建議。

（一）構建主題動態優化與培育機制，引導科研生態均衡發展

針對核心主題同質化與邊緣主題研究薄弱問題，應依托國家級職業教育智慧教育平臺，整合產業技術變革動態與政策導向數據，建立“產教融合效能指數”監測體系，設立專項科研培育基金，重點支持職業院校開展科教融匯、職普融通、區域特色技藝數字化保護等邊緣領域探索性研究。同步改革“雙高計劃”驗收標準，將技術規程開發、企業案例庫建設等實踐性成果權重提升，引導科研活動從政策解讀轉向產業技術真問題攻關，推動科研與需求深度融合。

（二）創新多元主體協同科研模式，強化職業院校主體地位

為破解普通高校學術話語壟斷與職業院校科研邊緣化困境，需深化科研評價制度改革。將職業院校教師主導的行業技術標準制定、重大技術問題解決方案等實踐成果納入科研績效考核與職稱晉升體系，賦予其相應的價值認定。在國家級、省部級科研項目中全面推行“高校學者 ^°+ 職業院校教師”雙負責人制，明確理論構建與方法創新由高校團隊承擔，應用驗證與場景支撐由職業院校團隊負責，并通過專利共享機制保障雙方權益。建立核心科研機構對口支援長效機制，將實驗室資源開放、聯合課題指導、青年教師培養等幫扶成效納入高校學科評估指標，驅動優質資源向職業教育教學與實踐一線流動。

（三）深化區域協作與精準賦能，促進科研資源均衡布局

針對東部科研集聚與中西部資源匱乏的結構性矛盾，應由教育部統籌建立區域性職業教育科研協作中心，組織東部高水平高校，例如浙江大學、華東師范大學等，與西部職業院校結對，聯合開發“高原產業學院建設規范”“民族地區特色專業群評估模型”等定向課題。升級國家職業教育智慧教育平臺，向西部院校開放大語言模型分析工具及學術數據庫，提升其科研基礎能力。在運行機制上，建立協同設計與聯合推廣的閉環。如東部高校研發的產教融合評價模型，可在四川藏區職校開展實證檢驗后，共同形成“高原產業學院建設規范”等可推廣成果，實現西部實踐向全國經驗的轉化。

參考文獻

[1]陳秀，李華，蔣凱.新時代國家職業教育改革試驗區政策工具研究：基于對17個試驗區職教改革政策的文本分析[J].科教文匯，2025（4）：1-9.

[2]王雨柔，冉云芳，褚軒敏.職業教育賦能鄉村振興的研究特征與展望——基于CiteSpace的可視化分析[J].江蘇高職教育，2025（1）：69-81.

[3]徐兆佳，熊華生，劉永存，等.我國教育理論學術研究的現狀、熱點及趨勢——基于《教育學術月刊》10年文獻數據研究[J]教育學術月刑，2018（10）：3-13.

[4]DAVENPORTTH，RONANKIR.Artificial intellgence fortherealworld[J].Harvard businesreview，2018（1）：108-116.

[5]WEIJ，WANXZHUUD，etal.inofthoughtproptingeliciseasonginlagelanguagemodelsCdacsinalinformation processing systems.New York： Curran Associates，2022：24824-24837.

[6]段宇鋒，謝佳宏.基于大語言模型和提示工程的中文醫學文本實體關系抽取研究[/OL].數據分析與知識發現，1-17[2025-04-18].htp：//ns.cnki.net/kcms/detail/10.1478.G2.20241218.1405.002.html.

[7]膝婕，賀荒蘭，胡廣偉，等.基于大語言模型的網絡問政文本細粒度情感識別方法[J/OLJ.現代情報，1-19[2025-03-19].htp：//kns.cnki.net/kcms/detail/22.1182.G3.20241218.1345.002.html.

[8]余云龍，白冰，陳仕吉，等.基于大語言模型的新質生產力內涵特征挖掘研究[J].現代情報，2024（11）：16-26.

[9]約翰·斯科特（John Scott）.社會網絡分析法（第3版）[M].劉軍，譯.重慶：重慶大學出版社，2016：76.

[10]余闖.市域產教聯合體建設的政策意蘊、學理邏輯與現實方略[J].高等工程教育研究，2024（1）：144-150.

Research on Identifying CoreandPeripheral Themes in Vocational College ScientificResearch：ASocial Network Analysis Based onLarge LanguageModels

WenYufeng，Zhou Yajie

AbstractThesustainabledevelopmentofvocationaleducationreliesonthesupportand innovationofacademicresearch.Tofurther explorethprogsotioalistiiososrctingcaeicousesiheacteristcstispl LargeLanguageModels （LMs）fortextaalysisandprocesigtonducttoicminingndocialnetworkaalysisonstractsofcadeic literaturenthevocatioalducationfeldindingsinicatethatoesearchtemssuchsidustducatiointegatoh enterprisecollborationndtalentultivationfothbackboneofvocatioaleducationsdies.Tefeldasdveloedakoledge aggregationstedomatedyolicentedts.oweer，hallngespsistiategictesionsiioalition andspecializedsubeldresearchatteperipheryTodressthesegaps，thefolowingmeasuresareproposed：establishadyaicthme optimization mechanismtopromote balancedresearchecosystems;inovate multi-stakeholdercoordinationmodels tobridge the academic-practicegap;anddepenregionalcordinateddevelopmenttrategiestoensureequitablealocationofresearchresouces.

Keywordsvocationalinstitutions;scientificresearch;academicdiscourse;socialnetwork analysis;argelanguageodels

AuthorWenYufengssociateprofesorattheholofanagementinNorthwestNoalUnversity（Lanzhou3O）;ZouYajie master candidate at the School of Management in Northwest Normal University