賈舒宜 牛晶 王海鵬 郭晨

摘?要：近年來，大數(shù)據(jù)、人工智能等新興科技發(fā)展迅猛，人工智能和大數(shù)據(jù)已經(jīng)成為高校學(xué)員精準(zhǔn)崗位任職培養(yǎng)的重要推手，大數(shù)據(jù)背景下做好學(xué)員崗位任職指導(dǎo)工作，積極運(yùn)用大數(shù)據(jù)思維和數(shù)據(jù)挖掘、人工智能等技術(shù)對高校學(xué)員學(xué)業(yè)表現(xiàn)、行為習(xí)慣等進(jìn)行數(shù)據(jù)的收集、分析和發(fā)掘，為其未來崗位任職做出測評，并將學(xué)員在任職后的表現(xiàn)行為通過反饋機(jī)制及時(shí)反饋給教員，形成崗位任職能力精準(zhǔn)化培養(yǎng)的有效閉環(huán)，為實(shí)現(xiàn)高校學(xué)員崗位任職指導(dǎo)的精準(zhǔn)化、科學(xué)化提供依據(jù)。

關(guān)鍵詞：人工智能；大數(shù)據(jù)；崗位任職；精準(zhǔn)化

一、概述

以物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等前沿科技突破為標(biāo)志的第三次信息化浪潮的到來，人工智能、云計(jì)算、物聯(lián)網(wǎng)等新興技術(shù)不斷發(fā)展，使得智能技術(shù)在社會各個領(lǐng)域成為重要的角色。智能技術(shù)不僅用于數(shù)據(jù)分析，還應(yīng)用在教育領(lǐng)域中的精準(zhǔn)教學(xué)，精準(zhǔn)教學(xué)中的精準(zhǔn)包括了教師教學(xué)、教研的精準(zhǔn)和學(xué)生學(xué)習(xí)的精準(zhǔn)。教師根據(jù)課程標(biāo)準(zhǔn)，教科書和學(xué)生發(fā)展的實(shí)際情況，通過智能技術(shù)對學(xué)生平時(shí)學(xué)習(xí)的相關(guān)數(shù)據(jù)進(jìn)行搜集和分析，利用分析出來的結(jié)果改善課堂設(shè)計(jì)，以多元化手段豐富教學(xué)形式與內(nèi)容，達(dá)到對學(xué)生學(xué)情的精準(zhǔn)把握，也對教師在教學(xué)計(jì)劃的制訂上給予參考，以提升教師自身教學(xué)效率與質(zhì)量，實(shí)現(xiàn)學(xué)生的個性化教育。

人工智能、云計(jì)算、物聯(lián)網(wǎng)等新興技術(shù)不斷發(fā)展，信息技術(shù)與教育有了深度融合，使得學(xué)員在學(xué)校中的學(xué)習(xí)行為數(shù)據(jù)呈現(xiàn)出多時(shí)段、多方位、多模態(tài)的特征，為了克服傳統(tǒng)粗放式教學(xué)弊端，切實(shí)提高崗位任職能力培養(yǎng)質(zhì)量，本文將企業(yè)精準(zhǔn)化管理理念應(yīng)用于高校學(xué)員精準(zhǔn)崗位任職培養(yǎng)［13］，基于學(xué)員課前、課中和課后的過程性數(shù)據(jù)，來判斷學(xué)員學(xué)習(xí)的學(xué)習(xí)效果、能力素養(yǎng)等，為其是否能今后在崗位任職或適合什么崗位做出正確的判斷，同時(shí)將學(xué)員任職以后的表現(xiàn)通過反饋機(jī)制反饋給教員，從而有效改進(jìn)授課方法、形式和進(jìn)度，形成崗位任職能力精準(zhǔn)化培養(yǎng)的有效閉環(huán)［46］。

二、人工智能和大數(shù)據(jù)技術(shù)

如同蒸汽時(shí)代的蒸汽機(jī)、電氣時(shí)代的發(fā)電機(jī)、信息時(shí)代的計(jì)算機(jī)和互聯(lián)網(wǎng)，人工智能正成為推動人類進(jìn)入智能時(shí)代的關(guān)鍵性力量。人工智能是計(jì)算機(jī)科學(xué)的一個分支，它生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，人工智能本身是一門綜合性的前沿學(xué)科和高度交叉的復(fù)合型學(xué)科，研究范疇廣泛而又異常復(fù)雜，其發(fā)展需要與計(jì)算機(jī)科學(xué)、數(shù)學(xué)、認(rèn)知科學(xué)、神經(jīng)科學(xué)和社會科學(xué)等學(xué)科深度融合。該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬，人工智能不是人的智能，但能像人那樣思考也可能超過人的智能。

人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識、心理學(xué)和哲學(xué)。其包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺，等等，人工智能研究的一個主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。人工智能的核心技術(shù)主要包含深度學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理和數(shù)據(jù)挖掘等。

大數(shù)據(jù)技術(shù)是大數(shù)據(jù)的應(yīng)用技術(shù)，涵蓋各類大數(shù)據(jù)平臺、大數(shù)據(jù)指數(shù)體系等大數(shù)據(jù)應(yīng)用技術(shù)。無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，簡單來說大數(shù)據(jù)就是海量的數(shù)據(jù)，就是數(shù)據(jù)量大、來源廣、種類繁多（日志、視頻、音頻），大到PB級別，現(xiàn)階段的框架就是為了解決PB級別的數(shù)據(jù)。大數(shù)據(jù)的七大特征：海量性、多樣性、高速性、可變性、真實(shí)性、復(fù)雜性、價(jià)值性。

隨著大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，它逐漸從一個高端的、理論性的概念演變?yōu)榫唧w的、實(shí)用的理念，隨著云時(shí)代的來臨，大數(shù)據(jù)也吸引了越來越多的關(guān)注。分析師團(tuán)隊(duì)認(rèn)為，大數(shù)據(jù)通常用來形容一個公司創(chuàng)造的大量非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)下載到關(guān)系型數(shù)據(jù)庫用于分析時(shí)會花費(fèi)過多時(shí)間和金錢。

大數(shù)據(jù)分析常和云計(jì)算聯(lián)系到一起，因?yàn)閷?shí)時(shí)的大型數(shù)據(jù)集分析需要像MapReduce一樣的框架來向數(shù)十、數(shù)百或甚至數(shù)千的電腦分配工作。

人工智能需要數(shù)據(jù)來建立其智能，特別是機(jī)器學(xué)習(xí)，大數(shù)據(jù)技術(shù)為人工智能提供了強(qiáng)大的存儲能力和計(jì)算能力。如果說大數(shù)據(jù)相當(dāng)于人的大腦存儲了海量知識，而人工智能則是吸收了大量的數(shù)據(jù)，并不斷地深度分析創(chuàng)造出更大的價(jià)值。人工智能離不開大數(shù)據(jù)，大數(shù)據(jù)依托著人工智能。

三、崗位任職能力精準(zhǔn)化培養(yǎng)需要解決的問題

高校學(xué)員能否更高質(zhì)量地勝任畢業(yè)后的崗位，其決定因素是學(xué)員自身的專業(yè)技能和綜合素質(zhì)。當(dāng)前，大部分學(xué)員在校期間缺少對未來崗位的認(rèn)知，只側(cè)重基礎(chǔ)知識的學(xué)習(xí)，忽視專業(yè)課程的學(xué)習(xí)和實(shí)踐能力的培養(yǎng)，造成專業(yè)知識基礎(chǔ)不扎實(shí)、專業(yè)實(shí)踐水平較低、專業(yè)技能不熟練等。而專業(yè)知識和職業(yè)技能的欠缺，在未來崗位任職中難免帶來適應(yīng)崗位時(shí)間過長的問題，為學(xué)員帶來一定的挫敗感，影響工作進(jìn)展和個人進(jìn)步。

另一方面，高校教員缺乏社會工作的經(jīng)歷，在教學(xué)過程中難以將專業(yè)基礎(chǔ)知識和實(shí)際工作知識相結(jié)合，造成理論和實(shí)踐相脫節(jié)的問題，面對目前高校教學(xué)對未來崗位任職培養(yǎng)目標(biāo)和內(nèi)容不清晰的問題，崗位任職能力精準(zhǔn)化培養(yǎng)主要解決以下方面內(nèi)容：

（1）解決學(xué)員劃分不精細(xì)的問題。通過采集、整合、分析學(xué)員基礎(chǔ)知識水平、教育背景、學(xué)習(xí)動機(jī)等數(shù)據(jù)，再結(jié)合學(xué)員的專業(yè)和可能的未來崗位任職特點(diǎn)在作業(yè)布置、內(nèi)容更新、實(shí)踐教學(xué)、考核方式等方面對學(xué)員進(jìn)行細(xì)分，摒棄不論學(xué)員學(xué)習(xí)基礎(chǔ)和專業(yè)如何一律從頭開始的傳統(tǒng)教學(xué)思路，增加課堂信息量，提高課堂效率。

（2）解決知識點(diǎn)陳舊問題。開課前基于學(xué)員精細(xì)化分析結(jié)果，結(jié)合課程大綱和未來崗位現(xiàn)有特點(diǎn)，對課程知識點(diǎn)進(jìn)行細(xì)分；開課后面向某節(jié)課的知識點(diǎn)，進(jìn)行授課內(nèi)容選取、案例選擇、課堂練習(xí)、作業(yè)和實(shí)驗(yàn)題目等微觀層面的細(xì)分；另外，可以和專業(yè)對口的公司或企業(yè)實(shí)現(xiàn)長期穩(wěn)定合作，建立雙導(dǎo)師機(jī)制，定期帶學(xué)員去企業(yè)實(shí)踐或者請企業(yè)專業(yè)人員來校授課。

（3）解決考核方法不精細(xì)的問題。摒棄傳統(tǒng)的“一張?jiān)嚲矶ńK身”的傳統(tǒng)考核方式，針對不同專業(yè)、不同任職崗位的學(xué)員采用不同的考核方法，增強(qiáng)學(xué)員學(xué)習(xí)信心，激發(fā)學(xué)員學(xué)習(xí)興趣。

（4）解決學(xué)員畢業(yè)任職后無反饋和評估的問題。高校教員利用人工智能、數(shù)據(jù)挖掘等技術(shù)對學(xué)員的學(xué)習(xí)過程進(jìn)行評估，對學(xué)員能力素質(zhì)進(jìn)行建模，進(jìn)而實(shí)現(xiàn)對學(xué)員的系統(tǒng)性評價(jià)，為將來崗位任職提出合理建議，同時(shí)將學(xué)員任職后在崗位上的表現(xiàn)反饋給教員，形成有效閉環(huán)，從而及時(shí)改進(jìn)教學(xué)內(nèi)容、方法和進(jìn)度。

四、基于大數(shù)據(jù)技術(shù)的崗位任職能力精準(zhǔn)化培養(yǎng)的特點(diǎn)

大數(shù)據(jù)技術(shù)有助于分析過去，把握現(xiàn)在和預(yù)測未來。首先，能全面記錄大學(xué)生在校園成長發(fā)展的軌跡（平時(shí)成績、個人能力特長、個人榮譽(yù)、參加實(shí)踐情況、誠信記錄、專業(yè)匹配程度），并從動態(tài)上把握學(xué)員學(xué)習(xí)和實(shí)踐狀況，深度分析其個性化發(fā)展方向，大數(shù)據(jù)技術(shù)可以根據(jù)學(xué)員的校園成長發(fā)展的軌跡、所學(xué)專業(yè)和個性化求職需求建立能力素質(zhì)和未來崗位預(yù)測模型。其次，大數(shù)據(jù)可以對學(xué)員從進(jìn)校到畢業(yè)全過程、全方位、全立體的數(shù)據(jù)進(jìn)行分析，對學(xué)員進(jìn)行綜合評估，進(jìn)行個性興趣與職業(yè)測評，并實(shí)現(xiàn)個性化崗位推薦。最后，大數(shù)據(jù)技術(shù)可以根據(jù)學(xué)員步入崗位后的表現(xiàn)、行為和存在問題，改進(jìn)教員課堂授課質(zhì)量、方式和內(nèi)容，從而形成有效閉環(huán)，更好地改進(jìn)能力素質(zhì)和未來崗位預(yù)測模型。

五、基于大數(shù)據(jù)技術(shù)的崗位任職能力精準(zhǔn)化培養(yǎng)具體實(shí)施措施

本文提出的基于大數(shù)據(jù)技術(shù)的崗位任職能力精準(zhǔn)化培養(yǎng)方案，具體實(shí)施方法主要分為以下幾個方面：

（一）多源數(shù)據(jù)采集

我們利用數(shù)據(jù)感知技術(shù)、校園一卡通、視頻監(jiān)控、二維碼、無線網(wǎng)網(wǎng)絡(luò)設(shè)施等，隨時(shí)感知與測量學(xué)員的學(xué)習(xí)數(shù)據(jù)、行為數(shù)據(jù)、管理數(shù)據(jù)等，關(guān)注學(xué)員學(xué)習(xí)情緒、學(xué)習(xí)態(tài)度、學(xué)習(xí)習(xí)慣等多元特征并對其進(jìn)行記錄和存儲。部分?jǐn)?shù)據(jù)類型和采集手段如表1所示，主要數(shù)據(jù)包括以下幾個部分：一是課程準(zhǔn)備。在課程開始之前，結(jié)合未來崗位需求、知識更新、每屆學(xué)員的素質(zhì)差異等可變因素，按照學(xué)員的基礎(chǔ)知識水平和學(xué)習(xí)動機(jī)等標(biāo)準(zhǔn)進(jìn)行細(xì)分，得出占比較大的學(xué)員群體的知識水平，重新審視教學(xué)大綱和教學(xué)目標(biāo)，選擇教材，確定教學(xué)內(nèi)容，制訂教學(xué)計(jì)劃，明確重難點(diǎn)。二是課堂教學(xué)?；趯W(xué)員課堂表現(xiàn)歷史數(shù)據(jù)，結(jié)合學(xué)員聽課反應(yīng)（包括學(xué)習(xí)者面部表情與坐姿），適時(shí)調(diào)整課程進(jìn)度，并根據(jù)需要增加或減少課堂練習(xí)、布置作業(yè)和實(shí)驗(yàn)題目。三是考核評價(jià)。結(jié)合知識點(diǎn)和學(xué)員未來崗位需求的細(xì)分情況，采取梯度考核方法。面向靈活運(yùn)用性的知識點(diǎn)，對不同專業(yè)崗位、不同崗位需求的學(xué)員設(shè)定不同的考核要求。四是任職后信息反饋。學(xué)員步入崗位以后，通過任職企業(yè)反饋意見、個人工作感受、相關(guān)人員評價(jià)等信息，對崗位預(yù)測模型進(jìn)行修正和改進(jìn)。

（二）多源數(shù)據(jù)融合（數(shù)據(jù)預(yù)處理）

在上一階段多源數(shù)據(jù)采集中，已獲取的各類數(shù)據(jù)包含大量非結(jié)構(gòu)化數(shù)據(jù)，并且這些數(shù)據(jù)不是在同一時(shí)刻被采集，數(shù)據(jù)間有時(shí)間上的延遲，由于采集的種類錯綜復(fù)雜，對于不同種類的數(shù)據(jù)，在進(jìn)行數(shù)據(jù)分析之前，還必須通過數(shù)據(jù)抽取技術(shù)將復(fù)雜格式的數(shù)據(jù)進(jìn)行數(shù)據(jù)抽取，從數(shù)據(jù)原始格式中獲取到我們需要的數(shù)據(jù)，這里可以去掉不重要的字段，對于數(shù)據(jù)抽取得到這些數(shù)據(jù)，數(shù)據(jù)源頭采集可能存在不準(zhǔn)確的情況，所以進(jìn)行數(shù)據(jù)預(yù)處理，對于不正確數(shù)據(jù)需要過濾和剔除。針對不同應(yīng)用場景，對數(shù)據(jù)進(jìn)行分析的工具或系統(tǒng)也不同，還需要對數(shù)據(jù)進(jìn)行轉(zhuǎn)換，將數(shù)據(jù)轉(zhuǎn)換成不同數(shù)據(jù)格式，最終按照定義好的數(shù)據(jù)倉庫模型將數(shù)據(jù)加載到數(shù)據(jù)倉庫中，以備下一階段崗位預(yù)測建模使用。

（三）崗位預(yù)測精準(zhǔn)化分析模型構(gòu)建

崗位預(yù)測精準(zhǔn)化分析模型構(gòu)建是崗位任職能力精準(zhǔn)化培養(yǎng)至關(guān)重要的一步。其實(shí)質(zhì)是首先構(gòu)建相應(yīng)的精準(zhǔn)分析指標(biāo)體系；然后對體系中的指標(biāo)維度進(jìn)行數(shù)據(jù)化表征，然后基于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺、深度神經(jīng)網(wǎng)絡(luò)等各種新型技術(shù)，對規(guī)范化處理后的數(shù)據(jù)進(jìn)行建模分析，最終獲得分析結(jié)果。該模型通過采集到的專業(yè)、教育經(jīng)歷、工作經(jīng)歷、個人興趣、個人發(fā)展意愿、課堂課后表現(xiàn)、考核成績等數(shù)據(jù)，基于文本挖掘、自然語言處理、關(guān)聯(lián)分析等方法，對學(xué)員的學(xué)習(xí)特點(diǎn)與個性素質(zhì)進(jìn)行描述，預(yù)測學(xué)員未來發(fā)展趨勢，為學(xué)員以后的職業(yè)崗位選擇提供建議和幫助。

（四）崗位任職能力精準(zhǔn)化培養(yǎng)反饋機(jī)制構(gòu)建

針對高校學(xué)員畢業(yè)后崗位定位不精準(zhǔn)問題，需要構(gòu)建崗位任職能力精準(zhǔn)化培養(yǎng)反饋機(jī)制，要推送個性化指導(dǎo)服務(wù)，努力實(shí)現(xiàn)崗位信息與高校培養(yǎng)信息“無縫對接”，提高崗位任職的科學(xué)性、即時(shí)性和準(zhǔn)確性。通過表格填寫、電話記錄、走訪錄音、機(jī)關(guān)借閱、文獻(xiàn)查閱、企業(yè)調(diào)研等，了解崗位發(fā)展需求、科技前沿動向、學(xué)員崗位任職工作情況等，并將信息反饋給崗位預(yù)測精準(zhǔn)化分析模型，通過深度神經(jīng)網(wǎng)絡(luò)對模型進(jìn)行改進(jìn)和優(yōu)化。

另外，普通的高校教育趨向于采用標(biāo)準(zhǔn)的大框架課程教學(xué)體系，重視基礎(chǔ)知識，但缺乏專業(yè)以外知識的擴(kuò)展。針對未來崗位任職需求，需要系統(tǒng)化地對學(xué)生進(jìn)行額外培養(yǎng)。因此我們建立崗位任職能力精準(zhǔn)化培養(yǎng)的雙導(dǎo)師機(jī)制，從企業(yè)邀請業(yè)務(wù)能力骨干來校擔(dān)任實(shí)踐導(dǎo)師，跟學(xué)生面對面進(jìn)行教學(xué)與交流，保證學(xué)員及時(shí)了解現(xiàn)階段企業(yè)發(fā)展和崗位情況，縮短學(xué)員日后步入崗位適應(yīng)的時(shí)間。

結(jié)語

傳統(tǒng)的高校信息技術(shù)類課程針對學(xué)員培養(yǎng)過程中，無論是課堂理論講授，還是實(shí)踐化教學(xué)，在很大程度上仍表現(xiàn)為一種粗放式的教學(xué)方式，存在教學(xué)模式統(tǒng)一、未來崗位定位不清晰等問題。崗位任職能力精準(zhǔn)化培養(yǎng)從學(xué)員的角度出發(fā)，融合人工智能、云計(jì)算、物聯(lián)網(wǎng)、數(shù)據(jù)挖掘、學(xué)習(xí)分析、情境感知等新興信息技術(shù)，在多種維度上全面采集學(xué)員學(xué)習(xí)背景、學(xué)習(xí)過程中的海量數(shù)據(jù)，通過全面、系統(tǒng)的數(shù)據(jù)建模和數(shù)據(jù)挖掘分析，多維度、及時(shí)準(zhǔn)確地評估學(xué)生的學(xué)習(xí)真實(shí)狀況，為其未來崗位任職做出測評，并將學(xué)員在任職后的表現(xiàn)行為通過反饋機(jī)制及時(shí)反饋給教員，形成崗位任職能力精準(zhǔn)化培養(yǎng)的有效閉環(huán)，為實(shí)現(xiàn)高校學(xué)員崗位任職指導(dǎo)的精準(zhǔn)化、科學(xué)化提供依據(jù)。

目前，崗位任職能力精準(zhǔn)化培養(yǎng)研究在我國仍處于起步階段。隨著教育與信息技術(shù)的深度融合，大數(shù)據(jù)背景下的崗位任職能力精準(zhǔn)化培養(yǎng)必然呈現(xiàn)快速發(fā)展的趨勢，但是，要建立一個全面可靠的崗位任職能力精準(zhǔn)化機(jī)制不僅需要政府大力支持，還需要教育專家、高校管理人員和企業(yè)業(yè)務(wù)專家的共同參與和實(shí)踐驗(yàn)證。

參考文獻(xiàn)：

［1］田愛麗.綜合素質(zhì)評價(jià)：智能化時(shí)代學(xué)習(xí)評價(jià)的變革與實(shí)施［J］.中國電化教育，2020（1）：109113，121.

［2］曹曉明，張永和，潘萌，等.人工智能視域下的學(xué)習(xí)參與度識別方法研究——基于一項(xiàng)多模態(tài)數(shù)據(jù)融合的深度學(xué)習(xí)實(shí)驗(yàn)分析［J］.遠(yuǎn)程教育雜志，2019，37（1）：3244.

［3］唐漢衛(wèi).人工智能時(shí)代教育將如何存在［J］.教育研究，2018，39（11）：1824.

［4］馮永鵬，張?jiān)奇?大數(shù)據(jù)背景下高校精準(zhǔn)就業(yè)服務(wù)工作研究［J］.2020，24（5）：4753.

［5］袁東東.大數(shù)據(jù)背景下大學(xué)生就業(yè)指導(dǎo)對策研究.就業(yè)指導(dǎo)［J］.2020，5：5964.

［6］臧其亮.基于職業(yè)能力遞進(jìn)的精準(zhǔn)培養(yǎng)模式研究.中國多媒體與網(wǎng)絡(luò)教學(xué)學(xué)報(bào)［J］.2020，7983.

作者簡介：賈舒宜（1984—?），女，漢族，山東濱州人，博士，副教授，研究方向：無人系統(tǒng)智能態(tài)勢感知與對抗；王海鵬（1985—?），男，漢族，山東濱州人，博士，教授，研究方向：海洋多域態(tài)勢感知與認(rèn)知；郭晨（1990—?），女，漢族，山東東營人，博士，講師，研究方向：多源信息感知。