用大数据助力高职院校学生职业素质培养

庞 成，丁志强

用大数据助力高职院校学生职业素质培养

庞 成，丁志强

（重庆工程职业技术学院，重庆 402260）

在分析高职院校学生职业素质的基础上，探讨利用大数据助力学生职业素质的培养，提出做好采集分析数据提前化解风险、院校数据共享打破孤岛效应、拓展数据功能避免短期行为等3方面工作，促进高职人才培养质量上新台阶，满足新时代对高素质新型职业人才的需要。

大数据；职业教育；素质教育；学校管理

1 高职院校学生职业素质现状

近年来，高职院校学生整体素质看好，但是在以下几方面仍不尽如人意：

（1）职业认知视角不正，有学生对所学专业的职业前景有所担忧，因而对学习缺少动力；

（2）职业情感联结不深，对所学专业情感淡漠，更多地关注能得到好职业和高收入，而失去了对当下学习内在意义和未来职业内在价值的把握与追求；

（3）职业意志、品质不够好，不乏有学生在专业学习、准职业活动中表现出虎头蛇尾、心浮气躁；

（4）职业道德约束不力，例如在生产实习的准职业活动中存在抄袭作业、考试作弊、实训中损坏工具或零件隐瞒不报等；

（5）职业安全意识不强，在实习实训中违反安全操作规程，在专业实践中不严谨。

2 借力大数据培养学生职业素质的优势

高职院校应该充分发挥大数据在学生职业素质培养中的优势，促进学生职业素质状况的整体改进。

一是大数据提供的数据信息齐全，更有助于全面把握高职院校学生职业素质现状，增强培养的针对性，借助大数据中学生职业素质的海量数据，把握职业素质教育方向，有的放矢培养学生职业素质。

二是大数据提供的数据共享功能，有助于多方力量协同培养学生的职业素质。

三是大数据有着很强的数据拓展功能，有助于高职院校长远规划，持续推进学生的职业素质培养。

3 全面采集和分析高职学生职业素质大数据

3.1 高职学生职业素质数据的采集

（1）把握好数据采集的时间节点。新生入学之初以及高年级学年初都是数据采集的好时机。我校近年来充分发挥学生心理普查网络平台的功能，将学生心理普查与职业素质状况的数据采集相结合，在新生入学后及时进行职业素质数据的采集，通过添加职业素质类量表或借助职业素质类问卷星测试平台对学生职业素质因子予以测试。例如用霍兰德职业兴趣量表（RIASEC）对学生职业兴趣类型予以测试，以分析学生的职业兴趣类型[1]。学校将采集的学生职业知识、职业技能、对所学专业及其有关职业的态度、职业个性特征等职业信息数据及时入库，在大二、大三学年初对学生职业素质数据予以补充采集。自2018年秋季开始，我校加强对学生职业心理素质、心理健康状况的普查，为分析学生职业素质提供全面的数据支撑。

（2）把握好数据采集的覆盖面。要让大数据更真实地反映高职学生职业素质整体状况，必须把握好数据采集的覆盖面，并将所有学生的职业素质现状数据尽可能搜集入库。高职学生职业素质既包括职业知识和技能，也包括精神层面的职业态度、职业精神和职业动机[2]。对能反映职业精神的职业理想、职业态度、职业作风、事业信誉、职业责任、职业动机等因子，采用好、较好、一般、较差、差五级评分制，以此解决职业素质中非数字数据的采集问题。为保证学生职业素质大数据的覆盖面和样本容量，全校在各院系至少指派一人对数据采集进行全程跟踪。

（3）把握好数据采集的随机性。我校借助校园大数据平台和手机移动终端，在原心理测评系统——大学生V9.0B/S网络版的基础上开发出手机移动版，既满足数据采集人员的随机性，又满足数据采集时空的随机性，让数据更好地反映学生职业素质的真实状况。

3.2 系统分析高职学生职业素质数据

（1）重视高职院校的网络环境。大数据分析技术是互联网技术、数据挖掘技术和信息技术高度发展的产物。学生职业素质大数据的分析离不开校园网络环境[3]。大数据技术可实现从不同业务系统和网络安全设备中采集大量异构数据，扩展数据分析的广度和深度[4]。这需要安全的网络环境保障。

（2）清除无效数据。我校9个教学院、3个教学部，涵盖49个专业，学生来源广、业务管理部门多，不可避免地会出现干扰数据和无效数据，而这些不良数据对学生职业素质状况的精准分析与研判存在干扰。为此，通过定义一种网络日志、用户行为记录等组成的学生职业素质现状数据集作为安全基准态势，一旦发现超出这种安全基准态势，将启动风险评估并采取应对措施。此外，以学生职业素质大数据采集为基础，结合先验知识库与规则知识库的比对、数据挖掘算法分析判断等方法技术，也可将无效的学生职业素质数据予以清除。

（3）深入分析学生职业素质大数据中的价值元素。采用统计学、人工智能、机器学习、系统思维等方法对学生职业素质大数据进行系统分析，从大数据中寻找精准培养学生职业素质的有价值的信息。可从分布式系统基础框架Hadoop以及基于Hadoop的Hbase、Hive、Maowt、Zookeeper、Pig、Sqoop中选择合适的分析工具，用分类分析、聚类分析、推荐系统等方法进行数据挖掘。通过分类分析，为具有明确界限的数据处理提供方便，为后续数据处理奠定好基础；通过聚类分析，实现对共数据迭代处理，将采集到的学生职业素质数据划分到不同区域，形成一定的数据集合，为其同类数据特性分析提供便利条件[5]；推荐系统主要是通过对不同单位及研究人员的个性偏好、工作习惯等模式进行预测，以发现对学生职业素质数据优化起促进作用的新的价值元素。

4 院校数据共享，消除数据壁垒

高职院校之间和校内部门之间的数据壁垒将给学生职业素质的培养带来阻碍。为了充分发挥大数据在学生职业素质培养中的作用，有必要加强数据共享、消除数据壁垒[6]。

4.1 打通高职院校内部数据壁垒，共享学生职业素质数据资源

高职院校各单位、各部门是一个有机联系的整体，共享数据资源，共享数据资源，发挥整体作战能力，有助于学生职业素质培养工作开展。

（1）打通思想壁垒。为了消除学生职业素质数据壁垒，我校重视制度设计导向，为实现数据资源跨院系共享打通思想壁垒、促进开放协作、共育学生职业素质起到了引导作用，也为校际数据共享准备了条件。

（2）增强数据共享理念，打通数据壁垒。我校经常组织召开院系间、校际间的交流会，让教职人员提高对于大数据和资源共享的认识。院系进行共享大数据的梳理、补充、统计与挖掘，院系从共享数据资源中选取可资利用的数据。学生在校园内的活动轨迹具有随机性，任何一个院系对本院系学生职业素质数据的采集量都是有限的，因而有必要从其他院系的数据库中寻找与本院系学生有关的数据资源。

4.2 搭建校际数据平台，协同发力共育学生职业素质

（1）搭建高职院校校际数据共享交换平台。为实现高职院校间的学生职业素质数据共享，先要搭建数据共享交换平台，并实现学生职业素质数据的分域、分层汇聚。该平台也是支撑高职教育大数据发展的重要基石，需要满足先进、可靠、完整、标准化、可扩展的总要求。我校积极探索校际数据共享交换平台的建设，采用数据管道技术，并以数据管理运行服务引擎为核心，以API作为数据和服务的载体，从业务系统应用层面生成数据接口，以接口为着眼点，生成数据共享目录，高效完成高职教育系统全量数据资源目录，实现共享数据的实时获取，实现异构系统间的数据流转，提升各自对共享数据需求的精准度[7]。

（2）共享数据、共育学生职业素质。

首先，为整合资源，更好地培育学生的职业素质，有必要成立基于学生职业素质培养的高职区域共享共育联盟。我校与泰国合作成立了中泰职教联盟，不仅为共育本校学生职业素质享有优势，而且也为借力大数据技术共育我国高职院校学生职业素质发挥引擎作用。

其次，协力挖掘学生职业素质数据并共享资源。区域高职教育系统学生职业素质大数据中蕴藏的资源丰富、挖掘潜力大，体现不同高职学生职业素质数据的异质特性。充分挖掘大数据中异质特性元素，更容易分析学生职业素质现状及形成过程，为学校之间优势互补、共同培育学生职业素质创造了更好的条件。

最后，有的放矢开展学生职业素质培育工作。通过对大数据挖掘并进行理论思维加工，才能让其数据信息的功能价值显性化，其内含的方向引领、内容选择、活动策略等隐性基质才能够在学生职业素质培养中发挥作用[8]。

5 拓展数据功能，避免短期行为

5.1 加强数据挖掘，促进学生职业素质培育入轨

数据挖掘的成效不仅与挖掘技术有关，也与数据挖掘思路有关。这种思路体现在：以高职学生职业素质为核心，深入剖析影响学生职业素质养成的因子，每一个因子对应着学生职业素质的一个结构维度，通过层层拆解，把高职学生职业素质分解为职业知识、职业能力（技能）、职业心态、专业伦理、职业道德、职业价值观、职业角色认同度、职业追求等结构维度[9]。职业知识、职业能力属于学生素质结构中的显性成分，职业心态、专业伦理等属于其职业动机、职业品格和职业社会角色等隐性层面的职业精神范畴。对学生职业素质大数据的挖掘，为高职学生职业素质培育工作的有序、有效、可持续开展提供充分的决策依据。

5.2 借助数据代谢，拓展学生职业素质培育时空

随着我国科学技术、经济社会的发展和产业结构转型升级，对从业人员的职业素质要求也在提高。在大数据背景下，高职院校必须与时俱进，拓展学生职业素质培育空间，丰富学生职业素质内涵。

高职学生职业素质大数据平台中的数据要服务于学生职业素质培养，必须不断补充新数据、清理陈旧过时的数据，让学生职业素质数据始终保持活力。

（1）谨慎清理旧数据。学生职业素质数据是宝贵资源，但是也有一定的生命周期。当数据生命周期结束后有必要进行清理，否则会出现数据“堵塞”，阻碍新数据的采集。学生职业素质数据的清理须严格把关，确保数据生命的最大化发挥。

（2）及时融入新数据。学校在清理旧数据的同时，也要及时采集新数据，通过设计相应的通道，让采集的数据自动进入相应的结构维度通道。

（3）建立数据代谢长效机制。借助大数据服务于学生职业素质培育，还需谋划长远，建立数据代谢长效机制，让大数据真正成为学生职业素质培育的好帮手。近年来，我校高度重视大数据融入学生职业素质培育系统工程的顶层设计；对人力、物力及其他条件予以保证，确保学生职业素质数据或成长信息始终进出有序、运用自如、充满生机活力。

[1] 金雁.职业发展素质的解析与建构[J].湖州职业技术学院学报，2014(3): 17–21.

[2] 汶向东.智慧校园的大数据安全研究[J].微型电脑应用，2018(2): 62–64.

[3] 韩昊.大数据技术在高职院校校园网络安全中的应用[J].数字技术与应用，2018(7): 36.

[4] 翟晓宁，乔杰华，郭杰.基于数字化校园的大数据分析在教学中的应用[J].信息与电脑（理论版），2018(1): 116–117.

[5] 马朝霞，万荣泽.高职院校综合数据共享信息平台的研究与实现[J].信息与电脑，2017(5): 66–68.

[6] 熊瑰.浅谈政府数据舊共享交换平台建设[J].信息通信，2018(2): 254.

[7] 管世俊，殷伟东，黄钊，等.基于大数据共享的区域健康服务平台研究[J].医疗卫生装备，2018(1): 26–29.

[8] 孙晓玲.核心价值观视域下的高职职业素质教育论[J].中国职业技术教育，2014(31): 51.

[9] 张有根.谈高职学生隐形职业素质培养路径：基于“素质冰山理论”视角[J].中国成人教育，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重庆市教委人文社会科学研究项目（16SKGH252）

庞成（1975—），男，重庆，硕士，教授，高级工程师，主要研究方向为教育管理.