人工智能视域下高职学生职业技能的内涵阐释与学习评价

秦天程

摘 要：人工智能的发展对高职学生职业技能提出了新要求。为适应智能化工作发展趋势，高职学生需要具备处理复杂工作模式的技能。人工智能赋予高职学生职业技能三重涵义，包括非结构化技能、与学习任务环境互动的增强型技能、对复杂技能学习的心理适应性。人工智能视域下高职学生职业技能的学习评价有两方面特征，一是评价结构的多维性，二是重视学生技能成长表现的评价取向。为促进高职学生职业技能学习与评价的融合，要尊重学生自我导向的学习，保障学生智能化、个性化的学习环境，让学生参与学习评价标准的设计过程，重视通过学习评价激励学生潜在技能，利用EDM实现对学生成长的全方位评价。

关键词：人工智能;高职学生;技能内涵;学习评价

一、问题的提出

人工智能科技的兴起和发展，一方面加速了现有产业与数字化、智能化的融合，另一方面使“机器换人”成为一个不可回避的话题。Frey和 Osborne研究了以机器学习和移动机器人为主要表现的未来智能对美国劳动力市场702种工作岗位的影响，发现在今后10—20年中，47%的岗位有被智能化替代的风险[1]。对于高职院校来说，对学生职业技能的培养需要结合智能时代新形势做出改革和调整。

面对人工智能的快速发展，高职院校在教学系统、课程设置上主动做出调整，并通过加大与人工智能企业合作的力度，为学生创造在智能化工作场景下的实践机会。但是，在这个过程中，仍存在许多问题。第一，学生对所学专业认同度不高。由人工智能发展引发的对“机器换人”的担忧影响着学生对所学专业就业前景的看法。在某些高职院校校企合作订单班中，学生对职业发展缺乏信心，中途辞职、转换实习单位的现象颇多。即使在人工智能企业，学生无法坚持实习而中途返校的现象也较为常见，还有学生从一开始就放弃了订单班专业所对口的岗位。第二，学生学习倦怠现象严重。近年来，高职学生在实习实践过程中的学习倦怠开始出现，并呈上升态势，表现为学生对实习实践不感兴趣，实习表现消极被动，无力完成实习任务，甚至对实习产生焦虑等心理问题。第三，顶岗实习评价对学生缺乏激励效果。目前，大部分高职院校对学生实习结果的评定由校内和校外指导教师分别给学生的实习表现评分，两项合计确定总评成绩。这种考核仍然是以传统的分数为导向，不能完全达到对学生技能学习进行评价的效果。第四，校方合作企业重视学生的工作业绩，轻视学生生涯发展。在很多校企合作的企业中，学生的实习表现往往与其工作态度、销售业绩挂钩，学生依据自己个性学习相关技能的机会很少。

上述问题的出现有诸多方面原因，但是，最关键的原因在于学习评价难以与学生的学习任务和学习目的相匹配。随着智能化时代的到来，人工智能、机器学习对传统职业和常规工作岗位的替代形势更加严峻，学习者需要以达到更高的职业技能标准为目标进行有意义的学习，因此，高职院校需要从学生技能培养的模式以及学习评价等方面做出调整。

高职院校校企合作主要是通过创设特定的学习场景——工作场情境实现的。工作场模拟的本质是实境学习，其重要属性是学生必须承担传统学习方式下本应由教师承担的责任。Gulikers等进一步提出了实境学习评价的五维度框架（5DF），即学习任务、现场情境、群体背景、评价方法、评价结果/标准，证明了这种实境化的学习任务、学习情境和评价方式能促进高职学生深层学习和通用技能的发展[2]。

人工智能的发展正在引发多领域的深刻变革。一般认为，人工智能是试图模拟人类意识和智能的程序、算法和系统。随着人工智能在教育领域的应用，一些研究者开始关注人工智能对学习方式、学习环境和技能发展的影响。Freina和 Ott认为，虚拟现实分为沉浸虚拟现实和非沉浸虚拟现实。教育中应用虚拟现实的主要动机是能够为学习者创设一种不限时空的以问题为导向的情境[4]。Hassani等证明，通过智能化的虚拟现实学习场景设计，可以融合教学理念，并能显著提高学习者的学习效果[5]。刘文认为，通过智能终端设备在线自主学习将成为高等教育中学习形式的主流，将会影响到教学内容、教学形式、教学媒介方面[6]。

可见，已有研究重视学习效果与学习评价的内在联系，但对高职学生职业技能学习内涵在智能化场景下的演进以及学习效果评价如何适应智能化发展趋势等问题的研究较少，而这些问题的探讨对于培养高职学生职业适应性以及职业素养具有重要价值。

二、人工智能视域下高职学生职业技能的内涵阐释

随着智能化时代的到来，技能的内涵发生了深刻变化，一些传统职业和常规工作所需的技能正在被人工智能、机器学习所替代。传统技能以及技能标准所能满足的职业需求的空间越来越小，需要向更高的技能标准转换。同时，这也对以培养技能人才为目标的高职院校提出了新挑战。在人工智能冲击职业选择的背景下，高职院校应让学生意识到处理复杂工作模式的技能而非传统的熟练型单一模式的技能，才是其当前所需要的技能。

处理复杂工作模式的技能从技能发展目标、训练过程及技能要素等方面都与传统技能有本质不同。就完成工作任务的基本步骤而言，前者表现为非固定、非程式化步骤，对应的是主动探究式、开放式的学习，后者表现为固定、程式化步骤，对应的是被动、模式化的学习;就学习者与学习环境的关系而言，前者表现为与学习任务环境积极互动，后者表现为被动受制于任务环境;就学习者的心理动机而言，前者所需要的学习者对学习情绪控制调节能力远高于后者。这些差别反映了人工智能视域下高职学生职业技能的内涵，包括非结构化技能、与学习任务环境互动的增强型技能、对复杂技能学习的心理适应性。

（一）非结构化技能

在大多数的学生顶岗实习中，学生是接受者，只能在给定的任务中完成校企双方设定的实习或工作任务，被动服从校企双方对其顶岗实习的评价。虽然学生需要面对工作现场发生的各种实际问题，但解决实际问题过程中所需的技能由于给定学习任务和学习评价模式的限制，往往导致技能的结构化。而这种结构化的技能岗位最易被人工智能所取代。面对人工智能对技能结构化的挑战，学生需要的是主动探究式、开放式学习，通过对学习任务、技能发展目标的自我导向和自我检视，进行复杂决策，发展不受制于特定学习任务和固定模式的非結构化技能。

（二）与学习任务环境互动的增强型技能

学习任务环境与学习任务完成的结果直接相关，不同类型的学习很大程度上体现为学习环境的差别。根据Gulikers的研究，学习环境包含学习现场情境要素，学习者之间的交流和互动，对学习任务完成情况的评价方法、评价标准和评定结果等。就高职学生而言，学生是通过企业工作现场进行实境学习，在教师指导下解决学习任务中遇到的问题，并对这种实境学习的质量做出总结和评价，以发展个人专业和通用技能。这是高职院校校企合作培养方式的基本特征，这种特定学习情境是为达到学习者技能培养目标而设计的。人工智能替代结构化技能的趋势，促使学习者必须适应与学习环境互动的增强型技能学习。这种学习方式下，学习者可以通过选择甚至创设新的工作情境，在变换的任务背景中，锻炼应用复杂策略解决问题的能力。

（三）对复杂技能学习的心理适应性

无论学习知识，还是学习技能，能够持续从初级层次向高级层次提升，主要动力来自于学习者的情感投入。学习者积极的情感投入，能够将其态度、价值观、信条等内化为学好技能的心理动力。在常规的技能学习，尤其是低技能学习中，学习者情感情绪的影响并不明显，只要按部就班完成固定步骤或学习模块即可。但是，非结构性技能包含了复杂的技能要素，在完成这類技能的学习任务过程中，不仅需要学习者具备熟练的经验，而且需要其具备成熟的心理调控能力。高职学生面对智能化工作对高技能学习的要求，易产生抵触情绪，从而产生学习倦怠，积极的情绪情感、强烈的学习动机能促使其对复杂技能实践持续投入，踊跃参与，克服学习倦怠。

三、人工智能视域下高职学生职业技能的学习评价

实现从传统技能标准向更高技能标准的转换，不仅要从课程设置、学生学习模式等方面做出调整，而且要对现有的学习评价进行优化和创新。学生要以达到更高的职业技能标准为目标进行有意义的学习，而学习评价的主体、评价内容的设计、评价标准的取向都需要以学生的学习力为核心。在智能化背景下，高职院校要将学习评价与学生的学习行为融合，并按智能化工作岗位所需的职业技能要求，重塑学生已有的认知，促使学生认同评价结果，并将其内化为更高的学习目标。

在校企合作过程中，学生的专业技能学习不但是自身学习体验的过程，还是学校、企业、学生各方作为利益相关者建构一致的技能观念的过程。高职学生要掌握胜任智能化工作的职业技能，不但要建构已有知识和新知识之间的联系，还要建构所习得的知识和本人、学校、企业及其他利益相关者对其学习效果的评价之间的联系。前者有助于学生形成自己的知识技能体系，后者有助于学生形成个性化的技能观、知识观和职业观，这是高职学生适应人工智能时代的心理资本。对高职学生的技能学习评价应该是各利益相关主体，包括学校、企业、行业、职业资格评定方及学生个体对学生学习过程共同进行建构的过程。虽然将学习评价与学生的学习行为进行全面融合是一个理想化目标，但人工智能的应用使人们对技能的内涵和标准有了新认识。相应地，学习评价和职业技能的关系也开始被重新审视，学习评价不仅仅要对学习效果进行评判，还要对学生在技能发展过程中的成长表现进行评价，从而达到学习评价与学习过程的整合。

人工智能视域下高职学生职业技能的学习评价有两方面特征，一是评价结构的多维性。多维学习评价结构是指从学习者对学习环境适应力、心智发展、学习情感、主动性、创造性等多个维度评定学生的技能潜力。这种多维评价结构反映了学生技能学习过程中认知、情感和结果的整合，能全面衡量高职学生达到的技能等级和技能发展的潜力。二是重视学生技能成长表现的评价取向。这种评价取向要求以提高学生适应智能化工作的技能为核心，制订实境学习评价标准，构建学习评价体系，衡量学生在工作情境变换的条件下解决问题和完成任务的表现。这有利于对学生的技能成长行为进行记录和评定，反映高职学生在技能心理、技能知识和技能实践等方面从初级到高级的演进。

四、人工智能视域下高职学生职业技能学习与评价融合的途径

（一）尊重学生自我导向的学习

鼓励学生在顶岗实习中，自己创设学习情境，根据个人的特点，制定个性化的学习任务。高职院校对学生顶岗实习的要求应更具开放性，积极提高顶岗实习效果，培养学习者对实践的感悟和认知，提升学生对顶岗实习的满意度。

（二）保障学生智能化、个性化的学习环境

完善校企合作培养制度，保障实习学生的学习环境。顶岗实习的学生首先是学习者，其次才是企业的准员工。因此，参与校企合作的企业要保证学生拥有智能化学习的环境，保障学生在企业展开个性化的学习实践。

（三）让学生参与学习评价标准的设计过程

学校在制定校企合作学习评价标准时，应充分考虑学生作为校企合作利益相关者这一重要身份，组织学生代表参与考核方案制定过程，增强学生对实习评价总目标、具体内容、评价项目的理解和认同。

（四）重视通过学习评价激励学生潜在技能

在各项职业技能评价中，学校不但要重视考试成绩，还应重点考察学生对未来职业技能的认知、学习适应性、人文素养、价值观等潜在技能因素，将这些方面和学生学习行为表现相结合的评价结果作为评定学生技能学习成果的重要依据。

（五）利用EDM实现对学生成长的全方位评价

在技术层面，高职院校可采用教育数据挖掘技术（EDM），从学生行为表现的大数据资源中，捕捉每个学生的行为表现信息，通过大数据收集、处理，对学生进行过程性评价，从而全面反映学生学习成长的情况。

参考文献：

[1] FREY C B，OSBORNE M A. The Future of Employment：How Susceptible are Jobs to Computerisation？[J]. Technological Forecasting & Social Change，2017（114）：254-280.

[2] GULIKERS J T M， BASTIAENS T J，KIRSCHNER P A. A Five-dimensional Framework for Authentic Assessment[J]. Educational Technology Research and Development，2004，52（3）：67-86.

[3] GULIKERS J T M，BASTIAENS T J，KIRSCHNER P A，et al. Relations between Student Perceptions of Assessment Authenticity，Study Approaches and Learning Outcome[J]. Studies in Educational Evaluation，2006，32（4）：381-400.

[4] FREINA L，OTT M. A Literature Review on Immersive Virtual Reality in Education： State of the Art and Perspectives[A] //The International Scientific Conference ELearning and Software for Education[C].“Carol I”National Defence University，2015：133.

[5] HASSANI K，NAHVI A，AHMADI A. Design and Implementation of an Intelligent Virtual Environment for Improving Speaking and Listening Skills[J]. Interactive Learning Environments，2016，24（1）：252-271.

[6]刘文.人工智能时代高等教育之变与不变[J].黑龙江高教研究，2018（3）：1-5.

[责任编辑    刘素萍]