基于智能技术的岗位任职能力精准化培养研究

贾舒宜 牛晶 王海鹏 郭晨

摘 要：近年来，大数据、人工智能等新兴科技发展迅猛，人工智能和大数据已经成为高校学员精准岗位任职培养的重要推手，大数据背景下做好学员岗位任职指导工作，积极运用大数据思维和数据挖掘、人工智能等技术对高校学员学业表现、行为习惯等进行数据的收集、分析和发掘，为其未来岗位任职做出测评，并将学员在任职后的表现行为通过反馈机制及时反馈给教员，形成岗位任职能力精准化培养的有效闭环，为实现高校学员岗位任职指导的精准化、科学化提供依据。

关键词：人工智能；大数据；岗位任职；精准化

一、概述

以物联网、云计算、大数据等前沿科技突破为标志的第三次信息化浪潮的到来，人工智能、云计算、物联网等新兴技术不断发展，使得智能技术在社会各个领域成为重要的角色。智能技术不仅用于数据分析，还应用在教育领域中的精准教学，精准教学中的精准包括了教师教学、教研的精准和学生学习的精准。教师根据课程标准，教科书和学生发展的实际情况，通过智能技术对学生平时学习的相关数据进行搜集和分析，利用分析出来的结果改善课堂设计，以多元化手段丰富教学形式与内容，达到对学生学情的精准把握，也对教师在教学计划的制订上给予参考，以提升教师自身教学效率与质量，实现学生的个性化教育。

人工智能、云计算、物联网等新兴技术不断发展，信息技术与教育有了深度融合，使得学员在学校中的学习行为数据呈现出多时段、多方位、多模态的特征，为了克服传统粗放式教学弊端，切实提高岗位任职能力培养质量，本文将企业精准化管理理念应用于高校学员精准岗位任职培养［13］，基于学员课前、课中和课后的过程性数据，来判断学员学习的學习效果、能力素养等，为其是否能今后在岗位任职或适合什么岗位做出正确的判断，同时将学员任职以后的表现通过反馈机制反馈给教员，从而有效改进授课方法、形式和进度，形成岗位任职能力精准化培养的有效闭环［46］。

二、人工智能和大数据技术

如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的关键性力量。人工智能是计算机科学的一个分支，它生产出一种新的能以人类智能相似的方式做出反应的智能机器，人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学。其包括十分广泛的科学，它由不同的领域组成，如机器学习、计算机视觉，等等，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能的核心技术主要包含深度学习、计算机视觉、自然语言处理和数据挖掘等。

大数据技术是大数据的应用技术，涵盖各类大数据平台、大数据指数体系等大数据应用技术。无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，简单来说大数据就是海量的数据，就是数据量大、来源广、种类繁多（日志、视频、音频），大到PB级别，现阶段的框架就是为了解决PB级别的数据。大数据的七大特征：海量性、多样性、高速性、可变性、真实性、复杂性、价值性。

随着大数据产业的发展，它逐渐从一个高端的、理论性的概念演变为具体的、实用的理念，随着云时代的来临，大数据也吸引了越来越多的关注。分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据下载到关系型数据库用于分析时会花费过多时间和金钱。

大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

人工智能需要数据来建立其智能，特别是机器学习，大数据技术为人工智能提供了强大的存储能力和计算能力。如果说大数据相当于人的大脑存储了海量知识，而人工智能则是吸收了大量的数据，并不断地深度分析创造出更大的价值。人工智能离不开大数据，大数据依托着人工智能。

三、岗位任职能力精准化培养需要解决的问题

高校学员能否更高质量地胜任毕业后的岗位，其决定因素是学员自身的专业技能和综合素质。当前，大部分学员在校期间缺少对未来岗位的认知，只侧重基础知识的学习，忽视专业课程的学习和实践能力的培养，造成专业知识基础不扎实、专业实践水平较低、专业技能不熟练等。而专业知识和职业技能的欠缺，在未来岗位任职中难免带来适应岗位时间过长的问题，为学员带来一定的挫败感，影响工作进展和个人进步。

另一方面，高校教员缺乏社会工作的经历，在教学过程中难以将专业基础知识和实际工作知识相结合，造成理论和实践相脱节的问题，面对目前高校教学对未来岗位任职培养目标和内容不清晰的问题，岗位任职能力精准化培养主要解决以下方面内容：

（1）解决学员划分不精细的问题。通过采集、整合、分析学员基础知识水平、教育背景、学习动机等数据，再结合学员的专业和可能的未来岗位任职特点在作业布置、内容更新、实践教学、考核方式等方面对学员进行细分，摒弃不论学员学习基础和专业如何一律从头开始的传统教学思路，增加课堂信息量，提高课堂效率。

（2）解决知识点陈旧问题。开课前基于学员精细化分析结果，结合课程大纲和未来岗位现有特点，对课程知识点进行细分；开课后面向某节课的知识点，进行授课内容选取、案例选择、课堂练习、作业和实验题目等微观层面的细分；另外，可以和专业对口的公司或企业实现长期稳定合作，建立双导师机制，定期带学员去企业实践或者请企业专业人员来校授课。

（3）解决考核方法不精细的问题。摒弃传统的“一张试卷定终身”的传统考核方式，针对不同专业、不同任职岗位的学员采用不同的考核方法，增强学员学习信心，激发学员学习兴趣。

（4）解决学员毕业任职后无反馈和评估的问题。高校教员利用人工智能、数据挖掘等技术对学员的学习过程进行评估，对学员能力素质进行建模，进而实现对学员的系统性评价，为将来岗位任职提出合理建议，同时将学员任职后在岗位上的表现反馈给教员，形成有效闭环，从而及时改进教学内容、方法和进度。

四、基于大数据技术的岗位任职能力精准化培养的特点

大数据技术有助于分析过去，把握现在和预测未来。首先，能全面记录大学生在校园成长发展的轨迹（平时成绩、个人能力特长、个人荣誉、参加实践情况、诚信记录、专业匹配程度），并从动态上把握学员学习和实践状况，深度分析其个性化发展方向，大数据技术可以根据学员的校园成长发展的轨迹、所学专业和个性化求职需求建立能力素质和未来岗位预测模型。其次，大数据可以对学员从进校到毕业全过程、全方位、全立体的数据进行分析，对学员进行综合评估，进行个性兴趣与职业测评，并实现个性化岗位推荐。最后，大数据技术可以根据学员步入岗位后的表现、行为和存在问题，改进教员课堂授课质量、方式和内容，从而形成有效闭环，更好地改进能力素质和未来岗位预测模型。

五、基于大数据技术的岗位任职能力精准化培养具体实施措施

本文提出的基于大数据技术的岗位任职能力精准化培养方案，具体实施方法主要分为以下几个方面：

（一）多源数据采集

我们利用数据感知技术、校园一卡通、视频监控、二维码、无线网网络设施等，随时感知与测量学员的学习数据、行为数据、管理数据等，关注学员学习情绪、学习态度、学习习惯等多元特征并对其进行记录和存储。部分数据类型和采集手段如表1所示，主要数据包括以下几个部分：一是课程准备。在课程开始之前，结合未来岗位需求、知识更新、每届学员的素质差异等可变因素，按照学员的基础知识水平和学习动机等标准进行细分，得出占比较大的学员群体的知识水平，重新审视教学大纲和教学目标，选择教材，确定教学内容，制订教学计划，明确重难点。二是课堂教学。基于学员课堂表现历史数据，结合学员听课反应（包括学习者面部表情与坐姿），适时调整课程进度，并根据需要增加或减少课堂练习、布置作业和实验题目。三是考核评价。结合知识点和学员未来岗位需求的细分情况，采取梯度考核方法。面向灵活运用性的知识点，对不同专业岗位、不同岗位需求的学员设定不同的考核要求。四是任职后信息反馈。学员步入岗位以后，通过任职企业反馈意见、个人工作感受、相关人员评价等信息，对岗位预测模型进行修正和改进。

（二）多源数据融合（数据预处理）

在上一阶段多源数据采集中，已获取的各类数据包含大量非结构化数据，并且这些数据不是在同一时刻被采集，数据间有时间上的延迟，由于采集的种类错综复杂，对于不同种类的数据，在进行数据分析之前，还必须通过数据抽取技术将复杂格式的数据进行数据抽取，从数据原始格式中获取到我们需要的数据，这里可以去掉不重要的字段，对于数据抽取得到这些数据，数据源头采集可能存在不准确的情况，所以进行数据预处理，对于不正确数据需要过滤和剔除。针对不同应用场景，对數据进行分析的工具或系统也不同，还需要对数据进行转换，将数据转换成不同数据格式，最终按照定义好的数据仓库模型将数据加载到数据仓库中，以备下一阶段岗位预测建模使用。

（三）岗位预测精准化分析模型构建

岗位预测精准化分析模型构建是岗位任职能力精准化培养至关重要的一步。其实质是首先构建相应的精准分析指标体系；然后对体系中的指标维度进行数据化表征，然后基于数据挖掘、机器学习、深度学习、自然语言处理、计算机视觉、深度神经网络等各种新型技术，对规范化处理后的数据进行建模分析，最终获得分析结果。该模型通过采集到的专业、教育经历、工作经历、个人兴趣、个人发展意愿、课堂课后表现、考核成绩等数据，基于文本挖掘、自然语言处理、关联分析等方法，对学员的学习特点与个性素质进行描述，预测学员未来发展趋势，为学员以后的职业岗位选择提供建议和帮助。

（四）岗位任职能力精准化培养反馈机制构建

针对高校学员毕业后岗位定位不精准问题，需要构建岗位任职能力精准化培养反馈机制，要推送个性化指导服务，努力实现岗位信息与高校培养信息“无缝对接”，提高岗位任职的科学性、即时性和准确性。通过表格填写、电话记录、走访录音、机关借阅、文献查阅、企业调研等，了解岗位发展需求、科技前沿动向、学员岗位任职工作情况等，并将信息反馈给岗位预测精准化分析模型，通过深度神经网络对模型进行改进和优化。

另外，普通的高校教育趋向于采用标准的大框架课程教学体系，重视基础知识，但缺乏专业以外知识的扩展。针对未来岗位任职需求，需要系统化地对学生进行额外培养。因此我们建立岗位任职能力精准化培养的双导师机制，从企业邀请业务能力骨干来校担任实践导师，跟学生面对面进行教学与交流，保证学员及时了解现阶段企业发展和岗位情况，缩短学员日后步入岗位适应的时间。

结语

传统的高校信息技术类课程针对学员培养过程中，无论是课堂理论讲授，还是实践化教学，在很大程度上仍表现为一种粗放式的教学方式，存在教学模式统一、未来岗位定位不清晰等问题。岗位任职能力精准化培养从学员的角度出发，融合人工智能、云计算、物联网、数据挖掘、学习分析、情境感知等新兴信息技术，在多种维度上全面采集学员学习背景、学习过程中的海量数据，通过全面、系统的数据建模和数据挖掘分析，多维度、及时准确地评估学生的学习真实状况，为其未来岗位任职做出测评，并将学员在任职后的表现行为通过反馈机制及时反馈给教员，形成岗位任职能力精准化培养的有效闭环，为实现高校学员岗位任职指导的精准化、科学化提供依据。

目前，岗位任职能力精准化培养研究在我国仍处于起步阶段。随着教育与信息技术的深度融合，大数据背景下的岗位任职能力精准化培养必然呈现快速发展的趋势，但是，要建立一个全面可靠的岗位任职能力精准化机制不仅需要政府大力支持，还需要教育专家、高校管理人员和企业业务专家的共同参与和实践验证。

参考文献：

［1］田爱丽.综合素质评价：智能化时代学习评价的变革与实施［J］.中国电化教育，2020（1）：109113，121.

［2］曹晓明，张永和，潘萌，等.人工智能视域下的学习参与度识别方法研究——基于一项多模态数据融合的深度学习实验分析［J］.远程教育杂志，2019，37（1）：3244.

［3］唐汉卫.人工智能时代教育将如何存在［J］.教育研究，2018，39（11）：1824.

［4］冯永鹏，张云婷.大数据背景下高校精准就业服务工作研究［J］.2020，24（5）：4753.

［5］袁东东.大数据背景下大学生就业指导对策研究.就业指导［J］.2020，5：5964.

［6］臧其亮.基于职业能力递进的精准培养模式研究.中国多媒体与网络教学学报［J］.2020，7983.

作者简介：贾舒宜（1984— ），女，汉族，山东滨州人，博士，副教授，研究方向：无人系统智能态势感知与对抗；王海鹏（1985— ），男，汉族，山东滨州人，博士，教授，研究方向：海洋多域态势感知与认知；郭晨（1990— ），女，汉族，山东东营人，博士，讲师，研究方向：多源信息感知。