大数据技术与高职专业分流变革

张策　韩丽丹

引言：大数据技术是一种对海量数据，在合理时间内进行撷取、加工、管理并整理，对各种社会组织决策提供更加积极的数据支持的技术。而我国高职专业分流的功能在以往很长一段时间内由于缺乏大量的有价值的数据而难以充分发挥。鉴于如今国内外对于大数据技术的理论与实践研究尚在一个发展的过程中，本文也就大数据技术在高职专业分流中的运用作一探索性论述。

一、导语

在2008年9月4日大数据概念被第一次创造出来，时值谷歌成立 10年前际，《自然》杂志推出了大数据专辑，包括5篇大数据专题文章加上1篇编者按。当时该专辑并未给大数据赋予一个具体的定义，但是从互联网技术、网络经济学、超级计算、环境科学、生物医药等多个方面介绍了海量数据带来的挑战。[1]经过多年研究，人们对大数据技术的认识从最初的仅从数据体量的大小的界定，发展到对大数据本身类型的多样化的认识。此时大数据的概念从大批量数据扩展到了包括结构型数据与非结构数据在内的复杂型数据。2013年英国学者维克托·迈尔-舍恩伯格出版的《大数据时代》引起了业内的广泛关注。在这本书中作者对大数据的定义做了价值角度的建构，他认为大数据技术应该能够在海量复杂数据的基础上进行数据分析，完成对数据的去冗、降噪、加工、整合，是数据结论具有价值性。此外该书还提出了一个大数据以区别于传统数据挖掘技术的显著特征，那就是实时性，即及时反馈海量数据的处理结果。至此，在世界范围内产生了一个对大数据的共同认识，即大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值性）。

高等职业教育专业分流之一概念是在教育分流的基础上对分流的流层、流型、方面加以限定之后而产生的教育分流的一个下位概念。这一概念将教育分流所讨论的教育层次和类型规定在了高等教育和职业教育。因此我们在讨论高等职业教育专业分流时就需要重点对高等职业教育的专业设置和受教育者的内部分化展开研究。

在以往的高职专业分流的实践中，由于技术手段的限制以及其他种种原因，高职的专业设置与生源内部分化工作过程的各个阶段都夹杂了各类型主体的主观因素，难以做到科学客观。但在将来这种情况随着大数据技术的推广会得到极大改善，大数据技术的海量、高速、多样、深度挖掘的特点对于高职专业分流工作客观科学的要求而言可谓极大程度的契合，大数据将教育带进了实证时代。[2]对大数据技术而言这也是其在教育领域应用的重要方面。

二、专业流向结构

高职专业的流向结构是按照科类划分的不同层次的纵向结构，就是通常所说的专业设置。作为职业教育的一种层次，高等职业教育也势必受到经济发展和劳动就业市场的制约，也就是说要迎合经济结构和等级的社会发展需求，也要满足受教育者的就业期望和受教育需求。因此，高职的专业设置也受到来自社会和学生需求两方面的制约。

影响高职专业设置的社会因素大致有以下几个方面：第一，政府宏观调控。一个国家和地区的社会经济发展是离不开政府有目的的规划的，政府通过各种调控手段对国家经济生活进行干预和指导。第二，科技进步因素。三次技术革命对于生产方式的改变和对劳动分工的影响已经得到了历史的证明，如今技术更新的周期越来越短，职业与分工的稳定性随时面临技术进步的挑战。第三，管理模式。生产力的发展促进了劳动组织管理的优化成为直接因素。[3]

受教育者需求也是影响高职专业分流的重要因素，尤其是在高等教育普及化和民主化以及终身学习思潮的影响下，个人的职业期望和受教育需求更是得到了前所未有的重视，于是在设置专业的的过程当中受教育者因素是一个无法回避的问题。而且这也直接关系到学生对所选择的职业领域认同感的建立和投身于某种专业学习的精神动力。

（一）我国高职专业设置存在的问题

高职院校由于所辐射的区域和产业不同，在专业设置方面所表现出的问题也都具有一定的特殊性，但以下几个方面是在许多区域普遍存在的。

第一，盲目追求热门专业，重复设置现象严重。许多职业院校为了减轻招生压力，大量开设短期热门的专业，忽视本地区的产业发展规划和专业布局趋势，对专业的设置缺乏科学论证。这就导致了一些热门专业在一个地区的多所职业院校中重复开设，教学资源被大量浪费，新开设的专业教学质量难以保证。

第二，专业设置缺乏前瞻性。职业领域的形成与稳固的发展需要经历一个淘汰和进化的过程，一些岗位会在产业的发展过程中为适应产业需要而产生，但能否依照这些新兴的岗位或职业设置专业，需要对这些职业在市场上的需求的强度和稳定性加以考察论证加以判断。但目前这种考察判断的依据很难以一种量化的指标加以体现，而更多地凭借主观经验来代替。

第三，专业结构与产业结构脱钩。职业院校设置专业过程中对于产业的需求经常难以把握，而以现有技术手段又难以全面系统反馈劳动市场对某种专业人才的需求程度，于是专业结构与地区产业的需求结构往往难以匹配，造成结构型人才供给不足或过量。

第四，专业管理评估失位。近年来我国许多省市相继放宽高职院校专业设置的审批权，这赋予了高职在设置专业时极大的活动空间。但这样也对地方教育部门对高职院校进行专业管理评估工作造成了很大的难度。虽然教育界对设置专业管理监督预警机制呼声越来越高，但就技术层面来讲难以实现。[4]

（二）大数据的解决方案

面对以上高职院校设置专业过程产生的种种问题，大数据技术为教育工作者提供的支持是人们看到了扭转困境的希望。

大数据的海量数据所提供的信息支持是传统技术手段难以企及的，某种程度上讲，大数据为人们提供了一种全知的视野。在信息化条件下，各种社会组织的行为伴随产生了大量的数据，这其中经济部门和教育部门的数据占据了很大的比重。在这些部门的数据中隐含了大量关于社会需求和受教育需求的原始素材，给数据价值的挖掘提供的基础，也增强了专业设置一句的真实性与客观性。

具备了充足的原始素材就为挖掘数据价值提供了可能。海量的数据带来了数据的复杂性，这种复杂性不仅仅是形式的复杂（复杂的文本结构），而且体现在内容的复杂。大数据的起始计量单位至少是P（1000个T）、E（100万个T），按照传统手段进行加工处理显然会消耗大量成本，而大数据分布式计算具有的庞大的计算能力能够对这些大量的、价值密度低的数据进行去冗降噪，管理整合进而实现数据的价值提纯，为决策提供强大的事实与逻辑支持。这样的技术特性为教育部门能够真实准确掌握本地区的劳动市场动态，判断职业发展趋势，获取受教育者意愿提供了全息的视野。

技术的变革是产业发展中最不稳定的因素之一，是冲击现有职业结构的重要力量，随着我国产业升级脚步加快，技术的变革周期会大大缩短，劳动市场的需求就显得日益难以把握。职业在这种社会环境下稳定性会受到挑战，其表现就是大量新职业的涌现和原有职业慢慢消亡，高职院校如果不能及时把握就业市场的动态很可能出现这样一种情况：今年开设的专业明年就过时了，或者过时的专业还在继续招生而市场上已经没有对应的岗位了。面对类似情形大数据技术以其实时性的特点能够出色的应对，高速的数据处理和传输提供给教育部门及时的反馈，在设置专业时职业院校的灵活管理才能表现出科学理性的一面，而不是盲从。

最后，大数据自身的特性也为教育主管部门强化对高职专业设置管理提供了信息支持，使其管理决策更加科学及时。

三、专业流量结构

分流的流量结构是依附在专业的纵向结构上的横向结构。这种结构的形成受劳动市场和产业需求等社会因素的间接影响。其直接影响因素主要集中在教育系统内部。首先，高职专业的流量结构受教育管理者影响，主要表现在对于每个专业所规定的招生名额和在全部招生名额中所占的比例。其次，专业流量结构的形成与受教育者的职业期望密切相关，其主要表现就是学生依据自己的主客观条件自发流动到不同专业。

（一）我国高职专业流量结构存在的问题

我国高职流量结构存在以下两方面问题：

首先，盲目追求热门专业。热门专业产生的原因有两种：其一，劳动市场上的确存在对某一类专业人才的庞大需求，这样形成的热门专业是教育资源优化配置的表现。其二，职业院校追求短期利益，对专业进行类商业化的包装与炒作，降低录取门槛，扩大招生规模。然而大多数受教育者甚至家长对这两种庆幸缺乏判断，极易随大流或者仅凭某专业的非中心线索（如有些专业听上去更加上档次、好就业）就投身到某一职业领域的训练中。

其次，盲目回避艰苦行业。如今教育界反映出一个日益严重的问题，那就是一些有关农林地矿等艰苦行业的专业越来越冷，招不满新生的现象普遍存在，个别专业甚至无人报名。就这种社会现象本身而言，其形成的原因多种多样。但仅就分流的角度来讲这种受教育者的选择行为毫无疑问是盲目的。排除价值观因素，这种盲目也是由信息匮乏造成的，对于相当一部分学生来讲他们在回避艰苦专业的同时甚至根本不了解这些行业的人才需求有多么旺盛。

（二）大数据的解决方案

基于上文所呈现出的在高职专业的流量结构中存在的问题，大数据技术所能够提出的解决方案有以下几个方面：

第一，反映市场需求的数据分析和专业招生结构能够为学生提供理性判断的依据，帮助没有能力做出教育选择的学生获取教育市场与劳动市场的真实信息，并辅助他们做出专业选择。在数据支持下进行对专业的选择和判断一方面能够一定程度抵消学生对某些专业的偏见，另一方面也有利于他们对自己选择的专业抱有适当水平的职业期望。

第二，大数据技术对海量数据的深度挖掘可以对职业和产业发展趋势作出预测，这种具有前瞻性的数据分析是传统的粗糙的数据加工技术不可能达到的。而且对于许多缺乏相关知识储备的学生和家长来说，大数据的预测功能可以避免他们依据有限的主观经验对职业前景做出片面和孤立的判断。

第三，大数据可以为学生提供个性化服务也能够降低学生在专业选择时非理性行为的概率。大数据技术能够对个人成长过程中产生的一系列数据特征及发展趋势进行分析挖掘，给用户（学生）提供可供参考的职业生涯规划。这些数据来自于个体从出生以来的一系列能够量化的结构型数据，如身高、体重、考试成绩等。也包括一系列非结构性数据，如记录日常生活中的行为、选择倾向等的视音频文件。源自用户的海量数据结合用户认知以外世界的信息加工共同构成了大数据技术对学生职业生涯规划的个性化服务。

四、大数据服务高职专业分流的障碍

（一）技术层面

大数据技术应用于高职专业分流所面对的技术挑战，具体而言也是所有领域在试图引入大数据技术时所共同面临的难题。首先，大数据集成的难度要远远高于传统数据类型。数据的广泛存在性与复杂性要求在数据收集过程中要对各种数据管理系统中的结构化、半结构化、非结构化数据进行格式转换，而这一过程非常难于管理。大数据集成的另一方面是要对数据进行去冗降噪，对数据价值进行初步浓缩，这样的数据清洗必须非常谨慎，否则细小的数据杂质都会对结果的精确性造成破坏。[5]

其次，数据挖掘阶段要解决的主要问题就是数据的实时性，数据的价值密度是随着时间的推移而稀释的，很多领域的数据分析都具有实时性的需求。在实时处理选择模式中现有的成果已有相当积累，但仍没有一种通用的大数据实时处理框架出现，各种工具实现实时性的方式不同都只能支持特定的某些应用，这就导致在实际应用中要根据不同业务需要改造数据处理框架才能实现数据实时分析。

（二）制度层面

首先，关于大数据运用的立法工作需要解决。数据分析机构在设计大数据计算框架的同时不可避免的会接触到大量的用户信息。在职业教育分流中这些数据就包括了企业、政府、学校、学生等多方的数据，如何保护有关各方的数据安全，维护他们的合法利益。这是大数据在提供服务之前首先需要解决的问题。

实际上，关于大数据应用中隐私保护的问题人们也进行过一些技术与伦理层面的探讨。数据公开与隐私保护的矛盾。为实现数据价值，数据公开是非常有必要的，政府可以从公开的数据中来了解整个国民经济社会的运行，以便更好地指导社会的运转。研究者则可以利用公开的数据，从社会经济技术等不同的角度来进行预测研究。因此大数据时代的隐私性主要体现在不暴露用户敏感信息的前提下进行有效的数据挖掘，最大程度保护用户的隐私。但是数据信息量和隐私之间是有矛盾的，因此尚未出现非常好的解决办法。

其次，组织层面的障碍。前面说到，大数据涉及各方数据的共享问题，那么就意味着组织行为的透明化，这么做就有可能损害一部分参与主体的既得利益，比如所谓热门专业就会失去光环，学校的这部分利益就会被切割。为了维护小团体的利益，不同组织会对这种数据分享进行抵制。如何协调各方利益，是分流效益最大化是政府要做的工作。

（三）心理层面

大数据技术正向着我们的生活一步步迈进，而且步伐越来越快。大数据技术以其独特的技术特性为教育事业的发展提供了新的视野和空间。尤其是在个性化服务方面，庞大的数据量与运算能力，人们会发现大数据甚至比他们更了解自己。当有一天这样的技术真的来到人们面前，公众会如何接受他还是一个大大的问号。

总结

大数据技术作为信息技术未来的发展方向已经得到了世界的认可，它在功能上的优越性在发达国家已经得到了验证。无论我们与真正的大数据时代的距离还与多远它终究是会要来，我们要做的就是做好充分的准备并且让它来的更快一些，因为时代和这个时代的教育需要这样一种更加强大的技术支持。

参考文献

[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域[J].中国科学院院刊，2012，（6）.

[2]姜大源.职业教育学研究新论[M].教育科学出版社，2007，（53）.

[3]杜怡萍.高等职业教育专业设置的问题与对策[J].教育与职业，2014（19）.

[4]邬贺铨.大数据时代的机遇与挑战.[J].科技与教育，2013，（49）.

（作者简介：云南民族大学职业技术学院）