数据挖掘视域下职业本科个性化人才培养研究与实践

罗校清，郭飞雁

(1.湖南软件职业技术大学 实训中心，湖南 湘潭 411100；2.湖南电气职业技术学院 经济管理学院，湖南 湘潭 411100)

数据挖掘技术是基于大数据技术的一个跨学科的新兴研究领域，通过海量数据的统计和分析，对用户个体信息特征进行标签化处理，准确了解用户个性化偏好，预测用户个性化需求，为用户提供个性化推荐服务[1]。数据挖掘技术现已渗透到教育各个领域[2]，如何在现有资源条件下，将教育信息化切实落到教育行动中，是目前各层次职业教育面临的一道艰深命题，特别针对当前全国27所参与本科层次职业教育试点工作的学校是一次全新的探索。职业教育已由原来的“兜底”教育逐步向“高层次”教育转变，《本科层次职业教育专业设置管理办法(试行)》明确要求“职业本科专业设置应牢固树立新发展理念，遵循职业教育规律和人才成长规律，适应学生全面可持续发展需要”，为顺应新一轮科技革命和产业变革，职业教育特别是职业本科教育个性化人才培养十分必要，同时也为本科层次职业教育人才培养模式改革提供了新思路、新方法。

一、职业本科个性化人才培养现状及存在的问题

(一)职业本科个性化人才培养的现状

1.职业本科个性化人才培养理念不强。职业本科是职业教育一种新的层次，要实现职业本科高层次技术技能型人才的培养，其中个性化教育至关重要，但当前对于职业本科个性化培养所需的人才培养方案、人才培养环境和教学管理制度并没有一套可借鉴的模式。同时，各职业本科大学也缺少明确的个性化培养所需的一系列支持政策[3]。学校管理层和专任教师对个性化教育和培养认识也并不充分,对挖掘学生个性化需求和潜能，进一步激发学生的兴趣爱好也不够重视[4]，因此，在当前全国开展本科层次职业教育试点过程中，职业本科个性化人才培养理念不管从学校管理层面还是师生层面都亟待加强。

2.职业本科个性化培养模式相对滞后。在工业4.0时代，人工智能、区块链、互联网、大数据等技术深度融合，企业工作岗位及工作内容也发生了变化，职业本科已由单一的专业技能培养向技术知识综合应用转变，更加突显技术创新和专业技能相结合[5]。但当前职业本科人才培养模式主要存在对市场把握不明、校企合作表面化等问题，职业本科人才培养模式的改革与创新依然是个性化培养的薄弱环节。只有树立以学生为本的核心教育理念，做好人才培养顶层设计，建立起学校、企业、家庭多方协同的育人机制，整合和优化各种教育资源才能形成科学的个性化人才培养模式，满足当前职业本科发展的需要。

(二)职业本科个性化人才培养存在的问题

1.职业本科顶层设计方面的问题。一是职业本科专业设置有待进一步完善，专业与专业之间关联性不强，不利于职业本科“专业群”的组建。二是落实校企共同制定专业人才培养方案不到位，方案制定过程中深入企业调研不够，未及时听取企业对职业本科人才培养的意见和建议，导致对高层次技术技能人才的定位把握不准。三是职业本科专业课程设置对学生个性化培养缺乏针对性，未建立通识课程、专项技能课程、工程项目课程和创新项目课程多层次递增的个性化专业课程体系。四是班级授课模式影响学生个性化成长，班级授课对学生的教育形式还是规模化和标准化，学生在校掌握的技术技能水平也基本相当，较难推进职业本科个性化人才的培育和错位发展引导。

2.职业本科教育教学方面的问题。一是职业本科的教育教学管理制度体系基本还是延续高职专科模式，管理约束条款多，个性化引导条款少，不利于学生个性化成长。二是职业本科教学组织形式创新不够，个性化培育关键在于教师课堂教学形式的组织，如何充分发挥职业本科学生思维活跃的优势是关键，引导学生大胆开展技术技能的实践操作，在实践操作过程中挖掘学生创造性思维和想象。三是职业本科对专业隐性课程建设重视不够，教师在实践教学过程中较少把非预期性或非计划性的知识传授给学生，缺乏引导学生主动去思考问题、解决问题的意识，不利于潜移默化地培育学生探索问题的能力。四是职业本科教学评价方式总体单一，学生专业成绩基本以每学期考试或者考查结果为依据，缺少学生职业道德行为、技术技能水平和实践操作效果及创新能力的综合评价，行业企业参与教学评价则更少。

二、数据挖掘视域下职业本科个性化人才培养体系的构建

(一)基于教育大数据的职业本科学生潜能挖掘

职业本科学生潜能挖掘的流程主要从学生基础数据采集、数据标签化处理、挖掘学生用户需求及潜能三个步骤开展[6]。

1.学生基础数据采集。职业本科学生基础数据主要来源于学生管理信息系统、在线学习平台、用户终端及校园服务平台等，采集目标主要为学生基本信息数据、内容偏好数据、网络行为数据、兴趣偏好数据、专业技能学习数据及其他个性化相关数据。

2.数据标签化处理。对采集的学生基础数据进行集成、转换、归约清洗等预处理，并采用非结构化方法对数据进行分类、关联、序列和标签化，得出学生属性值的特征标识，再将学生属性的所有标识综合起来，形成不同学生用户不同标签体系，如社会偏好标签、情感偏好标签、活跃度偏好标签、专业偏好标签及技能操作偏好标签等。

3.挖掘学生用户需求及潜能。根据职业本科学生个性化人才培养需求及目标，采用人群聚类分析法从学生标签体系中基于不同研究纬度提取关键标签因子，如学习因子、创新因子、社交因子、兴趣因子、关注因子和压力因子等。再利用K-Means聚类算法将学生进行聚类，形成各类用户群，深入挖掘学生学习需求与潜能，对学生用户进行个性化偏好预测，如学习资源偏好、社会偏好、情感偏好、操作偏好等，为实施精准的个性化人才培养奠定基础。具体的学生潜能挖掘流程如图1所示。

图1 数据挖掘视域下职业本科学生潜能挖掘流程图

(二)制定“基础+个性化支撑”的个性化人才培养方案

从学生用户群个性化偏好出发，设置学生通识关键基础课程，同时基于不同用户群分析用户群体内在潜力和个性发展需要，设置学生个性潜能和个性品质发展的个性化支撑课程或项目，开放专业社团及实验室供学生自主选择，构建贴有自身标签的“基础+个性化支撑”的个性化人才培养方案。

1.个性化支撑课程或项目设置。职业本科专业课程采用多元化方式设置，为学生提供更加便捷的个性化发展平台，让学生个性化选课有更多自由选择空间。专业课程分为“规定项目+自选项目”，规定项目是所有职业本科学生必须按照规定完成的任务，即人才培养的“基础”部分。自选项目可根据项目难度，结合学生特长和能力，学生自行进行个性化安排，学校依据学生需要在项目进行中提供辅导，即人才培养的“个性化支撑”部分。

2.组建专业社团和开放实验室。专业社团作为职业本科学生的第二课堂，它的组建由专业教师、校企合作单位及本专业校友共同组建，并配套建设相关社团和开放实验室，为职业本科学生个性化发展提供师资、技术指导、专业前沿资讯和专业发展定位等支撑。

(三)打造“分群覆盖+逐级递进”的个性化人才培养服务载体

基于学生用户群学习需求及潜能挖掘结果，打造“分群覆盖+逐级递进”的个性化人才培养服务载体，让不同个性化学生找到不同的导师工作室、自主创业基地和创客教育空间，逐步发挥学生个性化创新创业潜能。

1.建设“导师工作室”。以用户学习因子、关注因子等显性特征为基础，基于用户群建设“导师工作室”。导师工作室由各职业本科专业教研室根据教师专业特长建设，导师由学校专业教师和企业工程师组成，实施“双导师”辅导制，为学生量身制定“个性化人才培养计划”。

2.创立“自主创业基地”。以用户兴趣爱好因子、社交因子等显性特征为基础，基于不同用户群建立大学生创新创业孵化基地，基地由学校就业指导中心提供场地和装修，每学期组织一次大学生创新创业项目遴选，创业项目由学生根据自身基础和专业特长申请并填写《“大学生创新创业孵化基地”项目计划书》，二级学院进行资格审查和项目初审，再由大学生创新创业孵化基地管委会组织专家进行评审，评审通过的项目签署《“大学生创新创业孵化基地”入驻协议书》。学生创新创业项目均免费入驻，学校提供相应的设施设备和资金支持，每学期进行一次创业业绩考核，创业业绩作为继续入驻的主要依据。

3.开创“创客教育空间”。以用户创新因子、创业因子等显性特征为基础，在优秀的自主创新创业项目基础上开创“创客教育空间”，开展创客教育与实践指导。一是创意激发，开展创业头脑风暴、创意爆发引导及开放式讨论。二是创意实现，提供本专业软件硬件环境设计、产品制作等，并可独立完成整个创意项目作品。三是项目孵化，为新入驻项目提供创意模型，包括创业项目产业化、创业基金、项目扶持资金、市场对接等。

(四)建立“实时诊断+个性推荐+及时改进”个性化人才培养干预机制

在实时分析用户个性化成长规律基础上，按照实时诊断学生学习状态、预测学生个性化需求偏好、实施个性化推荐和改进三个级别进行过程性干预，从而构建一套“及时诊断+个性推荐+实时改进”个性化人才培养干预机制。

1.实时诊断学生学习状态。基于用户个性化成长实时分析数据，通过知识和行为分析技术及时诊断学生学习状态，把学生学习状态分为厌学型、被动型、机械型、进取型、自主型和创新型等，并结合学生学习状态类型分析个性化发展趋势，为预测学生个性化需求提供基础数据。

2.预测学生个性化需求偏好。以学生学习状态数据为基础，预测用户学习轨迹及个性化需求偏好，基于用户画像推荐算法技术和标签推荐算法技术分别把被动型、主动型、创新型和专业型学习者描绘出未来学习轨迹，并根据不同类型学习者预测其个性化需求偏好[7]，如被动型学习者个性化需求偏好为愿意听从他人安排，顺从规则和领导；主动型学习者个性化需求偏好为行事独立自主，追求自由和独立性；创新型学习者个性化需求偏好为喜欢分析和探究新鲜事物，观察力和判断力强；专业型学习者个性化需求偏好为能长时间地专注于某件事物而不受干扰，有毅力和韧性。

3.实施个性化推荐和改进干预。通过推荐引擎技术为不同类型学习者提供不同的个性化学习环境和个性化学习资源，并对学生进行有效地实时个性化学习干预，如向被动型学习者推荐系统化的学习资源，进行问答式个性化引导干预；向主动型学习者推荐挑战性的学习资源，从易到难循序渐进地进行干预，逐步培养个性化创新思维；向创新型学习者推荐案例化的学习资源，营造自主钻研的个性化学习氛围，多利用成功的创新创业案例进行现场指导干预。向专业型学习者推荐行业前瞻性和探索性的学习资源，循序渐进地进行专业技术革新和研发干预。通过实施个性化推荐和改进干预，帮助学生将学习调整到最佳状态，促进个性化和可持续发展人才培养质量的提升，进一步提高职业本科学生学习质量。具体数据挖掘视域下职业本科学生个性化人才培养体系构建如图2所示。

图2 数据挖掘视域下职业本科学生个性化人才培养体系结构图

三、数据挖掘视域下职业本科学生个性化人才培养模式的实践

以湖南软件职业技术大学“软件工程技术”职业本科专业70名学生为例，开展数据挖掘视域下职业本科学生个性化人才培养模式的实践。首先，通过学校教务管理平台、学生工作服务平台及班级微信群等信息渠道收集该专业学生基础数据，进行标签化处理和关键标签因子提取，给不同类型的学生贴上不同的标签，为实施个性化人才培养提供基础数据。然后，在软件工程技术本科专业人才培养方案基础上，由软件工程技术教研室组织专业教师根据以上70名学生的关键标签因子，结合教师自身专业优势开设个性化支撑课程或项目，学校和深度合作企业联合共建开放实验室。由学生个人申请和专业教师面试双向选择，70名学生中有15名学生选择了“JAVA软件开发兴趣小组”，占比21.43%；6名学生选择“Asp.Net软件开发兴趣小组”，占比8.57%；11名学生选择“Android软件开发兴趣小组”，占比15.71%；6名学生选择“Web前端软件开发兴趣小组”，占比8.57%；32名学生选择“人工智能软件开发兴趣组”，占比45.71%。每组软件开发兴趣小组都有对应的开放实验室，利用课余时间免费开放，并由教研室安排专业教师和企业工程师参与过程指导。在此基础上，二级学院根据各兴趣小组应用软件开发实战项目的业绩进一步创建“导师工作室”，并把优秀项目推荐入驻到学校“大学生创新创业孵化基地”开展创业孵化，对创业成功的优秀项目再创建“创客教育空间”，形成学生自主创新创业典型成功案例，为新加入兴趣小组的学生开展创客教育与实践指导。最后，在专业指导教师和企业工程师联合实施“实时诊断+个性推荐+及时改进”个性化人才培养过程干预下，软件工程技术教研室创建了“讯飞人工智能导师工作室”、“清晨软件导师工作室”和“原色创意工作室”等8个不同类型的导师工作室，二级学院成功推荐“蚂蚁组合”、“草帽组合”和“云桥软件”等6个学生项目团队入驻学校“大学生创新创业孵化基地”，其中“蚂蚁组合”成功创建了“创客教育空间”，形成了“蚂蚁组合”项目团队从软件需求分析、设计、开发、测试和维护全过程的典型案例。

四、结束语

以职业本科学生为研究对象，结合学生个性化标签因子特点，在数据挖掘技术基础上，立足教育大数据环境，提取职业本科学生个性化关键标签因子，并在此基础上制定“基础+个性化支撑”的个性化人才培养方案，打造“分群覆盖+逐级递进”的个性化人才培养服务载体，建立“实时诊断+个性推荐+及时改进”的个性化人才培养干预机制，合理利用校内外创新创业平台，从而构建数据挖掘视域下职业本科学生个性化人才培养体系。同时，也为本科层次职业教育试点工作提供了一种新的个性化人才培养思路和方法，提升职业本科高层次技术技能型人才的培养质量，顺应国家新一轮科技革命和产业变革，主动服务产业基础高级化，产业链现代化，逐步实现个性化终身教育。