基于大数据的高职院校学生职业创新素养指标体系构建研究

高婷婷，库 波，吴丹丹

(济南工程职业技术学院 信息工程学院，山东 济南 250200)

为深入贯彻《职业教育提质培优行动计划(2020—2023年)》《国家职业教育改革实施方案》《关于推动现代职业教育高质量发展的意见》等文件精神[1-2]，落实健全立德树人落实机制，扎实推进高校课程思政建设，全面提高人才培养质量，努力培养能够担当民族复兴大任的时代新人[3]等要求，本研究基于现实社会需求与信息技术时代高职院校教学改革的交互[4]，立足高职院校培养人才的目标和要求，利用大数据技术，分析高职院校学生职业创新素养中存在的问题，研究其职业创新素养的培养路径。

信息社会和经济社会发展的新要求和新特征使高职院校学生职业创新素养的内涵、评价方式及培养理念、模式、路径、方法等都发生了新的变化[5-6]。山东省作为人才大省，把建设先进制造业强省的重要环节定位在培养高素质技能人才上，高素质技能人才队伍建设在全国名列前茅[7]。加快高素质人才培养的关键在教育，研究高职院校学生的职业创新素养，针对人才培养、学科建设、专业方向及课程建设等现实问题制定详细的评价指标体系，能够提升高职院校高素质技能人才的培养质量，为社会发展输送更优质的人才。

1 研究对象

以山东省内28所高职院校的学生为研究对象，其基本信息通过学校、专业、性别和年级几方面来体现。从专业来看，受测学生分布在13个专业大类，教育部颁发的《普通高等学校高等职业教育(专科)专业目录》中共设19个专业大类[8]，研究对象的专业大类在其中占比为68.42%，电子信息类和财经商贸类专业在受访学生中占比最高，达到70.90%。从性别来看，女生人数稍多于男生人数，两者差距不是很大。从年级来看，大三学生人数最多，其次是大二学生，最后是大一学生。

2 职业创新素养指标体系的构建

2.1 职业创新素养一级指标的构建

对高职院校的一线教师、创新创业学院及在校和毕业五年内的学生进行问卷调查，结果如下：

表1 高职学生职业创新素养一级指标Tab.1 First-level index of vocational innovation literacy of higher vocational students

为确定创新素养指标的权重，利用数据分析中的相关系数矩阵法对调研结果进行分析。首先求解协方差矩阵。协方差是两个数组共同变化的趋势，是归一化前的相关系数，如果两个变量的变化趋势一致，即一个变量大于自身的期望值，另外一个变量也大于自身的期望值，那么两个变量之间的协方差就是正值；如果两个变量的变化趋势相反，它们间的协方差就是负值。

期望值分别为E(X)与E(Y)的两个随机变量X与Y之间的协方差cov(X，Y)定义为：

cov(X，Y)=E[(X-E(X)(Y-E(Y))]，其中cov(X，X)=D(X)，cov(X，Y)=cov(Y，X)，若a，b为常数，cov(aX，bY)=abcov(X，Y)，cov(X+Y，Z)=cov(X，Z)+cov(Y，Z)。

求解课堂提问与职业创新素养的相关性。使用numpy的cov函数求解协方差矩阵，diagonal函数查看对角线上的元素，trace函数计算协方差矩阵covm的对角线元素的和迹，输出结果。协方差矩阵的元素均为正值，即课堂提问越多越有助于创新素养的培养。

其次，求解相关系数矩阵。研究对象的变量之间线性相关程度的统计量即相关系数，一般用字母γ来表示。根据研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数，相关系数公式如下：

其中，cov(X，Y)是之前求解得到的协方差矩阵covm，在numpy中可以使用std函数求解数组的标准差，从而求解相关系数矩阵。

为了直观地展示相关性，用matplotlib的plot函数对计算的结果进行可视化，如图1所示。

图1 课堂提问与职业创新素养的相关性可视化图Fig.1 Visualization of the correlation of classroom questioning and vocational innovation literacy

同样的方法可以求解创设情境与职业创新素养的相关性，主动性培养与职业创新素养的相关性，结果如图2、图3所示。

图2 创设情境与职业创新素养的相关性可视化图Fig.2 Visualization of the correlation of scene creation and vocational innovation literacy

图3 主动性培养与职业创新素养的相关性可视化图Fig.3 Visualization of the correlation of the training of initiative and vocational innovation literacy

通过求解得到相应指标对应的相关性系数，结果显示相关系数最高的三项为主动性培养、课堂提问、创设情境，如表2所示，因此在培养学生职业创新素养时要在这三方面进行加强。

表2 职业创新素养相关性系数Tab.2 Correlation coefficients of vocational innovation literacy

2.2 职业创新素养二级指标的构建

1)采用问卷调研法对课堂提问的权重因素进行二次调研，结果如下：

表3 课堂提问调研结果Tab.3 Investigation results of classroom questioning

2)采用问卷调研法对情景创设的权重因素进行二次调研，结果如下：

表4 创设情境调研结果Tab.4 Investigation results of scene creation

3)采用问卷调研法对主动性培养的权重因素进行二次调研，结果如下：

表5 主动性培养调研结果Tab.5 Investigation results of the training of initiative

最后，利用上文中介绍的相关性计算方法得到主动性培养、课堂提问、创设情境、讲解方式、课堂活动的相关性系数，形成职业创新素养评价指标体系如下：

表6 基于大数据的高职院校学生职业创新素养评价指标体系Tab.6 Vocational innovation literacy index system of higher vocational students based on big data

3 总结

利用大数据分析方法对调研数据进行总结。高职院校学生的职业创新素养指标体系包括主动性培养、课堂提问、情景创设、讲解方式和课堂活动五个方面，相关性系数通过numpy库中的cov函数求得协方差，再由corrcoef函数求得相关系数矩阵，得出权重参数。依据同样的方法得到二级指标权重，形成基于大数据的高职院校学生职业创新素养指标体系及其权重，能为培养高素质技能人才提供理论支撑。