基于OBE理念的大数据智慧物流方向人才培养模式研究

霍秀秀

摘 要：智慧物流的发展使企业对物流人才提出了更高的要求，企业对具备物流专业知识和技能、大数据挖掘和分析技能的复合型人才的需求势必会不断增加。OBE是以成果为导向的教育理念，将其运用到大数据智慧物流方向人才培养方面，有利于学生掌握相关专业知识和专项技能，以提升人才培养的质量与成效。文章分析了大数据智慧物流方向人才培养存在的问题，基于OBE理念，从重构培养目标体系、完善大数据类课程体系、加强师资队伍建设、优化学习成果评价机制等方面提出了对大数据智慧物流方向人才培养模式的相关建议，希望能为高校培养大数据智慧物流方向的人才提供参考。

关键词：OBE理念；大数据智慧物流；人才培养

中图分类号：F7文献标志码：ADOI：10.13714/j.cnki.1002-3100.2023.08.043

Abstract： The development of intelligent logistics makes enterprises put forward higher requirements for logistics talents. Enterprises will inevitably increase the demand for compound talents with both logistics professional knowledge and skills and big data mining and analysis skills. OBE is a results-oriented education concept that is applied to talent cultivation in the direction of big data intelligent logistics， which helps students master relevant professional knowledge and special skills to improve the quality and effectiveness of talent cultivation. The paper analyzes the existing problems in talent cultivation in the direction of big data intelligent logistics， and based on the OBE concept， puts forward relevant suggestions on talent cultivation models in the direction of big data intelligent logistics from aspects such as restructuring the cultivation target system， improving the big data curriculum system， strengthening the construction of teaching staff， and optimizing the evaluation mechanism of learning achievements. It is hoped to provide reference for universities to cultivate talents in the direction of big data intelligent logistics.

Key words： OBE concept; big data intelligent logistics; talent training

OBE（Outcome－Based Education）是一种以成果为导向的教育模式，OBE教育理念以学生为主导，以学生的学习成果为出发点，更强调学生学习之后能获得什么、能做什么、如何高效地帮助学生获得学习成果、如何对学生的学习效果进行评价，在此基础上，将预期达成的教学目标、教学实施过程、教学效果评估紧密结合以反向设计教学过程。在OBE理念下，学校和教师必须先确认教学需要达到的预期效果和目标，然后进行课程体系设计，最终让学生通过学习取得学习成果、提升实践能力。

OBE强调的不是教育输入而是教育输出，将OBE理念融入物流人才培养会使物流专业人才培养的目标变得更加明确、全面、可评估，会使教学更加注重知识的整合和实际应用，会使教学效果评估更加标准、合理、具有包容性，从而提升学生掌握专业知识与岗位技能的效率和效果，使得學生更好地适应物流工作岗位，最终将学生培养成为高素质、高技能、高水平的应用型高级物流管理人才[1]。

1    智慧物流时代对大数据物流人才的需求分析

随着人工智能、物联网、大数据、云计算、5G等现代物流信息技术的飞速发展以及其在物流行业的大范围应用，物流行业已经逐步进入“智慧物流”时代。智慧物流是指借助智能软硬件、物联网、大数据等智能化技术实现对物流各环节的精细化、动态化、可视化管理，提升物流系统的智能化分析决策能力和自动化操作执行能力，从而提高物流效率的现代化物流模式。这也就意味着智慧物流所需要的人才不再是传统的、纯粹的物流作业人员，而是拥有云计算、大数据等物流信息技术的综合型人才，所以物流专业人才培养必须要顺应时代发展的需要，如此才能更好地适应和推进智慧物流的快速发展；而大数据是企业提高分析、决策和执行能力的重要手段，也是实现物流智能化的基础，如何培养大数据智慧物流人才是值得深入研究的问题。

智慧物流有效运用了物联网、大数据、人工智能等现代物流信息技术，更侧重于使用更加智能化的设施设备和技术代替传统物流中效率较低的人工作业。所以智慧物流对于物流人才的需求也不同于传统物流。随着物流信息技术的不断发展，物流作业的仓储、运输、分拣、配送等各环节会不断产生大量数据；在大数据时代，数据被看作一种资源，尤其是对于电子商务和物流行业来说，挖掘﹑处理和分析数据，对于企业满足日趋个性化的顾客需求﹑动态适应多变的市场环境﹑应对激烈的市场竟争都具有重要意义，大数据在电子商务和物流企业中的应用贯穿了运营的各个环节，企业对大数据挖掘与分析方面人才的需求势必会不断增加。

2    大数据智慧物流方向人才培养存在的问题

2.1    人才培养目标与行业需求不匹配

高职院校人才培养的关键是制订合理的人才培养方案，但是目前大部分高校制订人才培养方案的方法不够完善，没有通过对地方政府、学校、用人单位等的需要和社会期望进行调研和评估来确定岗位对智慧物流时代人才的需求情况，人才培养目标的制定与社会需求可能会脱节，高职院校无法针对性地开展人才培养工作。目前大部分高职院校物流管理专业的人才培养主要还是聚焦于将学生培养成仓储、分拣、配送等物流基础性岗位的操作人员，因此在智慧物流时代，大部分高职院校所培养的物流人才都无法满足企业对具备物流专业知识和技能、大数据挖掘和分析技能的高素质的复合型人才的需求[2]。

2.2    缺乏大数据类课程

在智慧物流背景下，企业对于具备物流专业知识和技能、大数据挖掘和分析技能的高素质复合型人才的需求势必会不断增加，将大数据融入物流管理专业教学是高职院校培养复合型物流管理人才的需要。但是目前大部分高职院校的人才培养目标仍不明晰，开设大数据类课程的高校不多，课程设置缺乏科学性，同时相关课堂的教学实践匮乏；很多教师在教学过程中只是简单提及了大数据相关知识，难以将大数据技术和物流艺术性地结合，大数据教学内容整体偏向理论化、零散化，学生对大数据技术的掌握仍然存在着很多局限性，大数据技术在物流管理专业教学中暂未发挥预期效果[3]。

2.3    教学模式较为单一

以“教师为主、学生为辅”的单向灌输式教学仍然是当前大部分高职院校人才培养的主要模式，教师主要负责理论知识的讲授，学生负责被动接受知识；仍然采用传统课堂的教学模式，“理论为主，实践为辅”，缺乏对学生创新能力、大数据挖掘和分析能力等的培养。虽然少部分教师尝试将大数据相关理论知识和实践操作融入教学，但是缺乏系统性的专业知识体系和实践教学，专业的软件工具等教学配套资源也少；学生难以厘清物流管理和大数据之间的联系，对大数据技术的学习体验感较差，学到的大多是理论化、抽象化的知识，操作技能匮乏，无法满足企业对于物流管理专业人才的实际需求。

2.4    教师缺乏大數据相关知识

随着智慧物流的发展，教师也必须掌握专业的人工智能、大数据、物联网等现代信息技术知识，教师专业与否直接影响高素质复合型物流人才的培养。但是目前高校物流管理专业的师资力量薄弱，物流大数据研究方向的专业教师比较缺乏，大部分教师的知识储备和专业技能并没有随着大数据时代的到来及时更新，其理论知识储备不足；同时大数据的挖掘和分析也需要专业软件和工具支撑，教师也较少了解和学习相关软件和工具的实践操作，也缺乏在物流企业中的工作经验；教师的相关知识体系单一且不够系统化，他们在大数据知识体系和技能操作方面有些欠缺，导致在实践教学中只是浅层次地从理论层面进行讲授。大数据物流管理专业的教师缺乏专业性，未来将难以承担大数据智慧物流方面人才培养的工作[4]。

3   基于OBE理念的大数据智慧物流方向人才培养途径

3.1    明确人才培养目标，重构培养目标体系

OBE教育理念是基于成果导向的，成果又是基于企业、政府、社会等的需求的，所以在制定人才培养目标前，学校需要全面调研和评估专业人才需求的实际情况，围绕行业需求、以成果为导向制定人才培养目标，从而提升人才培养的有效性和针对性，提高人才培养的质量和效率。图1为大数据智慧物流方向人才培养途径的框架图。

在智慧物流发展时代，物流企业不断发展，对既具备物流专业知识、技能又具备大数据挖掘和分析技能的高素质复合型人才的需求也在持续增加。为了使人才培养目标的制定与企业人才需求匹配、针对性开展人才培养，高校首先要对物流企业的人才需求进行深入调研和分析，对物流发展所需人才的基本情况要有明确的了解；高校要在全面考虑地方政府、学校、用人单位等需求的基础上确定岗位需求；其次高校要通过对人才需求情况进行评估，以企业需求和复合型应用人才为导向，最终明确智慧物流方向人才培养的目标，明确培养的人才需要具备的岗位技能、职业素养等。例如，大数据智慧物流方向的学生应该具备良好的职业道德、沟通能力和协作能力；具备大数据思维及数据分析能力；熟悉大数据、云计算、人工智能等现代物流信息技术，能够运用所掌握的相关理论知识和技能解决数据分析等实际问题；能够运用所学的理论知识和技能为智慧物流的发展服务，推动物流行业的进一步发展，所以高校必须重视对学生知识技能和职业能力的培养，从而让学生更好地与企业所需人才精准匹配。

3.2    增加大数据相关课程，完善课程体系

课程体系的构建需要按照“专业设置对接产业需求、课程内容对接职业标准、教学过程对接生产过程、毕业标准对接职业资格证书、职业学习对接终身学习”的原则；高校要按照所构建的课程体系实施循序渐进、稳扎稳打的教学策略。

高校物流管理专业的课程体系可以基于OBE理念采取反向设计、正向实施的教学设计。首先，围绕地方政府、学校、用人单位、学生、教师等多方需求，思考学生在毕业五年后预期实现的职业目标和专业成就，在此基础上明确人才培养目标；其次，细化人才培养目标，将人才培养目标合理科学地拆分成若干个指标，确定学生所需掌握的基本能力和专业能力，比如智慧物流岗位所对应的能力需求有数据采集分析能力、物流凭证自动处理能力以及智能仓储、智能运输、智能配送、智能装卸搬运、自动包装、自动分拣、智能设备操作与维护等方面的能力；然后围绕设定的指标，专业教师团队根据岗位所需能力推导出对应的课程模块以支撑这些能力需求，最后设计规划出支撑这些能力的基础课程和专业课程[4]，完善大数据智慧物流方向的专业课程，优化课程设计，搭建合理的课程体系，见表1。当然，OBE理念指导下的复合型物流管理专业人才培养需要教师进行课程体系设计的优化，做好理论教学环节、课内外教学实践环节的设计，实现理论与实践教学的密切结合，使学生的能力层次能在专业课程设置方面得到映射。

3.3    培养大数据相关人才，加强师资队伍建设

在智慧物流的发展背景下，高职院校在进行物流管理专业人才培养时将大数据与相关专业相结合必将成为未来趋势。为了更好地实现复合型物流管理人才培养的目标，对物流管理专业教师团队开展大数据智慧物流方面的专业培训将是高职院校教学管理工作的重点。在提升教师的教学专业水平方面，高职院校可以从以下3个方面着手：首先，高校在鼓励物流管理专业教师学习专业理论知识的同时，需要强化教师对OBE教育理念、大数据智慧物流方面理论知识的学习，持续更新专业知识体系，使得教师自身的理论研究能力和教学能力得到提升；其次，高校还需要鼓励物流管理专业教师积极参加专业的相关会议和行业的相关培训，加强其与行业、企业的沟通交流，适当地接触和参与企业的日常经营活动，让教师加强对智慧物流背景下物流企业日常经营活动的认知，这样可以保证教师在学习专业理论知识的同时提升实践能力，并将所学知识和技能反哺到日常的教学工作中；最后，高校还需要积极引进大数据智慧物流相关领域的人才，扩大物流专业教师队伍，提升教师团队的整体水平，同时高校还可以邀请校区合作企业中的专业人士承担实践教学工作，弥补大数据智慧物流方向教师的空白，在提升相关课程质量的同时为大数据智慧物流方向人才的培养打下牢固的基础。

3.4    改善学习成果评价机制

学习成果评价的合理性是人才培养的重要环节，需要教师、学校、学生、企业等多方共同制定学习成果评价体系，才能使评价体系更加科学合理。OBE教育理念是一种基于成果导向的理念，OBE教育理念下课程体系的考核评价也应该以结果为导向，重点关注过程性评价。

目前，高校主要是将期末考试成绩与平时成绩相结合对学生的学习成果进行评价。学生平时成绩的考核主要包括签到、课堂讨论、小组作业等方面，教师可以对此设置不同的权重，最终形成对学生平时成绩的考核；但是这样的考核方式仍然比较单一，主要是考核学生对理论知识的掌握情况，没有真實、合理地衡量出学生各方面的能力，学生在平时学习中的主动性和积极性也会受到一定程度的影响。因此高校要改变传统的考核方式，基于人才培养目标对应的成果体系设置考核指标，而且考核评价不能只集中于教师之间，要通过多方进行综合评价。学校可根据预期学习成果制定当前的学习任务并进行综合评价，其中内部评价主要是指学生根据已有的知识、技能等对学习任务设立相应的学习目标，实时监督自身学习情况，并根据学习情况进行自我评价并根据反馈的信息进行偏差调整，最终形成内部评价；外部评价主要是指教师和企业导师对学生的学习情况、个人表现进行综合评价，比如从学生对工作的胜任程度、职业道德素质测试、学生自身发展与家长的满意度等方面展开评价，并将评价信息反馈给学生，使学生根据评价情况进行调节。通过多方面、多维度评价衡量学生所具备的能力，使得学习成果评价更为科学、合理、全面[5]。

参考文献：

[1] 朱文娟，朱甜甜．基于OBE理念的应用型物流管理专业人才培养模式解析[J]．中国物流与采购，2022（6）：109-110.

[2] 徐龙闪，肖红波．大数据背景下高职院校物流管理专业人才培养探究[J]．经济师，2021（1）：154-155，157.

[3] 张雪梅，陈浩然，胡佳薇．大数据背景下应用型物流管理人才培养模式研究[J]．物流科技，2021，44（9）：174-177.

[4] 马永红．智慧物流背景下物流人才培养路径研究[J]．中国物流与采购，2021（13）：38-39.

[5] 蒋秀兰，罗利珍．OBE理念下物流应用型人才培养机制探讨[J]．物流工程与管理，2019，41（2）：126-128.