彭聪
摘 要:文章分析了数字经济背景下应用型本科院校物流管理专业推进商科人才数字化能力提升的必要性,构建了以数据思维启迪为基础、以业务技能训练为重点、以创新型应用实践为延伸的数字化能力培养模式,并在此过程中采取理论与实践相衔接提升学生数据思维、线上与线下相混合淬炼学生业务技能、校内与校外产教研合作打造学生应用创新能力的方法,以实现物流管理专业人才培养与企业数字化转型下的人才需求相契合,旨在推动人才培养质量的不断提升。
关键词:数字经济;数字化能力;培养模式
中图分类号:F49;G642.0 文献标志码:A DOI:10.13714/j.cnki.1002-3100.2024.08.044
Abstract: The article analyzes the necessity for enhancing the digital ability of business talents in the logistics management major in application-oriented undergraduate colleges under the background of the digital economy. It constructs a new digital ability training model for business talents based on data thinking enlightenment, focusing on business skill training, and extension of innovative application practice. The model takes the integration of theory and practice to enhance students' data thinking, combining online and offline to refine students' business skills, collaborating with industry, teaching and research on campus and off campus to create students' innovative application abilities. The model gradually fit the trained logistics management students with the talent needs of enterprises in digital transformation, and promote the continuous improvement of talent cultivation quality.
Key words: digital economy; digital capabilities; training mode
0 引 言
数字物流的迅速发展涵盖了数字货运、智慧物流、数字供应链等领域,这使物流专业领域人才培养面临着一场教育范式的改革[1]。它既强调将新技术融入专业课程中,又强调培养适应物流作业流程和服务体验数字化升级的高素质复合型商科人才,这些人才需要具备新思维、新技术、新能力,以顺应数字经济发展需求。为此,探索有效培养物流管理学生数据思维和数据分析能力的途径成为了高校及教师面前的重要任务[2],也是“十四五”发展规划中的实践要求,旨在增强数字经济内生发展动力、扩大数字经济人才规模。高校应该主动面向地方、行业、企业的数字化转型人才需求,深化人才培养和服务区域经济发展,以促进教育链、人才链和产业链的有效衔接,全面提速高素质新商科数字人才的培养[3]。
1 建设思路
物流管理人才数字化能力培养模式主要体现在三个层次,分别为数据思维、业务技能和应用实践能力[4]。三个层次逐步递进,以数据思维启迪为基础,以业务技能训练为重点,以创新型应用实践为延伸,三阶段能力培养的具体思路如下。
在数据思维启迪第一阶段,旨在树立物流管理学生数字素养的创新人才培养理念。在物流及经济数据类专业课程的理论环节中,嵌入数字物流实际案例;在课内实践实验环节,引导学生养成对现有物流数据量化、关联、展示的数据挖掘思维。在业务技能训练第二阶段,旨在淬炼学生从商业视角解决商业决策问题的技能。在数据分析实验课程中,以Python等数据分析软件为技术工具,通过以在线上搭建学习资源平台、线下以商业决策问题为导向的训练模式,培养学生在多种典型商业环境中模拟练习,利用适当的数据分析与挖掘方法提升商业决策能力。在应用实践创新第三阶段,旨在打造学生在数字物流应用场景中商业实战的专业能力。在学科竞赛与企业实习等创新创业项目中,通过加强与涉及数字经济业务企业间的产教融合,使学生可直接接触真实的企业案例,以便更深入理解專业发展前景、提升职业竞争力。
2 建设内容
2.1 数据思维启迪
一是在理论内容部分,笔者在对“互联网+”物流企业实地调研及对当前物流领域热点资源,如网络货运平台、供应链数字化、重庆市三级物流体系建设等进行汇集与整理的基础上,紧扣政府大数据行动计划和物流业数字化转型热点,并将其以专题嵌入、案例分析的形式融入物流理论课程中。例如,《物流系统分析与设计》课程可以采用案例分析和课后习题的融入方法,在物流系统规划设计总述章节中,对数字原生企业小米在供应、生产、销售等环节中重构数字生态链进行探讨,通过现实案例探究数字技术驱动下企业运作背后的动因与理念,并引出案例习题巩固学生课后训练。《经济数学》课程则将数字经济下的平台经济、共享经济的特点与市场失灵的表现加以融合,通过现实问题来探讨数字经济下市场失灵的背后原因与理论,并在课后给出习题加以巩固练习。
二是在实践内容部分,按照数据量化、数据关联、数据展示的过程,对原始数据进行分析,形成契合数字经济背景下的数据思维习惯。以《物流综合实训》课程为例,教师在授课过程中可以利用统计年鉴中的物流指标面板数据,分析物流系统中各要素之间的联系及发展规律,并做可视化展示,让学生普遍掌握数据分析的思路、策略,激发学生的创新思维、提升学生数据敏感性。在此过程中,可运用Spss、State等统计学软件提升学生学以致用的数据认知。数据思维启迪教学方法设计如表1所示。
2.2 业务技能训练
本阶段为数字化能力培养的重点阶段。数字经济视域下的商业决策问题需要数据分析与挖掘等大数据技术来解构相关价值。学院在数字经济背景下,开设《Python和商业数据分析》《大数据挖掘技术与应用》等实验课程,围绕如何充分培养数据思维和新商业思维实践能力这一教育目标,确立“项目引领,任务驱动”的授课教学模式。具体的教学改革方式将从教学思路、教学方法两个方面来阐述。
一是在教学思路设置方面,以情景在先、知识随后、实验验证与拓展相结合的教学思路,将课堂教学与商业问题决策紧密结合起来,以数据思维和商业思维的培养为教学目标。教学具体流程如下,首先,情景在先确定项目问题,定位数字物流领域案例来选定商业决策问题,通过任务驱动的方式激发学生的学习热情。其次,知识随后划分学习单元,以“网络爬虫在物流信息追踪中的应用”为例,将任务划分为页面访问、数据爬取、读取与写入、数据分析4个核心任务。再次,实验验证确定教学内容,在教学过程中以解决实际商业问题为例,深入展开对应的课程实践内容。最后,案例补充拓展教学思路,组织学生进行相应情景拓展实践,验证并深入课堂教学内容,让学生做到举一反三,持续进步[5]。具体如图1所示。
二是在教学手段设置方面,商业数据分析与挖掘类实验课程所包含的模块内容较多,在对其分类分层的基础上,针对不同类别及难度采用线上、线下以及线上线下混合式教学方法。教师在授课过程中主要利用Python等教学分析工具开展教学,推动教师导学与学生自主研学相结合,充分发挥学生主体作用来完成商业决策问题。
线上训练方面,Python基础类课程相对较简单,以自主学习反思为主。在此过程中,教师制作在线课程及测试题目、定制讨论话题等学习资料并上传至超星学习通平台,学生依托教学平台自主学习在线课程,自行测试反思,使学习任务明确,有指引。线下训练方面,Python实践类课程难度较大,以学思融合内化为主。教师在课中采用项目任务驱动的方式,按照教学思路,将课中需要学习的应用实践语言深度内化,策略性地培养学生的商业思维。线上线下训练方面,以实践拓展深化为主,课后学生分组协作、详细研讨,有序开展商业决策问题拓展任务。教师建立微信群、组织在线直播讨论,进行全时化指导,针对共性问题统一在课堂讲解,实现教学翻转融合。
同时,在教学过程中还应打造包含教学资源数字化(形成优质微课资源库、数字案例库、课程习题库、学生优秀作品库及工具包较完整的“一包四库”物流教育资源),师资数字化(包括鼓励物流管理教师参加数字化技能培训、选派教师到新兴信息技术企业挂职锻炼、优化教师数字能力评价标准),教学方式数字化(实现以线上训练、线下训练、线上线下相结合的混合式训练),教学管理数字化(打造基于“教、学、练、测、评、管”一体化的智慧物流课堂学习环境)的教育资源数字化单元,全面提高师生的数字化业务技能。
2.3 应用实践创新
本阶段的重点应落实在校企双元育人的产教融合合作方面。将数据思维与数据分析能力应用于真实的企业数字化项目、岗位以及数字经济领域的前沿性热点问题中,推动提升学生在实际应用场景中的实战能力和技术水平。
一是在“互联”层面,企业实时更新人才需求信息、高校动态调整课程结构,推动校企合作开发课程资源。在对地方物流行业、企业产业数字化转型需求和毕业生广泛调研的基础上,基于OBE理念,通过课程模块化、交叉融合的方式,反向设计重构“数字技术+物流理论”的课程体系。在物流管理专业基础课程模块,应强调数字物流人才培养相关学科知识内容的交叉性;在专业模块,人才培养方案应至少包含2~4门融合新技术方向的交叉课程,例如,新增Python和商业数据分析、区块链财会应用、数字经济概论、网络数据获取技术等课程;在综合拓展模块,新增大数据经济分析综合实训、物流企业数字化转型案例分析等前沿课程。
二是在“互助”层面,校企共搭数字化产教融合实验平台,企业提供实地调研场地及长期实习岗位,促进师生组团承接企业横向项目。学生依托学院数字贸易实训中心平台资源,针对跨境物流、跨境电商的关键工作环节,开展数据采集、数据分析与挖掘、数据可视化等具体实战业务训练;学院组织教师到数字物流相关企业进行参观调研,如走入沙师弟网络科技有限公司,熟悉数字物流实践情况,提高教师对专业学生的指导能力;同时,推进物流专业学生毕业论文选题与数字经济的关联措施,提高学生相关毕业论文的选题量[6]。在教学改革过程中,还可尝试通过与涉及数字经济业务的企业开展产教融合,或者借助学校的“数字乡村研究中心”等实验室平台,促进师生组团共同服务地方乡村数字物流项目的相关咨询工作。企业实习及项目的开展可使学生直接接触真实的案例,并更深入理解专业发展前景、提升职业竞争力。
3 建设成效
新商科人才数字化能力培养模式在物流管理专业的教学、实践等人才培养过程中取得了初步成效。一是在课程教学方面,教师以《数字经济概论》《物流综合实训》《经济数学》等课程为主要实践对象,通过专题嵌入、案例讲解和数据分析的方式,培养物流专业学生的数字素养意识,启迪数据思维。同时,形成优质微课资源库、商业情景案例库、课程习题库、学生优秀作品库及工具包的“一包四库”数字教学资源,学生在混合式教学模式的驱动下,自主学习在线课程,课后查阅资料讨论反思;而且,在此过程中,学生完成实验的主动性较高,通过在多种商业情景中模拟练习,能够提高学生完成商业决策的能力。二是在实训实践方面,依托数字贸易实训中心平台资源,学院打造了创新创业孵化基地,围绕数字货运知识传播、数字货运等主题,开展“短视频+直播带货”的相关实训,强化数字经济时代学生创新能力、实践能力的培养。三是在学科竞赛方面,学院学生参与数据分析类学科竞赛的兴趣浓厚、硕果颇丰,物流管理专业学生参加的大学生供应链设计大赛需从运营优化、网络布局、产销平衡等多个维度进行数据分析,以考察学生对商业企业的运营管理能力。学生在市教委主办的“2022、2023重庆市大学生供应链设计大赛”以及中国物流与采购联合会主办的“第四届全国供应链大赛”中获得重庆市一、二、三等奖及全国三等奖的优异成绩。四是在师资数字化方面,物流管理专业教师参加了“全国高校经管类数据案例研发和教学培训班”“数字经济时代的‘物联网+智慧物流管理高级研修班”等培训,数字化培训训练教师如何在经管实验案例教学中运用数据科学解决问题,能够提升经管类教师数据案例研发和数据案例教学应用的能力。五是学院成立了“数字商贸市域产教联合体”,学校被评为“全国国际物流与供应链行业产教融合共同体”副理事长单位。学院将以此为契机助力物流管理专业深化产学合作,打造具有人才培养、创新创业、促进产业经济高质量发展功能的数字物流产教联合体。但是,要培养学生成为适应企业数字化转型下的商科数字化专业人才,还应加强校企多方资源整合。校企要积极共建“数字+贸易”的数智共享实战教学基地,打造数字贸易产教融合生态系统,促进教学过程与业界实操的双向融合,使人才培养与产业需求有效对接。
4 结 语
對新商科人才的数字化能力培养是应对数字经济时代教育变革、全面加快数字商贸产业链新型技能人才培育的必要举措。本文在厘清“新商科”的特征及物流管理人才能力培养目标的基础上,构建了数据思维、业务技能和应用实践能力三个层次逐步递进的数字化能力培养模式,帮助学生掌握数据分析方法、培养学生树立数据思维和新商业思维,以满足数字经济时代的社会人才需求。该能力培养模式具有一定的普适性,对同类院校经管类专业开展数字素养实践有一定参考价值。
参考文献:
[1] 梁国英.数字经济时代商贸类校企融通微专业育人模式研究[J].中国商论,2022(4):149-151.
[2] 陈建斌.新商科数据思维和量化分析能力培养体系研究——以北京联合大学商务学院为例[J].河南农业,2021(12):13-15.
[3] 唐姣美.数字经济时代商科人才培养产学研融合模式创新探讨[J].科技与创新,2021(19):31-32.
[4] 郭彦丽,薛云.数字经济时代新商科实践人才培养模式探索[J].高教学刊,2020(36):165-168.
[5] 路龙宾,王小银,金小敏,等.工程思维引导的Python语言程序设计教学模式探索[J].计算机教育,2022(3):43-48.
[6] 杨波,魏俊姣.数字经济时代我国管理学研究生培养体系存在的问题及优化研究[J].中国管理信息化,2021,24(23):224-225.