数字化转型背景下高职特色课程建设研究——以量化投资课程为例

王 瑞

（宁波职业技术学院供应链管理学院 浙江 宁波 315806）

随着人工智能、大数据、虚拟现实等数字技术的发展，生产方式也迈向了数字化、网络化和智能化，技术的发展决定了职业教育的发展。2021 年新修订的职业教育专业目录集中体现了数字经济和产业数字化转型的目标和要求，设置了众多与大数据、5G、人工智能等相关的专业。2022 年，全国教育工作会议提出教育数字化战略，明确了对职业教育的新要求。

从研究成果来看，目前国内职业教育数字化转型主要集中在三个方面：第一，政策研究。从宏观上分析数字化转型的政策内涵及实施方法，祝智庭等（2022）[1]，邓小华等（2023）[2]。第二，数字化融合。关注数据技术与教育领域的融合，例如推动教育组织变革、转变教学范式、教学过程和评价方式等，将数字技术作为教学的技术手段，仝鹏翔等（2023）[3]，舒晓杨等（2023）[4]，王丽君（2023）[5]。第三，数字技术应用。数字技术本身价值的实现，如通过数据挖掘技术获取有效信息，实现技术链、产业链与教育链、人才链的有机衔接，实现产教融合的生态重构等，杜兰晓等（2023）[6]，王知强等（2023）[7]。

国外的职业教育数字化转型则更关注课程内容。美国的建设未来技能项目确定了155 项技能，涵盖人工智能、区块链、大数据分析、云计算等70 多个岗位，旨在应对数百万工作岗位的预期流失和技术变革带来的技能不稳定性[8]。德国从政策上将数字能力定义成劳动者的核心素养，要求所有学生都要掌握信息学、算法、编程和人工智能基础知识，要求职业院校将这些知识作为必修内容纳入教学计划和师资培训计划[9]。

另外，虽然国家从制度上赋予职业教育与普通教育“平起平坐”的地位，但由于高考中，职业教育院校的录取分数相对较低，分数成为学生选择职业教育的主要原因。也是由于职业教育被界定为与普通教育不同的类型教育，从其产生之初就以实用和就业为导向，关于人的生存与发展的价值追求从未占据主导地位。职业院校的管理模式也因此受到影响，为保证生源，职业院校降低课程难度，降低素质要求，形成学生素质水平不断下降的恶性循环，这更为职业教育的数字化转型增加了难度。

如何获得与普通教育同等的教育价值，如何成功实现数字化转型，成为当前职业教育中亟须解决的问题。为此，职业教育需要进行整体框架的调整，通过专业体系、培养目标、课程内容和评价方式等的更新，增加学生对数字化及相关前沿知识技术的学习，形成新的学习模式，营造良好学习氛围的同时提升学生的数字化能力和价值获得感。因此，文章提出以建设特色课程的方式实现数字化转型和职业教育价值回归的思路，并以量化投资课程为例，从课程定位、培养目标、课程内容及综合评价等方面，全面论述特色课程的建设。

1 特色课程的定位及实施

所谓特色课程，是指独立于普通专业课程设置，以兴趣和价值为导向，同时具备实用性和数字化特点，内容的系统性和完备性高于第二课堂，但又低于第二专业的一种课程。

1.1 课程特征

从数字化转型和高职教育价值回归两个方面考虑，高职院校特色课程的定位既要关注学生数字化能力的提升，又要考虑如何让学生人尽其才，领略前沿知识和技术。特色课程应具备以下特征：①包含数字技术，是近几年兴起的新知识新技能。②跨学科，容易调动学生自主学习的积极性。③有实践支撑，可以快速产生成果反馈，易于激发学生的学习兴趣。④有竞赛支撑。技能竞赛或者学科竞赛往往代表前沿方向，以获奖为目标进行学习，学生的参与意愿会更强烈。⑤易拓展。课程内容可浅可深，具有上升空间，可以作为基础知识学习，也可以上升到学术研究层面。

以量化投资为例。量化投资作为近几年国内刚刚兴起的跨学科使用技术，涉及统计学、金融学、人工智能等多个领域；量化投资的核心技术是数据分析和人工智能；量化编程易于实践，学习成果可以快速得到反馈；量化投资有学科类竞赛支撑，可以做到以赛促学，以赛促教；量化投资易拓展，既可以作为业余爱好或者赚钱工具，又可用于学术研究。

1.2 课程实施

量化投资课程可以根据不同难度等级设置1-2 年的课程，课程的实施应定位于第二课堂和第二专业之间。首先，以第二课堂的形式存在，活动时间在课后，学校活动较多的时候，上课时间无法保证。其次，第二课堂为期最多一年，持续性无法保证。最后，职业院校学生在校时间短，专业课程已经排得相对较满，不足以支撑第二专业的开设。因此，需要一种介于第二课堂和第二专业之间的课程设置形式，课程本身需要本专业范围内的部分基础课作为前置课程，具备一定程度的系统性和完备性，但又不像第二专业对系统性和完备性的要求那么高。

特色课程的实施应该以不增加学生负担为前提，可以使用学分替换的方法，允许学生用特色课程替换部分非核心专业课程。同时，对于原有课程中与特色课程相关的基础课，例如统计学基础、Python 编程基础等，可以根据特色课程的需要特别设计，增加相关内容用于选课学生的授课。

2 特色课程的目标及内容

目标和内容是课程的灵魂，特色课程也不例外。由于特色课程具有不同于普通课程的特征，其目标与内容也要凸显特殊性。

2.1 培养目标

特色课程建设的目的是让学生在学习知识技能的同时获取数字化能力，引导学生独立思考。学生的学习目标不再拘泥于完成任务，学习动机也不再来源于外部压力的迫使，取而代之的是挖掘自身潜力，实现个人价值。以量化投资课程为例，课程目标[10]主要包括：①知识目标。以量化策略编程为目标，以数据分析技术为基础的按难度等级划分的量化投资及相关知识。②能力目标。量化投资策略程序的开发及量化投资策略报告的编写。锻炼学生的逻辑思维能力、应用文写作能力，以及清晰、完整表达观点的能力。③合作素养。策略程序的开发和投资报告的撰写需要团队合作完成，团队成员的能力和个性都存在差异，团队合作不是要消除这种差异，而是要实现优势互补，发挥协同效应，带来1+1＞2 的效果。在合作过程中，为了实现团队目标，学生需要坦诚面对自己的不足，积极寻求解决问题的方法，以团队利益最大化作为自己的工作方向。④创新素养。在资本市场中赚钱并不是一件容易的事情，量化策略的开发亟须创造力，创造性越强，策略价值越高，而且可以直接通过实践检验，适合用于对学生创新精神和创新能力的培养。

2.2 课程内容

脱离课程谈内容过于空泛，以下以量化投资课程为例，具体描述特色课程的内容设计。量化投资课程内容的设计应遵循学生认知规律，分层递进、逐级推进，构建“基本数据分析能力培养——基本统计建模能力培养——量化程序设计能力培养——人工智能建模能力培养”的四阶段递进式实践教学体系。形成“四层次、四方向”课程体系。“四层次”是指学生培养由低到高的四个阶段，“四方向”是提升数字化能力、参加学科竞赛、形成业余爱好、定位专业发展四个方向。

第一个层次：具备使用Python 语言进行数据整理、查询、计算等基础数据处理能力，能够应对实际生活或工作中大部分数据的处理。第二个层次：具备使用简单的统计模型进行数据分析的能力，可以完成实际工作中基础的数据分析。第三个层次：基本具备量化编程的能力，能够独立编写量化程序并回测以及进行模拟交易和分析。第四个层次：能够将人工智能算法应用于择时和选股分析中，构建更加复杂的策略模型，也可以从事该领域的研究工作。

对应四个层次的四个发展方向。第一，也是最基础的，提升数字化能力；第二，也是最直接的，参加浙江省大学生证券投资大赛的量化投资竞赛；第三，容易获得反馈并可付诸实践的特征使量化编程可以成为相伴一生的业余爱好或者赚钱工具；第四，在这个方向有所建树的学生，可以向上攻读量化投资专业的更高学历或者在该领域就业。

3 特色课程的评价

3.1 学生评价

采用过程评价与结果评价相结合，教师、团队和学生相结合的多元评价方式，按照知识、能力、合作、创新四个与特色课程目标对应的维度建立评价指标体系，全方位评价学生的学习效果。

3.2 课程评价

主要评价课程内容及层次、方向设计的合理性。以量化投资课程为例，根据量化投资课程的四层次及四方向设计课程价值评价体系，评估相应层次的课程内容设计，是否带给学生相应的层次能力提升和价值获得感。

3.3 对比评价

将不同时间不同对象进行对比评价，既包括学生参与课程前与参与课程后的对比评价，又包括参与课程和不参与课程的学生能力评价，为保证对比评价的公平性，使用国际通用的大学生学习评价（CLA+）评价方法，通过两类对比，获得课程的效果评价。

4 结语

文章通过特色课程建设解决职业教育的价值回归和数字化转型问题，提出特色课程的定义，并以量化投资课程为例，从课程定位、课程目标、课程内容和课程评价四个方面论述了特色课程建设的关键点。在课程定位方面，指出适合作为特色课程的课程特征，以及不同于第二课堂和第二专业的实施形式；在课程内容方面，提出四层次的课程体系设计，以及不同的课程体系对应的学生发展方向及能力层次；在课程目标方面，提出由知识目标、能力目标、创新素养和合作素养构成的目标体系；在课程评价方面，对应特色课程的目标，设计了包括学生评价、课程评价和对比评价三方面的特色课程三维评价体系。后续拓展的研究内容主要是特色课程的推进实践，在课程建设实践中获取经验，进一步提升理论高度。