数字画像技术在高职财经专业人才培养中的应用研究

■朱丹璇，李静恒

（江苏商贸职业学院，江苏 南通 226000）

党的二十大报告指出，教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑，推动教育科技人才一体化协同融合发展，培养德智体美劳全面发展的社会主义建设者和接班人。随着数字化进程不断加深，新经济新业态的背景下智能技术和教育的融合程度也在不断加深，包括基于数字画像技术的高职财经专业人才培养模式的改革，明确个体学习者的兴趣、能力和学习风格，刻画学习者个体学习画像，教育者以此为基础进行数字化教学设计，提供更加个性化和差异化的教学活动和方法，精准实施教学活动，促进学习者个性化成长，使其具备适应未来社会发展的综合素养和个性专长。

一、数字画像技术在高职财经人才培养中的应用依据

（一）落实科教融汇，数字画像技术是高职财经专业人才培养的新抓手

科教融汇的背景下，财经类专业职业教育的教学方法应如何优化改进，如何适应科技与教育不断汇聚融合的新发展趋势，对高职院校财经类专业的教育工作者提出新挑战。而数字画像技术是一种基于人工智能的数据分析技术，它通过收集学生多来源、多维度、多模态数据来构建学生特征的表达，从而在个性化评估和认证方面发挥重要作用。具体来说，数字画像技术可以通过手机数据和建模，定义学生真实特征及行为标签，构建真实、可解读的学生特征画像，这种画像不仅仅可以作为提供学业成就的评价，还可以用于评价复杂的技能，如批判性思维、团队合作和创造力等，这对于教育数字化转型的背景下培养高职财经类专业一专多能的复合型人才具有重要的意义。

（二）深化产教融合，数字画像技术是高职财经专业人才培养的新方向

产教融合是高职财经类专业人才培养的重要途径，而经济产业数字化和数字经济产业化的发展对以就业为导向的高职财经人才培养模式提出了新的要求。通过将数字画像技术应用于高职财经专业日常教学和实训项目，提升从财经专业课程教学、专业建设到院校产教融合的数字化水平，达到高职院校与财经产业端的深度融合，学校和企业可以更好地了解数字经济背景下彼此的需求和特点，建立更紧密的联系和合作，双方通过共建数字化财经专业、共同构建数字化课程、共建数字化教学资源、共同实施数字化精准育人，提升自身整体的数字化教学水平，稳步提高财经产业在数字化升级背景下高职院校培养符合用人单位需求的复合型财经数字人才的质量。

（三）以学生为中心，数字画像技术是高职财经专业人才培养的新工具

OECD（经济合作与发展组织，Organization for Economic Co-operation and Development）在面向2030 学习框架中提出，教育最终目标是要每一个个体都能幸福生活。而职业教育要努力营造“人人皆可成才，人人皆尽其才”的良好氛围，高职财经类专业所培养的高素质技能型人才，是国家现代经济产业可持续发展的重要力量，因此围绕高职财经类专业学生未来职业发展和个性化成长这个主旨，基于数字画像技术，高职财经专业人才培养应根据每个学生的不同背景和特长，协助他们选择最适合自己专业发展的学习方式和学习课程，引导他们主动构建起自己的学习路径，获得个体终身学习的能力。

二、数字画像技术在高职财经专业人才培养中的应用过程

数字画像技术在高职财经专业人才培养中的应用过程简单来说就是教师基于数据科学的理论和技术，利用数字画像相关数据来构建出学生整体和个体的学习情况模型并以此来刻画学生的综合素养[1]。借助于大数据、人工智能等技术，通过对形成数字画像数据的收集预处理、建模分析、可视化呈现与价值输出的过程，实现对学生素养的全面映射，进而全景化、数字化呈现学生的发展状态，为学校、家庭及学生提供面向综合素养全面发展的智能化信息服务。而数字画像数据从内容上主要分为学生基础信息数据、学业水平数据、学习行为数据、学习交互数据、学习反馈数据、情绪波动数据等，基于数字画像技术的应用，进一步了解学生发展的内在需要，跟踪记录分析每一位学生的学习全过程，通过多视角、多维度、多模态的数据采集，推动学习行为分析、绿色发展评价，助力为高职财经专业人才培养模式改革[2]。

（一）数字画像数据的收集获取

高职财经专业学生数字画像数据中的学生基础信息数据可以通过学生信息平台导出，学业水平数据、学习行为数据的获取主要通过学生在课程学习平台上的学习数据，如学习时长、学习进度、学习成绩等，可以了解学生的学习习惯、能力水平和兴趣爱好等信息，而学习交互数据、学习反馈数据、情绪波动数据可以通过社交媒体平台、图书馆借阅信息、调查问卷等形式，获取高职财经专业学生在社交互动、阅读习惯、学习情绪变化上的信息，进而构建数字画像。

（二）数字画像数据的建模处理

高职财经专业学生数字画像数据的处理工作主要涉及到数据的清洗即对缺失值、重复值、异常值的删除或填充，以提高数据的质量和准确性。也包括对学情数据的分组，从数据结构上将学情数据可以分为结构化数据、半结构化数据、非结构化数据，便于后续的数据建模分析。而数据的建模分析主要利用将数据划分为不同的群体或簇，并通过对簇的分析和描述，建立相应的模型和算法，以实现对目标对象的分类和预测的聚类分析算法。聚类算法可以用于学生标签的生成，对于高职财经专业的学生，可以根据学习能力、学习态度、职业发展方向等将他们划分成不同的群体或簇，进而制定更加精准的教学策略和干预措施；通过关联规则挖掘技术挖掘学生画像数据中的关联性，用于发现学生的行为模式和学习规律，并预测其学习行为和学习趋势；通过文本分类、文本聚类、关键词提取、情感分析、实体识别等文本挖掘规则可以用于发现学生文本数据中的模式和关系，进而分析学生的学习行为和学习需求。

（三）数字画像的可视化呈现及价值输出

通过量化指标对学生数据进行完整处理与分析后，借由相关算法建模，基于饼图、柱状图、折线图、热力图等图形动态呈现“学生数字画像”的可视化图像，清晰地展示学生的不同方面的数据，如学习成绩、课堂表现、学习方式、情绪变化等。同时，数字画像还可以通过数据挖掘和机器学习技术，对学生的学习行为和成绩进行预测和分析，以发现学生的学习特点和趋势。在此基础上教师可通过“学生数字画像”快速了解学生各方面的情况，如学习时长、学习成效等，了解学生生活、学习情感波动，便于精准制定教学策略；基于数字画像技术，学生可以了解自身的优势与不足，做到及时有效反思；校企双方可以通过数字平台查询学生的综合表现情况，有利于深化校企合作，实现共同育人的目的[3]。

三、数字画像技术在高职财经专业人才培养中的应用场景

（一）精准规划学习路径

高职财经专业人才培养可以为学生提供多元化的学习体验，通过校企合作组织财经竞赛、模拟投资、财经案例分析等活动，让学生在学习中体验财经专业的实际应用，基于融合自我、教师、企业、同伴、其他社会关系评估的数字画像技术深度挖掘高职财经专业学生学习能力、兴趣等数据信息价值，剖析学生在财经类职业技能证书、财经类职业技能比赛、财经类其他竞赛项目、财经类社交活动等项目上的发展潜力，明确学生个体的学习发展方向，规划的学习路径要切合学生个性画像的同时也要契合数字化财经产业环境，符合社会发展的需要。个性化学习路径涉及的时间跨度不宜过长，学习目标要具体落地，注意长期目标与短期目标相结合，结合数字画像技术平台反馈的情况进行动态调整。继而通过校企共同设计的专业课程学习、实践操作提升、培训项目拓展、竞赛活动锻炼使得学生个体潜能价值最大化，拓展学生的个性化财经专业能力。

（二）精准推送学习资源

通过数字画像技术构建学习特点标签化的学习资源推送机制，这些标签可以包括学生的学习风格、兴趣爱好、能力特长、学习内容等，且每位学生可能同时拥有多个维度的学习标签。根据标签化分类的结果，筛选出符合学生学习特点和需求的学习资源，学习资源囊括了涵盖讲解视频、思维导图等任务型资源，涵盖检测试题、检测报告、检测实操等检测型资源，涵盖专业书籍、行业协会等拓展型资源。将筛选出的学习资源通过电子邮件、社交媒体、或者在学校的网站上建立相应的学习资源推荐专区等多种方式向学生推送。基于学生数字画像构建，定制个性化学习资源推动方案，打破校园与教室的边界，将行业产业的优质资源提供给需要的学生，实现职业院校与行业产业的高效连接。需要注意的是，随着学生学习特点和需求的不断变化，相应的标签和学习资源也需要定期更新，因此，需要定期检查和更新标签和学习资源，保证资源的时效性和准确性[4]。

（三）精准推荐学习伙伴

同伴互助学习属于合作学习的范畴，既反映了集体行动的学习成果，又可以体现出集体行动思想，对学生而言不但学习了知识，还能在团队协作能力和经验上得到一定的提升，这项能力对于学习内容理论性偏高的高职财经专业的学生来说尤为重要。在数字画像技术的支持下，基于关联规则挖掘技术发掘学习推荐对象与学生个性化参数相关联的信息, 并有效地建立学习推荐对象模型，利用学生的学习历史、学习偏好和学习需求等信息，计算出与用户匹配的学习对象，并按照匹配程度进行排序，将推荐结果通过可视化界面或推送展示给学生，以帮助其快速找到适合自己的学习对象。具有相同学习标签或不同学习标签的学生，依据学习任务和学习目标的不同成为学习伙伴，在同伴互助学习小组中形成了积极的影响，激活了学生学习的内驱力，在学习方式改变的同时，同伴互助为财经专业的同学提供了更多表达、交流、思维碰撞、展示锻炼的机会。当然，需要定期根据反馈情况，如点击率、评价等级等，对推荐方式进行相应的调整和优化，以提高推荐准确度和互助学习成效和满意度。

（四）精准评价学习成长

《深化新时代教育评价改革总体方案》中综合素质评价被提上日常，综合素质评价是一种关注学生发展过程的评价，而过程评价是需要借助于大量学生成长过程中的数据才能完成。高职财经专业课程评价由诊断性、过程性、终结性、增值性评价构成，而数字画像技术恰巧可以为这个较为复杂的评价过程提供其所需的过程性数据。诊断性评价可以基于数字画像技术收集的学习时长、频率、参与讨论的情况而完成评价，过程性评价则可以借助教师、企业、学生、平台等多元主体共同完成的课堂考勤、参与度、项目完成、阶段测试的数据而形成；终结性评价则主要基于财经专业学生的项目成果和终结测试的数据完成。值得关注的是，基于数字画像平台采集、分类、储存学生学习和成长数据可以完成对个体学生的增值评价，也就是通过记录其学习和发展的起点、过程和结果，借助科学的增值评价模型完成对个体学生成长增量的评测。多维数据进行跟踪和分析，能够发现学生的个体特点和优势，为每个学生提供针对性的指导和支持，能够实现对每个学生全方位、多角度的评价，为高职院校和学生本人提供更加全面、客观的评价结果，促进学生的全面发展。

（五）精准监测学习行为

利用大数据技术对学习过程进行监控和预警已经成为学习行为测量和评价的新趋势，通过利用基于计算机、人机交互领域等的数字画像技术，全面的收集学习者内在和外在的学习行为特征，建立预测模型及时监控学生的行为数据，发现学生的学习习惯问题和学习困难，为教师实施个性化精准辅导提供科学的数据支撑。对于高职财经类专业学生的学习监控更加重要，财经专业的课程大多需要学生注重对理论知识的理解和领悟，通过及时归纳总结将理论联系实际，这对于学生的学习方法和学习策略上都提出了更高的要求，通过数字画像技术记录分析学生学习的持续时间、反思程度、主动频率、专注程度，根据监测结果，及时反馈给学生和教师，以便进行针对性的改进和优化。

四、数字画像技术在高职财经专业人才培养中的应用价值

（一）助力高职财经学生尽展专业才能

1.学习动力显著提升。学生明确自身学习画像，制定出个性化的学习计划，选择适合自己的学习方法和策略，更好地掌握学习的主动权，了解自身潜在优势更容易取得学习成效，增强了学习信心。

2.个性专长得到拓展。基于数字画像技术刻画个体学生的学习画像，高职财经学生更加注重培养自己的专业特长技能，通过发掘自身潜能利用有针对性的学习资源，通过伙伴互助合作学习完成学习和实践，逐步提高自己个性化的专业素养和实际操作能力。

3.自我认知逐渐完善。通过数字画像技术记录学生的学习过程，促使学生深度思考，明确现阶段的优势与不足，科学的制定下一阶段的学习计划，提高了自身认知能力，具备了更强的学习规划能力。

（二）提升高职财经专业专业建设成效

1.课程体系改革创新。数字画像技术明确了高职财经专业学生的学习需求，通过信息化技术整合、注重实践与职业素养培养、模块化课程体系、引入创新创业教育等创新方式有助于提升高职财经专业学生的综合素质和职业技能，使他们更好地适应企业的需求和市场的发展。

2.教师素养明显提升。在数据画像技术背景下，促进了教师教育领域知识和专业能力的学习，接受了与学情数据解释和应用相关的专业发展培训，注重学情数据分析方法和技能的最新研究和趋势，高职财经专业教师的数字素养得到了明显提升。

3.教学质量大幅提升。通过数据驱动精准教学实施、数据监控及时反馈干预，优化了教学方法，使学生学习的参与度大大提升。

（三）推动高职财经人才适配企业标准

1.岗位能力需求明确。通过数字画像技术，企业可以将新经济新业态下的岗位能力需求具体化和可视化，明确了校企合作育人标准，推动了高职财经专业人才链与产业链的衔接。

2.实践教学成效明显。基于学生画像的数据分析，企业导师可以为学生推荐个性化的实践项目和实践机会等，帮助学生有针对性的提升实践技能。

五、结语

数字画像技术在高职财经专业中的应用仍然有很多需要改进和完善的地方，学情数据的收集和处理是一个复杂的过程，需要进一步考虑数据的质量、隐私和安全性等问题，以及如何选择合适的特征和构建有效的模型和使数字画像技术具备一定的适应性和泛化能力，能够适应不同的场景和任务，都需要进一步的调整与完善，以便在高职财经人才培养过程中发挥更大的作用。