产教融合背景下高职人工智能专业“岗课赛证”融合育人模式探索与实践

关键词：产教融合；人工智能技术应用；“岗课赛证”

0 引言

随着经济的发展和产业升级，各行各业都需要更多的高素质、高技能人才。职业教育本着服务当地经济建设的目的培养了一批又一批的技能型新兴人才，满足了社会对就业的需求。教育部2022年工作要点中，明确强调要增强职业教育适应性，其中着重提到要“推进岗课赛证综合育人模式”，如何科学合理地进行“岗课赛证”融通，成为职业教育的难点。职业教育“岗课赛证”融合育人是关系着我国技术技能人才培养机制创新与职业院校教学体系改革的系统性工程。该模式以课程、岗位、证书和比赛为四大要素，通过相互融合实现教学与实践的无缝对接，提高学生的职业素养和实践能力。

近年来，山东省内多所高职院校进行了“岗课赛证”相关研究与探索，如山东电子职业技术学院坚持以赛促教、以赛促学、以赛促改、以赛提质，构建“竞赛引领、岗课赛证”融通技能人才培养模式，为中国式现代化发展提供高技能人才支撑；临沂职业学院探索“岗课赛证创”综合育人模式；山东中医药高等专科学校校企融合构建“岗课赛证”综合育人新模式等。同时，山东商业职业技术学院、济南职业学院等几所高职院校也在“岗课赛证”融合育人方面做了不少探索与实践，虽取得了一些成绩，但尚未形成自身特色。总体来看，高职院校“岗课赛证”理论与实践的研究还有待加强[1]。

1 人工智能技术应用专业开展“岗课赛证”融合育人实践的必要性

1.1 人工智能技术应用专业简介

人工智能技术应用专业为近年来新兴专业，山东商务职业学院信息工程学院人工智能技术应用专业2021年申报成功，2022年首年招生。专业始终以培养高素质人才为己任，不断优化教学方法、深化教学改革，立志于培养具备良好的人文素养、职业道德和创新意识、精益求精的工匠精神，德、智、体、美、劳全面发展的创新型、复合型、发展型高素质技术技能人才。

1.2 开展“岗课赛证”融合育人实践的原因

鉴于专业开设时间较短，师资力量匮乏，可借鉴经验较少且缺乏针对性，因此专业人才培养基本遵循传统模式，在以下方面还存在不少问题 ：

1） 课程体系尚需完善。本专业为近年来新兴专业，课程体系尚不够完善。需要进一步加强与企业、行业的沟通和合作，了解行业发展趋势和需求，进一步优化课程体系及课程内容。

2） 师资力量匮乏。本专业教师多是从其他相关专业转来，一方面，需要重新学习人工智能相关学科知识，另外，随着市场需求的不断变化，专业所需的知识和技能也会发生变化，这无疑也给专业教师的成长带来了困难。

3） 课程资源严重不足。目前专业相关课程教材较少，国家规划教材更是少之又少，甚至很多课程没有相关的国家规划教材；同时，相关课程的网络资源也严重不足。

4） 学生实践能力需要增强。目前专业课程中实践课程占比不够，且与实际职业技能要求和实际岗位流程匹配度不高，同时，专业与相关企业或行业联系不够紧密。

因此，本专业在校企合作、工学结合、课程体系建设、人才培养模式改革等领域还需要有进一步突破，亟须开展“岗课赛证”融合育人探索与实践[2]。

2 人工智能技术应用专业开展“岗课赛证”融合育人实践设计思路

人工智能技术应用专业“岗课赛证”融合育人模式探索与实践，以笔者所在院校人工智能技术应用专业为依托，首先深入企业、行业调研，构建企业岗位标准，依据企业岗位标准建立初步的专业课程体系；创新专业教学模式，优化实训教学体系，建立分层递进式的仿真实训教学体系，同时将专业职业技能竞赛和职业等级证书标准与课程体系进一步融合；构建“社- 行-校-企”四位一体评价模式，精准实现“过程评价与结果评价”相结合的多元评价。具体方案设计，如图1 所示。

3 人工智能技术应用专业开展“岗课赛证”融合育人实践具体实施策略

3.1 以企定需，构建专业目标岗位

专业教师团队深入腾讯烟台新工科研究院、烟台中科网络技术研究所、烟台华东电子科技有限公司、浪朝集团、烟台译尔电子科技有限公司、山东省人工智能学会、山东省人工智能协会等相关人工智能行业企业及组织，分别以访谈和问卷的形式就人工智能专业相关岗位及对应技能需求等问题进行调研，依据调研结果及专业重点培养应用型人才定位构建了人工智能专业相关人才培养目标岗位及对应简要技能标准。

研究型岗位为人工智能算法设计师，其典型工作任务为分析、研究、开发人工智能算法、深度学习等技术并加以应用，该岗位需要具备扎实的计算机、数学、英语、算法和软件开发等技术知识，并且需要具备良好的编码能力和团队协作精神。

技术开发型岗位包括人工智能开发工程师、图像处理工程师，其中人工智能开发工程师典型工作任务包括：负责AI相关项目的应用设计与开发工作；对现有项目的重构和优化，包括性能、代码及资源优化等；快速对接创新业务，构建Demo和原型；关注AI应用相关新技术的发展和研究，快速跟进和掌握新技术。该岗位需要深入掌握机器学习算法，包括传统机器学习算法和深度学习算法；熟练掌握C/C++、Python、Java等主流编程语言；熟悉Linux、Windows等操作系统下的开发环境及脚本语言；能够熟练使用 Caffe、Tensor⁃ Flow、MXNet、PyTorch、Keras等深度学习框架；熟练掌握主流数据库如MySQL、Oracle、DB2的使用熟悉Ha⁃ doop、Spark等分布式开发环境。图像处理工程师负责图像预处理、图像分割；图像的特征提取，包括颜色、纹理、几何形状等；高效、实时性高的图像处理算法模块的开发与测试。需要熟悉图像处理各种算法的基本原理并能够进行图像匹配、定位、分割、边缘提取；熟悉常用算法如OpenCV，熟悉Python，了解C/C++。

数据分析型岗位包括数据分析工程师、人工智能数据标注师、人工智能训练师3个岗位，数据分析工程师典型工作任务包括：收集和处理大规模的数据，并利用这些数据来训练和优化人工智能系统。具体工作包括数据采集、数据清洗、数据可视化等；需要具备扎实的统计、数学和编程等技术知识，并且要有良好的数据处理和分析能力。人工智能数据标注师负责从业务视角出发，与算法工程师共同制定和管理数据标注需求；对图片特征进行提取并鉴定；语音数据的标注，筛选出有效语音，并对数据进行简单的剪辑处理，能快速判定语音中出现的各种问题，对完成标注的语音数据进行质检；基础数据标注相关内容，按不同设备、机型对数据进行标注及归纳整理。需要理解数据标注要求，管理标注数据质量；能熟练使用图像标注和语音标注工具，如Adobe audition、Praat等标注软件。人工智能训练师负责设计、编辑、测试训练数据，完善人工智能的模型数据，根据业务负责智能系统的训练，包括数据梳理、训练数据提供、测试及分析报告，负责总结归纳自然语言成者图像数据的规律，推进算法优化。需要了解人工智能模型训练数据特点，了解数据录入要求；具备一定的需求分析及较强的逻辑分析和独立解决问题能力；具备基础的计算机操作经验，对人工智能有基本了解；能使用图像处理或者文本处理工具，能使用Python进行简单文件操作脚本编写。

产品管理岗位包括售前技术工程师及产品运营工程师。售前工程师为企业和用户提供人工智能相关的咨询和支持服务，需具备扎实的人工智能和商业领域的知识，并且要有良好的沟通和解决问题的能力。具体工作包括技术支持、客户服务等。产品运营工程师负责人工智能产品的策划、开发和运营过程中的管理工作，需要具备扎实的市场分析能力和项目管理能力。具体工作包括产品规划、需求分析、市场调研等。需要对大数据和AI技术的应用有一定的了解，能够理解相关业务流程和技术模型；具备扎实的技术功底，包括计算机网络、操作系统、数据库等方面的技术知识，并应具备熟练的编程技能。

3.2 以岗定课，确定专业课程体系

3.2.1 明确专业课程框架

以企业岗位标准为导向，依次建立人工智能技术应用专业“基础-核心-拓展”课程框架。专业基础课程对应产品管理岗位、数据分析型岗位，专业核心课程对应技术开发型岗位，专业拓展课程对应研究型岗位。

3.2.2 构建专业课程体系

针对不同岗位对应具体技术要求，制定本专业课程体系，分别从专业基础课、专业核心课、专业拓展课及专业选修课4个层次进行划分课程，专业基础课程主要包括Java程序设计及人工智能导论，用来加深学生对人工智能及人工智能行业的认识；专业核心课程主要包括Python程序设计、机器学习、计算机视觉处理、Web前端开发、Android应用开发、Python数据库框架等6门课程，以奠定学生对人工智能核心知识的掌握；专业拓展课程包括深度学习及其应用、自然语言处理及人工智能项目实战等课程，主要用来拔高学生对专业知识的掌握；选修课程主要涉及大数据和云计算两个方向[3]。整体来看，本专业课程主要分为两大方向，即Python开发和Java开发方向，满足学生就业的不同需求，具体课程安排如图2所示。

3.2.3 确定专业实训课程体系

围绕技术能力和创新创业能力同步提升的目标，建立“四层递进、双创贯穿”分层递进式岗位能力仿真实训教学体系，创新专业课程教学模式，确保“岗课”有效融合。第一层围绕培养学生的创新认知能力，完成专业基础课程实训；第二层围绕培养学生的专创融合能力，完成专业核心课程实训；第三层围绕培养学生的科研创新能力，完成专业拓展课程实训；第四层围绕培养学生的创业实践能力，进行岗位技能实践[4]。

3.3 融合技能大赛，完善专业课程体系

鼓励专业师生积极参与职业技能大赛，激励专业教师强化专业知识学习，重视实操技能训练，研究技能竞赛规程、比赛内容，了解行业发展动态、企业岗位对学生能力的详细要求，以此为标准进一步完善专业课程体系。专业师生近年来参与大赛及对接课程如表1所示。

3.4 融入技能证书，完善专业课程体系

按照专业所对应的职业、岗位筛选出含金量高的职业资格证书，分析相关职业资格证书的具体考核项目和内容，将其体现到具体的专业课程中。同时，在制订专业人才培养计划时，则将职业资格证书对应的职业技能标准、职业技能鉴定考试大纲和试题库，融入专业教学计划，设置与职业资格证书考核内容相一致的专业课程教学模块[5]。经过筛选，专业确定以下证书为课程体系融合证书，具体内容如表2所示。

3.5 评价体系

在评价标准设计上，以专业为单位，依据企业岗位用人标准，制定教学质量评价标准和人才培养质量评价标准；在评价方式上，采用凸显多元化特征的四维评价模式，即与“岗”对应的企业评价、与“课”对应的学校评价、与“赛”对应的社会评价、与“证”对应的行业评价。建立兼顾过程与结果的人才培养质量评价办法。追踪毕业生就业情况，实时调整专业教学标准。

3.6 成果

通过“岗课赛证”融通育人建设，专业与烟台腾讯新工科研究院共建产业学院，与行业内其他企业进一步合作，共同探讨高素质技能人才的培养路径。专业教师师资力量也有所提升，完成了《计算机视觉处理（OpenCV图像处理）》在线课程制作；2022、2023年专业教师参加山东省“技能兴鲁”职业技能大赛获得二等奖3项，三等奖2项。2022、2023年专业学生参加山东省“技能兴鲁”职业技能大赛获得一等奖1项，二等奖1项，三等奖2项；2023年11月本专业学生参加金砖国家职业技能大赛“工业互联网”赛项国际总决赛获三等奖；2023年12月本专业学生参加山东省职业院校技能大赛“工业互联网集成应用”赛项师生同赛获一等奖；专业多名学生参加山东省“建行杯”第九届山东省大学生科技创新大赛、山东省第九届“互联网+”创新创业大赛均获奖。另外，本专业学生参加的“1+X”职业技能等级考试及人工智能工程技术人员职业技能等级考试通过率均达到98%以上。

4 结束语

本文基于产教融合背景，对融证入课、融赛入课、岗课对接等重难点项目进行创新思路探讨，建立高职人工智能技术应用专业“岗课赛证”融通机制下的核心课程体系及实施保障，助推职业院校实现高素质复合型技术技能人才培养。