基于能力框架与GROW 模型融合的智能化职业场景现场工程师培养路径研究

摘要：现场工程师在技术行业扮演着至关重要的角色，其职业路径发展面临着多方面的现状和挑战。南京交通职业技术学院以“现场工程师”项目建设为契机，结合了行为主义、认知主义和建构主义的教育心理学理论，以及人力资源管理中的能力模型理念，在现场工程师培养中创新基于能力框架与GROW模型融合的实践路径，为现场工程师的培养和职业发展提供了一种全面和动态的方法，为职业院校探索现场工程师培养提供可复制的实践借鉴。

关键词：现场工程师；能力框架；GROW模型

中图分类号：G642文献标识码：A

文章编号：1009-3044（2024）34-0141-03开放科学（资源服务）标识码（OSID）：

0引言

现场工程师是在生产、工程、管理、服务等一线岗位上，用科学技术创造性地解决技术应用问题的复合型、应用型技术技能人才[1]。在技术行业扮演着至关重要的角色，是连接理论知识与实践应用的关键桥梁，负责将设计和理论转换为实际的操作和流程。一方面他们直接参与设备的安装、调试和维护中，确保技术方案的正确实施，完成对现场设备和系统的持续优化，确保技术创新能够有效地转化为实际操作和生产力的提升。另一方面他们的实践经验也能反馈给理论研究，促进技术的迭代更新和知识的累积。此外，他们可以对新员工或团队成员进行技术培训和指导，传递关键的技能和知识，这对于提高整个团队的技术水平和工作效率具有重要作用。“职业教育现场工程师专项培养计划”是由教育部等五部委共同启动的重大项目，旨在培养一批具备工匠精神，精通技术、善于管理、懂得协作、能够创新的现场工程师。南京交通职业技术学院以“智能化职业场景下现场工程师”项目建设为契机，聚焦能力本位框架与GROW模型在现场工程师职业路径发展中的创新应用。

1智能化职业场景下，现场工程师职业路径发展的现状和挑战

智能化职业场景下，现场工程师作为技术领域的关键角色，其职业路径发展面临着多方面的现状和挑战。智能技术的迅猛发展，如人工智能、大数据和物联网，极大地改变了传统工程师的工作方式和内容。现场工程师需要掌握跨学科知识，具备较强的技术应用和问题解决能力。他们的工作不仅涉及传统机械和电气工程，还需掌握编程、数据分析、系统集成等新兴技术。他们的工作范围已经从传统的设备维护和故障排除扩展到了项目管理、数据分析、系统优化等领域。此外，随着数字化转型的推进，现场工程师需要掌握更多的信息技术知识，这些技术的整合为现场工程师的工作带来了新的机遇和挑战。

随着科技的发展和智能场景的出现，推动社会经济各个方面的深刻变革。现场工程师需要持续学习，以应对快速变化的技术环境和不断涌现的新机遇。各行业应积极拥抱新技术，实现数字化转型，提升竞争力和创新能力。保持技术领先对于现场工程师而言是一个持续的挑战。

除了专业技术能力，沟通、团队合作、项目管理和解决问题的能力也变得越来越重要。这些软技能对于现场工程师成功推进项目和职业发展至关重要。技术和工作环境的不断变化要求现场工程师必须致力于终身学习，以维持其竞争力。然而，如何平衡工作、学习和个人生活，成为现场工程师面临的另一挑战。

智能城市、智能家居、智能交通等应用的快速发展，5G和6G技术的创新应用，自动驾驶技术的逐渐成熟，工业机器人和服务机器人的普及，人机协作机器人（Cobots）广泛应用，量子计算技术的重大突破等，势必带来智能化场景的层出不穷，对于现场工程师而言，适应这些变化、持续提升自身的技术和软技能，需要创新设计有效的培养模式。

2能力本位教育框架的理论基础

能力本位教育框架（Competency-BasedEducation，CBE）是一种以学习者为中心的教育模式，与当前职业教育人才培养目标相契合的一种教学理念[2]。它强调以学习成果为导向，关注学生能否掌握特定的知识、技能和态度，而不仅仅是学习过程的实践或经验。这种教育框架的理论基础可以从几个关键的教育心理学和管理理论中得到阐释和支持。

首先，从行为主义心理学的角度来看，能力本位教育强调可观察和可测量的学习成果，它主要强调刺激对学习的强化作用[3]。这种观点认为，教育的目标应该是促使学生表现出特定的、可度量的行为，这与B.F.斯金纳[4]的强化理论相呼应，后者强调通过强化来改变行为。

其次，认知主义心理学也为CBE提供了理论支持。与行为主义不同，认知主义[5]更加关注内部心理过程，如思维、理解和解决问题的能力。在能力本位教育中，重视学生的认知过程和如何应用知识来解决实际问题，这与认知主义的理论相契合。

最后，建构主义理论[6]认为知识是学习者通过与环境的互动过程中构建出来的。在CBE框架下，学习被视为一个主动构建和意义创造的过程，学生通过实践和经验学习来构建其理解和技能，这与建构主义的观点相一致。

在管理学领域，CBE还与人力资源管理中的能力模型相联系。能力模型通常用于界定和评估员工的关键能力和绩效标准，这种方法在教育领域的应用有助于更明确和具体地定义学生应达到的学习成果和标准。

总之，能力本位教育框架的理论基础是多元的，其强调实现具体、可测量的学习成果，注重学生的全面发展，包括知识掌握、技能应用和态度形成，能力本位教育框架很好地适应了智能化职业场景现场工程师培养要求。

3GROW模型的原理及其在职业发展中的应用

GROW模型[7]是一种广泛应用于教练和个人发展领域的框架，由JohnWhitmore在19世纪90年代提出。GROW包含目标（Goal）、现实（Reality）、选项（Options）、意愿（Will）四个核心阶段。

①目标（Goal）：这一阶段的重点是明确目标，设定清晰的、具有挑战性的、可执行的目标。目标应该具体且有时间限制，以便于实现和评估。在职业发展的背景下，目标设定通常涉及职业规划、技能提升或解决工作中的具体问题。

②现实（Reality）：这一阶段要求对当前的现实情况进行全面和客观的评估。涉及对个人的技能、资源、限制因素和已经取得的成就的评估。在职业发展中，这意味着要了解个人的现状，包括职业技能、工作经验、职业路线中的障碍以及可利用的资源。

③选项（Options）：在这一阶段，个人或团队探索实现目标的不同途径和策略。这要求思考创造性的解决方案，不拘一格地考虑所有可能的行动计划。在职业发展的过程中，这可能包括不同的学习路径、职业转变方向或改善工作性能的策略。

④意愿（Will）：最后一阶段是关于行动和承诺，确定实施的具体步骤和时间表，以及为实现目标所需的支持和资源。在职业发展中，这意味着制定行动计划，承担责任，并跟踪进度以确保目标的实现。

GROW模型在职业发展中的应用十分广泛，因为它提供了一个结构化而灵活的框架，帮助个人和组织明确目标，识别现实情况，探索实现目标的多种途径，并承诺采取实际行动。通过GROW模型，可以有效地提升个人的自我意识、有利于成为智能化职业场景现场工程师促进职业成长，支持终身学习的有力工具。

4能力框架与GROW模型的融合策略

在智能化职业场景现场工程师的培养背景下，能力框架与GROW模型的融合是为了实现更有效的职业发展，支持终身学习，这种融合的逻辑如下：

（1）教育与职业发展的融合需求。现场工程师不仅需要专业技术知识和技能，还需要不断适应变化的职业环境和发展需求。能力框架提供了明确的能力标准和目标，而GROW模型则强调个人成长和目标实现的过程。将两者结合，可以实现从能力培养到职业成长的无缝对接。

（2）个性化和目标导向的发展策略。能力框架关注于所需能力的具体内容和标准，而GROW模型提供了一种个性化和目标导向的发展过程。通过结合两者，可以为现场工程师设计更符合个人需求和职业目标的培训和发展计划。

（3）系统性与灵活性的平衡。能力框架带来系统性的培养途径，明确了发展方向和标准；GROW模型则提供灵活性，帮助工程师根据自身情况和职业环境制定和调整发展计划。这种结合有助于在保持培养方向明确性的同时，适应个体差异和环境变化。

（4）持续的发展与反馈机制。GROW模型的实践强调目标设定、现状评估、选项探索和行动执行的循环过程，与能力框架中对持续发展和能力提升的要求相契合。这种融合形成了一个持续的学习和反馈环境，有助于现场工程师实时调整发展策略，不断提升自身能力。

综上所述，能力本位框架聚焦于个人为有效履行职责所需的关键能力，有助于识别和定义成功的标准，并为个人发展提供清晰的目标。GROW模型作为能力本位框架的补充，通过设定目标（Goal）、了解现状（Reality）、探索选项（Options）和落实行动（Will），引导工程师主动思考和实施其职业发展计划。将两个模型融合有利于构建一个完整的职业成长体系。能力本位框架提供职业发展的“地图”，明确需要培养的能力目标；GROW模型则提供“指南针”，帮助工程师在实现这些目标的过程中做出合理规划和调整。

5融合模型在大数据人工智能领域实践现场工程师培养案例分析

南京交通职业技术学院电子信息工程学院大数据人工智能教学团队致力于结合大数据人工智能最新的技术趋势和实际工作需求，在现场工程师培养路径中融合能力框架和GROW模型，培养学生能够在大数据人工智能项目中有效地设计、实施和管理大数据人工智能解决方案的能力。主要完成如下工作。

（1）能力识别与定义

与大数据人工智能领域的专家协作，定义大数据人工智能领域现场工程师所需的关键能力，包括机器学习理论、计算机视觉技术、数据采集技术、数据预处理技术、大数据人工智能系统集成、项目管理和跨部门协作等。

（2）能力水平评估

与行业知名企业合作（百度、阿里云等）建立全面的多维度能力评估系统是评估综合能力的关键[8]，对学生进行技术和能力评估，确定他们在大数据人工智能技术和项目管理领域的当前水平和发展空间。

（3）与GROW模型的融合

①目标设定（Goal）：明确职业发展目标，领导一个大数据人工智能项目、提升特定领域（编程与脚本语言、数据存储、数据分析与挖掘、沟通与协作）的认知水平、实现技术创新等。

②现实情境分析（Reality）：考查学生目前在大数据人工智能技术和应用方面的能力（对人工智能、大模型具有浓厚的体验兴趣）、所面临的挑战（情绪、情感、思维、意志、能力及性格不稳定）以及工作中的实际需求（大模型对编程辅助需求）和资源（具有Java和Python编程能力）。

③选项探索（Options）：探讨不同的学习路径和发展机会，包括产业学院、工作室内部培训、在线课程（慕课、B站、网易云课堂等）、参与项目研究或横向课题开发等。

④行动意愿与执行（Will）：基于探索出的选项，指导制定个性化的职业发展计划，并明确具体的行动步骤和时间表。

（4）实施与反馈

①实施发展计划：学生根据计划参与大数据人工智能相关的学习和实践活动，如编程培训、数据分析项目或大数据人工智能技术研讨会。

②定期评估与反馈：通过项目成果、技能测试和绩效评估来监测进展，并收集来自同学和教师的反馈，以评价培养计划的效果并进行必要的调整。

在智能化职业场景现场工程师培养的背景下，融合模型为现场工程师的职业路径发展提供了一种动态、系统的方法，它强调个人能力的提升和职业目标的实现，有助于工程师及其所在组织适应不断变化的技术环境和市场需求[10]。但是融合模型也存在一定的局限性。融合模型要求对现场工程师的能力进行详细分析，并定制个性化发展计划，这可能涉及较高的时间和资源成本；GROW模型在目标设定和选项探索等方面较多依赖个人的主观判断，可能会受到个人经验和认知偏差的影响；为保证融合模型的有效性，需要组织和个人进行持续的投入和参与，这在实践中可能会遇到持续性和一致性的挑战；综合评估现场工程师在融合模型下的发展成效可能较为复杂，需要建立有效的评估体系和指标[9]。因此，融合模型为现场工程师的培养和发展提供了一种结构化的方法，能够有效促进职业成长和提升工作绩效。然而，要充分发挥其优势，公司和个人需要克服实施中的挑战，确保持续的投入和有效的管理。

参考文献：

[1]刘延翠，路宝利“.合供”视角下职业教育现场工程师培养的合作机理与优化路径[J].中国职业技术教育，2024（3）：28-35.

[2]邹香玲，向春枝.双高专业群人才培养路径研究：基于技能型社会背景下能力本位教育[J].太原城市职业技术学院学报，2023（7）：38-40.

[3]黄龙泉.从行为主义学习理论视角探讨微课在高等职业教育中的应用[J].中国成人教育，2020（5）：69-72.

[4]SKINNERBF.Contingenciesofreinforcement：atheoreticalanalysis[M].NewYork：Appleton-Century-Crofts，1969.

[5]郭昱麟.浅谈认知主义学习理论的研究及其应用[J].黑龙江科学，2015，6（9）：112-113.

[6]GARRISONDR，KANUKAH.Blendedlearning：Uncoveringitstransformativepotentialinhighereducation[J].TheInternetandHigherEducation，2004，7（2）：95-105.

[7]金莹，黄丹.GROW模型在绩效辅导中的运用与创新：以“90后”技术人才为例[J].中国人事科学，2020（6）：54-63.

[8]叶俊峰，刘雅哲.现代学徒制背景下电信服务与管理专业校企双向积分制人才培养模式探索[J].现代职业教育，2024（10）：61-64.

[9]李洪斌，王彦岩，杨连茂.学生增值评价视角下的研究生导师专业发展探究[J].黑龙江教育（理论与实践），2022（12）：23-25.

[10]张玲艳，邱水才.新工科背景下产教融合创新人才培养模式研究[J].产业创新研究，2022（18）：184-186.

【通联编辑：王力】

基金项目：江苏省职业技术教育学会职业教育研究立项课题“智能化职业场景下职业教育现场工程师校企联合培养研究”（项目编号：XHZDB2023031）；江苏省职业技术教育学会职业教育研究立项课题“基于中、专、本衔接的职教高考命题改革研究”（项目编号：XHZDB2023030）；2023年江苏省高等教育教改研究立项课题“数字治理赋能教学实施路径研究——以数智南京交院建设为例”（项目编号：2023JSJG530）