基于用户画像的高职智造类工匠人才培养路径.pdf

该【基于用户画像的高职智造类工匠人才培养路径 】是由【baba】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【基于用户画像的高职智造类工匠人才培养路径 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..龙源期刊网基于用户画像的高职智造类工匠人才培养路径作者:郭飞雁罗校清来源:《河北职业教育》2019年第04期:..龙源期刊网摘要:实现高职教育对“中国制造2025”的精准服务,必须始终保持智造类工匠人才培养体系结构与社会需求相匹配。以高职智造类工匠人才为研究对象,分析当前高职智造类工匠人才培养现状,基于用户画像技术构建高职智造类工匠人才用户画像库,在此基础上探索高职智造类工匠人才个性化培养路径,有效实现个性化教育,提高高职智造类工匠人才培养质量。关键词:用户画像;职业教育;智能制造人才;人才培养路径“中国制造2025”战略指出了中国制造业转变的方向,也为高职院校人才培养指明了道路。要实现高职教育对“中国制造2025”的精准服务,就必须始终保持智造工匠人才培养体系结构与社会需求相匹配,创新人才培养模式,实现个性化教育[1]。一、高职智造类工匠人才培养现状随着智能制造业的发展,企业的岗位人群也随之发生变化。在智能制造相关企业中,一線传统职位正在悄然消失,对应用型技术人才的需求却日益增强。中国尽管在能源及原材料采购,政府投资及劳动力成本方面具有很大优势,但在人力资本方面有着重要缺陷。人才培养的缺陷是其重要原因,主要表现在以下方面。(一)工匠精神的缺失:..龙源期刊网中国制造业大而不强,产品质量不高,自主创新能力较弱的一个重要原因是工匠精神的缺乏。在职业院校人才培养中,工匠精神是衡量职业教育人才素质的标准,也是引领职业教育人才培养的新共识、新规范和新目标。但由于历史传统、文化、经济和社会地位,工匠精神的培育并未得以重视。在中国现代教育理念和体制中,无论是学校还是学生,仍缺乏对工匠精神的不懈追求[2]。工匠精神的严重缺乏大大地降低了智造类应用型人才的整体素质。(二),智能化、电气化、物联网、区块链等多种技术深度融合,企业的传统生产方式发生了根本性的变化,对人才的能力需求逐渐从传统和单一的专业技能转变为技术知识应用,技术创新和技能的结合。但各高职院校目前仍存在人才培养市场导向不明、改革形式大于内容、师资队伍滞后、校企协作深度不够等问题,培养模式严重滞后[3]。二、基于“用户画像”的高职智造类工匠人才培养路径探索用户画像技术是一门新兴的跨学科研究领域,通过多维度数字化标签抽象出用户的个体信息数字化特征,准确解析用户需求及预测用户变化趋势,为用户提供个性化的智能推荐服务,现已开始渗透到各个领域[4]。如何基于用户画像技术对高职智造工匠人才个性化培养展开研究,解决“中国制造2025”对高职智造工匠人才个性化需求问题,有效实现个性化教育已成为职业院校提升高职智造工匠人才培养质量和社会服务价值的重要内容[5]。基于“用户画像”的高职智造类工匠人才培养路径研究主要从以下方面进行探索。(一)。高职智造类工匠人才数据采集内容主要分为静态信息数据和动态信息数据。从学生培养角度出发,可将两种用户画像信息分成三大类:基本属性、学习特征、兴趣爱好,基本覆盖学生个性化培养需求所需要的强相关信息。(1)基本属性。用于描述学生基本特征的信息,主要为性别、年龄、专业、地域、家庭情况等,这些数据可从学生管理信息系统中获得。(2)学习特征。用于描述学生主要学习习惯和学习偏好的信息,例如使用哪些APP/网站,浏览/收藏学习内容,学习互动内容,学习内容偏好,资源偏好等,便于在培养过程中进行个性化干预和个性化推荐。这些数据主要从网络学台、学校服务器、手机移动终端、外部信息系统等方式获得。(3)兴趣爱好。用于描述学生具有哪方面的兴趣爱好相关信息,例如社交APP、购物习惯、娱乐等相关数据,帮助教师了解学生课外兴趣倾向。学录,但兴趣爱好代表本人的真实兴趣。兴趣爱好的信息主要来源于社交信息和学生位置信息,也可通过学校服务器、手机移动终端、外部信息系统等方式获得。:..龙源期刊网依据智造类工匠人才个性化培养相关业务场景及画像需求,利用数据仓库作为主要处理工具将所采集的智造类专业学生相关数据进行分类、筛选、归纳、加工等操作。。高职智造类工匠人才数据标签体系设计有助于在人才培养过程中了解学生的潜在兴趣爱好及需求,为学生培养找准目标方向,进行精准培养。标签解决的是描述问题,但在实际应用中,还需要解决数据之间的关联,所以通常将标签作为一个体系来设计,以解决数据之间的关联问题。由于学生用户数据是时刻变化的,为生成更为精准的用户画像,在高职智造类工匠人才数据标签体系构建中考虑加入用户标签权重,学生用户阅读、搜索、下载等不同行为对学生而言有着不同的重要性,复杂度越高的行为权重越大。除此之外,学生用户的兴趣爱好会随着时间的推移而改变,因此,也要引入时间因子。非结构化标签可以各自反应学生用户的各项兴趣爱好,由此可采用非结构化标签关键词处理高职智造类工匠人才相关数据,构建高职智造类工匠人才数据标签体系。(如表1所示)。高职智造类相关专业学生数据很丰富,数据类型和总量较多,利用数据管理平台进行基础标签和应用定制,同时利用数据管理平台引入外部数据,完善数据设计,提高用户画像精准度。高职智造类工匠人才用户画像的实现可以严格遵循用户画像的采集数据、分析数据、生成画像、画像实现四大步骤来完成。采集数据主要通过各种用户终端获得;分析数据主要采用标签化提取关键词及计算关键词的权重,对定量信息定性化,生成数据管理平台需要的数据;依据高职智造类专业学生关键词及关键词的权重,基于各种培养需求生成各种类型的用户画像;最后利用Python编程语言的中文分词工具及把获得关键词标签数据通过Wordcloud生成云词图,实现用户画像。(二)基于“用户画像”。结合目前高职智造类专业人才培养的企业关注问题,主要构建以下四类高职智造类工匠人才用户画像。(1)软件应用型人才用户画像。功能强大的硬件都需要通过新兴的工业软件进行操作,软件对于工业产品的设计、规划、工艺及服务等方面都有着十分重要的作用,企业迫切需要应用软件进行系统产品开发和生产的相关人才。由此,在用户画像数据采集过程中,加大学生与软件应用相关的数据采集并加重相关关键词权重,生成软件应用型人才用户画像。(2)协调合作型人才用户画像。世界各地的制造商,合作伙伴和供應商之间的合作非常普遍,需要在多个方面进行协调合作,由此给技术人员带来更大的挑战。在用户画像数据采集过程中,关注智造类专业学生在校内或校外所参加的活动行动轨迹,提取与协调性和合作性相关活动的重要数据并进行加重关键词权重处理,生成突出协调合作能力的人才用户画像。(3)系统思维型人才用户画像。任何一个技术系统的开发,都需要有大局观和系统观。这些都需要有较强的系统规划能力。因此,在用户画像数据采集过程中,加大学生与系统思维:..龙源期刊网开发活动相关的数据采集并加重相关关键词权重,生成以训练系统思维为重点的人才用户画像。(4)自主创新型人才用户画像。21世纪创新人才最为稀缺,也是工业革命的中坚力量。独立和创新的人才比以往任何时候都更重要。因此,在用户画像数据采集过程中,注重学生的自主学习和创新能力,加大相关的数据采集并加重相关关键词权重,生成自主创新型人才用户画像。。基于软件应用型、协调合作型、系统思维型、自主创新型四类用户画像各自的需求偏好和潜在资源需求,通过个性化推荐算法,为各类用户推荐满足各自兴趣偏好的专业学习资源。归类于软件应用型用户学习者可以推荐一些与应用产品生命周期管理软件、自动化软件技术等相关的专业资源。协调合作型用户的学习者可推荐一些跨专业或跨学科的学习资源例如机械类、电气类、软件类等。系统思维型用户的学习者可多推荐一些关于系统开发方面的资源,进一步锻炼系统规划能力。自主创新用户的学习者可以推荐一些数字化技术资源。具体的个性化学习资源推荐流程见图1。。各类高职智造类工匠人才各有所长却又各有不足,因此,在培养过程中需要教师进行个性化干预和指导,进一步提高学生学习质量。通过采集数据,对各类用户进行学习状态分析识别,在不同的培养时期,采用不同的干预方式对学生实施不同的干预策略。(如表2所示)三、结语智能制造已成为新一轮产业革命的重要特征,世界正在发生变化。中国必须要培养一大批智造类工匠人才支撑和服务区域产业的转型升级,职业教育任重而道远。因此,高职院校当深入探索智造类工匠人才培养路径,为制造大国成为制造强国培养更多的软件应用型、协调合作型、系统思维型、自主创新型等技术技能型人才。参考文献:[1];[J].机械职业教育,2017,(2):1-3.[2];罗桂城.“中国制造2025”视域下职业教育的问题反思与变革路径[J].教育与职业,2017,(9):25-31.[3];[J].河北职业教育,2019,3(2):31-35.[4];唐佳诚,文欣秀,王家辉,赵敏,[J].实验室研究与探索,2018,37(12):196-200.:..龙源期刊网[5];“中国制造2025”的职业教育人才培养模式变革[J].教育与职业,2017,(12):18-23.