［摘? ? ? ? ? ?要］? 依托“互聯(lián)網(wǎng)+教育”大平臺(tái)，發(fā)揮信息技術(shù)在教學(xué)改革中的重要作用，解決高職學(xué)生分類精準(zhǔn)培養(yǎng)問題，提高人才培養(yǎng)質(zhì)量，探討利用大數(shù)據(jù)應(yīng)用創(chuàng)新教與學(xué)的智能診斷、教學(xué)資源推送和多維學(xué)習(xí)輔導(dǎo)，構(gòu)建使用Hadoop的平臺(tái)系統(tǒng)架構(gòu)設(shè)計(jì)方案，構(gòu)建深度學(xué)習(xí)模型，完成學(xué)生行為過程畫像，運(yùn)用聚類算法實(shí)現(xiàn)個(gè)體現(xiàn)狀與職業(yè)發(fā)展崗位匹配預(yù)測，實(shí)現(xiàn)技術(shù)與教育深度融合，有效促進(jìn)學(xué)生的個(gè)性化發(fā)展。

［關(guān)? ? 鍵? ?詞］? 大數(shù)據(jù)；人才分類精準(zhǔn)培養(yǎng)；系統(tǒng)設(shè)計(jì)；算法設(shè)計(jì)

［中圖分類號(hào)］? G717? ? ? ? ? ? ? ? ? ? ［文獻(xiàn)標(biāo)志碼］? A? ? ? ? ? ? ? ? ? ［文章編號(hào)］? 2096-0603（2024）17-0053-04

職業(yè)教育在國民教育體系和人力資源開發(fā)中扮演著重要角色，在黨的二十大報(bào)告中特別提到要著力推動(dòng)高質(zhì)量發(fā)展的職業(yè)教育。社會(huì)發(fā)展需要各類高技能職業(yè)人才，為了實(shí)現(xiàn)人人成才、人人皆可成才的培養(yǎng)目標(biāo)，針對(duì)高職學(xué)生開展分類精準(zhǔn)培養(yǎng)，提高人才培養(yǎng)質(zhì)量，成為高職院校教學(xué)改革亟待解決的問題。因此，職業(yè)教育應(yīng)依托“互聯(lián)網(wǎng)+教育”的大平臺(tái)，發(fā)揮信息技術(shù)在教學(xué)改革中的重要作用，基于大數(shù)據(jù)應(yīng)用創(chuàng)新教與學(xué)的智能診斷、教學(xué)資源推送和多維學(xué)習(xí)輔導(dǎo)，實(shí)現(xiàn)技術(shù)與教育深度融合，有效促進(jìn)學(xué)生的個(gè)性化發(fā)展。

一、職業(yè)教育要滿足學(xué)生個(gè)性化發(fā)展

依據(jù)人職匹配的理論，當(dāng)學(xué)習(xí)者的個(gè)性特征、職業(yè)能力等與其從事的職業(yè)性質(zhì)相一致，可以最大限度發(fā)揮個(gè)人的潛力，提高滿意度和成就感，對(duì)未來的就業(yè)起到推動(dòng)作用；與之相反，若學(xué)習(xí)者個(gè)性特征與職業(yè)不符，則影響和限制學(xué)習(xí)者的職業(yè)發(fā)展。而當(dāng)前高職院校存在多種招生方式，包括普通高考、學(xué)考、學(xué)徒制、中高職貫通培養(yǎng)三二分段等多種形式，生源類型呈現(xiàn)多樣性，不同生源水平基礎(chǔ)參差不齊，學(xué)生所處的學(xué)習(xí)環(huán)境不同[1]，學(xué)生教育經(jīng)歷、學(xué)習(xí)興趣、學(xué)習(xí)方法等方面存在較大差異，傳統(tǒng)的人才培養(yǎng)標(biāo)準(zhǔn)和教育模式已不能很好地適應(yīng)新時(shí)代對(duì)學(xué)生個(gè)性化發(fā)展的需求。為適應(yīng)當(dāng)前高職院校生源類型相對(duì)復(fù)雜的教育現(xiàn)狀，高校需要基于教育學(xué)理論中的“以人為本”的學(xué)習(xí)理論，從職業(yè)院校教學(xué)活動(dòng)的現(xiàn)狀入手，分析人才分類培養(yǎng)和分層教學(xué)存在的問題，提出造成高校無法有效展開人才分類培養(yǎng)和分層教育的原因機(jī)制，尋找解決問題的可靠性方法[2-3]，建立學(xué)生個(gè)性化培養(yǎng)指導(dǎo)體系、構(gòu)建學(xué)生個(gè)性化分類培養(yǎng)模型，提出符合學(xué)生個(gè)性化分類培養(yǎng)方法[4-6]，以滿足學(xué)生多樣化發(fā)展為目標(biāo)，以職業(yè)崗位需求為導(dǎo)向，以提升培養(yǎng)質(zhì)量為宗旨，以專業(yè)類別差異化為手段，對(duì)培養(yǎng)過程數(shù)據(jù)分析，根據(jù)不同生源學(xué)生特點(diǎn)和學(xué)生發(fā)展需求進(jìn)行分類培養(yǎng)，設(shè)計(jì)多元成長路徑，推行多元考核與分層分類評(píng)價(jià)，探索能夠最大限度地實(shí)現(xiàn)因材施教，實(shí)施橫向差別化分類培養(yǎng)，做到精準(zhǔn)培養(yǎng)[7-8]。

基于大數(shù)據(jù)技術(shù)應(yīng)用的職業(yè)人才分類精準(zhǔn)培養(yǎng)是教書育人與職業(yè)規(guī)劃相結(jié)合，大數(shù)據(jù)技術(shù)代表一種新的價(jià)值觀和方法論，它并不僅僅是簡單地將多個(gè)數(shù)據(jù)組合在一起，而是通過運(yùn)用智能處理方法和模式對(duì)數(shù)據(jù)進(jìn)行分析和處理，旨在實(shí)現(xiàn)數(shù)據(jù)價(jià)值的最大化，這與傳統(tǒng)意義上的“大量數(shù)據(jù)”概念有很大的不同。在職業(yè)教育中構(gòu)建人才分類精準(zhǔn)培養(yǎng)平臺(tái)，圍繞“教、學(xué)、管、練、評(píng)”5大教學(xué)場景，融入互聯(lián)網(wǎng)+的理念，實(shí)現(xiàn)人才培養(yǎng)對(duì)接產(chǎn)業(yè)需求，專業(yè)課程內(nèi)容對(duì)接職業(yè)標(biāo)準(zhǔn)。將大數(shù)據(jù)、AI大模型等現(xiàn)代信息技術(shù)應(yīng)用到系統(tǒng)中，通過對(duì)學(xué)生在校學(xué)習(xí)行為分析，對(duì)照職業(yè)崗位能力素質(zhì)標(biāo)準(zhǔn)，為學(xué)生提供基于大數(shù)據(jù)分析的信息，幫助學(xué)生更為客觀地評(píng)價(jià)自己，制訂動(dòng)態(tài)的、精準(zhǔn)的職業(yè)規(guī)劃方案，實(shí)現(xiàn)技術(shù)技能人才精準(zhǔn)培養(yǎng)。

二、人才分類精準(zhǔn)培養(yǎng)平臺(tái)構(gòu)建

人才分類精準(zhǔn)培養(yǎng)平臺(tái)系統(tǒng)，參照國家對(duì)學(xué)生職業(yè)核心素養(yǎng)能力要求，根據(jù)高職學(xué)生的培養(yǎng)內(nèi)容和學(xué)習(xí)特點(diǎn)，運(yùn)用大數(shù)據(jù)收集與統(tǒng)計(jì)分析技術(shù)，對(duì)學(xué)生的認(rèn)知、創(chuàng)新、協(xié)作、實(shí)踐、管理、人格、心理綜合等多個(gè)方面開展評(píng)價(jià)，學(xué)生各項(xiàng)能力表現(xiàn)被分解為若干二級(jí)指標(biāo)，系統(tǒng)對(duì)二級(jí)指標(biāo)完成加權(quán)折合計(jì)算，最后得到學(xué)生綜合表現(xiàn)指標(biāo)值。通過對(duì)學(xué)生各方面的能力的綜合評(píng)價(jià)分析，可以有針對(duì)性地為學(xué)生提供個(gè)性化的培養(yǎng)規(guī)劃指導(dǎo)。

（一）人才分類精準(zhǔn)培養(yǎng)平臺(tái)系統(tǒng)架構(gòu)

人才分類精準(zhǔn)培養(yǎng)平臺(tái)設(shè)計(jì)架構(gòu)選擇Hadoop的HDFS分布式文件系統(tǒng)作為大數(shù)據(jù)處理的基礎(chǔ)，為底層存儲(chǔ)提供支持。通過使用Hive技術(shù)，平臺(tái)能夠發(fā)揮基于HDFS存儲(chǔ)并管理大量的數(shù)據(jù)集的優(yōu)勢，完成對(duì)海量、多源數(shù)據(jù)進(jìn)行采集和處理，借助MapReduce分布式計(jì)算框架進(jìn)行更深入的分析，以構(gòu)建學(xué)習(xí)者畫像并獲取每個(gè)學(xué)習(xí)者的當(dāng)前狀態(tài)信息，使用Spring Boot等實(shí)現(xiàn)數(shù)據(jù)的圖表可視化展示，以便與基準(zhǔn)數(shù)據(jù)進(jìn)行對(duì)比，從而發(fā)現(xiàn)學(xué)習(xí)者的知識(shí)薄弱點(diǎn)，為學(xué)生優(yōu)化學(xué)習(xí)提供有效的技術(shù)支持。圖1所示為基于Hadoop平臺(tái)的系統(tǒng)設(shè)計(jì)框架。

（二）數(shù)據(jù)來源

學(xué)校在實(shí)施數(shù)字化校園建設(shè)時(shí)，以信息化、自動(dòng)化、智能化驅(qū)動(dòng)重點(diǎn)領(lǐng)域改革，將數(shù)字化業(yè)務(wù)流程融入教學(xué)管理、科研創(chuàng)新等領(lǐng)域工作，構(gòu)建基于云服務(wù)的數(shù)據(jù)平臺(tái)，打破數(shù)據(jù)孤島效應(yīng)，實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化無縫交換，有效解決了跨部門、跨業(yè)務(wù)領(lǐng)域數(shù)據(jù)同步和工作協(xié)調(diào)的問題。一方面，通過部署新一代智能協(xié)同管理平臺(tái)，搭建在線教學(xué)、圖書館管理、校園一卡通、教務(wù)管理、學(xué)籍管理、學(xué)生工作管理等業(yè)務(wù)功能子系統(tǒng)，依托人臉識(shí)別、物聯(lián)網(wǎng)技術(shù)提升教學(xué)管理基礎(chǔ)設(shè)施，實(shí)現(xiàn)學(xué)校全面數(shù)字化管理，促進(jìn)智慧校園應(yīng)用全面融合，智能管理。另一方面，基于大數(shù)據(jù)形成高度融合互通的全院校本數(shù)據(jù)應(yīng)用中心，通過數(shù)據(jù)采集、清洗整合和深度挖掘、輔助決策，為師生以及相關(guān)用戶提供全面精細(xì)化數(shù)據(jù)綜合查詢，充分發(fā)揮數(shù)據(jù)共享效益，為構(gòu)建學(xué)校信息化應(yīng)用體系實(shí)施提供大數(shù)據(jù)支撐。另外，基于云應(yīng)用的信息化系統(tǒng)，可以在教學(xué)管理過程中，以系統(tǒng)日志或?qū)崟r(shí)服務(wù)方式，記錄行為發(fā)生時(shí)間、行為類型及相關(guān)系統(tǒng)信息，為人才分類精準(zhǔn)培養(yǎng)平臺(tái)提供了持續(xù)、有效的數(shù)據(jù)來源。

近年來，高職院校積極探索推進(jìn)線上線下教育教學(xué)新模式，推動(dòng)教育教學(xué)改革，在線學(xué)習(xí)平臺(tái)已經(jīng)作為主要教學(xué)載體，平臺(tái)不僅聚合了教師、學(xué)生、管理者等使用者的基礎(chǔ)信息數(shù)據(jù)，而且在課前、課中、課后不同教學(xué)環(huán)節(jié)同步產(chǎn)生多維大數(shù)據(jù)，大量的數(shù)據(jù)真實(shí)反映了師生日常教與學(xué)行為和活動(dòng)過程狀況，為分析和改進(jìn)教育教學(xué)過程提供了豐富的數(shù)據(jù)基礎(chǔ)。

圖2的示意圖顯示了數(shù)據(jù)來源業(yè)務(wù)流程，數(shù)據(jù)來源主要是從基礎(chǔ)數(shù)據(jù)平臺(tái)、教務(wù)管理系統(tǒng)、圖書管理系統(tǒng)、在線教學(xué)系統(tǒng)、日常管理系統(tǒng)等獲得相關(guān)數(shù)據(jù)，完成學(xué)習(xí)者數(shù)據(jù)的采集工作后，會(huì)將采集的數(shù)據(jù)存儲(chǔ)在HDFS上，再使用MapReduce分布式并行計(jì)算來對(duì)海量數(shù)據(jù)進(jìn)行處理，通過對(duì)原始數(shù)據(jù)進(jìn)行清洗處理，保證數(shù)據(jù)的有效性和可信度，完成從數(shù)據(jù)到信息到知識(shí)的有效過渡[9]，過程如圖3所示。

在數(shù)據(jù)結(jié)構(gòu)及接口標(biāo)準(zhǔn)方面，人才分類精準(zhǔn)培養(yǎng)平臺(tái)系統(tǒng)為了能與教育管理部門的信息平臺(tái)進(jìn)行數(shù)據(jù)對(duì)接，如全國職業(yè)教育智慧大腦院校中臺(tái)，參考教育部職業(yè)教育與成人教育司、教育部教育管理信息中心2023年6月發(fā)布的《全國職業(yè)教育智慧大腦院校中臺(tái)高職數(shù)據(jù)標(biāo)準(zhǔn)及接口規(guī)范（試行）》、教育部《職業(yè)院校數(shù)字校園規(guī)范》（教職成函〔2020〕3號(hào)）等技術(shù)標(biāo)準(zhǔn)，例如，數(shù)據(jù)項(xiàng)結(jié)構(gòu)由編號(hào)、數(shù)據(jù)項(xiàng)名、中文簡稱、類型、長度、約束、值空間、解釋、引用編號(hào)等9項(xiàng)內(nèi)容進(jìn)行組合[10]。

編號(hào)：數(shù)據(jù)項(xiàng)的唯一標(biāo)識(shí)，標(biāo)注出數(shù)據(jù)大類、子類、類別等信息。

數(shù)據(jù)項(xiàng)名：由中文簡稱的漢語拼音首字母（大寫）組成，或標(biāo)識(shí)語義的英文字母組成，與中文簡稱一一對(duì)應(yīng)，具有良好的可讀性與可解釋性。

中文簡稱：所用的數(shù)據(jù)元的名稱，具有語義，面向用戶。

類型：數(shù)據(jù)項(xiàng)使用的數(shù)據(jù)類型，常見有字符型（VARCHAR）、日期型（YYYYMMDD）等。

長度：數(shù)據(jù)項(xiàng)能容納的最大字符數(shù)（一種屬性）。

約束：數(shù)據(jù)項(xiàng)約束狀態(tài)的描述，即必備數(shù)據(jù)項(xiàng)或可選數(shù)據(jù)項(xiàng)。

值空間：數(shù)據(jù)項(xiàng)取值的范圍與規(guī)范屬性。

解釋/舉例：數(shù)據(jù)項(xiàng)屬性的說明或舉例。

引用編號(hào)：指明此數(shù)據(jù)項(xiàng)引用其他已定義數(shù)據(jù)項(xiàng)的編號(hào)。

（三）行為畫像

行為畫像是人才分類精準(zhǔn)培養(yǎng)的核心關(guān)鍵點(diǎn)，需要利用數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)分析、數(shù)據(jù)挖掘等數(shù)據(jù)處理分析方法，對(duì)學(xué)生基本信息、學(xué)習(xí)狀態(tài)、行為表現(xiàn)等數(shù)據(jù)進(jìn)行有效處理，依據(jù)學(xué)生的行為過程數(shù)據(jù)，對(duì)學(xué)生個(gè)體特征、學(xué)習(xí)態(tài)勢、生活習(xí)慣各方面的狀態(tài)進(jìn)行標(biāo)簽化，構(gòu)建學(xué)生行為畫像，實(shí)現(xiàn)對(duì)學(xué)生當(dāng)前情況的全面把握、對(duì)學(xué)生未來情況的預(yù)測估計(jì)、為學(xué)習(xí)者設(shè)計(jì)學(xué)習(xí)內(nèi)容、優(yōu)化學(xué)習(xí)過程、更有效地達(dá)成教學(xué)目標(biāo)。

學(xué)生行為畫像的基礎(chǔ)是個(gè)人數(shù)據(jù)的收集和分析處理，學(xué)生信息數(shù)據(jù)通常包括所屬學(xué)院、所學(xué)專業(yè)、所在班級(jí)、學(xué)生姓名、性別、學(xué)號(hào)等內(nèi)容，在屬性方面有較高的相似性和辨識(shí)度，只需要進(jìn)行歸類處理，但反映日常行為的數(shù)據(jù)可能存在缺失值、重復(fù)值、異常值，或者數(shù)量級(jí)標(biāo)簽差異等，對(duì)于這些數(shù)據(jù)，需要進(jìn)行預(yù)處理，如果直接使用會(huì)導(dǎo)致建模預(yù)測結(jié)果錯(cuò)誤。

缺失值是指數(shù)據(jù)集中可能存在某個(gè)或某些屬性的值不完全的情況，對(duì)于缺失值的處理方法一般是刪除或者填充?？梢圆捎肞andas提供了dropna（ ）方法進(jìn)行缺失值刪除，fillna（ ）方法填充缺失值，或者調(diào)用interpolate（ ）插值方法求得的值進(jìn)行填充。數(shù)據(jù)集中難免會(huì)出現(xiàn)重復(fù)值，有些是需要的，有些是不需要的。不需要的重復(fù)值會(huì)影響數(shù)據(jù)分析的準(zhǔn)確率，所以要進(jìn)行處理，pandas提供了drop_duplicates（ ）方法刪除重復(fù)值。對(duì)于異常值的處理必須重視，如果忽視這些異常值，在后續(xù)的數(shù)據(jù)分析中可能會(huì)導(dǎo)致結(jié)論的錯(cuò)誤。檢測異常值的常用方法有最大最小值法，標(biāo)準(zhǔn)差法和箱線圖法。常用的異常值處理方法是刪除和替換。如果要對(duì)檢測出的異常值進(jìn)行替換，要根據(jù)實(shí)際的情況確定替換的值，常?？梢杂米畲笾?、最小值或者均值等。而對(duì)于可能存在數(shù)量級(jí)標(biāo)簽差異，此類數(shù)據(jù)需要進(jìn)行歸一化處理，即將學(xué)生的各項(xiàng)標(biāo)簽信息統(tǒng)一映射到［0，1］的區(qū)間內(nèi)，各個(gè)標(biāo)簽都真實(shí)地反映其貢獻(xiàn)度，使轉(zhuǎn)化后的數(shù)據(jù)更好地呈現(xiàn)相應(yīng)的歸類效果，通常采用線性函數(shù)轉(zhuǎn)換、反正切函數(shù)轉(zhuǎn)換等方法對(duì)學(xué)生個(gè)人信息數(shù)據(jù)進(jìn)行歸一化處理。

學(xué)生行為數(shù)據(jù)畫像核心部分是學(xué)生認(rèn)知掌握程度診斷，學(xué)生學(xué)習(xí)行為的場景主要集中在靜態(tài)考試，動(dòng)態(tài)能力和學(xué)生在線學(xué)習(xí)，可以通過構(gòu)建認(rèn)知診斷模型來進(jìn)行分析，基于深度學(xué)習(xí)建模方式的優(yōu)勢在于其較強(qiáng)的特征表征能力和復(fù)雜交互函數(shù)建模能力，其可提高認(rèn)知水平建模準(zhǔn)確性，目前常見的離散型認(rèn)知診斷模型有DINA模型（Deterministic Inputs，Noisy and Gate），其具有建構(gòu)簡單、參數(shù)解釋性好、判斷準(zhǔn)確性高的特點(diǎn)，通過DINA模型可以將學(xué)生表述為一個(gè)掌握知識(shí)點(diǎn)的多維向量，根據(jù)學(xué)生對(duì)知識(shí)點(diǎn)題目的作答進(jìn)行結(jié)果判斷，模型定義學(xué)生i在問題j上的作答情況如式（1）所示：

其中，η ij表示學(xué)生i在問題j上的潛在作答情況；表示學(xué)生i對(duì)知識(shí)點(diǎn)k的掌握情況，以及問題j對(duì)知識(shí)點(diǎn)k的考查情況；η ij = 1表示學(xué)生i已經(jīng)掌握問題j所包含的所有知識(shí)點(diǎn)；η ij = 0表示學(xué)生i對(duì)問題j中的知識(shí)點(diǎn)至少有一個(gè)沒有掌握。

DINA模型結(jié)合試題知識(shí)點(diǎn)關(guān)聯(lián)矩陣Q矩陣，學(xué)生作答情況X矩陣對(duì)學(xué)生情況進(jìn)行建模，在已知學(xué)生掌握知識(shí)點(diǎn)的條件下，答對(duì)試題j的概率為：

P j （α i） = P （Xij = 1│α i） ?（2）

其中，α i表示學(xué)生i的知識(shí)點(diǎn)掌握情況，sj表示學(xué)生掌握了試題j所關(guān)聯(lián)的知識(shí)點(diǎn)情況下錯(cuò)誤概率，g j表示學(xué)生在并不完全掌握試題j所關(guān)聯(lián)的知識(shí)點(diǎn)情況下猜對(duì)概率。

（四）匹配預(yù)測

在完成學(xué)生行為畫像構(gòu)建后，需要構(gòu)建個(gè)體現(xiàn)狀與職業(yè)發(fā)展崗位匹配預(yù)測模型。

在學(xué)生行為畫像的基礎(chǔ)上，系統(tǒng)根據(jù)學(xué)生的數(shù)據(jù)信息使用聚類算法進(jìn)行全方位的分析對(duì)比，計(jì)算學(xué)生認(rèn)知掌握程度與崗位職業(yè)素養(yǎng)的指標(biāo)值之間的匹配運(yùn)算，產(chǎn)生不同維度的差異值，最終給出與崗位匹配度情況。

1.系統(tǒng)根據(jù)職業(yè)崗位對(duì)學(xué)習(xí)者各方面的能力要求進(jìn)行細(xì)分，形成參照指標(biāo)體系。

2.通過學(xué)生基礎(chǔ)數(shù)據(jù)加權(quán)系數(shù)后，對(duì)信息數(shù)據(jù)進(jìn)行篩選，形成與參照指標(biāo)體系相同的個(gè)人指標(biāo)體系。

3.使用聚類K-Means算法，進(jìn)行個(gè)人指標(biāo)體系與崗位參照指標(biāo)體系差異化對(duì)比，從而得到多維度分值，表示其與崗位的匹配度情況。

具體實(shí)現(xiàn)過程如下：

學(xué)生個(gè)人指標(biāo)體系作為樣本集，設(shè)每個(gè)樣本x = x? （1），x? （2），…，x? （k）），以崗位數(shù)目作為聚類簇?cái)?shù)（假設(shè)為k），初始簇的聚類中心由系統(tǒng)隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)，設(shè)C = C 1，C 2，…，C k，計(jì)算出每個(gè)樣本離哪個(gè)簇的中心arg k min距離值，根據(jù)距離最短原則將樣本分配到對(duì)應(yīng)的簇中，根據(jù)這個(gè)劃分不斷反復(fù)迭代來更新聚類，再用這K個(gè)聚類的簇作為新的中心檢查收斂性，，直到聚類中心值不能帶來新的分類結(jié)果變化，或完成最大迭代次數(shù)。最后根據(jù)聚類中心與崗位參照指標(biāo)體系的差異來預(yù)測個(gè)體與崗位的匹配度。同時(shí)，也有助于從各個(gè)簇中挖掘其他有價(jià)值的隱含信息。

三、人才分類精準(zhǔn)培養(yǎng)平臺(tái)的應(yīng)用

系統(tǒng)可以幫助學(xué)生清楚把握自己的綜合狀態(tài)，做出精準(zhǔn)的職業(yè)發(fā)展規(guī)劃，并由系統(tǒng)提供對(duì)應(yīng)的職業(yè)能力培養(yǎng)實(shí)施計(jì)劃。學(xué)生在系統(tǒng)的輔助下，在不同的時(shí)間點(diǎn)對(duì)自己的當(dāng)前情況進(jìn)行較為準(zhǔn)確的態(tài)度數(shù)據(jù)分析，并以預(yù)設(shè)的職業(yè)崗位技能、能力、素質(zhì)等標(biāo)準(zhǔn)體系指標(biāo)為參照，測算出當(dāng)前的職業(yè)匹配值，學(xué)生可以根據(jù)預(yù)測值找到自己在學(xué)習(xí)過程中的偏差，及時(shí)發(fā)現(xiàn)自己的問題，做出合理的、適時(shí)的調(diào)整。系統(tǒng)會(huì)整合后臺(tái)的豐富教學(xué)資源，更有針對(duì)性地給學(xué)生進(jìn)行推送，支撐學(xué)生的職業(yè)發(fā)展能力培養(yǎng)需求。

參考文獻(xiàn)：

［1］薛宏.河南省普通高等學(xué)校分層分類發(fā)展研究［D］.鄭州：鄭州大學(xué)，2016.

［2］劉海蓉.高職院校人才分類培養(yǎng)和分層教學(xué)探索［J］.河北交通教育，2019（1）：11-14，34.

［3］袁詠平.高職院校人才分類培養(yǎng)和分層教學(xué)研究［J］.北京經(jīng)濟(jì)管理職業(yè)學(xué)院學(xué)報(bào)，2018，33（3）：55-58， 71.

［4］韓雪平，基于學(xué)生個(gè)性化發(fā)展的高職學(xué)生分類培養(yǎng)研究：以河南職業(yè)技術(shù)學(xué)院為例［J］.才智，2020（11）：130-131.

［5］梁贊，呂春麗.高職擴(kuò)招生源實(shí)施“分類培養(yǎng)”教育模式的應(yīng)對(duì)之策［J］.科技視界，2020（9）：11-13.

［6］阮志剛，廖崎兵.基于高職院校生源結(jié)構(gòu)現(xiàn)狀的分類分層培養(yǎng)路徑探索［J］.現(xiàn)代職業(yè)教育，2019（9）：92-94.

［7］張軍，苑占江，鄭述招.高職IT專業(yè)群“分類培養(yǎng)、精準(zhǔn)育人”的創(chuàng)新與實(shí)踐［J］.職業(yè)技術(shù)，2022，21（7）：1-8.

［8］何景師.生源多樣化背景下職業(yè)院校分層分類精準(zhǔn)育人的培養(yǎng)模式［J］.機(jī)械職業(yè)教育，2021（3）：41-44.

［9］陳瑞輝，李冬青，吳婷婷.基于大數(shù)據(jù)的學(xué)情分析系統(tǒng)設(shè)計(jì)［J］.信息技術(shù)與信息化，2021（9）：57-60.

◎編輯 張 慧

①基金項(xiàng)目：廣東女子職業(yè)技術(shù)學(xué)院2021年度校級(jí)科研項(xiàng)目（粵女院［2021］44號(hào)）（ZDXM202106）。

作者簡介：謝盛嘉（1975—），男，漢族，廣東博羅人，副教授，碩士研究生，研究方向：計(jì)算機(jī)應(yīng)用、數(shù)據(jù)智能處理。