基于智能技術的崗位任職能力精準化培養研究

賈舒宜 牛晶 王海鵬 郭晨

摘?要：近年來，大數據、人工智能等新興科技發展迅猛，人工智能和大數據已經成為高校學員精準崗位任職培養的重要推手，大數據背景下做好學員崗位任職指導工作，積極運用大數據思維和數據挖掘、人工智能等技術對高校學員學業表現、行為習慣等進行數據的收集、分析和發掘，為其未來崗位任職做出測評，并將學員在任職后的表現行為通過反饋機制及時反饋給教員，形成崗位任職能力精準化培養的有效閉環，為實現高校學員崗位任職指導的精準化、科學化提供依據。

關鍵詞：人工智能；大數據；崗位任職；精準化

一、概述

以物聯網、云計算、大數據等前沿科技突破為標志的第三次信息化浪潮的到來，人工智能、云計算、物聯網等新興技術不斷發展，使得智能技術在社會各個領域成為重要的角色。智能技術不僅用于數據分析，還應用在教育領域中的精準教學，精準教學中的精準包括了教師教學、教研的精準和學生學習的精準。教師根據課程標準，教科書和學生發展的實際情況，通過智能技術對學生平時學習的相關數據進行搜集和分析，利用分析出來的結果改善課堂設計，以多元化手段豐富教學形式與內容，達到對學生學情的精準把握，也對教師在教學計劃的制訂上給予參考，以提升教師自身教學效率與質量，實現學生的個性化教育。

人工智能、云計算、物聯網等新興技術不斷發展，信息技術與教育有了深度融合，使得學員在學校中的學習行為數據呈現出多時段、多方位、多模態的特征，為了克服傳統粗放式教學弊端，切實提高崗位任職能力培養質量，本文將企業精準化管理理念應用于高校學員精準崗位任職培養［13］，基于學員課前、課中和課后的過程性數據，來判斷學員學習的學習效果、能力素養等，為其是否能今后在崗位任職或適合什么崗位做出正確的判斷，同時將學員任職以后的表現通過反饋機制反饋給教員，從而有效改進授課方法、形式和進度，形成崗位任職能力精準化培養的有效閉環［46］。

二、人工智能和大數據技術

如同蒸汽時代的蒸汽機、電氣時代的發電機、信息時代的計算機和互聯網，人工智能正成為推動人類進入智能時代的關鍵性力量。人工智能是計算機科學的一個分支，它生產出一種新的能以人類智能相似的方式做出反應的智能機器，人工智能本身是一門綜合性的前沿學科和高度交叉的復合型學科，研究范疇廣泛而又異常復雜，其發展需要與計算機科學、數學、認知科學、神經科學和社會科學等學科深度融合。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬，人工智能不是人的智能，但能像人那樣思考也可能超過人的智能。

人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識、心理學和哲學。其包括十分廣泛的科學，它由不同的領域組成，如機器學習、計算機視覺，等等，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。人工智能的核心技術主要包含深度學習、計算機視覺、自然語言處理和數據挖掘等。

大數據技術是大數據的應用技術，涵蓋各類大數據平臺、大數據指數體系等大數據應用技術。無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產，簡單來說大數據就是海量的數據，就是數據量大、來源廣、種類繁多（日志、視頻、音頻），大到PB級別，現階段的框架就是為了解決PB級別的數據。大數據的七大特征：海量性、多樣性、高速性、可變性、真實性、復雜性、價值性。

隨著大數據產業的發展，它逐漸從一個高端的、理論性的概念演變為具體的、實用的理念，隨著云時代的來臨，大數據也吸引了越來越多的關注。分析師團隊認為，大數據通常用來形容一個公司創造的大量非結構化數據和半結構化數據，這些數據下載到關系型數據庫用于分析時會花費過多時間和金錢。

大數據分析常和云計算聯系到一起，因為實時的大型數據集分析需要像MapReduce一樣的框架來向數十、數百或甚至數千的電腦分配工作。

人工智能需要數據來建立其智能，特別是機器學習，大數據技術為人工智能提供了強大的存儲能力和計算能力。如果說大數據相當于人的大腦存儲了海量知識，而人工智能則是吸收了大量的數據，并不斷地深度分析創造出更大的價值。人工智能離不開大數據，大數據依托著人工智能。

三、崗位任職能力精準化培養需要解決的問題

高校學員能否更高質量地勝任畢業后的崗位，其決定因素是學員自身的專業技能和綜合素質。當前，大部分學員在校期間缺少對未來崗位的認知，只側重基礎知識的學習，忽視專業課程的學習和實踐能力的培養，造成專業知識基礎不扎實、專業實踐水平較低、專業技能不熟練等。而專業知識和職業技能的欠缺，在未來崗位任職中難免帶來適應崗位時間過長的問題，為學員帶來一定的挫敗感，影響工作進展和個人進步。

另一方面，高校教員缺乏社會工作的經歷，在教學過程中難以將專業基礎知識和實際工作知識相結合，造成理論和實踐相脫節的問題，面對目前高校教學對未來崗位任職培養目標和內容不清晰的問題，崗位任職能力精準化培養主要解決以下方面內容：

（1）解決學員劃分不精細的問題。通過采集、整合、分析學員基礎知識水平、教育背景、學習動機等數據，再結合學員的專業和可能的未來崗位任職特點在作業布置、內容更新、實踐教學、考核方式等方面對學員進行細分，摒棄不論學員學習基礎和專業如何一律從頭開始的傳統教學思路，增加課堂信息量，提高課堂效率。

（2）解決知識點陳舊問題。開課前基于學員精細化分析結果，結合課程大綱和未來崗位現有特點，對課程知識點進行細分；開課后面向某節課的知識點，進行授課內容選取、案例選擇、課堂練習、作業和實驗題目等微觀層面的細分；另外，可以和專業對口的公司或企業實現長期穩定合作，建立雙導師機制，定期帶學員去企業實踐或者請企業專業人員來校授課。

（3）解決考核方法不精細的問題。摒棄傳統的“一張試卷定終身”的傳統考核方式，針對不同專業、不同任職崗位的學員采用不同的考核方法，增強學員學習信心，激發學員學習興趣。

（4）解決學員畢業任職后無反饋和評估的問題。高校教員利用人工智能、數據挖掘等技術對學員的學習過程進行評估，對學員能力素質進行建模，進而實現對學員的系統性評價，為將來崗位任職提出合理建議，同時將學員任職后在崗位上的表現反饋給教員，形成有效閉環，從而及時改進教學內容、方法和進度。

四、基于大數據技術的崗位任職能力精準化培養的特點

大數據技術有助于分析過去，把握現在和預測未來。首先，能全面記錄大學生在校園成長發展的軌跡（平時成績、個人能力特長、個人榮譽、參加實踐情況、誠信記錄、專業匹配程度），并從動態上把握學員學習和實踐狀況，深度分析其個性化發展方向，大數據技術可以根據學員的校園成長發展的軌跡、所學專業和個性化求職需求建立能力素質和未來崗位預測模型。其次，大數據可以對學員從進校到畢業全過程、全方位、全立體的數據進行分析，對學員進行綜合評估，進行個性興趣與職業測評，并實現個性化崗位推薦。最后，大數據技術可以根據學員步入崗位后的表現、行為和存在問題，改進教員課堂授課質量、方式和內容，從而形成有效閉環，更好地改進能力素質和未來崗位預測模型。

五、基于大數據技術的崗位任職能力精準化培養具體實施措施

本文提出的基于大數據技術的崗位任職能力精準化培養方案，具體實施方法主要分為以下幾個方面：

（一）多源數據采集

我們利用數據感知技術、校園一卡通、視頻監控、二維碼、無線網網絡設施等，隨時感知與測量學員的學習數據、行為數據、管理數據等，關注學員學習情緒、學習態度、學習習慣等多元特征并對其進行記錄和存儲。部分數據類型和采集手段如表1所示，主要數據包括以下幾個部分：一是課程準備。在課程開始之前，結合未來崗位需求、知識更新、每屆學員的素質差異等可變因素，按照學員的基礎知識水平和學習動機等標準進行細分，得出占比較大的學員群體的知識水平，重新審視教學大綱和教學目標，選擇教材，確定教學內容，制訂教學計劃，明確重難點。二是課堂教學?；趯W員課堂表現歷史數據，結合學員聽課反應（包括學習者面部表情與坐姿），適時調整課程進度，并根據需要增加或減少課堂練習、布置作業和實驗題目。三是考核評價。結合知識點和學員未來崗位需求的細分情況，采取梯度考核方法。面向靈活運用性的知識點，對不同專業崗位、不同崗位需求的學員設定不同的考核要求。四是任職后信息反饋。學員步入崗位以后，通過任職企業反饋意見、個人工作感受、相關人員評價等信息，對崗位預測模型進行修正和改進。

（二）多源數據融合（數據預處理）

在上一階段多源數據采集中，已獲取的各類數據包含大量非結構化數據，并且這些數據不是在同一時刻被采集，數據間有時間上的延遲，由于采集的種類錯綜復雜，對于不同種類的數據，在進行數據分析之前，還必須通過數據抽取技術將復雜格式的數據進行數據抽取，從數據原始格式中獲取到我們需要的數據，這里可以去掉不重要的字段，對于數據抽取得到這些數據，數據源頭采集可能存在不準確的情況，所以進行數據預處理，對于不正確數據需要過濾和剔除。針對不同應用場景，對數據進行分析的工具或系統也不同，還需要對數據進行轉換，將數據轉換成不同數據格式，最終按照定義好的數據倉庫模型將數據加載到數據倉庫中，以備下一階段崗位預測建模使用。

（三）崗位預測精準化分析模型構建

崗位預測精準化分析模型構建是崗位任職能力精準化培養至關重要的一步。其實質是首先構建相應的精準分析指標體系；然后對體系中的指標維度進行數據化表征，然后基于數據挖掘、機器學習、深度學習、自然語言處理、計算機視覺、深度神經網絡等各種新型技術，對規范化處理后的數據進行建模分析，最終獲得分析結果。該模型通過采集到的專業、教育經歷、工作經歷、個人興趣、個人發展意愿、課堂課后表現、考核成績等數據，基于文本挖掘、自然語言處理、關聯分析等方法，對學員的學習特點與個性素質進行描述，預測學員未來發展趨勢，為學員以后的職業崗位選擇提供建議和幫助。

（四）崗位任職能力精準化培養反饋機制構建

針對高校學員畢業后崗位定位不精準問題，需要構建崗位任職能力精準化培養反饋機制，要推送個性化指導服務，努力實現崗位信息與高校培養信息“無縫對接”，提高崗位任職的科學性、即時性和準確性。通過表格填寫、電話記錄、走訪錄音、機關借閱、文獻查閱、企業調研等，了解崗位發展需求、科技前沿動向、學員崗位任職工作情況等，并將信息反饋給崗位預測精準化分析模型，通過深度神經網絡對模型進行改進和優化。

另外，普通的高校教育趨向于采用標準的大框架課程教學體系，重視基礎知識，但缺乏專業以外知識的擴展。針對未來崗位任職需求，需要系統化地對學生進行額外培養。因此我們建立崗位任職能力精準化培養的雙導師機制，從企業邀請業務能力骨干來校擔任實踐導師，跟學生面對面進行教學與交流，保證學員及時了解現階段企業發展和崗位情況，縮短學員日后步入崗位適應的時間。

結語

傳統的高校信息技術類課程針對學員培養過程中，無論是課堂理論講授，還是實踐化教學，在很大程度上仍表現為一種粗放式的教學方式，存在教學模式統一、未來崗位定位不清晰等問題。崗位任職能力精準化培養從學員的角度出發，融合人工智能、云計算、物聯網、數據挖掘、學習分析、情境感知等新興信息技術，在多種維度上全面采集學員學習背景、學習過程中的海量數據，通過全面、系統的數據建模和數據挖掘分析，多維度、及時準確地評估學生的學習真實狀況，為其未來崗位任職做出測評，并將學員在任職后的表現行為通過反饋機制及時反饋給教員，形成崗位任職能力精準化培養的有效閉環，為實現高校學員崗位任職指導的精準化、科學化提供依據。

目前，崗位任職能力精準化培養研究在我國仍處于起步階段。隨著教育與信息技術的深度融合，大數據背景下的崗位任職能力精準化培養必然呈現快速發展的趨勢，但是，要建立一個全面可靠的崗位任職能力精準化機制不僅需要政府大力支持，還需要教育專家、高校管理人員和企業業務專家的共同參與和實踐驗證。

參考文獻：

［1］田愛麗.綜合素質評價：智能化時代學習評價的變革與實施［J］.中國電化教育，2020（1）：109113，121.

［2］曹曉明，張永和，潘萌，等.人工智能視域下的學習參與度識別方法研究——基于一項多模態數據融合的深度學習實驗分析［J］.遠程教育雜志，2019，37（1）：3244.

［3］唐漢衛.人工智能時代教育將如何存在［J］.教育研究，2018，39（11）：1824.

［4］馮永鵬，張云婷.大數據背景下高校精準就業服務工作研究［J］.2020，24（5）：4753.

［5］袁東東.大數據背景下大學生就業指導對策研究.就業指導［J］.2020，5：5964.

［6］臧其亮.基于職業能力遞進的精準培養模式研究.中國多媒體與網絡教學學報［J］.2020，7983.

作者簡介：賈舒宜（1984—?），女，漢族，山東濱州人，博士，副教授，研究方向：無人系統智能態勢感知與對抗；王海鵬（1985—?），男，漢族，山東濱州人，博士，教授，研究方向：海洋多域態勢感知與認知；郭晨（1990—?），女，漢族，山東東營人，博士，講師，研究方向：多源信息感知。