周蓉 師瑞峰

[摘 要]采用第三方平臺(tái)大數(shù)據(jù)分析方法對(duì)高校人才培養(yǎng)質(zhì)量進(jìn)行評(píng)價(jià)，對(duì)進(jìn)一步探索高校完善人才培養(yǎng)方案的修訂機(jī)制、拓展人才能力培養(yǎng)途徑與模式具有重要意義。該文采用共詞網(wǎng)絡(luò)、自動(dòng)分類、文本聚類、機(jī)器學(xué)習(xí)等智能大數(shù)據(jù)分析方法，對(duì)全國(guó)各專業(yè)的人才數(shù)據(jù)進(jìn)行清洗和整理，建立分專業(yè)評(píng)估的人才質(zhì)量評(píng)價(jià)模型，分析具體人才培養(yǎng)質(zhì)量的能力指標(biāo)。對(duì)某高校自動(dòng)化專業(yè)往屆畢業(yè)生人才培養(yǎng)質(zhì)量進(jìn)行實(shí)證分析，研究結(jié)果表明，基于大數(shù)據(jù)分析的人才質(zhì)量評(píng)價(jià)模型可以有效利用畢業(yè)生數(shù)據(jù)，為高校人才培養(yǎng)方案修訂、課程體系設(shè)計(jì)提供重要的決策依據(jù)。

[關(guān)鍵詞]人才培養(yǎng)質(zhì)量評(píng)價(jià);大數(shù)據(jù);智能分析方法

[基金項(xiàng)目]2019年教育部第二批產(chǎn)學(xué)合作協(xié)同育人項(xiàng)目：基于混合式實(shí)踐教學(xué)的雙語計(jì)算機(jī)視覺課程建設(shè)（201902097008）;2020年北京高等教育“本科教學(xué)改革創(chuàng)新項(xiàng)目”：“人工智能+X”復(fù)合型人才培養(yǎng)模式的探索與實(shí)踐

[作者簡(jiǎn)介]周 蓉（1975—），女，浙江麗水人，博士，華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院講師，主要從事信息技術(shù)與教學(xué)法、計(jì)算機(jī)應(yīng)用技術(shù)研究;師瑞峰（1977—），男，山西運(yùn)城人，博士后，華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院副教授，主要從事系統(tǒng)工程理論研究。

[中圖分類號(hào)] TP311;G642[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)] 1674-9324（2020）33-0008-04[收稿日期] 2020-03-10

一、引言

教育部2018年發(fā)布的《關(guān)于加快建設(shè)高水平本科教育全面提高人才培養(yǎng)能力的意見》指出，高等學(xué)校必須牢牢抓住全面提高人才培養(yǎng)能力這個(gè)核心點(diǎn)，振興本科教育，形成高水平人才培養(yǎng)體系，開創(chuàng)高等教育新局面。因此，高校人才培養(yǎng)質(zhì)量評(píng)價(jià)對(duì)于推動(dòng)大學(xué)切實(shí)提升人才培養(yǎng)工作、落實(shí)辦學(xué)理念、錨定辦學(xué)方向具有深遠(yuǎn)影響[1]。目前，我國(guó)高校人才培養(yǎng)質(zhì)量的評(píng)價(jià)工作主要由學(xué)校教務(wù)處、學(xué)院等部門承擔(dān)，通過邀請(qǐng)畢業(yè)生和用人單位參與，對(duì)往屆畢業(yè)生的專業(yè)能力及職業(yè)發(fā)展情況進(jìn)行調(diào)查，以此作為學(xué)校進(jìn)一步修訂和完善專業(yè)培養(yǎng)方案、提升人才培養(yǎng)質(zhì)量的重要依據(jù)。這種基于傳統(tǒng)的問卷、訪談、座談會(huì)、用人單位調(diào)研等方式開展的人才培養(yǎng)質(zhì)量評(píng)價(jià)，通常存在樣本量小、主觀性強(qiáng)、規(guī)避敏感問題、調(diào)查內(nèi)容受限、周期長(zhǎng)等缺點(diǎn)[2]。為了克服這些方法的不足，南旭光等人提出利用大數(shù)據(jù)技術(shù)分析社會(huì)的人才需求，剖析人才培養(yǎng)的社會(huì)適應(yīng)性，并以此為導(dǎo)向創(chuàng)新人才培養(yǎng)體系[3]。藍(lán)榮聰?shù)热艘蔡岢隼萌遮呁晟频臄?shù)據(jù)獲取和挖掘技術(shù)創(chuàng)新高校人才培養(yǎng)方式[4]。

隨著以社會(huì)需求和人才產(chǎn)出為導(dǎo)向的工程教育專業(yè)認(rèn)證逐步推廣，基于第三方平臺(tái)大數(shù)據(jù)的人才培養(yǎng)質(zhì)量評(píng)價(jià)方法可以更加客觀、全面地對(duì)高校人才培養(yǎng)的綜合能力進(jìn)行評(píng)價(jià)[5]，進(jìn)而為高校修訂和完善人才培養(yǎng)方案、課程體系，以及人才培養(yǎng)模式提供重要的參考意見和決策依據(jù)。該文基于第三方平臺(tái)大數(shù)據(jù)，對(duì)某高校自動(dòng)化專業(yè)往屆畢業(yè)生人才培養(yǎng)質(zhì)量進(jìn)行實(shí)證分析，通過用人單位反饋、畢業(yè)生調(diào)查問卷等方式多方驗(yàn)證模型分析結(jié)果的有效性。結(jié)果表明，通過基于大數(shù)據(jù)分析的人才質(zhì)量評(píng)價(jià)模型可以有效利用畢業(yè)生求職、用人單位招聘、高考錄取和人才培養(yǎng)方案數(shù)據(jù)，量化分析高校人才培養(yǎng)質(zhì)量，為培養(yǎng)方案修訂、課程體系設(shè)計(jì)提供重要的決策依據(jù)。

二、基于大數(shù)據(jù)分析的評(píng)價(jià)框架

基于大數(shù)據(jù)分析的評(píng)價(jià)框架如圖1所示。該框架以AI大數(shù)據(jù)和專業(yè)人才培養(yǎng)方案作為分析診斷基礎(chǔ)，對(duì)專業(yè)培養(yǎng)的人才素質(zhì)從橫向（同類高校畢業(yè)生之間對(duì)比）和縱向（社會(huì)需求與畢業(yè)生素質(zhì)對(duì)比）兩個(gè)角度進(jìn)行評(píng)價(jià)和分析。該評(píng)價(jià)框架中AI大數(shù)據(jù)由包含了社會(huì)需求的招聘數(shù)據(jù)和反映畢業(yè)生學(xué)習(xí)成果的畢業(yè)生數(shù)據(jù)構(gòu)成。評(píng)價(jià)分析結(jié)果可以用來對(duì)高校的人才培養(yǎng)目標(biāo)、培養(yǎng)方案修訂、課程體系設(shè)置等決策做出優(yōu)化支持。

三、評(píng)價(jià)流程

如圖2所示，基于第三方大數(shù)據(jù)的人才培養(yǎng)質(zhì)量評(píng)價(jià)流程主要分為五步：（1）通過招聘信息采集社會(huì)需求數(shù)據(jù)，通過畢業(yè)生求職簡(jiǎn)歷采集畢業(yè)生數(shù)據(jù);（2）采用NLP（Natural Language Processing）分析方法對(duì)社會(huì)需求數(shù)據(jù)和畢業(yè)生數(shù)據(jù)分別進(jìn)行分詞和標(biāo)注;（3）采用基于機(jī)器學(xué)習(xí)的文本聚類和自動(dòng)分類方法分別對(duì)社會(huì)需求數(shù)據(jù)和畢業(yè)生數(shù)據(jù)進(jìn)行清洗和分類，形成招聘信息數(shù)據(jù)池和畢業(yè)生數(shù)據(jù)池，同時(shí)對(duì)專業(yè)培養(yǎng)方案也采用NLP方法進(jìn)行分詞和標(biāo)注;（4）采用共詞網(wǎng)絡(luò)和相關(guān)度分析方法，分析計(jì)算兩個(gè)數(shù)據(jù)池之間的關(guān)系以及兩個(gè)數(shù)據(jù)池對(duì)專業(yè)培養(yǎng)方案的支撐程度;（6）根據(jù)后臺(tái)模型量化計(jì)算各個(gè)指標(biāo)，形成人才質(zhì)量評(píng)價(jià)分析報(bào)告。

四、實(shí)證分析

為了驗(yàn)證基于第三方平臺(tái)大數(shù)據(jù)的人才培養(yǎng)質(zhì)量評(píng)價(jià)方法客觀性，該文選取某高校自動(dòng)化專業(yè)進(jìn)行實(shí)證分析，基于第三方提供的大數(shù)據(jù)，采用人工智能方法對(duì)自動(dòng)化專業(yè)的社會(huì)需求、工程教育培養(yǎng)達(dá)成狀況、畢業(yè)生能力素質(zhì)、課程與能力關(guān)聯(lián)程度、畢業(yè)生市場(chǎng)競(jìng)爭(zhēng)力與社會(huì)評(píng)價(jià)等方面的培養(yǎng)質(zhì)量進(jìn)行分析評(píng)價(jià)。

（一）案例背景

基于第三方大數(shù)據(jù)的人才培養(yǎng)質(zhì)量評(píng)價(jià)，是從社會(huì)視角對(duì)高等學(xué)校辦學(xué)狀況及其培養(yǎng)人才質(zhì)量的有效檢驗(yàn)，尤其是在當(dāng)前以成果為導(dǎo)向的工程教育專業(yè)認(rèn)證背景下，加強(qiáng)基于第三方大數(shù)據(jù)的人才培養(yǎng)質(zhì)量評(píng)價(jià)機(jī)制，可以推進(jìn)高等學(xué)校在評(píng)價(jià)方面的制度研究和建立，促進(jìn)高等學(xué)校對(duì)自身人才培養(yǎng)質(zhì)量評(píng)價(jià)的反思。因此該文選取參加自動(dòng)化工程教育專業(yè)認(rèn)證的某高校數(shù)據(jù)進(jìn)行人才培養(yǎng)質(zhì)量評(píng)價(jià)和分析。

（二）數(shù)據(jù)來源

文中第三方調(diào)查數(shù)據(jù)來源于前途大數(shù)據(jù)專業(yè)分析系統(tǒng)，所有呈現(xiàn)出來的數(shù)據(jù)分析都是擬合的，只對(duì)數(shù)據(jù)進(jìn)行現(xiàn)象分析，無法還原到個(gè)人，不涉及隱私泄露。

本次人才培養(yǎng)質(zhì)量評(píng)價(jià)第三方數(shù)據(jù)覆蓋：

2012—2014屆自動(dòng)化專業(yè)全國(guó)本科生文本簡(jiǎn)歷35585份;

2012—2014屆全國(guó)596個(gè)本科專業(yè)各項(xiàng)指標(biāo)數(shù)據(jù);

2012—2014屆本專業(yè)全國(guó)開設(shè)本科高校各項(xiàng)指標(biāo)數(shù)據(jù);

6568萬條本科以上專業(yè)人才職位需求信息（來自216個(gè)招聘網(wǎng)站），其中明確需要自動(dòng)化專業(yè)的136105個(gè)單位的494367條職位需求信息;

2012—2017年各省高考錄取平均分?jǐn)?shù)據(jù);

某高校2012—2014屆全日制本科生自動(dòng)化專業(yè)畢業(yè)生總計(jì)486人，調(diào)研202份文本簡(jiǎn)歷，樣本占比41.56%。

（三）分析結(jié)果與討論

該文基于全國(guó)數(shù)萬家企業(yè)的招聘職位需求和求職者簡(jiǎn)歷信息進(jìn)行關(guān)鍵詞提取、分類，并進(jìn)一步建立后臺(tái)模型，計(jì)算自動(dòng)化專業(yè)的社會(huì)需求、工程教育達(dá)成情況、畢業(yè)生能力素質(zhì)、課程與能力關(guān)聯(lián)分析、畢業(yè)生市場(chǎng)競(jìng)爭(zhēng)力與社會(huì)評(píng)價(jià)等多維度指標(biāo)。由于篇幅所限，文中僅從畢業(yè)生能力素質(zhì)和工程教育達(dá)成情況兩個(gè)方面討論評(píng)價(jià)結(jié)果。

1. 自動(dòng)化專業(yè)全國(guó)需求狀況：

（1）全國(guó)自動(dòng)化專業(yè)需求仍處穩(wěn)定階段。自動(dòng)化人才最近一年供大于求。如下表所示，自動(dòng)化專業(yè)人才全國(guó)招聘人數(shù)比例呈現(xiàn)下降趨勢(shì)，從2016年10月至2017年9月的1.15%下降至2017年10月至2018年9月的0.28%。但是，2013—2017屆本專業(yè)全國(guó)本科生就業(yè)人數(shù)存量比例為1.38%，人才供需差距擴(kuò)大。

本專業(yè)人才全國(guó)招聘人數(shù)比例大幅下降，分別如圖3中的虛線和實(shí)線所示，全國(guó)職位需求占比從2017年第1季度的0.89%快速下降至2018年第4季度的0.35%，人才需求占比也從2017年第1季度的1.09%快速下降至2018年第4季度的0.30%。

（2）社會(huì)需求的素養(yǎng)、通識(shí)能力、專業(yè)知識(shí)和技能。如圖4和圖5所示，市場(chǎng)對(duì)自動(dòng)化專業(yè)人才的素養(yǎng)需求中，用人單位關(guān)注點(diǎn)分布較高的是“勤奮努力”（72.74%）、“責(zé)任感強(qiáng)”（26.88%）、“樂于合作”（23.67%）等職業(yè)素養(yǎng)。

市場(chǎng)對(duì)自動(dòng)化專業(yè)人才的通識(shí)能力需求分布較高的是：“溝通與表達(dá)能力”（57.52%）、“組織與管理能力”（57.06%）、“組織協(xié)調(diào)能力”（55.97%）。

從圖6的自動(dòng)化專業(yè)全國(guó)本科以上人才招聘需求“專業(yè)知識(shí)與技能”分布圖中可以看出，自動(dòng)化專業(yè)全國(guó)本科以上人才2016—2018年招聘需求專業(yè)知識(shí)與技能分布較高的是“C語言”（23.25%）、“CAD使用”（15.95%）、“常用辦公軟件”（12.09%）。但市場(chǎng)對(duì)“C語言”能力點(diǎn)需求呈下滑現(xiàn)象。

2.畢業(yè)生能力素質(zhì)。通過自然語言處理技術(shù)基于文本簡(jiǎn)歷智能統(tǒng)計(jì)分析出畢業(yè)生擅長(zhǎng)的素養(yǎng)、通識(shí)能力、專業(yè)知識(shí)與技能等，并與自動(dòng)化專業(yè)全國(guó)高校畢業(yè)生“素養(yǎng)”均值和社會(huì)需求比重分別進(jìn)行對(duì)比分析。下面主要以專業(yè)知識(shí)和技能為例進(jìn)行說明。

與自動(dòng)化專業(yè)全國(guó)高校畢業(yè)生均值相比，2012—2014屆某高校自動(dòng)化專業(yè)本科生“專業(yè)知識(shí)與技能”整體合格。其中電廠熱力設(shè)備、發(fā)電過程控制等表現(xiàn)顯著高于全國(guó)高校均值水平，充分體現(xiàn)了行業(yè)高校的教育特色。

為了詳細(xì)說明某高校培養(yǎng)的自動(dòng)化專業(yè)人才的專業(yè)知識(shí)和技能水平，下面分別從自動(dòng)化系統(tǒng)工程、分散控制技術(shù)、檢測(cè)技術(shù)、儀器儀表、系統(tǒng)建模和C語言六個(gè)方面，將某高校自動(dòng)化專業(yè)本科生專業(yè)知識(shí)和技能水平與全國(guó)工科類高校、一流學(xué)科建設(shè)高校、全國(guó)電力類高校進(jìn)行分析對(duì)比。結(jié)果如圖7所示。從圖中可以看出：

某高校培養(yǎng)的人才在自動(dòng)化系統(tǒng)工程方面表現(xiàn)相對(duì)較好。2012—2014屆某高校自動(dòng)化專業(yè)本科生“自動(dòng)化系統(tǒng)工程”擅長(zhǎng)比例為33.66%，比全國(guó)工科類高校均值（28.63%）高17.57%，比一流學(xué)科建設(shè)高校均值（29.37%）高14.61%;比全國(guó)電力類高校均值（34.09%）低1.24%。

某高校培養(yǎng)的人才在分散控制技術(shù)方面表現(xiàn)相對(duì)較好。2012—2014屆某高校自動(dòng)化專業(yè)本科生“分散控制技術(shù)”擅長(zhǎng)比例為23.27%，比全國(guó)工科類高校均值（19.50%）高19.33%，比一流學(xué)科建設(shè)高校均值（17.47%）高33.21%;與全國(guó)電力類高校均值（23.56%）差別不大。

某高校培養(yǎng)的人才在檢測(cè)技術(shù)方面表現(xiàn)與其他高校差別不大。2012—2014屆某高校自動(dòng)化專業(yè)本科生“檢測(cè)技術(shù)”擅長(zhǎng)比例為22.28%，與全國(guó)電力類高校均值（22.06%）、全國(guó)工科類高校均值（22.50%）差別不大，比一流學(xué)科建設(shè)高校均值（23.17%）低3.87%。

某高校培養(yǎng)的人才在儀器儀表方面表現(xiàn)相對(duì)良好。2012—2014屆某高校自動(dòng)化專業(yè)本科生“儀器儀表”擅長(zhǎng)比例為18.81%，比全國(guó)工科類高校均值（14.40%）高30.63%，比全國(guó)電力類高校均值（17.29%）高8.78%，比一流學(xué)科建設(shè)高校均值（14.61%）高28.74%。

某高校培養(yǎng)的人才在系統(tǒng)建模方面表現(xiàn)相對(duì)較好。2012—2014屆某高校自動(dòng)化專業(yè)本科生“系統(tǒng)建?！鄙瞄L(zhǎng)比例為9.90%，比全國(guó)工科類高校均值（7.32%）高35.18%，比全國(guó)電力類高校均值（7.27%）高36.22%;與一流學(xué)科建設(shè)高校均值（9.96%）差別不大。

某高校培養(yǎng)的人才在C語言方面表現(xiàn)相對(duì)一般。2012—2014屆某高校自動(dòng)化專業(yè)本科生“C語言”擅長(zhǎng)比例為24.26%，比全國(guó)電力類高校均值（18.05%）高34.43%;比全國(guó)工科類高校均值（24.85%）低2.37%，比一流學(xué)科建設(shè)高校均值（29.21%）低16.95%。

2.自動(dòng)化專業(yè)工程教育達(dá)成情況。2012—2014屆本校自動(dòng)化專業(yè)本科生畢業(yè)五年左右畢業(yè)要求達(dá)成整體均合格。其中環(huán)境和持續(xù)發(fā)展、使用現(xiàn)代工具的能力表現(xiàn)優(yōu)秀。具備較好的工程知識(shí)，能夠用于解決自動(dòng)化領(lǐng)域的復(fù)雜工程問題。具備較好的研究能力，能夠?qū)ψ詣?dòng)化相關(guān)領(lǐng)域，尤其是能源電力生產(chǎn)自動(dòng)化領(lǐng)域的復(fù)雜工程問題進(jìn)行研究，包括設(shè)計(jì)實(shí)驗(yàn)、分析與解釋數(shù)據(jù)、并通過信息綜合得到合理有效的結(jié)論。具有終身學(xué)習(xí)能力，具有自主學(xué)習(xí)和終身學(xué)習(xí)的意識(shí)，有不斷學(xué)習(xí)和適應(yīng)發(fā)展的能力。在設(shè)計(jì)/開發(fā)解決方案能力方面基本合格，相對(duì)還有一定提升空間。個(gè)人和團(tuán)隊(duì)能力和項(xiàng)目管理能力表現(xiàn)一般，有待進(jìn)一步改進(jìn)課程體系。

（四）結(jié)果與啟示

從基于第三方大數(shù)據(jù)對(duì)某高校自動(dòng)化專業(yè)的人才培養(yǎng)質(zhì)量評(píng)價(jià)結(jié)果可以看出某高校自動(dòng)化專業(yè)人才培養(yǎng)目標(biāo)基本契合社會(huì)需求，然而在以下幾個(gè)方面還有改進(jìn)的空間：

1.細(xì)化提升人才培養(yǎng)方案。自動(dòng)化專業(yè)隨著人工智能的快速發(fā)展，未來涉及的領(lǐng)域?qū)⑹謴V泛。因此，人才培養(yǎng)目標(biāo)應(yīng)在立足于當(dāng)前社會(huì)需求的基礎(chǔ)上有所升華和細(xì)化，明確若干年內(nèi)所培養(yǎng)人才的層次、類型和主要服務(wù)方向。建議通過已有畢業(yè)生的培養(yǎng)效果的詳細(xì)剖析，針對(duì)本專業(yè)人才培養(yǎng)方案召開專項(xiàng)研討會(huì)，從社會(huì)需求能力點(diǎn)和已有畢業(yè)生能力點(diǎn)兩個(gè)方面出發(fā)，在課程設(shè)置、培養(yǎng)理念等多方面吸納專家的經(jīng)驗(yàn)做法和寶貴建議，為自動(dòng)化專業(yè)的人才培養(yǎng)指明方向，促進(jìn)本科教育教學(xué)質(zhì)量水平大幅提升。

2.加強(qiáng)培養(yǎng)學(xué)生主動(dòng)性的思政教育。從社會(huì)需求素養(yǎng)比重和畢業(yè)生素養(yǎng)比重對(duì)比可以看出：在主動(dòng)性方面，社會(huì)需求大于畢業(yè)生素養(yǎng)。因此，某高校應(yīng)通過適當(dāng)增加政治、人文、心理、職業(yè)規(guī)范等相關(guān)課程予以引導(dǎo)，同時(shí)結(jié)合學(xué)校實(shí)際情況，加強(qiáng)社會(huì)實(shí)踐環(huán)節(jié)的組織與管理，使畢業(yè)生可在社會(huì)實(shí)踐中更好地認(rèn)識(shí)自我，了解社會(huì)，為將來走向社會(huì)打下基礎(chǔ)。

3.實(shí)施多元課程，增加實(shí)踐環(huán)節(jié)。從上述人才培養(yǎng)質(zhì)量分析可知，在“溝通與表達(dá)能力”“組織協(xié)調(diào)能力”“邏輯思維能力”這些“通識(shí)能力”點(diǎn)上，某高校自動(dòng)化專業(yè)學(xué)生能力相對(duì)低于社會(huì)需求，有待進(jìn)一步提升。因此，應(yīng)加強(qiáng)數(shù)學(xué)、計(jì)算機(jī)系列等基礎(chǔ)課，以及政治等人文課程?？蛇m當(dāng)增加課程設(shè)計(jì)環(huán)節(jié)，增加實(shí)踐動(dòng)手機(jī)會(huì)，避免基礎(chǔ)課程給學(xué)生帶來枯燥乏味的感覺，提高學(xué)生的學(xué)習(xí)熱情;充分利用畢業(yè)實(shí)習(xí)這個(gè)體現(xiàn)畢業(yè)生綜合能力的重要渠道，以建立大學(xué)生管理、組織、協(xié)調(diào)、溝通、人際關(guān)系等方面的延伸性經(jīng)驗(yàn)。

4.結(jié)合新興產(chǎn)業(yè)，推動(dòng)創(chuàng)新復(fù)合人才培養(yǎng)模式。物聯(lián)網(wǎng)、人工智能等新興互聯(lián)網(wǎng)應(yīng)用技術(shù)對(duì)高校自動(dòng)化專業(yè)教學(xué)提出的新挑戰(zhàn)。發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)、推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，離不開高素質(zhì)技術(shù)人才的有力支撐。當(dāng)前自動(dòng)化專業(yè)設(shè)置還存在很多與戰(zhàn)略性新興產(chǎn)業(yè)對(duì)接的“盲點(diǎn)”。高校應(yīng)堅(jiān)持夯實(shí)基礎(chǔ)、強(qiáng)化內(nèi)涵，緊緊抓住戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展的大好機(jī)遇，充分利用戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展政策，精準(zhǔn)對(duì)接相關(guān)產(chǎn)業(yè)，與相關(guān)企業(yè)開展深度合作，推動(dòng)自動(dòng)化專業(yè)創(chuàng)新復(fù)合人才培養(yǎng)模式。

五、結(jié)論

內(nèi)部評(píng)價(jià)仍然必不可少?？梢哉f，高校內(nèi)部評(píng)價(jià)是從歷史的維度對(duì)人才培養(yǎng)質(zhì)量進(jìn)行評(píng)價(jià)，而基于第三方數(shù)據(jù)則是從社會(huì)需求的縱向維度和各高校之間差異的橫向維度進(jìn)行人才培養(yǎng)質(zhì)量評(píng)價(jià)。因此，兩種評(píng)價(jià)應(yīng)該相互補(bǔ)充，共同作用。尤其在當(dāng)前形勢(shì)下，切實(shí)加強(qiáng)第三方參與的人才培養(yǎng)質(zhì)量評(píng)價(jià)機(jī)制，可以推進(jìn)高校在評(píng)價(jià)方面的制度研究和建立、健全評(píng)價(jià)的組織機(jī)構(gòu)、促進(jìn)高校對(duì)自身人才培養(yǎng)質(zhì)量評(píng)價(jià)的反思。

參考文獻(xiàn)

[1]徐安興.構(gòu)建大學(xué)人才培養(yǎng)質(zhì)量評(píng)價(jià)體系[J].教育發(fā)展研究，2006（5）：72-74.

[2]周世軍，戴玉純，洪旭東.基于網(wǎng)絡(luò)爬蟲大數(shù)據(jù)的地方高校人才培養(yǎng)質(zhì)量社會(huì)關(guān)注度挖掘[J].黑龍江高教研究，2019（3）：44-47.

[3]南旭光.大數(shù)據(jù)驅(qū)動(dòng)職業(yè)教育人才培養(yǎng)的價(jià)值邏輯與創(chuàng)新途徑[J].教育與職業(yè)，2017（20）：20-25.

[4]藍(lán)榮聰，陳永福.大數(shù)據(jù)視域下大學(xué)生創(chuàng)新能力培養(yǎng)的思考[J].思想教育研究，2014（11）：70-73.

[5]薛景，戴玉純.論大數(shù)據(jù)在高校評(píng)價(jià)中的應(yīng)用[J].亞太教育，2016（23）：10-11.

Research on Quality Evaluation of Talent Cultivation Based on Third-Party Big Data

ZHOU Rong， SHI Rui-feng

（School of Control and Computer Engineering， North China Electric Power University，

Beijing 102206， China）

Abstract： Objectively evaluation of talent training quality in universities based on the third party platform big data has profound reference and practical value for further exploration of the revision mechanism of training program， the way and models of talent capacity improving. Intelligent big data analysis methods such as co-word network， automatic classification， text clustering， machine learning， are adopted to establish the talent quality evaluation model of specific professional and analyze the specific talent training quality after the talent data of all professionals in the country. The results of previous automation major graduates' training in a university show that the talent quality evaluation method provides an important decision-making support for the revision of the talent training program and the design of the curriculum system by effectively using graduates big data.

Key words： quality evaluation of talent cultivation; big data; intelligent analysis methods