張恩昊

（大連電子學校，遼寧 大連 116100）

一、大數(shù)據(jù)技術應用可行性分析

近年來隨著國家和各級政府的持續(xù)不斷的大力投入，中等職業(yè)教育得到了長足發(fā)展，但制約中等職業(yè)教育實現(xiàn)高質量可持續(xù)發(fā)展的掣肘還存在，關鍵痛點未得到有效解決。中等職業(yè)教育的受眾群主要來自九年制義務教育的階段綜合評定成績后45%—55%的學生，普遍存在學習習慣有缺陷，學習方法不科學，多門學科學習基礎不牢固的頑疾，年齡普遍處于15—18歲的未成年人，進入中等職業(yè)教育體系后，既面臨繼續(xù)提高綜合人文素養(yǎng)的艱巨任務，同時還處于豐富健全完善人生觀和世界觀的關鍵期，更具有挑戰(zhàn)的是直接進入未來就業(yè)崗位技能培訓階段，在中等職業(yè)教育階段，既要塑造合格的高素質的社會公民，又要培養(yǎng)適應社會發(fā)展的高技能的合格就業(yè)者，這就要求充分掌握中等職業(yè)教育受眾群的大量相關數(shù)據(jù)，通過數(shù)據(jù)挖掘和分析，實現(xiàn)個性化教學，因材施教。

傳統(tǒng)中等職業(yè)教育主要關注對受眾群學習成績的評價，而忽略對學習過程的分析，缺乏受眾群歷史數(shù)據(jù)的掌握和分析，而大數(shù)據(jù)技術通過對受眾群相關學習行為、興趣、習慣等數(shù)據(jù)的留存和深度挖掘，學習行為評價和評估，教師可以根據(jù)大數(shù)據(jù)技術分析和挖掘出的學習過程中的相關規(guī)律，根據(jù)個受眾群個人的學習數(shù)據(jù)，制定相應的學習計劃和輔導，而不再基于自己的教學經(jīng)驗分析學生的學習偏好、難點和共同點。通過對企業(yè)的工程案例庫中面向工作過程的知識庫的挖掘和分析，能夠準確和高效地挖掘出相關崗位專業(yè)技能對應的知識點，可以實現(xiàn)中等職業(yè)教育受眾群的精準培訓和教學，從而完成學校和就業(yè)崗位的無縫銜接和融合。

中等職業(yè)教育在基于5G通信技術實時傳輸和物聯(lián)網(wǎng)高速信息采集的大數(shù)據(jù)技術和數(shù)據(jù)挖掘相關算法的大規(guī)模應用下，通過不斷持續(xù)建設基于大數(shù)據(jù)技術的個性化教育社區(qū)，中等職業(yè)教育可以實現(xiàn)彈性學習、個性化學習、按需學習、終生學習[1]。

二、面向工作過程的專業(yè)知識庫大數(shù)據(jù)系統(tǒng)

該系統(tǒng)為中職教育受眾群的專業(yè)技能領域的個性化學習，提供數(shù)據(jù)和數(shù)據(jù)挖掘技術支持。系統(tǒng)將面向工作過程的各專業(yè)的專業(yè)知識，根據(jù)數(shù)據(jù)特點和應用特點將數(shù)據(jù)資源歸類為標準資源庫和主題信息庫。

標準資源庫主要用于存放經(jīng)過清洗后的資源數(shù)據(jù)。標準資源庫中，將靜態(tài)數(shù)據(jù)進行歸納，形成行業(yè)共享共建的基礎數(shù)據(jù)庫，將動態(tài)數(shù)據(jù)整合形成業(yè)務數(shù)據(jù)庫。

主題信息庫是基于標準資源庫數(shù)據(jù)，通過對支撐不同分項主題的數(shù)據(jù)，既包括常用統(tǒng)計及分析，也包括根據(jù)專業(yè)崗位而制定的不同主題、不同維度的統(tǒng)計及分析數(shù)據(jù)，進行數(shù)據(jù)建模和組織并結合聚類、序列分析、相關性分析等機器學習算法組成的強大數(shù)據(jù)挖掘引擎，按照從初學者、高級初學者、有能力者、熟練者到專家的職業(yè)能力規(guī)律，挖掘各專業(yè)崗位工作邏輯對應的知識邏輯，構建符合發(fā)展邏輯的各專業(yè)的教學內容，根據(jù)相關職業(yè)能力等級，建立從低級到高級的難點遞增的，面向工作過程的專業(yè)知識數(shù)據(jù)庫，該數(shù)據(jù)庫既可以完成中等職業(yè)教育受眾群的專業(yè)技能進階培訓，也用于專業(yè)能力等級測試和劃分，受眾群個體的專業(yè)能力畫像生成，為后續(xù)的個性化教學，分層次教學、分就業(yè)崗位教學提高數(shù)據(jù)支持和分析服務。

三、人文素養(yǎng)知識庫大數(shù)據(jù)系統(tǒng)

人文素養(yǎng)知識庫的數(shù)據(jù)是由人文綜合素養(yǎng)領域形成的各種與文化素養(yǎng)本身相關的數(shù)據(jù)，及外圍所形成的數(shù)據(jù)綜合匯聚而形成的。其數(shù)據(jù)來源既包括數(shù)字圖書館等數(shù)字化的數(shù)據(jù)，也包括公眾在社交網(wǎng)絡上搜索或者發(fā)布的自媒體等相關數(shù)據(jù)如語音、短視頻、公眾號等數(shù)字化數(shù)據(jù)。

通過對人文大數(shù)據(jù)的挖掘，可以提供各種統(tǒng)計分析服務，如基于相關人文素養(yǎng)大數(shù)據(jù)資源訪問熱度的分析、基于大數(shù)據(jù)訪問時段、訪問數(shù)據(jù)類型如漫畫、短視頻、電影、直播等的統(tǒng)計分析等，用戶行為分析主要對大數(shù)據(jù)平臺的用戶在搜索、瀏覽內容、瀏覽時間、討論等所有行為數(shù)據(jù)進行建模與分析，通過對用戶行為分析，挖掘什么類型的人文數(shù)據(jù)資源最受歡迎，以達到根據(jù)用戶的歷史行為記錄分析用戶的愛好和興趣等目的，為此后的個性化推薦提供理論依據(jù)[2]。

四、用戶畫像與個性推薦系統(tǒng)

用戶畫像系統(tǒng)，其核心是用計算機理解的詞語，去描述一個人，一般用標簽+權重來做用戶畫像。用戶相關的數(shù)據(jù)，分為靜態(tài)和動態(tài)兩種。用戶靜態(tài)數(shù)據(jù)主要是指其個人標簽，屬性如年齡、性別、愛好等。用戶動態(tài)數(shù)據(jù)主要是指行為數(shù)據(jù)，常見要素是時間、地點、行為等。

當用戶畫像系統(tǒng)建立后，通過與專業(yè)知識數(shù)據(jù)庫系統(tǒng)結合后，通過收集并記錄用戶的相關專業(yè)知識的掌握情況、興趣點等數(shù)據(jù)，送到數(shù)據(jù)分析系統(tǒng)，實時挖掘分析用戶的專業(yè)特長、短板、專業(yè)技能升級路線圖等，并實時將個性化的專業(yè)學習關聯(lián)信息推送給用戶。通過與人文素養(yǎng)知識數(shù)據(jù)庫結合后，可以找到更符合用戶興趣、適合用戶特性的人文素養(yǎng)知識、并對知識的呈現(xiàn)形式進行針對性的調整和優(yōu)化。

專業(yè)知識個性化推薦系統(tǒng)通過學生與教育的應用軟件、手機APP等互動，通過大數(shù)據(jù)分析的得到以下需求：我的專業(yè)優(yōu)勢、劣勢、提高學習成績的障礙、勝任的工作、推薦的專業(yè)學習計劃、專業(yè)技能提升路線圖等。

人文大數(shù)據(jù)個性化推薦主要通過對海量文化大數(shù)據(jù)和用戶行為對比分析來實現(xiàn)。對用戶行為和興趣點進行精確描述，將包括訪問特征、用戶特征及用戶社交信息在內的用戶行為數(shù)據(jù)引入到推薦系統(tǒng)，以提升個性化推薦的效果，構建一套個性化的推薦系統(tǒng)。

五、教師教學支持系統(tǒng)

傳統(tǒng)課堂教學很難根據(jù)學生個體特點有針對性地進行教學，而基于大數(shù)據(jù)的教育平臺系統(tǒng)可以針對每個學生的學習情況，實現(xiàn)個性化教學。通過對教育大數(shù)據(jù)的分析，找出每個學生的學習興趣點、學習難點、學習行為、喜愛的學習方式、喜歡的課程、潛在的天賦，幫助學生依據(jù)個體的情況提高學習的收獲量。

將學生的一切學習行為和相關數(shù)據(jù)均記錄下來，相關教育的原始數(shù)據(jù)主要包括學生信息、教師信息、電子輔助授課資料、電子試卷、學習記錄、考試記錄、學習筆記、教師批改記錄、教師授課視頻及互動留言等。以學生做題為例，題的難度、考察的知識點、答題時間、正確率都是需要采集的指標。通過數(shù)據(jù)分析和挖掘，獲取和掌握學生的愛好、興趣、對知識點的掌握程度等信息，教師可以有針對性地調整相關教學要素，因材施教。通過數(shù)據(jù)的積累和數(shù)據(jù)挖掘，形成學生的用戶畫像、興趣圖譜、學科偏好、學習軌跡，大數(shù)據(jù)能夠幫助教師實時了解學生的學習狀況、對學生進行分類、因材施教、實現(xiàn)知情教學。

通過大數(shù)據(jù)分析教師與教育應用軟件、手機APP等互動，可以分析出教師的教學優(yōu)勢、教學劣勢、優(yōu)化的教學手段、推薦的教學計劃、學生成績評估分析與反饋、課件的智能評估與反饋等相關提高教師教學質量的影響因素。

六、相關制約因素分析

1．數(shù)據(jù)采集

數(shù)據(jù)采集是實現(xiàn)大數(shù)據(jù)分析的基礎，一般來說，采集的數(shù)據(jù)類型分為三類，結構化、半結構化、非結構化數(shù)據(jù)。結構化數(shù)據(jù)是存儲在數(shù)據(jù)庫里，能用二維表結構邏輯表達實現(xiàn)的數(shù)據(jù)，常用于記錄客戶信息等方面的數(shù)據(jù)，半結構化數(shù)據(jù)具有可被理解的邏輯流程和格式，但格式不友好，分析起來比結構化數(shù)據(jù)復雜，如網(wǎng)絡流量、APP日活躍用戶數(shù)、登錄用戶數(shù)、停留時間等。非結構化數(shù)據(jù)是處理難度最高的大數(shù)據(jù)，比如圖像、語音、音頻，以及文本信息如聊天記錄、文檔、電子郵件等多媒體類的非結構化數(shù)據(jù)。

2．大數(shù)據(jù)相關性分析

在中職教育中，應該優(yōu)先挖掘出大數(shù)據(jù)之間的相關性，通過對專業(yè)知識大數(shù)據(jù)的相關性分析，可以挖掘對進階到高端崗位的控制性技能和知識，影響崗位工作效率和能力的關鍵參數(shù)，相關控制性技能和知識點的進階次序；不同控制性技能和知識集合對應的就業(yè)崗位，影響個體崗位技能提高的短板項；通過對人文素養(yǎng)知識大數(shù)據(jù)的相關性分析，可以挖掘影響個體人文素質提高的制約因素，適合不同個體、不同受眾群的人文知識呈現(xiàn)形式和方式、適合不同個體、不同受眾群的人文素養(yǎng)提高路線圖。通過對教師教學大數(shù)據(jù)的相關性分析，不僅可以挖掘出相關受眾群的學習規(guī)律，還可以挖掘出提高教學質量和水平的教學規(guī)律。

3．數(shù)據(jù)隱私

大數(shù)據(jù)技術通過5G通信技術、物聯(lián)網(wǎng)等技術手段將自然、社會、人類的一切狀態(tài)、行為記錄存儲下來，這些數(shù)據(jù)通過網(wǎng)絡和云技術對外開放和共享，對數(shù)據(jù)權益、數(shù)據(jù)隱私和人性自由帶來了極大的影響和挑戰(zhàn)。

中等職業(yè)教育大數(shù)據(jù)從個人、相關企業(yè)采集而來，數(shù)據(jù)產(chǎn)權歸屬權是數(shù)據(jù)采集者、被采集對象、還是數(shù)據(jù)存儲者，誰擁有對這些數(shù)據(jù)的所有權、使用權、存儲權和刪除權；來自企業(yè)的技術數(shù)據(jù)和項目數(shù)據(jù)是否會導致企業(yè)的商業(yè)機密泄露，被第三方采集，用于惡意的商業(yè)競爭；同時大數(shù)據(jù)對思想、行為預測結果的非正常泄露是否會對中等職業(yè)教育未成年人受眾群和監(jiān)護人的行為意志、職業(yè)規(guī)劃、自我認知等領域產(chǎn)生不可控的干擾，這些事項需要做好規(guī)劃和設計，否則會引發(fā)隱私保護危機。

對于中職教育的數(shù)據(jù)利益相關方，因其多數(shù)為未成年人，應該保證數(shù)據(jù)被采集者的知情權和所采集數(shù)據(jù)的知識產(chǎn)權，同時對挖掘出的公共知識，應該面向數(shù)據(jù)利益相關方公開，對涉及被采集者的可能影響其未來正常學習和生活、人生成長的數(shù)據(jù)應該進行脫敏，盡可能地降低對其的影響。