一、大数据赋能职业教育质量监测的基本内容与框架

（一）大数据赋能职业教育质量监测的核心框架

大数据赋能职业教育质量监测需要形成“监测、诊断、反馈、改进”和质量保证闭环，强化政府、企业和职业院校三者的共同参与。总的来说，通过搭建国家到省级再到当地政府、学校和企业三位利益相关者的层级展开的职业教育质量监测平台，实现对职业教育发展状态的全系统数据采集和分析；通过政府、职业院校和企业的共同参与，从不同主体角度实现对职业教育域、社会域、生产域的全领域数据采集和分析；职业院校对教学过程、教学管理、活动组织和后勤管理实施全流程监测，企业对实践能力、工匠精神和岗位胜任能力实施全流程监控，当地政府对校企合作、职业院校就业水平、学生职业能力和道德素质进行全流程监控，实现对学生从入学到毕业的全过程数据采集和分析。具体如图1所示。

二、大数据赋能职业教育质量监测的实现路径

（一）大数据整体加持的智慧校园建设

大数据赋能职业教育质量监测不能只局限于课堂，需要围绕大数据的采集与应用布局学校的整体生态，打造学习平台、教育资源和教育大数据支持下的智慧校园。职业教育质量监测需要更加全面的教育质量状态数据作为教学质量评价的参考依据，以使得质量监测能够在技术加强型环境中更加精准有效。具体来说，首先，从智慧校园整体生态建构服务质量监测的校园新基建。只有坚持目标导向才能真正重构体系完善、灵活配置和全面优化的智慧校园，才能合理规划智慧校园中的空间布局，为更好地获取学生在校园中的表现数据提供更加完善的技术支持。大数据整体加持的智慧校园能够通过信息技术采集获取学生在课堂教学、基地实训、校园生活、集体活动等方面的数据，通过数据分析更加全面地评价学生在学习动机、学习偏好、思维特征等方面的变化，为教师的教学改进提供数据参考。其次，大数据加持的智慧校园建设要以标准化建设为根本原则。我国教育信息化经历了数字化、智能化发展阶段的积累逐渐过渡到智慧化发展阶段，但是在发展过程中明显存在重硬件投入、重短期应用效果，轻后期运维更新、轻多平台系统兼容和轻系统规划等问题，究其原因主要在于建设中没有标准或现有标准之间彼此排斥。智慧校园标准建设对降低成本投入、提升学校治理水平、优化教育教学生态和赋能学生学习效果具有重要作用，必须要以标准化建设为原则实现新信息和新资源的嵌入和更新。最后，大数据加持的智慧校园建设要以系统化建设为行动指南。利用信息技术实现教学设施、科研设施和公共服务设施等方面的提质升级，将质量监测广泛渗透于线下实体学习空间和线上虚拟学习空间，实现对学生正式学习和非正式学习的系统化监测和评价，更好地掌握学生的发展情况。

（二）支持大数据监测的制度建设

为了更好地获取职业教育发展状态数据，发挥教育评价效能，我国职业教育主管部门制定了职业教育质量年度报告制度，通过进一步提高数据的可比性和量化程度实施职业教育质量监测。而在现实中，我国职业教育质量评价制度体系在建设中存在政策漏洞，政策内容无法很好地保障相关主体的权力需求，也无法充分尊重办学特色差异和地区差异，表现出“跨界性”不足的弊端。大数据赋能职业教育质量监测要在明确现有制度体系不足的基础上实现突围，统筹考虑职业教育规律和信息技术赋能职业教育质量监测的切入点，树立科学的质量评价观，形成支持多元主体参与、分权运作、系统互动的职业教育质量监测制度体系。具体来说，其一，多元主体参与要求在制度制定中统筹考虑政府、职业院校、行业企业等利益相关者的利益诉求，让各个主体都能积极参与到人才培养评价中，从不同主体角度保证人才质量监测的全面性和系统性，形成质量评价闭环。信息技术使得参与主体之间能够实现异地实时交互，通过共享人才培养监测过程生成的海量数据实现对人才培养质量的精准评价，在掌握海量数据和统筹多主体意见的基础上使得质量监测更加趋向真实状态。其二，分权运作要求在职业教育人才培养质量监测制度建设过程中做到各个主体间的职责明确。一方面，政府对职业教育质量监测拥有绝对性权力，分权运作要求在制度建设中政府要将权力下放，赋予当地政府、职业院校和行业企业在人才质量监测中的相对权力，使其能够拥有更多的话语权；另一方面，分权运作要求在职业教育人才培养质量监测制度建设过程中划定各个参与主体的权责界限，避免实施过程中的相互推诿和重复评价，减少参与主体合作过程中的相互掣肘和交易摩擦。其三，系统互动要求在制度制定过程中将职业教育质量监测看成一个整体系统，将各个职业院校职业教育质量监测看成一个个子系统，通过制度的相关约束和规定，在系统能量交换的过程中实现整个系统的协同共进。总的来说，需要构建更加完善的制度体系，让职业教育在信息技术的加持下走向高质量发展。

（三）建构大数据监测的算法与算力

互联网和人工智能等信息技术的加持使得教育生态呈现出一种开放、共享、交互和协作的特征，也使得职业教育质量监测朝着更加精准化的方向发展。从本质上来说，信息技术在职业教育质量监测中的核心优势在于大量数据的获取，而要想大数据从根本上赋能职业教育质量监测，必须要有支撑这一教学监测行为的算法和算力。从广义上来说，算法体现为包括数值算法和非数值算法在内的计算方法，具有优先级配置、分类、关联及过滤等功能；而算力是应用程序所能实际获得的计算能力，是算法和数据的基础设施，支撑着算法和数据。在具体场景中，数据、算法和算力三者是相辅相成的。有研究指出通过使用计算机视觉技术、语音识别技术、自然语言处理技术能够实现对教育过程的有效监测。具体来说，其一，大数据赋能职业教育质量监测可以利用计算机视觉技术对教师教学现场状态进行分析和处理，以实现对某一场域中师生行为和情感的画面解构，通过大数据背后的相互关系分析学生情感变化和注意力特征，以此作为评价教学有效性的重要依据。其二，大数据赋能职业教育质量监测可以利用语音识别技术对教师的语音进行准确识别并加以分析，以此作为判断师生互动情况和教师教学表现的证据。其三，大数据赋能职业教育质量监测可以利用自然语言处理技术采集到日常生活中学生对教师的评价或教师社交圈的同事评价等相关数据，并对相关数据进行整理分析，以更加全面地评估教师的教学水平。总的来说，信息技术赋能职业教育质量监测需要开发出更加专业的算法和算力，以算法和算力的优化实现对职业教育生态领域中大数据的全面采集和系统分析，从根本上助力职业教育的高质量发展。

来源：《中国职业技术教育》

作者：谭绍华，重庆工程职业技术学院黄炎培职业教育研究院常务副院长，二级研究员；李同同，重庆工程职业技术学院黄炎培研究院实习研究员。