数字化转型下的教育革新：高职学生智慧学习模型构建与职业能力评估策略

摘 要：在经济转型和产业变革的背景下，高职教育正经历深刻变革，高职教育领域日渐重视人才职业核心素养培养，但在实践中存在目标达成度不足、课程体系不完善、教学偏重技能而忽视素养培养等诸多问题。为此，可基于协同理论采取以下解决策略：构建高职学生职业核心素养的外部支持系统和内部培养系统，重视与产业界的协同和外部资源的整合，实施高职教育内部改革，确保教育内容和方法与时俱进，进一步探索构建智慧学习模型的方法，以实时精准评估并优化学生职业能力培养。

关键词：高职教育；数字化转型；职业核心素养；智慧学习模型；协同理论

中图法分类号：G64 文献标志码：A 文章编号：0450-9889（2024）03-0043-07

在数字化和全球化的大背景下，教育领域尤其是高职教育领域正面临前所未有的挑战与机遇。本研究旨在探讨这一转型过程中的关键问题：如何在高职教育中有效地构建和应用智慧学习模型，以提升学生的职业核心素养和职业能力。该研究主题不仅具有重要的理论价值，而且对指导实际教学实践具有深远的影响。

随着经济和产业结构的快速变化，对劳动力市场的要求也在不断提高［1］。传统的职业技能培养方式已不能完全满足新经济形态下的需求。高职教育作为传授技能和知识的重要途径，其改革和创新显得尤为迫切。本研究先分析当前高职教育面临的主要挑战，包括技术快速迭代带来的教育内容更新滞后、教学方法与学生需求脱节以及产教融合程度不高等问题，然后进一步深入探讨“核心素养”这一概念在高职教育中的应用。核心素养不仅包括专业技能，而且涉及学生的思维方式、学习能力、情感态度等多维度发展。在此基础上，研究提出了智慧学习模型的构建策略［2］。这种模型以学生为中心，运用现代信息技术（如大数据、人工智能、在线学习平台等），为学生提供个性化的、灵活的学习路径，以促进其全面发展。

本研究还重点分析了智慧学习模型在高职教育中的具体应用。通过案例研究和实证分析，探讨智慧学习模型如何有效地整合教学资源、优化教学过程，以及如何通过实时反馈和评估机制提升教学效果。这一部分的研究为高职教育领域的教学改革提供了具体的实施方案，也为其他教育领域的教学改革提供了可借鉴的经验。此外，本研究分析了在构建和应用智慧学习模型的过程中可能遇到的问题和挑战，如技术资源的不均等分配、教师专业发展的需求以及学生学习习惯的转变等，并针对这些问题提出了相应的解决策略和建议。

在数字化时代，高职教育需要不断创新和发展，以培养符合时代需求的高素质技術技能人才。通过开展本研究，能为高职教育探寻数字化转型下的新路径，也能为教育领域的持续创新和发展提供理论和实践参考。本研究的探讨和发现有利于理解和运用智慧学习模型，有助于提升高职学生的职业核心素养和职业能力，满足现代社会和经济发展的需求。本研究关注高职教育的内部改革，强调与产业界的协同和外部资源的整合，确保教育内容和方法与时俱进，为学生提供符合市场需求的高质量教育。

一、数字化转型下的高职教育

当前，高职教育正在经历一场深刻的变革。这一变革的核心在于对职业核心素养的重视及基于职业导向的智慧学习模型的构建。高职教育对人才培养的要求在不断提高，传统的以技能为中心的教育模式已不能完全满足新时代的需求。因此，职业核心素养的概念应运而生，高职学生的职业核心素养涉及培养学生适应当前及未来职场的能力，考虑到个人发展和社会经济需求的平衡。职业核心素养包括职业理想信念、职业道德人格、职业意识和关键能力四个方面，体现在其广泛性、深入性、适应性及前瞻性［3］。

尽管高职教育领域已开始关注职业核心素养的培养，但是在实践中仍存在诸多短板，包括课程体系不完善、教学方法落后、师资力量不足以及产教融合困难等。这些问题的存在导致学生职业核心素养培养的效果不佳，难以满足行业和社会的需求。针对现有问题，构建基于职业导向的智慧学习模型成为解决之道。这种模型通过整合现代信息技术（如大数据、人工智能等），为学生提供更加个性化和互动的学习体验。智慧学习模型不仅能够提高学生的学习效率，而且能够根据学生的学习需求和学习进度提供定制化的学习内容和学习方法，有效提升学生的职业核心素养［4］。在实施智慧学习模型时，需要考虑到课程设计的灵活性、教师培训的有效性以及技术资源的合理利用［5］。同时，强化与行业的联系，将真实的职业场景融入学习过程中，使学生能够在模拟环境中进行学习和实践，以更好地适应未来的职业生涯［6］。在数字化和全球化的大背景下，高职院校需要深化对职业核心素养的理解，通过构建和实施有效的智慧学习模型，为培养适应时代发展需求的高素质技术技能人才提供坚实的基础。这是教育改革的需要，更是社会发展的必然要求。

当前，高职教育领域正面临着一系列前所未有的挑战与机遇。这些挑战和机遇主要源于在经济增速换挡、产业形态更迭以及数字化转型的背景下，高职教育的发展方向和教育模式正经历着深刻的变革。高职教育面临的严峻挑战之一是技术快速发展带来的教育内容更新的压力。此外，传统的以教师为中心的教学模式已经难以满足学生个性化和多样化的学习需求，教学方法的革新成为迫切需要解决的问题。同时，产教融合的不足也是高职教育面临的挑战之一，需要加强校企合作，使教育内容与实际工作需求更加紧密结合。然而，在挑战中也蕴藏着机遇。数字化技术的发展为高职教育提供了新的教学工具和方法，如在线教育平台、虚拟实验室、大数据分析等。这些技术的应用能够提升教学效率和质量，还能够实现教育资源的优化配置和个性化教学。例如，通过大数据分析学生的学习行为，教师可以更精准地进行教学设计，满足学生的个性化学习需求。智慧学习模型的引入正是高职教育领域技术革新的具体表现。要想抓住机遇，高职院校需要不断创新教学模式和方法，加强与产业界的合作，同时提升教师的专业能力和教学水平，以培养适应数字化时代的高素质技术技能人才。

二、智慧学习模型的构建

（一）模型构建的理论框架

本研究基于系统科学理论，从岗位专业能力、职业基本素质、职业潜能等方面分析高职学习者职业能力的形成过程，强调了培养主体性能力、利用情境提升竞争力、运用智能技术强化教学、任务驱动实践和精准评价等策略的重要性，提供了高职学习者职业能力培养的有效途径［7］。基于上述分析，构建了智慧学习模型的理论基础，并提出促进高职学习者职业能力发展的基本假设。通过调查分析高职院校的学生职业能力培养现状和途径，探讨在高职教育中实施智慧学习模型的现实依据，并讨论其总体结构，包括专业课程学习路网、智慧学习引擎、学习者画像等，以及模型的运行流程和机制。

1.形成职业技能的过程

高职人才的岗位专业能力是专业知识向专业技能转化的结果。这一过程中，专业知识逐渐演变为实际能力，通过常规学习与实际应用的相互作用，岗位能力得以增强。专业能力的发展是从专业知识到技能再到专业判断的深化过程，旨在提高创造性能力。通过知识吸收、实际操作、项目实训、企业实习、创新活动，专业技能从初步形成逐步发展为丰富且成熟的专业判断能力。

高职学生岗位专业能力的形成是一个包含知识学习、应用操作、项目实训、企业实习和创新创客等多方面的复杂过程［8］。学生通过这些环节的循环式学习和体验，逐步提升自己的专业能力。建议突出创新导向的教学，让学生在知识的不断拓展和深化中形成专业技能和判断能力。在此过程中，专业知识的获取是基础，教师应采取知识学习与实际问题相结合的方式进行教学，以实践和思考促进知识的转化，进而丰富学生的专业判断和提升学生的岗位专业能力。

2.提升职业基本素质的过程

在职业教育领域，高职学生的职业基本素质提升被视为一种复杂且逐渐深化的过程，与岗位专业能力形成过程紧密联系。这一过程涉及多个阶段：在知识学习中提升学习能力，通过应用操作增强信息获取能力，利用项目实训提高问题解决能力，以及在企业实习中强化人际交往与沟通技能。其不仅包括理论知识的记忆和吸收，而且涵盖知识的应用和创新。提升职业基本素质的过程对改革人才培养模式、评价体系和组织形式具有重要意义，能够增强职业教育的适应性和培养学生的职业发展潜能［9］。

3.职业发展潜力的系统性累积

在高职教育中，激发学生的职业发展潜能是实现教育可持续发展的核心。职业发展潜能体现为学生在面对社会需求时需要具备的综合能力，包括综合素养、创新创造力以及适应信息时代的高阶能力。本研究从知识学习、应用操作、项目实训、企业实习和创新创客五个维度出发，注重对技术创新、团队协作、社交适应等能力的培养，逐步增强学生的职业潜能。具体来说，学生在学习过程中应当掌握和应用新知识，结合最新科技发展，用批判性和开放性的思维看待岗位和行业，通过多方面的社会交互和实践活动提升技术创新能力。此外，在真实职业环境中培养团队协作和社会适应能力以及在实践中不断提升专业技能和社会能力，也是职业基本素质提升过程中的关键环节。这一过程中，学生的心理因素和情感态度等内在因素需要得到足够的关注，以提高学生在不同职业环境中的适应能力和社会能力。通过这样的培养模式，不仅能够提升学生的职业基本素质，而且能够为其未来的职业发展打下了坚实的基础。

4.职业能力的培养

系统科学理论通过整合完整性、集中性、层级结构、终极性、逻辑同构等关键概念，致力于探究广泛系统或子系统的模式、原则和规律，并追求对它们的结构和功能进行数学化描述。这一理论强调了系统中整体与部分之间、各部分之间以及整体与外部环境之间的有机联系，体现了系统的整体性、动态性和目的性。在教育领域中，系统论的应用强调将教育系统视为一个整体，其中学校教育尤为核心，而课堂教学则是其重要组成部分［10］。在信息技术的驱动下，教学媒体已成为教学结构中不可或缺的元素。它拓展了教学内容，优化了教学过程，并改变了教学方式。本研究基于系统科学理论，综合考虑多种系统理论，旨在为促进高职院校学生职业能力的发展进行智慧学习导向下的教学结构变革，探索构建以系统科学为基础的智慧学习体系。研究聚焦于主体性能力培养、情境构建、智能技术应用、任务驱动实践以及精准评价，以此作为智慧学习模型构建的学理基础。

（二）智慧学习模型的关键要素

在高职教育中，职业技能与素养的培养显得尤为重要，需要通过实际情境中的實践活动来完成。这一过程依赖于专业课程学习路网的动态调整，以适应企业的发展需求，优化学生的职业能力培养。此外，基于学生职业能力画像的个性化学习路径提供了提升职业能力的条件［11］。高职院校智慧学习模型的构建，旨在通过将专业课程学习路网与学习者画像相结合，为学生提供有效的学习支持，以实现职业能力的提升。这一模型依赖于大数据，包括学习路径规划、资源库、学习引擎、网络学习空间等多个组成部分，通过对学习者数据的分析，实时更新职业能力画像，从而为学习者提供精准、个性化的学习路径。智慧学习模型总体结构如图1所示。

职业院校智慧学习模式，通过其专业的课程学习网络，为学习者提供优质的教育资源和高效的实践平台。智能学习引擎提供一体化的教学管理，在线学习空间则提供由学校和企业合作营造的协作学习环境。此外，学习者档案根据职业能力评估提供个性化见解。

（三）模型构建的实践策略

职业院校的专业课程学习网络，在学生教育过程中采集数据并创建档案，包括课前准备、课堂活动、课后复习和实践实习，从而实现对学习成果的实时跟踪，包括知识获取、实际应用、基于项目的培训、企业实习和创新活动的数据收集和分析［12］。根据分析结果，该网络提供量身定制的学习途径，以系统地提高学生的职业能力。智慧学习模型的实践运行流程如图2所示。

以职业能力为导向的智慧学习模式的运作涉及一个协作过程，学习者、教育者、教育管理者和企业在模式框架内进行互动，通过智慧学习提高学习者的职业技能。本研究建议建立健全的运作机制，以促进学生、教师、管理人员、学校和企业之间的共生和谐关系。这种智慧学习模式的关键机制包括协同创新、联合管理、沟通协调、课程开发和基于信任的激励。

（四）案例研究与分析

为评估面向职业能力的职业院校智慧学习模型的有效性，本研究对该智慧学习模型的应用进行了验证。需要对应用验证进行研究设计，旨在通过教育实验测试本研究开发的以职业能力为导向的智慧学习模型。在实验之前，根据具体的研究问题提出了五个研究假设，以评估其实际效用。数据来自广西、江苏、湖北的4所不同职业院校的计算机应用技术专业二年级学生，每所职业院校抽取2个班级，其中一个班级作为实验组，另一个班级作为对照组。实验组在智慧学习模式下进行教学，而对照组则采用传统教学方法。利用华为云平台支撑智慧学习环境，通过数据应用验证了模型的有效性，分析了学习行为与职业能力提升的关系。根据企业动态需求和学生个性化学习需求，对模型进行调整优化，包括个性化课程学习、基于真实环境的虚拟实验、定制化评估、学习报告、职业能力画像等，支持学生个性化学习。经过长达一年的应用实验，对学生职业能力、基本职业素质和专业发展潜力进行了分析，对实验组和对照组进行了比较，以验证研究假设。进一步考察了以职业能力为导向的智慧学习模型如何增强学生的能力，并分析其效果和影响因素，特别是研究了智慧学习系统内的学习行为及其与职业培训的相关性，从而评估智慧学习模型在提高学生职业能力方面的内在联系。

为了使课程的教学模块和实验部分与职业能力保持一致，基于这些能力制订教学目标。根据课时和重要性为每个教学模块分配一个值，从而创建一组评估标准。根据这些标准，最终平均分由两个班级的常规成绩、期末考试成绩和整体质量评估确定。智慧学习模式在职业院校的应用表明，三个地区实验组和对照组核心课程综合得分存在显著差异，差异比基础课程更为明显，具体如表1所示。

三、职业能力评估策略

（一）职业能力评估的理论基础

在高等职业教育领域，对职业能力的评估是教学改革和人才培养质量提升的重要基础。深入研究职业能力评估理论对确保教育与市场需求的对接具有至关重要的作用。从理论上讲，职业能力评估的核心目的在于精确描绘个体在专业技能和综合素养方面的现状，并对其潜在发展路径提供指导［13］。心理计量学在职业能力评估理论中扮演着基础角色。通过精心设计的评估工具和方法，心理计量学确保评估结果的可信度与效度，为后续教学改进和个人发展提供可靠的数据支持。例如，通过项目反应理论（IRT）和经典测试理论（CTT）等模型，可以更加精细地测量学生对特定职业技能的掌握程度。

教育评估理论则从教育过程的角度出发，关注评估活动如何促进学习者的知识内化和技能应用。此理论强调将评估结果反馈到教学设计中，以实现课程目标和教学策略的优化。此外，教育评估还强调形成性评价的重要性，即通过连续的、嵌入式的评估以促进学生的学习能力和自我调节能力的提升。能力成熟度模型则提供了评估职业能力多维度发展的框架。从新手到熟练工，再到专家，每一阶段的能力特征和发展需求都有明确的描述。这一模型有助于教育者根据学生当前的能力水平制订个性化的教学计划，同时也为学生自我发展提供了明确的目标和路径。

在实施层面，以职业能力为核心的评估系统通常包含多元化的评估工具和策略。从模拟职业场景的实操考核，到基于案例分析的思维能力测试，再到针对职业素养的全方位多源反馈评价，多种方法的结合有助于全面评估学生的职业能力。随着教育技术的发展，大数据和人工智能技术的应用为职业能力评估提供了新的可能。利用学习分析工具和数据挖掘技术，可以对大规模的学习数据进行分析，揭示学习行为与职业能力发展之间的深层关系［14］。这有助于提高评估的效率和准确性，也为个性化学习路径的设计提供了数据支持。

职业能力评估理论为高等职业教育提供了一个多维度、动态发展的评价框架。这一框架将传统教育评估与现代心理计量学、大数据分析等技术相结合，为学生职业发展和教育改革提供了科学的依据和工具。通过对这些理论和技术的深入研究和实践应用，可以更好地连接教育输出与社会需求，实现教育的最终目的。

通过对上述理论的应用，可以构建一个更加完善和动态的职业能力评估体系，这有利于学生职业发展的个性化指導，为教育决策者提供了重要的参考依据。同时，它也为职业教育的持续改进和社会服务能力的提升打下了坚实的基础。

（二）职业能力评估的实施与应用

在高等职业教育中实施和应用职业能力评估，首先需要建立一个全面的评估框架，这要求从学生的职业技能、知识理解、问题解决能力、创新思维和团队合作等多个维度进行考量。这个框架应基于行业需求和学术标准，确保评估标准既具有实际相关性，又具有学术严谨性。评估工具的设计需包括理论测试、案例分析、实操演练、团队项目等，以确保对学生职业能力的全面评估。

在数据收集与分析阶段，重要的是运用先进的数据分析方法（如统计分析和机器学习技术），以确保数据的准确性和深入解读。根据评估结果，教育者可以调整教学策略，针对学生的弱项提供个性化的辅导。此外，评估结果还应用于指导学生的职业发展，帮助他们正确看待自己的能力和兴趣，并规划未来的学习和职业路径。

职业能力评估的成功实施还需要考虑技术、伦理和文化多样性等因素。技术的使用应支持评估过程的高效性和准确性，而伦理考量可以确保评估过程的公平和透明。考虑文化多样性则有助于理解和尊重不同学生的背景和观点，使评估更加全面和公正。

总体而言，职业能力评估的实施与应用是一个多方面、跨学科的过程，需要综合运用教育学知识、心理学知识、数据科学知识和行业知识。通过科学严谨的评估，可以有效提升教育质量，促进学生的全面发展。

（三）职业能力评估的挑战与未来趋势

在高等职业教育中，职业能力评估的实施与应用是一个多维度、跨学科的复杂过程。首先，它要求精确地定义和测量职业能力，这包括了对学生的专业技能、知识掌握程度、创新能力、团队合作和问题解决能力的全面评价。这一过程不仅需要依赖传统的测试和考核方法，还需要整合现代的教育技术，如模拟实验、在线评估等。

其次，评估的实施需要注意到文化和个体差异的影响。评估方法和工具的设计必须考虑到学生的不同背景和学习习惯，以确保评估的公平性和有效性。此外，技术的使用，尤其是数据分析和人工智能在评估中的应用，虽然可以提高评估的效率和精确性，但是也带来了数据隐私和伦理问题。

评估结果的应用同样重要。它们不仅可以作为改进教学策略的依据，而且可以指导学生的个人发展和职业规划［15］。因此，评估的实施与应用需要教育者、评估专家和技术人员之间的紧密合作，以确保评估工具的科学性和实用性，并有效地应用评估结果来提升教育质量和学生职业能力。

总体而言，职业能力评估的实施与应用是一个不断适应和发展的过程。它需要不断地反思和调整，以适应教育和社会的变化，最终实现提高教育質量和学生职业能力的目标。

四、结论与建议

本研究在经济转型和产业变革背景下，深入探讨了高职教育中学生职业核心素养培养的现状及其面临的挑战。研究显示，在高职教育中存在培养学生职业核心素养目标达成度不理想、课程体系不完善以及教学方法偏向技能培养等问题。为此，提出了基于协同理论的解决策略，包括建立外部支持系统和内部培养系统，以促进学生职业素养的全面发展。此外，本研究还探索了高职院校中构建智慧学习模型的方法，旨在实时精准地评估学生职业能力并优化能力培养过程。这种方法有助于学生全面提升职业能力。

展望未来，研究应进一步扩展至不同类型和规模的高职院校，以及不同背景和专业的学生群体，以增强研究的代表性和增加研究的深度。此外，智慧学习模型的构建和应用需要进一步细化和优化，以适应不断变化的教育需求和技术发展。希望通过不断探索和实践，为高职教育提供更为精准和有效的职业核心素养培养方法，使高职人才更好地适应社会和产业的发展需求。

参考文献

［1］顾建军.高素质技术技能人才培养的现代意蕴与职业教育调适［J］.国家教育行政学院学报，2021（5）：20-25+32.

［2］田琳双，唐智彬.论职业核心素养取向的职业教育教学项目开发［J］.当代职业教育，2021（2）：98-104.

［3］王敏.专业教学标准视域下高职学生职业核心素养模型构建及培育路径：基于对347个高等职业学校专业教学标准样本的分析［J］.职业技术教育，2021，42（11）：52-68.

［4］詹青龙，杨梦佳，郭桂英.CIT：一种智慧学习环境的设计范式［J］.中国电化教育，2016（6）：49-57.

［5］黄正夫.基于协同创新的全日制教育硕士培养模式研究［D］.重庆：西南大学，2014.

［6］于方，刘延申，郝明睿，等.基于多源履职数据的大学院系画像构建与应用［J］.现代教育技术，2021，31（6）：119-126.

［7］蒋昌猛，冯筠，孙霞，等.基于知识点层次图的个性化习题推荐算法［J］.计算机工程与应用，2018，54（10）：229-235.

［8］刘三女牙，郭美伶，胡天慧，等.不同关系定义下在线交互网络特点及其与学习绩效关系：以SPOC论坛为例［J］.开放教育研究，2020，26（3）：80-90.

［9］Papamitsiou Z，Pappas I O，Sharma K，et al.Utilizing multimodal data through fsQCA to explain engagement in adaptive learning［J］.IEEE transactions on learning technologies，2020，13（4）：689-703.

［10］Shen Z，Cui P，Liu J，et al.Stable Learning via Differentiated Variable Decorrelation［C］.The 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining（KDD）.ACM，2020：2185-2193.

［11］Wan S S，Niu Z D.A hybrid e-learning recommendation approach based on learners influence propagation［J］.IEEE Transactions on Knowledge and Data Engineering，2020，32（5）：827-840.

［12］唐烨伟，李施，彭芸.教师信息技术应用能力测评：基于教学数据流的课堂事理图谱［J］.开放教育研究，2021，27（3）：85-95.

［13］唐烨伟，赵一婷，陆淑婉，等.基于教学行为的教师信息技术应用能力测评事理图谱研究：以2017—2019年中小学展示与培训活动优质课为例［J］.远程教育杂志，2020，38（5）：90-100.

［14］Esteban A，Zafra A，Romero C. Helping university students to choose elective courses by using a hybrid multicriteria recommendation system with genetic optimization［J］.Knowledge-Based Systems，2020，194（12）.

［15］李葆萍，江绍祥，江丰光，等.智慧学习环境的研究现状和趋势：近十年国际期刊论文的内容分析［J］.开放教育研究，2014（5）：111-119.

注：本文系2023年度广西职业教育教学改革研究项目“产教融合视域下高职学生职业核心素养培养策略研究”（项目编号：GXGZJG2023B032，主持人：陈茜）、2023年度广西工商职业技术学院院级项目“产教融合视域下高职学生职业核心素养培养策略研究”（项目编号：XY2023ZD03，主持人：陈茜）的研究成果。

（责编 雷 靖）