校企共建合作育人线上智能创新平台构建研究

高婷婷

摘要：校企协同育人是目前高等职业院校进行人才培养最常见的形式。同时随着大数据技术的迅猛发展，大数据技术也被越来越广泛的应用到了校企共建合作模式中。为了解决企业招聘难、学生就业难的民生问题，给企业、学校和学生提供一个共享信息的平台，基于大数据技术构建了校企共建智能创新平台。该平台通过构建大数据平台，采集学生端和企业端的数据，进行校企双向推荐。济南工程职业技术学院利用智能创新平台进行了实践，实践表明该平台可以通过数据处理与数据分析，为毕业生推荐最匹配的就业岗位，优化专业课程建设，使学校的教学内容更贴合企业的需求，学校培养的学生能够胜任企业的工作岗位要求。

关键词：大数据技术;校企共建;专业课程建设;智能创新平台

中图分类号：G647.38   文献标识码：A

文章编号：1009-3044（2022）18-0083-03

开放科学（资源服务）标识码（OSID）：

为了更加贴合企业以及社会的需求，各个高校都开始积极探索和企业的合作模式。校企合作育人的模式对于毕业生的综合素质、工作能力的提升显示出了显著效果[1]。但是，仍然存在企业和高校毕业生信息不对等，学生遗漏企业招聘信息，企业无法获取学生信息等情况存在。

信息化时代，大数据产业的发展演进为这种情况提供了解决办法。通过调查发现目前，基于大数据的校企合作线上智能创新平台应用较少，现阶段的问题主要存在以下方面[2]。学校业务部门对数据的重视程度不够导致数据价值逐渐流失;学校内部数据不能与企业数据共享，导致大量数据失去价值，不能被充分挖掘，导致数据无法使用。基于此，本文研究的智能创新平台，意在给学校企业学生提供一个数据共享的平台，实现学校内部数据与企业数据的共享，防止数据价值的丢失。

1 基于大数据的智能创新平台的整体架构

根据图1可知，智能创新平台的整体的组织架构包括大数据平台构建、大数据的采集与存储、数据处理、数据分析、数据可视化[3]。大数据平台的构建是基于企业需求的基础上，企业需求通过教师企业调研、一线工程师指导、数据库获取等方式获取;平台的数据获取通过Sqoop技术实现，平台的数据存储HDFS技术实现，品台的数据处理通过Hive技术实现，数据处理引擎通过MapReduce技术实现，平台的数据挖掘分析通过Mahout技术实现[4]。在充分获取企业的需求的基础上，通过学校教务系统获取学生各门课程的成绩分别存储到HDFS和Hive中;对招聘岗位需求信息通过Python中的命令和方法去除脏数据，完成过滤和清洗;使用Mahout中的欧氏距离相似度算法实现岗位要求对应的技能点的聚类分析，并与学生课程成绩对应技能点的数据对比，岗位需求的技能点与学生课程成绩对应的技能点越接近，就是最匹配的岗位，从而提供精准的就业岗位推荐;为了直观的观察岗位需求与人才培养方案的匹配度，通过Excel、Echarts实现岗位需求的技能点与学生课程成绩对应的技能点的可视化展示，为专业课程建设提供了指引和方向。

2 平台的具体实现过程-以济南工程职业学院为例

2.1 了解企业需求

进一步探索人才培养的新模式、新机制，充分发挥校企双方的资源优势，并将着力培养适应社会需要的跨境电商、大数据运营、互联网金融、移动互联网等高端应用创新型人才，济南工程职业技术学院与山东网商教育科技集团、青岛晨之晖信息服务有限公司等签署校企合作协议。学校每学期组织教师进企业调研，通过现场勘查交流、问卷调查等方式了解企业的需求。企业选派优秀的一线工程师通过实训周的方式进学校与学生面对面交流，传达企业的需求定位;通过数据库获取各大招聘网站公开的招聘需求。

2.2 大数据平台的构建

主要实现Hadoop分布式集群的组建，对Ambari Server和Ambari Agent中的核心参数进行配置，实现集群主机、服务进程、配置文件等通过Ambari Web管理界面进行管理，為大数据的后期处理提供支持。

2.3 招聘信息与学生成绩数据采集与存储

在大数据平台构建完成之后，对学校端口和企业端口分别进行数据采集、挖掘和分析。数据采集主要完成的工作有确定网址、访问URL、获取响应、分析数据、保存数据几个过程，具体是通过Python软件实现的。具体实现过程为发送请求、获取响应、解析数据、保存到数据库，再进行下一次的请求，形成一个闭环的回路[5]。

其中企业端的数据采集工作，由具有招聘意向企业安排专门负责招聘工作的人员进行录入，学校安排专人审核，确保招聘信息的真实性以及时效性。对于学校端口的录入要更加复杂，不是传统的将学生的学业成绩进行简单的输入。为了能够使用人单位全面了解学生的成长轨迹，依靠本平台建立学生的学业全过程信息化记录平台，除了成绩，还将记录学生受到的奖惩情况、身心健康情况、道德素养、实践素养等方面的基本信息。记录人也不再局限于任课教师，而是加入了学生自评、小组互评等多元评价主体。平台的数据分析功能，能够通过数据挖掘、处理，最终得到每个学生的测评报告。企业通过平台接收到的将是学生的综合评价报告，既具备过程性评价又包括终结性评价，在很大程度上避免了传统的由成绩选人的弊端。

2.4 招聘岗位数据处理

获取招聘岗位的要求信息之后，这些信息不能直接用于文本聚类，因为同一岗位可能有多个不同的表达方式，不利于后期的文本聚类，因此应对数据中的岗位名称进行规范化处理，并且在岗位中抽取关键的技能点，便于后期推荐就业岗位。根据数据的特点使用MapReduce处理数据，MapReduce由Map和Reduce组成，用户只需实现map（）和reduce（）两个函数，即可实现分布式计算。MapReduce执行流程如图2所示。

MapReduce的执行步骤如下。第一，Map任务处理。①读取HDFS中的文件，每一行解析成一个，每一个键值对调用一次map函数。②覆盖map（），接收前面产生的，进行处理，转换为新的输出。③对新的进行分区，默认分为一个区。④对不同分区中的数据进行排序、分组。分组指将相同key的value放到一个集合中。第二，Reduce任务处理。①按照不同的分区，将多个map任务的输出数据通过网络复制到不同的reduce节点上。②对多个map的输出数据进行合并、排序，并覆盖reduce函数。③将reduce输出的写到HDFS中。

2.5 岗位和技能数据分析

使用MapReduce对数据清洗和预处理之后，为了实现岗位要求中对应的技能点与学生课程成绩中对应的技能点进行匹配，对Mahout算法库中算法的使用范围进行分析，并结合数据的特点，选择使用K-mean聚类算法对数据进行聚类处理。

K-means是一种非监督方法，也被称为K-均值聚类算法。设样本总数为m，样本集为[S=x1，x2，...xm].K-均值聚类算法对样本集分簇的个数是事先设定的，即K。设分簇集合表示为[C=c1，c2，...ck]，其中每个簇都是样本的集合。其核心思想：让每个样本点到本簇中心的距离更近一些;使每个样本点到本簇中心的距离的平方和尽量小就是K-means算法的优化目标。

聚类算法是对样本集按照相似性进行分簇，因此，聚类算法能够运行的前提是要有样本集以及能对样本之间相似性进行比较的方法。样本的相似性差异称为样本距离，相似性比较也称为距离度量。我们采用最常用的欧式距离相似度算法。设样本特征维数为n，第i个样本表示为[xi=x（1）i，x（2）i，...x（n）i]。样本点[xi]和[xj]的欧式距离定义为：

[L2xi，xj=l=1nxli-xlj22]

当采用欧式距离，簇中心的计算：

对于第i个簇[ci]，簇中心[ui=u1i，u2i，...uni]为簇内[ci]所有点的均值，簇中心[ui]第j个特征为：[u1i=1cix∈cicj]，其中，[ci]表示簇[ci]中样本的总数。

本文中聚类中心为招聘的岗位，数据集中的点为岗位所对应的技能点，在校生成绩对应的技能点与岗位对应的技能点最接近的就是最适合的岗位。

2.6 数据可视化

数据可视化是关于数据视觉表现形式的科学技术研究，它为大数据分析提供了一种更加直观的挖掘、分析与展示手段。数据可视化即将各种数据用图表的形式展示出来，给理解数据、诠释数据提供了便利，同时为发现数据所反映的实质提供了途径。本文中在就业岗位推荐中为了直观地发现数据的特点，使用ECharts技术实现数据的可视化。图3为使用ECharts实现的学历要求玫瑰图，从图中可以看出岗位对学历的要求，其中，本科74.21%，大专20.91%，本科大专学历占到整个需求的95.12%。

根据对学历要求的分析，岗位对专科生和本科生的需求量是比较大的，职业院校学生在选择就业的同时也可以考虑提升学历。结合工作经验的分析，就业学生应该在工作经验和学历中寻求平衡点，找到自己适合的发展方向。

除此之外，通过分析发现，对于高职类院校，企业在招聘时除了学业成绩更加看重学生的实践能力。这也给我们带来了一定的启示，在人才培养方案的制定时，不能一味地注重理论课程的讲授，要根据专业特点适当安排实训课程。为了提高学生的实践能力，定期举办和组织学生参加技能大赛，引导同学们学会科学定位自己的发展方向，通过对自身性格、兴趣、特长以及所处环境的客观、全面分析，充分认识自我、认清环境，积极应对社会就业形势变化，帮助同学们树立职业规划意识、竞争意识和危机意识，对同学们择业、就业具有积极的作用。

2.7 专业课程建设

根据岗位对学历的要求，制定教学计划，并组织实施，通过平台对实施过程中学生技能点的掌握及岗位匹配度进行检测，对出现预警的地方进行及时的改进，从而调整教学计划;对教学实施中遇到的问题及时诊断改进，并制定学生层面教师层面及企业层面不同的激励措施，增强学习的主动性和积极性，不断创新学习方法教学方法培养方法，从而有效改进育人的过程和成果。

2.8 應用成效

传统的校企合作由于没有建立统一的信息共享平台，导致校企双方存在信息差，校企合作模式没有深入进行。线上智能创新平台的应用在一定程度上加深了校企双方的合作交流。同时，学生利用线上智能创新平台可以第一时间获取相关企业的招聘信息，不必再四处搜集，既节省了时间，又避免了毕业季频发的学生面试被骗事件概论。企业也可以得到一手的学生信息，除了更简洁地找到适配人才以外，还可以保证学生简历的真实性。学校也可以通过可视化的数据平台，调整教学内容。因此，该线上智能创新平台的出现，给出了校企合作的新形式、新机制、新方向，是不断提升校企合作的办学层次，在合作中实现双赢的有益探索。

3 结语

本文以大数据技术为基础，研究了基于大数据技术构建校企共建创建平台，主要解决了企业招聘难，学生就业难的民生问题，给企业、学校和学生提供一个数据共享平台。智能创新平台在企业需求的调研基础上、完成了数据的采集、存储、处理、分析和可视化。能够实现根据学生的在校成绩、企业的找招聘岗位中要求的技能点进行K-mean聚类分析，通过给出最匹配的结果;使用ECharts图形化的数据分析展示岗位需求与人才培养方案的匹配度，为专业课程的诊改提供的方向和依据，有利于教学方法的改进、教学目标的优化，促进职业教育高速发展，为企业提供优质的生源，从而促进经济快速发展。

参考文献

[1] 刘娴，卞志勇.ICT产教融合实训平台建设的创新[J].科技视界，2021（16）：172-173.

[2] 邓健康，张辉.产教融合模式下应用型本科院校构建协同创新平台的实践研究[J].现代农村科技，2021（12）：88-90.

[3] 易群，曾勇刚.搭建产教融合育人平台，创新人才培养模式改革——以汽车制造与装配技术专业为例[J].时代汽车，2021（15）：50-51.

[4] 陈斌.职业院校产教融合科技创新平台的构建与实施[J].科技视界，2021（29）：186-187.

[5] 姚翠莉，卢湖川，刘一玮，等.人工智能创新创业育人实训平台建设研究与实践[J].实验室科学，2021，24（5）：182-185.

【通联编辑：朱宝贵】