人工智能赋能职业启蒙教育：技术逻辑与行动路径

摘 要 基础教育阶段的职业启蒙教育是国家职业教育体系系统性构建的重要一环，形塑着学生的职业观、劳动观和价值观。职业世界正朝向智能化转变，但当前的职业启蒙教育范式难以追赶快速更迭的职业世界，致使职业启蒙教育普遍存在智能化程度不足、数据生态运作效能低、协同过滤推荐系统缺失、整体性治理系统观缺位等问题。人工智能具有赋能中小学职业启蒙教育的技术条件，可从构建职业启蒙教育整体智治格局、职业启蒙内容算法推荐、职业启蒙教育的制度设计、嵌入职业启蒙教育全过程、建制多源数据整合平台等维度，重塑符合智能时代发展需求的高质量职业启蒙教育体系。

关键词 人工智能；职业启蒙教育；职业教育体系；技术逻辑；行动框架

中图分类号 G637.3 文献标识码 A 文章编号 1008-3219（2024）01-0011-08

一、问题的提出

职业启蒙教育是我国建构现代化职业教育体系的基础环节，也是国家实施人才强国战略的固本之举。职业启蒙教育是引导青少年群体提升职业认知、探索职业世界和发展职业兴趣的重要途径，能帮助学习者增加对不同类型职业的认识，掌握与职业有关的知识和基础技能，合理定位和选择适合的职业，形成正确的职业态度，最终培养具有正确价值观和职业观的全面发展的人[1]。近年来，构建高质量职业启蒙教育体系已逐渐成为教育政策的关注焦点。2021年10月，中共中央办公厅、国务院办公厅发布《关于推动现代职业教育高质量发展的意见》（简称《意见》），强调要加强各学段普通教育与职业教育渗透融通，激发基础教育阶段学生探索职业兴趣、陶养职业规划意识和初阶感知真实职业世界，真正实现技能教育从孩童时期抓起[2]。同时，《意见》也指出要推动信息技术与教育教学变革的深度融合，全面提升职业启蒙教育质量。在国家全面建设技能型社会的战略背景下，利用现代信息技术强化基础教育阶段的职业启蒙教育，可以帮助学习者为职业生涯做好充分准备，以适应不断更迭的外部工作环境和职业世界，从而提升我国劳动力的整体素质。

2022年5月新修订施行的《中华人民共和国职业教育法》第十九条指出，县级以上人民政府教育行政部门应当鼓励和支持普通中学、普通高等学校，根据实际需要增加职业教育相关教学内容，进行职业启蒙、职业认知、职业体验[3]。这为职业启蒙教育的实施奠定了法律基础，建构了职业启蒙教育的多元主体治理结构。高校、职业院校和中小学是实施职业启蒙教育的核心主体，且其功能定位各不相同：高校和职业院校重在强化学生的职业生涯规划能力，中小学则重在通过职业体验和职业活动提升学生职业认知和发展职业兴趣。其他共生主体还包括教育行政主管部门、职业培训组织、行业和企事业单位、社区、家庭等，共同赋能我国现代化职业启蒙教育体系建设。然而在实践场域中，职业启蒙教育治理还存在主体职能划分不清、联结程度不足、外部适应性弱化、资源孤岛和数据壁垒现象严重等问题，特别是职业院校与中小学、中小学与企业、中小学与社区及家庭间的交互浅表化和形式化问题较为突出，从而导致职业启蒙教育脱嵌于真实职业世界和技术场景，难以满足新时代与新技术背景对高质量职业启蒙教育的要求。

当前，人工智能技术与传统产业的深度融合加速了职业格局与职业形态的改变，传统职业朝向智能化转变，新兴职业也对智能素养提出了更高要求。面对人工智能对产业和职业的冲击，基础教育阶段的职业启蒙教育也经受较大挑战：职业启蒙教育模式存在严重时滞性，未能根据智能时代职业世界的真实样态重塑职业启蒙教育体系；职业启蒙教育资源的开发与挖掘也存在粗放性，大量有教育价值的职业启蒙教育场景、数据及物质资源在职业启蒙教育治理过程中无法得到合理利用；职业启蒙教育技术手段难以适应智慧校园建设需求，对职业启蒙教育过程数据的采集、问题的诊断等主要还依赖传统的手动记录和经验描述，未能发挥人工智能等新兴技术在提升职业启蒙教育效能方面的价值[4]。

随着人工智能技术的广泛应用，这一核心技术正深刻地改变着职业格局，同时也有望解决职业启蒙教育领域所面临的多重挑战，基础教育阶段的职业启蒙教育变革需要回应外部环境和技术更迭的现实需求。一方面，人工智能技术的赋能使得职业启蒙教育在回应职业形态更迭和职业技术知识传播方面更为及时、高效和精确，从而有望满足不同学生的个性化发展需求[5]。另一方面，借助新一代信息技术、数据和算法的融合应用与整合重组，可以推动基础教育阶段职业启蒙教育从传统教育向整体数智化转向，实现职业启蒙教育资源的数字整合与数字供应，推动我国职业启蒙教育体系数智治理范式的建构与应用。对于职业启蒙教育对象而言，国家“职业启蒙教育智慧大脑”的建构和学校层面“职业启蒙教育校本大数据平台”的融合应用，可以打破过往职业启蒙教育体系孤立而治的治理格局，可为智能化评估学生的职业兴趣和职业倾向、为学生职业兴趣的发展提供个性化指导、有针对性推送职业启蒙教育资源、精准化匹配职业启蒙教育场景等方面赋能[6]。

人工智能与职业启蒙教育具有高度的融合价值，智能时代基础教育阶段的职业启蒙教育有必要回应转型过程中产生的三个核心问题：其一，人工智能何以赋能职业启蒙教育，传统的学校职业启蒙教育转向智能技术赋能下的职业启蒙教育的技术逻辑是什么？其二，何种因素阻碍了传统职业启蒙教育范式的效能发挥，智能时代基础教育阶段职业启蒙教育变革的现实阻梗有何表征？其三，如何发挥人工智能核心技术的优势，整体性重塑学校职业启蒙教育体系并设计具体的行动路径。

二、人工智能赋能职业启蒙教育的四重技术逻辑

随着人工智能在教育领域和各产业的深度融合应用，智能技术在推进国家建构现代化职业教育启蒙治理体系的进程中日益发挥着重大作用，并成为驱动传统职业启蒙教育向现代化职业启蒙教育体系转型的关键技术支撑[7]。人工智能的深度赋能强化了国家职业启蒙教育体系重塑的技术特征，但智能技术赋能职业启蒙教育并非现代信息技术与教育的生硬融合，而是遵循着多重技术逻辑。

（一）智能融合逻辑：人工智能赋能职业启蒙教育迈向整体性治理

人工智能利用其自动化机器学习、自然语言处理、强化学习、自动规划和决策等关键技术，将国家职业启蒙教育中的不同信息源、不同数据模型、不同决策模型进行智能化融合，可以推动职业启蒙教育从传统碎片化管理迈向数字化的整体性治理[8]。

第一，分布式计算下的整体关联。基础教育阶段的职业启蒙教育过程是一个涵盖社会教育、学校教育和家庭教育的整体性建构过程。首先，大数据分布式计算与处理、机器学习算法等可以建构“家—校—社”的整体联结，助力教育系统建立起产业发展和职业市场的需求预测机制，便于学校及时调整职业启蒙教育内容，并将相关内容个性化推送给学生和家长，为学生规划具有针对性的职业启蒙体验学习方案[9]。其次，分布式算法、自动化协同融合技术还可以赋能校际联结，整合多学科课程平台与职业启蒙实践项目，整体性建构基于智能融合技术的“校本职业启蒙教育智慧大脑”，推动学科教师、职业启蒙导师、家长和企业中的职业启蒙实践基地间的深度联动与整合，打造具有中国特色的现代化职业启蒙教育体系。

第二，智能决策场景化提升教育决策效能。智能教育决策支持系统、数据挖掘技术等为职业启蒙教育政策制定、教育资源配置、场景选择提供及时性数据支持和提升决策效率。首先，基于数据智能决策系统可以将社会新职业形态、职业劳动真实场景、职业启蒙教育教学活动场景、学生职业体验场景等多重场景指标加以识别和融合，为职业启蒙教育政策制定提供深入而全面的数据依据。其次，智能决策系统可以监测与分析各类数据源，能够高速识别职业启蒙教育过程中存在的难点问题和潜在威胁，帮助学校和教师规避不利于学生职业兴趣萌发和职业态度生成的实践场景，提升学校职业启蒙教育系统的适应性。

第三，算法嵌入赋能多元治理主体融合。职业启蒙教育的发展不仅与学校教育有密切关系，更涉及到企业、政府、社区、家庭等多元治理主体。算法的嵌入可以为多元主体在职业启蒙教育中的联动治理带来新机遇。首先，职业启蒙教育中的师生教学行为数据等，可利用不同算法实现模型整合，从而帮助各治理主体从职业启蒙教学情境中科学地分析其效果，使企业、政府、社区、学校、家庭在开展启蒙教育活动时，能精准掌握数据演化轨迹，瞬时反馈活动效果，促进多元治理主体建立更敏捷的沟通和协作机制，共同解决问题，实现因时因材施教。其次，在算法嵌入融合过程中，通过人工智能呈现出的协同共享性、技术融合性、智能化评价，可彰显职业启蒙教育的政治、经济、社会和个人发展的多元治理价值融合。如通过算法中的深度学习，可对基础教育阶段职业启蒙教学或管理中的在线行为表现、环境设置与资源供给等相关数据进行搜集与呈现，使职业启蒙教育宏观结构治理与微观过程治理在双向交互中发挥更好的作用[10]，实现职业启蒙教育回应社会需求和满足个体发展需要的多重关照。

（二）数据集成逻辑：人工智能赋能教育资源挖掘与教育决策

国家教育治理系统的智能化转向，赋予职业启蒙教育全新的内涵，数据集成治理范式下的职业启蒙教育，可以实现教育决策和教育个性化建议的自动生成，职业启蒙教育问题诊断、过程监督、数据解释等可以基于数据集成系统，动态提取诊断报告，从而盘活现有的教育数据和教育资源，提升职业启蒙教育决策效能。

1.智能数据集成赋能职业启蒙教育的数据采集

人工智能的数据集成技术可以整合不同来源与不同类型的数据，有助于师生做出更精准的预测和决策。其一，整合多源数据，提高数据质量。职业启蒙教育涉及行业动态、技能需求、课程设置等多个范畴。通过智能数据集成，可以将来自于用人单位、政府职能部门、招聘平台等领域的数据全面整合在一起，形成系统的数据资源[11]，为职业启蒙教育内容体系提供真实、及时、动态的职业场景数据。但不同来源的数据可能存在格式混乱、数据繁杂等问题，从而影响数据分析的准确性和可靠性。而通过智能数据集成，可以实现对数据进行归纳、去掉重复、反复检验等操作，使数据的质量和可靠性得到提高，从而将过去无法采集和利用的职业启蒙教育数据加以整合与分析，提升职业启蒙教育的科学性。其二，实时监测、分析，给予决策支持。通过智能数据集成，可以实时监测和分析各类数据的动态变化过程。通过对企业招聘岗位能力要求的迭代趋势分析，帮助职业启蒙教育体系设计者了解职业人才能力结构情况；通过对中小学校教育教学数据的动态监测，了解职业启蒙教育课程设置的合理性、有效性和匹配程度。利用校企两端数据匹配，可以生成面向不同职业定向、学习需求及性格特点学生的职业启蒙教育辅导方案。通过实时监测数据，可搜集更多过程性材料，了解学生职业启蒙学习的动态，可以构建模型对数据进行预测和分析，及时反馈信息、促进教学计划和完善教学方案，提升职业启蒙教育决策的精准性。

2.“云+脑+端”一体重塑职业启蒙教育数据资源共享平台

职业启蒙教育共享平台的作用在于方便供需双方资源配置，最终实现优质资源的整合。但是目前职业启蒙教育课程资源缺少共享平台，导致资源匮乏的偏远地区不易获得优质职业启蒙资源。再者，职业启蒙教育大数据领域普遍存在数据采集环境不智能、数据采集流程不清晰、数据缺乏深度应用等问题。针对上述情况，可通过技术、数据和算法的重组等推动职业启蒙教育走向智能化。如通过“云+脑+端”一体化产品布局，可实现数据间的互联互通，最大化保证数据的留存与聚合，让数据得以共享[12]。云数据指“云”、智慧大脑指“脑”、电脑与手机等智能移动设备指“端”，即“云+脑+端”模式。一是云中心能够通过策略测算，从复杂的数据中把关键知识推送到启蒙教学的前沿侧，为前端平台提供中等强度的实时场景模拟推演。二是通过智能化手段高质量分析数据，完成数据的融合应用，包括对学生学习情况分析、行为预测分析、综合测评等。

3.“无感化伴随式”赋能职业启蒙教育多维监测

当前，职业启蒙教育评价改革滞后于职业启蒙教育的发展，职业启蒙教育质量评价工具的智能转型程度不足，使职业启蒙教育评价反馈滞后；特别是缺乏科学的职业启蒙教育数据库，导致目前只能依据教师群体开展职业启蒙教育经验评价，难以从全国、区域和个体等多层面进行过程性和成长性的职业启蒙教育评价。利用“无感化伴随式”数据收集技术，能动态记录学生学习的过程性数据，解决职业启蒙教育过程中存在的数据追踪间断性问题，有助于教育者在决策过程中作出科学的判断，充分发挥职业启蒙教育教学数据的育人功能。一方面，“无感化伴随式”技术可以收集和整合来自不同渠道的数据，包括学生的学习数据、教育机构的教学数据、行业的人才需求数据以及就业渠道、招聘选拔数据等[13]。这些数据可以为教育决策提供有力的支持，帮助学校更好地了解学生需求和职业发展趋势，为决策提供了数据的参考。另一方面，通过“无感化技术”能实时监测学生在学习过程中的不同表现。如对学生习得职业情感、职业知识的程度、职业技能的熟练程度、学校的教学情况以及各行业的职业角色变化情况等开展实时监测，以帮助教育者在多维动态视角下监督与测评职业启蒙教育的全过程[14]。