基于大数据驱动的高职专业认证研究

作者简介：石汉卿（2001—），男，湖南农业大学教育学院2022级硕士研究生，研究方向为高等职业教育研究；郭丽君（1975—），女，湖南农业大学教育学院院长，湖南省高职专业认证委员会秘书长，教授，研究方向为高等职业教育研究。

基金项目：2022年度国家社科基金（教育学）一般项目“智能时代大学教学生态系统研究”（编号：BIA220062）；湖南省研究生科研创新项目“湖南省高职专业认证的质量保障体系研究”（编号：CX20230680）

摘要：高职专业认证事关高职教育的高质量发展全局，是助推职业教育内涵式发展的重要抓手。大数据技术中的多源数据融合技术、智能推荐算法技术、数据计算技术与高职专业认证的数据获取、体系完善、结果反馈及应用具有极大的联系性，满足高职专业认证客观化、精准化和科学化发展的现实需要。但大数据技术驱动高职专业认证可能引发伦理性问题、主体性困境和失真性风险三大问题。为此，应建立智能认证规章制度，规范认证行为；多元创新专业认证观念，校正认证方向；增强技术赋能的适切性，提升认证效能。

关键词：高职专业认证；大数据技术；认证效度；技术限度；伦理性风险

中图分类号：G710    文献标识码：A    文章编号：1672-5727（2024）05-0038-07

2020年9月，教育部等九部门印发《职业教育提质培优行动计划（2020—2023年）》，提出要“探索高职专业认证”。2020年10月，中共中央、国务院印发《深化新时代教育评价改革总体方案》，提出要“创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价”“充分利用信息技术，提高教育评价的科学性、专业性、客观性”。这些政策文件为高职专业认证指明了发展方向。

高职专业认证是对高等职业教育实行内、外部质量保障的重要手段[1]。高职专业认证事关高职教育高质量发展和高素质技术技能人才培养，是一项现实且艰巨的任务[2]。利用大数据技术革新发展高职专业认证过程和方法，赋能高职专业认证数字化转型是大数据时代背景下解决这一难题的必然选择。

一、大数据驱动高职专业认证智能化的必要性

大数据技术是一种处理海量数据、提取有价值信息的先进技术。目前，大数据技术被广泛运用于教育领域，多源数据融合、智能推荐算法和数据管理等技术在高职专业认证中得到了普遍应用。

（一）多源数据融合技术驱动认证内容客观化

高职专业认证内容的核心在于“认证什么”。高职专业认证既要坚持“形意并存”的内涵式评价，对学生发展、制度建设、师资建设、条件保障、教学实施过程等实际办学情况进行评估认证，也要始终秉持“以学生为中心”的理念，深入评估学生的技术技能水平、思想政治素质、职业道德素养。此类内容的数据体量、数据类型和数据来源的质和量很大程度上决定了高职专业认证内容的真实性和客观性。但受制于学生思想类、素质类和精神类数据难以收集和量化，已有高职专业认证在评估此类数据时存在较大的主观判断性问题。如何利用大数据技术中的多源数据融合技术有效提升专业认证内容的客观性，是建立共识性高职专业认证体系面临的一大挑战。

多源数据融合技术是新型大数据技术中的关键组成部分，致力于整合不同来源、格式和类型的数据，以创造更全面、准确的信息视图[3]。多源数据融合技术能够处理异构数据，保证数据质量和一致性的问题，将散乱的信息整合成统一的、连贯的数据集。多源数据融合技术能够帮助高职专业认证实现空间维度上的全面性和时间维度上的连续性。

一是在空间维度上，多源数据融合技术能够突破时空的限制，全面开展“线上+线下”全景式评估认证。首先，在线下场域，基于传感器技术、计算机视觉、生物识别技术等人工智能感知技术收集学生的学习和生活类数据；其次，在线上场域，借助自然语言处理，使计算机理解学生的网络社交共性特征和个性特点；最后，通过多源数据融合技术，整合学生在学习生活、社交媒体等方面的数据，建立综合性的学生信息档案，以深入挖掘学生的学习表现、社交行为、实践活动等多方面信息，驱动高职专业认证实现认证内容的全方面、多维度和立体化。

二是在时间维度上，多源数据融合技术的作用体现在认证主体能够借助数据采集平台和数据获取技术考察学生成长发展的过程。一方面，建立纵向追踪的数据库系统，实现对过程性数据的收集、存储、整理和分析。同时，结合大数据分析、机器学习等方法，实时监测学生在在线学习平台上的学习行为，包括浏览历史、学习参与度、作业完成度等。另一方面，利用传感器技术持续监测学生的生理指标、行为模式，利用社交网络分析等手段深入了解学生在学习、生活和社交方面的发展。总之，多源数据融合技术能够通过数据集成的方式实现数据采集由离散转为连续，更好地揭示学生发展的模式、趋势，实现专业认证的“过程性评价”，同时也有助于专业内部的精细化管理和持续性、内涵式建设。

（二）智能推荐算法技术驱动认证反馈精准化

高职专业认证结果反馈是将认证中发现的不足及改进意见等反馈至政府部门、学校、企业等相关主体，这对科学调整和改善专业办学方式、提升专业办学质量具有重要意义。实现认证反馈的精准化，将认证结果及相关诊断报告以直观的方式精准推送至各相关主体，发挥高职专业认证的“持续改进”功能，是符合新时代教育评价改革要义，突破“有形无实”性评价问题的关键抓手。

大数据技术中的智能推荐算法技术是一种基于先进算法的个性化推荐系统，通过分析用户行为和偏好，精准地为用户提供定制化的信息和服务[4]。具体而言，推荐算法主要是通过机器学习、深度学习等算法，自动学习和优化模型，更准确地预测用户的兴趣和需求，为用户呈现个性化的推荐内容。在此项技术的驱动之下，高职专业认证反馈将更加精准化，主要体现在反馈形式、内容和时间三方面。

首先，大数据技术的智能推荐算法驱动高职专业认证反馈形式可视化。借助文本可视化、网络可视化等技术，将反馈结果以气泡图、漏斗图、散点矩阵图等直观的方式呈现给相关主体，并进行充分的解释。这既突出了反馈的关键信息，又降低了数据解读的难度，同时，增强了数据的“用户化”程度，更好地帮助相关主体直观易懂地了解专业办学实际情况，明确改进方向。

其次，大数据技术的智能推荐算法驱动高职专业认证反馈内容个性化。高职专业认证涉及多个主体，他们对认证结果的需求往往不尽相同。政府欲凭借反馈结果调整资源拨付，产业界欲将反馈结果作为招聘标准，学校欲基于反馈结果进行专业的持续改进，学生欲将反馈结果作为专业选择的重要参考等。大数据技术能够针对不同主体的需求，通过虚拟语音识别、图像识别、计算机视觉、自适应系统和脑机接口技术等，为其提供更具个性化的反馈内容。一方面，可以通过个性化数据分析、智能助手、实时反馈机制等创新性方法，提供定制化的认证反馈结果；另一方面，利用情感计算技术辅助采集学生的情感体验，增强反馈的现实性。

最后，大数据技术的智能推荐算法驱动高职专业认证反馈时间的持续性。高职专业认证的持续改进理念要求认证反馈理应贯穿专业教育教学活动始终。从时间向度来看，高职专业认证反馈既包括过程性的及时反馈，也应包括诊断性的结果反馈。现有高职专业认证试点的认证反馈通常是在一个认证活动结束后。此种反馈方式在时间上具有极大的滞后性，难以及时有效地诊改专业办学过程中存在的突发性危机和问题。未来应充分借助大数据技术中的智能交互技术，通过数据持续互动维持对专业办学实际的持续评估认证，同时调用智能推荐算法将评估认证结果输送至各相关主体，以促进专业认证反馈实现专业办学“评教改”在时间上的同步。

（三）数据计算技术驱动专业认证体系科学化

运用数据融合技术获取的专业办学质量数据往往结构松散、信息价值性低，必须建立基于大数据智能计算技术的高职专业认证体系，在大体量数据中检索有效信息，对高职教育教学活动的关键属性和核心要素进行定量分析。未来，大数据计算技术将在认证指标体系的优化设计、权重确立和模型优化等三个方面发挥关键作用。

首先，大数据计算技术驱动高职专业认证指标体系科学化。一方面，大数据计算技术驱动专业认证指标与政策要求相统一。如运用分布式离线计算框架、分布式内存计算框架等大数据计算技术和机器学习、数据挖掘等大数据挖掘技术，从职业教育相关政策法规等文件中挖掘有关高职专业认证的核心要素，以此指导高职专业认证指标体系的设计，确保专业认证与职业教育制度顶层设计价值追求的一致性。运用基于高职教育质量评价、工程专业认证、师范认证等领域研究成果构建的专家系统，对专业办学核心内容进行构建，明确专业认证核心指标体系与高职教育数据的“对象关系映射”，确保高职专业认证核心指标体系和教育实践的一致性。另一方面，大数据技术驱动专业认证指标体系精简性。多源数据融合技术实现了认证数据获取的全方位、全过程和多空间性，而构建高职专业认证指标体系需要对这类数据进一步精细加工。与传统专家筛选评价指标的方法相比，计算引擎、Hadoop生态系统、开源流处理技术等大数据计算技术具有高自动化、大批量处理、多源数据收集等优势，能对原始认证数据进行集成、联结、表征和整合，筛选并设计出具有真实性和强解释力的认证指标。

其次，大数据计算技术驱动高职专业认证指标体系赋权准确化。现有高职专业认证较多沿用已有高职教育质量评价指标权重赋值方法，如层次分析法、主成分分析法、德菲尔法[5]。而在面对大规模数据时，这些方法可能面临指数爆炸、非线性关系计算能力差、寻找最优解动态调整技术薄弱等难题。但大数据计算技术的深度学习能力和数据分析能力能够在极大程度上攻克此类难题。

再次，大数据计算技术驱动高职专业认证指标体系持续验证与优化。体系验证与优化是通过机器学习检测认证指标在新数据上的“性能表现”，从而灵活调整指标体系的各项参数，以提高其准确性和容纳性。我国职业教育具有复杂性特征，要求高职专业认证指标体系能做到持续验证、优化与改进。传统的评价模型验证和优化方法存在诸多限制，如小样本数据验证的数据偏差、专家验证的主观性偏向、实际运行的高成本等问题。大数据计算技术在一定程度上能够克服以上限制，从而持续不断地优化高职专业认证指标体系。辟如，引入贝叶斯优化、遗传算法等自动调参工具和算法，能更高效地搜索超参数空间，优化认证指标体系的模型性能；使用分层交叉验证技术，将数据集分成多个子集用于训练和验证，能提高认证指标体系的泛化能力。

二、大数据驱动高职专业认证智能化的现实困境

当前，大数据技术在数据的一致性、真实性和批量获取能力，以及算法的深层解释能力、自我强化和算法可见度等方面面临着一定程度的技术困境[6]，导致大数据技术赋能驱动高职专业认证可能存在伦理性问题、主体性困境和失真性风险。

（一）认证过程中的伦理性问题

1.个人隐私问题

在运用大数据技术驱动高职专业认证的过程中，教师和学生的个人信息数据极有可能流入公共空间[7]。换言之，大数据技术赋予高职专业认证数据获取更便捷、数据存储更稳定、数据分析计算更科学等优势的同时，也大大增加了个人信息泄露的风险。理论上，在开展高职专业认证过程中，对学生成长类数据进行跟踪和获取是建立在学生已知情并同意的基础上的。实际上，传感器技术、计算机视觉、生物识别技术等人工智能感知技术获取数据常常是“无感化”的，学生的个人信息数据容易变得“无私”。即使采用匿名方式抓取这类数据并进行模糊化处理，新型大数据智能计算技术仍能够将这些数据和历史数据进行“基因重组”，并精准定位到学生个人，导致其个人隐私被重新显露。当前，缺乏对智能技术参与高职专业认证的制度规范，如若任由人工智能不恰当地使用、存储或分享学生的成长数据，可能会造成对学生个人隐私权的侵犯，从而引发伦理性问题。