“学的用不上,用的没学到”,这是职业教育供给与产业变革需求之间的真实落差。AI技术正在试图打破这一长期困局。
近期,广东技术师范大学与华为联合发布“师融百工V1.0——职业院校改革与教师发展的智能平台”。如今,试点学校的职校教师打开平台,系统就能将一份新鲜的专业能力画像送到眼前——哪些技能已过时、哪些能力需补充、哪些课程要重构,一目了然。
看似简单的程序,需要持续采集产业岗位数据,不断监测职业需求动态,才能及时辅助调整职业教育的培养方案,提升产教融合的质量。这也是AI驱动教育教学范式变革的一个地方探索。
教育部等五部门发布的《“人工智能+教育”行动计划》明确提出,到2030年构建人工智能全学段教育和全社会通识教育体系,推动教育教学模式、科研范式、治理模式实现系统性变革。在此背景下,广东职业教育正在迎来一场“数据支撑、动态诊断、系统赋能”的新改革。
图片来源:IC photo专业是人才培养的基本单元。随着新技术、新产业、新业态、新模式不断涌现,包括职业院校在内,全国高校同步进行着新一轮专业“大洗牌”。
今年7月,教育部组织完成2026年《职业教育专业目录》专业增补工作,共计增补27个职业教育本专科专业。拉到更长的时间维度看,自2021年新版职业教育专业目录发布以来,教育部先后累计增补专业169个,增量占专业目录总量的11%,力度空前。
专业设置只是“前菜”,完善专业教学标准和人才培养方案,做好专业建设更为关键。
一般来说,新产业领域的人才培养周期为3至4年,与前沿产业快速迭代的节奏存在时间剪刀差。如何弥补这个差距?“师融百工”应用平台探索出动态调整的解法。
广东技术师范大学原副校长许玲告诉记者,该平台持续监测反映产业动态变化的指标,包括岗位需求数量及增减趋势、核心能力权重变化、新增能力和衰减能力、区域需求变化等,结合学校现有课程对这些岗位能力的覆盖情况进行“诊断”。
以软件技术专业为例,技术日新月异,许多教材却还停滞不前。当学校把培养方案和课程标准“喂”给“师融百工”平台后,平台先拿市场岗位需求把脉——软件开发、测试等岗位不再只要求会写代码,而是转向前后端协同、自动化测试、持续集成、Git协作、高并发架构等复合工程能力。
平台再对照现有课程“过筛子”“开方子”,提示学校要围绕真实的软件开发工作过程,对程序设计、前端开发、软件测试、版本管理、持续集成和项目交付等内容重新进行课程间的能力分工与实践任务设计,把原来分散在不同课程中的知识点,重构为面向完整软件工程任务的培养链条,从而辅助教学改革。
“从平台的使用成效来看,目前最明显的变化并不是简单地多开了几门课,而是学校开始能够比较具体地回答三个问题:产业到底发生了什么变化,人才培养与这种变化之间有什么差距,下一步应该优先改哪里。”许玲说。这实际上是职业教育治理方式的一次深刻转型。
过去,专业建设更多依靠专家判断、学校经验和历史积累,这在产业变化相对稳定的时代是有效的。进入人工智能时代,产业岗位、技术体系和职业能力快速演化,单纯靠经验已经很难支撑专业建设的动态调整。
“师融百工”平台建立在广东技术师范大学正在探索构建的职业需求数据科学(Occupational Demand Data Science,ODDS)基础之上,研究如何从多源职业需求证据中发现、识别和解释职业需求,并持续观察职业需求、职业能力及其动态演化。
既然数据是核心,平台汇聚了产业岗位、职业标准和院校课程等多源数据,如何确保能真实反映产业人才需求?
许玲介绍,当前公开招聘信息是平台观察现实职业需求变化的重要数据来源之一。同时,平台还逐步汇聚职业标准、专业教学标准、产业政策和院校人才培养方案等多源数据。学校建立了一套职业需求数据治理体系,数据进入平台后,不是直接使用,而是需要经过数据清洗、去重治理、专业匹配、岗位识别、能力抽取、动态更新等一系列处理。
在上述数据基础上,平台形成了职教知识模型、智能诊断模型和智能体应用体系,对应解决“认识世界”“发现问题”“如何行动”层面的议题。截至目前,平台已经构建覆盖我国高等职业教育19个专业大类、97个专业类、771个专业的基础专业知识模型,并在此基础上持续接入产业岗位数据,逐步形成面向不同专业的职业需求分析和智能诊断能力。
总体而言,“师融百工”平台的创新之处在于,它能持续感知产业变化,理解职业发展规律,把产业数据转译成职业教育能够使用的改革语言,辅助学校优化专业、课程和教师发展。最终形成“产业需求变化—人才培养调整—教育质量提升”的动态闭环。
许玲认为,职业教育进入数据驱动的治理阶段,并不意味着用数据替代专家,而是用数据增强专家判断,让专家拥有更加全面、及时和客观的决策依据。未来的专业建设,将越来越体现为专家经验、数据证据与人工智能的协同。
职业教育与地方产业紧密耦合。广东产业结构侧重先进制造和新一代信息技术,其他省份可能更关注新能源、现代农业或文旅产业。据悉,“师融百工”采取“基础模型全国统一、产业数据区域适配”的策略,目前已在省内启动试点,并探索向其他省份推广,希望形成国家职业教育数字化转型的区域实践样本。