一、概述

为实现习近平总书记提出的“双碳”目标与新型电力系统的构建，电力类高职院校需在校企合作、产教融合、岗课赛证一体化上着力，培养一批技能型与复合型的电力工匠，以保障电力系统安全稳定、供电服务优质可靠、实现可持续发展[1-2]。现阶段职业院校招生规模不断扩大、课程改革深入发展以及课程体系不断修缮，特别是在产教融合发展的大趋势之下，培养符合新型电力系统产业发展需要的工匠型人才的需求也在不断增加。为满足社会对于“电力工匠”的需求，需要高职院校基于校企合作、“岗课赛证”一体化建设并完善一套以学生用户画像为基础的，适用于专职教师、辅导员、教学管理人员等多角色共同参与、覆盖学生教育全周期的辅助评价系统框架与情景策略，以期能够多维度快速准确评价学生学习情况、反映专业课程结构设置情况与教培融合发展趋势的评价手段与方法。

二、“教育+就业”背景下高职电力类人才培养现状

结合国网湖南省电力有限公司“教育+就业”电力励志工程的实践，专业的发展与工匠类型人才的培养需要根植于电力行业与产业的发展与对人才的需求，以“面向产出”为导向[3],完善多主体协同、全过程投入的人才培养机制，使产出的人才不仅能够稳固支撑传统产业的持续发展与转型升级，又具备适应产业未来发展需求的能力与素质，为产业的长期稳健发展注入源源不断的动力。

(一)专业人才培养方案编制过程中的问题

在人才培养方案制订的过程中，最为核心的环节就是对接专业核心岗位的需求[4]。在确定专业核心岗位的需求分析时，容易出现下列几个问题：(1)访谈、调研等方法因调研持续时间较短，被访人员掌握信息程度、思维方式与职业教育差异等问题，导致访谈结果质量一般；(2)科学、合理的调查问卷设置难度大，很难同时兼顾广度与深度，问题设置的难易程度与数量直接影响到回收答卷的质量，数据收集的科学性与真实性无法保障；(3)毕业生调研数据多为近1～2年内毕业生，作为新员工其专业性不强、职业成长路径不清晰，所得数据较为浅显；(4)重视部分重点用人单位的需求与调研，忽略社会招聘中大量中小型企业对人才培养的需要。

(二)院校人才培养全员参与度不够

为培养符合新型电力系统发展趋势的工匠型人才，需要高职院校教学管理人员、学生工作管理人员、专兼职教师、重点用人单位(特别是订单制培养单位)、家长、学生共同参与，但目前教学管理与学生工作人员、教师、家长之间的工作较为割裂，各角色之间联系性较差、没有较为通畅的资源与数据交互平台；学生因个人能力与阅历，难以挖掘自身的特点、无法对自己的学业与职业发展做出清晰的规划，同时缺少精准的个性化教学策略辅助；企业指导人才培养方案的制订，但在课程内容制定、教学场景与考核方式上缺少与院校的深度合作。

(三)电力工匠精神融入人才培养的深度不足

电力工匠精神是一种追求卓越、精益求精的工匠精神，是电力工作者在工作中所体现的一种精神状态[5]。为培养符合新型电力系统发展趋势的工匠型人才，需要高职院校改变以教师和知识为中心、以传统讲授法为主的传统教学模式[6],不仅要将工匠精神的培养有机融入各类专业基础、专业核心与实践操作课程的教学内容中去，更应在教学过程中及教学完成后的考核内容中设置与工匠精神相关的考核要点与评价内容，在实践中让教师与学生对“工匠”的养成有更深的体会。

综上所述，新型电力系统快速发展与“电力工匠”型人才需求较大的现阶段，需要我们搭建一个基于用户画像与大数据分析技术的、适用于多角色共同参与、覆盖学生教育全周期的辅助评价系统框架，能够反映专业课程结构设置情况、多维度快速准确评价学生学习情况、教培融合发展趋势等方面，这也是我们做好校企合作、工匠人才培养、提高职业教育质量的有效途径。

三、高职电力类工匠人才培养用户画像的标签体系设计

用户标签可分为统计类标签、规则类标签、机器学习挖掘类标签三大类。在标签体系建设的同时，需要我们特别注意用户画像强调的是人群、是对群体宏观的把握，过多的标签只会使得用户的信息杂乱无章、效果适得其反。因此针对不同角色的每类标签应尽可能做到重质量、轻数量，每类别标签数量保持在4～6个即可，同时要根据行业发展、用户变化、政策变更等因素及时进行维护与更新。

高职电力类工匠人才培养用户画像的标签体系表

(一)学生用户标签体系

学生用户标签以统计类标签与规则类标签两大类为主。为满足“电力工匠”型人才培养需求与高职教育“岗课赛证”一体化的发展需求，将与学生相关的标签划分为用于反馈学生在理论学习、实践操作、竞赛发展、证书适配、工匠精神等几个大类。另在教学实践中发现，极小部分学生具备较强的竞赛天赋与能力，但基于统计类与规则类的标签无法将这一特长反映出来，因此需要给予授课教师一定的自主权，能够根据学生的特点自行设计标签并进行处理。

(二)课程标签体系

优质的课程是高职院校培养电力类工匠人才的优良载体，课程标签主要以规则类标签与机器学习挖掘类标签两大类为主。规则类标签主要用来表征课程特色与主要学习内容等信息，便于各类学习者快速了解课程、精准选择课程；机器学习挖掘类标签则通过对各类学习者在与教学活动有关的各平台产生的文本数据进行挖掘与分类，形成能够反映课程建设与实施真实情况的标签集，便于教师能够根据反馈实时调整课程内容建设与授课方式，不断提升教学质量。

(三)教师标签体系

作为职业教育服务的“提供者”,教师在学生整个职业教育学习与生活过程中扮演了最为重要的角色，是知识与技能的传递者、工匠精神的塑造者、职业生涯的领路人。通过统计教师各类教学、工作数据形成基础工作类、行为类标签，根据教师科研、竞赛、管理等多方面业绩与特长形成各类规则类标签，根据教务系统教学质量评价与同行评价发掘并形成教学反馈类标签，不仅可加深教师对自身的认识，还能协助各类管理人员快速了解教师的各类状态并进行有针对性的指导与培训，为教师制订合理的成长发展计划，辅助学校教学质量的提高。

(四)岗位标签

职业教育为受教育者提供就业服务，就业岗位关键信息的收集与标签化就显得十分重要。通过实地调研部分重点企业核心岗位、调研问卷调查近几年毕业生就业数据以及分析互联网招聘平台上相关岗位招聘信息，形成岗位核心知识点、技能点等相关标签，并提取岗位职责、任职资格、岗位评价与岗位发展相关的关键词，共同构成较为精准描述岗位特点与发展前景的岗位画像。

四、基于“教育+就业”的高职电力类工匠人才培养路径探索

人才培养模式的设计框架搭建时，用户画像的维度或侧重点不同，则画像结果的指导重点就有所不同[7]。本文在“教育+就业”背景下重点关注学生综合素质评价与工匠培养(就业发展)、教师业绩特长与教学反馈、课程特色与反馈等多源、多维数据，借助Python进行数据分析、关键词提取、事件相关性分析、数据可视化等来表征学院人才培养建设与学生综合素质发展的情况，从而实现在“三全育人”视角下能够快速准确评价学生学习情况、反映专业课程结构设置情况与教培融合发展趋势的评价手段与方法的初衷。

(一)基于“教育+就业”的高职电力类工匠人才培养设计框架

参考用户画像构建与应用的流程，可将高职电力类工匠人才培养框架设计为数据采集与处理、画像标签构建、画像生成与应用三大部分，如图1所示。

图1基于“教育+就业”的高职电力类工匠人才培养设计框架

第一部分为数据采集与处理，结合智慧校园相关项目的建设成果，在教务系统、学工系统、图书管理系统、校园网络管理系统、校园一卡通系统、在线学习平台等各类系统中采集与学生、教师、课程相关的各类数据，通过Scrapy库定期抓取各大求职网站公开的电力类招聘岗位信息，通过Pandas库进行去重、消缺、异常值处理、数值填充、数据转换、文本清洗等。

第二部分为画像标签构建，依据从数据源获得的处理后的信息与描述，结合学院中各类评价指标体系与采用TextRank、TF-IDF等方法提取文本类信息关键词，构建学生、教师、课程、岗位等用户标签，形成各自标签体系。

第三部分为画像生成与应用，结合学生、教师、课程、岗位等用户标签，生成各自的用户画像，如图2所示。并依据“三全育人”的要求，设立学生、家长、教师、教学管理者、学工管理者等多种类型账号，提供不同视角下人才培养相关数据，让每一个角色都能够全过程参与电力工匠人才的培养。

图2基于“教育+就业”的高职电力类工匠人才培养用户画像

(二)基于“教育+就业”的高职电力类工匠人才培养路径探索

基于“教育+就业”的高职电力类工匠人才培养设计框架，本文探索了一条闭环的电力工匠型人才培养路径。通过职业教育过程中“校园+企业+家庭”全方位、多角色、全过程的投入，充分利用学生、教师、课程、岗位等不同群体的画像，实现人才培养方案指导专业课程与课程体系、教学团队的建设，优秀的教学团队与合理的课程体系促进电力工匠型人才的个性化成长与培养，学生成才后入职企业、解决企业难题、促进企业发展、增进企业与高职院校联系，不断促进校企合作的深入开展同时协助院校完善人才培养方案与路径，在“教育+就业”共同作用下实现促进教学质量提升、助力工匠人才培养这一初衷。

(1)指导人才培养方案设计。

充分利用岗位画像，聚焦专业核心岗位需求与发展，多方参考专业对口其他岗位的知识与能力要求，确定专业人才培养目标与人才培养规格，构建典型工作任务与职业能力分析表，构建模块化课程体系、细化课程设置，有机融入岗课赛证相关内容，完善人才培养方案内容的构建。

(2)助力教学团队建设。

通过对教师画像展示数据的汇总、分析，教学管理人员可实时掌握教师真实教学水平；教师在教学、教科研项目、竞赛指导方面的关键词则可描绘出教师在教学活动中的特长与侧重点，便于各级教学团队合理选拔与培养不同专长的人才；利用教师画像挑选出各类型优秀教师形成典型案例，便于其他教师根据自身情况夯实基础能力、找准成长路径。

(3)协助课程与课程体系建设。

通过课程画像，学生可以快速了解课程的基本信息与课程特色，精准选择适合自身成长道路的课程；通过课程关键指标与课程反馈关键词，管理者与教师可快速定位课程内容、教法、评价手段与方法上存在的不足之处并进行调整。通过不断改进课程内容与评价方式达到教学规律、岗位需求、思政教育与工匠培养的平衡，实现教学质量的稳步提升。

(4)电力工匠类人才成长与培养。

学生通过对自身画像与不同类型学生群体画像的认识，能够找准自身在不同学习阶段所处的位置，发现自身短板与特长，实现精准教学；通过对学生在校成绩、行为、获取成果等数据的应用，使用实现对其成长路径、就业选择等方面的预测，协助学生快速成才；同时不同类型学生群体画像也便于各类管理者深入了解学生在校真实情况，形成典型案例集合，共同实现工匠类人才的安全、快速成长。

(5)加深校企合作。

企业需要学校培养能够“即插即用”的工匠型人才，学校在人才培养的路径探索中需要企业的深入配合。良好的校企合作关系与大量入职企业核心岗位的毕业生能够帮助学校充实与优化核心岗位画像，辅助学校在人才培养方案制订、课程体系建设方面不断进步，提升教学质量。

图3基于“教育+就业”的高职电力类工匠人才培养路径

(三)实施成效

国网湖南省电力有限公司与学院联合开展“电力励志工程”,截至2023年共招录1482名供电服务定向生，其中912名毕业定向生奔赴全省656个乡镇供电所助力家乡电网建设。根据用人单位反馈与岗位调研分析，多名毕业生短时间内即成长为能够在自身岗位上独当一面的技术能手，其专业水平过硬、职业素养完备，扎根供电所、投身乡村电力建设，成为助力乡村振兴战略的重要力量。

(四)下一步探究方向

基于智慧校园建设从各平台获取的大数据、标签和画像技术对高职教育的正向作用显著，有助于提升教育教学质量、推动职业教育创新。我们在享受大数据带来的便捷与高效之时，需确保学生教师与学校的隐私与数据安全得到妥善保护，这样才能确保技术的运用既合理、合规[8],又能真正发挥其应有的价值。

此外，还可积极探索大语言模型(Large Language Model, LLM)在本地化部署的潜力。LLM可作为用户标签系统中的一个重要组成部分，能够处理和分析用户产生的自然语言文本、提取有用的信息和特征，这些元素也是构建用户标签的重要辅助要素。通过LLM能够为用户提供更加智能、个性化的服务体验，成为用户画像系统中重要的一环。

五、结语

本文结合湖南省电力公司与长沙电力职业技术学院联合开展的订单式“教育+就业”的培养模式，对高职电力类工匠型人才的培养路径进行了探索，在“三全育人”与“岗课赛证”一体化基础上对高职电力类工匠人才培养框架进行了设计，探索了一种闭环的电力工匠型人才培养路径。未来，将进一步根据企业岗位需求与工匠培养需求优化各类画像，并在可视化的实现与LLM的本地部署上做更深入的研究。

参考文献:

[1]王伟.新时代劳动教育视域下高职电力类“工匠型”人才培养研究[J].柳州职业技术学院学报,2022,22(06):102-106.

[2]戴剑丰.新型电力系统背景下电气工程人才培养模式探索与实践[J].软件导刊,2024,23(02):167-171.

[3]刘燕,王燚,杨浩东.新型电力系统背景下电气工程专业人才培养路径研究[J].中国教育技术装备,2023(10):70-73+80.

[4]黄蓉.基于职业轨迹画像的高职IT类专业人才培养方案构建探索[J].中国多媒体与网络教学学报(中旬刊),2023(08):151-154.

[5]周志,张燕梅,李俊.电力工匠精神融入高职院校思政课教学的路径探索[J].江西电力职业技术学院学报,2023,36(07):22-24.

[6]杜宇,张春财.基于大数据背景的高职个性化教学策略研究[J].太原城市职业技术学院学报,2023(06):74-76.

[7]张治,刘小龙,徐冰冰,等.基于数字画像的综合素质评价:框架､指标､模型与应用[J].中国电化教育,2021(08):25-33+41.

[8]崔佳峰,阙粤红.智能技术支持下的学生数字画像:困境与突破[J].当代教育科学,2020(11):88-95.

基金资助:湖南省职业教育教学改革项目“基于学生画像技术提升高职电力类专业教育教学与人才培养精准度研究”(项目编号:ZJGB2021278);

文章来源:王哲伟,龙敏,罗金号.基于“教育+就业”的电力工匠型人才培养路径探索[J].科技风,2024,(28):46-49.