大数据技术与高职专业分流变革

1、大数据技术与高职专业分流变革 引言： 大数据技术是一种对海量数据， 在合理时间内进行 撷取、加工、管理并整理，对各种社会组织决策提供更加积极的 数据支持的技术。 而我国高职专业分流的功能在以往很长一段时 间内由于缺乏大量的有价值的数据而难以充分发挥。 鉴于如今国 内外对于大数据技术的理论与实践研究尚在一个发展的过程中， 本文也就大数据技术在高职专业分流中的运用作一探索性论述。 一、导语 在 2008 年 9 月 4 日大数据概念被第一次创造出来，时值谷 歌成立 10 年前际，自然杂志推出了大数据专辑，包括 5 篇 大数据专题文章加上 1 篇编者按。 当时该专辑并未给大数据赋予 一个具体的定义，

2、但是从互联网技术、网络经济学、超级计算、 环境科学、生物医药等多个方面介绍了海量数据带来的挑战。 1 经过多年研究， 人们对大数据技术的认识从最初的仅从数据体量 的大小的界定， 发展到对大数据本身类型的多样化的认识。 此时 大数据的概念从大批量数据扩展到了包括结构型数据与非结构 数据在内的复杂型数据。 2013 年英国学者维克托 ?迈尔-舍恩伯 格出版的大数据时代引起了业内的广泛关注。在这本书中作 者对大数据的定义做了价值角度的建构， 他认为大数据技术应该 能够在海量复杂数据的基础上进行数据分析，完成对数据的去 冗、降噪、加工、整合，是数据结论具有价值性。此外该书还提 出了一个大数据以区别于传

3、统数据挖掘技术的显著特征， 那就是 实时性，即及时反馈海量数据的处理结果。至此，在世界范围内 产生了一个对大数据的共同认识，即大数据的4V 特点： Volume （大量）、 Velocity （高速）、 Variety （多样）、 Value （价值 性）。 高等职业教育专业分流之一概念是在教育分流的基础上对 分流的流层、 流型、 方面加以限定之后而产生的教育分流的一个 下位概念。这一概念将教育分流所讨论的教育层次和类型规定在 了高等教育和职业教育。 因此我们在讨论高等职业教育专业分流 时就需要重点对高等职业教育的专业设置和受教育者的内部分 化展开研究。 在以往的高职专业分流的实践中， 由于技

4、术手段的限制以及 其他种种原因， 高职的专业设置与生源内部分化工作过程的各个 阶段都夹杂了各类型主体的主观因素， 难以做到科学客观。 但在 将来这种情况随着大数据技术的推广会得到极大改善， 大数据技 术的海量、高速、多样、深度挖掘的特点对于高职专业分流工作 客观科学的要求而言可谓极大程度的契合， 大数据将教育带进了 实证时代。 2 对大数据技术而言这也是其在教育领域应用的重 要方面。 二、专业流向结构 高职专业的流向结构是按照科类划分的不同层次的纵向结 构，就是通常所说的专业设置。作为职业教育的一种层次，高等 职业教育也势必受到经济发展和劳动就业市场的制约， 也就是说 要迎合经济结构和等级的社

5、会发展需求， 也要满足受教育者的就 业期望和受教育需求。 因此， 高职的专业设置也受到来自社会和 学生需求两方面的制约。 影响高职专业设置的社会因素大致有以下几个方面：第一， 政府宏观调控。 一个国家和地区的社会经济发展是离不开政府有 目的的规划的， 政府通过各种调控手段对国家经济生活进行干预 和指导。第二，科技进步因素。三次技术革命对于生产方式的改 变和对劳动分工的影响已经得到了历史的证明， 如今技术更新的 周期越来越短，职业与分工的稳定性随时面临技术进步的挑战。 第三，管理模式。 生产力的发展促进了劳动组织管理的优化成为 直接因素。 3 受教育者需求也是影响高职专业分流的重要因素， 尤其是

6、在 高等教育普及化和民主化以及终身学习思潮的影响下， 个人的职 业期望和受教育需求更是得到了前所未有的重视， 于是在设置专 业的的过程当中受教育者因素是一个无法回避的问题。 而且这也 直接关系到学生对所选择的职业领域认同感的建立和投身于某 种专业学习的精神动力。 （一）我国高职专业设置存在的问题 高职院校由于所辐射的区域和产业不同， 在专业设置方面所 表现出的问题也都具有一定的特殊性， 但以下几个方面是在许多 区域普遍存在的。 第一，盲目追求热门专业，重复设置现象严重。许多职业院 校为了减轻招生压力， 大量开设短期热门的专业， 忽视本地区的 产业发展规划和专业布局趋势， 对专业的设置缺乏科学论

7、证。 这 就导致了一些热门专业在一个地区的多所职业院校中重复开设， 教学资源被大量浪费，新开设的专业教学质量难以保证。 第二，专业设置缺乏前瞻性。 职业领域的形成与稳固的发展 需要经历一个淘汰和进化的过程， 一些岗位会在产业的发展过程 中为适应产业需要而产生， 但能否依照这些新兴的岗位或职业设 置专业，需要对这些职业在市场上的需求的强度和稳定性加以考 察论证加以判断。 但目前这种考察判断的依据很难以一种量化的 指标加以体现，而更多地凭借主观经验来代替。 第三，专业结构与产业结构脱钩。 职业院校设置专业过程中 对于产业的需求经常难以把握， 而以现有技术手段又难以全面系 统反馈劳动市场对某种专业人

8、才的需求程度， 于是专业结构与地 区产业的需求结构往往难以匹配， 造成结构型人才供给不足或过 量。 第四，专业管理评估失位。 近年来我国许多省市相继放宽高 职院校专业设置的审批权， 这赋予了高职在设置专业时极大的活 动空间。但这样也对地方教育部门对高职院校进行专业管理评估 工作造成了很大的难度。 虽然教育界对设置专业管理监督预警机 制呼声越来越高，但就技术层面来讲难以实现。 4 二）大数据的解决方案 面对以上高职院校设置专业过程产生的种种问题， 大数据技 术为教育工作者提供的支持是人们看到了扭转困境的希望。 大数据的海量数据所提供的信息支持是传统技术手段难以 企及的，某种程度上讲，大数据为人们

9、提供了一种全知的视野。 在信息化条件下，各种社会组织的行为伴随产生了大量的数据， 这其中经济部门和教育部门的数据占据了很大的比重。 在这些部 门的数据中隐含了大量关于社会需求和受教育需求的原始素材， 给数据价值的挖掘提供的基础， 也增强了专业设置一句的真实性 与客观性。 具备了充足的原始素材就为挖掘数据价值提供 了可能。 海量的数据带来了数据的复杂性， 这种复杂性不仅仅是 形式的复杂（复杂的文本结构），而且体现在内容的复杂。大数 据的起始计量单位至少是 P （1000个T）、E （100万个T）,按 照传统手段进行加工处理显然会消耗大量成本， 而大数据分布式 计算具有的庞大的计算能力能够对这些

10、大量的、 价值密度低的数 据进行去冗降噪， 管理整合进而实现数据的价值提纯， 为决策提 供强大的事实与逻辑支持。 这样的技术特性为教育部门能够真实 准确掌握本地区的劳动市场动态， 判断职业发展趋势， 获取受教 育者意愿提供了全息的视野。 技术的变革是产业发展中最不稳定的因素之一， 是冲击现有 职业结构的重要力量， 随着我国产业升级脚步加快， 技术的变革 周期会大大缩短， 劳动市场的需求就显得日益难以把握。 职业在 这种社会环境下稳定性会受到挑战， 其表现就是大量新职业的涌 现和原有职业慢慢消亡，高职院校如果不能及时把握就业市场的 动态很可能出现这样一种情况：今年开设的专业明年就过时了， 或者过

11、时的专业还在继续招生而市场上已经没有对应的岗位了。 面对类似情形大数据技术以其实时性的特点能够出色的应对，高 速的数据处理和传输提供给教育部门及时的反馈，在设置专业时 职业院校的灵活管理才能表现出科学理性的一面，而不是盲从。 最后，大数据自身的特性也为教育主管部门强化对高职专业 设置管理提供了信息支持，使其管理决策更加科学及时。 三、专业流量结构 分流的流量结构是依附在专业的纵向结构上的横向结构。这 种结构的形成受劳动市场和产业需求等社会因素的间接影响。其 直接影响因素主要集中在教育系统内部。首先，高职专业的流量 结构受教育管理者影响，主要表现在对于每个专业所规定的招生 名额和在全部招生名额中

12、所占的比例。 其次，专业流量结构的形 成与受教育者的职业期望密切相关， 其主要表现就是学生依据自 己的主客观条件自发流动到不同专业。 （一）我国高职专业流量结构存在的问题 我国高职流量结构存在以下两方面问题： 首先，盲目追求热门专业。热门专业产生的原因有两种：其 一，劳动市场上的确存在对某一类专业人才的庞大需求，这样形 成的热门专业是教育资源优化配置的表现。其二，职业院校追求 短期利益，对专业进行类商业化的包装与炒作，降低录取门槛， 扩大招生规模。然而大多数受教育者甚至家长对这两种庆幸缺乏 判断，极易随大流或者仅凭某专业的非中心线索（如有些专业听 上去更加上档次、好就业）就投身到某一职业领域的

13、训练中。 其次，盲目回避艰苦行业。如今教育界反映出一个日益严重 的问题，那就是一些有关农林地矿等艰苦行业的专业越来越冷， 招不满新生的现象普遍存在， 个别专业甚至无人报名。 就这种社 会现象本身而言，其形成的原因多种多样。但仅就分流的角度来 讲这种受教育者的选择行为毫无疑问是盲目的。排除价值观因 素，这种盲目也是由信息匮乏造成的， 对于相当一部分学生来讲 他们在回避艰苦专业的同时甚至根本不了解这些行业的人才需 求有多么旺盛。 （二）大数据的解决方案 基于上文所呈现出的在高职专业的流量结构中存在的问题， 大数据技术所能够提出的解决方案有以下几个方面： 第一，反映市场需求的数据分析和专业招生结构能

14、够为学生 提供理性判断的依据，帮助没有能力做出教育选择的学生获取教 育市场与劳动市场的真实信息， 并辅助他们做出专业选择。 在数 据支持下进行对专业的选择和判断一方面能够一定程度抵消学 生对某些专业的偏见，另一方面也有利于他们对自己选择的专业 抱有适当水平的职业期望。 第二，大数据技术对海量数据的深度挖掘可以对职业和产业 发展趋势作出预测，这种具有前瞻性的数据分析是传统的粗糙的 数据加工技术不可能达到的。 而且对于许多缺乏相关知识储备的 学生和家长来说， 大数据的预测功能可以避免他们依据有限的主 观经验对职业前景做出片面和孤立的判断。 第三，大数据可以为学生提供个性化服务也能够降低学生在 专业

15、选择时非理性行为的概率。 大数据技术能够对个人成长过程 中产生的一系列数据特征及发展趋势进行分析挖掘， 给用户（学 生）提供可供参考的职业生涯规划。 这些数据来自于个体从出生 以来的一系列能够量化的结构型数据，如身高、体重、考试成绩 等。也包括一系列非结构性数据，如记录日常生活中的行为、选 择倾向等的视音频文件。 源自用户的海量数据结合用户认知以外 世界的信息加工共同构成了大数据技术对学生职业生涯规划的 个性化服务。 四、大数据服务高职专业分流的障碍 （一）技术层面 大数据技术应用于高职专业分流所面对的技术挑战， 具体而 言也是所有领域在试图引入大数据技术时所共同面临的难题。 首 先，大数据集

16、成的难度要远远高于传统数据类型。 数据的广泛存 在性与复杂性要求在数据收集过程中要对各种数据管理系统中 的结构化、半结构化、非结构化数据进行格式转换，而这一过程 非常难于管理。大数据集成的另一方面是要对数据进行去冗降 噪，对数据价值进行初步浓缩，这样的数据清洗必须非常谨慎， 否则细小的数据杂质都会对结果的精确性造成破坏。 5 其次，数据挖掘阶段要解决的主要问题就是数据的实时性， 数据的价值密度是随着时间的推移而稀释的，很多领域的数据分 析都具有实时性的需求。在实时处理选择模式中现有的成果已有 相当积累，但仍没有一种通用的大数据实时处理框架出现，各种 工具实现实时性的方式不同都只能支持特定的某些

17、应用，这就导 致在实际应用中要根据不同业务需要改造数据处理框架才能实 现数据实时分析。 （二）制度层面 首先，关于大数据运用的立法工作需要解决。 数据分析机构 在设计大数据计算框架的同时不可避免的会接触到大量的用户 信息。在职业教育分流中这些数据就包括了企业、政府、学校、 学生等多方的数据，如何保护有关各方的数据安全， 维护他们的 合法利益。这是大数据在提供服务之前首先需要解决的问题。 实际上，关于大数据应用中隐私保护的问题人们也进行过一 些技术与伦理层面的探讨。 数据公开与隐私保护的矛盾。 为实现 数据价值，数据公开是非常有必要的， 政府可以从公开的数据中 来了解整个国民经济社会的运行，以便

18、更好地指导社会的运转。 研究者则可以利用公开的数据， 从社会经济技术等不同的角度来 进行预测研究。因此大数据时代的隐私性主要体现在不暴露用户 敏感信息的前提下进行有效的数据挖掘，最大程度保护用户的隐 私。但是数据信息量和隐私之间是有矛盾的，因此尚未出现非常 好的解决办法。 其次，组织层面的障碍。前面说到，大数据涉及各方数据的 共享问题，那么就意味着组织行为的透明化，这么做就有可能损 害一部分参与主体的既得利益，比如所谓热门专业就会失去光 环，学校的这部分利益就会被切割。为了维护小团体的利益，不 同组织会对这种数据分享进行抵制。 如何协调各方利益，是分流 效益最大化是政府要做的工作。 （三）心理层面 大数据技术正