基于岗位大数据的高职差异化培养方法研究——以计算机网络技术专业为例

针对高职扩招背景下人才培养方案与职业岗位需求脱节、人才培养模式与学生个性化需求结合不紧、人才培养体系与生源多样化结构契合不够问题,以“职业岗位大数据”为依托,以人才供需联结为抓手,以职业能力培养为导向,以岗位需求驱动人才培养结构及素质结构优化为路径,以推进教育链、人才链与产业链、创新链的有效衔接和增强高职教育适应性为目的,研究“岗课赛证”融通的分类、分层、差异化教学实施路径。计算机网络技术专业的阶段性实证结果表明该方法有效,为数字经济背景下电子与信息大类专业教学改革提供了借鉴。

基于岗位大数据视角的职业技能等级标准与企业需求匹配对策研究——以汽车类1+X证书评价为例

从面向汽车行业的1+X证书现状分析入手,通过调研该行业企业人才需求情况,运用人工智能技术进行大数据挖掘分析,发现汽车领域的X证书职业技能等级要求与汽车领域的岗位结构、岗位技能匹配度不高,适用性不强。进而提出进一步加大汽车领域的X证书中级技能开发比重,加大对X证书与岗位技能契合度评价,加强同类X证书相互间的比较,逐步建立并完善1+X证书的评价体系。

基于岗位大数据分析的中高本专业一体化设计——以智能制造专业群为例

中高本一体化贯通设计是构建现代职业教育体系的重要任务之一,职业教育专业目录(2021版)充分体现了中高本层次纵向贯通、专业体系纵向衔接的要求。很多职业院校结合当地产业发展需求,积极探索中高本一体化贯通的人才培养改革,本文以智能制造专业群为例,对该领域多层次岗位群进行聚类分析生成能力需求清单并融合专家交互优化,设计了层次衔接的核心课程清单与实训实践体系,本文提出的基于岗位大数据分析的中高本一体化设计方法,对于中高本一体化建设并推进产教融合工作具备一定参考价值。

高职院校学生大数据岗位从业竞争力论析

大数据时代来临,社会对大数据行业人才需求量激增,为高职院校学生就业带来新机遇。对高职院校而言,面对大数据行业的岗位要求,合理设置专业方向、创新专业课程体系设计、注重大数据应用技能实训、提升学生综合素质是增强学生大数据岗位从业竞争力的重要途径。

基于大数据岗位需求的文本聚类研究

【目的】对大数据工作岗位需求文本进行挖掘,帮助大数据企业更精准地定位所需人才。【方法】抽取招聘网站上2017年第一季度关于"大数据"的工作岗位信息,使用TF-IDF并结合Word2Vec和K-means实现基于语义的聚类,并利用轮廓系数方法获取最佳聚类效果。【结果】利用抽取获得的实体对文本向量进行表达能够达到良好的聚类效果,最终将岗位需求文本分为工作能力要求、学历要求以及工作经验要求三类。【局限】各网站信息发布的格式不统一,数据清洗不够全面,对聚类效果产生影响;挖掘获取的招聘信息数据量不充足,使Word2Vec模型训练集较小,训练结果还有提升空间。【结论】根据聚类结果发现大数据岗位对学历要求不高、企业偏好有经验的但也不排除无经验的求职者、企业对职位素养要求要高于计算机技术要求等特点。