基于职业适应性导向的职业院校智能制造人才培养
来源:用户上传
作者:李如秒 任宗强
[摘要]智能制造背景下职业教育面临复杂多变的市场需求与学生能力结构的矛盾将更突出、学生职业发展诉求对职业教育模式提出更高的要求两方面挑战。对此，职业教育培养模式需要从供给侧进行三大转变：从以就业为导向转向以人为本的职业生涯发展导向，从以技能教学为核心转向以创新能力培养为核心，从面授教学方式转向人机协同的数字化学习方式。构建以职业适应性为导向的职业院校智能制造人才培养模式，包括确立以人为本、以职业适应性为导向的人才培养理念，突出智能制造特征、以培养创新能力为核心的教学模式，构建开放式学习平台、以数字化情景方式强化创新能力。
[关键词]智能制造;职业教育;职业适应性
[作者简介]李如秒（1994- ），女，浙江温州人，澳门科技大学商学院在读博士。（澳门 999078）任宗强（1975- ），男，山东临沂人，温州市新纪元教育学校，副教授，博士。（浙江 温州 325005）
[中图分类号]G717 [文献标识码]A [文章编号]1004-3985（2020）07-0052-06
一、引言
智能制造已成为未来制造业发展的重大趋势和核心内容，智能制造不仅颠覆了传统的工业生产流程和运营方式，也对人们的知识结构、技术能力和职业发展提出了更高要求，并带来劳动力就业的结构性矛盾，这种矛盾不仅体现在智能信息领域的人才数量缺口上，更体现在劳动力所具有的知识和能力结构的缺口上。世界经济论坛报告预测，到2022年，随着人工智能、物联网等智能科技和工作的融合，履行大多数任务或角色所需的核心技能将平均变化42%。职业教育作为我国培养高素质职业技能型人才的主要方式，如何进行供给侧改革为智能制造升级提供优质人才资源支撑是当前一个亟待解决的重大课题，也是推进职业教育改革和提升新时代职业教育现代化水平的一个具体方向。
近年来，许多职业院校结合工业互联网、人工智能、云计算等智能技术的应用，在课程设计、教学手段、培养方式等方面做了大量尝试与探索，在机电一体化、数控技术等专业设置智能制造课程，有些院校还成立了独立的智能制造学院。但新型人才培养不仅仅是教学课程改革，更重要的是按照现代职业教育体系的建设要求，转变人才培养观念和导向，优化人才培养结构。《国家职业教育改革实施方案》明确提出“对接科技发展趋势和市场需求，深化办学体制改革和育人机制改革”。因此，新工业革命背景下的职业教育应拓宽其目标导向和作用范围，既要考虑就业市场需求，也要重视学生的能力培养和职业发展，为学生适应日新月异的科技浪潮“赋能”。
二、智能制造背景下职业教育面临的主要挑战
很多学者总结了新工业革命背景下职业教育面临的机遇和挑战，指出现有职业教育培养体系存在能力单一、技能“工具化”、产教脱节以及师资缺乏等问题，并从教学方式、课程设计等方面提出对策建议。但这些研究很少从新工业革命的内在要求去思考职业教育的未来变革方向，也很少从学生个体角度出发去设计新模式;而当前职业教育既面临着市场对劳动力技能升级的迫切需求，也面对新一代产业工人自我发展的个性化、公平化、人本化的多重挑战，集中体现为科技发展趋势下的市场需求、员工发展需求与职业教育供给的矛盾。
（一）复杂多变的市场需求与学生能力结构的矛盾将更突出
当前，我国企业数字化能力素质显著提升，智能制造转型升级成效显著，这种趋势性力量正给人才结构、雇佣方式和培养模式带来巨大变革，打破了传统的“一技之长、一崗定终身”的就业理念，人们的职业安全感将显著降低。从科技发展来看，经过智能技术改造升级的生产工艺已经脱离了传统流水线上的定员定岗模式，逐步转向高度互联、人机协同的智能工厂，人们的工作角色和任务转换将日趋频繁。《2017年德勤全球人力资本趋势报告》（以下简称为《报告》）指出，目前员工习得技能的半衰期降落至5年，即使当前技术含量高的工作（如财务分析）也会大范围地被人工智能替代。而企业转型会更重视员工能力素质，IBM在2015年数字化战略转型中也提出招聘要求是“不在于他们已掌握特定的技能，而是拥有持续学习的能力”。在这种趋势下，不具备现代职业素养和完备知识结构的劳动者将无法适应新兴生产形式和社会快速变革。新生代职场调查也表明学生能力结构与市场需求存在差距，导致他们初涉职场的落差较大、近半数半年内即离职等问题，这种差距在日趋智能的科技强化下越来越大。
（二）学生职业发展诉求对职业教育模式提出更高的要求
在全球化互联网环境中成长起来的新生代有独特的价值观和行为特质，有强烈实现自我价值和个性化发展的需求，他们不仅对学习方式有自己的敏感偏好，而且对个人未来职业发展的期待和诉求越来越高。例如，“财务自由”的“持续学习”在新生代的职业选择中排位都比较靠前。对于学习方式，他们更重视学习体验、兴趣和主动性参与，乐于尝试新创意而不愿束缚于课堂说教;对于职业角色，他们不再局限于掌握一门养家糊口的技能，而是寻求个人在整个职业生涯中的灵活性、公平化和个性化。《报告》发现员工职业生涯正在变得更短，83%参与调研的企业正在向灵活开放的职业模式转变，而不是只局限于静态的职业发展;我们对浙江省5所职业院校200名在校生的访谈调研发现，大部分学生（73.5%）希望通过在校学习获得未来三年中3～5个工种（岗位）的职业能力。因此，学生个性化发展与多元化需求对现有职业教育的方式方法、课程设计以及目标导向都提出了更高的要求，但现有职业教育模式仍将就业等同于职业、将技能等同于能力，很少从新生代员工的自我发展需求出发去思考改革。
三、面向智能制造的职业教育培养模式转变
在新工业革命背景之下，为产业转型发展提供技能人才支撑的职业教育也应当实现全新的转变，而不应局限于增设新专业、引入新课程;德勤2019年人力资本趋势洞察报告呼吁要面向数字化设计更具吸引力的新型学习模式，IBM2018年的人才转型报告也提出加速培养个性化技能的快速学习模式。本文结合智能制造内在特征及对人才能力结构需求趋势，提出职业教育培养模式在导向、能力和学习方式上实现三大转变。 （一）从就业为导向转向以人为本的职业生涯规划
科技不仅能带来生产方式变革和生产效率提升，更在于推动人的“自由而全面地发展”。但现有职业教育仍以就业为导向，统领教学、实习、考核、校企合作等各项工作，这是按照短期市场需求和岗位标准塑造学生技能的一种被动教育模式，而非以人为本、满足学生长期职业生涯发展的主动培养模式。而职业兴趣理论和新兴的无边界职业生涯理论都认为，新时代主导职业发展的应该是个人而非组织，人们主要根据自身职业发展目标来选择雇主或工作岗位。因此，职业教育改革应立足于学生进入职业岗位后的适应性和应对变化的素质能力，从而帮助他们形成稳定的职业规划、态度和信念等人格特征。
职业适应性理论强调个人面对环境变化和组织需求时能不断探索学习并建构起自己的职业角色和胜任力，而新生代员工对职业有自己个性化的理解，重视在职场中的体验感、成就感和成长轨迹。这就需要帮助他们构建未来发展所需的心理素质和知识结构，并降低适应调整所耗费的时间和社会成本。因此，职业院校不能再紧盯“就业率”而将后续职业问题“甩锅”给社会和企业，应放大职业教育的社会价值。一方面，职业教育需要充分考虑学生发展中的自我定位和社会需求匹配、指导学生整个职业生命周期内的自我职业生涯管理;另一方面，要考虑学生作为新型产业工人及未来管理者所具备的能力和素质，从而帮助他们不断重塑自身技能，以应对剧烈变革和角色或任务的转换，并在未来发展道路上提高职业自我效能感。
（二）从技能教学为核心转向以创新能力培养为核心
随着智能制造快速推进，生产管理正变得更加灵活，创新和速度将变得更加重要。一方面，“机器换人”淘汰的不仅是人的工作岗位，更是技能。另一方面，诸多行业的员工技能、工作性质和内容都在发生变化，工作方式上从操作机器变为与机器人“共舞”，工作重点从体力劳动转移到人类更擅长的创新性工作上。这些工作需要建立情感联系、展现同理心、启发以及激发有目标感的活动，但目前职业教育仍强调操作层面的工艺或技巧，而忽略了人的创造性思维和能力培养。因此，职业教育需要立足具体领域的数字化应用，从学生的职业适应性出发培养未来所需的多重能力结构，如人机协同、仿真设计等。
智能制造模式下的核心能力是数字化的创新能力，数字化技能被列为需要优先获得的能力，包括数学、科学和计算方面的基础及高级技术能力。德勤调查研究发现，数字化转型所需人才技能可划分为数字化领导力、数字化运营能力、数字化发展潜力三个层次。世界经济论坛在2016年提出，未来工业新时代的能力与狭隘的技术技能相比，应该重视培养跨行业且多工种领域都需要的能力，并建立了一个由35项具体技能组成的能力模型，强调认知能力、系统性技能、复杂问题解决能力是未来人的能力发展重点。蒋忠波在“GES2017未来教育大会”提出未来人才需要具备深度思考、分解问题的能力，具有与机器人对话的能力，对于人性、情感等方面敏锐感知的能力。概括这些研究结论发现，核心是强调人的主动性和数字技术的集成能力。这种能力与单项技能不同，是一种包含认知和实践层面的多元集合，具有动态性、创造性、组合性等特征。这就要求职业教育要从“锻造流水线上的螺丝钉”的岗位培养转向综合的创新能力培养。
（三）从面授教学方式转向人机协同的数字化学习方式
智能科技推动人机对话交互在加速演进，未来工作与生活将更多以人机交互方式呈现，信息感知、传递和表达都是以数字化形式在人机之间交互进行。职业教育要对接智能制造的工作场景，打造适应人机交互的数字化学习方式。虽然传统的职业教学方式也融入了大量虚拟仿真教学、多媒体网络等手段，但形式上依然是师生（师徒）之间的讲解与传授，与学生个性化学习和实际工作情景都有差距，造成学生面对多模界面、高速产生的海量数据时显得力不从心。因此，职业教育应利用数字化技术从模式到体验、从内容到手段进行情景化学习变革，才能培养满足人机协同制造需求的高素质人才。
信息科技发展提供了种类丰富、功能强大的学习工具，也使得数字化学习所依托的环境和载体日趋多元化，新生代学生更喜欢这种互动型、社交化、自主式的多媒体学习情景，如MOOC、微课、论坛直播等。而数字化技术在激活员工成长的思维模式、连接工作场景和职业生涯方面具有独特优势，也可以更好地契合员工的学习需求和工作节奏，从学习者角度可以及时按需获取各类知识与技能，最大限度地满足学习者的个性化学习需求。此外，數字化技术也极大提高了教师的教学效率和知识结构化水平，可精准设计教学资源实现“因材施教”，加速知识共享与转化效率。
四、构建以职业适应性为导向的职业院校智能制造人才培养模式
《国家中长期教育改革和发展规划纲要（2010—2020年）》提出要“提升学习者的职业能力及转换技能”。《教育部关于职业院校专业人才培养方案制订与实施工作的指导意见》（教职成〔2019〕13号）明确提出要突出职业教育的类型特点、增强学生的职业适应能力和可持续发展能力的培养目标。职业教育要顺应智能时代变革趋势，立足学生的职业适应性，在教学理念、培养模式、教学内容等方面进行前瞻性设计规划。为此，笔者结合相关理论研究和调研实践，提出以职业适应性为导向、能力培养为核心、数字化学习为手段的三位一体智能制造人才培养模式（如图1所示）。
（一）确立以人为本、以职业适应性为导向的人才培养理念
职业适应性是指个体能够顺应职业环境的变化，解决自身职业发展中面对当前和预期职业发展任务时所需具备的一系列特殊能力、准备状态及资源，是从业者能够面对和解决职业不确定性的能力集合。Hirschi指出，职业适应性的概念有助于了解人们成功应对日益数字化和自动化挑战的心理资本与社会资源。职业适应性为导向的培养理念是“以人为本”整合科技发展和社会需求，立足于新生代员工的个性需求与思维模式，满足学生较长期的职业发展规划，培养学生顺应科技发展趋势所具备的能力和素质。 从职业建构理论来看，职业教育要顺应科技发展的趋势与企业社会属性的延展，为学生职业生涯提供足够长的“续航”动力。例如，华为与德勤就提出重视员工的赋能（Enable）和扩展（Stretch）两种人才发展模式。职业教育要面向智能科技发展趋势，确立以学生长期职业生涯发展为导向的赋能型培养理念，具体包括三点：第一，打破专业划分，按照基础知识、通用技能、创新培养三位一体的培养体系设计教学组合。例如，采用项目学分制的学习方式，学生从编程项目组换到电气设计组或产品开发组。第二，延伸产学融合路径，将轮岗实习、顶岗实习等实践向校内教学延伸，进行教学与实践的迭代学习，也让学生较早地对未来职业的技能要求有清晰的认识。第三，打破原有学制限制，与企业、社会组织通过数字化学习平台建立开放式课堂，构建校企融合的二元学习体系。第四，授之以渔，培养学生系统思维与创新能力，使其具有解决智能化复杂系统问题的能力，成为兼备技术与管理、操作与创新的复合型人才。
（二）突出智能制造特征、以培养创新能力为核心的教学模式
新一代智能制造系统的本质特征是智能机器具有认知和学习功能，而人类将解放出来从事更多创造性工作。这种创造性能力不再是单一的人类知识存量，而是能通过人机交互创新产生的知识增量，体现为人机协同的双元混合智能。因此，未来职业教育的教学模式应该从教学内容和教学手段上突出智能制造的内在特征（如图2所示），培养技术增强型的综合人才。
首先，在教学内容上，要突出人机协同创新的知识结构。智能制造模式下，员工应用数字化技术与机器协同创新的能力将成为高级能力，教学内容要围绕创新能力体系，从“认知—运用—理解”三步式结构设计课程知识：第一，认知层面要侧重于知识的广度，综合专业理论及人文艺术等基础课程，夯实创造力的素养基础;第二，运用层面要强调操作技能的提升，熟练掌握各种软件应用、数控操作等技能，并在实验设计、编程应用等课程上增设自然语言理解与数据挖掘等高级知识学习;第三，理解层面则要以非结构化知识和逻辑抽象为主，重点培养学生的洞察分析、批判性思维以及复杂问题处理等能力，通过类比、分解、探索等各类创新技法提出创造性方案，充分实现智能制造模式下人机协同、相得益彰的优势。
其次，在教学手段上，从学习内容、学习体验和学习工具三个维度重新设计数字化教学方式，全面推动学生主动性学习和创造性思考。学习内容上，要在产品全生命周期链中培养学生与机器之间的知识表达、信息感知、数据分析、优化决策等技能，并提高学生在人机协同基础上的知识推理、动态感知与自主决策等创新能力;学习体验上，要构建人机一体化的学习情景，通过人机交互式学习使学生对理论知识有身临其境的感性认识并沉浸到具体情景中产生创造性想法;学习工具上，要充分利用各种社交工具、多媒体以及云平台等技术强化学生学习动机、引导学生更深度自主参与。
（三）构建开放式学习平台、以数字化情景方式强化创新能力
智能制造本身就是一个开放的制造体系，随着越来越多知识信息以数字化方式进行转播，智能制造人才需要适应虚拟工厂、远程操控、协同研发等互联开放式协作模式。开放式体现为两点：一是延伸学习时空，使学员可以在任何时间任何地点访问系统;二是扩展产教融合的渠道，充分借助数字化技术联接工作场景和职业技能，使学生在自适应情境中进行主动学习与创新。
从学生学习角度出发，要通过更智能的技术应用（自适应、虚拟现实、模拟系统）引导新生代学生更深度自主参与，契合他们个性化学习兴趣，进而达到提升学习效率的目的。职业院校传统的教学环境要转向以数据为驱动的开放、共享、协作的学习生态系统，从多媒体、仿真实训等零散应用集成为一体化的场景设计，并引入更多的程序性设计、自然语言处理、虚拟仿真等数字化技术。例如，以数字化智能工厂为原型的“双胞”实训平台，采用多种模态促进人机嵌入式“干中学”“用中学”。学生通过数据处理、洞察反馈、迭代优化等方式将理论知识、技能与机器智能进行有机组合，提高知识转化效率;这种将专家知识与计算设备及其感知推理结合起来、实现“增强智能”正是智能制造的本质特征，也是学生未来工作的基本形态和主要方式。
五、结语
面对当前我国波澜壮阔的智能制造实践，职业教育大有可为。未来的数字化人才培养与发展模式会围绕着“以人为本”继续向前迈进，为个人职业提供了一个更加乐观的图景。为响应新工业革命带来的趋势性力量变革，职业教育应考虑未来科技趋势和人才自身发展需求，拓宽其目标导向和作用范围，前瞻性、系统化地推进教学改革;打破传统的就业率目标導向和岗位技能式培养，立足学生长期职业生涯发展，以职业适应性为导向，以创新能力培养为核心，充分利用数字化技术联接工作场景和教学内容，提升学习效率和认知技能，为学生适应未来日新月异的智能科技发展和职场需求“赋能”。
[参考文献]
[1]丁晨.从适应到引领：人工智能时代职业教育发展的机遇、挑战与出路[J].中国职业教育，2019（13）：53-59.
[2] 德勤.改写数字化时代的规则 2017德勤全球人力资本趋势报告[R/OL].（2018-08-07）[2019-12-28]. https：//wenku.baidu.com/view/1a6e4062a9114431b90d6c85ec3a87c240288a8a.html？pn=1.
[3]德勤.领导社会企业：以人为本进行企业重塑 2019德勤全球人力资本趋势报告[R/OL].（2019-04-17）[2019-12-28]. http：//www.doc88.com/p-8728491042658.html.
[4]华为，德勤.数字化技术加速人才转型[R/OL].（2017-12-01）[2019-12-28]. https：//www-file.huawei.com/-/media/corporate/pdf/white%20paper/digital-technology-accelerates-talent-transformation-cn-v4.pdf？la=zh. [5]（美）杰瑞·卡普兰.人工智能时代：人机共生下财富、工作与思维的大未来[M]. 李盼，译.杭州：浙江人民出版社，2016.
[6]李伟，石伟平.智能制造背景下高职人才培养目标新探：基于技术哲学的视角[J].教育与职业，2017（21）：5-9.
[7]IBM商业价值研究院.告别陈规，锐意创新[EB/OL].（2018-06-01）[2019-12-28]. https：//www.ibm.com/downloads/cas/LMK6BKJV.
[8]南海.新工业革命视域下的职业教育转型[N].中国教育报，2016-08-30（8）.
[9]浦毅.高职院校智能制造复合型人才培养模式研究[J].教育与职业，2019（16）：48-52.
[10]TTI Success Insights，上海赋启青年发展中心.2018新生代职场期望调研报告：95后来了！[EB/OL].（2018-06-03）[2019-12-28]. https：//www.135995.com/76/60441.html.
[11]王慧.“數字员工”与“新领”人才[N].人民日报，2018-05-25（22）.
[12]张健.职教课程：最本质的是培养学生的思维能力[J].职教论坛，2017（18）：30-33.
[13]David.K et.al.Rebooting Work for a Digital Era：How IBM Reimagined Talent and Performance Management[J].MIT Sloan Management Review，2019（2）：54-65.
[14]Hirschi，A.The Fourth Industrial Revolution： Issues and Implications for Career Research and Practice[J].The Career Development Quarterly，2018（66）：92-204.
[15]World Economic Forum. Global Challenge Insight Report The Future of Jobs[R/OL].（2016-06-01）[2019-12-28]. https：//www.docin.com/p-1809948187.html.
转载注明来源:https://www.xzbu.com/1/view-15177093.htm
