基于数据赋能的校企协同育人模型构建与实践策略

刘菲菲

2022年5月正式修订实施的《中华人民共和国职业教育法》（以下简称《职教法》）明确要求“坚持产教融合、校企合作、工学结合、知行合一”[1]。举办职业教育需要校企双方的共同参与，以此才能确保人才培养与企业需求的一致，实现人才的“即育即用”。一方面，对职业院校而言，培养高质量人才是其职责使命；另一方面，对企业而言，也需要优质人才来满足自身发展，二者是密切相关的。通过校企双方协同育人，实现人才培养的过程共管、责任共担、利益共享，这在理论上是可行的，但在实践中，却存在着“校热企冷”、融合不深、知行分离等问题。随着信息技术的进步和大数据的普遍应用，“数据即资源”已成为共识，这为进一步推进校企协同育人提供了新思路。基于此，本研究尝试从数据赋能的角度，构建一个由学校、企业、学生三方共同参与的校企协同育人模型，赋能于学校教学、企业实践和学生成长，探索建立校企互动新方式，以期提升职业教育育人成效。

一、相关理论回顾与文献综述

在数据赋能研究方面，Adams指出数据赋能是指授予企业员工额外的权利给下属更大的自由裁量权和资源的分配控制权，以便更好地服务于客户[2]。Makinen、Cheema、吴义爽等人认为借助信息技术的进步，赋能对象也从员工扩展到顾客，让顾客通过网络信息技术手段表达个人需求并参与满足需求的过程，从而实现与企业的价值共创[3][4][5]。在赋能手段方面，学者们认为数据已成为新时期的基础生产资料[6]，数据赋能也成为企业经营管理中的研究热点，通过创新数据的运用场景、技能和方法实现数据价值，最终驱动企业实现敏捷制造[7]和精益生产创新[8]，促进产业实现价值转移[9]。而在企业经营管理领域之外，数据亦可以赋能高职教学，通过各种技术、技能和方法对教育教学进行提升，驱动高职教育实现价值创造。例如，张培认为大数据智能化改变了职业教育系统结构和运行机制，提升了职业教育服务效能和治理绩效[10]；王彬从教学诊改工作开展的“学校—专业—课程—教师—学生”五个层面出发，认为依托教育大数据的赋能，可以实现对高职院校教育生态的重塑建构[11]。在当前教育信息化2.0时代，教学数据对于实现智慧教育具有重要价值[12]，教师运用教育数据驱动教学变革是大数据时代教育发展的必然诉求，也是充分发挥教育数据资源潜在价值的重要表现[13]。

在校企协同方面，肖香龙认为职业教育中的校企合作是由多种要素相互作用构成的一个系统，关涉到政府、行业、学校、企业等多个子系统，各子系统既相互独立，又相互合作，当外部环境达到一定水平时，子系统之间就会产生协同作用[14]。杨理连认为通过协同教育理念去实现整体效益，是技术技能人才培养质量管理的重要手段和方法，也是当前高职院校在质量管理实践探索中的主要短板之一[15]。因此，校企协同广泛应用于职业教育的人才培养、创新创业教育、实习实训体系建设、师资培养等多个方面。杨路探讨了校企协同的基本功能、运行机制、方式和内涵，以及校企协同产学研人才培养模式的构建等创新型人才培养的实践路径[16]。杜辉等人以北京地区高校为例，构建了基于价值链的校企协同创新创业教育体系[17]。姜海涛等人基于内蒙古农业大学职业技术学院“三习两训”实例对高等职业教育校企协同实践教学体系创新进行了研究[18]。刘娟等人将校企协同理念应用于实践教学资源建设，以实现校企之间教学资源共享效应[19]。李兆敏等人从人才准入、能力提升、产学研协同、考评激励四个维度入手，构建了全方位的校企协同平台，以促进高职教师“双师”素质的全面提升[20]。

综上所述，关于数据赋能和校企协同的研究已形成了众多成果，并在部分实践领域取得了一定成效，但依然需要继续完善，具体表现为：一是数据赋能教育的研究尚处于初级阶段，研究成果集中于教育治理、教学诊改等方面，尚缺少人才培养的系统研究；二是校内课程及教育治理数据研究居多，校企“教学—实习”数据对接研究少；三是校企协同育人研究多集中于师生实践能力培养、资源开发等方面，未涉及到实践教学与理论教学的相互融通，校企协同教学研究不足。实践教学作为高职教学的重要组成部分，与理论教学密不可分，因此有必要从数据赋能的角度，构建一个由学校、企业、学生三方共同参与的校企协同育人模型，为校企双方的深度融通提供借鉴，以期促进学生进一步成长。

二、基于数据赋能校企协同育人模型的构建

在大数据背景下，单个的信息系统往往缺乏有效性，育人目标的实现需要教学、学生管理、实习就业等各个环节的有效配合，并且需要对各渠道的结构及非结构化数据进行筛选整合、系统分析，只有这样才能反映出学生的真实特征、学习需求、学习状态和成长轨迹。因此，虽然课程教学平台、学生管理平台、实习管理平台以及就业信息平台等各类平台层出不穷、各种数据日渐丰富，但这仅能作为校企协同育人系统的基础数据源，还需要进一步建立数据中台，将这些基础层面所采集的无意识数据进行整体层面的有机融合和个体层面的精准解读，从而通过数据分析找出更多数据承载的意义，服务于学校教学和企业实践，并在此基础上设计学生个性化的学习路径及职业成长路径，绘制出个人精准画像，挖掘学生潜能，实现育人目标。

其中，数据中台的功能在于通过聚合“小数据”驱动校企协同育人走向“大数据”，它将过去分散的教学、学团、实习、就业等活动数据关联起来，形成网络化和动态化的生态圈，创造并满足企业、学校、学生的集成式需求。数据中台可以是集中式的网络平台，或是能够管理和对接各种系统的网络接口，也可以是一个收集、过滤、整合、分析、发布数据信息的组织机构。无论是何种形式，数据中台最终都要为学校、学生、企业三方主体提供API、信息查询、数据可视化、趋势预测等各类数据服务，并进一步通过数据挖掘分析，针对企业招聘选人、学生课程选修、求职就业提供智能推送，强化数据在不同场景中的应用。学校、学生、企业根据数据分析结果完成教学、就业、选人等各项决策，将各项、各类数据产生的价值落实到育人层面，最终“还数于生”，促进学生成长。校企双方主体在使用数据中台的过程中，还可以将学生在校内的理论知识储备、学习行为特征、课程考核结果、学团行为表现，以及在校外实习实践中的岗位标准要求、绩效考核结果、典型实践案例、岗位培训资源等信息数据反馈回相应平台，从而为下一轮的数据采集分析提供基础，这便形成了一个数据的流通闭环，一个完整的育人生态系统得以构建。数据在育人生态系统流通的过程中，赋能学校、企业、学生三方主体，助推精准育人目标的实现。基于数据赋能的校企协同育人模型见图1。

图1 基于数据赋能的校企协同育人模型

（一）数据赋能学校

首先，沉淀行业资源。虽然目前已有部分高校采用了教育数据中台解决方案，但其服务对象主要为高校内部各业务板块，数据仅在校园内部流通，尚未有外部企业介入其中，这在一定程度上导致了学校人才供给与企业用人需求之间的错位。而借助信息化手段完全可以搭建起校企之间沟通的桥梁，打破时空壁垒，将企业资源有效引入校内常规教学，并通过中台的数据采集、存储，逐步沉淀积累行业资源，满足校内日常教学的调用分析。这里的行业资源包括企业教师、培训课程、经营案例、新技术应用、用人标准等。例如，企业教师跨时空、跨地域的线上常态化云端授课，教师角色也就超越了企业、学校的组织边界，无形之中形成了校企融合的“双师”型教学团队，不仅可以优化师资结构，实现优质师资共享，还能够将职业场景植入校内课堂，并积累建立线上企业课程资源库；学生在实习中接触到的行业案例、新技术等及时反馈到校内日常教学，帮助教师适时调整教学内容，培养新型人才，满足企业用人需求。

其次，优化课程体系。一是促进课程体系弹性化。学校可以借助积累的行业线上资源数据，完成对行业企业的深度调研分析，归纳出岗位能力要求，设计出知识图谱，提供有针对性的讲座、模块课程、技能强化实训、证书培训等立体多维的课程组合和知识学习场景，构建个性化的课程体系。课程体系包括基于通识能力的基础课程、基于岗位核心能力的主干课程，以及基于目标企业和岗位用人需求的企业特色课程。学生可根据个人兴趣、职业发展目标，自主选择课程。二是促进课程设置场景化。在教学系统中营造职业化的选课场景，将课程、知识点、技能点形象地嵌入岗位典型工作任务的各个环节，让学生在选课时能够明确各门课程与岗位、能力的对应关系，不仅为学生提供更佳的选课体验和指导，而且也赋予课程更强的实践应用性，专业学习实现了从选课学习到考核应用的完整闭环。三是促进课程推荐智能化。系统根据学生已有的知识能力储备、当前的个人画像和未来的职业规划，推荐相关课程，提升学生的选课效率。

最后，精准育人目标。基于系统中采集的大量企业信息、培训资料、行业动态以及学生的学习记录、兴趣喜好，识别并匹配学校、企业、学生各方需求，为精准育人目标设定及实现提供支撑。校企联合设计开发出以工作岗位为核心的课程，借助典型工作任务、岗位任职要求、考核标准等数据信息，规划出学生全流程和多场景的学习方案。例如，与传统订单班的固定学生、固定企业不同，在基于数据赋能的校企协同育人系统中，学生可自主选择目标企业，根据其所设定的考核任务及用人标准，进行有目的的校内学习。学生一旦通过企业所设定的任务考核也就意味着通过了招聘选拔，这样学生在毕业之前就有了明确的目标岗位，增加了校内学习动力，而企业在正式招聘之前也有了广泛的人才储备，人才供需双方实现了提前对接。基于精准育人目标的课程体系优化见图2，数据赋能学校的具体内容见图3。

图3 数据赋能学校

（二）数据赋能企业

首先，优化选人流程。在传统的校园面试过程中，企业对学生的评价判断只能基于简单的几分钟面试，对于学生的性格品质、专业知识、技能水平等情况无法做到全面掌握。而在校企协同育人系统中，企业借助专业课程中的第三方考核、学生实习、校园招聘等环节进入教学生态系统。在确保数据伦理安全的前提下，学校向企业适度开放校内学业数据调阅权限，企业作为第三方在完成专业课程考核的同时，也准确掌握了学生在校内课程学习、社团表现等过程性数据，从而判断出其所具备的专业知识、技能和素养。另外，该系统也可以基于企业用人需求，经过学业数据分析，向企业推荐优秀人才。由此，借助数据信息共享，企业的人才评估向前段延伸，降低了人才招聘成本，提升了人才与企业需求的匹配度，大幅提升了选人成效。

其次，完善人才规划。企业的长期稳定发展，需要有科学的人才发展规划。借助校企协同育人系统，企业一方面可提前预知人才供给情况，通过企业导师、行业标准、企业案例等相关资源的提前输入，设计出相应的企业特色课程，营造沉浸式企业文化，提前发掘适配的潜在员工；另一方面企业还可将学生的校内学业数据（社团数据反映其组织、协调、沟通等社会能力，课程数据反映其学习能力和知识技能的掌握程度）作为其招聘员工的初始能力基础，据此从宏观上制定企业整体的人才发展规划，解决用人难题。

最后，助推人才升级。通常企业基层员工实践经验丰富，但管理理论知识往往较为欠缺，部分员工学历还有待提升。在追求高利润、高效益的企业经营目标指引下，在岗员工培训和继续教育往往显得力不从心。而学校则拥有大量高学历、教学经验丰富的优秀师资、设备齐全的教学培训场地、丰富成熟的课程资源和完备的学历教育体系，这些都可有效弥补企业在岗员工培训的短板。当企业加入了校企协同育人系统，企业便可直接共享到学校提供的优质线上教学资源，并且可以根据企业实际经营所需，迁移各类线上教学活动，为在岗员工提供在职培训机会，有效促进在岗员工文化素养和专业理论的提升，为其长远的职业发展打下坚实基础。数据赋能企业的具体内容见图4。

图4 数据赋能企业

（三）数据赋能学生

首先，激活学习内驱力。一是通过自我剖析激活内驱力。在校企协同育人系统中，通过中台对所采集的过程性数据和结果性数据的建模分析，形成学习者画像，包括基本属性、知识背景、能力特长、学习风格、行为特点等，据此学生可以形成更为清晰的自我认知，有助于其在未来学习、择业中做到扬长避短。二是通过表达自我主张激活内驱力。当前学生个性化特征愈发显著，自我意识突出，整齐划一的学习方式、课程设置、实习安排并不能满足信息化时代学生的学习成长需求。校企协同育人系统中灵活多样的课程、实践资源组合，为学生提供了更多表达自我学习主张的机会，学生可以自主选择学习路径、学习方式，构建个人“学习地图”，个性化的学习需求得以满足。三是通过就业出口激活内驱力。校内学习数据与实习、就业信息相融通，各类过程性数据开放共享，校内的学业数据成为企业招聘的重要参考，这就迫使学生不得不重视校内的理论知识学习和各类过程性的行为表现，养成良好的学习习惯，提升专业知识、专业技能和综合素养水平。而目标企业的提前选定，也能够促使学生更加明确职业发展规划，从就业出口倒逼学生校内学习，有效提升其学习动力。

其次，建立学习共同体。在传统专业选修课之外，学生还会自主选择目标企业和目标岗位，在学习相应企业特色课程和完成考核任务的过程中，形成由志趣相投的学生所组成的学习共同体，继而以群体的力量推动个体的学习。群体内的成员有着相同的职业发展目标，在学习过程中互相沟通、相互激励、共享各类资源，通过学伴之间学习行为、文化认知等方面的互助影响促进共同成长。此外，学习共同体并非一成不变，学生学习某企业特色课程的过程也是与该目标企业双向磨合的过程，如果发现目标企业不适合自己，或是自身未达到目标企业要求，学生便会退出该学习共同体。群体成员的动态调整能够确保最终通过目标企业特色课程考核的学生是真正符合企业要求、认同企业文化的学生，人才供给双方都能够达成所愿。

最后，精细学习全过程。基于岗位能力需求的进阶式课程设置，将企业案例、项目任务无缝融入，学生在完成校内课程学习时，亦可了解自身与岗位需求的匹配程度，随时掌握自身学习增值状况，明确未来的努力方向。企业也能够从岗位能力要求的角度实时评价学生，从而使人才评价不仅存在于选人面试这一育人结果性评价环节，而且存在于学生每门课程学习乃至每个章节学习的过程性评价中。事实上，广泛开展的过程性学习评价，其目的不仅在于分等级、选拔、淘汰，更在于督促、指导和改进教学，不仅要将过程性学习数据进行结果性汇总，更要对过程性数据进行即时性诊断和反馈；不仅要关注学习者之间横向的成绩比较，更要关注学习者自身纵向的成长增值。有了完善的数据采集平台，便可以实现伴随式的数据采集和即时性的学习反馈，督促学生优化学习行为，调整学习进度，改进学习成效。数据赋能学生的具体内容见图5。

图5 数据赋能学生

（四）数据赋能校企互动

首先，建立动态合作关系。学校通过适度分享教学信息、开展多元化合作、实行末位淘汰等方式整合企业育人相关资源。适度分享教学信息是指让合作企业及时了解学生在校内的学习情况，尤其是专业知识、专业技能学习情况，便于企业选人、培训时能够有的放矢。开展多元化合作是指在长期的大中型企业顶岗实习之外，将更多中小型企业纳入校企合作范畴，统一规范管理，为学生常规课程学习中的小型项目实践和短期社会实践提供支撑，使课程的理实一体化教学得以落地。实行末位淘汰是指在遴选顶岗实习企业过程中，学校根据校企协同育人系统中统一公示的标准（具体包括企业文化、员工福利待遇、实习生满意度、企业培训资源等）对企业进行不同维度的赋分，根据最终排名挑选最佳合作伙伴，确保优质企业纳入。而被淘汰的企业调整后可在下一轮实习就业季重新参与竞争。在这一过程中，企业以竞争方式获得实习生资源，可以有效督促其更加关注学生的能力成长和学习需求，促进企业优化对实习生的管理。

其次，塑造资源供给能力。学校根据育人实际情况发起校企合作需求，企业会积极响应提供实习岗位、实践项目等各类资源。数据的实时流通与确认有效避免了校企之间的信息不对称，校企之间形成了人才供需的自动匹配。在资源供给类型上，中小企业机制灵活，可为学生提供短期校外实践、课程小型项目实践等机会，还可以对学生开展创新创业指导，侧重于提升学生的综合能力；大型企业分工明确，管理规范，培训体制完善，可以为学生提供顶岗实习、专项培训，侧重于学生在特定岗位的专业技能和素养的训练。多样化的课程设置和资源定位，既保证了国家教学大纲中常规课程资源的供给，又实现了特殊、特色课程的广泛共享与精准匹配。对企业而言，其在平台上提供的企业课程会影响学生对企业的判断，进而影响学生的就业意愿，反过来便会促使企业投入更多的精力提升培训课程、实践项目等资源质量，最终形成“育人—用人”的良性循环。

最后，推动深化校企融合。传统的教学管理、实习管理、职业规划等工作在数据化加持之后，育人内涵发生了深刻变化，学生培养由标准化、规模化转向了个性化、精准化，校企育人由割裂分离转向了双向融合互通。教育与行业、学校和企业、教室和车间、学习与工作、教师与导师之间借助数字化技术，实现云端深度协同，将“教育性”和“职业性”汇入“中间地带”。例如，校企远程互动的直播课程将企业真实生产经营过程和操作标准融入校内常规课堂，弥补了校内理论学习与校外企业实践间的鸿沟。而借助平台沉淀下来的课程视频回放，学生还可自行就实践操作细节和重难点进行反复揣摩学习，个性化学习需求得以满足。学生在顶岗实习之外，仍然可以在校内常规的课程项目教学和实践作业中，获得各类企业设备、导师、操作标准等资源支持。数据赋能校企互动的方式见图6。

图6 数据赋能校企互动

三、数据赋能校企协同育人模型的实施策略

（一）搭建数据整合中台，融通“校—企—生”三方主体

纯粹的数据并不等于资产，只有从业务的角度进行规划、分析、处理，数据才能够产生价值。校企双方可共同建立一种中台组织战略[21]，为育人、用人、职业发展等需求提供快速的数据响应。首先，要建立源数据的连接。整合数据是数据中台的首要功能，通过连接实习、教学、就业等各方面原本相互孤立的数据，融通“校—企—生”三方主体。借助于各平台的数据连接，可有效追踪学生成长路径，制定未来学习目标和职业发展规划。其次，要提供基于场景的数据服务。教学、就业、实习对数据的关注指标不尽相同，应该注重数据的场景化分析和应用，以适应不同主体的需求。针对学校设计用于育人目标设定、课程体系开发等教学决策的解决方案，针对企业建设出用于人才评估、员工招聘和管理培训的数据基础，针对学生构建出可用于学习规划、职业发展定位的个人画像，并进一步基于数据挖掘推荐适配的课程和岗位信息。最后，要跟踪度量数据的使用。利用信息化平台进行数据集成分析的优势在于“过程留痕”。通过仔细分析谁在什么时间用了哪些数据，可以得出各数据板块的价值，以及各个相关主体的关注点，将这些信息进一步反馈给数据采集分析系统，优化数据结构和分析结果，改进数据供给方式，形成数据中台内部数据的良性循环。依托数据中台整合企业、学校优质资源，扩大数据来源渠道，使企业培训、实习、就业和学校教育教学资源有机统一，形成育人新合力。需要注意的是，数据中台的建设不是一劳永逸的，而是一个需要统筹规划、迭代更新的系统性工程。学校需要充分认识数据中台的复杂性，在初级阶段建设不搞大而全，而应坚持“全场景规划，小场景启动”，围绕校内教学、校外实习、招聘就业、职业规划等具体不同的育人场景开展建设，并逐步完善其功能业务。

（二）更新数据思维理念，提升主体数据意识

思维方式是建设数据中台核心环节。因为数据本身并不等于提供智慧，还需要育人主体对数据背后的意义进行分析、解读，为学生的进一步成长提供解决方案。而当前由于育人主体受传统思维和决策习惯的影响，往往会忽略各系统、各类型数据之间的内在联系，对数据的敏感度不够。鉴于这一情况，可以从以下三个方面着手：一是从“证据思维”转换到“线索思维”和“对话思维”。数据不仅是教育教学成功与否、实习工作好坏的证据，还是改进教学和实习管理的线索以及与学生（员工）间的对话方式。各相关育人主体应从“证据思维”转换到“线索思维”和“对话思维”，注重在数据中寻找改进育人的线索和彼此对话的主题，深刻认识数据赋能教育教学的本质。二是强化中台的数据服务意识。通过典型教育数据挖掘案例的示范带动作用，让学校、企业乃至学生意识到可以主动利用数据来实现自身需求，并愿意有意识地贡献数据、积累数据，让数据为育人过程服务。三是加强数据应用相关理论和技能的培训及研讨，使育人相关主体能够批判性地、符合伦理安全地获取、分析、表征数据。在这一过程中，既要关注个体，也要关注全局，既要关注精确性，也要关注混杂性，既要关注因果关系，也要关注相关关系，让学校、企业、学生逐步建立起运用数据发现问题、分析问题、解决问题的能力，实现以数据为基础的科学决策与未来预测[22]。

（三）规范数据应用范畴，注重数据伦理安全

教育数据的应用价值在于洞察教育教学规律，为教育决策提供依据，提升精准育人成效，但对教育数据尤其是学生个人信息的过度解读和滥用无疑会威胁到相关主体的隐私安全，甚至会给学生贴上错误的标签，限制学生的未来发展。因此，在采集、分析、访问以及存储数据过程中，应以有用无害为价值追求[23]，以保护主体隐私为安全底线，确保数据在各个环节不被任意使用、泄露、修改、破坏等。遵守《信息安全技术个人信息安全规范》和《个人信息保护法》等相关法律法规要求，对校方、企业、学生三方设置恰当的分级认证、授权等措施，在不同的数据使用场景，设置不同的访问权限，对数据进行脱敏处理或设置敏感级别，非必要情况，不显示个人敏感信息。确定数据公开的权限和时限，规范数据所有者的被遗忘权[24]，即定期删除数据中的个人信息，避免数据滥用。作为协同育人系统的主导者，学校首先需要明确各方主体的知情同意权。学校的教学信息需要在获得师生授权同意后，在不侵犯个人隐私的前提下，分级分类地在实习面试、招聘就业、岗位培训等不同场景中授权共享给企业进行人才甄选、职业规划；学生可自行确定个人实习、学习数据的共享程度；企业也可自行甄选培训资料、实习生考核反馈、管理案例等数据的共享范围、权限和使用规范，以便于校内教学。