基于信息化的OBE模式的高职人才培养路径研究_第1页
基于信息化的OBE模式的高职人才培养路径研究_第2页
基于信息化的OBE模式的高职人才培养路径研究_第3页
基于信息化的OBE模式的高职人才培养路径研究_第4页
基于信息化的OBE模式的高职人才培养路径研究_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

[摘要]随着信息化技术的迅猛发展和高职教育的不断改革,如何有效利用信息化手段提升高职人才培养质量成为一个重要课题。以大数据技术专业为例,以信息化平台为载体,以建立教学过程质量常态化监控机制、规范人才培养方案和标准制定流程为切入点,对信息化在OBE教育理念推行过程中的作用、高职人才培养路径的构建过程进行分析探索,旨在研究如何將OBE模式与信息化手段相结合,实现对高职人才培养的全过程监控。并提出信息化技术在OBE教育理念推行过程中扮演促进有效发展的重要角色,且能够支持教师进行有效的教学管理和评估,提升整体教育质量,有望为高职教育的发展提供有益参考。[关键词]OBE模式;高职;信息化;人才培养一、研究背景和意义OBE理念是一种以学生的学习成果为导向的教育理念。我国已有个别高职院校应用OBE理念进行教育教学改革,一些应用型本科院校也已经开始推行OBE理念。“职教二十条”明确提出,高职教育要借鉴国际职业教育的普遍做法,积极推进高质量发展,深化人才培养培训模式改革,提升技术技能人才培养质量[1]。树立OBE理念,推动我国高职教育理论创新与实践创新,可为我国高职院校进行教育教学改革和人才培养模式创新提供重要参考。二、研究思路和方法(一)以信息化平台为载体,建立教学过程质量常态化监控机制利用信息化、在线教学等平台,对教学过程质量进行常态化监控,对教学关键环节的质量进行定期监测和评估[2-3]。首先,明确各主要教学环节的质量要求,质量保障标准科学、合理。其次,能较好地全程监控各教学环节的质量并有跟踪反馈措施,较好地开展各教学环节质量常态化评价。最后,能较好地使用校内外评价分析结果,推动人才培养质量的持续改进和提高。不断改进教育质量的措施有:(1)对教学过程质量进行监控,确保每个关键教学环节都有清晰的质量要求,对课程的体系设置、质量进行定期评价。(2)建立评估机制,以评价学生是否达到毕业要求,并进行定期评估。(3)引入社会评价机制,建立毕业生跟踪反馈机制,吸纳高等教育系统之外的相关方参与,定期分析人才培养目标的实现情况[4]。这些机制是提供持续改进教育质量的基础。(二)以信息化平台为载体,规范人才培养方案和标准制定流程“三教”改革的第一特征为规范性。教学是一项具有严格规范性的活动[5]。“三教”改革与教学标准体系的形成是同步的,即要遵循“边改边建,边建边用,边用边改”的原则,以保持教学规范性与创新性之间的张力与平衡。利用信息化平台,把人才培育方案、课程标准进行结构化分解,根据人才培养目标,详细规划毕业要求,拆分明晰培养规格,阐明课程体系与毕业要求、培养规格之间的支撑关系。为了简化本次的试点难度,遵循先有,再逐步提升其合理性的原则,第一阶段只要求做到培养规格与课程体系支撑关系的建立。将已分解的培养规格对应到各门课程,使培养规格与每门课教学内容形成支撑关系,建立培养规格与课程体系之间的矩阵。根据每门课程与培养规格的支撑关系,制定课程标准,将课程对应的培养规格细化为课程的知识、能力、素质目标;根据课程目标进行单元设计,形成每个单元目标与课程目标的支撑关系。基于课标中的课程大纲,建立标准课程的课程设计、评价方案设计(包含达成度计算模型的设计)及匹配的课程资源或教学素材。通过专业试点,打破传统模式,在人才培养方案制定、课程标准制订、课程设计、资源建设、课程教学、单元评价、课程评价、顶岗实习、毕业目标达成度分析等方面形成逻辑体系,通过信息技术固化流程,形成成果导向人才培养模式改革范式,并带动全校整体专业建设、人才培养质量的变革与提升。三、信息化在OBE教育理念推行过程中的作用(一)以大数据信息流为导向形成OBE质量流在大数据时代,质量观不再束缚于随机样本的评估,是面向整个质量过程的综合数据;质量观的分析更注重相关关系而非因果关系。故而,在采集基础数据时,首要关注的是完整记录人才培养过程中所有与质量生成相关的数据[6]。通过运用大数据分析技术,让数据“说话”,数据得以发挥更重要的作用,成为人类思考问题和做出行为决策的基本依据。分析庞大而杂乱的显性数据,能揭示影响质量成长的隐性相关关系。为实现决策行为从经验、直觉驱动变成由数据事实驱动,教学过程需常态化收集、留意数据,并形成以数据为事实依据的大数据教学观、质量观,如图1所示。(二)基于信息化软件提高信息化教育质量教育信息化是关于学习过程与学习资源的设计、开发、利用、管理和评价的全方位的信息化,让人才培养的各种工作流动起来,以实现人才培养目标,按照数据流和信息化视角下的业务形态形成清晰的流程链。从制定学校的发展规划,统领专业建设规划、人才培养方案(专业标准)、课程标准、课程资源建设规划等,按照信息化标准及规范,构建包括数据考核等标准体制体系,在制度设计之初就为以后的数据化分析及考核评价打好基础。质保机制是指通过可视化的数据处理,依靠数据的回馈效应来促进各要素的运作方式。在这种情况下,回馈结论仅仅基于数据事实,可以是正向或负向的。总结梳理学习情境数据,以数据事实响应学习效果,并作为决策后续各质量保证主体行动计划的参考依据。如文末图2所示。四、高职人才培养路径的构建1.设计和制订信息化技能与能力培养目标,确保学生具备适应信息化社会的技能和能力。设计和制订实践能力与创新思维培养目标,培养学生实践操作能力和创新思维能力。充分利用在线教学资源,为学生提供多样化、实时性和互动性的学习内容和资源。2.探索个性化学习和协作学习模式,根据学生的不同需求和特点,提供个性化的学习支持和合作学习机会。建设和应用远程实训平台,为学生提供虚拟实验和实践环境,培养实践操作能力和解决问题的能力。3.加强实践教学环节,提供更多实际案例、项目实训和实习机会,引导学生将所学知识应用到实际中。拓展产学合作,与企业建立紧密联系,开展校企合作项目,提供真实的工作场景和实践机会,培养学生的职业素养和就业竞争力。4.建立基于信息化的综合评估体系,包括知识考核、实践操作、作品展示等多种评估方式,全面评价学生的综合能力。结合自主评价和同行评价,鼓励学生主动参与评价过程,同时引入同行评价机制,促进学生之间的互动和学习。五、案例分析与实证研究(一)案例介绍及实施情况描述本研究以四川商务职业学院的大数据技术专业为例,对大数据技术专业的人才培育方案、课程标准进行结构化的分解,根据人才培养目标,细化毕业要求,分解培养规格,理清课程体系对毕业要求和培养规格的支撑关系。将已分解的培养规格对应到各门课程,使培养规格与每门课教学内容形成支撑关系,建立培养规格与课程体系之间的矩阵。如文末图3所示。根据每门课程与培养规格的支撑关系,制订课程标准,将课程对应的培养规格细化为课程的知识、能力、素质目标(如文末表1、表2所示);根据课程目标进行单元设计,形成每个单元目标与课程目标的支撑关系。依据课标中的课程大纲,建立标准课程的课程设计、评价方案设计(包含达成度计算模型的设计)及匹配的课程资源或教学素材。(二)学生学习成果和能力评估方法在本专业培养方案、教学标准、课程目标、学生课程考核成绩的基础上,利用信息化系统直接计算,对课程目标达成情况进行直接评价,并根据评价结果对课程教学进行改进。本专业的课程目标达成情况评价以课程考核成绩分析法为主,集中实践课程依据课程目标评价需求(如某些能力目标和素质目标难以用考核成绩量化评价)等因素,结合学生自评分析法来进行。课程考核成绩分析法,是基于课程过程性及结果性考核成绩进行量化计算和分析;学生自评分析法主要通过学生主体自身对本课程目标达成情况的自评调查表评分进行分析。(三)评价原理和依据1.成绩评定法毕业要求达成度评价以课程考核材料作为评价依据,对课程(包括实验、实践教学环节)达成毕业要求的情况进行评价;各指标点的达成度评价结果计算公式为:Ind1=∑CijWij式中:Ind1为指标点i的达成度评价值,Cij为课程j对指标点i的达成评价值,Wij为课程j在指标点i中所占权重。评价过程中课程权重系数主要依据为支撑指标点的主要课程的学时学分比例;根据各项毕业要求的指标点评价结果,取最小值为该项毕业要求的达成度评价结果。评价依据为各门课程考核材料,包括考试、测验、任务、项目、大作业、实验、实习报告或设计资料等。2.问卷调查法通过向本专业应届毕业生和专业教师发放调查问卷,通过调查问卷分析专业教师和应届毕业生对毕业要求达成度方面进行评价。本方法针对12项毕业要求分别给出四级评价标准,即满意(5分)、较满意(4分)、一般(3分)、不满意(2分)从而计算出达成度评价结果。问卷对象包括专业教师和应届毕业生。根据每项毕业要求的问卷打分进行统计求平均值,可得两类问卷对所有毕业要求达成度的评价值。毕业要求达成度=评价总分/[满分(5分)×问卷人数]达成标准:毕业生在专业领域的表现是学校教学效果的真正体现,是对毕业生是否达到毕业要求的最好评价。学校对学生在校的学习实行学分制管理,要求本专业学生完成约124学分的课程学习。六、研究结论与启示通过对大数据技术专业的研究,发现基于信息化的OBE模式可以有效地提高高职人才的培养质量。通过分解人才培养目标和毕业要求,对应到每一门课程的课程标准,建立关联系数矩阵,并用信息化的手段将指标量化,可以实现对培养情况的实时监控,从而提高学生的学习能力。本研究还以大数据平台搭建与运维为例,要求学生熟悉Hadoop大数据平台的基本架构,具备大数据平台搭建、部署、基本使用,以及大数据集群运维能力。并行数据处理要求学生掌握一些分布式计算的基本概念,如MapReduce编程模型、Hive数据仓库、HBase分布式数据库等,以及分布式计算的基本算法,如排序、分组、过滤等。此外,本文还研究了如何将OBE模式与信息化手段相结合,实现对高

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论