职业教育人力数智化教学研究

一.引言

国家大数据发展战略共经历四个阶段：萌芽期是从 1980-2008 年，大数据的兴起预示着信息化革命的开端；2009-2015 年作为政策的起步期，成熟的数据处理工具及架构开始涌现，大数据逐渐在各领域应用；2015 年，我国首次提出“ 国家大数据战略” ，自此，大数据成为了国家级战略资源；2020 年起国务院政府报告中多次提及“ 大数据” 概念，可见大数据的重要性。

人力资源社会保障部 2021 年 6 月正式印发《人力资源和社会保障事业发展“ 十四五” 规划》，规划中明确人力资源服务业高质量发展的目标框架，强调行业创新与市场化改革方向。

二.学情教情分析

人力资源管理（HR）在职业教育中逐渐向高度交叉的应用型专业发展。由于人力资源管理专业的文理兼收特性，学生和教师在进行大数据课程学习和教学活动时，普遍存在以下困难：

（一）学情：

1.思维方式差异。人力资源管理专业的学生更倾向于网状思维逻辑，即由 A 到 N 的思考方式，这在数据处理和分析中并不适用。因此，转变问题的思考方式，对学生来说是个很大挑战。

2.语言学习难度。大数据课程涉及到利用 Python 或者其他语言实现数据挖掘和分析，牵涉到各类计算机语言和框架学习知识，而人力资源专业学生并未进行过相关专业课程的系统学习，学生缺乏扎实的数学和计算机基础，难以理解和应用复杂的数据分析工具，因此，语言学习是该课程的一大障碍。

3.理论与实践结合困难。嵩天等（2016）指出 Python 大数据分析课程不仅要求学生掌握理论知识，还需要能够将理论知识应用到实际的数据分析项目中[1]。目前，大数据概念在各大公司实际工作中均有体现，但是对于学生而言，如何在课堂上实现理论和实践的有机融合尚存困难。

4.学习资源的获取和利用不充分。目前，网络空间提供了丰富的大数据相关教程，但大多数是依赖各类框架或软件进行教学，用于人力资源专业大数据课程的参考资源较少。因此，如何实现大数据工具和专业知识的交叉学习也是一个急需解决的问题。

（二）教情：

1.学生的基础差异。职业院校生源具有多样性，包括高考统招、分类考试、对口招生等，学生的理论学习背景差异性较大，这就要求教师需要因地制宜，定制学生的个性化教学方案，并具有较强的应变能力。

2.技术更新换代快。大数据不仅是数据的海量递增，更是通过技术迭代让人们获得数据规律的过程，故人力资源专业学生掌握和应用大数据技术成为教学目的之一。近年来，大数据工具和框架发展迅速，使得教师持续面临如何及时掌握新技术和更新知识库的考验。

3.多学科交叉。大数据课程前置课程较多，人力资源专业授课教师需要及时跟踪大数据技术发展前沿，并实现人力资源专业知识与大数据的学科交叉融合、案例整合、场景应用分析。因此，教师面临跨学科知识整合、系统性地传授大数据相关知识的挑战。

4.人力大数据平台资源冗杂。现阶段，大多数平台是以大数据为支撑，而人力领域常用平台很多，如果局限于某平台教学，会使学生进入“ 全会” 或“ 全不会” 的学习瓶颈。因此，科学合理地选择与学情、教情等相适配的教学平台也需要教师仔细考量。

三.教学理念设计：实践能力为主，思维培养为“ 辐”

成果导向教育理念在 2025 年被提出，强调在教学过程中坚持以学生为中心、以成果为导向、以持续改进为重点，也为高职课堂教学提供新的思路[2]。《人力资源大数据》课程难点在于该专业学生的前置知识储备不足，并且课程内容模块化倾向严重，所以学生想要将大数据知识结合专业运用较为困难。

早在 2019 年，赵国庆等提出了贯穿式教学理念，强调通过整合概念图、思维导图及实例等方式，将分散的教育材料，组织成结构明确、逻辑连贯的知识体系[3]。基于此，提出人力资源大数据课程 1-2 节课的主要内容是构建知识体系，并且给定人力资源运用场景，帮助学生搭建人力资源专业课和大数据工具课程之间的桥梁。

图 1 .《人力资源大数据》三级教学架构

在每节课程开始前，给出这节课核心关键词，由此向外辐射出各类相关词汇及观念，通过知识点补充的方式弥补学生知识空白，并引入到当前场景中学习。

四.教学模式设计：“ 短频” 实践为主，探究模式为“ 辐”

在传统填鸭式教学活动中，学生和教师的互动较少，会降低学生的学习积极性，尤其在中小学阶段更为显著[4][5]。高等职业教育是建立在中等教育基础之上，注于培养学生实践技能、职业素养和专业知识的应用型教育层次，更注重于学生实践能力的培养，在新教育改革新教学策略中也提到学习的主动性是重点。然而，职业教育往往需要长期投入，这就使得如何持续调动学生学习主动性成为教学的重大课题之一。分析可知，迎合现代人碎片时间习惯似乎更容易吸引人注意，如抖音、快手、公众号等软件利用即时反馈机制营造开盲盒的刺激感，使得人们在零散时间段获取关键信息。那么，是否可以将这种逻辑引入到职业教育中呢？这是需要我们在实践中进行思考的。

课程结合教改新要求和人类注意力机制设计。首先，案例拆解是关键。通过设定趣味性问题引发思考，引导学生不断探索这节课内容；其次，案例整合很重要。每一个分散的知识点都是案例解决的一部分，分散讲解完成后，将所有知识点整合起来，形成一个完整案例。最后，知识总结成框架。例如，第二章数据分析五步法。数据分析步骤较多，学生不清楚应用场景，针对这种教学情景，首先将表 A（抖音后台数据表）提供给学生，并抛出一系列问题引导学生思考以下问题：1.打开表 A 后，你感觉存在哪些问题？2.基于我们现有基础，你可以分析出账号不火的原因吗？3.如何才能提升账号人气呢？基于“ 发现问题—剖析问题—解决问题” 的思维逻辑，引导学生进行递进式思考和回答，并要求学生总结处理表格的过程。其次，通过讲解和分析完整案例，给出数据分析五步法全过程。最后，让学生根据案例讲解进行总结和反思。教师在设计课件时要注重引导启发作用，并在课堂上展示视频或图片素材，制造反差感，调动学生学习主动性。

“ 短频” +探索策略主要是基于人的注意力机制制定学习策略，以案例化的总结驱动学习，并以学习兴趣为主导，通过设定递进式任务的方式引导主动探索，拉长有效学习时间，激发学习热情。

五.教学过程设计：能力实践为主，终身学习为“ 辐”

1.课前导学阶段

课前借助 QQ、微信等平台发布学习任务（关于案例类资源可以借助新道、踏瑞等平台），其中会涉及到2-3 个课前提问，以便发散思维，并要求提交自学材料，以督促预习准备。由于大数据课程与人力资源专业的结合点往往是案例运用，课堂学习阶段不仅要求学生具有人力资源专业基础，也要培养团队合作和主动解决问题的能力，故每一模块会在特定学习平台进行分组，要求合作收集资料，在调动个体学习主动性的同时，培养团队合作能力。

2.课堂学习阶段

依托于课前预习和的小组自学情况，教师对此进行总结分析，针对学生前期探索中出现的难点，教师制定课堂学习方案。首先，开展课前问题分析总结，阶段性提出新的问题，让学生思考并通过在线平台实践；然后，教师对课堂中的实现问题进行讲解、演示，给出该模块理论难点和实践的具体解决办法。将所有问题汇总到案例中形成实践完成过程；最后，提供相似案例，以便学生巩固和深化学习。需要注意的是，在课堂上要注重师生互动，以学生为学习主体，通过不断探索解决问题的途径，实现理论和实践的课堂结合。另外，在教学前期，考虑到高职院校学生基础的差异性，开学前 1-2 周以知识科普和理论教学为主。

3.课后辅导阶段

课后借助大数据平台（新道大数据或者踏瑞大数据平台）布置预习，并以文档形式上传这节课需要学习的理论知识，以供学生查阅。课上案例则在学生小组完成后上传，达到实践联系的目的。

通过“ 课前预习-课上学习+实践-课后实践+作业巩固” 的教学流程，构建“ 线上+线下” 协同的学习方式。教师在课堂上通过多元素教学活动，提升学生理解、掌握专业知识能力（理论）和大数据工具运用能力（技能）。六.教学策略设计：解决问题为主，知识整合为“ 辐”

大数据课程的核心是“ 做中学” ，策略应以课程实践项目为导向，激发学生解决实际问题的热情。不同学科教学策略研究很多[6][7]，王应发[8]等提出了跨学科融合教学方式，他认为教具在激发学生学习热情上扮演重要角色；李志涛[9]等对单元整体设计与议题式教学进行整合，积极探索逻辑重构、层次鲜明、活动充分、思维有序、素养内化的单元整合思维的议题式教学策略，提高学生参与度。这与我国职业教育特点是高度契合的。实践出真知，学生在实践中学习、在学习中实践，一方面可以激发学习兴趣，提升综合素质；另一方面，也可以锻炼独立思考、解决问题的能力，并培养团队协作能力，为就业奠定基础。

七.教学评价设计：过程考评为主，知识考核为“ 辐”

人力资源大数据课程是 B 类实践和教学类课程，教学评价聚焦于实践能力的培养和综合素质的提升。在设计教学评价时应考虑采取多元性考核方式。《人力资源大数据》更适合采取弹性评价机制[10]，以过程任务考核为主，以素质考核和项目完成度为主要指标。通过大数据平台对项目式课堂任务中的单项任务完成情况进行可视化呈现，考察课堂学习成效。课程采用线上、线下结合的教学评价模式，具体如下表所示：

表 1.《人力资源大数据》考核明细表

八.课程思政设计：专业课程为主，思政元素为“ 辐”

李腾子[11]认为思政应该向高质量发展转变，思政课程与专业课程的多维整合、思政教育在学校与社会场域的全面浸润、传统教学与数智教学的融合贯通，才能更好地发挥思政育人的效果，落实立德树人根本任务。作为高等职业教育教师，只有实现由“ 育才” 到“ 育人” 的思想转变，才可能实现“ 教学向教育转变” [12]。

参考文献：

[1]嵩天，黄天羽，礼欣. Python 语言：程序设计课程教学改革的理想选择[J]. 中国大学教学， 2016， 2： 42-47.

[2]王国栋，马建斌. 基于 OBE 教学理念的高职数学课堂教学设计[J]. 湖北开放职业学院学报， 2025， 38（1）：188-190.

[3]赵国庆，杨宣洋，熊雅雯. 论思维可视化工具教学应用的原则和着力点[J]. 电化教育研究， 2019， 40（9）：59-66.

[4]吴翊. 启发式教学再认识[J]. 中国大学教学， 2011， 1： 67-68.

[6]王志建. 小学数学中的启发式教学[J]. 中国教育学刊， 2022， 12： 103.

[5]刘贞贞. 信息技术时代小学语文教学方法与实践研究——评《小学语文教学研究与实践》[J]. 人民长江，2021， 52（2）： 219.

[7]冯涛，李擎，张瀚文，等. 一阶 RC 电路“ 非正常” 现象探究的启发式教学探索与实践[J]. 实验技术与管理，2024， 41（9）： 177-185.

[8]王发应. 学科融合视域下设计的一般过程教学策略与反思[J]. 中国肺癌杂志， 2025， 4.

[9]李志涛，孟亚红. 基于单元整合思维的议题式教学策略[J]. 教育实践与研究（B）， 2025， 5： 43-45.

[10]王秀婷. 财会类专业《Python 大数据分析》课程教学研究[J]. 山东工商学院学报， 2025， 39（2）： 113-122.

[11]李腾子. 课程思政高质量发展的三个转向[J]. 湖南师范大学教育科学学报， 2025， 24（3）： 79-84.