徐涛

摘  要： 传统的人才培养模式分析能力较差，没有捕捉到社会需求与人才培养之间的相互关系，导致高精尖人才就业方向与所学专业不匹配，最终影响就业人数。因此针对这一现状，设计基于大数据分析的人才培养模式。该模式利用大数据分析技术，根据往年全国学生就业情况，着重分析社会需求与人才培养之间的关联指标;建立“双元化”的教学机制，获取学生投入程度指标，重构以理论为依据、实践为手段的教学体系;通过分析人才供需的正态分布，调整人才培养教学与培训项目，以此建立系统化的人才培养模式。测试结果表明，与传统的人才培养模式相比，此次设计的培养模式分析能力更强，人才就业方向与所学专业更匹配。由此可见，该模式可为社会输出满足发展现状的技术人才。

关键词： 人才培养; 模式设计; 大数据分析; 就业现状; 关联指标分析; 教学体系

中图分类号： TN919?34; G71                      文献标识码： A                     文章编号： 1004?373X（2020）20?0122?04

Design of talent training model based on big data analysis

XU Tao

（Capital University of Economics and Business， Beijing 100070， China）

Abstract： The traditional talent training mode has poor analysis ability and fails to capture the correlation between social needs and talent training. This has led to a mismatch between the employment direction of sophisticated talents and the majors， and influence on the number of employees. In view of this situation， a talent training mode based on big data analysis is designed. In this mode， the big data analysis technology is used to analyze the relevant indicators between social needs and talent training emphatically according to the employment situation of students in the past years， a "dualistic" teaching mechanism is established to obtain indicators of involvement quantity of students， the teaching system taking the theory as means of basis and practice is reconstructed， and the teaching and training programs for talent cultivation are adjusted by analyzing the normal distribution of talent supply and demand to establish a systematic talent cultivation mode. The testing results show that， in comparison with the traditional talent training mode， the designed training mode has stronger analysis ability， and the employment direction of talents is more matched with their majors. It can be seen that this mode can provide more technical talents meeting the development status for the society.

Keywords： talent training; mode design; big data analysis; employment status; relevance indicator analysis; teaching system

0  引  言

在經济发展日趋激烈的今天，国家的强大、社会结构的完善离不开坚实的经济支持，因而就业者的自身素质、修养、知识水平与技术水平，则直接影响社会经济结构的发展。因此，为了国家综合实力的提升、社会经济的不断推进，培养高精尖人才的知识水平与专业技术能力，成为现阶段教育事业发展的主要目标[1]。近些年来，教育行业设计了多个人才培养教育模式，但通过人才的就业方式和就业情况，了解到这些高等技术人员的就业效果并不理想，存在很多人才在家待业，或者就业方向与所学专业不相符的情况。因此，针对现阶段的人才就业现状，设计基于大数据分析的人才培养模式。大数据分析能力不是对一个单独的个体进行分析，而是一个对多个维度组成的影响因素进行分析的技术。当前大数据分析能力的维度划分包括人才的管理能力、专业技术能力、分析能力、科学预测能力、决策支持能力等人才自身能力;同时，还包括分析社会公共基础设施现状、分析市场现阶段供需等能力[2]。本文基于大数据分析的人才培养模式，通过分析主观和客观两类影响因素，设计更加完善的人才培养方案，为国家高端技术人才的培养与输出提供更加科学的培养方式。

1  基于大数据分析的人才培养模式设计

1.1  基于大数据分析社会需求与人才培养关联指标

设计全新的人才培养教育模式，第一环节需要获取社会需求与人才培养关联指标。现阶段的教育发展是随着国家教育发展总历程进行的，同时随着社会结构的发展方向，高校对人才培养模式进行了创新与改革。如今在教育模式方面，学校在招生原有人数的基础上扩招了40%，提升了普通本科学生的占有比例，增加了人才就业人数，具体信息如表1所示[3]。

根据表1可知，目前接受高等教育的学生人数增加，促使毕业就业人数提高，解决了社会对人才的需求短缺现状。但根据表中就业数据可知，毕业生就业比例较为一般，且人才的就业方向与实际专业并不对口。因此基于大数据分析指标，对学生的专业课程结构展开分析，分析结果如表2所示[4]。

根据表2中的数据，可见培训教育课程存在重理论轻实践、院校发展缺乏特色等问题，致使学生的综合素质薄弱，导致教学体系难以满足现阶段的社会生产需求，从而使学生就业不对口，进而引发就业率差的问题[5]。对上述数据进行显著性分析，分析表达式为：

[F=xyx2k2y+y2k2x] （1）

式中：[F]表示大数据分析方法下数据显著性的计算结果;[x]表示主观分析数据;[y]表示客观分析数据;[k2x]与[k2y]分别表示主观数据和客观数据的标准误差。根据上式测试分析数据，当结果[F>1.96]时表示数据显著，可计算社会需求与人才培养关联指标[6]。

1.2  获取学生学习投入度指标重构教学体系

根据上述数据获得关联指标，融合人才教育培训方案与实际职业，构建一个“双元化”的教育机制，根据实际职业需求，设置全新的教学培训方案，提升教学与就业之间的融合度。同时需要学校与企业加强沟通，合力开展新型的教育培训课程，使人才培养与企业需求之间相匹配。再则需提升校企双方的社会竞争力，企业为学生提供实训基地，增强学生的实际操作能力;学校则根据实训成果，对学生不足之处进行二次理论培训，实现课堂与实践的双方合作。该机制的表现形式如图1所示[7]。

根据上述教学机制，计算全新机制下，学生的培训投入度指标计算公式为：

[p=λ?μfp-Δfm·b1+b2] （2）

式中：[p]表示投入度指标;[λ]表示社会需求与人才培养关联指标;[μ]表示学习投入度较低时的劣化指数;[fp]表示定量分析函数;[Δf]表示分析误差;[m]表示指标变动值;[b1]表示企业实训投入力度参数;[b2]表示完善后的教育机制影响指数[8]。根据所获指标，重构人才培养教学体系，该体系包括：构建校企模块化课程体系;设置任务式的教学培训过程;设计多途径、多层次、多类别的实训方案;以及建立集中式的任务导向式培训方式，实现多样化、系统化的教学体系[9]。

1.3  评估人才供求指标

现阶段社会发展对人才的需求以及人才的供给之间是相互影响、相互制约的关联，因此通过明确两个因素的关联程度，结合评估函数评估人才供给指标，实现系统化的人才培养模式。当前阶段的市场需求分为离散需求和随机需求，且这些需求符合正态分布的随机变量[10]。假设在一个人才需求周期[D]内，需求独立存在，符合均值为[H]，标准差为[σH]的正态分布[11]。已知在周期[D]内的社会人才总需求符合均值为[HD]，标准差为[σH]的正态分布，因此下述方程组成立：

[HD=DHσD=DσH] （3）

利用上述方程组确定符合均值，当该均值低于社会平均标准值时，评估此时的人才供求指标，根据该指标设计人才培养模式，已知该模式以学生特长标定培养方向，需要调整的教学活动如图2所示[12]。

按照上述调整结构重新制定人才培养模式，确保人才的专业技术与社会所需技术之间相匹配，通过针对性的人才培养模式，提高学生就业率，实现社会与人才的同步发展[13]。

2  测试与分析

为验证基于大数据分析的人才培养模式的可靠性和可执行性，令某一地区的高等院校应用所设计的培养模式，分析学生的就业方向与所学专业的匹配程度，得出具体实验数据。为了令测试结果更具说服性，将传统人才培养模式同样应用到此次测试中，分析两种模式的差异。

2.1  实验准备

选取的测试对象为S省的普通一类大学A大学的大三学生。该大学中的部分专业信息与学生信息如表3所示。将所设计的基于大数据分析的人才培养模式、传统的人才培养模式均应用到一整个学年的教学任务中。该学校大三学生，在学校调整人才培养模式之前的两个学期考试成绩，如表4所示，已知理论成绩大于90分为优秀;实操成绩大于95分为优秀。根据表4可知，该学校学生的理论课程较好，实际操作成绩较差。分别将两种培养模式运用到大三和大四两个学年中，根据学生的就业报到证明，统计该校学生的就业情况，分析学生所学专业是否与就业方向一致。

2.2  结果分析

将所提人才培养模式下学生的就业情况统计作为实验组，将传统人才培养模式下学生的就业情况统计作为对照组，图3为此次测试结果。

分析上述2组测试结果可知，在大数据分析的人才培养模式应用下，学生通过加强实训能力，提升自身技術水平;同时由于该模式根据市场对人才的需求状况，及时调整教学模式，因此令学生的专业技能与社会所需相匹配，进而提升了就业人数。而在传统人才培养模式下学习的学生，由于该模式对于实际操作课程的培养不够充分，且没有挖掘出社会与人才技术之间的关联指标特性，从而导致学生的个人技术与社会需求之间出现偏差，导致匹配效果不佳，进而影响学生的就业。

3  结  语

通过大数据分析技术，重点研究现阶段社会所需人才类型和学校培养人才模式之间的关联，重新制定新的教学机制，并通过及时调整人才培养模式，实现高精准匹配的人才培养，为今后社会的发展、国家综合实力的提升，提供更加完善的人才培养方法。但本文设计的培养模式并不是不可替代的，今后还要根据社会结构的变化、经济发展等因素，适当调整人才培养模式。

参考文献

[1] 王战平，冯扬文，朱宸良.大数据时代数字资源整合方法研究：模型设计和实验分析：以物流行业为例[J].现代情报，2019，39（9）：92?100.

[2] 王丽艳，季奕，王咿瑾.城市生活质量测度及影响因素研究：基于天津市微观调查与大数据的实证分析[J].城市发展研究，2019，26（4）：79?86.

[3] 郭春侠，徐青梅，储节旺.大数据时代突发事件应急管理情报分析人才培养初探[J].图书情报工作，2019，63（5）：14?22.

[4] 冉晓斌，刘跃文，姜锦虎.社交网络活跃行为的大数据分析：网络外部性的视角[J].管理科学，2017，30（5）：77?86.

[5] 杨惠，骆筱秋，王晴.科技期刊国际化过程中的人才培养与团队建设[J].中国科技期刊研究，2018，29（1）：84?87.

[6] 田学斌，窦丽琛.大数据时代雄安新区人才发展的特性及政策优化[J].燕山大学学报（哲学社会科学版），2019，20（2）：74?80.

[7] 刘冬，侯晨.应用技术型大学与高职高专院校人才培养目标比较分析[J].职业技术教育，2017，38（17）：21?24.

[8] 黄安平，张新江，肖志松.从信息物理角度审视大学的人才培养[J].大学物理，2018，37（2）：42?46.

[9] 阎琨.中国大学拔尖人才培养项目内部冲突实证研究[J].清华大学教育研究，2018，39（5）：63?74.

[10] 刘亚杰，李忠猛，施连会，等.航母专业技术岗位人才培养模式研究[J].海军工程大学学报（综合版），2017，14（4）：70?74.

[11] 魏晶，王冰，李芳，等.医学免疫学教学改革在“5+3”医学人才培养模式中的应用探讨[J].中国免疫学杂志，2019，35（10）：1260?1262.

[12] 张伟珊，李卓运，郭锡泉.高职院校“互联网+”创新创业人才培养的实证研究：基于粤北山区4所大学的抽样分析[J].科技管理研究，2019，39（9）：140?147.

[13] 张长亮，王晨晓，李竟彤.大数据时代中美高校数据素养教育比较研究[J].情报理论与实践，2019，42（8）：131?137.

[14] 陈传文，陈俊奇.聚焦国家复合型、创新型人才培养目标：新时代背景下综合性大学艺術学科建设论析[J].艺术百家，2019，35（3）：50?56.

[15] 李娜，杜建，唐小利，等.我国医疗卫生人才供需平衡策略研究[J].中国工程科学，2019，21（2）：89?92.