尚润玲

（江阴职业技术学院 环境与材料工程系，江苏 江阴 214426）

德国为了保持其制造业在世界上的领先地位，于2011年提出“工业4.0”概念，并于2013年正式推出“工业4.0”战略。在全球经济竞争日益激烈的时代背景下，美国于2012年推出了先进制造业国家战略。为了应对激烈的国际竞争环境，我国于2015年5月发布了具有中国特色的“工业4.0”战略，希望借此实现从制造大国向制造强国的转变。因此，智能制造对我国制造业既是机遇也是挑战，我国应当积极推进智能制造业人才队伍的建设，以应对智能制造面临的新挑战。2016年12月，为推进中国制造业的快速发展，我国教育和工业部门联合发布《制造业人才发展规划指南》，旨在健全人才培养体系，创新人才发展体制机制，进一步提高制造业人才队伍素质，为实现制造强国战略目标提供人才保证[1]。

由此可见，智能制造的号角已在全球吹响，作为我国支柱性产业的纺织产业，纺织智能制造“竞赛”已拉开帷幕。《纺织工业“十三五”发展规划》把推进纺织智能制造作为一个重要的攻关方向，瞬间将纺织智能制造推到了风口浪尖，毋庸置疑，谁在智能纺织中抢得人才，谁就抢得先机，谁就能赢得突破与未来。为了更好地培养满足纺织智能制造需求的人才，本课题对江苏省的高职纺织专业人才培养和纺织智能制造企业人才需求进行了调查，总结了智能制造背景下高职纺织人才培养现状，并提出了相应的对策。

1 智能制造背景下高职纺织人才培养现状

力推纺织智能制造、实现纺织强国战略目标的关键在人才，作为培养纺织人才主要阵地的高等纺织职业教育，人才培养应当符合纺织行业的发展需求与纺织企业所要求的人才规格。然而，纺织智能制造企业人才培养存在着诸多问题。

1.1 人才培养目标定位不准确

在智能制造大力推进的当下，世界发达国家先后制定了纺织产业领域发展战略，中国作为纺织大国，适时推出了《纺织工业“十三五”发展规划》，把推进纺织智能制造作为一个重要的攻关方向。江苏省一批批纺织绿色智能企业、智能生产车间如雨后春笋般冒了出来，推动全国传统纺织产业向价值链高端不断攀升，实现从数量扩张向质量和效益提升的战略性转变。纺织装备和纺织产品向着数字化、智能化、多功能化发展，纺织智能制造产业结构的转型对纺织人才的职业素养、基本知识和纺织各方面的技能提出了新的要求，企业中原有的纺织设备维护人员，基层纺纱、制造、染色、印花及整理等技术人员，纺织车间基层管理人员等过度饱和，甚至许多岗位人员已经大大过剩，能力结构已经无法契合时代需求。然而，企业迫切需求的具备纺织智能设备的调试与使用、在线监控数据的解读、信息监测、维修与保养、智能面料、新型功能纺织品的研发及创新等职业核心能力的人才严重不足。因此，高等职业教育纺织人才培养需要对各方面能力进行全面培养。

1.2 课程设置不合理

对纺织智能制造企业技能型人才需求知识的调查发现，高职纺织专业培养的技能型人才不但应该具备纺织类专业知识、计算机和大数据等方面的知识，而且要了解互联网、数码打印、智能制造系统运营等新技术、新知识。但经过调查看出，江苏省各高职院校纺织类专业的课程改革，新开发或者改革的课程仍然依附于传统纺织行业，无论是专业理论课程还是实践课程，与以往的课程内容重复率较高，尽管有部分纺织类专业对课程设置进行了调整，增加了与纺织智能制造相关的课程，但大部分专业课程教学内容很少涉及纺织智能制造最新的技术，课程改革与建设较难服务于纺织智能制造人才的培养。

1.3 师资队伍不健全

师资队伍是纺织智能制造人才培养的重要保障。由于纺织智能制造快速发展，纺织专业缺乏智能制造方面“双师双能型”的师资队伍，无法满足教学要求。通过调查还发现，纺织高职院校很难招到拥有纺织智能制造相关的教师，大部分院校让教师去纺织智能制造企业实践锻炼丰富智能制造相关的知识与技能，通过培训和实践锻炼获得与纺织智能制造相关的知识与技能，与拥有纺织智能制造实践经验的教师还是有相当大的差距。

1.4 实训平台不智能

由于纺织智能制造快速发展，企业需要毕业的学生熟悉智能制造设备，会操作、能维护。但是，智能制造设备占地面积大，而且需要资金量多，因此，实训平台主要依赖传统纺织设备，严重影响了学生获取智能制造所需的核心职业能力。

1.5 评价机制不完善

随着信息技术和纺织智能制造的飞速发展，社会对高职纺织专业人才的职业素养、专业知识与职业能力要求越来越高。经调查研究，对高职纺织专业学生的评价主要侧重于对知识和能力的终结性评价，对过程方法评价涉及得较少，几乎没有对非智力因素进行评价；从评价角度方面看，侧重于学生对教学效果和教师对学生学习结果的评价等校内评价，很少涉及诸如聘请企业专家及第三方等校外机构评价。传统的高职纺织专业课程的教学评价体系已经不能很好地满足当前纺织专业教学的实际需求，迫切需要改变较为单一的评价体系，将企业、第三方等社会机构评价融入人才培养体系中，形成多元化和多角度的人才培养评价体系。

2 智能制造背景下高职纺织人才培养的对策

2.1 调研纺织智能制造企业岗位，更新人才培养目标

随着纺织智能制造的发展，智能制造纺织企业所需的技术结构不断升级，其中高端技术占了很大比重；企业需要的纺织技术型人才不仅要适应传统的纺织企业岗位，而且要涉及智能纺织品研发与制作、纺织相关数字编程、纺织生产现场处置和纺织设备维修等。显而易见，高职纺织毕业生就业岗位的智能化和高端技术化要求更高。因此，纺织智能制造企业需要技能与技术并重的人才，智能制造企业需要培养的人才具备基本的纺织智能制造设备的操作和维护能力、团队协作能力、创新意识、岗位迁移能力、创新思维能力以及终身学习能力。

2.2 力促校企深度融合，重构课程体系和共商课程内容

课程体系和课程内容是实现培养目标、达成学习成果的基本平台，其结构和内容对纺织制造人才的培养至关重要[2]。

纺织专业历经几十年发展，经过不断的实践和探索，现已形成一套基本完善的课程体系。随着信息技术的迅速发展，纺织行业的技术和管理均发生了巨大变化，特别是人工智能、自动化、电子信息等技术的运用，要求纺织行业从业者重构知识体系和内容，进而实现职业素养和创新能力的全面提升。因此，作为高职纺织专业人才培养者，急需深入纺织智能制造企业，全面分析和研究纺织专业教育的课程体系和内容，并作出相应调整。这就要求政府力促学校与纺织智能制造企业的深度融合，教师深入纺织智能制造企业，调研智能制造工作岗位需要的知识、技能和素养，重构课程体系，整合核心专业课程的内容，融入智能制造的新知识、新技能和职业素养，使课程体系与内容更有利于纺织智能制造人才的培养。

2.3 构建产学研合作平台，力推师资队伍建设

产学研合作平台有利于生产、教学、科研紧密结合，推进师资队伍建设，实现高职专业人才的培养目标。在人才培养过程中，师资队伍是人才培养的重要保障，智能制造人才的培养需要拥有高端技术和智能技术的师资队伍。因此，学校要鼓励和支持校企合作，努力构建产学研平台，重视与智能制造企业之间的深度融合，选派骨干教师进入纺织智能制造企业锻炼，激励教师将教学过程与纺织智能制造企业生产过程相融合；优选企业中拥有丰富纺织智能制造实践经验的工程师和校内专业知识扎实的教师组建双师双能型教学团队；企业工程师参与纺织智能制造实践教学，学校教师负责相关理论知识教学，优势互补，共同完成教学任务。

2.4 紧握纺织智能制造企业之手，共建智能实训平台

加大实训平台建设的投资力度，是保证人才培养质量的一个重要举措。在纺织智能制造人才培养过程中，先进的实训条件是人才培养的重要保障，纺织智能制造人才的培养需要拥有智能化设备的实训平台，这样的平台建设需要大量的资金。因此，学校领导要鼓励专业教师去纺织智能制造企业调研，听取专业教师的合理建议，在设备采购政策上给予倾斜，加大资金投入力度；同时，学校还要联合政府，重视与纺织智能制造企业之间的产教研深度融合，吸引资质优秀的纺织智能制造企业参与校内实训室、教师工作室和实验室等联合建设，力促校企合作共建校外实训基地。

2.5 优化考核体系，健全多元评价体系

随着纺织智能制造的迅速发展，目前的教学评价体系虽然对传统的以终结性评价为主、方式较单一的评价方式进行了改革，但还是具有一定的片面性和滞后性。为了有效地培养纺织智能制造人才，必须采用多元化、多角度评价体系，将过程性评价与终结性评价相结合，从个人和团队两方面进行考核，从而对纺织学生的知识与技能掌握情况进行全面评价[3-4]。在评价方式上，过程性评价要与终结性评价相结合。过程性评价主要借助智慧职教平台和泛雅平台，通过学生对慕课、翻转课堂、视频和微课等学习，考察学生的思维方式与学习策略以及学习过程中的学习动机、情感、学习态度等非智力性因素，从而评价学生对知识技能的掌握情况，更重要的是对潜在的学习能力、实践能力、团队合作能力、创新能力、学习态度和价值观等多方面进行评价与分析，实现对学生学习情况和阶段性结果的即时反馈[5]。终结性评价则是在每个学习任务完成后，对学生在任务执行中每个阶段的表现以及对教师教学效果进行反思与总结，从而为下一个任务的开始作准备；在评价角度上，教学组织情况评价与学习情况评价并行。纺织教学组织情况评价包括校内评价和校外评价。校内评价有纺织专业学生对学习效果的自评、互评和任课教师评价、纺织专业其他教师对学生学习效果的评价等；校外评价主要通过问卷调查，调查纺织行业企业对学生的沟通能力、团队合作能力、知识的迁移能力、创新能力等核心竞争力的评价，其次是各级各类的学生技能大赛获奖、论文发表与获奖、专利申请、科研项目的参与、创新创业情况评价等方面。学生学习情况评价分为团队成绩和学生个人综合成绩评价。团队成绩评价根据小组项目的难易程度、团队成果及团队协作情况等进行考核；学生个人综合成绩由团队和个人平时成绩组成，其中，个人平时成绩主要考核学生在项目完成过程中的学习态度、合作情况、项目贡献度等。