基于GPT模式的LLM模型構(gòu)建高職學(xué)校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集與管理平臺(tái)問(wèn)答系統(tǒng)研究

林德力，范玉婷，廖心妍，林葉，林志遠(yuǎn)，陳致州

（閩江師范高等專(zhuān)科學(xué)校，福建福州 350108）

高等職業(yè)學(xué)校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集與管理平臺(tái)（2022版）（以下簡(jiǎn)稱(chēng)數(shù)據(jù)平臺(tái)）是教育部職業(yè)教育與成人教育司根據(jù)我國(guó)職業(yè)教育發(fā)展的新特點(diǎn)，基于高等職業(yè)學(xué)校合格性評(píng)估基本統(tǒng)計(jì)要求開(kāi)發(fā)的全新數(shù)據(jù)采集與管理平臺(tái)。“數(shù)據(jù)平臺(tái)”基于“基礎(chǔ)數(shù)據(jù)+專(zhuān)項(xiàng)數(shù)據(jù)”的采集架構(gòu)進(jìn)行設(shè)計(jì)，指標(biāo)文件達(dá)54個(gè)，包含涉及專(zhuān)業(yè)、課程、教師、學(xué)生和合作單位的18張基礎(chǔ)數(shù)據(jù)表和涉及教學(xué)運(yùn)行、頂崗實(shí)習(xí)、教材建設(shè)等的48張教學(xué)專(zhuān)項(xiàng)數(shù)據(jù)表，合計(jì)64張數(shù)據(jù)采集表，數(shù)以千計(jì)的采集字段。在實(shí)施2021—2022學(xué)年“數(shù)據(jù)平臺(tái)”數(shù)據(jù)采集過(guò)程中，采用傳統(tǒng)的數(shù)據(jù)采集和管理方式，各級(jí)人員需要應(yīng)對(duì)的系統(tǒng)問(wèn)答服務(wù)繁多，疲于應(yīng)付各種重復(fù)性和個(gè)性化的問(wèn)題?；谧匀徽Z(yǔ)言處理（NLP）任務(wù)開(kāi)發(fā)的應(yīng)用產(chǎn)品ChatGPT的成功推出，為高等職業(yè)學(xué)校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集與管理平臺(tái)建設(shè)專(zhuān)業(yè)領(lǐng)域的問(wèn)答系統(tǒng)（以下簡(jiǎn)稱(chēng)“問(wèn)答系統(tǒng)”）提供了技術(shù)支持手段。

1 國(guó)內(nèi)外AI “問(wèn)答系統(tǒng)”現(xiàn)狀

20世紀(jì)60年代，信息科學(xué)領(lǐng)域提出以自然語(yǔ)言對(duì)話(huà)形式處理信息的問(wèn)答系統(tǒng)理論雛形。經(jīng)過(guò)近40年的研究開(kāi)發(fā)，國(guó)內(nèi)外一些知名IT企業(yè)開(kāi)發(fā)的語(yǔ)音助手或“問(wèn)答系統(tǒng)”進(jìn)入商用領(lǐng)域，開(kāi)始基于NLP的多方向應(yīng)用研究，其中AI問(wèn)答系統(tǒng)就是其應(yīng)用新方向之一。人們對(duì)于“問(wèn)答系統(tǒng)”智能化的追求在不斷提升，2022年11月30日，ChatGPT作為人工智能技術(shù)的一項(xiàng)研究成果，推出后快速火遍全球[1-2]，引發(fā)人們對(duì)AI “問(wèn)答系統(tǒng)”新一輪探索熱潮。各大AI研究應(yīng)用廠家紛紛響應(yīng)熱點(diǎn)，推出或者即將推出類(lèi)似產(chǎn)品（如表1所示），促進(jìn)AI “問(wèn)答系統(tǒng)”深入發(fā)展。

表1 國(guó)內(nèi)外AI “問(wèn)答系統(tǒng)”現(xiàn)狀[3-5]

在AI“問(wèn)答系統(tǒng)”領(lǐng)域，國(guó)外對(duì)于該領(lǐng)域的技術(shù)研發(fā)領(lǐng)先于國(guó)內(nèi)相同領(lǐng)域的進(jìn)度，其主要原因是對(duì)于該領(lǐng)域的研究技術(shù)發(fā)展方向的研判和抉擇，國(guó)內(nèi)聚焦于以Bert為代表的“雙向語(yǔ)言模型預(yù)訓(xùn)練+應(yīng)用Finetuning”模式研究[6]，該模式目前并未有實(shí)質(zhì)性的轉(zhuǎn)變；以GPT 3.0為代表的“自回歸語(yǔ)言模型+Prompting”模式引領(lǐng)行業(yè)發(fā)展。國(guó)內(nèi)AI“問(wèn)答系統(tǒng)”研發(fā)處于優(yōu)勢(shì)地位的主要是百度公司的“文心一言”AI“問(wèn)答系統(tǒng)”，該系統(tǒng)已于2023年3月16日正式發(fā)布，且處于內(nèi)測(cè)階段，其成果可以與ChatGPT3.0效果媲美。

2 基于GPT模式的LLM模型問(wèn)答系統(tǒng)構(gòu)建

ChatGPT是NLP研究的重要領(lǐng)域，是作為對(duì)話(huà)構(gòu)建的大型語(yǔ)言模型（LLM）在人工智能技術(shù)領(lǐng)域成功應(yīng)用的產(chǎn)品，是強(qiáng)化學(xué)習(xí)和預(yù)訓(xùn)練模型巧妙結(jié)合的重要突破。在ChatGPT對(duì)話(huà)框中，嘗試驗(yàn)證其對(duì)數(shù)據(jù)平臺(tái)認(rèn)知和邏輯的問(wèn)答，由于其缺乏領(lǐng)域知識(shí)，導(dǎo)致其未能真實(shí)反映該平臺(tái)的數(shù)據(jù)信息認(rèn)知，證明在國(guó)內(nèi)的專(zhuān)屬領(lǐng)域，專(zhuān)業(yè)數(shù)據(jù)系統(tǒng)的數(shù)據(jù)是無(wú)法被商業(yè)化AI產(chǎn)品所獲得并應(yīng)用與分析的。因此，面對(duì)行業(yè)領(lǐng)域獨(dú)有的問(wèn)題，構(gòu)建基于GPT模式的LLM模型問(wèn)答系統(tǒng)是解決行業(yè)專(zhuān)業(yè)數(shù)據(jù)系統(tǒng)問(wèn)答服務(wù)的有效途徑[7]。

2.1 LLM模型構(gòu)建

“數(shù)據(jù)平臺(tái)”擁有全國(guó)各省份高職高專(zhuān)院校歷年采集的數(shù)據(jù)信息，涉及學(xué)校綜合信息、師資隊(duì)伍、學(xué)生情況、專(zhuān)業(yè)辦學(xué)、產(chǎn)教融合五個(gè)方面數(shù)據(jù)指標(biāo)。但是這些數(shù)據(jù)信息是特定字段下的數(shù)字，并未被二次學(xué)習(xí)、加工?；趯?duì)數(shù)據(jù)提取的需求，需要構(gòu)建一個(gè)能夠具備強(qiáng)大自主學(xué)習(xí)能力的數(shù)據(jù)模型，從中學(xué)習(xí)政策文件對(duì)數(shù)據(jù)邏輯關(guān)系的指導(dǎo)、數(shù)據(jù)采集字段之間的邏輯管理，而此過(guò)程不需要人為介入。經(jīng)過(guò)ChatGPT的驗(yàn)證，LLM模型具備滿(mǎn)足以上需求的特征屬性（見(jiàn)圖1）。

圖1 LLM大型語(yǔ)言模型

同時(shí)，基于LLM模型，其能夠解決NLP中的任何子領(lǐng)域問(wèn)題?！皵?shù)據(jù)平臺(tái)”統(tǒng)計(jì)字段和數(shù)據(jù)全部為基于文本的信息，屬于NLP中的一類(lèi)，因此，LLM模型能夠勝任系統(tǒng)問(wèn)答服務(wù)。LLM可以從“數(shù)據(jù)平臺(tái)”的文本信息中學(xué)習(xí)大量語(yǔ)言類(lèi)知識(shí)，該類(lèi)知識(shí)有助于LLM理解人類(lèi)的自然語(yǔ)言體系?；贚LM對(duì)人類(lèi)語(yǔ)言體系的理解，再構(gòu)建基于GPT模式的LLM模型問(wèn)答系統(tǒng)，就可以實(shí)現(xiàn)用人類(lèi)習(xí)慣的表達(dá)方式（接口層的輸入信息）搜索信息或解決某個(gè)具體問(wèn)題。

2.2 構(gòu)建基于GPT模式的LLM模型“問(wèn)答系統(tǒng)”

基于公開(kāi)可查詢(xún)的ChatGPT訓(xùn)練過(guò)程可知[8]，建立一個(gè)基于GPT模式的LLM模型，需要經(jīng)歷三個(gè)學(xué)習(xí)過(guò)程，主要分為訓(xùn)練監(jiān)督策略模型、訓(xùn)練獎(jiǎng)勵(lì)模型和利用PPO算法微調(diào)SFT模型（見(jiàn)圖2），促使該領(lǐng)域采集的所有數(shù)據(jù)賦予LLM，使其自我學(xué)習(xí)更多數(shù)據(jù)關(guān)聯(lián)邏輯知識(shí)，就可以為解決領(lǐng)域獨(dú)有的問(wèn)題創(chuàng)造條件。

圖2 基于GPT模式的LLM模型問(wèn)答系統(tǒng)構(gòu)建

2.2.1 訓(xùn)練監(jiān)督策略模型的建立

“數(shù)據(jù)平臺(tái)”擁有大量的原始數(shù)據(jù)，這些數(shù)據(jù)本身不具備理解人類(lèi)不同類(lèi)型指令的能力。GPT模式是一種新型的預(yù)訓(xùn)練語(yǔ)言模型，其可以在大量文本數(shù)據(jù)上訓(xùn)練出高質(zhì)量的語(yǔ)言表示。因此，訓(xùn)練監(jiān)督策略模型的建立用于解決NLP中的第一個(gè)環(huán)節(jié)，該環(huán)節(jié)需要通過(guò)以下三個(gè)步驟完成。

（1）準(zhǔn)備訓(xùn)練數(shù)據(jù)：需要向模型輸入大量的院校段數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)，這些數(shù)據(jù)包含輸入文本和標(biāo)簽，以及相關(guān)的上下文信息。

（2）預(yù)訓(xùn)練模型：將輸入的院校數(shù)據(jù)作為基礎(chǔ)，在數(shù)據(jù)集中隨機(jī)抽取問(wèn)題，作為訓(xùn)練模型，由“數(shù)據(jù)平臺(tái)”標(biāo)注人員給出高質(zhì)量答案，進(jìn)行指示學(xué)習(xí)（Instruction Learning）。

（3）訓(xùn)練監(jiān)督策略模型：使用預(yù)訓(xùn)練好的模型，訓(xùn)練一個(gè)監(jiān)督策略模型，以獲得標(biāo)注好的數(shù)據(jù)來(lái)微調(diào)模型，獲得LM模型。

2.2.2 訓(xùn)練獎(jiǎng)勵(lì)模型

基于訓(xùn)練監(jiān)督策略建立的LM模型進(jìn)行文本標(biāo)注。在[x=[prompt，模型回答]，y=人類(lèi)滿(mǎn)意度]構(gòu)成的標(biāo)注語(yǔ)料上微調(diào)，“數(shù)據(jù)平臺(tái)”標(biāo)注人員的任務(wù)是對(duì)初始語(yǔ)言模型生成的文本進(jìn)行正確回答，生成符合政策和行業(yè)規(guī)則的答案，通過(guò)人工反饋的強(qiáng)化學(xué)習(xí)（RLHF）指導(dǎo)模型訓(xùn)練[9]（見(jiàn)圖3）。把復(fù)雜問(wèn)題拆解成子問(wèn)題或子步驟，并產(chǎn)生一個(gè)由子步驟構(gòu)成的類(lèi)似程序流程圖的結(jié)構(gòu)。最終，這些不同的結(jié)果會(huì)通過(guò)某種歸一化的方式變成標(biāo)量信號(hào)（即point-wise），傳遞給模型訓(xùn)練，經(jīng)過(guò)訓(xùn)練，形成一個(gè)獎(jiǎng)勵(lì)模型。

圖3 “人工標(biāo)注數(shù)據(jù)+強(qiáng)化學(xué)習(xí)”（RLHF）

至此，系統(tǒng)建立了一個(gè)初始的語(yǔ)言模型來(lái)生成文本，用獎(jiǎng)勵(lì)模型判斷模型生成的文本是否符合政策文件對(duì)“數(shù)據(jù)平臺(tái)”問(wèn)題的解釋。

2.2.3 利用PPO算法強(qiáng)化學(xué)習(xí)SFT模型

PPO算法的核心思路是將Policy Gradient中Onpolicy的訓(xùn)練過(guò)程轉(zhuǎn)化為Off-policy，利用第二階段訓(xùn)練獎(jiǎng)勵(lì)模型數(shù)據(jù)集，隨機(jī)抽取問(wèn)題，利用PPO算法生成回答，是在線(xiàn)學(xué)習(xí)轉(zhuǎn)變?yōu)殡x線(xiàn)學(xué)習(xí)的過(guò)程，將這稱(chēng)為Importance Sampling。

由此產(chǎn)生策略梯度，通過(guò)強(qiáng)化學(xué)習(xí)的方式以更新模型參數(shù)。由此不斷重復(fù)第二階段和第三階段，通過(guò)迭代，訓(xùn)練出更高質(zhì)量的基于GPT模式的LLM模型。

3 “問(wèn)答系統(tǒng)”實(shí)施

2022年9 月至11月，“數(shù)據(jù)平臺(tái)”進(jìn)行新版第一次全國(guó)高職高專(zhuān)院校數(shù)據(jù)采集。期間組織方通過(guò)QQ群、QQ在線(xiàn)文檔和系統(tǒng)自帶的“問(wèn)題與建議”欄目收集、回復(fù)相關(guān)問(wèn)答信息，其中包含登錄、數(shù)據(jù)接收和同步，填報(bào)頁(yè)面（業(yè)務(wù)），安裝部署升級(jí)，用戶(hù)管理，權(quán)限維護(hù)，角色維護(hù)六個(gè)方面的問(wèn)答數(shù)據(jù)信息?；贕PT模式的LLM模型問(wèn)答系統(tǒng)構(gòu)建步驟，其已經(jīng)基本完成訓(xùn)練監(jiān)督策略模型建立中大量原始數(shù)據(jù)的收集。

建立訓(xùn)練監(jiān)督策略模型，需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)記，對(duì)標(biāo)記數(shù)據(jù)給出符合政策和行業(yè)規(guī)則的高質(zhì)量答案，并進(jìn)行指示學(xué)習(xí)，訓(xùn)練好一個(gè)監(jiān)督策略模型，以獲得標(biāo)注好的數(shù)據(jù)來(lái)微調(diào)模型，獲得LM模型。

基于訓(xùn)練監(jiān)督策略建立的LM模型進(jìn)行文本標(biāo)注，通過(guò)人工反饋的強(qiáng)化學(xué)習(xí)（RLHF）來(lái)指導(dǎo)模型的訓(xùn)練，形成一個(gè)獎(jiǎng)勵(lì)模型。該模型的生成需要在次年的數(shù)據(jù)平臺(tái)數(shù)據(jù)采集時(shí)進(jìn)行，其原因在于基于 RLHF 范式訓(xùn)練模型不僅需要大量人工標(biāo)注，且RLHF 性能最終取決于標(biāo)注人員的知識(shí)水平。因此，需要平臺(tái)設(shè)計(jì)人員和參與數(shù)據(jù)統(tǒng)計(jì)的各院校都參與該模型的訓(xùn)練，集各方專(zhuān)業(yè)認(rèn)知和國(guó)家法規(guī)，做出正確的答案。

在基于 RLHF 范式訓(xùn)練模型時(shí)，需要建立模型的推理能力。采用思維鏈（Chain of Thought）Prompting，其是典型的增強(qiáng)LLM推理能力的技術(shù)，能大幅提升此類(lèi)任務(wù)的完成效果[10]。根據(jù)數(shù)據(jù)邏輯關(guān)系，研究認(rèn)為平臺(tái)需要建立的思維鏈主要涉及以下五個(gè)方面。

3.1 在專(zhuān)業(yè)辦學(xué)數(shù)據(jù)指標(biāo)中考核專(zhuān)業(yè)設(shè)置情況、專(zhuān)業(yè)課程建設(shè)情況

在專(zhuān)業(yè)設(shè)置中，職業(yè)院校的專(zhuān)業(yè)培養(yǎng)方式包含普通班、現(xiàn)代學(xué)徒制、新型學(xué)徒制、現(xiàn)代職教體系、訂單班等多種類(lèi)別的培養(yǎng)方式，其對(duì)應(yīng)的生源類(lèi)型來(lái)源多元化，與學(xué)生來(lái)源信息形成互關(guān)邏輯聯(lián)系?？己嘶趯?zhuān)業(yè)建設(shè)成果，建立專(zhuān)業(yè)群建設(shè)信息。對(duì)于本科職業(yè)教育院校，考核本科層次職業(yè)教育專(zhuān)業(yè)的數(shù)量不超過(guò)學(xué)校專(zhuān)業(yè)總數(shù)的30%。在新設(shè)專(zhuān)業(yè)上，按照要求，應(yīng)有相關(guān)行業(yè)企業(yè)參與建設(shè)，與合作企業(yè)建設(shè)信息形成互關(guān)邏輯聯(lián)系。

在專(zhuān)業(yè)課程建設(shè)方面，包含公共基礎(chǔ)課程、專(zhuān)業(yè)（技能）課程、社會(huì)實(shí)踐和專(zhuān)題講座（活動(dòng)）四個(gè)方面（見(jiàn)圖4）。核定每個(gè)專(zhuān)業(yè)課程設(shè)置中總學(xué)時(shí)是否大于等于2 500學(xué)時(shí)，其中實(shí)踐性教學(xué)學(xué)時(shí)是否大于等于1 250學(xué)時(shí)；每學(xué)年教學(xué)安排是否滿(mǎn)40周，且安排總頂崗實(shí)習(xí)時(shí)間是否大于等于6個(gè)月；公共基礎(chǔ)課程學(xué)時(shí)是否大于等于625學(xué)時(shí)，其中選修課程學(xué)時(shí)是否大于等于250學(xué)時(shí)，勞模精神、勞動(dòng)精神、工匠精神專(zhuān)題教育每學(xué)年安排課時(shí)是否大于等于16學(xué)時(shí)，思想政治課程設(shè)置學(xué)分是否達(dá)到8學(xué)分；是否包含6～8門(mén)專(zhuān)業(yè)核心課程及若干門(mén)專(zhuān)業(yè)課程[11]。對(duì)于專(zhuān)業(yè)課程選用教材，重點(diǎn)考核該教材是否執(zhí)行了教材每3年修訂1次的政策；專(zhuān)業(yè)建設(shè)中是否引進(jìn)國(guó)際先進(jìn)的課程設(shè)計(jì)和教學(xué)管理體系[12]。

圖4 專(zhuān)業(yè)課程建設(shè)信息

3.2 在師資隊(duì)伍數(shù)據(jù)指標(biāo)中考核教師的構(gòu)成和校內(nèi)教師考核指標(biāo)建設(shè)情況

基于專(zhuān)業(yè)課程設(shè)置的課程類(lèi)型分類(lèi)，將教師分為公共課教師和專(zhuān)業(yè)課教師（見(jiàn)圖5）。兩大類(lèi)型教師按照來(lái)源又可分為校內(nèi)教師和校外教師。校內(nèi)教師由校內(nèi)專(zhuān)業(yè)教師和校內(nèi)兼課教師組成；校外教師由行業(yè)導(dǎo)師、校外兼課教師和外籍教師構(gòu)成。其中行業(yè)導(dǎo)師來(lái)源相對(duì)較廣，包括專(zhuān)業(yè)技術(shù)人員、高技能人才、能工巧匠、非物質(zhì)文化遺產(chǎn)傳承人等，是承擔(dān)專(zhuān)業(yè)建設(shè)的中堅(jiān)力量之一。

圖5 師資力量建設(shè)

對(duì)于校內(nèi)專(zhuān)業(yè)教師，主要從教師接受的繼續(xù)教育、一線(xiàn)實(shí)踐、科研業(yè)績(jī)等7個(gè)方面進(jìn)行考核（見(jiàn)圖6）。專(zhuān)業(yè)教師考核的硬指標(biāo)包含：教師資格證書(shū)和國(guó)家職業(yè)技能等級(jí)證書(shū)獲取情況，5年內(nèi)企業(yè)實(shí)踐情況；“雙師型”教師占專(zhuān)業(yè)課教師總數(shù)比例；新任專(zhuān)業(yè)教師是否具備3年以上企業(yè)工作經(jīng)歷并符合相應(yīng)學(xué)歷要求；新任教師是否執(zhí)行1年的教育見(jiàn)習(xí)和3年的企業(yè)實(shí)踐制度[13]；適應(yīng)“雙崗”需要的教師占專(zhuān)業(yè)課教師總數(shù)比例。對(duì)于公共課程教師，其考核硬指標(biāo)包含專(zhuān)職思政課教師崗位和專(zhuān)任輔導(dǎo)員師生比。對(duì)于行業(yè)導(dǎo)師，注重對(duì)其來(lái)源屬性與資質(zhì)考核。在來(lái)源屬性上，行業(yè)導(dǎo)師需要是來(lái)自對(duì)口專(zhuān)業(yè)的技術(shù)人員、高技能人才、能工巧匠、非物質(zhì)文化遺產(chǎn)傳承人等；在資質(zhì)考核上，行業(yè)導(dǎo)師應(yīng)該經(jīng)過(guò)職業(yè)學(xué)校相關(guān)部門(mén)相應(yīng)崗位任職條件考核認(rèn)定才可以上崗。

圖6 校內(nèi)專(zhuān)任教師考核指標(biāo)

3.3 在學(xué)生情況數(shù)據(jù)指標(biāo)中考核全日制學(xué)生生源和非全日制繼續(xù)教育學(xué)生生源組成

在學(xué)生信息中，高等職業(yè)學(xué)校學(xué)生生源構(gòu)成由原先相對(duì)單一的高中畢業(yè)生轉(zhuǎn)變?yōu)槎嘣纳矗瑢?shí)現(xiàn)了職業(yè)教育與國(guó)家教育改革方向和一線(xiàn)產(chǎn)業(yè)需求步調(diào)一致。

高等職業(yè)學(xué)校全日制學(xué)生招錄包含基于高考直接招生、基于高考的“知識(shí)+技能”招生等11種方式（見(jiàn)圖7），招生對(duì)象包括高中應(yīng)屆畢業(yè)生、高中往屆畢業(yè)生、“三校生”、外國(guó)僑民等13類(lèi)身份類(lèi)型的人員。13類(lèi)的生源類(lèi)型又形成了包含普通高職教育、現(xiàn)代學(xué)徒制等6類(lèi)培養(yǎng)方式，滿(mǎn)足企業(yè)對(duì)于多元化人才的需求。對(duì)于本科職業(yè)教育院校，考核本科層次職業(yè)教育專(zhuān)業(yè)學(xué)生總數(shù)不超過(guò)學(xué)校在校生總數(shù)的30%[14]。

圖7 高職學(xué)校全日制學(xué)生來(lái)源

高等職業(yè)學(xué)校非全日制繼續(xù)教育學(xué)生來(lái)源包含企業(yè)職（員）工、農(nóng)村人員、軍人、城鎮(zhèn)居民、特殊群體人員5大類(lèi)18個(gè)細(xì)項(xiàng)[12]（見(jiàn)圖8）?？梢蚤_(kāi)展企業(yè)職工技能培訓(xùn)、農(nóng)業(yè)技能培訓(xùn)等各類(lèi)培訓(xùn)，其囊括“雨露計(jì)劃”“技能脫貧千校行動(dòng)”“求學(xué)圓夢(mèng)計(jì)劃”等多項(xiàng)國(guó)家級(jí)就業(yè)扶持政策，具備可持續(xù)、多元化的資金支持，對(duì)職業(yè)院校服務(wù)社會(huì)、開(kāi)展非全日制繼續(xù)教育提供源源不斷的動(dòng)力，實(shí)現(xiàn)優(yōu)質(zhì)職業(yè)學(xué)校年培訓(xùn)人次達(dá)到在校生規(guī)模的2倍以上[12]。

圖8 高職學(xué)校非全日制繼續(xù)教育學(xué)生來(lái)源

3.4 在產(chǎn)教融合數(shù)據(jù)指標(biāo)方面，考核行業(yè)導(dǎo)師建設(shè)、實(shí)訓(xùn)（踐）建設(shè)和專(zhuān)業(yè)建設(shè)三個(gè)方面

行業(yè)導(dǎo)師建設(shè)包含企業(yè)向?qū)W校輸入的工程技術(shù)和管理人才。開(kāi)展全日制和非全日制繼續(xù)教育培訓(xùn)教學(xué)，其中在開(kāi)展繼續(xù)教育培訓(xùn)、考核培訓(xùn)師資質(zhì)方面，要求教師來(lái)自行業(yè)企業(yè)專(zhuān)家的比例不低于40%；考核來(lái)自合作企業(yè)的行業(yè)教師，要求具有高級(jí)專(zhuān)業(yè)技術(shù)職稱(chēng)的人員數(shù)量不低于高校專(zhuān)職教師的數(shù)量，以達(dá)到教育部關(guān)于校外教師占校內(nèi)專(zhuān)任教師總數(shù)比例不高于25%的要求（見(jiàn)圖9）。實(shí)訓(xùn)（踐）建設(shè)包含教師和在校學(xué)生參與的教育見(jiàn)習(xí)、企業(yè)實(shí)踐和基地建設(shè)三個(gè)部分。在實(shí)踐基地建設(shè)方面，考核接收實(shí)習(xí)生企業(yè)與學(xué)校合作期限信息，崗位實(shí)習(xí)學(xué)生的人數(shù)在實(shí)習(xí)單位在崗職工總數(shù)、同類(lèi)崗位在崗職工總?cè)藬?shù)中的占比，企業(yè)支付崗位實(shí)習(xí)學(xué)生工資標(biāo)準(zhǔn)的落實(shí)情況；在專(zhuān)業(yè)建設(shè)方面，按照要求考核相關(guān)行業(yè)企業(yè)參與新設(shè)專(zhuān)業(yè)建設(shè)情況，包含專(zhuān)業(yè)規(guī)劃、專(zhuān)業(yè)教材和課程開(kāi)發(fā)、教學(xué)設(shè)計(jì)、參與指導(dǎo)或組織技能競(jìng)賽和訂單培養(yǎng)；在專(zhuān)業(yè)的科研共建方面，考核企業(yè)與專(zhuān)業(yè)共同申報(bào)的科技成果、簽訂的技術(shù)服務(wù)合同信息；在企業(yè)在學(xué)校發(fā)展建設(shè)中的作用方面，考核其對(duì)學(xué)生的資助情況，主要考核設(shè)立獎(jiǎng)學(xué)金和儀器設(shè)備捐助信息（見(jiàn)圖9）。

圖9 合作企業(yè)建設(shè)

3.5 在學(xué)校綜合數(shù)據(jù)信息中，涉及學(xué)校辦學(xué)條件和職業(yè)教育新理念踐行兩個(gè)指標(biāo)

按照教育部對(duì)高等職業(yè)院校辦學(xué)條件評(píng)估指標(biāo)信息，進(jìn)行辦學(xué)硬件指標(biāo)方面的考核（見(jiàn)圖10），涉及占地面積、教學(xué)科研及輔助用房、行政用房和學(xué)生宿舍面積、圖書(shū)資源、固定資產(chǎn)價(jià)值、財(cái)政收支等內(nèi)容。職業(yè)教育新理念踐行統(tǒng)計(jì)指標(biāo)主要包括書(shū)記校長(zhǎng)走訪(fǎng)信息、優(yōu)秀案例表和學(xué)校輿情信息、學(xué)校獲獎(jiǎng)信息、世賽基地、職業(yè)院?！耙M(jìn)來(lái)”“走出去”情況、學(xué)校宣傳等11項(xiàng)統(tǒng)計(jì)數(shù)據(jù)（見(jiàn)圖10）。涉及校企合作中促就業(yè)、人才培養(yǎng)、專(zhuān)業(yè)建設(shè)、校園安全和實(shí)驗(yàn)室安全管理、學(xué)校輿情管理、學(xué)校對(duì)外開(kāi)展的繼續(xù)教育與培訓(xùn)等相關(guān)數(shù)據(jù)，構(gòu)成學(xué)校踐行職業(yè)教育發(fā)展成果數(shù)字畫(huà)像。

圖10 學(xué)校綜合數(shù)據(jù)信息

4 結(jié)論與展望

基于GPT模式的LLM模型開(kāi)展高等職業(yè)學(xué)校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集與管理平臺(tái)問(wèn)答系統(tǒng)模型建設(shè)，是高等職業(yè)教育數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)與人工智能結(jié)合的一次嘗試，是教育系統(tǒng)結(jié)合信息技術(shù)變革的一次跨越?；谌斯ぶ悄芗夹g(shù)的發(fā)展趨勢(shì)，其必將成為數(shù)據(jù)統(tǒng)計(jì)的高效助理，完成大量重復(fù)性勞作。系統(tǒng)的使用者能更有效地開(kāi)展基于此項(xiàng)功能的數(shù)據(jù)填報(bào)和統(tǒng)計(jì)，系統(tǒng)的設(shè)計(jì)者將更有效地開(kāi)展系統(tǒng)開(kāi)發(fā)和邏輯設(shè)計(jì)。結(jié)合大數(shù)據(jù)發(fā)掘，進(jìn)行全域數(shù)據(jù)資源開(kāi)發(fā)和利用，為高等職業(yè)教育發(fā)展提供新動(dòng)力。