基于能力框架與GROW 模型融合的智能化職業(yè)場景現場工程師培養(yǎng)路徑研究

摘要：現場工程師在技術行業(yè)扮演著至關重要的角色，其職業(yè)路徑發(fā)展面臨著多方面的現狀和挑戰(zhàn)。南京交通職業(yè)技術學院以“現場工程師”項目建設為契機，結合了行為主義、認知主義和建構主義的教育心理學理論，以及人力資源管理中的能力模型理念，在現場工程師培養(yǎng)中創(chuàng)新基于能力框架與GROW模型融合的實踐路徑，為現場工程師的培養(yǎng)和職業(yè)發(fā)展提供了一種全面和動態(tài)的方法，為職業(yè)院校探索現場工程師培養(yǎng)提供可復制的實踐借鑒。

關鍵詞：現場工程師；能力框架；GROW模型

中圖分類號：G642文獻標識碼：A

文章編號：1009-3044（2024）34-0141-03開放科學（資源服務）標識碼（OSID）：

0引言

現場工程師是在生產、工程、管理、服務等一線崗位上，用科學技術創(chuàng)造性地解決技術應用問題的復合型、應用型技術技能人才[1]。在技術行業(yè)扮演著至關重要的角色，是連接理論知識與實踐應用的關鍵橋梁，負責將設計和理論轉換為實際的操作和流程。一方面他們直接參與設備的安裝、調試和維護中，確保技術方案的正確實施，完成對現場設備和系統(tǒng)的持續(xù)優(yōu)化，確保技術創(chuàng)新能夠有效地轉化為實際操作和生產力的提升。另一方面他們的實踐經驗也能反饋給理論研究，促進技術的迭代更新和知識的累積。此外，他們可以對新員工或團隊成員進行技術培訓和指導，傳遞關鍵的技能和知識，這對于提高整個團隊的技術水平和工作效率具有重要作用。“職業(yè)教育現場工程師專項培養(yǎng)計劃”是由教育部等五部委共同啟動的重大項目，旨在培養(yǎng)一批具備工匠精神，精通技術、善于管理、懂得協作、能夠創(chuàng)新的現場工程師。南京交通職業(yè)技術學院以“智能化職業(yè)場景下現場工程師”項目建設為契機，聚焦能力本位框架與GROW模型在現場工程師職業(yè)路徑發(fā)展中的創(chuàng)新應用。

1智能化職業(yè)場景下，現場工程師職業(yè)路徑發(fā)展的現狀和挑戰(zhàn)

智能化職業(yè)場景下，現場工程師作為技術領域的關鍵角色，其職業(yè)路徑發(fā)展面臨著多方面的現狀和挑戰(zhàn)。智能技術的迅猛發(fā)展，如人工智能、大數據和物聯網，極大地改變了傳統(tǒng)工程師的工作方式和內容?，F場工程師需要掌握跨學科知識，具備較強的技術應用和問題解決能力。他們的工作不僅涉及傳統(tǒng)機械和電氣工程，還需掌握編程、數據分析、系統(tǒng)集成等新興技術。他們的工作范圍已經從傳統(tǒng)的設備維護和故障排除擴展到了項目管理、數據分析、系統(tǒng)優(yōu)化等領域。此外，隨著數字化轉型的推進，現場工程師需要掌握更多的信息技術知識，這些技術的整合為現場工程師的工作帶來了新的機遇和挑戰(zhàn)。

隨著科技的發(fā)展和智能場景的出現，推動社會經濟各個方面的深刻變革?，F場工程師需要持續(xù)學習，以應對快速變化的技術環(huán)境和不斷涌現的新機遇。各行業(yè)應積極擁抱新技術，實現數字化轉型，提升競爭力和創(chuàng)新能力。保持技術領先對于現場工程師而言是一個持續(xù)的挑戰(zhàn)。

除了專業(yè)技術能力，溝通、團隊合作、項目管理和解決問題的能力也變得越來越重要。這些軟技能對于現場工程師成功推進項目和職業(yè)發(fā)展至關重要。技術和工作環(huán)境的不斷變化要求現場工程師必須致力于終身學習，以維持其競爭力。然而，如何平衡工作、學習和個人生活，成為現場工程師面臨的另一挑戰(zhàn)。

智能城市、智能家居、智能交通等應用的快速發(fā)展，5G和6G技術的創(chuàng)新應用，自動駕駛技術的逐漸成熟，工業(yè)機器人和服務機器人的普及，人機協作機器人（Cobots）廣泛應用，量子計算技術的重大突破等，勢必帶來智能化場景的層出不窮，對于現場工程師而言，適應這些變化、持續(xù)提升自身的技術和軟技能，需要創(chuàng)新設計有效的培養(yǎng)模式。

2能力本位教育框架的理論基礎

能力本位教育框架（Competency-BasedEducation，CBE）是一種以學習者為中心的教育模式，與當前職業(yè)教育人才培養(yǎng)目標相契合的一種教學理念[2]。它強調以學習成果為導向，關注學生能否掌握特定的知識、技能和態(tài)度，而不僅僅是學習過程的實踐或經驗。這種教育框架的理論基礎可以從幾個關鍵的教育心理學和管理理論中得到闡釋和支持。

首先，從行為主義心理學的角度來看，能力本位教育強調可觀察和可測量的學習成果，它主要強調刺激對學習的強化作用[3]。這種觀點認為，教育的目標應該是促使學生表現出特定的、可度量的行為，這與B.F.斯金納[4]的強化理論相呼應，后者強調通過強化來改變行為。

其次，認知主義心理學也為CBE提供了理論支持。與行為主義不同，認知主義[5]更加關注內部心理過程，如思維、理解和解決問題的能力。在能力本位教育中，重視學生的認知過程和如何應用知識來解決實際問題，這與認知主義的理論相契合。

最后，建構主義理論[6]認為知識是學習者通過與環(huán)境的互動過程中構建出來的。在CBE框架下，學習被視為一個主動構建和意義創(chuàng)造的過程，學生通過實踐和經驗學習來構建其理解和技能，這與建構主義的觀點相一致。

在管理學領域，CBE還與人力資源管理中的能力模型相聯系。能力模型通常用于界定和評估員工的關鍵能力和績效標準，這種方法在教育領域的應用有助于更明確和具體地定義學生應達到的學習成果和標準。

總之，能力本位教育框架的理論基礎是多元的，其強調實現具體、可測量的學習成果，注重學生的全面發(fā)展，包括知識掌握、技能應用和態(tài)度形成，能力本位教育框架很好地適應了智能化職業(yè)場景現場工程師培養(yǎng)要求。

3GROW模型的原理及其在職業(yè)發(fā)展中的應用

GROW模型[7]是一種廣泛應用于教練和個人發(fā)展領域的框架，由JohnWhitmore在19世紀90年代提出。GROW包含目標（Goal）、現實（Reality）、選項（Options）、意愿（Will）四個核心階段。

①目標（Goal）：這一階段的重點是明確目標，設定清晰的、具有挑戰(zhàn)性的、可執(zhí)行的目標。目標應該具體且有時間限制，以便于實現和評估。在職業(yè)發(fā)展的背景下，目標設定通常涉及職業(yè)規(guī)劃、技能提升或解決工作中的具體問題。

②現實（Reality）：這一階段要求對當前的現實情況進行全面和客觀的評估。涉及對個人的技能、資源、限制因素和已經取得的成就的評估。在職業(yè)發(fā)展中，這意味著要了解個人的現狀，包括職業(yè)技能、工作經驗、職業(yè)路線中的障礙以及可利用的資源。

③選項（Options）：在這一階段，個人或團隊探索實現目標的不同途徑和策略。這要求思考創(chuàng)造性的解決方案，不拘一格地考慮所有可能的行動計劃。在職業(yè)發(fā)展的過程中，這可能包括不同的學習路徑、職業(yè)轉變方向或改善工作性能的策略。

④意愿（Will）：最后一階段是關于行動和承諾，確定實施的具體步驟和時間表，以及為實現目標所需的支持和資源。在職業(yè)發(fā)展中，這意味著制定行動計劃，承擔責任，并跟蹤進度以確保目標的實現。

GROW模型在職業(yè)發(fā)展中的應用十分廣泛，因為它提供了一個結構化而靈活的框架，幫助個人和組織明確目標，識別現實情況，探索實現目標的多種途徑，并承諾采取實際行動。通過GROW模型，可以有效地提升個人的自我意識、有利于成為智能化職業(yè)場景現場工程師促進職業(yè)成長，支持終身學習的有力工具。

4能力框架與GROW模型的融合策略

在智能化職業(yè)場景現場工程師的培養(yǎng)背景下，能力框架與GROW模型的融合是為了實現更有效的職業(yè)發(fā)展，支持終身學習，這種融合的邏輯如下：

（1）教育與職業(yè)發(fā)展的融合需求。現場工程師不僅需要專業(yè)技術知識和技能，還需要不斷適應變化的職業(yè)環(huán)境和發(fā)展需求。能力框架提供了明確的能力標準和目標，而GROW模型則強調個人成長和目標實現的過程。將兩者結合，可以實現從能力培養(yǎng)到職業(yè)成長的無縫對接。

（2）個性化和目標導向的發(fā)展策略。能力框架關注于所需能力的具體內容和標準，而GROW模型提供了一種個性化和目標導向的發(fā)展過程。通過結合兩者，可以為現場工程師設計更符合個人需求和職業(yè)目標的培訓和發(fā)展計劃。

（3）系統(tǒng)性與靈活性的平衡。能力框架帶來系統(tǒng)性的培養(yǎng)途徑，明確了發(fā)展方向和標準；GROW模型則提供靈活性，幫助工程師根據自身情況和職業(yè)環(huán)境制定和調整發(fā)展計劃。這種結合有助于在保持培養(yǎng)方向明確性的同時，適應個體差異和環(huán)境變化。

（4）持續(xù)的發(fā)展與反饋機制。GROW模型的實踐強調目標設定、現狀評估、選項探索和行動執(zhí)行的循環(huán)過程，與能力框架中對持續(xù)發(fā)展和能力提升的要求相契合。這種融合形成了一個持續(xù)的學習和反饋環(huán)境，有助于現場工程師實時調整發(fā)展策略，不斷提升自身能力。

綜上所述，能力本位框架聚焦于個人為有效履行職責所需的關鍵能力，有助于識別和定義成功的標準，并為個人發(fā)展提供清晰的目標。GROW模型作為能力本位框架的補充，通過設定目標（Goal）、了解現狀（Reality）、探索選項（Options）和落實行動（Will），引導工程師主動思考和實施其職業(yè)發(fā)展計劃。將兩個模型融合有利于構建一個完整的職業(yè)成長體系。能力本位框架提供職業(yè)發(fā)展的“地圖”，明確需要培養(yǎng)的能力目標；GROW模型則提供“指南針”，幫助工程師在實現這些目標的過程中做出合理規(guī)劃和調整。

5融合模型在大數據人工智能領域實踐現場工程師培養(yǎng)案例分析

南京交通職業(yè)技術學院電子信息工程學院大數據人工智能教學團隊致力于結合大數據人工智能最新的技術趨勢和實際工作需求，在現場工程師培養(yǎng)路徑中融合能力框架和GROW模型，培養(yǎng)學生能夠在大數據人工智能項目中有效地設計、實施和管理大數據人工智能解決方案的能力。主要完成如下工作。

（1）能力識別與定義

與大數據人工智能領域的專家協作，定義大數據人工智能領域現場工程師所需的關鍵能力，包括機器學習理論、計算機視覺技術、數據采集技術、數據預處理技術、大數據人工智能系統(tǒng)集成、項目管理和跨部門協作等。

（2）能力水平評估

與行業(yè)知名企業(yè)合作（百度、阿里云等）建立全面的多維度能力評估系統(tǒng)是評估綜合能力的關鍵[8]，對學生進行技術和能力評估，確定他們在大數據人工智能技術和項目管理領域的當前水平和發(fā)展空間。

（3）與GROW模型的融合

①目標設定（Goal）：明確職業(yè)發(fā)展目標，領導一個大數據人工智能項目、提升特定領域（編程與腳本語言、數據存儲、數據分析與挖掘、溝通與協作）的認知水平、實現技術創(chuàng)新等。

②現實情境分析（Reality）：考查學生目前在大數據人工智能技術和應用方面的能力（對人工智能、大模型具有濃厚的體驗興趣）、所面臨的挑戰(zhàn)（情緒、情感、思維、意志、能力及性格不穩(wěn)定）以及工作中的實際需求（大模型對編程輔助需求）和資源（具有Java和Python編程能力）。

③選項探索（Options）：探討不同的學習路徑和發(fā)展機會，包括產業(yè)學院、工作室內部培訓、在線課程（慕課、B站、網易云課堂等）、參與項目研究或橫向課題開發(fā)等。

④行動意愿與執(zhí)行（Will）：基于探索出的選項，指導制定個性化的職業(yè)發(fā)展計劃，并明確具體的行動步驟和時間表。

（4）實施與反饋

①實施發(fā)展計劃：學生根據計劃參與大數據人工智能相關的學習和實踐活動，如編程培訓、數據分析項目或大數據人工智能技術研討會。

②定期評估與反饋：通過項目成果、技能測試和績效評估來監(jiān)測進展，并收集來自同學和教師的反饋，以評價培養(yǎng)計劃的效果并進行必要的調整。

在智能化職業(yè)場景現場工程師培養(yǎng)的背景下，融合模型為現場工程師的職業(yè)路徑發(fā)展提供了一種動態(tài)、系統(tǒng)的方法，它強調個人能力的提升和職業(yè)目標的實現，有助于工程師及其所在組織適應不斷變化的技術環(huán)境和市場需求[10]。但是融合模型也存在一定的局限性。融合模型要求對現場工程師的能力進行詳細分析，并定制個性化發(fā)展計劃，這可能涉及較高的時間和資源成本；GROW模型在目標設定和選項探索等方面較多依賴個人的主觀判斷，可能會受到個人經驗和認知偏差的影響；為保證融合模型的有效性，需要組織和個人進行持續(xù)的投入和參與，這在實踐中可能會遇到持續(xù)性和一致性的挑戰(zhàn)；綜合評估現場工程師在融合模型下的發(fā)展成效可能較為復雜，需要建立有效的評估體系和指標[9]。因此，融合模型為現場工程師的培養(yǎng)和發(fā)展提供了一種結構化的方法，能夠有效促進職業(yè)成長和提升工作績效。然而，要充分發(fā)揮其優(yōu)勢，公司和個人需要克服實施中的挑戰(zhàn)，確保持續(xù)的投入和有效的管理。

參考文獻：

[1]劉延翠，路寶利“.合供”視角下職業(yè)教育現場工程師培養(yǎng)的合作機理與優(yōu)化路徑[J].中國職業(yè)技術教育，2024（3）：28-35.

[2]鄒香玲，向春枝.雙高專業(yè)群人才培養(yǎng)路徑研究：基于技能型社會背景下能力本位教育[J].太原城市職業(yè)技術學院學報，2023（7）：38-40.

[3]黃龍泉.從行為主義學習理論視角探討微課在高等職業(yè)教育中的應用[J].中國成人教育，2020（5）：69-72.

[4]SKINNERBF.Contingenciesofreinforcement：atheoreticalanalysis[M].NewYork：Appleton-Century-Crofts，1969.

[5]郭昱麟.淺談認知主義學習理論的研究及其應用[J].黑龍江科學，2015，6（9）：112-113.

[6]GARRISONDR，KANUKAH.Blendedlearning：Uncoveringitstransformativepotentialinhighereducation[J].TheInternetandHigherEducation，2004，7（2）：95-105.

[7]金瑩，黃丹.GROW模型在績效輔導中的運用與創(chuàng)新：以“90后”技術人才為例[J].中國人事科學，2020（6）：54-63.

[8]葉俊峰，劉雅哲.現代學徒制背景下電信服務與管理專業(yè)校企雙向積分制人才培養(yǎng)模式探索[J].現代職業(yè)教育，2024（10）：61-64.

[9]李洪斌，王彥巖，楊連茂.學生增值評價視角下的研究生導師專業(yè)發(fā)展探究[J].黑龍江教育（理論與實踐），2022（12）：23-25.

[10]張玲艷，邱水才.新工科背景下產教融合創(chuàng)新人才培養(yǎng)模式研究[J].產業(yè)創(chuàng)新研究，2022（18）：184-186.

【通聯編輯：王力】

基金項目：江蘇省職業(yè)技術教育學會職業(yè)教育研究立項課題“智能化職業(yè)場景下職業(yè)教育現場工程師校企聯合培養(yǎng)研究”（項目編號：XHZDB2023031）；江蘇省職業(yè)技術教育學會職業(yè)教育研究立項課題“基于中、專、本銜接的職教高考命題改革研究”（項目編號：XHZDB2023030）；2023年江蘇省高等教育教改研究立項課題“數字治理賦能教學實施路徑研究——以數智南京交院建設為例”（項目編號：2023JSJG530）