大数据视角下军校学员成长路径规划研究*
◆李晓军 李琳琳 姚俊萍 马俊春
摘 要 基于成长路径规划的学员自我管理与发展是培养军事职业胜任力的重要途径。基于大数据的军校学员成长路径规划是动态持续的过程，包括目标规划、个体评估（条件评估、状态评估）、成长路径建议、执行等环节。院校需从学员成长路径规划的数据需求出发，借助物联网、云计算技术建设大数据支撑体系，提高人才培养质量。
关键词 成长路径规划；大数据；军队院校；军校学员；胜任力模型
1 前言
高等教育既是院校依托环境资源开展人才培养的过程，更是学生自我管理、逐步成长的过程。因此，学生在自我认知、职业愿景、环境评估等基础上有意识地开展成长路径规划与设计，并有效地付诸实践，对于高等教育人才培养质量的提升具有显著意义。对于军校学员而言，新时代的军事变革及打赢能力建设对于学员素质能力培养提出新的要求，军事院校在创新人才培养课程教学手段与方法的同时，也有必要积极引导学员自我管理，发挥主观能动性，有意识地开展成长路径规划，锤炼意志、提升能力，为打赢明天的战争集聚本领。
在这样的背景下，本文从大数据视角出发，分析军校学员成长路径规划的需求，提出基于大数据技术的学员自我分析评估模式，进而有针对性地提出个人学习发展策略及措施，为军事高等教育人才培养服务。
2 学员成长路径规划与胜任力模型
凡事预则立。作为社会个体的学员的成长、成才过程同样需要有意识地进行规划。事实上，理论和实践研究也证明了学员成长路径规划对于提高个人素质和就业能力具有显著价值。如针对大学生优质就业的案例研究结果表明，兴趣特长、复合能力和人文情怀是实现优质就业的关键性条件，而具备上述潜质的青年学子的成长路径特征非常明显，集中体现为取向明确、能力多元以及人文情怀浓郁等[1]。因此，优异的个体素质与科学的成长路径规划紧密相关。
路径规划对于学员成长过程的重要意义是建立在胜任力模型基础上的。胜任力是与有效的工作绩效相关的个人潜在特征，包括知识、技能、自我概念、特质和动机等方面[2]。担任特定职务所需具备的胜任力内容及水平称为胜任力模型[3]。依据胜任力的冰山模型[4]和洋葱模型[5]，职业胜任力包括显性的可通过教育培训获得的“知识和技能”以及隐性的“个体特质”（如态度、动机、品性、价值观等）两大部分[6]。可以发现，职业胜任力是能够通过定量或定性的方式进行描述的，进而也能够通过教育培训或者个体自我提升而习得，尤其是个体特质部分，学员个体有必要以准确的自我认知为基础，进行成长路径规划，有意识地加以培养和提升，以适应未来职业发展需求。
综上所述可以得出，面向军事职业发展需求，军校在积极开展知识和技能教育培训的同时，有必要引导学员在职业胜任力需求分析基础上，结合客观、准确的自我认知评估，开展个人成长路径规划，针对性地培养适应打赢需求的个体特质，促进军事人才的全面发展和进步。
学习分析，是指以学习行为大数据为基础，利用松散耦合的数据分析技术与搜集工具，分析、评估学习者的学习参与、学习表现和学习过程，实时呈现个体在知识和技能等方面的即时状态。学习分析的依据是全面、客观、准确的学习行为数据，比如所学课程的知识内容体系、课堂参与度与表现、课程成绩、课余阅读内容列表、课外活动项目参与情况等；学习分析模型应以大数据关联分析模型为主，以描述性统计、定性分析为辅；学习分析的输出应是从知识和技能状态角度呈现用户画像，并通过适当方式保护学员的隐私信息。
3 基于大数据的军校学员成长路径规划方法
其中，面向军事职业岗位的胜任力模型分析，应结合新时期军事领域变革对于指挥人员能力素质需求的变化，并体现出不同任务或职务间的差异。具体地，胜任力模型中应包括知识与专业基础能力、沟通能力、身体素质、个性品质、态度与价值观等方面的需求，是基于数据的对于军事职业岗位任职需求的科学分析和判断。同时，考虑到军校学员人生阅历、职业经验等方面存在的不足，胜任力模型分析结论应以专家（部队首长、院校教授、职业指导员等）的知识和经验为主要的研讨依据，并通过可视化的方式适时推送给学员。
1）危害症状。梨小幼虫危害果实多从梗洼、萼洼处蛀入，前期被害果实虫道较浅，蛀孔周围凹陷，变黑腐烂，表面有虫粪；后期被害果实蛀孔周围绿色，脱果孔较大，孔外无虫粪。一般虫道直达果心，集中危害果心。这是鉴别梨小食心虫的重要依据。
Runnable接口类型为Thread myThread=new Thread(tar⁃get)//target
汽轮机运行中涉及了较多的易损件，如汽轮机叶轮，动力泵装置均为易损件。该类设备及组件在运行中，因磨损、冲蚀、异常振动等不良现象的出现，造成设备在运行中出现了较多的损坏和故障现象。各类不良现象的持续存在，造成设备组件在运行中的损耗呈现为持续性，因此从设备检修与维护的作业效果方面分析，落实易损件的运行应用监控，以及易损件的定期维护检修，则为也汽轮机检修维护中的主要技术要点。
无论是学员开展的职业胜任力需求分析（即解决“我要成为什么样的人”的问题），还是自我认知评估（即解决“我现在具备什么能力”的问题），均需要以准确的数据为支撑，进行个体决策。而在当前信息技术时代，教育大数据为上述问题的创新解决提供了必要基础和条件。在概念的分析讨论中，狭义的教育大数据特指学生即学习者的行为数据，比如来自学生管理系统、教务管理系统以及在线学习系统等的数据及分析[7]；而广义的教育大数据则涵盖了与教育管理与组织机构、教学环境与条件、教育装备、教师、学生等相关的所有教育活动相关数据及分析，既包括行为数据，也涉及信息系统状态数据、国家教育数据等[8]。
基于上述分析，本文提出基于大数据的军校学员成长路径规划，目标在于借助大数据技术，通过学员持续的、自我动态评估与管理，逐步提升担任军事指挥员所需具备的胜任力内容及水平。其中，胜任力的内容不仅涉及合格军事指挥员应具备的知识和技能，也包括学员个体在态度、动机、品性、价值观等方面的提升和进阶。因此可以发现，基于大数据的军校学员成长路径规划是职业胜任力导向的，具有明确的目标指向；在学员支持内容上，是对传统研究中知识学习内容智能推荐模式的进一步拓展，加入了对于学员个体特质的实时评估；在实施中，基于大数据的军校学员成长路径规划是动态持续的，形成“目标规划、个体评估（条件评估、状态评估）、成长路径建议、执行”的完整闭环，如图1所示。
助攻是队员技术、意识、视野、创造机会与把握机会能力的综合体现，助攻次数多少与个人攻击能力、传接球技巧和同伴之间的默契配合有关。中国队助攻上的差距，从技术应用角度分析，主要是防守强度不够，防守时习惯保持一臂距离，这种防守方法对控球队员施加的压力较小，从而给了对手及时、准确传球，形成助攻的可能。从战术因素上分析，中国队以内线进攻为主，对手通过绕前、绕侧或前后夹击，防住内线队员接球路线后，后卫的助攻机会也随之减少。同时，内线高大队员移动中抢占到有利、舒适位置时，后卫的传球经常无法及时到位，使可能形成的助攻机会稍纵即逝，无法形成有效的助攻，影响了中国队的助攻次数。
从研究背景及目标出发，本文中的教育大数据采用广义概念进行分析和讨论。同时需要指出的是，此处大数据的概念不仅指数据本身，还包括分析和处理海量数据资料的新技术[9]，该技术以基于云计算、物联网的分布式存储与并行计算、海量数据间关联分析、可视化结果呈现为核心。研究已经证明，教育大数据对于改进学习者的学习效果具有显著价值，如基于学习者行为分析进行学习内容智能化推送，提高学习针对性，并最终实现学习效率的提升等[10-11]。总体来讲，已有研究在大数据技术辅助教、学双方的课堂实施、知识习得等方面取得诸多研究成果，但在辅助学员成长规划方面则相对较少。
在面向军事职业岗位的胜任力模型分析、学习分析、个人特质分析与成长环境分析基础上，形成学员的成长路径规划建议方案。在建议方案的生成模型中，目标规划、条件评估、状态评估结果是模型的输入；模型的输出结果应是基于标准化模板生成的，并明确该方案的执行周期，提高建议方案的规范化及可操作性。总体来讲，成长路径规划建议应是方便学员能够据此调整自己当前的发展步调，参考系统推荐的路径来学习知识、提升技能以及培养特质。
图1 军校学员成长路径规划模式
个人特质分析、成长环境分析体现了军校学员成长过程中所依赖的条件，即个人基础条件和成长环境条件两个方面。军校学员的成长过程不可能是空中楼阁，是以已有个人素质为基础的，同时不可避免地受到环境条件的限制约束，因此，客观、准确地开展条件评估是生成个人成长路径规划建议的必要条件。其中，个体特质分析主要是学员对于自我的职业态度、动机、品性、价值观等进行评估，具有典型的隐私性、个体差异化特征；成长环境分析一方面包括军事院校教学条件的评估（如院校人才培养定位、特色专业与优势学科、信息资源服务能力等），另一方面应涉及个人成长的社会环境评价（如生源地经济社会状况、个体家庭实际、生活方式与习惯等）。
第三，现代经济管理学理论与实践结合紧密有利于个人能力发展。学习本专业的学生不仅可以掌握比较全面地、系统地掌握管理科学和经济科学方面的基本理论；掌握经济管理的专业知识、基本技能；具备良好的计算机应用能力和经济应用文写作能力；具有一定的外语水平；熟悉国家有关方针政策和法规；而且还具备了社会经济调查和组织协调的基本能力，更能深刻地分析、有效地解决经济管理中的各种问题。对于个人今后的发展有很大帮助。
学员参考生成的阶段性成长路径规划建议方案，并在不同的方面和维度上加以实践执行。同时需要指出的是，个人的成长符合持续的螺旋式上升一般规律，因此，基于大数据的军校学员成长路径规划是持续的、动态的闭环过程，需要相关各方的持续努力和实践。
表1 军校学员成长路径规划生成过程的数据需求
4 军校学员成长路径规划的大数据支撑体系建设
科学的决策依赖于准确、完备的数据支撑。对阶段性成长路径规划建议方案生成过程的数据需求分析如表1所示。通过对表1中所示的数据需求进行分析可以发现，上述数据属于典型的教育大数据，涉及与教育管理与组织机构、教学环境与条件、教育装备、教师、学生等相关的所有教育活动相关数据。
基于数据需求，军校学员成长路径规划的数据支撑体系如图2所示。其中，职业领域数据、职业管理知识、院校条件数据、社会环境数据等可进行集中的批处理，且在不同个体间可互用；而学习行为数据、特质测试数据等可依托学习者、教学设施等终端的物联网系统（如传感器、摄像头等）进行采集。上述数据可依托军事院校的云计算设施进行分布式存储。同时，考虑到不同数据对于个体隐私的敏感度间的差异，数据应进行访问权限设置及加密处理。
图2 学员成长路径规划的数据支撑体系
5 结语
成长路径规划为军校学员有意识地进行自我管理以及在院校培养的基础上实现个性化发展成才提供了方法途径。在当前信息技术飞跃发展时代，以物联网、云计算为基础的大数据技术则为学员成长路径规划创造了数据、工具等方面的有力支撑。军事院校有必要顺应新时期军事人才培养改革需求，积极创设条件和环境，为实现军校学员自我管理、个性化发展，并最终提高院校人才培养质量打下基础，为打赢明天的战争培养素质全面、具有领导力的精英型军事人才。
参考文献
[1]刘永生.当代优秀大学生的成长路径特征及启示：基于3所名牌大学10位青年学子优质就业的质性研究[J].中国青年研究,2016(6)：93-98.
[2]刘云.基于胜任力模型的干部队伍教育培训研究[J].中国成人教育,2016(22)：131-135.
[3]周尔民,刘秋红,王贵用.基于胜任力模型的专业学位研究生质量分析维度[J].黑龙江高教研究,2017(4)：93-95.
[4]McClelland D C. Testing for competence rather than for intelligence[J].American Psychologist,1973(28)：1-14.
[5]Boyatzis R E. The competent manager： A model for effective performance[M]. New York： Wiley,1982.
[6]谢晓专.情报分析师职业胜任力通用标准比较研究[J].情报杂志,2017,36(2)：25-31.
[7]李馨.高等教育大数据分析：机遇与挑战[J].开放教育研究,2016,22(4)：50-56.
[8]胡弼成,王祖霖.“大数据”对教育的作用、挑战及教育变革趋势：大数据时代教育变革的最新研究进展综述[J].现代大学教育,2015(4)：98-104.
[9]曾贞.数据人：大数据教育时代学习者特征分析及其教学对策研究[J].黑龙江高教研究,2017(3)：10-15.
[10]翟继友.大数据用于高等教育的问题及其应对策略[J].黑龙江高教研究,2017(8)：58-61.
[11]石贵舟,余霞.高等教育大数据的作用及其构建[J].教育探索,2016(9)：65-69.
Growth Path Planning for Military College Students from a Big Data Approach
LI Xiaojun, LI Linlin, YAO Junping, Ma Junchun
Abstract To support developing military professional competency,college should cultivate students' military knowledge and skills, and conduct them to plan growth path according to specific goals of selfdevelopment. Growth path planning based on big data for military college students are dynamic and sustaining which include goal planning, individual evaluation, growth path proposals and implements. Then college need to construct big data supporting system based on IOT and cloud computing for students' growth path planning.
Key words growth path planning； big data； military college； military college students； competency model
中图分类号： G645
文献标识码： B
文章编号： 1671-489X(2019)04-0109-03
10.3969/j.issn.1671-489X.2019.04.109
*项目来源： 教育教学研究课题“军队院校教学评价大数据建设及应用”（JYJX1813）。
作者：李晓军、李琳琳、姚俊萍，火箭军工程大学，副教授，研究方向为信息系统大数据；马俊春，火箭军工程大学，讲师，研究方向为教育大数据技术（710025）。