雙減背景下，未來高職的數字化轉型思考一、數字化轉型的途徑1、以智能化線上學習平台做為抓手

詳細内容請點連結：未來高職的數字化轉型思考 一、數字化轉型的途徑二、實施步驟三、未來展望

編者按：

雙減“分流”後，引發了很多家長的焦慮，擔心孩子成績不佳，去了職高技校，孩子的前途就沒了。這份焦慮給職業教育如何提高品質、如何轉型更新帶來了新壓力，筆者結合數字化轉型、職業教育辦學的本質來思考，如果高職經由本文設想的路徑轉型，您的孩子到這樣的高職讀書你願意嗎？還焦慮嗎？

高職以培養行業急需、适用、好用、靠得住、發展潛力、綜合素質高的人才為目标，然而目前學情變化巨大，社會發展迅速，如何提高人才培養品質，提升辦學競争力，成為擺在目前高職院校面前的一個難題。

未來，甚至不久的十年之後，需要高職院校辦成具有“職業發展的支撐點、行業發展的動力源、資本與人力的聚合地、職業文化傳承的重要支點”等内涵屬性的院校，才能更好的适應社會發展的需要，發展壯大自身。

國家為了長遠的發展需要，通過《教育資訊化2.0計劃》釋放了兩個明确的信号：第一，要滿足學習者個性化學習的需要，進而努力幫助學習者實作個性化全面發展；第二，要用好人工智能技術，既要提升辦學品質、辦學水準，又要為未來國家發展、國際競争提供更有實力的人才。

實作這一系列目标，要直面目前高職教育發展的痛點、難點，回歸教育本質。筆者認為以數字化轉型為切入點，找準關鍵手段做為抓手，解決好學習動力不足的難題，提供優質的服務保障，營造良好的從業實戰環境，進一步引領人才不斷提高品質。具備了這些要素，才會将高職的發展更好更快地導入高效、優質的發展軌道，激發更大的辦學活力，獲得更大的辦學效益。

<h1 class="pgc-h-arrow-right" data-track="7">一、數字化轉型的途徑</h1>

目前高職生學習積極性不高，成為目前困擾很多一線高職教師的難題，如何破解、原因在哪裡，衆說不一。筆者從教多年，對這一問題關注由來已久，在自己的教學過程中改進過教法、開發過學習資源、做過思想輔導，也與學生做過持續深入的交流，與同行教職人員進行過交流與探讨。綜合起來，關鍵的問題主要有兩個：一、是目标不明确，持續動力不足；二是學習基礎、學習進度、學習難題千差萬别。而且二者背後的原因多種多樣且交織在一起，像一團亂麻，剪不斷、理還亂。而這一問題解決不好，其他的辦學革新都難以觸及受教育者的核心，導緻各項努力、變革都要大打折扣，甚至無功而返。筆者認為，未來高職的數字化轉型可以從以下五個途徑着手：

<h1 class="pgc-h-arrow-right" data-track="9">1、以智能化線上學習平台做為抓手</h1>

高職院校如何化解不同學習基礎、學習進度、學習難題千差萬别的難題呢？高職做為普惠式教育，不以培養少數“精英”為目的，如何以較低成本、較高收益的化解這一難題，成為現實辦學的挑戰與需要。

以目前的現實條件來化解這一難題，需要将辦學模式、教學手段與方法，都進行必要的變革與調整，才能以較低成本來滿足學習者學習基礎、學習進度、學習時間、學習習慣等不盡相同，還要達成學習目标的需要。而從高職學情來分析，高職學生普遍對理論學習比較排斥，學習起來比較困難，而理論學習基礎不紮實，間接影響專業能力培養效果與職業發展空間。是以解決好理論學習的問題，是關鍵中的關鍵。

目前以大資料分析為核心的人工智能技術趨于成熟，經過教學模式、教學資源、教學過程組織與管理等方面的變革與優化，可以兼顧較低成本、高效率、穩收益的化解這一難題，且與完全學分制改革的方向保持一緻。如果再結合對教學場地、師資、實訓條件等資源的精細化管理，可以為學習者建立更為開放、靈活、可自主化的學習環境，為輔助其個性化成長提供良好的基礎條件，進而為培養學習者的自主學習積極性具有現實的支撐作用。

具體的實作思路是通過專業能力培養目标為核心，以學習者視角，建構學習圖譜，圖譜中包括專業能力成長等級，再據此分解出專業技能培養路徑，再繼續推導出知識學習路徑，進而建構完整的學習圖譜。整個學習圖譜類似一張學習資源的網狀圖，圖中散布着大量的學習結點，每個結點（知識點、技能點或專業能力點等不同的學習資源）依據教學團隊根據彼此的内在邏輯進行關聯，學習者在圖中根據自己通過每個結點的評價資料來動态的決定下一個學習結點，并最終通過專業能力的逐級提升來到達圖譜學習的終點。

在圖譜中将添加各類必須的學習資源，每項資源均應設計考核方案，制定學習狀态與學習成果的評價名額。此外還包括學習者其他方面的資料采集與分析，通過建立有效的資料分析模型，來與平台中的資料進行整合分析，為學習者提供學習路徑選擇、學習方法建議、學習夥伴推薦、适合教師的推薦等提供參考依據。

每個專業對應一個學習圖譜，并由教學團隊指定一個初始入口，學習者經初始入口開始學習之旅，每經過一個學習結點，都将給予具體的評價資料采集，再結合背景的資料分析模型，跳轉至下一個學習結點。

詳細内容點開頭的連結————向上