区块链下新工科人才培养智慧管理

来源：李编辑分类：经济论文时间：2022-02-15 10:36热度：

在人才个性化培养过程中，传统对人才的个性识别还停留在教师的主观判别上。基于大数据的人工智能技术为科学识别学生的个性提供了强有力的技术支持。通过构建基于区块链的人才培养系统，利用区块链技术将大学生在大学期间所产生的各类数据进行收集，并在此基础上利用人工智能技术对收集到的学生区块链数据进行智能分析，提出了基于人工智能的竞赛组队聚类推荐、个性化学习推荐和学生学业预警3个具体的应用方向，从而实现了新工科人才培养具有个性化的智慧管理。

区块链下新工科人才培养智慧管理

　　关键词：区块链；新工科人才；个性化；智慧管理

　　随着科技的进步，社会进入了“互联网+”和“工业4.0”时代，中国面临着相关人才严重不足的问题，培养出适应新时代的工科人才变得迫在眉睫。为了满足时代的需要、社会的需求，中国提出了建设新工科，培养全面型人才的新要求。与传统的工科人才相比，所谓的新工科人才应具备以下4种能力：①交叉复合特征，具备跨学科、跨产业的整合能力；②较强的实践能力和创新创业能力；③自主学习和终身学习能力；④具有国际视野，获得国际认同，具备国际竞争力。为了培养新工科人才这4种能力，需要对现行的人才培养模式和方法作出相应的变革[1]。2019年国务院在《中国教育现代化2035》中提出“利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合。”个性化即某个人的独特性，个性化教育理念倡导以人为本、因材施教。在美国，很多高校都开设了“个人专业”，有针对性地对大学生进行个性化培养[2]。中国目前在大学生的个性化培养方面仍然存在着较大的不足[3-4]。首先，当前在对某个学生的个性（独特性）进行评价时，存在着一定的主观性，如某个教师对某个学生的独特性评价，与这个学生对自己的独特性评价会存在着一定的差异，产生这种差异的原因是多方面的，可能是因为不同的评价主体对所评价的对象所获得的信息不是完全相同的，此外也不能排除评价者对被评价者的主观因素（如情感因素）的影响，最终造成教师对学生的个性评价结果与真实情况存在着一定的偏差。由于对学生个性评价偏差的存在，自然难以对学生进行精准化的个性化培养。其次，当前的个性化教学由于各方面原因（如思想、制度等）的限制，很多高校在新工科人才个性化培养方面仍然停留在口号上，具体实施的案例并不多，像国外高校那样开设个人专业更不可想象。本研究通过利用区块链技术来收集大学生在大学期间所产生的各种数据，通过人工智能技术对这些大数据分析，从而对学生的个性化进行科学的识别和评价，最后在此基础上提出了对新工科人才培养智慧管理的3个应用设想。通过利用大数据人工智能技术对学生的个性进行识别和智慧管理，既可以摒除对学生个性化评价的主观化，又可以在现行的条件下最大化地实现新工科人才的个性化培养。

　　1基于区块链的人才培养信息管理系统

　　1.1区块链的特点及其应用

　　区块链技术是一种计算机综合技术，综合了分布式存储、加密技术、共识算法、智能合约等技术，具有去中心化、防篡改等特点。高校在新工科人才培养过程中，可以利用区块链技术对人才培养过程进行详细的学习记录，并以此认证人才是否完成学习，是否可以获得相应的学分。如果人才获得了高校所规定的学分，即可顺利毕业。

　　1.2基于区块链的人才培养系统框架

　　基于区块链的新工科人才培养系统框架如图1所示。1.2.1底层技术框架。这部分也是整个模式框架的技术基础。基本上由相关的区块链技术构成，主要包括分布式存储、加密技术、共识机制、区块链管理技术等。在存储节点设计上，可以将每个高校设计为一个节点，这些节点组成P2P对等网络。用户通过统一门户接入节点进行相关的操作。1.2.2CA中心。在用户通过客户端参与到区块链网络之前，客户端需要先向CA节点登记注册，并从CA节点那里取得合法的数字身份证书。在本系统中，学校为根CA证书发布中心。只有通过学校CA认证的人和设备才能加入本区块链系统。1.2.3用户及其接入方式。本系统的用户包括教师、学生、教学管理部门（如教务处）、教学辅助部门（如学工处、图书馆等）。接入系统的方式可以是电脑端，也可以是手机移动端。1.2.4区块的产生及区块链的管理。首先，每个学生都有一个属于自己的区块链。区块链由区块以链状的方式串在一起从而形成区块链。其中，每一个区块即为学生的一条记录。每个学生可以自己主动将学校没有的记录的信息（如参加社团信息、在校外兼职信息等）加入到区块链中。其次，教师也可以将在教学过程或者指导学习过程中，对某个学生的主观评价写入该学生的区块链中。最后，教学部分和教学辅助部门可以主动将在各类管理中产生的数据加入区块链中，也可以由区块链系统主动将这些信息加入区块链中。在区块链的管理中，可以使用SHA256对区块链的区块进行加密管理，以防止信息被篡改。

　　1.3基于区块链的人才培养系统的应用

　　大学新生入学后，随着各项活动的开展，便同时产生了大量的各种数据信息，如学生的高考入学成绩、家庭情况、心理测试结果、图书馆借阅记录、各类课程考试成绩等。然而这些数据往往都是独立分布于高校的各个信息管理系统中，数据之间是相互割裂的，因此无法综合并充分利用这些数据，以发挥出这些数据应有的作用。利用区块链技术则可以将这些分布的数据信息集中起来，然后再利用人工智能技术对这些数据进行深度的开发和利用。利用区块链技术的学生信息收集系统如图2所示。XX学生的区块链信息示意图如图3所示。该系统通过学生的特定学号来检索记录该生不同信息的信息管理系统，将检索到的信息形成区块，并加入到该学号学生的区块链中，形成该生所独有的区块信息链。该系统的好处在于对已经设立的各个学生信息管理系统不需要做任何改动，没有任何影响，而且可以根据数据分析的需要进行数据的收集，满足各种不同的数据分析需求。由于该生的所有信息都集中于此区块链中，数据量大，因而有利于科学地对学生的个性化进行分析。为防止学生个人信息的泄露，同时也需要加强区块链信息的加密工作。

　　2基于大数据人工智能的新工科人才培养的智慧管理

　　智慧管理是一种新的管理模式，要打破传统的人才管理理念和方式。学生各种数据的收集如果仅仅只是停留在存储管理阶段，无疑是一种资源的极大浪费。为了充分发挥所收集数据的价值，本文提出了利用大数据人工智能技术对所收集的数据进行深入的开发利用，具体应用有以下3个方面。

　　2.1基于人工智能聚类的学生竞赛组队推荐

　　在大学期间，学生会参与各类的学科竞赛。在参与学科竞赛时，通常由若干名学生来组成一只参赛队伍。传统的参赛队伍的组成方式，是由学生通过在平时相互接触并了解的基础上，根据各自的兴趣爱好来自由组队，或是由老师根据学生平时的学习表现，择优选择学生来组队。传统的竞赛团队组队方式有一定的局限性：首先，组队人员的可选择范围小，通常是组队成员人际交往圈子中相互来往的同学；其次，队员的组合有一定的个人偏好，有一定的主观性，最终导致这样组成的参赛队伍并不一定是最优的人员配置。基于大数据的聚类组队方式则不同，通过大数据的分析，把各方面的要素都相似的学生进行聚类，并结合不同学科竞赛的特点进行组队推荐。如参加创业大赛需要具有不同学科背景（财务、营销、技术等）的同学组成，则可以通过该系统应用来生产推荐人选，推荐人选之间在此基础上自愿进行组队。由于推荐人选是从全校的学生在大数据的基础上产生的，推荐人选相互之间可能是之前没有任何往来的同学，这种组队的方式打破了传统的通过人际圈子组队的方式，在全校范围内进行人员的选择，选择范围大，且是建立在科学的个性化分析的基础上进行组队，从而优化了人员的配置，更有利于团队的合作，也更有利于取得更好的竞赛成绩。

　　2.2基于人工智能回归的学习内容推荐

　　大学生在大学学习过程中，学习通常会有一定的随机性和盲目性，比如图书的借阅、选修课的选择、社团的参与等。为了减少学生选择的盲目性，可以针对学生在学习过程中所面临的各种选择，基于人工智能产生一些有针对性的个性化的推荐性建议，比如推荐借阅书目、推荐选修课程等，也可以针对学生的职业生涯规划提出一些个性化的学习建议。应用的步骤如下：首先，选出优秀的毕业学生，这些学生可能在某些方面比较优秀，如考研、竞赛、就业等方面。对这些优秀的学生的成长路径进行回归分析，发现在某一方面表现优秀的学生成长的共同点，如他们阅览了哪些图书，参与了哪些课外获得，选修了哪些课程等。然后，结合当前就读学生个人的未来的发展规划（如考研、竞赛等），对每个学生的数据进行聚类分析，并产生推荐信息，如对计划考研的学生推荐其选择考研的专业；对计划参加学科竞赛的同学，推荐其参加哪一类的竞赛项目，等等。推荐信息仅供学生参考，大大减少了学生选择的盲目性。学生选择好未来的具体的发展方向后，人工智能系统可以根据之前的回归分析，针对不同的学生推荐不同的书目等个性化学习建议。当然这些学习推荐建议也不是一成不变的，应该是动态的可以随着学生未来发展方向的变化而变化。

　　2.3基于人工智能分类的学业预警

　　学业预警是针对学生在学习、生活中出现的不良情况，及时提示、告知学生本人及其家长可能出现的不良后果，并有针对性地采取相应的防范措施。传统的学业预警是通过学生的学习情况的记录，如出勤情况、不及格科目数量等信息来进行预警，这种方式的预警多属于事后控制，由于信息收集的不足以及滞后等原因，通知学生学业预警时，往往不良后果已经造成，以致防范措施起不到应有的效果。而利用大数据进行的人工智能学业预警则完全不同，属于事前控制。首先将以往学校已经学业预警的学生的大数据进行特征分析，提取出关键特征，然后利用人工智能建立分类模型，该模型可以对可能产生预警的学生进行分类预测，然后将所有刚入学的学生的大数据输入预测模型，就可以筛选出可能出现学业预警的学生，甚至可以在此基础上预测学业预警的原因，有针对性地对模型筛选出来的学生进行及早干预，从而减少产生学业预警的学生数量。最后，在此基础上，还可以利用大数据分析学业预警防范措施的有效性，不断改进防范措施，使得学业预警的防范措施得以改进和完善，真正发挥学业预警的作用并实现其所要达成的目标。

　　3结语

　　当前区块链技术和人工智能技术的应用方兴未艾，新工科人才的个性化培养也愈来愈受到高等学校的重视。本文正是在此背景下，将数据与人才培养深度融合，提出了将区块链技术和基于大数据的人工智能技术应用于新工科人才的个性化培养的应用场景，虽然仅仅提到了3个方面的应用，但将来的应用不会局限于此，笔者认为将来还会有更多、更广泛的应用。由于本研究仅仅处于理论探索阶段，如果要将其实施，还有很多技术问题需要进一步深入研究。

　　参考文献：

　　［1］张晓报.美国研究型大学“个人专业”及启示［J］.高教发展与评估，2020，36（1）：92-103，116.

　　［2］陈燕.新工科研究进展与前瞻［J］.天津大学学报（社会科学版），2020，22（3）：214-222.

　　［3］王培进，张雯.新时代背景下自动化专业创新与工程型人才培养体系研究［J］.工业和信息化教育，2020（5）：5-10.

　　［4］马巧梅，杨秋翔，何志英.基于新工科理念的程序设计基础课程教学改革与实践［J］.计算机时代，2020（6）：91-94.

　　作者:梁建

文章名称：区块链下新工科人才培养智慧管理

文章地址：http://www.zhichengg.com/jjlw/21719.html

上一篇：商业保险公司居民大病保险业务
下一篇：政策性农业保险现状