區塊鏈下新工科人才培養智慧管理淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了區塊鏈下新工科人才培養智慧管理淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在人才個性化培養過程中，傳統對人才的個性識別還停留在教師的主觀判別上。基于大數據的人工智能技術為科學識別學生的個性提供了強有力的技術支持。通過構建基于區塊鏈的人才培養系統，利用區塊鏈技術將大學生在大學期間所產生的各類數據進行收集，并在此基礎上利用人工智能技術對收集到的學生區塊鏈數據進行智能分析，提出了基于人工智能的競賽組隊聚類推薦、個性化學習推薦和學生學業預警3個具體的應用方向，從而實現了新工科人才培養具有個性化的智慧管理。

關鍵詞：區塊鏈；新工科人才；個性化；智慧管理

隨著科技的進步，社會進入了“互聯網+”和“工業4.0”時代，中國面臨著相關人才嚴重不足的問題，培養出適應新時代的工科人才變得迫在眉睫。為了滿足時代的需要、社會的需求，中國提出了建設新工科，培養全面型人才的新要求。與傳統的工科人才相比，所謂的新工科人才應具備以下4種能力：①交叉復合特征，具備跨學科、跨產業的整合能力；②較強的實踐能力和創新創業能力；③自主學習和終身學習能力；④具有國際視野，獲得國際認同，具備國際競爭力。為了培養新工科人才這4種能力，需要對現行的人才培養模式和方法作出相應的變革[1]。2019年國務院在《中國教育現代化2035》中提出“利用現代技術加快推動人才培養模式改革，實現規模化教育與個性化培養的有機結合。”個性化即某個人的獨特性，個性化教育理念倡導以人為本、因材施教。在美國，很多高校都開設了“個人專業”，有針對性地對大學生進行個性化培養[2]。中國目前在大學生的個性化培養方面仍然存在著較大的不足[3-4]。首先，當前在對某個學生的個性（獨特性）進行評價時，存在著一定的主觀性，如某個教師對某個學生的獨特性評價，與這個學生對自己的獨特性評價會存在著一定的差異，產生這種差異的原因是多方面的，可能是因為不同的評價主體對所評價的對象所獲得的信息不是完全相同的，此外也不能排除評價者對被評價者的主觀因素（如情感因素）的影響，最終造成教師對學生的個性評價結果與真實情況存在著一定的偏差。由于對學生個性評價偏差的存在，自然難以對學生進行精準化的個性化培養。其次，當前的個性化教學由于各方面原因（如思想、制度等）的限制，很多高校在新工科人才個性化培養方面仍然停留在口號上，具體實施的案例并不多，像國外高校那樣開設個人專業更不可想象。本研究通過利用區塊鏈技術來收集大學生在大學期間所產生的各種數據，通過人工智能技術對這些大數據分析，從而對學生的個性化進行科學的識別和評價，最后在此基礎上提出了對新工科人才培養智慧管理的3個應用設想。通過利用大數據人工智能技術對學生的個性進行識別和智慧管理，既可以摒除對學生個性化評價的主觀化，又可以在現行的條件下最大化地實現新工科人才的個性化培養。

1基于區塊鏈的人才培養信息管理系統

1.1區塊鏈的特點及其應用

區塊鏈技術是一種計算機綜合技術，綜合了分布式存儲、加密技術、共識算法、智能合約等技術，具有去中心化、防篡改等特點。高校在新工科人才培養過程中，可以利用區塊鏈技術對人才培養過程進行詳細的學習記錄，并以此認證人才是否完成學習，是否可以獲得相應的學分。如果人才獲得了高校所規定的學分，即可順利畢業。

1.2基于區塊鏈的人才培養系統框架

基于區塊鏈的新工科人才培養系統框架如圖1所示。1.2.1底層技術框架。這部分也是整個模式框架的技術基礎。基本上由相關的區塊鏈技術構成，主要包括分布式存儲、加密技術、共識機制、區塊鏈管理技術等。在存儲節點設計上，可以將每個高校設計為一個節點，這些節點組成P2P對等網絡。用戶通過統一門戶接入節點進行相關的操作。1.2.2CA中心。在用戶通過客戶端參與到區塊鏈網絡之前，客戶端需要先向CA節點登記注冊，并從CA節點那里取得合法的數字身份證書。在本系統中，學校為根CA證書發布中心。只有通過學校CA認證的人和設備才能加入本區塊鏈系統。1.2.3用戶及其接入方式。本系統的用戶包括教師、學生、教學管理部門（如教務處）、教學輔助部門（如學工處、圖書館等）。接入系統的方式可以是電腦端，也可以是手機移動端。1.2.4區塊的產生及區塊鏈的管理。首先，每個學生都有一個屬于自己的區塊鏈。區塊鏈由區塊以鏈狀的方式串在一起從而形成區塊鏈。其中，每一個區塊即為學生的一條記錄。每個學生可以自己主動將學校沒有的記錄的信息（如參加社團信息、在校外兼職信息等）加入到區塊鏈中。其次，教師也可以將在教學過程或者指導學習過程中，對某個學生的主觀評價寫入該學生的區塊鏈中。最后，教學部分和教學輔助部門可以主動將在各類管理中產生的數據加入區塊鏈中，也可以由區塊鏈系統主動將這些信息加入區塊鏈中。在區塊鏈的管理中，可以使用SHA256對區塊鏈的區塊進行加密管理，以防止信息被篡改。

1.3基于區塊鏈的人才培養系統的應用

大學新生入學后，隨著各項活動的開展，便同時產生了大量的各種數據信息，如學生的高考入學成績、家庭情況、心理測試結果、圖書館借閱記錄、各類課程考試成績等。然而這些數據往往都是獨立分布于高校的各個信息管理系統中，數據之間是相互割裂的，因此無法綜合并充分利用這些數據，以發揮出這些數據應有的作用。利用區塊鏈技術則可以將這些分布的數據信息集中起來，然后再利用人工智能技術對這些數據進行深度的開發和利用。利用區塊鏈技術的學生信息收集系統如圖2所示。XX學生的區塊鏈信息示意圖如圖3所示。該系統通過學生的特定學號來檢索記錄該生不同信息的信息管理系統，將檢索到的信息形成區塊，并加入到該學號學生的區塊鏈中，形成該生所獨有的區塊信息鏈。該系統的好處在于對已經設立的各個學生信息管理系統不需要做任何改動，沒有任何影響，而且可以根據數據分析的需要進行數據的收集，滿足各種不同的數據分析需求。由于該生的所有信息都集中于此區塊鏈中，數據量大，因而有利于科學地對學生的個性化進行分析。為防止學生個人信息的泄露，同時也需要加強區塊鏈信息的加密工作。

2基于大數據人工智能的新工科人才培養的智慧管理

智慧管理是一種新的管理模式，要打破傳統的人才管理理念和方式。學生各種數據的收集如果僅僅只是停留在存儲管理階段，無疑是一種資源的極大浪費。為了充分發揮所收集數據的價值，本文提出了利用大數據人工智能技術對所收集的數據進行深入的開發利用，具體應用有以下3個方面。

2.1基于人工智能聚類的學生競賽組隊推薦

在大學期間，學生會參與各類的學科競賽。在參與學科競賽時，通常由若干名學生來組成一只參賽隊伍。傳統的參賽隊伍的組成方式，是由學生通過在平時相互接觸并了解的基礎上，根據各自的興趣愛好來自由組隊，或是由老師根據學生平時的學習表現，擇優選擇學生來組隊。傳統的競賽團隊組隊方式有一定的局限性：首先，組隊人員的可選擇范圍小，通常是組隊成員人際交往圈子中相互來往的同學；其次，隊員的組合有一定的個人偏好，有一定的主觀性，最終導致這樣組成的參賽隊伍并不一定是最優的人員配置。基于大數據的聚類組隊方式則不同，通過大數據的分析，把各方面的要素都相似的學生進行聚類，并結合不同學科競賽的特點進行組隊推薦。如參加創業大賽需要具有不同學科背景（財務、營銷、技術等）的同學組成，則可以通過該系統應用來生產推薦人選，推薦人選之間在此基礎上自愿進行組隊。由于推薦人選是從全校的學生在大數據的基礎上產生的，推薦人選相互之間可能是之前沒有任何往來的同學，這種組隊的方式打破了傳統的通過人際圈子組隊的方式，在全校范圍內進行人員的選擇，選擇范圍大，且是建立在科學的個性化分析的基礎上進行組隊，從而優化了人員的配置，更有利于團隊的合作，也更有利于取得更好的競賽成績。

2.2基于人工智能回歸的學習內容推薦

大學生在大學學習過程中，學習通常會有一定的隨機性和盲目性，比如圖書的借閱、選修課的選擇、社團的參與等。為了減少學生選擇的盲目性，可以針對學生在學習過程中所面臨的各種選擇，基于人工智能產生一些有針對性的個性化的推薦性建議，比如推薦借閱書目、推薦選修課程等，也可以針對學生的職業生涯規劃提出一些個性化的學習建議。應用的步驟如下：首先，選出優秀的畢業學生，這些學生可能在某些方面比較優秀，如考研、競賽、就業等方面。對這些優秀的學生的成長路徑進行回歸分析，發現在某一方面表現優秀的學生成長的共同點，如他們閱覽了哪些圖書，參與了哪些課外獲得，選修了哪些課程等。然后，結合當前就讀學生個人的未來的發展規劃（如考研、競賽等），對每個學生的數據進行聚類分析，并產生推薦信息，如對計劃考研的學生推薦其選擇考研的專業；對計劃參加學科競賽的同學，推薦其參加哪一類的競賽項目，等等。推薦信息僅供學生參考，大大減少了學生選擇的盲目性。學生選擇好未來的具體的發展方向后，人工智能系統可以根據之前的回歸分析，針對不同的學生推薦不同的書目等個性化學習建議。當然這些學習推薦建議也不是一成不變的，應該是動態的可以隨著學生未來發展方向的變化而變化。

2.3基于人工智能分類的學業預警

學業預警是針對學生在學習、生活中出現的不良情況，及時提示、告知學生本人及其家長可能出現的不良后果，并有針對性地采取相應的防范措施。傳統的學業預警是通過學生的學習情況的記錄，如出勤情況、不及格科目數量等信息來進行預警，這種方式的預警多屬于事后控制，由于信息收集的不足以及滯后等原因，通知學生學業預警時，往往不良后果已經造成，以致防范措施起不到應有的效果。而利用大數據進行的人工智能學業預警則完全不同，屬于事前控制。首先將以往學校已經學業預警的學生的大數據進行特征分析，提取出關鍵特征，然后利用人工智能建立分類模型，該模型可以對可能產生預警的學生進行分類預測，然后將所有剛入學的學生的大數據輸入預測模型，就可以篩選出可能出現學業預警的學生，甚至可以在此基礎上預測學業預警的原因，有針對性地對模型篩選出來的學生進行及早干預，從而減少產生學業預警的學生數量。最后，在此基礎上，還可以利用大數據分析學業預警防范措施的有效性，不斷改進防范措施，使得學業預警的防范措施得以改進和完善，真正發揮學業預警的作用并實現其所要達成的目標。

3結語

當前區塊鏈技術和人工智能技術的應用方興未艾，新工科人才的個性化培養也愈來愈受到高等學校的重視。本文正是在此背景下，將數據與人才培養深度融合，提出了將區塊鏈技術和基于大數據的人工智能技術應用于新工科人才的個性化培養的應用場景，雖然僅僅提到了3個方面的應用，但將來的應用不會局限于此，筆者認為將來還會有更多、更廣泛的應用。由于本研究僅僅處于理論探索階段，如果要將其實施，還有很多技術問題需要進一步深入研究。

參考文獻：

［1］張曉報.美國研究型大學“個人專業”及啟示［J］.高教發展與評估，2020，36（1）：92-103，116.

［2］陳燕.新工科研究進展與前瞻［J］.天津大學學報（社會科學版），2020，22（3）：214-222.

［3］王培進，張雯.新時代背景下自動化專業創新與工程型人才培養體系研究［J］.工業和信息化教育，2020（5）：5-10.

［4］馬巧梅，楊秋翔，何志英.基于新工科理念的程序設計基礎課程教學改革與實踐［J］.計算機時代，2020（6）：91-94.

作者:梁建 單位:南京工程學院經濟與管理學院