Büyük veri teknolojisi altında kolej ve üniversitelerde uygulama odaklı yetenek eğitimi için müfredat sisteminin işletmelerin ihtiyaçlarına göre tasarlanması
Giriş
Şu anda, üniversite yetenek eğitiminde öğretim içeriği ile sosyal ihtiyaçlar arasındaki kopukluk, öğrenci bilgi zincirinin parçalanması ve öğrenci bilgisi içselleştirmesinin düşük etkinliği gibi sorunlar vardır. Geleneksel mesleki bilgi öğrenme alanı, daha çok konu liderinin veya profesyonel inşaat ekibinin öznel deneyim ve duygularına dayanarak belirlenir, yani, kapsamlı karar verme yönteminin "beyin kafası" türünde kalarak, profesyonel müfredat sistemi tasarım kalitesi kişisel bilgi seviyesi ve sezgisel olarak belirlenir. Karar duygusunun nesnelliği, sistemikliği ve rasyonelliği sorgulanabilir.
Büyük veri teknolojisinin gelişimi, "öğretim" ile ilgili her türlü veriyi kolejler ve üniversiteler için "üretim materyalleri" haline getirmiştir. Büyük veri teknolojisi, çalışan kolejler ve üniversiteler için "talep tahmini", "süreç izleme" ve "istihdam geri bildirimi" gibi çeşitli bağlantılara uygulanır ve "eksiksizlik", "süreklilik", "gerçek zamanlı" ve "değer" gibi veriler için birden çok gereksinime sahiptir. Mesleki müfredat sistemi tasarımının kolejlerde ve üniversitelerde temel çalışması, yetenek eğitiminin temel çalışmasıdır.Kurumsal yetenek talep tahmini, endüstri geliştirme eğilimleri, endüstri bilgi alanları, iş kategorileri, temel bilgi alanları, büyük veri teknolojisi müfredatında ortak sorunları hedeflemek, karar vermeye belirli bir ölçüde yardımcı olmuştur. Kişi müfredat sistem tasarımını daha kapsamlı, nesnel ve güvenilir bir şekilde yürütür.
1. Büyük veri teknolojisini müfredat sistemi tasarımına uygulama fikri
Çeşitli kolej ve üniversitelerdeki profesyonel müfredat sistemlerinin tasarımına bakıldığında, içeriği genellikle iki ana yönü içerir: mesleki bilgi ve yetenek gereksinimleri. Profesyonel bir müfredat sistemi tasarlamak, aslında endüstri alanının bilgi ağacını ve öğrenciler için ilgili bilgi uygulama yeteneğini tasarlamaktır. Bir bilgi uygulama süreci olarak endüstri alanındaki sorunların ortaya çıkması ve çözülmesi ile ilgili olarak, tüm döngüdeki her bir bağlantıya karşılık gelen bilginin inşası ve restorasyonu, profesyonel bir müfredat sistemi oluşturmanın daha kapsamlı ve sistematik bir yöntemidir.Bu yöntem işletme yönetiminde kullanılır. Yazılım mühendisliği ve diğer alanlar nispeten geniş ve olgundur. Uygulama odaklı yetenek eğitimi, endüstri alanı problemlerini çözmek için bilginin uygulanmasına vurgu yapmaktadır.Bu nedenle, "alan problemleri bir yaşam döngüsüne sahiptir" kavramı altında tasarlanan müfredat sistemi ve yeterlilik çerçevesi, "mühendislik" profesyonel uygulama odaklı yetenek eğitimi için bir müfredat sisteminin oluşturulmasına evrensel olarak uygulanabilir.
Müfredat sistemi çerçevesi oluşturmak için büyük veri teknolojisini kullanmanın temel ve birincil görevi, profesyonel bir müfredat bilgi zinciri oluşturmaktır. Bilgi geliştirme süreci, endüstri alanı problemlerini çözme sürecine karşılık gelir.Her proses, bilginin uygulanması için ilgili yetenekler gerektirir.Yani, endüstri alanı problemlerini çözme süreci tarafından yönlendirilen, karşılık gelen bir yetenek gereksinimi zinciri oluşturulur ve buna göre ilgili gereksinimler gereklidir. Bilgi modülü gereksinimleri, yapım süreci Şekil 1'de gösterilmektedir.
Müfredat sistemi çerçevesinin arkasında şu soruların özünde çözülmesi gerekir: Çözülmesi gereken sorun hangi sektör ve bu sektörde yeteneklere olan talep nedir? Bu sektördeki sorunları ele almak için genel süreç nedir? Her bir işleme akışı, yetenek modülü ve kurs modülü nasıl dönüştürülür? Mesleki eğitim hedeflerine ulaşmak için öğretim sürecinde müfredat çerçevesi nasıl uygulanır?
Tüm müfredat sisteminin çerçeve tasarımının iki ana araştırma odağı vardır:
- Mesleki eğitimin yönü daha bilimsel ve makul bir şekilde nasıl belirlenir? Uygulamalı yeteneklerin eğitimi daha çok sosyal ihtiyaçlarla yüzleşmeye ve sosyal ihtiyaçlarla bağlantı kurmaya odaklıdır.Profesyonel yön belirleme, en yeni ve büyük potansiyele ayak uyduracak özelliklere sahiptir. Kişisel kariyer planlaması için, profesyonel yönlendirme ortamları sıcak endüstrileri seçme eğilimindedir. Popüler endüstriler genellikle daha iyi istihdam beklentilerine sahiptir ve kişisel çıkarlar, terfi alanı, mesleki gelişim vb. Açısından rekabet avantajlarına sahiptir ve genellikle yetenek eksikliklerinden en çok etkilenenlerdir.
- Müfredat çerçevesinin ana içeriği olan yeterlilik modülleri ve müfredat modülleri birbirine nasıl bağlanabilir ve ilgili işlem akışından nasıl türetilebilir? Genel olarak, tüm endüstri alanı birden fazla işleme prosedürüne bölünebilir. Farklı iş aşamalarındaki süreçler, insanların nesneyi anlamasının içeriği ve seviyesi, kullanılan yöntemler ve araçlar ve düşünme süreci farklıdır. Buna bağlı olarak, farklı aşamalardaki insanların yetenek gereksinimleri de farklıdır. Müfredat bilgi modülleri, temel olarak bilgi nesnelerini tanımlama, dönüştürme yöntemlerine hakim olma ve dönüştürme araçlarını kullanma işlemlerinden oluşur.İlgili yetenek gereksinimleri, müfredat bilgi modülünün her bir bileşeninin biliş, sağlamlaştırma, genişletme ve uygulama gibi öğrenme süreçlerinden oluşur. Eğitim. Buradan, her işleme akışı, yetenek modülü ve kurs modülü arasındaki dönüştürme kuralları türetilebilir. Büyük veri teknolojisine dayalı müfredat sistemi tasarımı, çevrimiçi işe alım bilgilerini işlemek ve çıkarmak için büyük veri teknolojisini kullanmak ve her süreç aşamasında ilgili öğrenme bilgilerini, araçları ve yetenek bilgilerini bulmaktır.
2. Müfredat sistemi çerçeve tasarımı ve uygulaması
Müfredat sistemi çerçevesinin gerçekleştirme yolu, veri analizi ve madencilik teknolojisi ile tasarlanabilir ve gerçekleştirilebilir. Bu şekilde, bu soru, çevrimiçi işe alım bilgilerinin analizi ve madenciliği yoluyla "sektördeki yeteneklere olan talebi anlama" ve "endüstri alanının bilgi ve yetenek yapısını anlama" nın iki ana alt problemidir.
2.1 Endüstri yetenek talebi verilerinin analizi ve gerçekleştirilmesi
İş arayanların istihdam kaygıları açısından sektördeki yeteneklere yönelik talebin analizi, kurumsal talep profilleri, popüler talepler, talep eğilimleri ve kariyer faktörlerinin korelasyon analizi perspektiflerinden incelenebilir.
1) Yetenek talep profilini istatistiksel olarak analiz edin ve yetenek talebinin genel durumunu elde edin.
Bu analiz, sektör işe alımı ve işe alımın genel durumundan analiz edilebilir. Bazı analiz fikirleri için Şekil 2 ve Şekil 3'e bakın.
2) Popüler endüstrileri, pozisyonları, bölgeleri ve diğer bilgileri analiz etmek, endüstri yetenek talep analizinin önemli bir içeriğidir.
Sıcak endüstriler, sıcak şehirler, sıcak işler ve diğer nesneler genellikle kolejlerin ve üniversitelerin profesyonel inşası ve üniversite öğrencilerinin kişisel istihdamı ile ilgili ilk endişelerden biridir. Popülerlik kapsamlı bir kavramdır Bir şehir ister popüler bir şehir olsun, şehirdeki farklı büyüklükteki çeşitli işletmelerin bileşimi, girişim geliştirme aşaması, yetenek talebi ve ortalama maaş seviyesi gibi faktörleri kapsamlı bir şekilde değerlendirmek gerekir.
Popüler şehirlerin ve popüler endüstrilerin tanımı, yukarıdaki boyutlardan kapsamlı bir şekilde değerlendirilebilir.Burada, temel bileşen analizi, ilgili değişkenleri ilişkisiz temel bileşenlere dönüştürmek ve puanlara göre ölçmek ve temel bileşen puanlarını elde etmek için kullanılabilir. Sıralama, popüler "şehir" ve "endüstri" vb. Unsurları belirler. Popüler şehirlerin analiz sonuçları Tablo 1'de gösterilmektedir.
Yukarıdaki yöntemlere göre, daha kapsamlı popüler istihdam bilgileri elde etmek için popüler endüstrileri ve popüler işleri aynı anda analiz edebilirsiniz.
3) Kariyer faktörlerinin uygunluğunu analiz edin.
Her iş arayan, bir işe başvururken farklı öncelikleri göz önünde bulundurabilir. İşe alım bilgilerinin uygunluk analizi, profesyonel yetenek eğitimi seviyelerinin ve yetenek eğitimi hizmeti çıktı alanlarının konumlandırılması için belirli referans değerine sahiptir. Bu bilgilerin edinilmesi, ilişkilendirme kuralları ile sağlanabilir. İstihdam odağı perspektifinden, kurumsal işe alım gereksinimleri ile ilgili faydalar ve diğer işe alma faktörleri arasındaki ilişkinin araştırılması, okulun yetenek çıktı hizmet alanının konumlandırılması ve öğrencilerin özgeçmişlerinin seçimi gibi konular için referanslar sağlayabilir. Dernek madenciliği verilerinin, kolejlerin ve üniversitelerin profesyonel inşası ve üniversite öğrencilerinin istihdamı için karar verme bilgileri sağlamak olduğu düşünüldüğünde, yeni üniversite öğrencileri, iş deneyimi olmayan, ekonomik olarak gelişmiş alanlarda tercihli istihdam ve yüksek başlangıç maaş beklentileri özelliklerine sahiptir. Bu nedenle, büyük veri ile ilgili işe alım verilerini kullanabilirsiniz. Hesaplama sonuçları, yukarıdaki bölümün gereksinimlerini karşılayan kuralları filtreler. Örneğin, aylık ortalama maaş 10.000 ila 15.000 (k, binlerce yuanı temsil eder) gerektiren kuralın hesaplama sonucu aşağıdaki gibidir:
Birçok yeni mezun için aylık 10.000 ila 15.000 arasında bir maaş yüksek bir maaş olarak kabul edilir. Yukarıdaki hesaplama sonuçlarına göre, bu kadar yüksek bir maaş almak için birinci kademe bir şehirde iş bulmanız gerekebileceği görülebilir. Başvuru sahibinin lisans derecesi veya üstü olması gerekir ve iş deneyimi şartı 1 ~ 3 yıl. Aynı şekilde, iş arayanların beklentilerini karşılamak için "birinci kademe şehirlerde iş yeri gerektiren" benzeri bir ilişkilendirme analizi yapılabilir.
2.2 Mesleki Yetenek - Kurs Yapısı Verilerinin Analizi ve Gerçekleştirilmesi
- 2.2.1 Mesleki Yetenek-Kurs Yapısı Analizinin İlkeleri
1) Mesleki yeterlilik ve müfredat yapısı arasındaki ilişki, müfredat sistemi tasarımının temel çerçevesidir.
Yukarıdan, pratik beceriyi geliştirmeye yönelik uygulamaya yönelik müfredat sistemi çerçevesinin, iş aşaması süreç zinciri, yetenek oluşturma zinciri ve müfredat modül zinciri olmak üzere üç ana hattan oluştuğu görülebilir. Bunlar arasında, iş aşaması süreç zinciri, alandaki uzmanlar tarafından bir referans olarak sağlanabilir ve yetenek oluşturma zincirinin ve kurs modül zincirinin içeriğinin tasarımı, mesleki yetenekler ve kurslar arasındaki ilişkinin araştırılmasını ve araştırılmasını içerir. Bilgiyi öğretmenin ve aktarmanın ana biçimi müfredat olduğundan, mesleki yetenek ile ders içeriği arasındaki ilişki, mesleki yetenek ve bilgi arasındaki ilişkinin tartışılmasıdır. Şu anda, bilim adamları genellikle bilginin yetenek oluşturmanın temeli olduğuna ve yeteneğin bilgiyi öğrenmenin amacı olduğuna inanmaktadır. Yetenek, bilişsel yetenek ve pratik yetenek olarak ikiye ayrılır. Müfredat, bilişsel bir katmana ve bir uygulama katmanına bölünmüştür.Bilişsel katman, alanla ilgili kavramların, ilkelerin ve yöntemlerin anlaşılmasına ve ustalığına odaklanırken, pratik katman profesyonel pratik becerilerin geliştirilmesine odaklanır. Bilginin bilişsel yeteneğe dönüştürülmesi esas olarak psikolojik bir süreçtir ve bilginin bilişsel yetenekten pratik yeteneğe dönüştürülmesi, psikolojik sürecin birliği ve insan fiziksel aktivitesi sürecidir. Pratik yeteneğin kazanılması, genellikle harici araçların ve bireyin dışındaki ortamların kullanılmasını gerektirir. Dönüşüm süreci Şekil 4'te gösterilmektedir.
Bu nedenle, tüm müfredat sistemi çerçevesi, Şekil 5'te gösterildiği gibi, iş sürecine ve bilgi-yetenek yapısal ilişkisine uygun olarak tasarlanmıştır. Her bir iş aşamasındaki insanlar için mesleki yeterlilik gereksinimleri, bilişsel yetenek ve pratik beceriyi ve ilgili tanımayı içerir. Bilgi seviyesi ve pratik seviye bilgi yapısı gereksinimleri. Bilişsel katmanın müfredat hedefleri, öğretimde iş aşamasının ilgili kavram ve ilkelerinin anlaşılması ve ustalığı olarak ifade edilirken, pratik katmanın kursları iş aşaması için gerekli olan pratik ve yenilikçi uygulama yeteneklerinin geliştirilmesine odaklanır.
2) "İş tanımı" bilgisi, "mesleki yeterlilik-kurs yapısı" ilişkisinin bilinmesi için önemli bir veri kaynağıdır.
İş aşamasına karşılık gelen her iş kategorisi için, "iş tanımı" bilgisi genellikle iş kategorisiyle ilgili iş yeteneği bilgisidir. Tüm iş tanımı verilerinin analizi ve karşılaştırmasıyla karşılaştırıldığında, iş kategorisine göre analiz, müfredat tasarımı için daha uygun veri kaynaklarını filtreleyebilir ve daha doğru iş aşaması-yetenek-kurs zinciri ilişki verilerini hesaplayabilir.
3) LDA tema modelini kullanarak "mesleki yeterlilik-kurs yapısı" ilişkisini çözün.
LDA modelinin temel işlevi, anlaşılabilir ve nispeten kararlı gizli anlamsal yapıları çıkarmaktır. Her bir "iş tanımı" verisi, pozisyon için birden fazla "yetenek" gereksinimi içerir ve her yetenek her zaman bir takım sözcüklerle birlikte görünür. Her "iş tanımı" her belgeye eşdeğerdir ve her mesleki yetenek, bir dizi konu teriminden oluşan bir "konuyu" temsil eder. Hesaplamalara dayalı olarak oluşturulan birkaç "konu", endüstri alanı bilgisinin ilgili iş yeteneklerini temsil eder. Son olarak, bu "temalar" manuel olarak rafine edilir ve özetlenir ve ardından yetenek ve müfredat arasındaki düzey ilişkisine dayalı olarak, bilişsel katman ve uygulama katmanı olarak daha da sınıflandırılabilirler.
- 2.2.2 Mesleki yetenek ders yapısı veri analizi süreç tasarımı
Özetle, mesleki yeterlilik-müfredat yapısının türetilme süreci esas olarak iki ana aşamayı içerir: "hesaplama yeterlilik teması" ve "yetenek-ders yapısı dönüştürme". İlk aşama "hesaplama yeteneği temasının" ana süreci şu şekildedir: İlk olarak, pozisyonlar karşılık gelen "iş aşaması" ilişkisine göre sınıflandırılır ve her iş kategorisinin "iş tanımı" metin verileri, sınıflandırma sonuçlarına göre doğal dil işleme teknolojisi ile işlenir. Numara ve noktalama işaretlerini kaldırma, kelime bölütleme, sözcük filtrelemeyi durdurma, vb. Gibi ön işleme Aynı zamanda, işlenen iş tanımının "yetenek" konu modelini araştırmak için LDA konu modeli uygulanır. Kelime frekans istatistiklerinde, pratik öğretim araçlarının seçimi için bir referans sağlayabilecek popüler teknolojileri bulmak için "araç" ile ilgili metin analiz edilir.
İkinci aşama "Yetenekler-Ders Yapısı Dönüştürme" dir. LDA modelini kullanarak, konuların sayısı bir dizi nispeten bağımsız ve öne çıkan "yetenek" konularını elde etmek için birden çok kez hesaplanır ve daha sonra bu konular yapay olarak rafine edilir ve bilişsel yetenek ve pratik beceriye göre sınıflandırılır. Son olarak, her bir iş aşamasının yetenek gereksinimleri, bilişsel katmana ve uygulama katmanına göre bölünür ve karşılık gelen kurslar, kurs içerik formuna (konsept ilkeleri, vaka araçları, vb.) Göre ilgili kursların ayarlanmasında yardımcı olur.
2.3 Mesleki Yetenek-Müfredat Yapısı Analizi ve Gerçekleştirme
- 2.3.1 LDA model hesaplama "yeteneği" konusu
1) İş kategorilerinin sınıflandırılması.
Daha önce de belirtildiği gibi, büyük veri teknolojisi sektördeki sorunlarla uğraşırken, temel süreç iş hedeflerinin belirlenmesi, veri toplama, veri çıkarma dönüştürme ve yükleme yönetimi, veri işleme ve modelleme analizi ve veri yorumlama ve uygulamayı içerir. Veri bilimi ve büyük veri uygulama teknolojisinin ana müfredat çerçevesi Şekil 6'da gösterilmektedir, burada "?", Hesaplamak için LDA modelini kullanmadan önce belirlenmemiş ilgili içeriği gösterir.
Mesleki yeterlilik-ders yapısı veri analizi sürecinin tasarımına göre, iş pozisyonlarının büyük veri teknolojisi uygulama sürecine göre sınıflandırılması ve aynı zamanda iş kategorilerinin sınıflandırılmasını gerçekleştirmek için farklı isimler ve aynı işe sahip pozisyonlar tek tip olarak adlandırılmalıdır. İş unvanları ve ilgili iş tanımları üzerine yapılan araştırmaya göre, iş sınıflandırma yöntemleri ve sınıflandırmaları için Tablo 2'ye bakınız.
Bölümün sonuçlarından, veri toplama mühendisleri, veri platformu / ambar mühendisleri, veri algoritma mühendisleri ve veri analistleri, veri toplama, veri toplama ve depolama yönetimi, veri modelleme ve veri analizinin veri işleme aşamalarına karşılık gelir. Veri görselleştirme mühendisi ve veri ürün müdürü gibi pozisyonlar veri ve iş uygulamalarının kombinasyonuna odaklanırken.
2) Kelime frekans istatistikleri.
Her bir iş kategorisinin iş tanımının ve yüksek sıklıkta sözcüklere ilişkin istatistiklerin bölümlere ayrılması, işin temel becerilerinin genel olarak anlaşılmasına yardımcı olabilir. Yukarıdaki kelime bulutu diyagramından, veri toplama mühendisinin pozisyonunun iş deneyimi gereksinimlerine sahip olduğu görülebilir.Aynı zamanda bu tip pozisyon, web teknolojisi, ağ protokolü, tarayıcı geliştirme ve algoritma tasarımı bilgisi ile yakından ilgilidir. Veri toplamanın bilgisayar dilleri ödünç alınarak uygulanması gerektiğinden ve bu diller genellikle İngilizce olarak ifade edildiğinden, İngilizce harfleri veri toplama pozisyonlarının iş tanımı bilgilerinden çıkarın ve kelime frekans istatistiklerini gerçekleştirin. Kelime bulutu haritası elde edilebilir.Veri toplama için popüler teknoloji Araçlar Python, Java, MySql, vb. İçerir ve html, CSS, http, xpath, vb. Gibi ağ bilgisi, veri toplama mühendisleri için gerekli bir bilgi sistemidir. Benzer şekilde, diğer ilgili pozisyonlar kelime frekansı üzerinden sayılabilir.
3) Model hesaplama.
LDA konu modelinin hesaplama adımlarına göre her bir iş kategorisi için bir külliyat oluşturularak iş tanımı-kelime matrisi oluşturularak LDA modeli hesaplaması yapılarak iş kategorisi ile ilgili "yetenek" konuları elde edilebilir. Burada örnek olarak "veri toplama mühendisinin" hesaplama sonucunu alın. LDA tarafından hesaplanan her Konu, iş kategorisinin belirli bir yeteneğini temsil eder. Bu yetenekler tarafından temsil edilen konular, daha fazla işlem ve iyileştirme gerektiren ilgili kelime setlerinden oluşur.
- 2.3.2 Yetenek - müfredat yapısı dönüşümünün gerçekleştirilmesi
1) Tema ayrıntısı.
LDA tema modelinin hesaplama sonuçları daha fazla işlenir ve rafine edilir.Yukarıdaki 6 tema ağ ve web sayfası ilkelerine aşinadır; veri yakalama deneyimine sahiptir; Java (veri toplama dili araçları); iş faydaları sağlar; veri toplama protokollerine aşina; veri yapılarına aşina Ve algoritma.
2) Yetenek sınıflandırması.
İş yardımı sağlamak, bir iş maaşı ve sosyal yardım meselesidir ve ortadan kaldırılabilir. Yeteneğin hiyerarşik yapısına göre, kalan 5 yetenek, web sayfalarının ilkesine aşina, veri toplama protokolüne aşina ve veri yapısı ve algoritmasına aşina olan bilişsel beceriye aittir. Pratik beceri gereksinimlerine ait konular, veri toplama dili araçlarını ve veri yakalama deneyimini içerir.
3) Ders tasarımı.
İyi bölünmüş bilişsel yetenek ve pratik yeteneği birleştiren karşılık gelen öğretim içeriği, pozisyonun yetenekleri için bir bilgi yapısı çerçevesi oluşturmak üzere ayrıca tasarlanabilir. Örneğin, veri toplama mühendisinin yetenek-ders yapısı dönüştürüldükten sonra, sonuç Şekil 7'de gösterilmektedir.
Yukarıdaki veri toplama mühendisinin yetenek-ders yapısı dönüştürme yöntemine göre, diğer iş kategorilerinin yetenek-ders yapısı bilgileri elde edilir, bkz.Tablo 3.
Tablo 3'ten her pozisyonun yetenek bilgi yapısı gereksinimlerine farklı bir odaklandığı ve bireysel pozisyonlar arasında örtüşme olduğu görülebilir. Kolejlerde ve üniversitelerde uygulamalı veri bilimi ve büyük veri teknolojisi yeteneklerinin eğitimi, okulun amacına göre bir veya iki iş kategorisinde yetenek yetiştirmeye odaklanabilir. Bu kategorilerin yetenek gereksinimleri ve kurs içeriği bir yetenek eğitim planı olarak kullanılabilir ve öğrenciler de eğitilebilir Büyük veri uzmanları için kapsamlı eğitim, bu pozisyonlar için ilgili kursları entegre etme.
3 Sonuç
Çevrimiçi işe alım verilerini analiz etmek için büyük veri uygulama teknolojisini kullanmak ve iş kategorisine göre yetenek eğitimi ve müfredat içeriği tasarımı fikrini ortaya koymak, kolej uygulamalı yetenek eğitimi müfredat sisteminin tasarımı için bir taklit ve referans yöntemi sağlayabilir; aynı zamanda yöntem de uygulanmaktadır. Süreç içerisinde profesyonel uygulamada farklılıklar vardır. Yetenek Yeteneği Ders yapısı çerçevesinin tasarım yöntemi, petrol mühendisliği, metalurji mühendisliği, trafik mühendisliği, ilaç mühendisliği ve endüstri süreç akışına sahip diğer ana dallar gibi mühendislik ana dalları için tarih, dilbilim ve diğer ana dallardan daha iyidir. Referans anlamı. Çevrimiçi işe alım bilgilerinin toplanması zaman alıcıdır ve bilgisayarın bilgi işlem gücü, çevrimiçi işe alım bilgilerinin güncelliği ve örneklem boyutu gibi kısıtlamalardan etkilenir. Çevrimiçi işe alım bilgilerini toplama görevinin tamamlanması biraz zaman alacaktır. Veri işleme ve analiz yarı otomatik bir süreçtir Hesaplama sonuçlarını daha doğru hale getirmek için, çevrimiçi işe alım bilgilerinin ön işlemesi ve modellenmesi sektör uzmanlarının katılımını gerektirir. Buna ek olarak, yetenek eğitimi programının tasarım düşüncesi, belirli öğretim uygulama sürecinden bahsetmez ve daha çok, kolejlerde ve üniversitelerde uygulamaya yönelik yetenek eğitimi programının çerçeve tasarımı için pratik yöntemler sağlamaya, iş gereksinimlerine göre yetenek karşılık gelen bilgi bloklarını tasarlamaya ve bilgi düzeylerinin ve iç bilginin eğitimine odaklanmaya odaklanır. . Özetle, gelecekte veri kaynağı toplama kolaylığı ve uygulama odaklı yetenek eğitiminin uygulanmasına rehberlik etmek için büyük veri teknolojisinin nasıl kullanılacağı konusunda iyileştirmeler ve keşifler yapılabilir.
Fon projeleri:
Bilgisayar Bilimi ve Teknolojisi Profesyonel Yazılım Temel Ders Grubu Eğitim Ekibi Projesi (JXTD201601);
2017 Guangdong Yüksek Öğretim Öğretim Araştırma ve Reform Projesi "İşletme Kolejlerinde Büyük Veri Yeteneklerini Eğitmek için Pratik Öğretim Sistemi" (2017SJJXGG01);
E-ticaret analiz platformunun anahtar teknoloji araştırma projesi (2018KTSCX263).
İlk yazarın tanıtımı:
Wu Xiaoling, kadın, öğretim görevlisi, araştırma yönetimi büyük veri teknolojisinin eğitim ve öğretimde uygulanmasıdır, 41667604@qq.com.
Referanslar:
Shi Xiaoqiu, Xu Yingying.Mühendislik eğitimi sertifikası ve üretim ve eğitimin entegrasyonu tarafından yönlendirilen bir yetenek eğitimi sisteminin inşası. Research in Higher Engineering Education, 2019 (2): 34-36.
Chen Xin, Zhou Longfu, Cao Yaoqin. Uygulama odaklı lisans veri bilimi ve büyük veri teknolojisi profesyonel yetenek eğitimi programının yapımını keşfetmek.Modern Endüstriyel Ekonomi ve Bilgi, 2017, 7 (23): 40-42.
Sun Aijing, Chen Yijun, Shi Xiaojuan OBE'ye Dayalı Lisans Yetenek Eğitiminin Değerlendirme Sistemi Araştırması. Journal of Higher Education, 2017 (9): 33-34.
Chen Fei Uygulamalı Lisans Eğitiminde Müfredat Uyarlaması ve Reformu Araştırması Şangay: Doğu Çin Normal Üniversitesi, 2014: 71-73.
Eğitim Bakanlığı Yüksek Öğretim Kurumları Bilgisayar Bilimi ve Teknolojisi Öğretimi Yönlendirme Komitesi Yüksek Öğretim Kurumlarında Bilgisayar Bilimi ve Teknolojisinin Geliştirme Stratejisi ve Mesleki Standartlar Araştırma Raporu (Deneme Uygulaması için) Pekin: Higher Education Press, 2014: 384-396.
Editör: Wang Jing
Redaksiyon: Lu Yanqin
-Bitiş-
Tsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " THU Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.
