| 61 | 0 | 42 |
| 下载次数 | 被引频次 | 阅读次数 |
数字画像技术作为一种数据驱动的数字化教育工具，为高职生个性化学习提供了全新视角与无限可能。本研究以数字画像技术在高职生个性化学习场景中的实践应用为核心议题，重点探索其可行的实施路径，力求化解高职教育中“统一教学模式与个性化学习”的矛盾。研究从政策驱动、现实困境及技术潜力三方面阐述研究的起因，强调该技术是推进职业教育数字化转型、满足高职生个性化学习的核心工具。从数字画像技术的核心内涵、技术架构与教育适配机理分析入手，明确其与高职教育“实职业性、实践性、应用性”特征的内在契合性。在剖析高职生学习需求与行为特征的基础上，构建以“数据层-应用层-保障层”为核心的“三维十要素”个性化学习策略框架，提出核心策略的实施路径与差异化策略的实施重点。研究指出，数字画像技术的应用面临技术本身、伦理规范、教学管理以及外部环境等多重挑战，必须有效防范技术迭代与数据聚合引发的系统性风险。
Abstract：As a data-driven digital educational tool, digital portrait technology provides a new perspective and unlimited possibilities for personalized learning of vocational college students. This study takes the practical application of digital portrait technology in the personalized learning scene of vocational college students as the core issue, focuses on exploring its feasible implementation path, and striving to resolve the contradiction between "unified teaching mode and personalized learning" in higher vocational education. The research expounds the causes of the research from three aspects : policy drive, realistic dilemma and technical potential, and emphasizes that this technology is the core tool to promote the digital transformation of vocational education and meet the personalized learning of vocational college students. Starting from the analysis of the core connotation, technical architecture and educational adaptation mechanism of digital portrait technology, this paper clarifies its internal fit with the characteristics of " professionalism, practicality and applicability " of higher vocational education. On the basis of analyzing the learning needs and behavioral characteristics of vocational college students, a "three-dimensional and ten-element" personalized learning strategy framework centered on "data layer-application layer-guarantee layer" is constructed, and the implementation paths of core strategies and the implementation focuses of differentiated strategies are proposed. The research points out that the application of digital portrait technology faces multiple challenges such as technology itself, ethical norms, teaching management and external environment, and it is necessary to effectively prevent systemic risks caused by technological iteration and data aggregation.
(1)习近平：《高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗--在中国共产党第二十次全国代表大会上的报告》，《人民日报》，2022年10月26日。
(2)《全国职业教育智慧大脑院校中台高职数据标准及接口规范（试行）》，登录自中国教育信息化网（https：//web.ict.edu.cn/uploadfile/2023/0615/20230615235104.pdf）
(3)《全国职业院校大数据中心建设指南》，登录自中国教育信息化网（https://web.ict.edu.cn/uploadfile/2023/0615/20230615619054.pdf）。
(1)《全国职业院校大数据中心建设指南》，登录自中国教育信息化网（https：//web.ict.edu.cn/uploadfile/2023/0615/20230615619054.pdf）。
(2)《全国职业院校大数据中心建设指南》，登录自中国教育信息化网（https：//web.ict.edu.cn/uploadfile/2023/0615/20230615619054.pdf）。
(3)《教育部办公厅关于加快推进现代职业教育体系建设改革重点任务的通知》，登录自中国政府网（https：//www.gov.cn/zhengce/zhengceku/202307/content_6892671.htm）。
(4)《教育部等九部门关于加快推进教育数字化的意见》，登录自中国政府网（http：//www.moe.gov.cn/srcsite/A01/s7048/202504/t20250416_1187476.html）。
(5)《教育强国建设规划纲要（2024-2035年）》，登录自中国政府网（https：//www.gov.cn/gongbao/2025/issue_11846/202502/content_7002799.html）。
(6)陆宇正、刘旭东、李杨：《智能时代职业教育教学改革趋势与行动方位--基于2025年版职业教育专业教学标准的解读》，《职业技术教育》，2025年第11期。
(7)参见：《2024年全国教育事业发展统计公报》，登录自中华人民共和国教育部（http：//www.moe.gov.cn/jyb_sjzl/sjzl_fztjgb/202506/t20250611_1193760.html）。2024年全国高职院校在校生达1805.34万人，其中包括职业本科在校生40.68万人，高职（专科）在校生1764.66万人。
(1)参见：张利：《高职生与中学生学习适应性的差异及其对策》，《广西教育》，2008年第12期；黄鹂鹂、梁端、陈胜辉：《中职学生价值观现状调查与教育对策》，《广西教育》，2018年第38期。
(2)宋美琦、陈烨、张瑞：《用户画像研究述评》，《情报科学》，2019年第4期。
(3)《教育部关于加强新时代教育管理信息化工作的通知》，登录自中华人民共和国教育部（http：//www.moe.gov.cn/srcsite/A16/s3342/202103/t20210322_521669.html）。
(1)覃宗杰、陈孝然、涂果果：《面向管理决策的教师数字画像设计与应用》，《中国信息技术教育》，2025年第12期。
(2)中华人民共和国教育部：《中国智慧教育白皮书》（2025年5月），登录自全国高校质量保障机构联盟（http：//www.Ciqa.org.cn/education-jxcp-service-web/ciqafile/view/530）。
(1)刘海鸥、刘旭、姚苏梅等：《基于大数据深度画像的个性化学习精准服务研究》，《图书馆学研究》，2019年第15期。
(1)于天宇：《技术发展与人文精神的时代融合》，《光明日报》，2025年5月30日。
(1)王晓云：《数字化转型中，技术赋能与人文关怀如何平衡》，登录自光明网（https：//tech.gmw.cn/2025-03/19/content_37914739.htm）。
(2)余明华、张治、祝智庭：《基于可视化学习分析的研究性学习学生画像构建研究》，《中国电化教育》，2020年第12期。
(3)王海燕：《高职课程分层教学模式的探索与实践》，《职教通讯》，2014年第3期。
(1)王松柏、杨京钟：《高职生源多样化人才培养：学理因由、现实困境与改革路径》，《中国职业技术教育》，2021年第31期。
(2)王晓东、江培超、李梦莹等：《面向学生画像的偏好知识获取研究》，《河南师范大学学报（自然科学版）》，2020年第6期。
(3)宋美琦、陈烨、张瑞：《用户画像研究述评》，《情报科学》，2019年第4期。
(1)刘小龙、钱雨、陈雅云等：《数字化转型视域下学生综合素质评价画像的设计与实现》，《上海教育科研》，2024年第12期。
(2)刘海鸥、刘旭、姚苏梅等：《基于大数据深度画像的个性化学习精准服务研究》，《图书馆学研究》，2019年第15期。
(3)郭炯、荣乾：《人工智能赋能教育公平：国际共识、现实阻碍及实践路径》，《西南大学学报(社会科学版)》，2025年第2期。
(1)郭春镇、林泉君：《用户画像数据去识别化制度之反思与优化》，《浙江社会科学》，2025年第7期。
(2)王战军、乔刚：《大数据驱动的教育研究新范式》，《北京大学教育评论》，2018年第1期。
(3)赵磊磊、张黎、王靖：《智能时代教育数据伦理风险：典型表征与治理路径》，《中国远程教育》，2022年第3期。
(4)杨维东：《有效应对大数据技术的伦理问题》，《人民日报》，2018年3月23日。
(1)刘三女牙、杨宗凯、李卿：《教育数据伦理：大数据时代教育的新挑战》，《教育研究》，2017年第4期。
(1)李光耀、宋文广、谢艳晴：《智慧校园学生画像方法研究》，《现代电子技术》，2018年第12期。
基本信息:
DOI：
中图分类号:G712;G434
引用信息:
[1]杨彦如,周岚.基于数字画像技术的高职生个性化学习策略研究[J].北京青年研究,2025,34(04):80-93.
基金信息:
北京市教育科学“十四五”规划2023年度一般课题“基于数字画像技术的高职生个性化学习策略研究”（课题编号：CDDB23435）的阶段性研究成果