数字化转型背景下高职院校教师科研能力画像研究
作者： 岳芸竹［摘 要］ 职业教育中科研的地位日益凸显，高职教师成为职业教育科研发展的主力军。随着数字时代的迈进，数字化技术支持下的人才赋能教育成为新的关注点。在数字化转型背景下，高职教师科研能力的培养成为关键问题。提出科研能力画像的概念，构建描述教师社会属性、科研成果、科研偏好等信息的标签化用户模型；探讨融合多源数据构建科研能力画像的实现方式，包括建立科研能力信息库、识别科研能力标签值、科研能力画像可视化和科研能力画像质量评估四个阶段；阐述科研能力画像的应用场景，涵盖教师、科研管理者及学校等利益相关者的视角，探索科学、精准的高职院校教师科研能力提升策略，为数字化转型背景下职业教育的科研发展提供路径借鉴。
［关 键 词］ 数字化转型；科研画像；高职教师；精准服务；应用场景
［中图分类号］ G715 ［文献标志码］ A ［文章编号］ 2096-0603（2023）36-017６-04
一、引言
教育部印发《关于开展人工智能助推教师队伍建设行动试点工作的通知》，强调充分利用教师大数据，建立数字画像支持学校决策，改进教师管理，优化教师服务。当前，随着大数据和人工智能等新一代技术的快速发展，教师管理与服务也迈入了数据驱动的时代。2022年，《中华人民共和国职业教育法》修订后正式实施，提出“国家鼓励和支持开展职业教育的科学技术研究”，职业教育中科研的地位愈发重要，高职院校教师作为职业教育科研发展的主力军，其科研能力决定了职业教育的科研发展质量。教师专业发展过程中会产生多源数据，其能够描述教师个体科研能力画像，是大数据助力教师个性化发展和学校精准服务的决策工具。利用科研能力画像分析揭示教师的个体科研特征与偏好，便于提供个性化服务与优质资源推荐。因此，本研究将聚焦如何利用多源科研大数据构建教师科研能力画像，研究画像的标签体系和实现方式，探索教师科研能力画像在实际应用场景中驱动科研管理工作和精准科研服务的路径。
二、高职院校教师科研能力画像特征分析
本研究中教师科研能力画像概念起源于“用户画像”。用户画像起源于计算机领域，其概念最早是由交互设计之父Alan Coop提出的，是指根据真实的用户数据建立用户模型，对用户形象进行刻画。计算机科学为用户画像提供了技术支持，能够实现对特定用户的个性化表征和资源精准推荐，画像实现的流程包括用户标签体系的创建、画像应用效果评估等多个方面[1]。用户画像的概念内涵引入教育领域后，衍生出不同类型的用户画像，如学生画像、教师画像。因此，在计算机领域用户画像定义的基础上，衍生出教师科研能力画像的概念，主要指根据教师的个人属性、科研成果、科研兴趣等信息构建的一个标签化的用户模型。科研能力画像的本质是通过多源数据的海量收集、分析和处理，在一定数据分析机制的作用下，能够根据教师的科研能力特征提供精准的个性化服务，同时也能规划其科研发展路径[2]。因此，结合职业教育科研发展目标和教师科研能力画像属性，数字化转型视角下高职院校教师科研能力画像应具备以下特征。
（一）以职业教育科研发展目标为导向
教师科研能力画像的构建最重要的是厘清高职科研内涵与定位，确定符合高职院校特色的教师科研发展特征与目标，通过洞悉教师科研活动过程数据确定科研画像标签体系的构成。相对于普通高等学校以基础研究、原始创新为主的科研定位，高职院校立足于应用技术研究及开发定位[3]。高职科研主要跟踪产业发展和技术迭代的新动态、新进展，解决中小微企业生产技术中的实际问题，开展应用技术的开发、科技成果的推广和转化、科学技术的咨询等活动。职业院校的科研内涵以应用型科研活动为主要方向，实现科研为教学服务、科研为行业和地方经济社会服务。因此，高职院校教师科研发展应与高职院校应用型科研特征为基础。
关于高职院校教师科研能力的研究较少，主要体现在学术研究成果、技术指导、社会服务等，具体指标如课程内容改革研究、发表论文、技术培训、承担横向课题、担任社会职务等[4]。已有科研评价的研究存在评价方式单一、重数量轻质量、评价指标定位模糊、评价重心迷失等诸多缺位和错位问题， 评价结果难以有效反映高职院校科研的应用价值，难以全面衡量学校或教师的科研素质与绩效。
（二）精准表征、监控和预测教师科研发展
教师科研能力画像促进高职院校科研发展的本质是能够精准、全面地表征、监控和预测教师科研能力特征，为学校科研管理部门精准决策和个性化服务提供全面的教师群体画像，也为教师的自我认知提供清晰的个体能力画像。目前高职院校在教师科研管理方面还存在诸多困难，主要体现在科研信息分散和科研评价单一化等方面。一方面，科研管理部门缺乏对各类教师科研相关信息的整合与关联，信息的利用程度不高，导致科研管理部门无法对科研人员群体直观、快速了解，教师个体也无法及时对自己的科研现状有准确的认知，进而造成在进行科研管理和优质资源推荐时，无法做到科学、精准的决策和服务。另一方面，为了突破“唯论文”的评价方式，高职院校亟须改革科研评价体系，实现对教师进行分类评价，在进行科研评价时考虑多种类型的科研成果，助力教师队伍多元化分层发展。
教师科研能力画像的建立，应对不同维度、不同属性的数据进行充分的挖掘和数据分析，突破单一数据和单一视图无法观测整体的局限，从多源数据和多种视图立体描绘教师科研能力。对科研管理层而言，有利于全面了解教师的科研信息，可以作为评价、分析教师科研绩效的基础，提高科研管理效率，实现优质资源精准推荐；对于教师而言，有利于更加全面、清晰地了解自身能力现状，及时调整科研目标和研究策略。
三、数字化转型背景下科研能力画像实现方式
科研大数据的类型众多，采集教师科研相关数据，从海量数据中识别科研画像标签特征以及融合各类画像标签特征值并进行可视化，以上过程决定最终教师科研画像的科学性和有效性，直接影响科研画像在教师专业发展过程中的作用、价值。因此，本研究基于职业院校科研大数据提出了科研能力画像的实现流程，主要有信息库的建立、能力标签值的识别、画像可视化、画像质量评估四个环节。
（一）建立科研能力信息库
科研数据通常来源多种渠道，且形态各异，从不同的角度描述教师科研能力。多源数据是指由不同用户群体和不同来源渠道产生的、具有多种呈现形式、描述同一主题的数据[5]。多源数据的相互补充，能够更加全面地描述教师的科研能力[6]。对教师科研数据的有效收集、管理与分析，有助于掌握科研现状，挖掘院校科研发展和教师科研工作开展过程中的关键因素，改变传统科研工作的管理与决策模式。科研大数据既有动态数据，又有静态数据，包括人口属性数据、科研成果数据、科研偏好数据等，其中人口属性数据相对稳定，而科研成果、科研偏好等数据可能会发生变化。
科研数据是教师科研能力画像构建的基础，数据的来源与采集决定了数字画像的精准性，也决定了数字画像在实际场景中的应用质量。通过将多个数据源的科研数据整合，存储到数据库中，建立教师科研能力信息库。教师科研数据具有多种来源和形态，需要确定从海量数据中提取的高价值核心的科研数据，并确认每种数据最适配的采集方法和技术。目前常见的数据采集技术主要有网络爬虫技术、富媒体技术、感知技术等，结合校内科研系统、中国知网、政府相关公示网站或问卷等渠道采集高职院校教师科研信息。对其中的无效数据或缺失数据进行纠正或删除，生成可以构成科研能力画像的数据类型，存储在对应的数据库中，形成教师科研信息库。
（二）识别科研能力标签值
教师科研能力画像是由一系列科研相关的标签构建的，教师科研能力要求决定了画像标签的分类维度。科研能力画像标签体系的分类需要遵循相互独立原则，并且覆盖所有科研数据。结合现有的研究成果，以及职业教育科研目标，提出教师科研能力画像标签体系的三个主要维度：个人基础信息标签、科研成果标签、科研偏好标签，每类标签互相独立。针对科研能力信息库中不同种类的数据，综合利用不同数据分析方法提取科研能力画像各类标签的特征值，如利用文本挖掘获取研究主题标签的关键词特征，利用统计分析获取科研偏好的分数特征，形成教师科研能力画像标签集合。
科研能力画像标签集合是在科研数据的基础上，通过合理、有效的模型和算法为教师对象打标签集，具体包括以下内容：个人基础信息标签，主要是个人信息、教育信息、工作信息等，个人信息包括姓名、性别、年龄等，教育信息包括毕业院校、工作经历、职称等；科研成果标签，主要是教师在从事科研工作过程中产生的具有学术意义的成果，包括学术研究、科技服务、作品创作等，学术研究包括学术论文、学术专著、纵向项目等，科技服务包括横向项目、成果转化、知识产权等，作品创作包括作品参加展览、比赛等荣誉；科研偏好标签，主要是兴趣主题、研究时间、代表性成果等。
（三）科研能力画像可视化
在建立科研能力信息库和画像标签体系后，就需要将信息库的科研数据按照标签体系进行可视化。科研能力画像可视化是指选择可视化技术和工具将能力画像的标签集合采用多种形式直观地呈现出来，使科研管理者和教师能够快速掌握对应人员的科研能力信息，有效提高决策效率。目前常见的大数据可视化分析软件有FineBI、Echart等，可通过导入科研画像数据库，根据标签属性选择适合表征该标签的可视化图表，比如利用词云图呈现研究主题标签的关键词、利用网络关系图呈现教师的科研合作关系。由于教师科研大数据包含动态数据，因此，科研能力画像的可视化也是一个动态的过程，需要进行阶段性更新和监测，确保画像的时效性。在对教师进行科研能力评价时，可依据评价目的，生成符合需求的年度画像或阶段性画像，灵活运用到各阶段的评价当中。
（四）科研能力画像质量评估
科研能力画像的质量评价决定了画像的应用效力，如何对科研能力画像的质量进行评估是画像应用的重要环节。在可视化过程中，可通过调研教师对画像的意见或建议，根据画像应用的问题反馈对科研能力画像进行更新和优化，生成教师个人年度画像、阶段画像等画像。通过问卷调查法和访谈法对本研究教师科研画像的应用效果进行评估。画像质量评估的内容涉及教师对画像在实际场景中的意义、价值认知和画像的易读性、准确性等方面，调研问卷主要从感知有用性、易用性和使用态度等维度编制[7]，调研对象选择科研能力画像的数据来源对象，结合访谈法对教师科研能力画像的质量进行评估，获取改进建议，对科研能力画像进行不断完善。
四、科研能力画像助力职业院校科研发展的应用
科研能力画像对于赋能职业院校科研发展而言，一方面收集科研素养、科研知识、科研成果等多源数据多层次表征教师科研发展情况，评价高职教师的科研能力水平。另一方面创新科研评价技术方法，利用大数据等技术手段，开发智能化评价技术工具，为职业院校科研管理提供科学的大数据画像路径。科研能力画像助力职业院校科研发展涵盖教师、科研管理者及学校等利益相关者的视角，不仅促进教师自身认知与发展，还驱动了学校和管理者的智能化科研管理。
（一）分析个体画像，促进教师自身认知与发展
教师专业发展是目前较为关注的话题，在数字画像技术的推动下，教师专业能力提升已经转向精准化和个性化，全新的教师专业发展模式逐渐形成。科研能力画像能够分析教师的科研胜任力水平，能够以可视化的形式直观地呈现出职业院校教师队伍的科研绩效表现。对于教师而言，能够助力清晰了解自身科研任务目标和科研工作绩效，促进对阶段性科研状态形成清晰认知，助力自我反思。具体主要体现在科研绩效自我诊断和评价、规划科研发展路线以及优化科研活动过程三个方面。