基于OBE理念的大數據智慧物流方向人才培養模式研究

霍秀秀

摘 要：智慧物流的發展使企業對物流人才提出了更高的要求，企業對具備物流專業知識和技能、大數據挖掘和分析技能的復合型人才的需求勢必會不斷增加。OBE是以成果為導向的教育理念，將其運用到大數據智慧物流方向人才培養方面，有利于學生掌握相關專業知識和專項技能，以提升人才培養的質量與成效。文章分析了大數據智慧物流方向人才培養存在的問題，基于OBE理念，從重構培養目標體系、完善大數據類課程體系、加強師資隊伍建設、優化學習成果評價機制等方面提出了對大數據智慧物流方向人才培養模式的相關建議，希望能為高校培養大數據智慧物流方向的人才提供參考。

關鍵詞：OBE理念；大數據智慧物流；人才培養

中圖分類號：F7文獻標志碼：ADOI：10.13714/j.cnki.1002-3100.2023.08.043

Abstract： The development of intelligent logistics makes enterprises put forward higher requirements for logistics talents. Enterprises will inevitably increase the demand for compound talents with both logistics professional knowledge and skills and big data mining and analysis skills. OBE is a results-oriented education concept that is applied to talent cultivation in the direction of big data intelligent logistics， which helps students master relevant professional knowledge and special skills to improve the quality and effectiveness of talent cultivation. The paper analyzes the existing problems in talent cultivation in the direction of big data intelligent logistics， and based on the OBE concept， puts forward relevant suggestions on talent cultivation models in the direction of big data intelligent logistics from aspects such as restructuring the cultivation target system， improving the big data curriculum system， strengthening the construction of teaching staff， and optimizing the evaluation mechanism of learning achievements. It is hoped to provide reference for universities to cultivate talents in the direction of big data intelligent logistics.

Key words： OBE concept; big data intelligent logistics; talent training

OBE（Outcome－Based Education）是一種以成果為導向的教育模式，OBE教育理念以學生為主導，以學生的學習成果為出發點，更強調學生學習之后能獲得什么、能做什么、如何高效地幫助學生獲得學習成果、如何對學生的學習效果進行評價，在此基礎上，將預期達成的教學目標、教學實施過程、教學效果評估緊密結合以反向設計教學過程。在OBE理念下，學校和教師必須先確認教學需要達到的預期效果和目標，然后進行課程體系設計，最終讓學生通過學習取得學習成果、提升實踐能力。

OBE強調的不是教育輸入而是教育輸出，將OBE理念融入物流人才培養會使物流專業人才培養的目標變得更加明確、全面、可評估，會使教學更加注重知識的整合和實際應用，會使教學效果評估更加標準、合理、具有包容性，從而提升學生掌握專業知識與崗位技能的效率和效果，使得學生更好地適應物流工作崗位，最終將學生培養成為高素質、高技能、高水平的應用型高級物流管理人才[1]。

1 ? ?智慧物流時代對大數據物流人才的需求分析

隨著人工智能、物聯網、大數據、云計算、5G等現代物流信息技術的飛速發展以及其在物流行業的大范圍應用，物流行業已經逐步進入“智慧物流”時代。智慧物流是指借助智能軟硬件、物聯網、大數據等智能化技術實現對物流各環節的精細化、動態化、可視化管理，提升物流系統的智能化分析決策能力和自動化操作執行能力，從而提高物流效率的現代化物流模式。這也就意味著智慧物流所需要的人才不再是傳統的、純粹的物流作業人員，而是擁有云計算、大數據等物流信息技術的綜合型人才，所以物流專業人才培養必須要順應時代發展的需要，如此才能更好地適應和推進智慧物流的快速發展；而大數據是企業提高分析、決策和執行能力的重要手段，也是實現物流智能化的基礎，如何培養大數據智慧物流人才是值得深入研究的問題。

智慧物流有效運用了物聯網、大數據、人工智能等現代物流信息技術，更側重于使用更加智能化的設施設備和技術代替傳統物流中效率較低的人工作業。所以智慧物流對于物流人才的需求也不同于傳統物流。隨著物流信息技術的不斷發展，物流作業的倉儲、運輸、分揀、配送等各環節會不斷產生大量數據；在大數據時代，數據被看作一種資源，尤其是對于電子商務和物流行業來說，挖掘﹑處理和分析數據，對于企業滿足日趨個性化的顧客需求﹑動態適應多變的市場環境﹑應對激烈的市場竟爭都具有重要意義，大數據在電子商務和物流企業中的應用貫穿了運營的各個環節，企業對大數據挖掘與分析方面人才的需求勢必會不斷增加。

2 ? ?大數據智慧物流方向人才培養存在的問題

2.1 ? ?人才培養目標與行業需求不匹配

高職院校人才培養的關鍵是制訂合理的人才培養方案，但是目前大部分高校制訂人才培養方案的方法不夠完善，沒有通過對地方政府、學校、用人單位等的需要和社會期望進行調研和評估來確定崗位對智慧物流時代人才的需求情況，人才培養目標的制定與社會需求可能會脫節，高職院校無法針對性地開展人才培養工作。目前大部分高職院校物流管理專業的人才培養主要還是聚焦于將學生培養成倉儲、分揀、配送等物流基礎性崗位的操作人員，因此在智慧物流時代，大部分高職院校所培養的物流人才都無法滿足企業對具備物流專業知識和技能、大數據挖掘和分析技能的高素質的復合型人才的需求[2]。

2.2 ? ?缺乏大數據類課程

在智慧物流背景下，企業對于具備物流專業知識和技能、大數據挖掘和分析技能的高素質復合型人才的需求勢必會不斷增加，將大數據融入物流管理專業教學是高職院校培養復合型物流管理人才的需要。但是目前大部分高職院校的人才培養目標仍不明晰，開設大數據類課程的高校不多，課程設置缺乏科學性，同時相關課堂的教學實踐匱乏；很多教師在教學過程中只是簡單提及了大數據相關知識，難以將大數據技術和物流藝術性地結合，大數據教學內容整體偏向理論化、零散化，學生對大數據技術的掌握仍然存在著很多局限性，大數據技術在物流管理專業教學中暫未發揮預期效果[3]。

2.3 ? ?教學模式較為單一

以“教師為主、學生為輔”的單向灌輸式教學仍然是當前大部分高職院校人才培養的主要模式，教師主要負責理論知識的講授，學生負責被動接受知識；仍然采用傳統課堂的教學模式，“理論為主，實踐為輔”，缺乏對學生創新能力、大數據挖掘和分析能力等的培養。雖然少部分教師嘗試將大數據相關理論知識和實踐操作融入教學，但是缺乏系統性的專業知識體系和實踐教學，專業的軟件工具等教學配套資源也少；學生難以厘清物流管理和大數據之間的聯系，對大數據技術的學習體驗感較差，學到的大多是理論化、抽象化的知識，操作技能匱乏，無法滿足企業對于物流管理專業人才的實際需求。

2.4 ? ?教師缺乏大數據相關知識

隨著智慧物流的發展，教師也必須掌握專業的人工智能、大數據、物聯網等現代信息技術知識，教師專業與否直接影響高素質復合型物流人才的培養。但是目前高校物流管理專業的師資力量薄弱，物流大數據研究方向的專業教師比較缺乏，大部分教師的知識儲備和專業技能并沒有隨著大數據時代的到來及時更新，其理論知識儲備不足；同時大數據的挖掘和分析也需要專業軟件和工具支撐，教師也較少了解和學習相關軟件和工具的實踐操作，也缺乏在物流企業中的工作經驗；教師的相關知識體系單一且不夠系統化，他們在大數據知識體系和技能操作方面有些欠缺，導致在實踐教學中只是淺層次地從理論層面進行講授。大數據物流管理專業的教師缺乏專業性，未來將難以承擔大數據智慧物流方面人才培養的工作[4]。

3 ? 基于OBE理念的大數據智慧物流方向人才培養途徑

3.1 ? ?明確人才培養目標，重構培養目標體系

OBE教育理念是基于成果導向的，成果又是基于企業、政府、社會等的需求的，所以在制定人才培養目標前，學校需要全面調研和評估專業人才需求的實際情況，圍繞行業需求、以成果為導向制定人才培養目標，從而提升人才培養的有效性和針對性，提高人才培養的質量和效率。圖1為大數據智慧物流方向人才培養途徑的框架圖。

在智慧物流發展時代，物流企業不斷發展，對既具備物流專業知識、技能又具備大數據挖掘和分析技能的高素質復合型人才的需求也在持續增加。為了使人才培養目標的制定與企業人才需求匹配、針對性開展人才培養，高校首先要對物流企業的人才需求進行深入調研和分析，對物流發展所需人才的基本情況要有明確的了解；高校要在全面考慮地方政府、學校、用人單位等需求的基礎上確定崗位需求；其次高校要通過對人才需求情況進行評估，以企業需求和復合型應用人才為導向，最終明確智慧物流方向人才培養的目標，明確培養的人才需要具備的崗位技能、職業素養等。例如，大數據智慧物流方向的學生應該具備良好的職業道德、溝通能力和協作能力；具備大數據思維及數據分析能力；熟悉大數據、云計算、人工智能等現代物流信息技術，能夠運用所掌握的相關理論知識和技能解決數據分析等實際問題；能夠運用所學的理論知識和技能為智慧物流的發展服務，推動物流行業的進一步發展，所以高校必須重視對學生知識技能和職業能力的培養，從而讓學生更好地與企業所需人才精準匹配。

3.2 ? ?增加大數據相關課程，完善課程體系

課程體系的構建需要按照“專業設置對接產業需求、課程內容對接職業標準、教學過程對接生產過程、畢業標準對接職業資格證書、職業學習對接終身學習”的原則；高校要按照所構建的課程體系實施循序漸進、穩扎穩打的教學策略。

高校物流管理專業的課程體系可以基于OBE理念采取反向設計、正向實施的教學設計。首先，圍繞地方政府、學校、用人單位、學生、教師等多方需求，思考學生在畢業五年后預期實現的職業目標和專業成就，在此基礎上明確人才培養目標；其次，細化人才培養目標，將人才培養目標合理科學地拆分成若干個指標，確定學生所需掌握的基本能力和專業能力，比如智慧物流崗位所對應的能力需求有數據采集分析能力、物流憑證自動處理能力以及智能倉儲、智能運輸、智能配送、智能裝卸搬運、自動包裝、自動分揀、智能設備操作與維護等方面的能力；然后圍繞設定的指標，專業教師團隊根據崗位所需能力推導出對應的課程模塊以支撐這些能力需求，最后設計規劃出支撐這些能力的基礎課程和專業課程[4]，完善大數據智慧物流方向的專業課程，優化課程設計，搭建合理的課程體系，見表1。當然，OBE理念指導下的復合型物流管理專業人才培養需要教師進行課程體系設計的優化，做好理論教學環節、課內外教學實踐環節的設計，實現理論與實踐教學的密切結合，使學生的能力層次能在專業課程設置方面得到映射。

3.3 ? ?培養大數據相關人才，加強師資隊伍建設

在智慧物流的發展背景下，高職院校在進行物流管理專業人才培養時將大數據與相關專業相結合必將成為未來趨勢。為了更好地實現復合型物流管理人才培養的目標，對物流管理專業教師團隊開展大數據智慧物流方面的專業培訓將是高職院校教學管理工作的重點。在提升教師的教學專業水平方面，高職院校可以從以下3個方面著手：首先，高校在鼓勵物流管理專業教師學習專業理論知識的同時，需要強化教師對OBE教育理念、大數據智慧物流方面理論知識的學習，持續更新專業知識體系，使得教師自身的理論研究能力和教學能力得到提升；其次，高校還需要鼓勵物流管理專業教師積極參加專業的相關會議和行業的相關培訓，加強其與行業、企業的溝通交流，適當地接觸和參與企業的日常經營活動，讓教師加強對智慧物流背景下物流企業日常經營活動的認知，這樣可以保證教師在學習專業理論知識的同時提升實踐能力，并將所學知識和技能反哺到日常的教學工作中；最后，高校還需要積極引進大數據智慧物流相關領域的人才，擴大物流專業教師隊伍，提升教師團隊的整體水平，同時高校還可以邀請校區合作企業中的專業人士承擔實踐教學工作，彌補大數據智慧物流方向教師的空白，在提升相關課程質量的同時為大數據智慧物流方向人才的培養打下牢固的基礎。

3.4 ? ?改善學習成果評價機制

學習成果評價的合理性是人才培養的重要環節，需要教師、學校、學生、企業等多方共同制定學習成果評價體系，才能使評價體系更加科學合理。OBE教育理念是一種基于成果導向的理念，OBE教育理念下課程體系的考核評價也應該以結果為導向，重點關注過程性評價。

目前，高校主要是將期末考試成績與平時成績相結合對學生的學習成果進行評價。學生平時成績的考核主要包括簽到、課堂討論、小組作業等方面，教師可以對此設置不同的權重，最終形成對學生平時成績的考核；但是這樣的考核方式仍然比較單一，主要是考核學生對理論知識的掌握情況，沒有真實、合理地衡量出學生各方面的能力，學生在平時學習中的主動性和積極性也會受到一定程度的影響。因此高校要改變傳統的考核方式，基于人才培養目標對應的成果體系設置考核指標，而且考核評價不能只集中于教師之間，要通過多方進行綜合評價。學校可根據預期學習成果制定當前的學習任務并進行綜合評價，其中內部評價主要是指學生根據已有的知識、技能等對學習任務設立相應的學習目標，實時監督自身學習情況，并根據學習情況進行自我評價并根據反饋的信息進行偏差調整，最終形成內部評價；外部評價主要是指教師和企業導師對學生的學習情況、個人表現進行綜合評價，比如從學生對工作的勝任程度、職業道德素質測試、學生自身發展與家長的滿意度等方面展開評價，并將評價信息反饋給學生，使學生根據評價情況進行調節。通過多方面、多維度評價衡量學生所具備的能力，使得學習成果評價更為科學、合理、全面[5]。

參考文獻：

[1] 朱文娟，朱甜甜．基于OBE理念的應用型物流管理專業人才培養模式解析[J]．中國物流與采購，2022（6）：109-110.

[2] 徐龍閃，肖紅波．大數據背景下高職院校物流管理專業人才培養探究[J]．經濟師，2021（1）：154-155，157.

[3] 張雪梅，陳浩然，胡佳薇．大數據背景下應用型物流管理人才培養模式研究[J]．物流科技，2021，44（9）：174-177.

[4] 馬永紅．智慧物流背景下物流人才培養路徑研究[J]．中國物流與采購，2021（13）：38-39.

[5] 蔣秀蘭，羅利珍．OBE理念下物流應用型人才培養機制探討[J]．物流工程與管理，2019，41（2）：126-128.