高校計算機專業人才培養模式探討

摘要：隨著大數據和人工智能技術的快速發展，培養高校計算機專業人才的重要性日益突出。然而，現有的培養質量評價體系往往缺乏系統性和科學性，難以全面反映學生的綜合能力。研究結合教務管理視角和利用Bloom認知領域分類方法，將人才培養的認知過程分為記憶、理解、應用、分析、評價和創造六個層次。通過專家訪談和德爾菲法確定了每個認知層次的具體評價指標，共提取出18項指標。通過數據收集和實證分析，評估了學生在各認知層次的表現。結果表明，三年級學生在所有認知層次的平均表現最佳，反映出其豐富的學習經驗和實踐技能。分析還顯示，學生在高階認知層次的表現存在顯著差異，AI指標的變異系數為0.23，而F3指標為0.84。這表明高階認知活動對學生的要求更高，個體差異顯著。通過各指標間的相關性分析發現，項目中工具使用的熟練程度與其他指標強相關。Bloom認知領域分類體系能夠反映學生的綜合能力，為高校后續教務和教學管理提供科學的評價方法。

關鍵詞：教務管理；德爾菲法；Bloom認知領域分類；專家訪談

中圖分類號：G640 文獻標識碼：A 文章編號：1673-260X（2024）10-0062-08

在數字化浪潮的推動下，計算機技術已成為推動社會進步的關鍵力量，對各行各業產生了深遠的影響。為了適應這一變革，高等教育機構紛紛開設大數據和人工智能相關專業，致力于培養能夠滿足行業需求的專業人才。然而，計算機專業人才培養過程中存在諸多挑戰。首先，傳統的教學模式往往難以滿足行業快速發展的實際需求，導致學生在理論知識與實踐技能之間存在差距。其次，現有的評價體系過于側重學生的理論知識掌握，而忽視了學生的實際操作和應用能力。此外，計算機專業領域的知識體系復雜，如何科學評價學生的綜合能力成為一個亟待解決的問題。為了應對這些挑戰，本文提出了一個基于Bloom認知領域分類法的評價指標體系。Bloom認知領域分類法是一種被廣泛認可和應用的教育目標設計和評價工具，它將人才培養的認知過程細化為記憶、理解、應用、分析、評價、創造六個層次。本文通過專家訪談和德爾菲法，廣泛收集和分析專家對各認知水平具體評價指標的建議，確保評價指標的科學性和可操作性。通過考試、作業、項目報告、實習評價、課堂討論記錄等多種方式，收集不同認知水平學生的綜合表現數據，并對數據進行處理和分析，評價學生的表現。

通過實證分析，揭示了不同年級學生在不同認知水平上的表現差異，為高校在人才培養過程中提供了重要參考。相關性分析顯示，項目中工具使用的熟練程度與人才培養質量密切相關，因此加強工具使用訓練有助于提高計算機專業的教學質量。此外，計算機專業人才在金融、保險、電子商務、互聯網等行業有著廣闊的就業空間，培養計算機專業人才可以為學生提供更廣闊的就業選擇，提升學生的競爭力和就業機會。評價指標體系可以為學校和教育管理部門提供決策依據，通過對評價指標的分析，能及時了解人才培養情況，為學校制定教育發展規劃和政策提供科學依據，從而促進學校的可持續發展。盡管布盧姆認知領域分類法在教育領域有廣泛應用，但在計算機專業人才培養方面的應用還處于初級階段。本文的研究不僅為計算機專業人才培養提供了科學的評價方法和實踐經驗，也為教務、教學管理領域及其他學科的評價提供了借鑒。未來，需要進一步探索和研究布盧姆分類法在計算機人才培養中的應用，以促進高校計算機專業的持續發展和創新。

1設計評估指標體系

1.1評估維度

計算機技術已滲透到各行各業，尤其是金融領域。數據分析和數據驅動決策已成為企業和政府部門的重要手段。金融機構、保險公司、審計公司、政府監管機構等都在大量采用計算機技術來提高業務效率、優化決策流程、防范風險。

設計科學有效的評價指標體系，有助于全面衡量學生的知識掌握情況和綜合能力，從而提高計算機專業領域的人才培養質量。在Bloom認知領域分類學中，認知能力被分為記憶、理解、應用、分析、評價和創造六個層次。通過這種系統的分類，可以全面評價學生在不同認知水平上的能力，保證了評價的全面性和系統性。

布盧姆認知領域分類法模型如圖1所示。

在計算機專業的人才培養過程中，結合Bloom認知領域分類法的各個層次，明確不同學習階段的教學目標和評價標準，進而全面評價學生在不同認知水平上的能力，確保評價的全面性和系統性。布盧姆認知領域分類法涵蓋了從基礎記憶到高階創造的各個層次，能夠全面反映學生的認知能力。

1.2完善評價指標

遴選計算機領域經驗豐富的專家：3名來自知名高校類高校，具有十年以上大數據教學和研究經驗的教授；5名具有豐富教學和實踐經驗，負責計算機相關課程教學的副教授：5名具有較強實踐和創新能力，參與過先進計算機項目教學和研究的青年講師；4名來自金融、保險、咨詢等行業，具有豐富實際數據分析和項目管理經驗的資深數據科學家；3名主要負責計算機平臺開發和維護，熟悉實際操作和技術應用的計算機工程師。

設計的訪談提綱如下：

（1）記憶水平：您認為計算機專業的學生應該掌握哪些基本概念和術語？

（2）理解水平：學生應如何展示他們對計算機技術原理和方法的理解？

（3）應用水平：計算機專業的學生需要具備哪些技能和實際操作能力？

（4）分析水平：學生應具備哪些分析和解決復雜問題的能力？

（5）評價水平：如何評價學生的批判性思維和評價能力？

（6）創造水平：學生應如何展示自己的創新能力和創造性思維？

對每位專家進行深入訪談，記錄他們對各認知水平具體評價指標的建議。通過德爾菲法對專家意見進行匯總和分析。對專家反饋意見進行分類整理，分析共識與分歧。然后匯總各方面的修改建議。根據專家建議，對初評指標進行了修改和完善，確保指標更加全面、準確地反映計算機領域人才培養的要求。根據初步反饋意見，生成修改后的調查問卷，并再次邀請專家進行評審和反饋。對第二輪調查結果進行匯總分析。確定最終評價指標，并進行最終確認和討論。

通過采用德爾菲法進行多輪調查分析，獲得專家對計算機專業人才培養質量評價指標的一致認可，保證了評價體系的準確性和可靠性。人才培養質量評價指標體系如表1所示。

表1列出了細化后的評價指標，這些指標是針對六個維度的認知水平進行細化的。每個認知水平分解為三個指標，細化后的評價指標可以涵蓋學生在記憶、理解、應用、分析、評價、創造等不同認知水平上的表現，從而綜合評價學生的能力水平。

1.3制定評估標準

具體的評價標準是根據實際教學情況和專家建議制定的。記憶和理解的評價標準如表2所示。應用和分析的評估標準如表3所示。評估和創建的評價標準見表4。

通過劃分評價等級，量化展示高校類高校計算機專業人才培養質量。將6個維度的18個具體評價指標分為1、2、3、4四個等級。等級越高，學生在相應指標上的能力越強。

學生在某一維度上的表現是通過與認知維度相對應的3個具體指標的水平相加計算得出的，計算公式為

A=A1+A2+A3 （1）

學生在6個認知維度上的總體表現為

K=A+B+C+D+E+F （2）

2收集計算機人才數據

2.1數據收集

選取本校計算機應用專業100名本科生，其中大一至大四各25人。數據收集時間為2022年9月1日至2023年5月31日。收集的數據包括考試成績、課堂表現、作業與項目報告、實驗操作、案例分析與課堂討論、論文與口頭答辯、小組討論與對比分析報告、項目參與記錄與問題解決方案、成果驗證報告與方法評估報告、決策建議報告與創新設計報告、調研報告與跨學科項目報告等。

考題涉及基本概念、術語、技術原理等。每個學生每學期至少有一次課堂演示，具體時間由教師安排。編程作業每月完成一次。每學期末提交項目報告。實驗課每周一次，課后每位學生提交一份實驗報告。案例研究報告每月進行一次。課堂討論每周記錄一次。論文和口頭答辯每學年進行一次。小組討論每學期進行一次。成果驗證報告、方法評估報告、決策建議報告、創新設計報告、調研報告、跨學科項目報告每學期進行一次。通過提供詳細的數據來源和收集方法，保證了數據的全面性、準確性和可靠性，為評價高校類高校計算機專業人才培養質量提供了堅實的基礎。收集到的考試數據如表5所示。

在表5中，收集到的考試數據采用百分制描述，25行代表每個年級25名學生的考試成績。可以看出，大三學生對計算機概念的測評得分最高，其次是大二學生，大一和大三學生的表現相對較差。大三和大二學生在計算機概念方面的平均測評得分分別約為90分和86分。大一學生可能由于接觸計算機相關課程較少，對相關概念和知識還未完全適應，而大四學生臨近畢業，可能更注重實際就業或考研，因此對學業考核的重視程度可能較低。

2.2數據分析

隨著計算機產業的迅猛發展，對計算機專業人才的需求也與日俱增。評估學生在不同認知水平上的表現，旨在全面了解學生的學習效果和能力水平。通過分析學生在不同認知水平上的表現，可以及時發現存在的問題和不足，為教學改進和課程優化提供依據。

統計分析軟件用于處理和分析收集到的數據，深入了解學生在不同認知水平上的表現，發現潛在的規律和趨勢。通過對考試成績和作業成績等數據進行分布分析，可以了解學生的整體學習水平和分數分布。

根據認知水平對學生成績數據進行分類，并使用統計軟件進行比較分析。比較不同年級在不同認知水平上的成績差異，了解各認知水平的學習狀況和存在的問題。使用統計軟件進行相關性分析，利用皮爾遜相關系數探討不同認知水平指標之間的相關性。

數據平均數的計算公式為

3成果分析

3.1不同認知水平學生的平均成績

通過各種評價標準將學生數據轉換成評分等級，不同認知水平學生的平均成績結果如圖2所示。

圖2顯示了不同認知水平學生的平均成績，橫軸代表6個認知水平的18個評價指標。分別對大一、大二、大三、大四學生進行分析，可以看出大三學生的平均成績最為突出。高三學生在校學習時間長，積累了較多的學習經驗和知識儲備。與大一、大二學生相比，大三學生已經適應了大學學習的節奏和要求，學習能力和自學能力較強。大三學生參與更多的實踐項目、實習或實驗課程，積累了豐富的實踐經驗。通過實踐活動，有機會將理論知識應用于實踐，提高了實踐能力和解決問題的能力。低年級學生在不同認知水平上的平均成績最高，可能是學習經歷豐富、對專業知識理解深入、實踐經驗豐富、學習積極性高、教學質量提高等因素綜合作用的結果。這些因素共同促成了低年級學生學習成績和成績的提高。然而，總體而言，在AI-F3指標的變化中，學生的評分水平有所下降。這是因為認知水平的六個層次，即記憶層次、理解層次、應用層次、分析層次、評價層次和創造層次，是一個由易到難的過程。

了解學生在不同認知水平上的平均表現，對于教育機構評估其教學方法和課程設計的有效性至關重要。它提供了布盧姆分類學背景下學生整體能力和熟練程度的快照。表6分析了計算機教育項目中不同認知水平學生的平均表現。這些數據有助于確定學生學習的優勢領域和潛在差距，從而為有針對性的干預和改進提供信息。

3.2不同認知水平的學生成績差異

方差可以揭示學生在不同指標上的差異，學生在不同認知水平上的成績方差如圖3所示。

學生在6個層次、18個指標上存在差異，這是個體差異、學習背景、學習動機、教學質量與方法、個人學習策略等多種因素綜合作用的結果。A1-F3指標的方差逐漸增大，A1指標的方差為0.23，F3指標的方差為0.84。隨著認知水平的提高，所涉及的知識和技能變得更加復雜和抽象。在較高的認知水平上，學生需要進行更深入的分析、評價和創造，這就需要更多的思考和探索。他們也更容易受到個體差異、學科理解和學習經驗的影響，導致他們在較高認知水平上的表現差異更大。因此，學校應根據不同認知水平學生的水平和特點，采取分層教學策略，為每個學生提供個性化的學習支持和指導。通過分層教學、個性化學習任務設計、小組合作學習等方式，滿足學生不同的學習需求，促進學生的全面發展。

不同認知水平的學生成績差異是衡量教育計劃有效性的重要指標，尤其是在計算機等專業領域。它提供了對學生分數分散性的洞察，反映了學生的能力和理解范圍。高方差表明學生的表現范圍很廣，這可能預示著不同的學習需求，并為個性化教學策略鋪平了道路。反之，方差小則表明學生的理解水平較為一致，這可能說明教學方法有效或需要更具挑戰性的材料。表7列出了布盧姆分類法概述的不同認知水平學生表現的方差分析，為計算機教育領域學生能力的多樣性提供了一個量化視角。

表7說明了六個認知水平的學生成績差異，為計算機項目的教育評估和課程開發提供了實證依據。差異值為假設值，應根據實際學生成績數據進行計算。備注欄簡要分析了觀察到的差異背后的潛在原因以及對教學策略的影響。

3.3不同認知水平學生的總體評分水平

各認知水平學生的評分等級相加。對六個認知水平學生的評價數據進行分析，從不同方面反映學生的培養質量。各認知水平學生的總評分等級如圖4所示。

總結不同認知水平學生的評分，可以更好地反映他們在不同認知水平的表現。高一學生對A、B、C、D、E和F的總評分分別為9、7、6、5、4和3分。高二學生對A、B、C、D、E和F的總評分分別為9、9、7、6、5和3分。高三學生對A、B、C、D、E和F的總評分分別為12、12、12、10、9和6分。高年級學生對A、B、C、D、E和F的總評分分別為9、11、8、6、6和6分。創建級學生的表現總是最低的。計算機專業強調數據的收集、處理、分析和應用，與創建層次相比，更強調數據的應用和實踐。因此，學生可能會更多地接觸應用任務和項目，創造性思維和創新實踐的機會較少。

3.4不同指標之間的相關性

皮爾遜相關系數用于分析不同指標之間的相關性，如圖5所示。

皮爾遜相關系數是衡量兩個變量之間線性關系強弱的統計指標。了解不同指標之間的相關性有助于優化教學方法。對18個指標中的每兩個指標進行相關性分析，得到一個18*18的對稱矩陣。左上角和右下角連線上的元素均為1.數值越大，兩個指標之間的線性相關性越強。臨界值設定為0.90。小于0.90的相關性被定義為弱相關性，大于或等于0.90的相關性被定義為強相關性。顯然，A2與其他指標的相關性最強。A2與Bl、B3、C2、D3、E2、Fl、F3的相關性分別為0.94、0.93、0.94、0.94、1.00、0.94、0.92。由此可見，項目中工具使用的熟練程度與人才培養質量密切相關。

通過上述分析發現，低年級學生的平均成績在不同認知水平上最為突出，不同認知水平學生的差異逐漸增大。這說明學生在大學學習過程中存在明顯的個體差異，不同認知水平所要求的能力和成績水平也存在明顯差異。低年級學生在不同認知水平上的突出表現，可能得益于豐富的學習經歷、對專業知識的深入理解、豐富的實踐經驗、較高的學習積極性、教學質量的提高等因素的綜合作用。在高校類高校計算機專業人才培養過程中，需要更加注重大一、大二、大三階段的培養。通過分析各項指標之間的相關性，可以得出項目中使用工具的熟練程度與其他指標密切相關。可以設置專門的課程或模塊，系統講解和訓練計算機工具的使用，如Python、R、SQL、Hadoop、Tableau等，并利用網絡教程推薦學生學習相關工具的使用技巧，拓展學習資源，從而更好地培養高校類高校計算機專業人才。

4結語

通過構建基于Bloom認知領域分類法的質量評價體系，本研究對高校計算機專業人才的培養進行了深入分析與評價。研究結果表明，該評價體系能夠有效地反映學生在不同認知層次上的表現，并為高校教務和教學管理提供了科學的決策支持。研究發現，三年級學生在所有認知層次上的平均表現最佳，這歸因于他們較為豐富的學習經驗和實踐技能。同時，學生在高階認知層次的表現存在顯著的個體差異，這提示我們在教學過程中需要更加關注學生的個性化發展。此外，工具使用的熟練程度與其他指標之間的強相關性表明，加強工具使用訓練對于提升教學質量至關重要。未來，可持續利用該評價體系，優化教學方法，以培養適應技術發展和社會需求的高素質計算機專業人才。