2017年國務(wù)院辦公廳頒布的《關(guān)于深化產(chǎn)教融合的某若干意見》提出,用10年左右時間,實現(xiàn)教育和產(chǎn)業(yè)統(tǒng)籌融合、良性互動的發(fā)展格局。在人工智能引發(fā)職場和教育大變革的背景下,職業(yè)教育在歷史機遇中大有可為,如何促進職業(yè)教育的產(chǎn)教融合,在近日召開的北京洪堡教育大會職業(yè)技術(shù)教育研討會上,與會專家共同探討。
人工智能vs復合型人才
在現(xiàn)實中,人工智能出現(xiàn)在越來越多的生活和工作場景:工廠生產(chǎn)線上被精密控制的機器人、人臉識別代替了簽名和指紋、語音交互讓電話客服變成了機器人……
“在未來20年內(nèi),有70%~80%的工作職位將消失。當然,也會有很多新的就業(yè)機會,但目前尚不清楚在這么短的時間內(nèi)會不會有足夠的新的就業(yè)機會?!比涨埃诒本┖楸そ逃髸殬I(yè)技術(shù)教育研討會上,中國教育科學研究院職業(yè)與繼續(xù)教育研究所所長孫誠如是說。
與孫誠的分享相呼應(yīng),陜西師范大學教育學院副教授馬君認為智能化制造已經(jīng)成為新信息技術(shù)革命的核心。“主要表現(xiàn)在兩方面:信息基礎(chǔ)設(shè)施高度互聯(lián),包括生產(chǎn)設(shè)備、機器人、操作人員、物料和成品;制造從柔性化、敏捷化、智能化到信息化”。
據(jù)麥肯錫全球研究院發(fā)布的報告顯示:未來全球大概有3.75億人口將面臨重新就業(yè),其中中國占1億。
在越來越多的工作崗位被智能機器取代的同時,企業(yè)卻面臨著人才匱乏的窘境。據(jù)專家預測,到2020年,我國經(jīng)濟發(fā)展對技術(shù)技能型勞動力的需求將比2015年增加近1390萬(不含存量缺口930萬人),對高級技術(shù)工人的需求也將增加450萬(不含存量缺口440萬人)。
馬君分析:“企業(yè)主要缺乏的是知識型、創(chuàng)新型的產(chǎn)業(yè)技術(shù)工人,這歸結(jié)于市場上技術(shù)技能型人才儲備不足,以及產(chǎn)業(yè)工人的技能結(jié)構(gòu)不能很好地適應(yīng)市場和產(chǎn)業(yè)結(jié)構(gòu)快速更新的需求”。
人工智能帶來的教育變革
那么,人工智能是洪水猛獸嗎?
先看一個案例,日本豐田汽車公司精益生產(chǎn)方式(精益生產(chǎn)的核心理念是消除浪費、持續(xù)改善、聚焦客戶和尊重人性)已經(jīng)和敏捷制造、計算機網(wǎng)絡(luò)技術(shù)等密切結(jié)合,具有人性化、個性化和定制化等特征。這類新型生產(chǎn)方式意味著對人力資源的職業(yè)知識、職業(yè)素養(yǎng)以及專業(yè)水平等方面提出了更高的要求。
在馬君看來,人工智能帶來的最大變化是,技術(shù)技能型人才不再是在一個或幾個工序或低技能流水線上重復作業(yè),而是需承擔整條生產(chǎn)線甚至一個車間的生產(chǎn)與監(jiān)控任務(wù),工作范圍和工作量大大增加,所需要的行業(yè)及跨行業(yè)知識越加豐富與密集。
“隨著產(chǎn)業(yè)集群的發(fā)展,人力資本知識和信息成為決定集群進一步發(fā)展的稀缺資源,員工的知識成為產(chǎn)業(yè)鏈的重要構(gòu)成要素,產(chǎn)業(yè)鏈的知識含量及知識沿產(chǎn)業(yè)鏈的流動、擴散、溢出決定著產(chǎn)業(yè)的進步和升級”。
會上,天津職業(yè)技術(shù)師范大學科技產(chǎn)業(yè)處副處長張學英認為:“人工智能替代人類勞動伴隨著勞動者人力資本的轉(zhuǎn)型與水平的提升,人力資本的消費外部性逐漸顯現(xiàn),居民從追求消費數(shù)量逐漸向追求消費品質(zhì)、消費個性化和差異化轉(zhuǎn)變,創(chuàng)造出更多更新的工作崗位,即私人定制。這就對勞動力資本提出了更高的需求”。
張學英列舉了一串數(shù)字,20世紀90年代美國人口調(diào)查局和教育部合作對3000名雇主的調(diào)查發(fā)現(xiàn),雇主在招聘非管理類員工或生產(chǎn)工人時,對雇員的態(tài)度和溝通能力的重視遠遠超過對技能性文憑和教育年限的重視;英國一項對人事招聘主管的調(diào)查發(fā)現(xiàn),主管對雇員的態(tài)度、動機和人格特征等的關(guān)注比例明顯高于對技能的關(guān)注比例。
在張學英看來,職業(yè)教育除了培養(yǎng)學生具備主動性、責任感、良好溝通能力等職業(yè)品質(zhì),還要養(yǎng)成匹配人工智能的思維方式,以應(yīng)對技術(shù)進步帶來的變革。
孫誠則表示,機器人引發(fā)的職場變革、互聯(lián)網(wǎng)帶來的知識爆炸,將逼迫大學從一個提供文憑背書的認證機構(gòu),變成一個讓學生“能力附體”的訓練營。未來的大學將在個性化定制化的基礎(chǔ)上,兼顧啟迪心智和開闊視野。
“未來被自動化取代的崗位數(shù)越來越多。因此,職業(yè)教育如何培養(yǎng)被自動化難以取代的人才——懂操作、懂作業(yè)、又懂信息技術(shù)的復合型技術(shù)技能人才成為亟待解決的問題?!瘪R君說。
產(chǎn)教融合勢在必行
面對人工智能浪潮,職業(yè)教育如何發(fā)力?會上,多位專家表示,職業(yè)教育必須提高人才精準有效供給能力,培養(yǎng)數(shù)以億計的高素質(zhì)工程技術(shù)和技能型人才,真正將人力資源優(yōu)勢轉(zhuǎn)化為實實在在的人力資本。
那么如何實現(xiàn)有效精準的人才供給?會上討論最多的路徑依然是產(chǎn)教融合、校企合作。
2017年,國務(wù)院辦公廳頒布《關(guān)于深化產(chǎn)教融合的若干意見》,提出深化產(chǎn)教融合的主要目標是,逐步提高行業(yè)企業(yè)參與辦學程度,健全多元化辦學體制,全面推行校企協(xié)同育人,用10年左右時間,教育和產(chǎn)業(yè)統(tǒng)籌融合、良性互動的發(fā)展格局總體形成,需求導向的人才培養(yǎng)模式健全完善,人才教育供給與產(chǎn)業(yè)需求重大結(jié)構(gòu)性矛盾基本解決,職業(yè)教育、高等教育對經(jīng)濟發(fā)展和產(chǎn)業(yè)升級的貢獻顯著增強。
馬君認為,機器取代人類重復簡單的枯燥工作是必然趨勢,因此激發(fā)人的潛能,關(guān)注人的后續(xù)發(fā)展才是優(yōu)化人才鏈的核心,職業(yè)教育的轉(zhuǎn)型必須要注意到這一點。“要將學習者浸潤于實踐共同體中,支持認知和行動的整合,將學校和工作場所、學校和社區(qū)之間緊密聯(lián)系在一起,通過情境性的學習來實現(xiàn)知識和技能的遷移,激發(fā)學習者內(nèi)部動力,促進學習過程中的意義生成”。
機械工業(yè)教育發(fā)展中心主任陳曉明表示,制造強國戰(zhàn)略為職業(yè)教育帶來了新的發(fā)展機遇,職業(yè)教育要以產(chǎn)教協(xié)同的理念,打造專業(yè)建設(shè)新優(yōu)勢。
具體來說,在專業(yè)內(nèi)涵上,要強化適應(yīng)性,建立更加及時有效的產(chǎn)教互動機制,保障全產(chǎn)業(yè)鏈人才持續(xù)、有效供給;在教學資源上要突出同步性,加快教學內(nèi)容和配套資源的更新,避免與企業(yè)需求脫節(jié);在培養(yǎng)質(zhì)量上要體現(xiàn)全面性和系統(tǒng)培養(yǎng),重素質(zhì)、強基礎(chǔ)、宜發(fā)展,對企業(yè)文化認同;在培養(yǎng)模式上要注重協(xié)同性,人才培養(yǎng)規(guī)律要與生產(chǎn)技術(shù)發(fā)展規(guī)律有機結(jié)合,職前教育要與職后培養(yǎng)相統(tǒng)籌;在發(fā)展方式上要體現(xiàn)開放性,將行業(yè)企業(yè)要素滲透專業(yè)教學全過程,產(chǎn)學研用結(jié)合更緊密、有實效。
孫誠建議,要鼓勵教育培訓機構(gòu)、行業(yè)、企業(yè)聯(lián)合開發(fā)優(yōu)質(zhì)教育資源,推動高校與行業(yè)企業(yè)課程學分轉(zhuǎn)換互認。“構(gòu)建教育和產(chǎn)業(yè)統(tǒng)籌融合發(fā)展格局,同步規(guī)劃產(chǎn)教融合與經(jīng)濟社會發(fā)展,統(tǒng)籌職業(yè)教育與區(qū)域發(fā)展布局,促進職業(yè)教育融入國家創(chuàng)新體系和新型城鎮(zhèn)化建設(shè),推動學科專業(yè)建設(shè)與產(chǎn)業(yè)轉(zhuǎn)型升級相適應(yīng),健全需求導向的人才培養(yǎng)結(jié)構(gòu)調(diào)整機制”。
Copyright © 職教網(wǎng) All rights reserved 冀ICP備11020808號-11 全國統(tǒng)一熱線電話:400-660-5933
免責聲明:本站只提供交流平臺,所有信息僅代表網(wǎng)友個人觀點,不代表本站立場。如有侵害到您的合法權(quán)益,請您積極向我們投訴。
本站禁止色情、政治、反動等國家法律不允許的內(nèi)容,注意自我保護,謹防上當受騙
