一、评价指标体系的构成

大学生综合素质测评指标体系主要包括德育方面、智育方面、体育方面、美育方面以及劳育能力方面等多项内容。指标体系如表1。

表1 高职学生综合素质评价指标体系

二、业务模式

一是建立评价体系。确定评估的内容和标准，涵盖学生的学术表现、学习态度、创新能力、实践经验、社会责任感等综合素质要素。二是数据收集。通过采集收集学生的相关数据和信息，包括学习成绩、比赛活动、社团参与、实习经历等。三是实施评价。通过指标评价体系，以便全面了解学生综合素质。四是五育画像。将评价结果画像形式进行展示。五是评价分析。通过对评估数据的分析，反馈学生的优势和待提升的领域，帮助学生全面发展。六是改进提升。不断进行评估模式的改进和优化，以提高评估的准确性、客观性和有效性。

三、系统功能架构
以校本数据中心为基础，在已有校本数据中心基础上，根据学生综合评价要求，制定实施方案，开展数据治理服务，搭建评价平台为学校智慧教育赋能，进而实现学生“五育”综合评估、学生智能化服务的目标。总体架构如图1所示。

 

图1 系统架构

四、构建知识图谱

根据关键指标数据、校本数据中心、招聘岗位数据及学生综合能力等多维数据融合分析，构建专业、岗位、课程等知识图谱。

五、设计算法模型

一是五育画像模型。五育画像模型提倡综合发展，强调培养学生的多元智能和全面素质，为学生提供全面的教育和发展支持的服务。它强调在智育、德育、体育、美育和劳育五个方面对学生进行全面培养和关注。

二是岗位模型。通过分析发现在求职或招聘行为中求职者与招聘岗位之间一些可匹配的属性，形成入学新生就业岗位推荐算法模型和在校学生就业岗位推荐算法模型，支持对入学新生/在校学生推荐未来就业岗位信息。

三是学习者模型。将学习者的基本信息、认知水平、学习风格和行为数据当作训练特征，构建学习者偏好数据集，将学习者偏好数据集载入到模型中进行训练，最后获得学习者个人偏好模型。

四是学习路径推荐算法。提供学习者路径推荐算法。首先根据学习者的学习行为，定位所学知识点在知识图谱中的位置；接着，设置推荐算法的策略。

五是学生就业推荐算法。基于用户画像，实施就业推荐算法，寻找与用户偏好岗位相似的岗位，并根据与用户兴趣相似的其他用户的就业偏好进行推荐。

 

作者：聂强 李林 刘明  李法平 张博为 刘忠利

来源：2023年度智慧教育优秀案例