工業(yè)機器人數據思維項目式教學動態(tài)調整策略

［摘 要］ 數據分析技術的發(fā)展極大地推動了職業(yè)教育研究的發(fā)展。針對工業(yè)機器人專業(yè)培養(yǎng)的人才工作內容不僅限于專業(yè)技術本身，還需要結合行業(yè)產業(yè)發(fā)展和細分領域，做好人才精準定位等問題，對工業(yè)機器人碼垛項目式教學任務實例進行知識技能拆分和教學流程重組，運用數據思維挖掘影響學生學習的隱性能力因子，將其嵌入項目任務教學設置的數據采集內容和流程節(jié)點中。采用AHP層次分析方法分析隱性能力因子相對權重，闡述數據思維在項目式任務教學動態(tài)調整及人才培養(yǎng)策略中的作用。

［關鍵詞］ 數據思維；工業(yè)機器人；教學策略調整

［基金項目］ 2022年度廈門市教育科學“‘十四五’規(guī)劃”課題“中職創(chuàng)客產品制造實訓課堂增值效應研究”（22102）

［作者簡介］ 席鑫寧（1984—），女，山西蒲縣人，碩士，集美工業(yè)學校先進制造產業(yè)系高級講師，主要從事工業(yè)機器人技術職業(yè)教育研究。

［中圖分類號］ G642.0 ［文獻標識碼］ A ［文章編號］ 1674-9324（2025）-07-0057-04 ［收稿日期］ 2024-01-27

引言

新時代工業(yè)生產方式的變化為教學改革提出了新要求，提供了新手段。作為職業(yè)教育的新興專業(yè)且是重點發(fā)展領域之一的工業(yè)機器人，其教學改革需求源于崗位能力需求的變革。企業(yè)對人才的選擇不再局限于知識技能本身，而是包含信息整合、語言表達、應變能力等綜合職業(yè)素養(yǎng)。這種變革源自企業(yè)本身數字化智能化生產改制的過程中對企業(yè)員工的生產思維的同化。工業(yè)4.0的生產方式產生大量的數據流、信息流，工業(yè)互聯網匯聚的大數據對企業(yè)的生產監(jiān)控、決策起了關鍵作用。大數據時代，人才能力結構需要被重新定義，工業(yè)機器人專業(yè)教學模式也需要重新審視。

一、數據時代工業(yè)機器人職業(yè)教育改革動向

職業(yè)院校工業(yè)機器人專業(yè)課程體系經過近幾年發(fā)展已日趨完善。職業(yè)院校工業(yè)機器人專業(yè)課程體系在人才培養(yǎng)模式上增加了產教融合、現代學徒制等提高校企技能融合度的項目。在課程資源的建設中增加了信息化課程、一體化課程等旨在提高專業(yè)教學水平的內容。部分院校引進了校中廠建設、雙元制教育等新型人才培養(yǎng)模式。職業(yè)院校百花齊放的教學模式為職教改革注入了新的動力，然而，工業(yè)機器人專業(yè)教學改革仍然需要不斷探索。

（一）對課程項目式教學案例進行重組

工業(yè)機器人專業(yè)新知識新技能在課程體系中的設置離散化，無法完成由“知識人”到“創(chuàng)新人”“智慧人”的轉變［1］。例如，學生完成了“電氣控制”“機器人編程操作”“計算機三維建?！钡日n程的學習，卻不熟悉課程的系統(tǒng)應用。工業(yè)機器人專業(yè)包含常規(guī)機械、電氣通用技術，是面向現代智能裝備制造業(yè)的復合新興專業(yè)的典型代表，但其在新理念、新技術、新工藝的校內引入方面缺乏具有特色成效的方法和技巧。針對此現狀，對課程的重組、項目的編排和課程資源的建設思路和方案提出了更高的要求［2］。

（二）用數據思維開展個性化培養(yǎng)

工業(yè)機器人的行業(yè)應用如搬運、碼垛、焊接、拋光、分揀等需要掌握的行業(yè)知識各不相同。不同企業(yè)生產對象不同，生產方法、工具和內容也不同。若校內培養(yǎng)還按照標準化大規(guī)模培養(yǎng)是無法做到對接各類產業(yè)的。個性化培養(yǎng)如何進行，除了企業(yè)需求因素外，學生個人知識能力結構和特長的不同也將決定其適合不同的崗位類型。職業(yè)學校的學生各具特色，有的學生邏輯思維能力較好，有些學生動手實踐能力優(yōu)秀，有些學生語言表達能力較好。個性化培養(yǎng)需要了解學生各方面的數據，學校因材施教的理念目前只能根據教師主觀經驗。要確立更精準的培養(yǎng)定位，可以發(fā)揮數據分析的功用。

二、數據思維的項目式教學實踐案例分析

本文選取典型應用《工業(yè)機器人碼垛》項目進行改革實踐。項目根據企業(yè)工作場景設置工作目標，實現定制化碼垛。項目包括八項內容：機械裝配、電氣連接、虛擬仿真、夾具測繪、PLC編程、工業(yè)機器人操作與編程、工控組態(tài)、綜合調試。八項內容分別在目前教學課程體系下有對應的課程，以及相應的知識技能素養(yǎng)目標，教學任務的實施建立在相關科目已經完成的基礎之上。

學生完成項目應學習的課程，掌握分科目知識、技能及職業(yè)素養(yǎng)。然而，這些對于綜合職業(yè)素養(yǎng)的培養(yǎng)還不系統(tǒng)。我們無法了解學生的主觀因素對完成效果的影響，無法了解學生參與該任務對他的潛力發(fā)展提供多大的幫助，無法了解學生在該項目中更適合他的角色是什么，也無法根據他的完成情況對他的學習內容和方法提供建議?？傊?，如果做不到對學生的全面了解，全方位的定制化培養(yǎng)就有可能止步于此。對此，有必要尋找教學案例的重組策略和有效的數據挖掘方法，對項目式教學設計進行動態(tài)調整和優(yōu)化，以達到新時代職業(yè)教育對學生的培養(yǎng)目標。

（一）挖掘影響職業(yè)院校學生成長的隱性能力因子

根據項目任務學科知識和技能，挖掘該工作任務中對學生學習過程和效果產生影響的隱性數據類型。在確立隱性數據類型時，指標選取要能夠實現量化評估，要具有針對性和適用性。可遵循如下流程：（1）對要素進行分類整合，將要素分為方法能力、學習意識、團隊協(xié)作、心理因素四個方面，再分解為不同要素內容。（2）構建一級要素和二級要素后，選擇教育管理人員、教育研究專家及一線教師等成立專家隊伍，對各個指標進行初步篩選，構建指標體系。（3）在教學活動中圍繞實踐項目對指標進行評價，對實踐前后各個能力數據要素的有效程度進行優(yōu)化，得出最為合理的指標體系。對數據類型的整理歸納，得出能力評價指標體系如表1所示。

（二）隱性能力因子融入項目式任務及對動態(tài)調整的作用

根據表1，重構工業(yè)機器人碼垛項目式教學案例，設計教學環(huán)節(jié)，將隱性能力因子融入知識和技能學習過程評價，工業(yè)機器人碼垛項目的階段檢測節(jié)點可參考圖1。在教學流程中設置合理的監(jiān)測節(jié)點，全程跟蹤學生子任務的學習過程和完成效果，使用恰當的測評手段記錄學生在該因子作用下的課堂表現。在任務流程各檢測節(jié)點進行學習評價，并根據學習個體的實際情況動態(tài)調整教學輔導內容和方法，針對其薄弱點提供學習建議，提高該檢測點能力的培養(yǎng)。在項目結束后動態(tài)觀測出學生在學習過程中各個能力模塊的進步狀態(tài)，給出總體評價。經過幾輪不同學生的課程實施樣本，得出學生在該項目任務中的整體知識能力結構，從而對教學結構設置提供建議。

各項隱性能力因子對完成項目任務的學習效果起促進作用，可以通過數據監(jiān)測來發(fā)現哪一項因子阻礙了學生在任務中的參與度和完成度，并對該能力因子引起的學習效果提供改進措施。例如，若發(fā)現該學生閱讀任務書有困難，則可能需要增強文字閱讀理解能力、邏輯思維能力，可以推薦學生選修提高閱讀能力的選修課增加學分。若夾具零件圖完成效果欠佳，則推薦補修三維建模課程。若發(fā)現該生學習挫敗感較強，則動態(tài)調整任務完成難度，并對學生的心理進行輔導，以增加學生學習的愉悅程度，也會增加其學習動力等。課程結構和進程的設置，加上合理利用數據的記錄便于發(fā)現學生的特質和潛質，為項目式任務教學提供動態(tài)調整的依據，為特長定制化培養(yǎng)提供基本數據支撐。

（三）隱性能力因子與學科對應技能緊密程度分析

隱性能力因子的合理選取在項目式教學任務的動態(tài)調整中發(fā)揮關鍵作用。本文選取工業(yè)機器人碼垛項目的“工業(yè)機器人編程”檢測節(jié)點進行樣例分析，通過AHP層次分析法得出各隱性因子對該任務分項內容學習效果的權重，讓教師在進行學生數據監(jiān)測和評價中利用該方法合理選取隱性能力因子［3］。在實踐研究過程中，選擇行業(yè)專家15名、專業(yè)教師30名、教學對象120名展開問卷調查，了解分項隱性能力因子與學科知識的緊密程度，得出AHP層次分析判斷矩陣。該分析結果的一致性檢驗CR值＜0.1，構建的判斷矩陣通過了一致性檢驗。

首先，對調查數據進行AHP層次分析計算，發(fā)現“方法能力”中邏輯思維對機器人碼垛任務編程效果影響最大，為0.179 9，需要學生將碼垛動作要求轉化為邏輯嚴謹的編程語言。其次是數值計算0.164 5，需要將不同的碼垛方式、數量與機器人語言中的數據結構結合，計算碼垛位置等。再次是知識遷移0.138 6，當碼垛的垛型、尺寸、數量、物料類型發(fā)生變化時，能根據實際靈活改變程序數據和結構，關注動作和協(xié)調等。其他因子根據關系緊密程度分析，依次分別是：圖形分析0.133 5（碼垛位置、垛型、尺寸分析）、閱讀理解0.115 8（碼垛任務的描述）、肢體動作0.108 4（工業(yè)機器人操作位置點示教準確性和靈活性）、信息整合0.087 8（碼垛與周邊信息的整合分析）、語言表達0.071 5（任務過程溝通）。分析得出語言表達和信息整合這一能力分項的關聯程度最低，大部分碼垛任務和周邊設備的信息交互相對較少，對大量信息的搜集整理分析能力的要求相對較低。

同理，對其他三個能力類型用相同方法分析得出：學習意識中最相關的是嚴謹條理的習慣，其余依次是探究鉆研意識和批判質疑意識。因為碼垛任務大都標準規(guī)范化，除非特殊產品碼垛需要根據產品特質探究具體細節(jié)操作方式。心理因素中感知愉悅對任務完成效果的正向作用最大，接著是個體能力層次同任務難度的匹配程度、挫折感對學習效果的影響與學習動機和信念。究其原因是測試對象中職生年齡較小，對知識的渴求仍是簡單的個人意愿，任務難度與能力匹配度越高，完成任務的愉悅感的正向促進作用越強，應對挫敗感的能力欠佳，學習動機不明顯。最后，團隊協(xié)作分項在所有能力中同工業(yè)機器人編程操作的關系緊密程度最低。

根據多輪教學實踐得到的數據記錄及分析，指導教師在工業(yè)機器人項目任務的重點、難點設置，隱性能力因子選擇以及教學評價策略設置，甚至對課程體系建設中項目任務層次結構進行合理調整。

三、數據思維在職業(yè)教育中的應用分析

促進數據思維的教育應用是教育價值觀念的大轉變。教學經驗歷來依靠經驗和知識傳承，然而，如今的教育科學研究更注重數據說話的行為科學。大數據時代的教師需要改變觀念，不僅要懂學科知識、懂教法，還要懂學生，緊跟思維變革。

（一）掌握教育數據分析關鍵技術

工業(yè)機器人職業(yè)教育改革實踐應該在充分掌握數據分析技術的基礎上進行。通過近年來信息化教學管理建設，各職業(yè)院校都有自己的教學管理系統(tǒng)，記錄課堂產生的學生學習過程、教學評價等數據。應對數據進行歸類和整理，賦予數據所屬的能力目標歸屬，搜集與專業(yè)培養(yǎng)目標相關的所有數據，從學生行為的微觀記錄，上升到專業(yè)發(fā)展的宏觀洞察。原始教育大數據只是基礎，只有對采集到的海量教育數據進行數據挖掘，構建學習分析模型，分析教育變量的關系，賦予數據實際意義，形成信息、知識，最終成為教育智慧，進而指導教學決策［4-5］。

（二）教師數據素養(yǎng)養(yǎng)成

教師對自己教學實踐接觸到的相關數據及其異動要具有敏銳的嗅覺，對教與學的相關過程和行為等從數據的角度進行理解、感受和評價［6］，具備數據意識。在日常教學活動中使用必要的工具，搜集多元數據，常規(guī)形成性評價、實踐感知的總結性評價。多樣化的過程數據既能記錄學生的學習行為、掌握程度，又能評估學生的學習投入度、思維品質提升情況、心理發(fā)展過程，甚至能預測潛能和發(fā)展。這些需要教師能夠重視數據的價值，將數據同培養(yǎng)目標對應。教師要掌握采集、組織、優(yōu)化、分析、解讀數據的方法能力，且會利用數值分析方法，數據可視化工具，分析數據產生的模型、圖表等，識別數據的可信度、有效性、相關性，會解釋數據。合理利用數據思維感知學生能力發(fā)展的隱性能力因子，幫助學生增強職業(yè)技能。

四、總結

數據思維指導下的項目式任務教學動態(tài)策略調整對教師提出了要求，一是根據能力結構量表合理設置體現檢測點能力要求的項目任務內容，根據數據思維分析學生隱性能力類型，設置合理量化評估點，讓檢測量表具有可行性；二是教師在教學實施過程中要具備動態(tài)監(jiān)控學生能力檢測量表的數據意識和能力，做出正確的教學決策。

數據思維測評方式的教學實踐，可以調整工業(yè)機器人專業(yè)設置課程結構和教學措施，根據學生隱性能力因子建立相應的選修課、網絡課或創(chuàng)新能力培養(yǎng)課。若通過大樣本的整體分析，發(fā)現大部分學生的某個能力因素普遍較低，則人才培養(yǎng)策略應針對整體情況調整學時學分數量和質量。通過項目式教學任務數據測評，動態(tài)調整教學過程、內容和策略，有助于學生職業(yè)技能的個性化培養(yǎng)，適應現代行業(yè)發(fā)展需求。

參考文獻

［1］周洪宇，易凌云.大數據時代教師教育的變革［J］.教育研究與實驗，2017（1）：7-12.

［2］蔣正炎，檀祝平.高職工業(yè)機器人技術專業(yè)課程教學資源開發(fā)路徑研究［J］.中國職業(yè)技術教育，2018（11）：47-52.

［3］許芳杰.數據智慧：大數據時代教師專業(yè)發(fā)展新路向［J］.中國電化教育，2016（10）：18-23.

［4］ 徐澤水.基于期望值的模糊多屬性決策法及其應用［J］.系統(tǒng)工程理論與實踐，2004（1）：109-113，119.

［5］ 胡水星.大數據及其關鍵技術的教育應用實證分析［J］.遠程教育雜志，2015（5）：46-53.

［6］張進良，李保臻.大數據背景下教師數據素養(yǎng)的內涵、價值與發(fā)展路徑［J］.電化教育研究，2015（7）：14-19.

Dynamic Adjustment Strategy of Industrial Robotics Project-Based Teaching Guided by Data Thinking

XI Xin-ning， ZENG Zhi-bin

（Advanced Manufacturing Industry Department， Jimei Industrial College， Xiamen， Fujian

361022， China）

Abstract： The development of data analysis technology has greatly promoted the vocational education research. In view of the fact that work content of the industrial robotics students is not limited to technology itself， which also needs to combine industry segmented fields development and accurately locate students’ capacity， this paper splits the knowledge and reorganizes the teaching process of the industrial robot palletizing project-based teaching， develops implicit ability factors by using data thinking， and implants the factors into the data collection content and process nodes that affect students’ learning. The AHP analytic hierarchy process is used to analyze the relative weights of implicit ability factors， and the role of data thinking in the dynamic adjustment and training of project-based teaching is expounded.

Key words： data thinking; industrial robotics; strategy adjustment of teaching