论文部分内容阅读
摘要：国务院倡导的高等学校创业创新教育改革，指明了高等教育多元化、精细化的培养目标。本研究首先基于类型一特质理论构建了多元化的学习绩效评价模型，以改变现有标准化学习绩效评价的局限;其次，依据多元评价模型，采集数据以形成发展性评价的教学数据仓库;然后，运用高维数据的可视化聚类处理方法，对数据库进行归类分析，形成学生个体的学习特点及职业性向的倾向性评价;最后，以可视化聚类分析的结果指导差异化教学，以帮助教师发掘出适合大学生个体的专业学习路径和未来的职业规划。本文通过实践案例，验证了可视化教学数据分析方法对于多元学习绩效评价和差异化教学的实际效果。研究表明，本方法对于大学生创业创新能力的提升有着非常积极的意义。
关键词：数据可视化聚类分析;类型一特质评价模型;多元学习绩效评价;差异化教学
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2019）31-0243-05
高等教育对于大学生的培养，一方面注重专业知识的系统化学习，另一方面，也是一个因材施教的过程，需要基于学生的人格特质，拟定多元化的学习和培养目标，并配套相应的评价体系对学习绩效进行评估，以帮助大学生发掘自我职业性向，实践职业规划。教育部倡导的大学生“创新创业”培养模式，明确了专业创新能力和践行多元化职业模式的重要性，而当下各高校对于大学生学习绩效的评估模式，基本是以教学班为单元进行整体评估，评估的模式偏粗放，仅通过班级整体成绩的分布状况来判断教学效果是否“正常”或“合理”。在这一评价体系下，基本难以对学生个体的人格特质及职业性向进行个性化、差异化的考量，更难以践行多元化的专业学习和培养目标。新的高等教育培养目标下，这种“标准化”、“批处理”式的学习绩效衡量方式是远远不够的，大学生需要过程性的、针对自身特质并结合学科和行业特色的专门引导，才能顺利完成职业观的塑造，在多元化的现代职场中找到自己的位置，发掘出自身创新和创业的潜在能量，迈向适合自身人格及潜能特质的职业生涯。
基于动态的、差异化的特质一类型人格性向評估模型，对大学生的学习绩效和职业性向进行评估，需要重点考虑三个因素：特质一类型匹配度，人格的动态发展和职业模式的动态变化。霍兰德的“人格类型理论”及奥尔波特的“特质论”为本文研究提供了心理学的理论支撑。类型论对于人格和学习情境的分类，使得我们能够快速地归纳原本极为复杂的人格特质，进而方便地衡量个人与学习情境的匹配度，为职业规划提供参考。单一类型论的问题在于类型的概括势必导致中间型被忽视，同时将研究注意力引向类型所具备的突出特征上，导致其他非典型特征被忽略而出现对人格固定、片面的评价。解决这一问题的方法之一是加入对人格特质的考量。特质论是近年来心理学领域对人格研究的重要方法之一，与类型论的概括归类不同，它提供了人格所包含的一系列特质要素，将人格理解为多个特质维度的综合体，弥补了类型论可能导致的片面评价的问题。为此，本文建立特质一类型的层次评价模型，对学生的学习绩效进行多元化评估;其次，建立基于时序的教学评价数据仓库，以实现对学习绩效的发展性评价;最后，运用数据分析和挖掘技术，对数据仓库进行可视化聚类分析，以得到多元化的大学生人格特质与职业性向的归类结果，帮助学生完成自我职业定位的认知，为毕业后的长期职业生涯发展打下基础。
1多元化学习绩效评价体系构建
现行的教学绩效评估通常是以教学班为单位进行整体评估，如表1所示，通过成绩的分布情况评估班级整体的学习绩效是否符合预期。通常当离差值处于“合理”范围内，且成绩的整体分布接近正态分布时，认为学习绩效是较为理想的，进而来推断教学策略是否合适。这种学习绩效的评价方式，其背后指导思想是培养目标的标准化，比如学生对于客观专业知识体系的掌握程度。
与标准化评价体系不同，差异化学习绩效评价的指导思想，是用多元评价模式对大学生的人格特质作评估，挖掘个体的潜在的职业性向差异，并以此指导后续的差异化教学。多元化评价及差异化教学将个体的内因一人格特质一视为大学生职业发展的首要内在驱动力，这里的人格特质是基于霍兰德的“人格类型理论”及奥尔波特的“特质论”对个体学习知识并解决问题的不同模式进行归类。如图1所示，传统的人格类型理论将个体解决工作问题的情境归纳为现实型、企业型、研究型、创新型等不同种类，概括了个体人格特质作为内因对职业性向选择的驱动关系。不难看出，我国现行倡导的培养“创业创新”型人才，强调的正是大学生内在职业性向的发掘与多元化引导，而非简单衡量个体对客观专业知识体系的掌握程度。因此，高等教育的培养目标不再是单一的客观专业知识的传授，而是转为对个体的内在职业性向特质进行深度挖掘并加以引导，使其尽快显性化并成长定型。基于这一认知，多元化学习绩效评价及差异化教学体系将逐渐取代标准化学习绩效评价体系成为高等教育未来的变革方向，当然随之而来的教育成本也将有所不同。
基于上述分析，本文在人格类型一特质论基础上对职业性向语境下的人格特质进行了细分，并以此构建了多元化学习绩效评价体系，如图2所示。其中，从未来职业情境的角度将个体的职业素养划分为创新、协作、执行、沟通、逻辑、专业、置信度等多个维度进行评价。与标准化评价体系不同，多元化评价体系不是将各个指标综合为一个单一绩效指标，而是考虑了职业素养的多元分布模式，最终的评价是一种倾向性评价。举例而言，如果个体的7项职业素养指标中，执行效率、沟通能力、协作能力和置信度评估相对较高，则评估职业性向相对趋向于企业型，表明个体将来更适于进入企业团队的职业情境工作;如果创新能力、专业性和沟通能力突出、说明个体的职业性向偏向于创业情境，从事创新创业可能表现出更好的适应性和发展前景;如果是逻辑能力、创新能力和专业能力相对突出，则职业性向更倾向于从事研究型工作，诸如此类。多元化评价体系得出的倾向性推论，可以为后续的差异化教学提供参照。所谓创新创业的“双创”型人才的培养目标，并不是将大学生统一培养为自主创业的企业家，因为这种粗放的方式忽视了个体内部潜在的职业性向差异性。更合理的培养目标应该是从多元化的个体分布中挖掘出潜在的“双创”型人才，并通过后续的差异化教学提供模拟的创业学习情境，推动特定学习经验的积累并促进职业素养的成长，这正是所谓的因材施教。 2学习绩效评价数据仓库设计
上述多元化学习绩效评价体系的实施，需要教学统计数据的支持。传统的教学数据以课程考核成绩为主，单一的数据类型难以反映多元的人格特质类型，为此，本文设计了基于差异化教学的数据仓库，以客观反映大学生个体的专业知识学习情况。需要注意的是，差异化教学不是对客观专业知识体系教学标准的抛弃，而是结合个体的内在特质，在教学中采取相应的职业类型情境模拟，以验证并促进个体职业性向的显性化和成长。为此，本文将专业课教学分为课堂教学和课内实践2个环节。前期的课堂教学采取标准化统一教学模式，以保证个体学习专业知识的客观性和体系的完整性;后期的课内实践环节，则采取差异化培养，根据多元化评估的倾向性结论，对个体采取不同的实训模式，并通过发展性评价不断修正评价结果。
评价数据的来源，主要由理论知识考试成绩、学生自我测评、课内实践环节导师评价、同学评价等部分组成。例如，某门专业课程为2.5学分，总学时为48，其中理论课时为32学时，课内实践环节占16学时。32学时的理论教学采用课堂统一授课，并进行理论知识考试，考试成绩记入教学数据仓库;16课时的课内实践环节采取差异化教学，实践形式包括小组合作项目设计、个人独立创作、seminar学术讨论小组等形式，学生自行选择相应模式展开实践，老师以观察者身份参与指导，过程中记录自我评价、同学评价和导师评价并输入教学数据仓库，如表2所示。综合多种来源的评价数据以保证评价结果的客观性。对于评价数据的处理，本文采用了可视化聚类的分析方法，可以快速地形成职业性向的倾向性结论。
3教学数据的可视化聚类分析
多元评价体系的数据为多属性高维数据，在数据分析时不能采用单一的加权综合的方法进行处理㈣。本文采用了SOM聚类分析对高维数据进行处理，这样可以挖掘出复杂数据背后隐藏的分布模式，而数据可视化技术的运用，则为教师提供了可视交互分析的途径，能根据特定的筛选条件展开数据分析处理。
高维数据的可视化，常用的有散点图矩阵和平行坐标系等布局形式。本文采用了平行坐标系的布局，其优点在于支持用户进行多种交互式数据分析。平行坐标系的维度重排，通过对坐标轴的排列顺序进行调整，可以在一定程度上减少数据线杂乱的视觉干扰。经过测试，发现以离群数据点数量作为维度重排的依据，对改善视图绘制效果有着明显作用，如图3所示。首先对5个维度的数据进行两两属性的散点图绘制，得到图3a的散点图矩阵。可以看出，同样的一组数据，不同的2种维度组合绘制出的散点图，其离群点的数量是有差异的。根据维度排列的顺序对各散点图的离群点统计值总和进行比对，图3b为离群点统计值最大时的维度排序，图3c为离群点统计值最小时的维度排序。对比可知，按照散点图矩阵离群值最少进行维度排序，平行坐标系数据线的排列相对规整，视觉杂乱的情况有明显改善。
除了维度重排，平行坐标系还支持通过刷选对数据进行过滤分析，如图4所示。教师可以自定义数据过滤的组合条件，比如要过滤出教学数据评价倾向于创新创业职业性向的学生，可以依次刷选“创新能力”“专业知识”和“沟通能力”维度上评估值较高的区间，则逐步过滤出所需的学生数据，其余不满足组合条件的数据则以灰色后退至背景层显示。
为了进一步提升可视化数据分析的效率和显示效果，本文还设计了基于分段式骨骼的聚类绑定绘制算法，如图5所示。图5a为数据仓库中原始教学评价数据绘制的视图，可以看到，未经归类的数据线杂乱地交织在一起，难以识别各数据职业性向的倾向性。图5b为分段式骨骼绑定的聚类数据，其绘制原理是首先以SOM聚类对数据进行分析，自动归类出特定的几种职业性向类型;然后以聚类的簇为单位，对簇内的数据线进行绑定，绑定的算法为力导向的分段式骨骼绑定;这种绑定方法通过对相邻坐标轴之间的数据线施加模拟的引力和斥力场，使簇内数据线向聚类中心值聚拢，同时各个簇之间相互排斥以增加簇间距离，从而产生如图所示的绘制效果。通过聚类绑定绘制，教师可以直观地识别教学评价数据所表现出的各种职业性向类别，进而为差异化教学提供参照，大大提升了教学数据分析的效率和效果。
4实证案例研究
本文的实践案例基于艺术设计学科的专业教学展开，其学科门类为艺术类中的艺术设计学。结合艺术设计学科的专业特点，从以下方面展开多元评价及差异化培养的教学设计：1）基于行业现状进行差异化职业发展的路径规划;2）基于人格类型理论，结合特质一因素理论，构建多元化的教学绩效评价体系;3）由专业课教师负责，基于多元化职业意识评价，在课内实践环节实施差异化学习;4）记录教学全程的评价数据，形成发展性评价数据仓库。5）通过对数据仓库的可视化分析，引导多元化的职业意识教学的动态优化，形成相对稳定的差异化职业价值观。
案例研究中将学生分为实验组和对照组。实验组：在专业课教学的课内实践环节对学生进行差异化教学，并进行连续跟踪评价;对照组：专业课实施统一课堂教学。两组同时对学生毕业后2年的从业状况进行跟踪评价，数据见表3。
从统计数据可以看出，实验组和对照组中毕业生的从业主要形式均为人职行业相关的企业，毕业2年后统计企业就职人数的变化率分别为3.5%和4.8%，差别并不明显。需要注意的是，2年后实验组中在企业从本专业的毕业生占比为70.2%，明显高于对照组的46%。毕业2年中选择自主创业的学生占比，实验组为17.5%-15.8%，对照组在毕业第一年为20.6%，第二年大幅降至6.3%，明显低于实验组。两组中毕业后继续读研深造的毕业生的占比相对接近。毕业后转行从事其他行业的毕业生占比，实验组为7%-5.3%，变化率为1.7%，对照组中第一年为23.8%，第二年上升至42.9%，变化率达到了19.1%。最后，综合考量2年后毕业生从业状态的变化率，实验组为6.9%，对照组明显较高，达到38.2%。
通过分析上述数据，有如下推断：1）实验组毕业生的从业状态变化率明显低于对照组，表明学生毕业后更快地找准了适合自身的职业定位并稳定下来，而对照组的毕业生毕业后则经历了一段时间的职业定位探索期和调整期。2）对照组的学生有不少人毕业时选择了自主创业，但随后又改变选择，进入企业供职;实验组中的选择自主创业的毕业生占比则相对更高，并表现出了更好的适应性，能较好地渡过初创期的高压阶段。3）实验组的毕业生对本专业表现出更高的认同感，毕业后选择从事行业相关的工作。
5总结
通过上述分析可知，基于个人人格特质的多元化教学评价和差异化教学体系，有利于教学过程中对个体潜质差异的评估，践行因材施教、培养创业创新型人才的教育理念;以此为指导思想构建的教学数据仓库，有助于将职业性向等内在的隐形因素显性化并做量化考量;而可视化聚类数据分析手段的运用，则帮助教师快速高效地完成学生特质类型的归类分析，更好地发挥了教学数据的实际指导作用。需要注意的是，实践差异化教学可以从专业课程的课内实践环节人手，课堂理论教学环节不宜采用差异化教学，否则会影响专业理论知识传播的系统性和客观性。此外，多元化教学绩效的评价，应该是一个发展性评价过程，基于时序的持续测评，才能真正为大学生提供自我调整的借鉴价值。本文的研究，主要是基于艺术类学科及行业的特征展开，差异化职业观培养所采取的教学形式（如個人工作室，基于项目的课题小组），不见得完全适用于其他各类学科的教学，在未来的研究中，需要不断结合新的学科特点，进行调整和完善。
关键词：数据可视化聚类分析;类型一特质评价模型;多元学习绩效评价;差异化教学
中图分类号：G642 文献标识码：A
文章编号：1009-3044（2019）31-0243-05
高等教育对于大学生的培养，一方面注重专业知识的系统化学习，另一方面，也是一个因材施教的过程，需要基于学生的人格特质，拟定多元化的学习和培养目标，并配套相应的评价体系对学习绩效进行评估，以帮助大学生发掘自我职业性向，实践职业规划。教育部倡导的大学生“创新创业”培养模式，明确了专业创新能力和践行多元化职业模式的重要性，而当下各高校对于大学生学习绩效的评估模式，基本是以教学班为单元进行整体评估，评估的模式偏粗放，仅通过班级整体成绩的分布状况来判断教学效果是否“正常”或“合理”。在这一评价体系下，基本难以对学生个体的人格特质及职业性向进行个性化、差异化的考量，更难以践行多元化的专业学习和培养目标。新的高等教育培养目标下，这种“标准化”、“批处理”式的学习绩效衡量方式是远远不够的，大学生需要过程性的、针对自身特质并结合学科和行业特色的专门引导，才能顺利完成职业观的塑造，在多元化的现代职场中找到自己的位置，发掘出自身创新和创业的潜在能量，迈向适合自身人格及潜能特质的职业生涯。
基于动态的、差异化的特质一类型人格性向評估模型，对大学生的学习绩效和职业性向进行评估，需要重点考虑三个因素：特质一类型匹配度，人格的动态发展和职业模式的动态变化。霍兰德的“人格类型理论”及奥尔波特的“特质论”为本文研究提供了心理学的理论支撑。类型论对于人格和学习情境的分类，使得我们能够快速地归纳原本极为复杂的人格特质，进而方便地衡量个人与学习情境的匹配度，为职业规划提供参考。单一类型论的问题在于类型的概括势必导致中间型被忽视，同时将研究注意力引向类型所具备的突出特征上，导致其他非典型特征被忽略而出现对人格固定、片面的评价。解决这一问题的方法之一是加入对人格特质的考量。特质论是近年来心理学领域对人格研究的重要方法之一，与类型论的概括归类不同，它提供了人格所包含的一系列特质要素，将人格理解为多个特质维度的综合体，弥补了类型论可能导致的片面评价的问题。为此，本文建立特质一类型的层次评价模型，对学生的学习绩效进行多元化评估;其次，建立基于时序的教学评价数据仓库，以实现对学习绩效的发展性评价;最后，运用数据分析和挖掘技术，对数据仓库进行可视化聚类分析，以得到多元化的大学生人格特质与职业性向的归类结果，帮助学生完成自我职业定位的认知，为毕业后的长期职业生涯发展打下基础。
1多元化学习绩效评价体系构建
现行的教学绩效评估通常是以教学班为单位进行整体评估，如表1所示，通过成绩的分布情况评估班级整体的学习绩效是否符合预期。通常当离差值处于“合理”范围内，且成绩的整体分布接近正态分布时，认为学习绩效是较为理想的，进而来推断教学策略是否合适。这种学习绩效的评价方式，其背后指导思想是培养目标的标准化，比如学生对于客观专业知识体系的掌握程度。
与标准化评价体系不同，差异化学习绩效评价的指导思想，是用多元评价模式对大学生的人格特质作评估，挖掘个体的潜在的职业性向差异，并以此指导后续的差异化教学。多元化评价及差异化教学将个体的内因一人格特质一视为大学生职业发展的首要内在驱动力，这里的人格特质是基于霍兰德的“人格类型理论”及奥尔波特的“特质论”对个体学习知识并解决问题的不同模式进行归类。如图1所示，传统的人格类型理论将个体解决工作问题的情境归纳为现实型、企业型、研究型、创新型等不同种类，概括了个体人格特质作为内因对职业性向选择的驱动关系。不难看出，我国现行倡导的培养“创业创新”型人才，强调的正是大学生内在职业性向的发掘与多元化引导，而非简单衡量个体对客观专业知识体系的掌握程度。因此，高等教育的培养目标不再是单一的客观专业知识的传授，而是转为对个体的内在职业性向特质进行深度挖掘并加以引导，使其尽快显性化并成长定型。基于这一认知，多元化学习绩效评价及差异化教学体系将逐渐取代标准化学习绩效评价体系成为高等教育未来的变革方向，当然随之而来的教育成本也将有所不同。
基于上述分析，本文在人格类型一特质论基础上对职业性向语境下的人格特质进行了细分，并以此构建了多元化学习绩效评价体系，如图2所示。其中，从未来职业情境的角度将个体的职业素养划分为创新、协作、执行、沟通、逻辑、专业、置信度等多个维度进行评价。与标准化评价体系不同，多元化评价体系不是将各个指标综合为一个单一绩效指标，而是考虑了职业素养的多元分布模式，最终的评价是一种倾向性评价。举例而言，如果个体的7项职业素养指标中，执行效率、沟通能力、协作能力和置信度评估相对较高，则评估职业性向相对趋向于企业型，表明个体将来更适于进入企业团队的职业情境工作;如果创新能力、专业性和沟通能力突出、说明个体的职业性向偏向于创业情境，从事创新创业可能表现出更好的适应性和发展前景;如果是逻辑能力、创新能力和专业能力相对突出，则职业性向更倾向于从事研究型工作，诸如此类。多元化评价体系得出的倾向性推论，可以为后续的差异化教学提供参照。所谓创新创业的“双创”型人才的培养目标，并不是将大学生统一培养为自主创业的企业家，因为这种粗放的方式忽视了个体内部潜在的职业性向差异性。更合理的培养目标应该是从多元化的个体分布中挖掘出潜在的“双创”型人才，并通过后续的差异化教学提供模拟的创业学习情境，推动特定学习经验的积累并促进职业素养的成长，这正是所谓的因材施教。 2学习绩效评价数据仓库设计
上述多元化学习绩效评价体系的实施，需要教学统计数据的支持。传统的教学数据以课程考核成绩为主，单一的数据类型难以反映多元的人格特质类型，为此，本文设计了基于差异化教学的数据仓库，以客观反映大学生个体的专业知识学习情况。需要注意的是，差异化教学不是对客观专业知识体系教学标准的抛弃，而是结合个体的内在特质，在教学中采取相应的职业类型情境模拟，以验证并促进个体职业性向的显性化和成长。为此，本文将专业课教学分为课堂教学和课内实践2个环节。前期的课堂教学采取标准化统一教学模式，以保证个体学习专业知识的客观性和体系的完整性;后期的课内实践环节，则采取差异化培养，根据多元化评估的倾向性结论，对个体采取不同的实训模式，并通过发展性评价不断修正评价结果。
评价数据的来源，主要由理论知识考试成绩、学生自我测评、课内实践环节导师评价、同学评价等部分组成。例如，某门专业课程为2.5学分，总学时为48，其中理论课时为32学时，课内实践环节占16学时。32学时的理论教学采用课堂统一授课，并进行理论知识考试，考试成绩记入教学数据仓库;16课时的课内实践环节采取差异化教学，实践形式包括小组合作项目设计、个人独立创作、seminar学术讨论小组等形式，学生自行选择相应模式展开实践，老师以观察者身份参与指导，过程中记录自我评价、同学评价和导师评价并输入教学数据仓库，如表2所示。综合多种来源的评价数据以保证评价结果的客观性。对于评价数据的处理，本文采用了可视化聚类的分析方法，可以快速地形成职业性向的倾向性结论。
3教学数据的可视化聚类分析
多元评价体系的数据为多属性高维数据，在数据分析时不能采用单一的加权综合的方法进行处理㈣。本文采用了SOM聚类分析对高维数据进行处理，这样可以挖掘出复杂数据背后隐藏的分布模式，而数据可视化技术的运用，则为教师提供了可视交互分析的途径，能根据特定的筛选条件展开数据分析处理。
高维数据的可视化，常用的有散点图矩阵和平行坐标系等布局形式。本文采用了平行坐标系的布局，其优点在于支持用户进行多种交互式数据分析。平行坐标系的维度重排，通过对坐标轴的排列顺序进行调整，可以在一定程度上减少数据线杂乱的视觉干扰。经过测试，发现以离群数据点数量作为维度重排的依据，对改善视图绘制效果有着明显作用，如图3所示。首先对5个维度的数据进行两两属性的散点图绘制，得到图3a的散点图矩阵。可以看出，同样的一组数据，不同的2种维度组合绘制出的散点图，其离群点的数量是有差异的。根据维度排列的顺序对各散点图的离群点统计值总和进行比对，图3b为离群点统计值最大时的维度排序，图3c为离群点统计值最小时的维度排序。对比可知，按照散点图矩阵离群值最少进行维度排序，平行坐标系数据线的排列相对规整，视觉杂乱的情况有明显改善。
除了维度重排，平行坐标系还支持通过刷选对数据进行过滤分析，如图4所示。教师可以自定义数据过滤的组合条件，比如要过滤出教学数据评价倾向于创新创业职业性向的学生，可以依次刷选“创新能力”“专业知识”和“沟通能力”维度上评估值较高的区间，则逐步过滤出所需的学生数据，其余不满足组合条件的数据则以灰色后退至背景层显示。
为了进一步提升可视化数据分析的效率和显示效果，本文还设计了基于分段式骨骼的聚类绑定绘制算法，如图5所示。图5a为数据仓库中原始教学评价数据绘制的视图，可以看到，未经归类的数据线杂乱地交织在一起，难以识别各数据职业性向的倾向性。图5b为分段式骨骼绑定的聚类数据，其绘制原理是首先以SOM聚类对数据进行分析，自动归类出特定的几种职业性向类型;然后以聚类的簇为单位，对簇内的数据线进行绑定，绑定的算法为力导向的分段式骨骼绑定;这种绑定方法通过对相邻坐标轴之间的数据线施加模拟的引力和斥力场，使簇内数据线向聚类中心值聚拢，同时各个簇之间相互排斥以增加簇间距离，从而产生如图所示的绘制效果。通过聚类绑定绘制，教师可以直观地识别教学评价数据所表现出的各种职业性向类别，进而为差异化教学提供参照，大大提升了教学数据分析的效率和效果。
4实证案例研究
本文的实践案例基于艺术设计学科的专业教学展开，其学科门类为艺术类中的艺术设计学。结合艺术设计学科的专业特点，从以下方面展开多元评价及差异化培养的教学设计：1）基于行业现状进行差异化职业发展的路径规划;2）基于人格类型理论，结合特质一因素理论，构建多元化的教学绩效评价体系;3）由专业课教师负责，基于多元化职业意识评价，在课内实践环节实施差异化学习;4）记录教学全程的评价数据，形成发展性评价数据仓库。5）通过对数据仓库的可视化分析，引导多元化的职业意识教学的动态优化，形成相对稳定的差异化职业价值观。
案例研究中将学生分为实验组和对照组。实验组：在专业课教学的课内实践环节对学生进行差异化教学，并进行连续跟踪评价;对照组：专业课实施统一课堂教学。两组同时对学生毕业后2年的从业状况进行跟踪评价，数据见表3。
从统计数据可以看出，实验组和对照组中毕业生的从业主要形式均为人职行业相关的企业，毕业2年后统计企业就职人数的变化率分别为3.5%和4.8%，差别并不明显。需要注意的是，2年后实验组中在企业从本专业的毕业生占比为70.2%，明显高于对照组的46%。毕业2年中选择自主创业的学生占比，实验组为17.5%-15.8%，对照组在毕业第一年为20.6%，第二年大幅降至6.3%，明显低于实验组。两组中毕业后继续读研深造的毕业生的占比相对接近。毕业后转行从事其他行业的毕业生占比，实验组为7%-5.3%，变化率为1.7%，对照组中第一年为23.8%，第二年上升至42.9%，变化率达到了19.1%。最后，综合考量2年后毕业生从业状态的变化率，实验组为6.9%，对照组明显较高，达到38.2%。
通过分析上述数据，有如下推断：1）实验组毕业生的从业状态变化率明显低于对照组，表明学生毕业后更快地找准了适合自身的职业定位并稳定下来，而对照组的毕业生毕业后则经历了一段时间的职业定位探索期和调整期。2）对照组的学生有不少人毕业时选择了自主创业，但随后又改变选择，进入企业供职;实验组中的选择自主创业的毕业生占比则相对更高，并表现出了更好的适应性，能较好地渡过初创期的高压阶段。3）实验组的毕业生对本专业表现出更高的认同感，毕业后选择从事行业相关的工作。
5总结
通过上述分析可知，基于个人人格特质的多元化教学评价和差异化教学体系，有利于教学过程中对个体潜质差异的评估，践行因材施教、培养创业创新型人才的教育理念;以此为指导思想构建的教学数据仓库，有助于将职业性向等内在的隐形因素显性化并做量化考量;而可视化聚类数据分析手段的运用，则帮助教师快速高效地完成学生特质类型的归类分析，更好地发挥了教学数据的实际指导作用。需要注意的是，实践差异化教学可以从专业课程的课内实践环节人手，课堂理论教学环节不宜采用差异化教学，否则会影响专业理论知识传播的系统性和客观性。此外，多元化教学绩效的评价，应该是一个发展性评价过程，基于时序的持续测评，才能真正为大学生提供自我调整的借鉴价值。本文的研究，主要是基于艺术类学科及行业的特征展开，差异化职业观培养所采取的教学形式（如個人工作室，基于项目的课题小组），不见得完全适用于其他各类学科的教学，在未来的研究中，需要不断结合新的学科特点，进行调整和完善。