《表2 汽车制造与维修目标专业群的询证与人工方法之对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应然与实然：高职专业群建设的逻辑结构及其询证模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

需要补充说明的是本研究为数据驱动导向，所得结论一方面受数据量影响较大，数据量越大代表性越强，结论越准确；另一方面，也能够体现出真实的社会需求，而这种需求往往是在象牙塔内闭门造车所无法想到的。例如，对高职汽车制造与维修目标专业群而言，本研究数据驱动的自动聚合方案为：“1-汽车制造与装配技术，2-机械制造与自动化，3-电气自动化技术，4-机械设计与制造，5-电子测量技术与仪器”5类核心专业；而北京电子科技职业学院资深教师与行业专家人工共研的方案为：“1-汽车制造与装配技术，2-机电一体化技术，3-汽车检测与维修技术，4-机械制造与自动化”四类核心专业（表2）。可见，“汽车制造与装配技术”和“机械制造与自动化”两类完全相同，而自动方案的“电气自动化技术”和“机械设计与制造”两个专业的内涵则与人工方案“机电一体化技术”较为一致，说明询证方法同样具有较高可靠性。同时，也存在两处重要区别：一是自动方案的“电子自动化技术”比人工方案的“机电一体化技术”更偏重电气工程，在如今汽车电子设备取代机械设备的行业背景下，数据驱动更能体现出时代诉求，因此自动方案的优势更为明显；二是数据驱动的询证方法能够得到更为精细的专业子类，本例中数据挖掘的5类结果比人工给出的4类更为具体和详尽。换言之，这折射出专家经验和人工方法的局限性和滞后性。