張紅偉 許萍 邢丹 郭瑩 陳玲

(1濟(jì)寧醫(yī)學(xué)院圖書館,濟(jì)寧 272067;2濟(jì)寧醫(yī)學(xué)院醫(yī)學(xué)信息工程學(xué)院,日照 276826)

創(chuàng)新人才是國(guó)家自主發(fā)展的根本資源,是人才培養(yǎng)的長(zhǎng)期戰(zhàn)略目標(biāo)。培養(yǎng)創(chuàng)新人才是高等學(xué)校的根本任務(wù),提升大學(xué)生創(chuàng)新素養(yǎng)成為高等學(xué)校的重要課題。要大力培養(yǎng)高精尖急缺人才,需建立高層次復(fù)合型人才培養(yǎng)新機(jī)制,將創(chuàng)新創(chuàng)業(yè)能力和實(shí)踐能力培養(yǎng)融入課程體系。醫(yī)學(xué)教育是國(guó)家衛(wèi)生與健康事業(yè)的基石,在醫(yī)學(xué)教育需求與國(guó)家政策的驅(qū)動(dòng)下,如何提升醫(yī)學(xué)生創(chuàng)新素養(yǎng)逐漸成為醫(yī)學(xué)教育領(lǐng)域的研究熱點(diǎn)。以教育大數(shù)據(jù)為基礎(chǔ),用戶畫像技術(shù)在深入挖掘、全面展示學(xué)生特征等方面展現(xiàn)出獨(dú)特優(yōu)勢(shì),為學(xué)生管理、決策與預(yù)警帶來了極大便利。本文以醫(yī)學(xué)高校各業(yè)務(wù)系統(tǒng)數(shù)據(jù)為基礎(chǔ),結(jié)合用戶畫像理論,構(gòu)建醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng),動(dòng)態(tài)展示醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平,依據(jù)系統(tǒng)反饋結(jié)果不斷優(yōu)化培育方案,進(jìn)一步促進(jìn)因材施教,提升創(chuàng)新素養(yǎng)培育效果。

1 創(chuàng)新素養(yǎng)用戶畫像研究概述

隨著創(chuàng)造力研究不斷深入,逐漸延伸出了創(chuàng)新素養(yǎng)概念。創(chuàng)新素養(yǎng)研究主要分為創(chuàng)新素養(yǎng)概念及要素解析、創(chuàng)新素養(yǎng)培育路徑及評(píng)測(cè)研究。關(guān)于創(chuàng)造力的研究最早可追溯到1863年,高爾頓在大量實(shí)驗(yàn)的基礎(chǔ)上,從遺傳學(xué)的角度指出創(chuàng)造力來源于潛能和天賦[1]。吉爾福特和斯騰伯格分別提出著名的三維智力結(jié)構(gòu)理論[2]和創(chuàng)造力三側(cè)面理論[3]。國(guó)內(nèi)創(chuàng)新素養(yǎng)的概念于1999年提出,林崇德認(rèn)為創(chuàng)造力是根據(jù)一定目的,運(yùn)用一切已知信息,產(chǎn)生出某種新穎、獨(dú)特、有社會(huì)價(jià)值或個(gè)人價(jià)值產(chǎn)品的智力品質(zhì)[4]。關(guān)于創(chuàng)新素養(yǎng)培育路徑的研究,一些學(xué)者運(yùn)用不同理論方法,探索出形式多樣的創(chuàng)新素養(yǎng)培育路徑。Zhang研究了基于機(jī)器人競(jìng)賽平臺(tái)的大學(xué)生創(chuàng)新素養(yǎng)培育機(jī)制[5]。林如詩結(jié)合信息素養(yǎng)教育,探討了元認(rèn)知視角下高校圖書館創(chuàng)新素養(yǎng)培育路徑[6]。創(chuàng)新素養(yǎng)測(cè)驗(yàn)主要有量表測(cè)驗(yàn)、作品分析和主管評(píng)估3種方法,其中量表測(cè)驗(yàn)是最常用的一種。吉爾福特為測(cè)驗(yàn)發(fā)散思維的構(gòu)成而設(shè)計(jì)了行為測(cè)驗(yàn)試題,這種測(cè)驗(yàn)為創(chuàng)新素養(yǎng)評(píng)測(cè)奠定了基礎(chǔ)[7]。趙蘋探討了創(chuàng)新素養(yǎng)評(píng)價(jià)指標(biāo),設(shè)計(jì)了相應(yīng)的調(diào)查問卷,構(gòu)建了一套創(chuàng)新素養(yǎng)評(píng)價(jià)體系[8]。郭珊珊將協(xié)同創(chuàng)新理論引入創(chuàng)新素養(yǎng)評(píng)價(jià)領(lǐng)域,運(yùn)用層次分析法計(jì)算各指標(biāo)的權(quán)重,搭建了開放性評(píng)價(jià)體系[9]。創(chuàng)新素養(yǎng)評(píng)測(cè)建立了厚實(shí)的理論和實(shí)踐基礎(chǔ)。但是,如何充分展示醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平,動(dòng)態(tài)呈現(xiàn)醫(yī)學(xué)生創(chuàng)新素養(yǎng)發(fā)展變化,如何根據(jù)醫(yī)學(xué)生培育效果不斷優(yōu)化培育方案,這些研究?jī)?nèi)容學(xué)界還很少涉及。在教育大數(shù)據(jù)作用日益凸顯的背景下,構(gòu)建醫(yī)學(xué)生創(chuàng)新素養(yǎng)服務(wù)平臺(tái)已成為亟待解決的問題。

用戶畫像是一種刻畫用戶信息模型的技術(shù),在挖掘用戶真實(shí)數(shù)據(jù)的基礎(chǔ)上,按照需求提煉出用戶信息,呈現(xiàn)虛擬的用戶信息全貌。用戶畫像技術(shù)最初應(yīng)用于市場(chǎng)營(yíng)銷、社交媒體及數(shù)字圖書館等領(lǐng)域,隨著大量研究的持續(xù)開展,用戶畫像應(yīng)用范圍不斷拓寬,大量學(xué)者將其用于繪制大學(xué)生畫像。劉漫利用用戶畫像描繪大學(xué)生基本屬性、用戶行為、用戶興趣等特征,通過聚類與關(guān)聯(lián)算法為圖書館提供閱讀需求數(shù)據(jù),有效提升圖書館個(gè)性化閱讀服務(wù)能力[10]。郭順利運(yùn)用在線社區(qū)的大學(xué)生畫像,獲悉大學(xué)生需求,幫助平臺(tái)運(yùn)營(yíng)商提供精準(zhǔn)服務(wù)[11]。劉雯通過用戶畫像呈現(xiàn)大學(xué)生網(wǎng)絡(luò)素養(yǎng)特征,依據(jù)這些特征,從社會(huì)環(huán)境、媒介話語、個(gè)體心理3個(gè)層面給與干預(yù)策略,從而有效提升大學(xué)生網(wǎng)絡(luò)素養(yǎng)[12]。隨著智慧校園和教育大數(shù)據(jù)的快速發(fā)展,用戶畫像在大學(xué)生研究領(lǐng)域應(yīng)用廣度和深度持續(xù)拓展。用戶畫像雖未直接應(yīng)用于創(chuàng)新素養(yǎng)研究,但在刻畫大學(xué)生特征方面展現(xiàn)出了無可比擬的優(yōu)勢(shì),為全方位反饋大學(xué)生創(chuàng)新素養(yǎng)培育水平提供了新思路和新方法。

2 醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像模型的構(gòu)建

在教育大數(shù)據(jù)基礎(chǔ)上,展示醫(yī)學(xué)專業(yè)知識(shí)、臨床思維能力、臨床實(shí)踐能力、臨床創(chuàng)新意識(shí)等是當(dāng)今醫(yī)學(xué)生獨(dú)特創(chuàng)新素養(yǎng)培養(yǎng)的重點(diǎn),為此我們?cè)O(shè)計(jì)了醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)模型并進(jìn)行了有益的探討。醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)模型分為3層,分別是數(shù)據(jù)資源層、數(shù)據(jù)處理層和數(shù)據(jù)服務(wù)層。

2.1 數(shù)據(jù)資源層

數(shù)據(jù)是醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)的物質(zhì)基礎(chǔ),數(shù)據(jù)資源層解決了系統(tǒng)數(shù)據(jù)來源問題。醫(yī)學(xué)生創(chuàng)新素養(yǎng)評(píng)測(cè)采用量表測(cè)驗(yàn)的方法,這些數(shù)據(jù)通過調(diào)查問卷的方式獲取。

2.2 數(shù)據(jù)處理層

數(shù)據(jù)處理層是醫(yī)學(xué)生畫像系統(tǒng)模型的核心,原始數(shù)據(jù)在數(shù)據(jù)處理層經(jīng)過數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘等流程轉(zhuǎn)化為標(biāo)簽數(shù)據(jù),為數(shù)據(jù)服務(wù)層勾勒醫(yī)學(xué)生數(shù)據(jù)畫像奠定基礎(chǔ)。

2.2.1數(shù)據(jù)預(yù)處理 數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的前提,數(shù)據(jù)挖掘的效果很大程度上取決于數(shù)據(jù)預(yù)處理的優(yōu)劣程度。系統(tǒng)從數(shù)據(jù)資源層提取的原始數(shù)據(jù)存在不完整、不一致、有噪聲、冗余等問題,這些問題數(shù)據(jù)不宜直接進(jìn)行數(shù)據(jù)挖掘,需進(jìn)一步轉(zhuǎn)換為高質(zhì)量數(shù)據(jù),這個(gè)轉(zhuǎn)換過程就是數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理的方法主要有數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約。數(shù)據(jù)清洗去除原始數(shù)據(jù)中的噪聲數(shù)據(jù)和無關(guān)數(shù)據(jù),清洗臟數(shù)據(jù),處理缺失值和異常值等問題;數(shù)據(jù)集成通過實(shí)體識(shí)別和冗余數(shù)據(jù)識(shí)別等方法將不同數(shù)據(jù)源的數(shù)據(jù)整合,形成一致的數(shù)據(jù),進(jìn)行統(tǒng)一存儲(chǔ);數(shù)據(jù)變換通過規(guī)范化、離散化等處理將數(shù)據(jù)進(jìn)一步轉(zhuǎn)化為適合數(shù)據(jù)挖掘的格式;數(shù)據(jù)規(guī)約在保證數(shù)據(jù)完整性的前提下,最大限度地精簡(jiǎn)數(shù)據(jù),降低數(shù)據(jù)維度和規(guī)模。

2.2.2標(biāo)簽提取 用戶畫像的核心在于給用戶打標(biāo)簽, 標(biāo)簽體系是醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)的基礎(chǔ)。吉爾福特在《創(chuàng)造性才能-它們的性質(zhì)、用途與培育》一書中詳細(xì)分析了創(chuàng)新素養(yǎng)構(gòu)成體系,至今仍是創(chuàng)新素養(yǎng)研究的基礎(chǔ)。本文以吉爾福特創(chuàng)新素養(yǎng)構(gòu)成體系為基礎(chǔ),結(jié)合醫(yī)學(xué)生職業(yè)特性,梳理出基本實(shí)性“知識(shí)結(jié)構(gòu)、認(rèn)知能力、創(chuàng)新意識(shí)、創(chuàng)新思維、人格特征等”6個(gè)一級(jí)指標(biāo)和41個(gè)二級(jí)指標(biāo)的醫(yī)學(xué)生創(chuàng)新素養(yǎng)指標(biāo)體系。畫像標(biāo)簽分為事實(shí)標(biāo)簽、模型標(biāo)簽和預(yù)測(cè)標(biāo)簽。對(duì)于學(xué)生姓名、學(xué)號(hào)、班級(jí)等既定事實(shí)的數(shù)據(jù),系統(tǒng)運(yùn)用文本挖掘、自然語言處理等方法對(duì)這些數(shù)據(jù)進(jìn)行直接提取,生成事實(shí)標(biāo)簽;對(duì)于創(chuàng)新素養(yǎng)當(dāng)前成績(jī)等一些原始數(shù)據(jù)中不存在直接對(duì)應(yīng)的數(shù)據(jù),系統(tǒng)需要通過定義規(guī)則和關(guān)聯(lián)數(shù)據(jù),運(yùn)用機(jī)器學(xué)習(xí)等方法生成模型標(biāo)簽;在事實(shí)標(biāo)簽和模型標(biāo)簽的基礎(chǔ)上,系統(tǒng)通過預(yù)測(cè)算法(支持向量機(jī)、決策樹、隨機(jī)森林等)和聚類算法等生成創(chuàng)新素養(yǎng)預(yù)測(cè)成績(jī)等預(yù)測(cè)標(biāo)簽。系統(tǒng)不僅要完成醫(yī)學(xué)生個(gè)體畫像的構(gòu)建,還需通過聚類分析、關(guān)聯(lián)分析等完成醫(yī)學(xué)生群體畫像和各類教育資源畫像的構(gòu)建,建立醫(yī)學(xué)生和教育資源畫像標(biāo)簽數(shù)據(jù)庫,為數(shù)據(jù)服務(wù)層提供數(shù)據(jù)支撐。

2.3 數(shù)據(jù)服務(wù)層

醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)不僅能全面反應(yīng)醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平,還為創(chuàng)新素養(yǎng)培育本身提供了新途徑。

2.3.1創(chuàng)新素養(yǎng)培育水平展示 醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)從個(gè)體、群體、整體等不同維度動(dòng)態(tài)展示醫(yī)學(xué)院校創(chuàng)新素養(yǎng)培育水平。系統(tǒng)將調(diào)查問卷結(jié)果中的醫(yī)學(xué)生評(píng)測(cè)成績(jī)采用5級(jí)評(píng)分法表示,并與醫(yī)學(xué)生創(chuàng)新素養(yǎng)二級(jí)標(biāo)簽相匹配。系統(tǒng)根據(jù)醫(yī)學(xué)生原始評(píng)測(cè)成績(jī),按照各標(biāo)簽相應(yīng)權(quán)重,計(jì)算出醫(yī)學(xué)生創(chuàng)新素養(yǎng)綜合成績(jī)。針對(duì)群體和整體醫(yī)學(xué)生創(chuàng)新素養(yǎng)成績(jī)?cè)u(píng)測(cè),系統(tǒng)計(jì)算每一項(xiàng)二級(jí)評(píng)測(cè)指標(biāo)的平均值作為群體或整體醫(yī)學(xué)生創(chuàng)新素養(yǎng)二級(jí)評(píng)測(cè)指標(biāo)的成績(jī),然后依據(jù)各標(biāo)簽的權(quán)重計(jì)算出群體或整體醫(yī)學(xué)生創(chuàng)新素養(yǎng)綜合成績(jī)。系統(tǒng)利用調(diào)查問卷定期對(duì)學(xué)生的創(chuàng)新素養(yǎng)培養(yǎng)水平進(jìn)行評(píng)測(cè)并更新數(shù)據(jù),為了進(jìn)一步展示培育效果,系統(tǒng)將各個(gè)檢測(cè)周期的數(shù)據(jù)匯集在一起,形成醫(yī)學(xué)生創(chuàng)新素養(yǎng)成績(jī)歷史走勢(shì)圖,便于體現(xiàn)醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平發(fā)展趨勢(shì)。

2.3.2創(chuàng)新素養(yǎng)培育效果預(yù)測(cè) 醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)提供創(chuàng)新素養(yǎng)培育水平預(yù)測(cè)功能。教育數(shù)據(jù)挖掘已成為促進(jìn)教育發(fā)展的助推器,醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)納入了學(xué)生和教育資源的大量數(shù)據(jù),包括學(xué)生所學(xué)課程及成績(jī)、醫(yī)學(xué)技能競(jìng)賽,圖書借閱數(shù)據(jù)、科研數(shù)據(jù)、社團(tuán)活動(dòng)數(shù)據(jù)等,以這些數(shù)據(jù)為基礎(chǔ),依據(jù)回歸算法、分類算法、關(guān)聯(lián)分析算法、推薦算法等構(gòu)建創(chuàng)新素養(yǎng)預(yù)測(cè)模型,從個(gè)體、群體、整體等不同層面預(yù)測(cè)醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平。醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育水平預(yù)測(cè)為創(chuàng)新素養(yǎng)培育把脈,診斷創(chuàng)新素養(yǎng)培育中存在的問題。從學(xué)生層面通過創(chuàng)新素養(yǎng)培育效果預(yù)測(cè)進(jìn)行學(xué)前預(yù)警,有助于學(xué)生進(jìn)一步調(diào)整自己的學(xué)習(xí)策略;從學(xué)校層面通過對(duì)群體或整體學(xué)生創(chuàng)新素養(yǎng)培育效果預(yù)測(cè),有助于驗(yàn)證創(chuàng)新素養(yǎng)培育策略,動(dòng)態(tài)調(diào)整創(chuàng)新素養(yǎng)培育方案,對(duì)醫(yī)學(xué)生提供有效的干預(yù)機(jī)制,進(jìn)一步提升創(chuàng)新素養(yǎng)培育效果。

2.3.3教育資源精準(zhǔn)推薦 醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)提供教育資源精準(zhǔn)推薦功能。醫(yī)學(xué)高校儲(chǔ)備的圖書、電子資源、教學(xué)課程、醫(yī)學(xué)實(shí)驗(yàn)器材、實(shí)踐活動(dòng)、師資等教育資源數(shù)量眾多,學(xué)生難以快速篩選出適合自己的資源,這種狀況阻礙了創(chuàng)新素養(yǎng)培育的發(fā)展。

智能推薦以大數(shù)據(jù)技術(shù)為支撐,在用戶畫像領(lǐng)域應(yīng)用廣泛,有效解決了資源超載與用戶無法找到合適資源之間的矛盾。主流推薦算法包括協(xié)同過濾和基于內(nèi)容的推薦算法,兩種算法各有優(yōu)缺點(diǎn)。協(xié)同過濾推薦算法利用用戶資源使用經(jīng)驗(yàn)為其他用戶推薦優(yōu)質(zhì)資源。在創(chuàng)新素養(yǎng)培育中,朋輩在使用資源后形成的經(jīng)驗(yàn)非常重要,一個(gè)同學(xué)認(rèn)為優(yōu)秀的教育資源也可能適用于其他同學(xué),這種思想恰好與協(xié)同過濾算法相吻合,利用朋輩經(jīng)驗(yàn)提升推薦精度。但是這種算法沒有考慮資源內(nèi)容屬性,并且當(dāng)新資源進(jìn)入系統(tǒng)后,沒有使用記錄,存在資源冷啟動(dòng)問題?；趦?nèi)容的推薦算法首先根據(jù)用戶畫像中的歷史行為標(biāo)簽,利用興趣矩陣將用戶需求數(shù)據(jù)化,同時(shí)將資源內(nèi)容特征運(yùn)用向量空間模型轉(zhuǎn)化為可計(jì)算的向量,通過TF-IDF等方法計(jì)算出資源特征權(quán)重,用戶需求和資源內(nèi)容特征都轉(zhuǎn)化為向量后,采用余弦距離等方法計(jì)算兩者的相似性,相似度越高的資源越貼近用戶需求?；趦?nèi)容的推薦算法充分將醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育需求與教育資源特征相結(jié)合,但是,這種算法依賴學(xué)生的歷史行為數(shù)據(jù),只能發(fā)現(xiàn)學(xué)生以前的需求,無法發(fā)現(xiàn)潛在需求,并且當(dāng)新生剛建立畫像時(shí),沒有行為記錄,無法判斷需求,存在新用戶冷啟動(dòng)問題。本研究將兩種算法相結(jié)合應(yīng)用于醫(yī)學(xué)生創(chuàng)新素養(yǎng)教育資源智能推薦。一方面,系統(tǒng)采用協(xié)同過濾算法思想,針對(duì)每項(xiàng)醫(yī)學(xué)生創(chuàng)新素養(yǎng)二級(jí)指標(biāo),得分較高的同學(xué)使用過的學(xué)習(xí)資源也值得大家借鑒,將這些同學(xué)在畫像系統(tǒng)中形成興趣社區(qū),利用協(xié)同過濾推薦算法推薦出TOP-N的資源列表,系統(tǒng)定期將這些資源列表推薦給該項(xiàng)二級(jí)指標(biāo)得分較低的同學(xué);另一方面,系統(tǒng)采用基于內(nèi)容的推薦算法思想,為每個(gè)教育資源建立畫像,針對(duì)每種教育資源設(shè)立使用頻率閾值,所有使用頻率超過閾值的教育資源是學(xué)生最常使用的資源,將這些資源特征利用矩陣進(jìn)行數(shù)字化表示,系統(tǒng)根據(jù)學(xué)生創(chuàng)新素養(yǎng)畫像的歷史行為數(shù)據(jù),將學(xué)生需求利用矩陣進(jìn)行數(shù)字化表示,計(jì)算學(xué)生需求和資源特征的相似度,為學(xué)生推薦適合本人需求的資源。協(xié)同過濾和基于內(nèi)容的推薦算法相結(jié)合既發(fā)揮了學(xué)生的資源利用經(jīng)驗(yàn),又考慮到資源內(nèi)容本身與學(xué)生需求的完美匹配,同時(shí)還規(guī)避了用戶和資源冷啟動(dòng)問題,為醫(yī)學(xué)生教育資源精準(zhǔn)推薦提供了完善的解決方案。

2.3.4創(chuàng)新素養(yǎng)教育機(jī)制決策參考 醫(yī)學(xué)生創(chuàng)新素養(yǎng)畫像系統(tǒng)從個(gè)體、群體、整體3個(gè)維度,不僅能展示當(dāng)前創(chuàng)新素養(yǎng)培育水平,還可以繪制出創(chuàng)新素養(yǎng)水平歷史走勢(shì)圖,基于海量數(shù)據(jù)挖掘形成的數(shù)據(jù)畫像可為醫(yī)學(xué)院校創(chuàng)新素養(yǎng)培育決策提供數(shù)據(jù)支撐。系統(tǒng)依據(jù)醫(yī)學(xué)生創(chuàng)新素養(yǎng)數(shù)據(jù)畫像,形成創(chuàng)新素養(yǎng)培育質(zhì)量報(bào)告,根據(jù)創(chuàng)新素養(yǎng)培育水平變化趨勢(shì),不斷探索創(chuàng)新素養(yǎng)培育的內(nèi)在規(guī)律,精準(zhǔn)分析、研判不同時(shí)期教育機(jī)制的優(yōu)缺點(diǎn),依據(jù)分析結(jié)果動(dòng)態(tài)調(diào)整創(chuàng)新素養(yǎng)培育策略,持續(xù)積累培育經(jīng)驗(yàn),建立長(zhǎng)效機(jī)制,形成“培育-展示-優(yōu)化”的閉環(huán)培育模式,不斷提升創(chuàng)新素養(yǎng)培育水平。

3 結(jié)語

創(chuàng)新素養(yǎng)培育水平的展示及反饋是高等教育發(fā)展的必然要求。在教育大數(shù)據(jù)作用逐漸凸顯和智慧校園日趨成熟的背景下,數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新素養(yǎng)培育模式逐漸得到應(yīng)用,以大數(shù)據(jù)技術(shù)為基礎(chǔ)的用戶畫像為醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育提供了新思路和新方法。憑借用戶畫像在刻畫醫(yī)學(xué)生信息特征方面的天然優(yōu)勢(shì),本文將用戶畫像引入創(chuàng)新素養(yǎng)研究領(lǐng)域,構(gòu)建了數(shù)據(jù)資源層、數(shù)據(jù)處理層和數(shù)據(jù)服務(wù)層3層架構(gòu)的畫像模型,建立了多維度創(chuàng)新素養(yǎng)水平展示、成績(jī)預(yù)測(cè)、教育資源精準(zhǔn)推薦、培育機(jī)制決策參考等服務(wù)內(nèi)容為主的智慧服務(wù)體系,以期為醫(yī)學(xué)生創(chuàng)新素養(yǎng)培育提供借鑒。

利益沖突:所有作者均申明不存在利益沖突。