摘要：在我国经济结构转型与产业创新加速推进的背景下，专业学位研究生教育规模持续扩大，生源背景日趋多元，传统“标准化”培养模式与个性化需求、产业精准需求之间的结构性矛盾愈发凸显。为破解规模化教育与个性化发展的张力，本研究整合234 份专业学位研究生专项问卷调查、12 场师生深度访谈及5 家校企合作单位实地调研数据，引入人工智能技术，构建“数据驱动、画像引领、精准定制”的创新培养路径。研究首先建立多维度、动态演进的学生画像模型，整合学习背景、知识基础、能力结构与职业兴趣等多源数据，实现个体特征精准刻画；在此基础上，设计覆盖课程、项目、实践与评价全周期的个性化培养机制，并通过典型案例验证路径有效性。研究系统阐释该路径的理论基础、技术框架与实践模式，为“因材施教”在当下专业学位教育中的智能化实现提供理论参考，为推动人才培养从“规模供给”向“精准育人”转型提供实践范例。

关键词：专业学位研究生；学生画像；人工智能；个性化培养；因材施教；精准育人

Abstract：With the acceleration of China's economic restructuring and industrial innovation，the scale of professional degree graduate education continues to expand，and the student background becomes increasingly diverse.The stru ctural contradiction between the traditional"standardized"training model and individualized as well as industry-specific needs has become more prominent.To address the tension between mass education and personalized development，th is study，based on 234 special questionnaire surveys of professional degree postgraduates，12 in-depth interviews with teachers and students，and field surveys of 5 school-enterprise cooperative units，introduces artificial intelligence techn ology and proposes an innovative training path characterized by"data-driven，profile-guided，and precision-customized".The study first constructs a multi-dimensional and dynamically evolving student profile model，which integrates multisource data such as academic background，knowledge base，competency structure，and career interests to achieve accurate characterization of individual traits.On this basis，a personalized training mechanism covering the entire cycle of c ourses，projects，practice，and evaluation is designed，and the effectiveness of the path is verified through typical cases.This paper systematically elaborates on the theoretical foundation，technical framework，and practical model of this path， providing theoretical reference for the intelligent realization of"teaching students in accordance with their aptitude"in modern professional degree education and practical examples for promoting the transformation of talent cultivation from"mass supply"to"precision education".

fessional degree postgraduate;student profile;artificial intelligence;personalized cultivation;teach according to aptitude;precision education

“精准化培养人才”是高等教育内涵式发展转变的重要阶段[1]，理工类专业学位研究生教育作为国家核心技术攻关和产业变革的重要支撑力量， 其培 质量直接关系到我国实体经济的活力与科技创新的实力。这既契合教育部 “服务行业产业发展需求、培养实践创新型人才”的专业学位研究生教育本质定位，也是 “十四五”时期专业学位研究生招生规模扩大背景下，对其 “质” 的发展提出的更高标准。

相对于学术学位，理工类专业学位课程教学具有更新换代快、教学情景复杂、行业联系紧密，其培养目标定位在传授知识的同时要求学生能够在真实、复杂的工程项目情景中解决真实问题，发展创新思维。而现有培养方案存在诸多不足，难以满足这些核心要求。调研结果显示：超 60% 的学生反馈课程教学内容 “理论性偏强与实践脱节”；近半数教师认为现有培养未充分兼顾不同学生的个性化需求。课程内容陈旧滞后、实训环节流于形式、培养方式千篇一律等问题，已成为制约教学效果提升的主要瓶颈。

近年来，随着人工智能对自然语言理解、深度学习、智能决策突破性的发展成果[4]，为解决上述问题提供了全新思路。其强大的数据挖掘、感知理解 分析决策能力，不仅为创新教学设计、情境化学习方式、因材施教等方面提供了新思路和有力支撑， 材施教 了有利条件。 习近平总书记在国际人工智能与教育大会上强调，要正确认识人工智 对教育的冲击和影响，推进智能技术与教育融合，这一重要论述为教育改革提供了明确指引、具有重要指导价值。而教育部秉持产教协作、合作共赢理念出台的改革政策，更为人工智能赋能专业学位教育改革筑牢了坚实基础。

在此背景下，本研究从理工类院校的专业学位研究生人才培养实践出发，回应学生、教师、企业等多方期待，以多维动态“学生画像”为核心基线，构建“课程—项目—实践—评价”全链条精准育人体系，推动培养模式从“标准化供给” 向未来的 “精准个性化供给” 转型，为我国持续输送更多理论知识扎实、实践能力优异、创新素养突出的应用型人才贡献力量。

一、理工类高校专业学位研究生培养的现实困境

结合专项问卷、师生调研、校企走访结果可见，我国现有的理工类高校专业学位研究生人才培养体系存在三大核心问题：人才结构性问题，已成为制约我国理工类高校专业学位研究生人才培养质量的关键因素。

（一）课程体系与产业技术演进脱节，内容更新滞后

现行课程结构固化问题突出，“课程生命周期”较长难以跟上新兴技术发展的速度[6]，调研数据显示，35.3%的调查对象认为课程“前沿度”不足，41.2%的调查对象反映课程“融度”偏低，而企业方受访者更明确指出，部分课程知识已滞后行业实际 1 至 2 年。

教材和课堂教学难以跟上数字孪生、大语言模型、先进半导体等已成熟应用的产业技术，部分学生入学时所掌握的知识明显滞后，甚至面临“二次培训”的被动局面。究其主要原因是学校传统课程结构和课程开设审批方式较为固化，尚未建立起及时回应产业技术迭代，引入前沿成果的“产业需求—课程改革”快速响应机制。

（二）实践教学与真实场景疏离，协同机制不畅

虽然各高校培养方案均包含实践环节，但却存在“空心化”现象。调研显示，58.8%的研究生反馈课程“理论知识过重，实践指导不足”。师生访谈结果也印证，66.7%的指导教师认为校内实验多为“验证式”，缺少“综合挑战式”的，这类实验更多是理论成熟性的验证与示范，而非复杂系统设计、集成和优化的综合型，难以解决实际问题。

校企合作过程中，有的流于形式，企业缺乏有效激励而不愿意参与[7]，研究生实习则演变成没有方向感的游走于核心研究之外的“见习”。问题的核心症结在于，企业所拥有的真实项目资源、先进设备条件及资深专家经验，未能与高校人才培养形成稳定有效且“双向赋能”的深度融合。

（三）标准化培养与生源多元需求错配，个性化支持不足

现有人才培养模式仍以“一刀切”的标准化供给为主，难以匹配具有不同知识储备、行业工作经验和就业意愿的研究生群体。调研数据显示，47.1%研究生反馈“学习内容难度与自身适配度不高”，38.2%研究生表示“学习跟不上课程进度”。 而针对 44.1% 有行业工作经验的研究生专项访谈结果显示， 75% 的受访者认为 “现有课程未能充分盘活并深化自身已有行业知识”。

现有培养模式既未对有行业经验学生的深度知识拓展，也未对专业方向学生形成补偿性基础知识，同质供给无法满足各行业领域及细分方向研究生的个性化发展需求，其根本原因在于，高校普遍缺乏对具体研究生个体学习情况、具体真实需要跟踪诊断和干预的科技和数据基础支持[8]。

二、学生画像的设计与构建：个性化培养的理论前提与实践基石

在高等教育从外延式发展转入内涵式发展的阶段，“因材施教”这一经典教育论断在数字化背景下获得了新的诠释。学生画像的内涵和方法是在“生而类之”的理念的指引下，具体“生而识之”的，本节对其内涵与方法的简单阐述，为后续的个性化培养提供理论和方法依据。

（一）数字时代因材施教的技术赋能：学生画像的理论溯源、核心内涵与实践价值

学生的画像来源于交互设计领域的“用户画像”（User profile），由学者Cooper 提出，基于用户特征、行为数据等进行标签化标准模型，抽象出代表用户群的用户，场景性强、动态性强。起初被应用于电商场景中，后被应用在推荐系统[9]、广告投放[10]、商业决策[11]、精准营销[12]等多个领域。

而在教学环节，其中学生画像则是“因材施教”的数据化、数字化、信息化呈现和实施。其深层哲学意蕴，在于彰显个性与特殊性的教育价值。画像从不同来源、 不同维度将抽象、模糊的“学情”量化、细化与具象化处理，让“施教”的教育行为有了科学性和针对性[13]。 题 调研结果充分印证了这一逻辑的合理性与现实必要性，73%的研究生有着明确的因材施教、个性化培 其中64%的学生需求又是“实践动手能力不强”、“对未来职业定位不确定”；60%的受访者认 性特征是开展有效教学的基础”。上述数据清晰表明，践行因材施教、实施精准培养已成为破解研究生培养瓶颈的迫切现实需求。

（二）学生画像的构建流程与技术实现

学生画像的构建是一个数据驱动、循环迭代的系统工程[14]。其核心逻辑在于通过多源数据的融合与智能处理，将研究生个体的复杂特征转化为一套可用于指导培养实践的精准标签体系[15]。结合理工类专业学位研究生的培养特点，并参考用户画像的通用框架，本研究将构建流程细化为五个环环相扣的核心环节（见图1）：

图 1 用户画像构建流程图

（1）多源数据采集：系统整合来自研究生管理系统的学籍、课程成绩等结构化数据；通过问卷与访谈收集职业规划、能力自评等主观数据；并纳入来自校企合作平台的实践记录、项目报告与企业导师评价。最终形成覆盖“学习—实践—职业”全链条的多维数据集。

（2）数据预处理与清洗：利用Python 及Pandas 等工具对原始数据进行标准化处理，核心任务包括数据去重、错误纠正、缺失值填补与异常值过滤，并通过格式统一与关键信息提取，构建高质量、规整的分析基础。

（3）教育特征抽取：采用“专家主导、算法辅助”的混合模式。由教育专家与行业专家共同界定“理论基础扎实度”、“工程实践能力”、“创新潜质”等核心特征维度；技术层面则借助Scikit-learn 等库进行简单的关联分析与聚类验证，以确保特征的教育意义与合理性，避免陷入纯技术的复杂化。

（4）分层标签体系生成：构建“基础特征—能力水平—职业需求”三级标签体系。基于处理后的数据与已定义的特征，生成如“跨专业背景”、“实验技能熟练”、“意向集成电路行业”等具体标签。通过关键指标权重手动赋值与基础算法匹配，确保标签直观、准确且具有教学指导价值。

（5）动态迭代、更新机制建立：形成基于已有教学管理平台的轻量化更新机制。以成绩明显变化、项目阶段性完成、职业意向变化等作为触发条件，以自动化脚本定时抓取新的数据进行标签的验证与更新，确保画像实时反映学生的变化与成长，动态对接动态的培养需求。

二、画像驱动的全流程个性化培养实施路径设计

针对上述建立的学生画像，给出学生在培养的整个过程中个性化的实现路径，即对学生数据进行发现，具体从以下五方面来阐述。

（一）“一人一策”的个性化课程体系构建以学生画像为依据，构建“核心模块—选修模块—微课程”三级联动的动态课程体系。

核心模块量身打造：根据学生的基础特征标签进行分层设置。比如：为其他专业研究生开设学科基础补强。为具有行业背景的研究生开设前沿技术前沿案例课程。

选修模块精准推荐：基于学生能力和职业发展需求标签推荐课程，例如，将《工业机器人的算法》《数字孪生技术运用》等课程推荐给智能制造方向研究生。

微课程实时诊断：根据即时检测出来的知识问题，在平台中自动推荐微课程5-10 分钟精讲，形成“实时诊断—精准补给”的闭环式学习帮扶模式，并且针对不同学习者制定个性化的学习目标，设置适度的考核要求。

（二）差异化教学策略与弹性学习路径设计依托画像数据，实现教学策略与学习进程的智能适配

教学策略智能匹配：对标签为“自主学习型”的研究生，优先匹配翻转课堂、探究式项目等教学模式；对“实践导向型”研究生，则采用案例驱动与项目式教学（PBL）；对“基础薄弱型”研究生，则辅以支架式教学与同步辅导机制。

学习路径动态调整：借助AI 教学平台，动态监控学习进度。为进度超前的研究生解锁进阶任务与挑战性项目；为学习滞后者自动触发预警，并生成个性化的补习与干预方案。

学习计划弹性管理：以在职研究生群体为服务对象，根据不同工作时间段标签，智能设计和弹性管理其学习任务、计划安排和实践，平衡好工学之间的矛盾。

（三）校企协同的精准实践与就业对接机制依将学生画像深度融入产教融合全过程，构建精准的实践与就业对接闭环。

实践项目智能推荐：利用学生能力标签与企业项目需求间的相似程度，为研究生推荐适合的高切题项

如：向材料科研究生匹配新能源项目的材料研发。

“双导师”指导：图谱确定校内外导师负责。公司导师负责手操作实际操作培训，项目布置；校内导师负责理论指导、科研方法指导。

推荐就业与生涯规划准确：学生画像、岗位画像多纬度对应，精准推荐。同时，基于能力缺口标签，系统推荐不同生涯规划，完成“学—用—业”全程无缝隙。

（四）动态预警与干预机制建立基于关键阈值的动态预警与干预

预警阈值设定和预警：设定预警阈值（核心课程成绩<70 分、学习进度完成率<80%），系统自动对预警数据进行识别，向学生、导师、主管发送预警信息。

差异化干预：一旦发现预警问题，实行差异化管理。对学习不合格者，给予个别辅导和学习小组帮扶；对进度不合格者，给予进度干预和学习内容补充。对干预结果进行追踪，根据实际情况进行调整，以保证干预效果。

（五）效果评估与画像迭代采建立以持续改进为导向的评估与迭代机制。

多维度效果评估：综合学业成绩、实践成果、就业质量及雇主满意度等多维度指标，全面评估个性化培养成效。

画像及模型迭代：针对测评结果，迭代学生的画像标签（如“实践能力一般”到“较强”），同时，基于结果，不断迭代推荐算法的参数及模型，优化课程/项目/就业等推荐结果，实现一个“测评—迭代—优化”的闭环质量体系。

四、案例实证与效果评估（一）案例选择与背景介绍

为验证“画像驱动个性化培养路径”在理工类高校不同学生群体中的适配性与有效性，本研究选取H 理工大学（以工科与管理学交叉融合为特色的市属重点应用研究型高校）的两个典型专业学位类别作为案例：案例1为全日制材料与化工专业学位研究生陈某，案例2 为非全日制工程管理（智能制造方向）研究生刘某。

（二）个性化培养路径的实施过程

1.全日制材料与化工研究生陈某的培养方案实施

针对陈某“理论基础扎实、工程实践经验不足、职业方向尚不明确”的画像特征，构建“产业认知—实践浸润—职业锚定”三阶培养路径：

课程定制：在核心模块中保留《高等化工原理》等理论课程的同时，增设《新能源材料产业化技术》专题讲座，邀请宁德时代、万华化学等企业专家参与授课；选修模块基于其“电池材料”兴趣标签，精准推荐《锂离子电池材料设计与工艺》《化工流程模拟 Aspen Plus 实战》；针对其在“反应工程”课程中表现出的建模困难，系统自动推送“反应器尺度放大原理与案例”系列微课，实现难点即时突破。

实践适配：通过画像系统匹配，安排其进入合作企业——某新能源科技股份有限公司正极材料研发部，开展为期10 个月的专业实践。校内导师指导构建研究理论框架，企业导师（研发部高级工程师）分配“高镍三元正极材料烧结工艺优化”课题，使其全程参与从中试试验到产线试制的全流程。

动态调整：中期评估发现其在数据分析与报告呈现方面存在短板，系统推送“Python 数据处理与可视化”微课程，并安排高年级学长进行一对一辅导；后期因其中试数据表现优异，画像系统为其添加“工艺优化潜质突出”标签，并据此推荐《质量管理与六西格玛》作为拓展选修，增强其综合工程素养。

图2-入学标签画像图（陈某）

2. 非全日制工程管理（智能制造方向）研究生刘某的培养方案实施

针对刘某“具备机械背景、缺乏系统化管理知识、需提升智能制造综合能力”的画像特征，设计“管理补强—技术融合—资源协同”的定制路径：

课程弹性定制：基于其本科为机械工程背景，允许免修《工程数学》部分基础内容，直接进入建模与优化专题；核心模块强化《智能制造系统》《生产运营管理》等课程；选修模块根据其职业目标推荐《工业互联网架构与应用》《数字化工厂规划》；针对其在“工程项目成本控制”方面的薄弱环节，系统推送“成本估算方法与WBS 分解实战”微课程，适配其碎片化学习需求。

实践项目匹配：将其所在企业正在推进的“某型工业机器人产线数字化升级项目”作为综合实践课题。企业导师（公司技术总监）提供真实场景与数据支持，校内导师（工业工程系教授）指导其运用价值流分析、数字化双胞胎等方法完成产线改造方案，实现“学用一体”。

时间与资源协同：学习平台根据其常驻项目工地、时间不固定的特点，将课程内容设计为可异步学习的模块，并提供直播回放与线上研讨支持；当其因项目攻坚导致学习进度滞后时，系统启动弹性学习机制，自动延后相关任务节点，并为其匹配一位在智能制造系统集成领域有丰富经验的产业导师，提供技术路径指导与资源对接。

图3-入学标签画像图（刘某）

（三）培养成果与数据分析

1.全日制材料与化工研究生陈某：从“学术型”向“工程型”的成功转型

学业成果：核心课程平均成绩达 88.6，熟练掌握了Aspen Plus 流程模拟与Jade 物相分析软件，具备初步的工艺设计与优化能力；

实践成绩：参与“高镍三元正极材料烧结工艺改进”项目，将中试产品试容率从89%提升到 93% ，工艺操作参数被企业用于试产线；论文被学校评为优秀学术论文一等奖。

职业发展：毕业前获得实习企业的正式录用，担任工艺工程师。企业评价其为“具备快速融入产业语境和解决产线问题的潜力”。

数据对比：与同届全日制专业学位研究生相比，陈某的“工程实践能力评分”（由校企双导师联合评定）高出均值 16.5% ，“就业岗位与专业相关度”达 100% 。

2. 非全日制工程管理（智能制造方向）研究生刘某：从“技术项目经理”到“产品线负责人”

学业成果：系统构建了智能制造知识体系，能熟练运用价值流图、数字化仿真等工具完成产线分析，其主导的“机器人产线数字化升级方案”获学院产教融合项目评比特等奖；

工作成绩：提出的升级改造方案被公司采纳实施，预计投产之后可提产 22% ，节省运维费用 15% ，担任目技术负责人；

职业晋升：培养期间岗位由机械工程师晋升为产线项目管理组长，职责从单一设备调试扩展至整线技术统筹与进度管理。

数据对比：与同班级非全日制研究生相比，王某的“知识应用吻合度”（依据课程内容与工作任务的匹配程度评估）达 85.3% ，“职级提升速度”快于公司同期同类技术人员平均晋升周期。

（四）实证总结

本研究的核心成果在于，依托学生画像，个性化培养路径构建符合理工科高校“全日制工科”和“非全日制工程管理”两大培养目标的学生，在培养路径上，针对“全日制化工”培养目标学生，完成“实验室、中试、产线”三线的产线通道，实现工程技术技能塑造；针对“非全日制工程管理”培养目标学生，完成“技术+管理+系统”三系知识平台搭建，实现工业环境综合决策与资源整合。该路径的案例研究验证了针对性和就业优势的建立，为理工科高校分类、分层次、精准培养专业学位研究生的培养路径提供案例支撑。

五、结论与展望（一）研究结论

本研究立足于理工类高校专门学位研究生培养的“生源多样”“培养统一”两大主要矛盾，将因材施教理论、个人学习理论与教育数据理论进行有机结合，提出了“数据、画像、定制”的人工智能路线，并通过理论分析和实证分析主要得出以下结论：

第一，传统的“一刀切”的人才培养方式，是造成理工类高校专业学位研究生培养困境，传统的人才培养方式与学生个人成长发展需求、产业具体人才需求的结构性矛盾，其结构性矛盾由教育理念转变、教育教学资源配置、教育教学评价方式固化等因素导致，彻底解决理工类高校专业学位研究生培养困境需要培养模式、教学内容、教育教学评价方式等体制机制的全面改革，人工智能为上述改革提供了技术手段。

第二，基于多源数据融合构建的“学生画像”，能够实现对理工类专业学位研究生个体特征的精准化、动态化描摹。本研究提出的“基础特征—能力水平—发展需求”三维画像体系，以及“数据采集—处理分析—模型构建—场景应用”的技术实现路径，共同构成了个性化培养的决策支持基础，为实施“因材施教”提供了科学依据与操作抓手。

第三，以学生画像为基础，以“个性化课程—差异化课程—产教合作—持续跟踪”四位一体的教育路径是培养的有效路径，其对学生知识内化、工程实践能力提升与培养学生创新意识取得了良好实践效果，是人才培养对接产业发展需求的实践路径，是值得借鉴的个性化教育路径，是理工类大学生教育的有效途径。

第四，技术介入专业学位是技术—教育生态的大融合而非技术工具性的“嵌入”，只有“人工智能＋技术介入＋思维转向＋结构变革”的三元耦合方能最大程度地释放出人工智能的教育动能，专业学位类型教育“流水线式生产”向未来“精准式定制”的教育变革才有可能。

（二）研究不足与未来展望

该研究虽然取得了理论探索与应用实践的一定成果，但同时也有一些不足：第一，从实证上看，本文案例选取的是一个市属重点应用研究型大学，且集中在2 个专业学位点，研究成果的普适性、推广性需要更广范围内、不同类型的大学去检验。第二，在技术上，现有学生画像模型更多是从显性指标来捕捉学习动机、创新精神、合作协作等隐性指标，量化不够丰富。第三，在深度上，现有人工智能技术多用于诊断与推荐环节，而对教学内容智能生成、自适应学习路径、智能学伴等还处在早期。

面对上述局限，未来可从以下方面对研究进行拓展：一是扩大实证研究范围，在多个区域、多个办学类型等不同理工类高校中开展对比研究以验证、改进路径的适用性、稳定性等。二是丰富画像模型层次，引入情感计算、社会交互分析等新技术，丰富学习者非认知能力、隐性素质等深度画像内容，形成更立体、更全面的数位学习者模型。三是深化智能技术应用，探索开发基于生成式AI 技术的动态生成内容平台、深交互式虚拟教师等高端软件，构建更智慧、更具适应能力的个性化培养软件系统。

另外，还要及时地预见未来，考虑人工智能促进教育发展中出现的伦理与安全等问题，制定数据隐私管理制度，建立技术应用伦理审查制度等保证数据安全、合规地发挥作用，要重视教师队伍的数字素养培训，使他们能够适应新角色，即教师不仅要扮演知识的传授者， 还要扮演因材施教的促进者、培养方案的制定者、人工智能教育的设计者等辅助者，为未来教育发展人机协同、充满活力的局面打下坚实的基础。

六、结束语

在新一轮科技革命与产业变革深度演进的时代背景下，我国人才培养正面临新趋势——高等教育“精准性”转型。理工科高校专业学位研究生作为高端制造及未来创新的重要衔接桥梁，其教育培养质量直接关乎我国实体经济发展的 “软实力”和国际科技竞争优势。本文直面这个时代命题，以人工智能技术为核心主线，以“学生画像”为关键支撑，逐步构建以“特征精准识别—资源匹配供给—过程动态优化—质量持续提升”为导向的专业学位个性化培养新模式，为科学破解传统培养模式中的同质化瓶颈提供系统性解决方案。

从概念设计到实践落地，贯穿全文的核心逻辑是 “技术支撑育人、教育回应需求”。事实充分表明，人工智能并非僵化的工具，而是助推培养体系系统性建构的 “效能倍增器 唯有如此，“因材施教” 的千年教育理想才能在数字时代转化为实打 成果 教融合”的战略才能落地于“一人一策、一岗一需”的微观运行机制。不同领域的经验和数 台型北 值”被充分挖掘，学生“个性”被真正看见、精准回应，专业学位研究生培养便能实现 求侧 的深度契合，才能在满足自身个性化发展诉求的同时，又能为产业输送高质量应用型专业人才，形成育人与产业需求的良性互动。

教育本质在于 “培养千百万人，成就万众不同”。人工智能的赋能价值，正体现为让这一目标在规模化教育场景中实现更多元的可能。本文提出的路线图与方案设计，既是理工科院校专业学位改革的系统性探索，也是回答“技术何以赋教育以更加人性化的生命温度”的时代之问。在 AI 技术不断迭代、“以生为本”教育理念渗透影响下，“以生育数、数育生”的新模式将在高校持续扎根，为我国产业转型升级、科技自立自强源源不断输送理论基础扎实、实践能力突出、职业特点鲜明且适应性强的职业化高层次应用型人才。

参考文献

[1]邵引印，陈雪珍.AI 赋能高职院校思政工作精准化育人机制探究[J].职业技术，2025，24（10）：54-60.DOI：10.19552/j.cnki.issn1672-0601.2025.10.009.

[2]国务院学位委员会、教育部.专业学位研究生教育发展方案（2020-2025）[Z].2020.

[3]伊家飞，卿培林，孙敬会，何兵，张旭明，崔长闯，李维俊，薛斐，李德贵，杨志成.基于OBE-CDIO 模式的应用型高校新质人才培养——以金属材料工程专业为例[J].教育进展，2025，15（10）：1045-1052.https：//doi.org/10.12677/ae.2025.15101935

4]余菲.职业教育管理数字化转型中人工智能技术的应用与发展研究[J].现代职业教育，2025，（30）：161-1

[5]邱叶.人工智能技术与高校思想政治教育融合发展的创新实践[J]．教育探索，2023（10）：44-48.

[6]姚青丰，吴童，李丽.基于新文科背景的理工类高校环境设计专业人才培养路径[J].时尚设计与工程，2025，（05）：68-69.

[7]符杰，史广泰，黄宗柳，等.基于“产教研”融合的专业学位研究生培养模式探讨[J].科技风，2025，（31）：20-22.DOI：10.19392/j.cnki.1671-7341.202531007.

[8]陈晓清.数智时代综合性大学教育硕士专业学位研究生培养的现实困境与推进路径[J].现代教育管理，2025，（07）：23-31.DOI：10.16697/j.1674-5485.2025.07.002.

[9]姚学润，张琦，倪明昊，等.用户画像技术在新媒体广告效果监测中的应用[J].现代电视技术，2021（4）：109-112.

[10]代杨，裴永刚.基于用户画像的出版企业知识服务商业模式探析[J].中国编辑，2021（5）：48-53.

[11]王永明，陈宇星，殷自力，等.基于大数据分析的电力用户行为画像构建方法研究[J].高压电器，2022，58（10）：173-187.

[12]毛任平.基于精准营销视角探讨用户画像应用研究[J].商业观察，2022（9）：26-28.

[13]陈之腾.因材施教，把“强潜能”转化为“高成就”[J].上海教育，2025，（28）：30-31.

[14]李泊宁.基于学生画像分析的高校精准心理工作探索[J].才智，2025，（33）：113-116.

[15]王宁.基于“一站式”学生社区大数据群体画像的精准思政路径研究[J].黑龙江教育（理论与实践），2025，（10）：48-52.

第一作者：康镇（1991-），男，汉族，上海理工大学管理学院。

第二作者：李炜（1988-），男，汉族，上海理工大学管理学院。