基于大语言模型的职业院校区域间发展差异比较研究　　

      对于一个国家或地区的持续发展而言，职业院校的竞争力对其整体实力的影响至关重要。我国非常重视职业教育的发展，不仅在法律层面颁布《中华人民共和国职业教育法》，而且在教育投入方面也给予了巨大支持。2023年现代职业教育质量提升计划资金预算下达312亿元，相较于上一年度增加了10亿元。这些举措共同促成了世界上规模最大的职业教育体系的成功构建，并显著提升了中国职业教育整体实力[1]。但是，我国区域发展的不均衡性影响了各地职业教育的资源配置，具体体现在政府扶持力度、行业指导深度、校企合作紧密度以及资源聚合效应等方面。特别是在中西部地区，由于经费紧张和企业发展滞后等限制因素，所需的配套教学设施、实习实训器材等难以全面到位，致使建设水平明显滞后于东部地区[2]。

      为了探讨不同地区职业院校的发展现状，通过对比分析各地区职业院校公开发布的质量报告，利用大语言模型抽取质量报告文本内容的主体关系，揭示各院校在人才培养和产教融合方面的独特优势和策略差异。

      一、研究设计

      (一)样本数据的选取

      鉴于全国数据规模的庞大性，本研究采用对比分析的方法，聚焦于具有代表性的地区进行深入探讨。在样本筛选过程中，严格剔除了质量报告不规范的语料，确保所选院校的质量报告具备高度的规范性和内容模块的统一性，以便于进行不同模块间的对比分析。数据选取了东部地区北京市18所院校的质量年报数据；西部地区选择甘肃省11所院校的质量年报数据。基于这些样本数据，进一步提取质量年报中关于人才培养和产教融合关键部分的内容，作为构建本体关系的语料基础。

      (二)大语言模型框架

      本研究选取全球大型语言模型的典范——ChatGPT作为本体关系构建的工具。由OpenAI开发的ChatGPT，依托先进的无监督学习技术，对海量文本数据进行深入分析，提炼出深层知识并掌握语言的规律。这使得ChatGPT能够准确识别和理解文本中的各类实体及其相互关系，从而生成自然、连贯且流畅的文本。在构建本体关系时，ChatGPT首先通过上下文分析和模式识别，识别出文本中的关键实体和概念，从而构建出结构化的本体关系。这一过程的自动化和高效性，使得ChatGPT在知识管理、信息检索和自然语言处理等领域中得到广泛应用。无论是构建知识图谱，还是进行复杂的语义搜索，ChatGPT都能显著提高工作效率和准确性。

      在自然语言的表达中，主谓宾结构占据着至关重要的地位，是语句构建的核心框架。主谓宾结构明确而精准地界定了语句中的三个关键元素：行为的执行者(主语)，行为本身(谓语)以及行为作用的对象(宾语)。这种结构提供了一种清晰、直观的方式，来理解句子中各个部分如何相互作用，共同构建出一个完整且有意义的语句。

      本文借助ChatGPT提取文本中的主谓宾结构，构建“主语—谓语—宾语”的本体关系三元组。通过在Python程序中调用大语言模型API的方式完成质量报告的本体关系构建。见表1。

      表1 Python调用ChatGPT的部分提示词

      

      (三)知识图谱

      Neo4j是NoSQL图形数据库，凭借其独特的属性图模型和卓越的性能，成为处理复杂图形结构数据的首选工具。不同于传统的关系型数据库，Neo4j专注于存储和查询图形数据，灵活的图存储结构能有效存储和管理数据结构较为复杂、动态关系变化较快的海量数据，解决了关系型数据库在存储图结构数据时出现的空间浪费等问题[3]。

      知识图谱的基本组成结构包括节点、关系和属性。在构建知识图谱时，利用Neo4j将大语言模型抽取的〈subject〉和〈object〉实体创建为对应的节点，同时为其添加‘type’属性以区分主体和客体。〈action〉代表了主语和宾语之间的关系，通过创建表示关系的“Relationship”对象，将〈subject〉和〈object〉节点连接起来。

      将质量报告中的大量文本内容通过大语言模型抽取的主谓宾三元组数据转换为Neo4j中的知识图谱。这可以直观地展示实体及其关系，使得复杂的数据结构化、可视化，更易于理解和分析。同时，通过Neo4j的图数据库技术，可以高效地执行复杂的查询和分析，快速发现数据中的潜在关系和模式，从而提升信息检索和决策支持能力。

      (四)度中心性

      在网络分析中，度中心性被确立为一项关键指标，用于精准地量化节点在网络结构中的重要性。具体而言，度中心性旨在刻画一个节点对其直接相连的其他节点所产生的影响力[4]。当某个节点在网络中拥有更为密集的直接连接关系时，其度中心性的值便会相应提升，这一提升直接反映了该节点在整个网络体系中的核心地位与重要性。换言之，节点的度中心性越高，意味着该节点在网络中扮演着更为关键的角色，其影响力及信息传递能力也更为显著。

      二、结果分析

      (一)人才培养分析

      1.度中心性分析

      经过对北京市与甘肃省职业院校质量报告中人才培养部分的内容进行分析，可以清晰地观察到两者在度中心性排名前列的关键词存在较明显的差异，见表2。这种差异不仅凸显了地域发展不均衡的现状，也揭示了两者在职业教育发展道路上各自独特的策略与侧重点。