作者简介：余越凡，北京师范大学教育学部博士研究生；赵志群，北京师范大学教育学部教授、博士生导师。
基金项目：国家社科基金教育学重点课题“职业本科教育的推进路径及实施策略究”（AJA220022）
摘 要：在“人民至上”的中国式现代化背景下，高质量的现场工程师培养是推动制造业转型升级、增进人民福祉的重要一环，但目前尚缺乏与之相适配的学习环境与路径支持。本文基于现场工程师的工作特征与产业发展的时代要求，剖析现场工程师培养的基本条件，并提出兼具“人本智造”和“人本智学”特征的“人本学习工厂”概念。“人本学习工厂”构建应从物理系统、信息系统和社会系统三个逻辑层次进行结构化设计，分别支持人在回路里、人在回路上和人在回路外的学习。建立“人本学习工厂”，一要建设协同高效的产教融合体系，形塑系统性生产环境；二要坚持“人民至上”的发展理念，形塑人本化决策共识；三要发展情境感知诊断技术，形塑能力本位智能学习样态。
关键词：现场工程师 人本学习工厂 学习环境 人机协同学习 人本智造 制造业转型升级
一、引言
随着现代化进程的不断推进，我国传统制造业正向高端化、智能化和绿色化方向转型升级。习近平总书记指出“要坚守人民至上理念，突出现代化方向的人民性”[1]，制造业转型升级要秉承人民至上的发展观，着力满足消费者需求、支持劳动者高附加品质的自我实现，从而达成增进人民福祉的目的。如何针对社会的多样化需求，培养先进制造业所需的高素质人才，是实现中国式现代化的重要保障。2022年教育部启动现场工程师专项培养计划，面向先进制造业等重点领域的紧缺技术岗位，培养具备工匠精神，精操作、懂工艺、会管理、善协作、能创新的现场工程师。[2] 作为特殊的应用型人才，现场工程师的职业能力发展离不开专业化的、基于工作的学习，必须构建与其职业成长规律相适配的学习环境。
学习工厂（Learning Factory）是诞生于欧美高等工程教育的概念，指基于真实工业现场中的流程和技术建立的学习设施和相应的环境[3]，旨在通过现实产品生产过程实现基于问题和工作的学习。实践证明，学习工厂在应对制造业教育和技能需求的新挑战方面可以起到积极的作用[4]，这为现场工程师培养提供了很好的参考。本文在现代智能制造和服务型制造业发展大背景下，关注消费者和劳动者的需求与权力，探究如何通过建立“人本学习工厂”的基本概念、模型特征和实践策略，构建有效促进高素质现场工程师能力发展的学习环境，促进人民至上的制造业转型升级。
二、现场工程师及其培养条件
（一）现场工程师的内涵特征
现场工程师是介于研发/设计工程师和普通技术操作人员的中间层次人才，承担着沟通两端人才的作用[5]，负责解决诸如产品设计的技术实现、生产工艺的优化以及销售服务现场的技术支持等问题。相较于研发/设计工程师科学范式导向的技术创新劳动，以及普通技术操作人员规范和规程导向的技术应用劳动，现场工程师的工作领域涉及多个工作现场间的技术转化问题。他们依托长期积累的工作过程知识，以符合现场工作逻辑的方式组织相关作业的多元生产要素，将其转化为具体、可操作的生产流程或工具。现场工程师的技术转化劳动不是简单的自然技术应用，其劳动范畴超越了设备、原料、产品等有形资产，涉及技术供需两侧多作业域工作逻辑的契合问题。现场工程师在知识结构与能力方面具有以下特征。
一是多作业域知识互洽的跨领域视野。在技术转化过程中，具有高附加值的劳动存在于对企业知识资产的整合、转化以及再生产的加工过程。现场工程师需要对跨领域工作情境中的知识、技术及其他生产要素协同运演，实现知识资产的跨领域转化。通过这一转化过程，现场工程师的精操作、懂工艺、会管理、善协作、能创新等多领域能力得以按照特定的作业逻辑相互嵌合，转化为高效的生产力。
二是科学知识奠基的职业性技术体系。多作业域工作逻辑的契合过程体现了生产的自然属性与社会属性的统一，现场工程师不仅需要系统化的科学知识作为问题解决的基础框架和深入分析的工具，还需要基于人的职业活动建立相应的职业性技术体系。[6] 同时，现场工程师的劳动过程以现场工作逻辑为主线[7]，学习科学知识的最终目的是支持他们在更高层次的复杂工作任务中发展更为深入的职业性技术。
（二）现场工程师培养的时代要求
培养高素质现场工程师是顺应产业发展和推进中国式现代化的必然要求，不仅需要直面技术革新带来的挑战，还要把握其蕴含的人本发展要求，这两大维度共同构成了当前时代背景下现场工程师培养的核心议题。
从技术维度看，智能制造对现场工程师的要求远不止学习新知识、新技术那么简单，最为关键的是要懂得以新的劳动形态完成智能制造工作任务。以往，信息化仅作用于产品价值链各环节内部，现场工程师聚焦于单环节细分任务，与相对单一的工作对象交互，更依赖个人经验驱动的传统劳动方式。而现在，信息物理系统解决了数据孤岛问题，实现了价值链各环节的网络化协同，要求现场工程师同时对多个作业领域进行全局性考量。同时，数字孪生、人工智能等技术进一步扩展了现场工程师的工作场域，虚拟化的人、机、物极大地丰富了劳动内涵。因此，培养现场工程师不但要拓宽学习者的跨领域视野，使其从全局视角考虑产品价值链，寻找更为高效灵活的解决方案，而且要提升学习者的数据素养，利用跨生产环节的数据资源优化劳动过程，并综合利用虚实场域中的人际、人机和智能体间的自组织等多元交互方式作为作业手段，提高问题解决的效率和范围。
从人本维度看，首先要关注现场工程师的自我实现和可持续发展。随着技术进步，机器能胜任的工作范围持续扩大，传统的单一领域技能，甚至是良构问题情境下的诊断、管理能力，都将沦为可替代的低附加值资产。现场工程师培养必须超越直白的技能学习和时代适应逻辑，挖掘并发展高附加值的品质，如面向未来的学习能力、高阶思维能力等。其次，还要关注制造业转型升级的人本化要求。智能制造离不开人的价值和需求，一味地追求自动化、智能化，不仅不能满足生产柔性化、用户个性定制化等复杂作业需求[8]，还会引发大范围的就业替代效应[9]，有违人民至上的发展初心。现场工程师作为工作现场最具能动性和活力的要素，其人类所独有的生命属性和社会属性是生产系统中人文关怀的宝贵来源。现场工程师培养须强调人文素养和社会责任意识，如对制造全价值链参与者的现实需求和感受的人性化理解能力，以及绿色、环保、低碳的技术伦理观。
（三）现场工程师培养的基本条件
根据现场工程师的内涵可知，其专业行动依赖于工作现场，只有通过工作实践才能实现全面而有效的学习，因而必须构建真实的智能制造行动场域作为认知的中介。为满足现场工程师独特的知识结构、能力特征以及时代要求，还需要提供专门化的学习支持。
一要提供多价值链融合的技术转化通路。技术转化是多价值链利益主体博弈的过程，任何不精准的对接都会影响其转化效率。[10] 应围绕技术转化实际问题，构造联通技术供需双方的技术转化通路，复现多价值链主体对接过程中产生的信息流、技术流和资源流，为学习者提供与利益相关主体沟通、合作的机会，从而获取多领域协同的工作过程知识[11]，培养跨领域视野。
二要提供个人、环境、知识匹配的学习助手。现场工程师的工作特征要求其必须统筹系统化学科知识和工作过程知识的学习。其中，工作过程知识是现场工程师知识结构的核心，需要学习者在工作实践中对工作的任务、过程和环境进行整体化的感悟和反思。[12] 但仅通过实践感悟无法获取完整且可以普遍迁移的科学原理知识，还需要为学习者提供个人、环境、知识匹配的学习助手，统筹学习者特征、工作情境以及学科知识学习目标，以个性化的学习支持服务帮助学习者消解职业语义场和科学知识语义场间的矛盾。
三要提供以人为本的人机协同创新空间。以人的需求为核心、以人的决策为中心的人本化人机系统，是学习者践行人文精神和社会契约，发挥主观能动性及创新性、战略性等高附加品质的重要条件。以人的需求为核心，要以人本化的生产理念运营产品价值链，支持学习者在实践中统筹生产技术与人的需求，形成人本化的职业性技术。以人的决策为中心，要为学习者提供不被机械化作业程式裹挟的人机协同创新空间，使其按照个人意志进行创新性实践、假设检验以及反思优化等活动，提升高阶思维能力和引领机器协同完成工作任务的本领。
三、面向现场工程师培养的人本学习工厂构建
（一）人本学习工厂的内涵特征
相较于传统学习空间，学习工厂能够围绕产品生命周期，将多站点实践共同体的活动联系起来，构成产品价值链与各子活动系统内部价值链共洽的系统性生产环境，使学习者超越专项技能或能力的学习，形成对工作领域的全面认识。然而，对于现场工程师培养而言，现有的学习工厂仍存在适配性不足的问题。其一，目前多数学习工厂的教学内容都是生产流程优化，很少考虑上游的产品研发和下游的销售服务过程[13]，没有实现真正意义上的产品全生命周期集成，无法提供完整的技术转化通路。其二，现有的学习工厂关注制造过程的智能化，相对忽视实践学习的智能化，其数字技术的应用只是改变了信息的表征方式，而没有对学习者的信息加工过程提供精准、有效的帮助。其三，学习工厂追求教学主体、生产主体和商业主体一体化的设计理念[14]，但过多地将学习者的自主权让渡给其他利益主体，以生产流程、商业利益等理由限制人的价值，湮没了“以学生为中心”的教育初衷，削弱了现场工程师最为宝贵的“自我意识”。
针对当前学习工厂的发展现状，本文提出“人本学习工厂”概念。相较于传统的学习工厂，人本学习工厂具有“人本智造”和“人本智学”两大特征。
1.人本智造
在人本学习工厂中，一是选择具有较大定制空间的工业产品或服务作为学习项目，即以人为本的智能产品/服务。这些产品或服务能够反映富有人情味的真实客户需求，而不是纯粹以技术应用为目标的虚假定制。二是采用绿色低碳、具备人机协同功能的智能制造设备，即以人为本的智能生产装备。这些设备不仅具备能源灵活性、边缘计算智能以及数据传感功能，能够形成自组织、自适应、自演化的群智智能体[15]，而且在设计之初便充分考虑人工干预的可能情况，在设计上留有人机协同的权限和空间[16]，具有模块化、可拓展的特性。三是具备以人为决策中心的人机协同管理功能，即以人为本的智能管理模式。人本学习工厂不一味追求制造技术的智能化升级，而是秉承人民至上的发展理念，将人置于生产的主体地位上，充分发挥和发展现场工程师学习者的作业鲁棒性、柔性和情感智能。四是具备多价值链主体紧密衔接与协同的生产环境，即以人为本的智能生产模式。针对现场工程师技术转化劳动所需的跨领域视野，人本学习工厂可以组织真实或模拟的上下游企业、客户、员工等多价值链主体，将意义联结的范围拓展到产品全生命周期。
2.人本智学
区别于学术型人才，现场工程师职业能力的表现和发展载体均是行动，蕴含柔性作业能力、人文素养等大量不可显性化处理的隐性成分，其学习内容不是抽象知识，而是复杂的工作任务，无法通过以知识为主线的传统人机协同学习实现。人本学习工厂基于学习者特征、产品需求、场景语义、人机交互过程等情境数据，结合专业知识数据集、情境数据库和职业发展规律，通过基于情境感知的自适应学习路径推荐[17]，可以提供个性化工作任务及相应的知识类学习资源，实现个人、环境、知识匹配的能力本位人机协同学习，即以人为本的智能学习支持。此外，教育作为一种有目的地培养人的社会活动，人的高级认知和情感智能是不可替代的，人本学习工厂以“人在领路”[18]的人机协同智能开展教育，即以人为本的群智教育决策。
综上所述，人本学习工厂是基于大规模个性化智能制造生产过程和技术构建的，全作业链集成、多价值链融合、绿色低碳的智能学习环境，能够为学习者提供以人为本的人机协同行动场域，以及以人为本、能力导向的群智学习支持服务。
（二）人本学习工厂的构建模型
基于人本学习工厂的基本内涵，面向现场工程师培养的人本学习工厂模型如图1所示。该模型基于人本智造中的“社会信息物理系统（Social Cyber-Physical System，SCPS）”[19]构建，包含物理系统、信息系统和社会系统。
图 1 面向现场工程师培养的人本学习工厂构建模型
1.物理系统
物理系统支持真实产品生产和跨作业领域交互，学习者在此进行“人在回路里（Human-in-the-Loop，HiL）”的学习，即在智能制造和学习系统的控制回路里，按照生产计划、学习计划开展实践探索。一方面，物理系统针对现场工程师的一个或多个培养目标（如研发现场的研发支持工程师、生产现场的产线运维工程师、服务现场的销售服务工程师等[20]）提供对应工作领域的完整行动空间，具有相互交织的多站点活动系统、以人为本的智能产品/服务和以人为本的智能生产装备。这些要素为问题情境构建提供了广阔的空间，既支持学习者具身体验真实生产过程，认识生产设备的运行工效与作业边界，理解并掌握生产作业现场的操作技艺、工艺流程，也支持学习者尝试解决创新性技术应用问题，开展技术转化实践探索。另一方面，物理系统以虚拟现实、数字孪生或跨组织互联等形式构建上述行动空间的上下游作业领域，使系统整体涵盖从概念设计到退役的产品全生命周期。藉此，学习者得以观察体验不同作业领域的工作任务，与跨作业域虚实劳动对象开展人机、人际协作，掌握跨领域工作过程知识。
2.信息系统
信息系统支持全要素情境数据聚合和人机群智决策，学习者在此进行“人在回路上（Human-on-the-Loop，HoL）”的学习，即学习者结合多元参与者需求，与智能制造和学习系统协同增智，共同组成控制回路，拟定并执行精准、高效、人性化的学习与生产计划。信息系统由人联网、物联网和务联网构成。人联网起到多元参与主体横向集成的作用，既包括可数字化处理的服务需求、利益诉求等内容，也涵盖情感、行动意志等抽象要素。物联网起到产品全生命周期纵向集成的作用，负责物理系统数据集成和智能决策命令执行。务联网以人联网和物联网为基础，起到“客户—制造”和“学习—工作”的端到端集成的作用。一方面，务联网在人联网全价值链参与者的需求引领下，通过物联网的数据互联和全局控制能力进行产品生命周期管理（Product Life-Cycle Management，PLM）。借助PLM系统，学习者能够带着不同社会群体的真实需求全局性地考量产品价值链，既支持他们以新型劳动形态开展实践，也有助于其统合各作业领域工作过程知识。另一方面，务联网利用人联网、PLM系统和物联网的协作和互补，实现对物理、信息和社会系统情境数据的群智感知，据此分析学情、规划任务、推荐学习资源，并通过物联网驱动智能生产装备构建真实问题情境，通过虚拟仿真系统提供虚拟制造和二次开发空间。藉此，学习者得以开展“任务规划、虚拟制造、实践验证、反思优化”迭代循环的学习活动，并根据学情分析及时调整自身的认知及元认知策略，按照任务规划和自身意志探索与自身发展水平适切的工作任务，实现高阶思维与学习能力的发展。
3.社会系统
社会系统联通产品全价值链参与主体，提供多价值链融合的生产环境，学习者在此进行“人在回路外（Human-out-of-the-Loop，HofL）”的学习，即学习者以超脱智能制造和学习系统控制回路的“上帝视角”，从多元参与主体的效益、权利、情感等价值追求角度认识以人为本的智能制造。物理系统提供了跨作业领域技术转化的时空通路与实践场域，支持学习者从生产的技术角度学习如何高效地完成复杂工作任务。而社会系统则为跨作业领域技术转化劳动注入了宝贵的人文要素，产业链、创新链和人才链的内外交互过程构成了生产的社会属性，学习者能够藉此学习如何人性化、灵活地完成复杂工作任务。一方面，对于“技术转化”参与主体间的衔接问题，服务创新链的现场工程师需通过社会系统理解产业链主体的利益诉求和生产工艺，确保研发设计的可实施性；服务产业链的现场工程师需通过社会系统理解创新链的研发设计意图，考虑产业链内部制造商、供应商、服务商、回收商、客户等横向群体间的利益冲突、技术冲突和信息冲突。[21] 另一方面，面对客户的个性化需求、员工的工作负荷和发展需求、企业的效益需求、社会的绿色低碳要求等不同组织间的利益冲突，学习者需要在社会系统中开展实践，在多元群体利益倾向选择的困境中，对效益、权利、情感等价值倾向进行自我调节，在道德推理与批判性思考中发展人文素养和社会责任意识。
四、面向现场工程师培养的人本学习工厂实施策略
（一）建设协同高效的产教融合体系，形塑系统性生产环境
形塑系统性生产环境的关键在于产品全价值链参与主体活动系统的融合，这离不开高水平的产教融合。[22] 只有构筑协同高效的产教融合共同体，为各参与主体增权赋能、增强共同体合作持久度，才能实现人本学习工厂可持续发展。一方面，要将制造商、供应商、服务商等产业链主体的生产功能融入人本学习工厂。站在产业链主体立场上看，人本学习工厂需要提供必要的工业生产或问题解决功能，并为企业间的横向集成提供合作平台。站在人本学习工厂立场上看，产业链主体应按照各自角色分工，将生产的社会关系通过生产活动导入学习工厂，为学习者提供真实生产情境。另一方面，要有效整合科研机构、高等院校等创新链主体的研究与实验功能于人本学习工厂之中，使人本学习工厂在服务创新链主体的同时，能够将真实科技成果产业化过程导入学习情境，帮助现场工程师学习者掌握全面的技术转化工作过程知识。
（二）坚持“人民至上”的发展理念，形塑人本化决策共识
人本学习工厂支持超脱于制造和学习系统控制回路的社会化活动，藉此培养学习者以人为本的思维方式，使他们以人的需求为中心开展利他性的社会行动，实现复杂工作问题的柔性化处理。其中，人本思维的本质是保持自身内在认知的价值目标与他者需求的一致性，这种一致性只有在稳定的社会环境下才能形成。[23] 人本学习工厂社会系统的构建依赖于产教融合，多元参与主体间的利益冲突客观存在且无可厚非，实现“和而不同”的关键在于以决策共识实现共同目标。[24] 参与人本学习工厂建设的企业、学校及其他组织应遵循人民至上的发展理念：对企业而言，需认识到其利益的本质来源不是产品，而是服务，产教融合的目的不仅是降低生产成本，还要关注如何在人民需求日益个性化、多样化的时代下，更好地满足人的需求、更好地服务于人；对学校而言，价值的创造取决于劳动力再生产水平，决定劳动力质量的关键并非知识和技能的掌握程度，而是劳动者是否具备为他者服务的意愿，能否解决真实的工作问题，以及是否具备自我实现与持续发展的可能。
（三）发展情境感知诊断技术，形塑能力本位智能学习样态
现场工程师的知识、工作诀窍和实践能力，均来源于生产情境的统合性认知与反思，智能学习系统的决策依据必须超越学习者的表现性数据，向生产系统和社会语境数据等情境信息扩展，其关键是发展基于情境感知的智能诊断技术。一方面，要使诊断规则从既定走向开放。过去，智能学习系统依赖于专家知识库或知识图谱，其本质是基于不同知识结点或情境状态之间的既定关系，预先规划可能的学习路线[25,26]，这使得智能学习系统深陷行为主义的漩涡。今后，应利用工业互联网大规模、多模态的生产经营数据训练大模型，将生产知识迁移到教育领域，利用生成式人工智能的语义感知及启发性内容生成能力赋能能力本位的智能学习。另一方面，要使诊断的数据来源从集中走向分布。其一，智能制造是物理、信息与社会系统有机协同的复杂活动过程，诊断的情境数据应体现其全局性的交互关系。其二，研究发现，基于GPT3.5的多智能体协同系统拥有高于GPT4的性能[27]，诊断也应采取多智能体协同的策略。因此，要充分利用智能制造环境中分布式智能体的情境感知与群智计算能力，以生成式人工智能为核心设计多智能体协同的自主工作流程，实现高性能的基于情境感知的智能诊断。
参考文献
[1]习近平. 携手同行现代化之路——在中国共产党与世界政党高层对话会上的主旨讲话[N].光明日报，2023-03-15(2).
[2]中华人民共和国中央人民政府. 教育部办公厅等五部门关于实施职业教育现场工程师专项培养计划的通知[EB/OL].(2022-09-15)[2024-03-20].https//www.gov.cn/zhengce/zhengceku/2022-11/05/content_5724757.htm.
[3]ABELE E，METTEMICH J，TISCH M，et al.Learning Factories for research，education，and training[C]//KREIMEIER D.5TH CONFERENCE ON LEARNING FACTORIES.Am sterdam:Elsevier Science BV，2015:1-6.
[4][13]EBERHARD A，GEORGE C，WILFRIED S，et al.Learning factories for future oriented research and education in manufacturing[J].CIRP annals-manufacturing technology，2017(2):803-826.
[5]刘康，徐辉. 职业本科院校现场工程师培养的逻辑向度、现实困境与路径优化[J].重庆高教研究，2023(6):65-76.
[6]赵志群，赵鹏飞. 基于工作的职业教育学:现场工程师培养的理论基础[J].教育与职业，2023(21):5-12.
[7][20]王亚南，成军，邵建东. 技术产业化视域下现场工程师的角色定位、核心能力及培养路径[J].中国高教研究，2023(9):95-101.
[8]杨晓楠，房浩楠，李建国，等. 智能制造中的人-信息-物理系统协同的人因工程[J].中国机械工程，2023(14):1710-1722+1740.
[9]王博. 智能时代的职业演进趋势:人机协作与人才培养[J].上海交通大学学报(哲学社会科学版)，2023(12):39-55.
[10]巫强，胡蕾，蒋真儿. 产业链与创新链融合发展:内涵、动力与路径[J].南京社会科学，2024(2):27-37.
[11]RISCHER M.Work experience as an element of work process knowledge[M]//RISCHER M.Work process knowledge.London and New York:Routledge，2002:124-127.
[12]赵志群. 促进有效学习的课业与课业设计[J].职教论坛，2008(18):1-3.
[14]李一. 德国工业4.0产教融合“智慧学习工厂”的构建理念与实施路径[J].职业技术教育，2023(34):73-79.
[15]刘佳琪，郭斌，任磊，等. 群智融合的制造业智慧空间建模方法[J].计算机集成制造系统，2022(7):2064-2074.
[16]王柏村，薛塬，延建林，等. 以人为本的智能制造:理念、技术与应用[J].中国工程科学，2020(4):139-146.
[17][25]黄志芳，赵呈领，黄祥玉，等. 基于情境感知的适应性学习路径推荐研究[J].电化教育研究，2015(5):77-84.
[18]祝智庭，韩中美，黄昌勤. 教育人工智能(eAI):人本人工智能的新范式[J].电化教育研究，2021(1):5-15.
[19]景轩，姚锡凡. 走向社会信息物理生产系统[J].自动化学报，2019(4):637-656.
[21]陶璟，邬如靖，鲍宏，等. 面向可持续价值共创的跨组织协同产品全生命周期设计方法[J].机械工程学报，2023(13):216-227.
[22]董栋. 北京师范大学教育学部教授赵志群:让学习者“学会工作”是职业教育的本质[J].在线学习，2024(Z1):26-29.
[23]马戎. 个体与群体:人类社会的认知与互动模式[J].中南民族大学学报(人文社会科学版)，2024(2):96-105+185-186.
[24]李梦卿，陈姝伊. 行业产教融合共同体建设的问题防范与推进策略[J].教育发展研究，2024(1):42-48.
[26]郝祥军，张天琦，顾小清. 智能时代的人机协同学习:形态、本质与发展[J].中国电化教育，2023(10):26-35.
[27]QINGYUN W，GAGAN B，JIEYU Z，et al.AutoGen:enabling next-gen llm applications via multi-agent conversation[J/OL].[2024-04-20].https://arxiv.org/pdf/2308.08155v2.pdf.
