智造时代高职学生需要具备何种就业能力结构？

摘 要 就业能力作为连接职业教育人才培养与技术技能人才需求的中介环节，是职业教育服务制造业转型升级的重要切入点。通过挖掘网络招聘信息，采用大数据计量的方法提取智造时代高职学生的就业能力要素，并结合已有文献分析和专家咨询法予以修正，然后运用问卷调查法进行验证，最后借鉴素质洋葱模型构建出高职学生就业能力结构模型。该模型涵盖了方法能力、技术能力、社会能力、学习能力和个体特质5个能力维度，并包含责任感、数字能力、创新能力、复杂问题解决能力等21个具体能力要素。通过构建高职学生就业能力结构模型发现，智造时代高职学生的就业能力呈现出要素日益更新化、维度日益复合化与层次日益知识化等特征。

关键词 智造时代；制造业转型升级；职业教育；高职学生；就业能力

中图分类号 G712 文献标识码 A 文章编号 1008-3219（2023）10-0052-09

作者简介

吕建强（1984- ），男，曲阜师范大学职业与继续教育研究院讲师，博士，研究方向：职业技术教育学（曲阜，273165）

基金项目

天津市哲学社会科学规划重点项目“智能制造高技能人才培养模式变革研究”（TJJX20-022），主持人：许艳丽

随着新一代信息通信技术与制造业深度融合，以“云大物移智”等数字技术为标志、以知识资源为依托的新一轮工业革命正在发生，这就是工业生产的第四个阶段，即智能制造时代（下文简称“智造时代”）[1]。《智能制造发展规划（2016-2020年）》指出，加快发展智能制造，是培育我国经济增长新动能的必由之路，是抢占未来经济和科技发展制高点的战略选择，对于推动我国制造业供给侧结构性改革、打造制造业竞争新优势、建设制造强国具有重要战略意义。相较以往的工业时代，智造时代赋予工作世界以新的内涵，进而对技术技能人才提出了更高的就业能力要求。当前，我国技术技能人才供给还不能有效满足智能制造的需求，民工荒、技工荒与大学生就业难问题的并存表明，空缺职位与人力资本供给存在严重的不匹配[2]。伴随产业转型升级进程出现的新职业和新岗位需要新的知识和能力，而劳动力或者缺乏特定的专业知识和能力，或者已有能力结构与产业发展需求不相契合，就业市场没有形成供需匹配[3]。基于此，本研究基于劳动力市场需求视角，采用混合研究方法对高职学生就业能力进行调查分析，并通过实证分析构建高职学生就业能力结构模型。

一、智造时代高职学生就业能力的要素提取

（一）数据来源

数据的选取应以权威性、科学性以及可获得性为标准。技术进步、数字化和互联网的普及使“大数据”收集成为可能。2019年网络招聘雇主规模突破700万，求职者突破1.9亿人。招聘广告内容的数据已从一系列国家在线招聘系统中收集，形成了大量数据集，其中载有关于招聘要求的详细信息。通常记录的信息包括广告中的具体技能需求和技能相关指标，如职称、资格、认证和经验要求，以及关于空缺职位的其他信息，如经济部门、雇主、职业类别和地理位置。收集数据是实时进行的，与公布前需要时间处理的调查相比，从网上职位空缺中获得的数据几乎可以立即使用[4]。因此，本研究借助大数据分析，通过数据挖掘、可视化技术等方法分析网络招聘信息，推测高职毕业生的就业能力需求。

（二）分析方法

本研究运用内容分析法对所收集的资料进行分析。内容分析法是一种对具有明确特性的传播内容进行客观、系统和定量描述的研究技术[5]，具有客观性、系统性、定量性、描述性和显明性[6]。内容分析的具体过程是借助数据处理软件或程序将目标媒介上的信息转化为能够定量分析的数据，并将数据内容分解归类，以此来分析所需信息的某些特征[7]。网络招聘信息属于较为正式且简短精练的书面用语，具有较强的一致性，适用于内容分析法。

（三）样本选取

研究数据显示，在众多互联网招聘网站中，前程无忧（www.51job.com）和智联招聘（ts.zhaopin.com）行业占比最高，分别为31.8%和30.7%[8]，二者与应届毕业生求职网（yingjiesheng.com）占据日均覆盖人数的前三位，远超其他招聘网站。在此基础上增加专门招聘制造类技术技能人才的专业网站：制造业人才网（http：//www.michr.com/），以进一步提高样本的代表性和针对性。样本范围限定在制造业，取样过程是分别在这四个网站的职位搜索页面设定检索条件：以“工业4.0”“智能制造”“先进制造”“工业机器人”“软件编程”“工业软件”“数控机床”等为全文检索关键词，工作类型设置为“全职”，学历要求设定为“大专”，发布日期设定为“6个月内”，使用Python语言编写脚本程序，于2020年10月20日抓取36866条招聘信息。对初步获得的招聘数据进行筛选，剔除内容重复、外文、缺少具体要求，以及工作类型、学历要求不符合数据选取标准、无关职位的招聘信息，最后获得有效样本13206份。

（四）资料编码

资料编码过程如下：首先，将Python采集的招聘信息保存到MYSQL数据库中。招聘文本的主体内容为职位描述，主要包括岗位职责与任职要求，这是本研究的核心材料。其次，从MYSQL中提取导出CSV表格文件数据。最后，对数据进行清洗。对初步获得的数据进行清洗，剔除无关内容，提炼出任职要求，以减少对后续数据编码产生的干扰。清洗规则是运用关键词剔除法，程序自动判定数据的有效性，结合自身的算法程序进行大数据样本统计。雇主普遍关心的技能需求会较多地呈现在网络招聘的文本信息中，因此，分析这些高频词汇可以推测出高职学生求职所需具备的就业能力[9]。

本研究首要的编码工作是采用Jieba分词软件对所采集的数据进行分词和词频分析，将与技能需求相关的高频关键词提取出来，然后分类合并剔除无关词汇。通过数据清洗和提取关键词等步骤，获得21项出现频率在10%以上的能力指标（见表1），从高到低依次是责任感、创新能力、适应能力、主动学习、终身学习、自我管理、复杂思维、沟通协调、团队合作、服务导向、社交感知、设备操控维护、技术设计、数字能力、网络技术、与计算机交互、解决复杂问题、业务流程管理、问题解决和优化、领导技巧和决策能力。然后，基于关键词对各招聘信息中的任职要求内容分别进行编码。通过计算编码者的编码一致性来度量内容分析的信度[10]。经计算，本次编码信度为96.30%，符合标准。

二、智造时代高职学生就业能力的要素修正

智造时代劳动力市场的能力需求具有多样性、复杂性和异质性，为进一步提炼高职学生就业能力需求，需按一定逻辑加以整合，增加讨论的丰富性并减少数据的杂乱和遮蔽，以便更清晰地把握能力需求特点。总体而言，国内外已有研究对就业能力较为关注，运用不同视角和方法对就业能力要素和维度进行了分析探讨，见表2。但现有研究多采用定性研究，对就业能力尤其是高职学生就业能力测量与评价的可操作性研究稍显不足。

本研究中高职学生就业能力结构要素的提取以前述研究中的大数据分析和表1为基础，对相关文献资料的文本内容进行分析，见表2，提取描述高职学生就业能力结构要素的关键词，对提取的关键词中的相近词进行归并整合，对要素名称进行转换并补充和完善。为进一步完善就业能力结构模型要素，对初步提取的要素进行网络预调研和专家咨询。预调研的对象主要为职业教育研究人员、高职院校制造大类专业教师、制造类企业的技术人员。设计5点计分量表问卷进行测量。请上述人员对高频能力因素进行评分，共发放问卷200份，收回问卷156份，有效问卷147份，问卷的有效率为94.23%。运用SPSS22.0对量表进行信度检验，克隆巴赫系数（Cronbach’s alpha）为0.867＞0.70，表明量表信度可以接受。在此基础上，KMO检验值为0.876，P=0.000＜0.001，表明样本量足够且显著。结合对前期调研中的信息和专家意见，修正初步提取的就业能力要素，将“跨学科思考和行动能力”调整为“复杂思维能力”，将“建模/编程能力”修正为“与计算机交互的能力”；修正后的高职学生就业能力模型要素及释义见表3。

三、智造时代高职学生就业能力的模型构建

（一）问卷设计与调查

基于网络招聘信息并结合问卷调查对制造大类高职学生进行调查，设计5点计分量表问卷进行测量。请制造大类高职学生对表3中的就业能力要素分别打分。通过微信问卷的形式调查了500位高职学生，最后回收356份问卷，其中，有效问卷297份，有效率为83.42%。

（二）探索性因子分析

1.项目分析

为验证问卷题目的测验质量，需要在对高职学生就业能力问卷进行探索性因子分析之前做项目分析。项目分析按照极端分组法对题目的鉴别程度和题目之间的聚合程度进行测试。首先，将每个样本得分相加求得各项目总分，接着采用极端分组法对项目加总后的总分数据进行分组，高分组为样本的前27%，低分组则为样本的后27%，然后对两个分组在每项问题的得分进行独立样本T检验，最后得出独立样本T检验的sig值，当sig＜0.05表示问卷效果较好，该题目可以保留，如果sig＞0.05则表示该题目效果不好，应该删除。根据各题项得分的独立样本T检验结果显示，全部题目的决断值都高于4，满足显著水平，表明题目的区分度满足要求。

2.探索性因子分析

运用SPSS 22.0检验量表的信度，检验结果显示：克隆巴赫系数（Cronbach’s alpha）为0.867＞0.70，表明量表信度较高。KMO检验值为0.876，P=0.000＜0.001，表明样本量足够且显著，量表可以采用因子分析。接下来使用SPSS 22.0对21个能力变量进行因子提取，然后采用主成分分析法，通过Varimax旋转获得6个特征值大于1的因素，这些因素共同解释了这些项目之间64.78%的差异。表4显示了6个因素上每个项目的载荷，可以发现每个指标在对应因子上的载荷在0.565～0.821之间，这一数据表明题目与因子之间的关系是紧密的。提取的因子累积方差贡献率为71.23%，表明解释度较高，说明本研究提取的几个因子对问卷题目的解释力足够，有较好的代表性。适应能力、复杂思维、决策能力、领导能力四项在旋转后都同时呈现在两个因子内，表明它们在两个维度上均存在一定的合理性。根据旋转后的成分矩阵，对21个要素降维后的公共因子进行命名，提炼得到高职学生就业能力结构的一级维度，并对分类后的原有要素进行更正。

因子1包含责任感、创新能力、适应能力3个具体能力指标，其中，适应能力同时处于因子1和因子5中。因子分析方法规定，当一个观测变量旋转成份矩阵分布在两个公因子时，按照观测变量本身的意义，选择适合自身的公因子[11]。结合这一思路，对因子1中的责任感和创新能力进一步观察可以发现，两者是对个体人格特质的表述。因子5中的解决复杂问题、业务流程管理、问题解决和优化三个能力指标更侧重于行动中的方法策略。而适应能力更倾向于对个体心理特质的表述，因此，将其纳入因子1之中，并将因子1命名为个体特质。

因子2包含主动学习、终身学习、自我管理、跨学科思考和行动4个能力指标。其中，复杂思维能力同时处于因子2和因子5中，与侧重行动的因子5相比，复杂思维能力侧重于思考能力更适合将其纳入因子2。因此，将因子2中各要素的名称改为主动学习、终身学习、自我管理、复杂思维能力，并将因子2命名为学习能力。因子3包含沟通协调、团队协作、服务导向和社交感知4个要素指标。由此可见，这4个能力要素都是有关沟通互动和社会交往的相关内容。所以，可以将因子3命名为社会能力。因子4包含设备操控维护、技术设计、大数据、网络技术、与计算机交互5个能力要素。因子4主要涉及技术和设备等的操控，因此，将因子4命名为技术能力。因子5包含解决复杂问题、业务流程管理、问题解决和优化3个能力要素。同时，领导技巧和决策能力同时处于因子5和因子6中。因子5中的三个能力指标侧重于行动管理和策略，制造业工作环境中技术工人的领导技巧和决策更多的是指生产过程中处理临时状况的行动力，协调或组织生产资源的能力，因此将因子5和因子6合二为一，命名为方法能力。

根据上述因子分析结果可知，高职学生就业能力是一个结构化模型，由21项具体指标及其综合而成的5个维度构成。按照因子分析结果可以得到高职学生就业能力结构维度及各项构成要素，见表5。