面向人工智能的高职毕业生技能需求研究

2019-08-17许艳丽吕建强

高教探索 2019年7期

许艳丽吕建强

摘要：有效洞察雇主的技能需求对高职院校人才培养改革具有重要参照价值。通过对近万条网络招聘信息的数据挖掘及文本分析，检验和探讨人工智能领域对高职毕业生的技能需求。研究发现，人工智能领域的雇主对高职毕业生的技能需求内容上呈现综合化的新特点;需求维度上展露出专业能力、方法能力及社会能力三者并重的新趋势;具体技能需求上有显著的行业及岗位特色差异;出现较为明显的人工智能人才集聚现象。高职院校应积极探索“人工智能+X”复合专业培养新模式，针对不同行业实施差异化培养策略，创新产教融合协同育人机制，加强人才需求预测，增强人才供给与雇主技能需求的契合度。

关键词：人工智能;人才供给;技能需求;高职毕业生;网络招聘

一、引言

人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能。以人工智能为发展核心的智能产业已经成为新一代技术革命的排头兵，国内外企业纷纷布局人工智能产业链，构建AI生态。同时，美、英、日等发达国家相继推出人工智能国家战略，对人工智能伦理、技术标准、人才培养等进行战略部署，着重利用人工智能与数据分析技术提高生产力，帮助大众提升学习技能，以适应未来全球竞争需求。2017年3月，人工智能首次被写入我国《政府工作报告》，并正式上升为国家战略;2017年7月，国务院颁布的《新一代人工智能发展规划》表示，要力争人工智能领域在2030年居于全球前列，形成一批全球领先的人工智能科技创新和人才培养基地。在全球竞争的背景下，人工智能产业发展已成为全球科技创新的新焦点。

经济社会的发展离不开人才的支撑，人工智能时代和人工智能产业对不同层次人才的能力和素质都提出了新要求。除了顶尖研发人才外，数量庞大且符合产业需求的技术技能人才是人工智能产业的中坚力量。尽管我国人才培养规模位居世界前列，但人工智能领域的人才缺口却逐年扩大。统计表明，2017年企业对人工智能人才的需求量分别是2016年和2015年的近2倍和5.3倍。[1]根据预测，新一代信息技术产业人才缺口将由2020年的750万上升为2025年的950万;高档数控机床和机器人产业的人才缺口将由2020年的300万上升为2025年的450万[2]。人工智能权威吴恩达指出，人工智能人才缺口将持续存在，而应对的良方就是教育。全球著名管理咨询机构麦肯锡发布的《2017人工智能影响中国报告》指出，中国AI战略的五大基础之一就是要针对人工智能的新挑战，建立相关的教育和培训制度。而我国高职院校对人工智能带来的就业结构调整、就业方式转变、技能需求更新迭代反映还不够敏锐，对满足人工智能产业需求的高职毕业生技能有哪些，还停留在理论或先验层面，缺乏实践层面的有力佐证。由此导致对面向人工智能的高职毕业生技能内涵解释的泛化，也就无法构建系统的超前人才培养布局，最终使人才供给与市场需求对接不畅，造成企业招人难而学生就业也难的供需困境。

人工智能时代，毕业生具备高效洞察雇主技能需求的能力，对高职院校人才培养改革而言至关重要。为适应人工智能发展，职业教育要主动服务国家重大发展战略，加大人工智能的应用与研究。[3]研究表明，互联网劳动力市场大数据具有樣本量巨大、动态性和实时性较好的优点，能够分析传统调查方式无法分析的问题。[4]本研究通过挖掘人工智能领域的网络招聘信息，采用大数据计量的方法推测雇主对高职毕业生的技能需求，进而揭示人工智能时代高职毕业生需要具备的技能内容与结构，为深化高职院校人才培养改革提供启示。

二、数据与研究设计

（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。招聘网站不仅能提供某一时间节点劳动力市场的“快照信息”，还可以保存雇主和求职者双方的交易历史数据[5]，以及某一具体岗位的求职者数量、个人求职信息等多维数据[6]。随着互联网的普及，网络招聘已成为求职与招聘的主要渠道，2017年中国网络招聘雇主规模为536.6万，较2013年增长173.8%;求职者超过1.6亿人，较2013年增长55.2%[7]，预计2019年网络招聘雇主规模将突破700万，求职者将突破1.9亿人。因此，相比传统的小规模人才需求分析，通过分析网络招聘信息并推测雇主对人才的技能需求是可行的。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，推测雇主对高职毕业生的技能需求。

（二）分析方法

根据需要分析的数据特征，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的客观、系统和定量描述的研究技术[8]，具有客观性、系统性、定量性、描述性和显明性[9]。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[10]。网络招聘信息属于较为正式且简短精炼的书面用语，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%[11]，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。遵循样本选择标准并综合考量招聘网站规模、口碑等因素，本研究选取上述三个招聘网站作为样本来源。具体取样过程是分别在这三个网站的职位搜索页面设定检索条件：“全文搜索”设置为“人工智能”，工作类型设置为“全职”，“学历要求”设定为“大专或同等学力”，“发布日期”设定为“一周内”，使用Python语言编写脚本程序。考虑不同网站的HTML语法结构，利用Python中的Scrapy工具包，并结合XPath定位所要获取的文本信息，共抓取10011条招聘信息，抓取时间为2018年7月20日。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9787份。招聘信息样本基本情况如表1所示。

（四）资料编码

资料编码过程如下：①将Python采集的招聘信息保存到MYSQL数据库中。由于不同网站所提供的字段不同，为方便后期统一处理，从招聘文本中选取岗位名称、工作地点、薪资、企业名称、企业规模、所属行业、职能类别、任职要求等字段。其中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;②从MYSQL中提取导出CSV表格文件数据;③对数据进行清洗。由于各个公司招聘信息侧重点不同，招聘信息中也包含了公司简介、员工福利等与本研究主题相关较低的材料。因此，需要对获得的初步数据进行清洗，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，由于社会现象和相应的词频波动两者间有着内在的联系，某种社会现象会相应产生特定的词频波动[12]。因此，对这些反映技能需求的高频词汇进行分析可以推测出高职毕业生求职所需具备的技能。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;然后将关键词进行分类合并，并剔除无关词汇;最后得到9项频率在10%以上的技能指标，包括计算机语言基础、Python、数学、开发经验、思维能力、销售经验、责任心、沟通能力、协调合作能力等。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。

（五）信效度检验

本研究通过计算编码者的编码一致性来度量内容分析的信度。首先，随机抽取80份招聘信息，请两名具有情报学背景并学习过编码知识的研究者各自进行编码，采用二值数据（有无，是否）编码规则进行编码。包含某一技能则计为1，反之则计为0。然后，对二者的编码结果进行对比分析，利用霍斯提的一致性百分比公式来判定是否符合信度要求，计算公式为R=2M/（N1+N2），其中M为完全一致的编码数，第一位编码者的编码数量标记为N1，为第二位编码者的编码数量标记为N2。经计算，本次编码信度为96.30%，信度检验方法与结果符合标准。进一步采用常用的内容效度检验法来度量研究效度。首先，本研究编码表是在已有研究基础上编制的，有较好的理论和现实依据;其次，编码程序严格规范，编码人员受过专业训练和预编码，并且剔除了意义指向不明的项目，进一步提高了内容效度;最后，参与研究人员一致认为此次编码能够全面有效地反映面向人工智能的高职毕业生招聘需求。据此认为，本研究的内容分析有较高的效度。

三、研究分析与结果

（一）高职毕业生技能需求的内容

网络招聘信息中提及的高职毕业生技能需求及比例情况的描述性统计分析如图1所示。由于网络招聘信息属于较为正式且简短精炼的书面用语，招聘信息内容都是对高职毕业生技能最基本和最紧迫的需求，具有较强的一致性，因此可以推定，经统计所得的图1中的技能需求具有普遍性和代表性。由图1可以看出，在各项技能需求中，雇主提出最多的是数学知识（27.31%）;其次是沟通能力（25.85%）;提及率较高的还有软件开发（18.63%）、Python（18.18%）、责任心（16.23%）、协调合作能力（12.87%）、語言基础（10.91%）以及思维能力（10.74%）等。

图1网络招聘信息中雇主的具体技能需求及百分比

数据反映了多数雇主没有对专业做出明确限定，多是提及“优先录用计算机、数学等相关专业”，但对工作岗位所需的专业技能则普遍予以规定，以确保求职者具备胜任工作岗位的基本技能。数据还表明，人工智能类岗位对求职者工作经验限定不多，招聘信息中无工作经验要求的占32.06%，没有具体工作年限要求的占34.42%，两者占招聘总数的66.48%;有工作经验要求的仅占33.52%，说明工作经验不是雇主最为关心的技能内容。薪酬待遇方面，平均月薪在6000-10000元之间的占25.77%，月薪在10000元以上的高达51.67%，而2016年和2017年的毕业生就业质量年度报告表明，2016年和2017年全国高职毕业生平均薪资分别为3599元和3907元。可见，人工智能领域的高职毕业生处于供不应求的状态。

（二）高职毕业生技能需求的维度

雇主的技能需求具有多样性、复杂性和异质性，需按一定逻辑加以整合，以便更清晰地把握其技能需求特点。聚类分析（ClusterAnalysis）是根据研究对象的特征加以归类的内容分析方法，其过程是将研究对象按一定标准归入不同类别，使其特征更加澄明。通过聚类分析将雇主的技能需求进行归类，减少数据杂乱和遮蔽，进一步提炼雇主技能需求特征。德国职业教育学家劳耐尔认为，职业技能主要包括专业技能、方法技能和社会技能[13];日本职业教育学者细谷俊夫从技术与产业关系的层面将职业技能分为物质方面与社会方面的技能[14];我国学者姜大源基于技能的功能指向将职业技能分为通用技能和特殊技能[15]。依据聚类分析并综合不同分类方法的特点与共识，结合雇主对技能需求关注点的差异，将面向人工智能的高职毕业生技能需求划分为专业能力、方法能力与社会能力三大维度。人工智能领域的雇主对高职毕业生的技能需求结构如图2所示。

1.专业能力。专业能力是指在专业基础知识上，符合专业要求的，能够按照一定方法独立完成任务、解决问题和评价结果的技能。[16]统计数据表明，人工智能时代的高职毕业生的专业能力需求主要包括数学、软件开发、计算机、语言编程等，其中数学占27.31%、软件开发占18.63%、Python占18.18%、语言编程占10.91%。可见，在各项专业能力中，人工智能领域的雇主对数学、计算机科学等与人工智能紧密相关的专业知识较为关注。

2.方法能力。方法能力是指对问题和情境的解释、思考和评判并开发自己的智力、设计发展道路的能力，尤其强调独立学习和获取新知识的能力。[17]数据表明，雇主最为关心的方法能力是思维能力，招聘信息中有10.74%的雇主更为看重思维能力。智能化时代，企业需要具备快速适应环境的创新能力，这依赖于员工在不确定情况下自组织并寻求创造性解决方案的能力。因此，面向人工智能的高职毕业生尤其要具备较强的思维能力来促进工作创新进而带动整个组织的创新。

3.社会能力。社会能力是指在不同情境下能够采取恰当行为的能力，其涵盖范围较广，主要是指交往、合作，组织与责任意识等。数据表明，雇主最为关心的社会能力为沟通能力（25.85%）、责任心（16.23%）和协调合作能力（12.87%）。人工智能时代，员工只负责单一工位、岗位间交集少、只注重专业技能提升，忽视社会能力的传统工作职位会急剧减少，注重团队协作、化解冲突能力、人机交互的工作岗位会更加普遍，社会能力的价值将进一步凸显。

（三）高职毕业生技能需求的差异

不同岗位类别对高职毕业生的技能需求情况见表2。在专业能力方面，“金融/投资/证券”和“计算机/软件/通讯”类岗位的限定条件最多，而“医疗设备/器械”和“房地产/物业/农业等”岗位类别对专业能力的要求则普遍较少，这与职业的专业化程度以及职业与专业的关联性有密切关系;“金融/投资/证券”“计算机/软件/通讯”“教育/培训/院校”“广告/互联网/电子商务”“医疗设备/器械”，这些岗位要求有更多的销售和工作经验。在方法能力方面，“计算机/软件/通讯”“教育/培训/院校”对思维能力要求较高，说明从事此类职业需要具备较多的方法能力。社会能力方面，“金融/投资/证券”“教育/培训/院校”“广告/互联网/电子商务”等类岗位对沟通能力要求明显偏高，上述岗位类别都需要经常处理人际沟通方面的事务;“金融/投资/证券”“教育/培训/院校”“医疗设备/器械”对协调合作能力要求较多。在所有技能需求中，只有责任心在所有岗位类别中提及的比例超过50%，可见雇主对责任心尤为重视。

数据还表明，人工智能产业的岗位需求主要集中在北上广深以及杭州、南京等经济发达城市，这些城市正是智能企业最为密集的地区，仅位于北京市的智能企业就占该类企业总数的43.9%[18]。面向人工智能的高职毕业生技能需求的企业规模1000人以上的占20.82%，500-1000人的占14.49%，150-500人的占32.40%，150人以下的占32.29%。由此推知，人工智能领域的岗位和技能需求主要集中在发达中心城市与规模较大的企业。一是由于人工智能产业集聚引发集中的人才需求;二是因为人工智能产业属于技术密集型产业，需要较高的科技积淀及大量资金投入，欠发达地区和中小企业由于资金和技术壁垒，短时间内难以有效进入该领域。

四、研究结论与建议

通过对网络招聘信息需求的数据挖掘和内容分析，本研究呈现并分析了当前我国雇主对高职毕业生面向人工智能需求的相关技能要求，并得出四点结论。第一，人工智能领域的雇主对高职毕业生的技能需求内容上呈现综合化的特点，其中专业知识、思维能力、沟通能力、责任心、协调合作能力是雇主普遍看重的具体技能。这对我国高职院校现有的界限分明的专业细分式的人才培养模式提出了挑战。第二，人工智能领域的雇主对高职毕业生的技能需求维度上展露出多维度并重的趋势。除了诸如数学、Python、Linux、语言编程等专业技能之外，人工智能时代的雇主日益重视交往能力、责任心、协调合作能力等，这与工业时代的“雇主更看重专业技能”明显不同。第三，人工智能领域对不同岗位的具体能力需求存在着显著性差异。这一差异不仅体现在专业能力上，在方法能力和社会能力上尤为显著。第四，人工智能领域出现较为明显的人才集聚现象。区域上表现为大部分人才流向北上广深等发达中心城市;行业上表现为大部分人才流向高新技术企业;雇主上表现为大部分人才流向规模较大的企业。

根据上述结论，并结合人工智能时代及智能产业特点，提出高职院校面向人工智能的人才培养改革建议。

第一，探索“人工智能+X”复合专业培养新模式，培养复合型、创新型高技能人才。随着知识、信息、技术更新周期越来越短，单一的知识体系和固化的技术结构难以应对智能时代的技能需求。高职毕业生不仅需要掌握扎实的专业知识，还要不断更新拓展已有的知识和技能体系，具备复合能力和创新能力。高职院校应积极迎接人工智能带来的新挑战，加快培养智能科学与技术专业方面的专业人才[19]，通过人工智能与数学、计算机科学、物理学、社会学等学科专业教育的交叉融合，构建技术赋能的教育教学，探索“人工智能+X”的人才培养新模式，更多地关注学生方法能力和社会能力的培養，并借助人工智能开展教学监测、学情分析和学业评价，调动学生学习的主动性，激发学生的创造力与跨界思维。

第二，实施差异化培养策略，增强技能适切性。一方面，将人工智能的常识性知识纳入到通识课程，以提高学生的人工智能素养;另一方面，有针对性地培养不同专业领域学生的不同技能。灵活调整高职院校对学生技能培养的重点和方向，在专业能力和其他能力之间寻求恰当的比例和结合点，并适当提升方法能力和社会能力培养的比重[20]。在具体培养过程中，应根据不同行业的技能需求，有所侧重地培养技术技能。比如，金融类专业应加强对学生沟通能力、组织协调能力的培养;计算机类专业应进一步突出对学生思维能力、工作责任心等方面的培养;教育和医护类专业则应重点强化交往、合作能力的培养等。

第三，创新产教融合协同育人机制，构建多主体办学模式。为进一步减少技能错配并满足自身技能需求，雇主应从“招聘人才”的终端走向“人才培养”的前端，深度参与职业教育，构建企业、院校和培训机构共同参与的“多主体”办学模式，不断创新产教融合协同育人机制。政府支持建立智能时代的产学研联盟，建设集教育、培训、科研于一体的区域共享型人工智能实训平台，培养满足人工智能产业发展需求的高技能人才。引导高职院校通过增量支持和存量调整，稳步增加相关学科专业招生规模、合理确定层次结构，加大人工智能领域人才培养力度。

第四，建立人才需求预测平台，化解供需矛盾。智能化时代必将带来职业教育人才培养模式的根本性变革[21]，建立人工智能的人才需求预测和信息服务平台，借助大数据分析等多元工具及研究方法组合，探索人工智能带来的就业结构、就业方式转变以及新型职业和工作岗位的技能需求，加强人工智能产业人才需求预测，完善高技能人才信息库，构建人工智能产业人才评价制度和信息发布平台。深化高职院校人才培养改革，有效完善人才培养随产业发展的动态调整机制，使高技能人才供给与人工智能产业发展需求更加吻合。

参考文献：

[1]腾讯研究院.2017全球人工智能人才白皮书[R].2018-09-19.

[2]教育部，人力资源和社会保障部，工业和信息化部.制造业人才发展规划指南[Z].2016-12-27.

[6]中华人民共和国教育部.关于进一步推进职业教育信息化发展的指导意见[EB/OL].[2017-09-05].http：//www.moe.edu.cn/srcsite/A07/zcs-zhgg/201709/t2017-0911-314171.html.

[4]KuhnPJ，ShenKL.DoEmployersPreferUndocumentedWorkers？EvidenceFromChinasHukouSystem[R].2014.

[5]AutorDH.WiringtheLaborMarket[J].JournalofEconomicPerspectives，2001（1）：25-40.

[6]KuhnPJ.TheInternetasaLaborMarketMatchmaker：HowEffectiveareOnlineMethodsofWorkerRecruitmentandJobSearch？[J].IZAWorldofLabor，2014（5）：1-10.

[7]360數字营销中心.2017年招聘行业研究报告[R].2018-01-06.

[8]MichaelSingleFary.MassCommunicationResearch：ContemporaryMethodsandApplication[M].NewYork：LongMan，1994：281.

[9]周翔.传播学内容分析研究与应用[M].重庆大学出版社，2014：10.

[10]王伟军，蔡国沛.信息分析方法与应用[M].北京：清华大学出版社，2010：172.

[11]艾瑞咨询.中国网络招聘行业半年度报告（2017）[EB/OL].[2018-09-17].http：//report.iresearch.cn/report/201711/3082.shtml.