數智時代人工智能專業大學生就業勝任力建構與提升策略

摘 要：在數智時代背景下，人工智能專業大學生的就業勝任力是其職業發展的關鍵之一?；诒侥Ｐ?，綜合分析了B市多所理工類高校人工智能專業大學生的培養特點，構建了一個包含顯性能力與隱性素質的就業勝任力結構體系。通過實證研究，評估了學生的就業勝任力現狀，并發現了在自我效能、創新思維等方面的提升空間。基于此，提出了一系列提升策略，旨在通過強化實踐技能、深化潛能開發、精進核心發展等途徑，系統性地提升學生的就業素質和競爭力，以滿足社會對高素質人工智能專業人才的需求。

關鍵詞：人工智能專業；就業勝任力；冰山模型；大學生；數智時代

在21世紀的數字化轉型中，數智時代的來臨重塑了社會經濟和人才培養模式。這一時代以數據驅動和智能化決策為標志，強調利用數據分析、機器學習、人工智能等技術深入理解復雜系統，促進各領域創新[1]。對人工智能專業大學生而言，這要求他們不僅要有堅實的理論基礎，而且還要具備適應技術變革、解決跨領域問題的能力以及持續創新的動力。然而，現有的專業教育與數智時代的高標準之間仍然存在差距，未能滿足社會對高素質人才的需求。因此，提升這些學生的就業勝任力變得尤為關鍵，這不僅有助于個人職業發展，而且也是社會經濟和科技進步的重要支撐。高素質的人工智能專業人才將推動社會向更高層次的智能化、數字化發展。

人工智能專業學生勝任力冰山模型

在教育心理學領域，勝任力（Competency）的概念由哈佛大學教授戴維·麥克里蘭（David C. Mcclelland）于1973年提出[2]。麥克里蘭教授將勝任力界定為一系列與個體在工作、工作績效以及生活中其他成就直接相關的知識、技能、動機和個性特質?；诖烁拍?，他進一步發展了著名的冰山模型（Iceberg Model），該模型對勝任力進行了多維度的劃分，涵蓋了知識、技能、角色定位、自我認知、個性特質和動機等方面，旨在全面反映用人單位對求職者的綜合能力和潛在素質的要求。冰山模型通過隱喻的方式闡釋了職業勝任力的兩個主要組成部分：“冰山之上”的部分，即那些容易觀察和測量的知識和技能；“冰山之下”的部分，包括不易察覺且難以量化的社會角色、自我價值觀、個性特質和動機等。這些深層次的素質對個體在特定情境下的行為和適應能力具有決定性影響。冰山模型不僅為理解和評估個體的就業勝任力提供了一個全面的框架，而且強調了在培養過程中對表層能力與深層次能力的同等重視[3]。在人工智能專業學生的教育培養中，冰山模型的應用尤為重要。

在人工智能學科領域，專業人才培養的核心目標是塑造具有堅實理論基礎和行業適應性的實踐操作能力，旨在孕育出既具備深厚理論素養又擁有復合型應用技能的高層次專業人才。相較其他專業大學生，人工智能專業學生的教育模式更強調實踐應用性、職業技能性與專業理論性的有機融合，形成了“理論深度+應用能力+職業技能”的多元一體化培養模式[4]。該模式致力于培育能夠迅速適應并勝任就業市場的畢業生，以滿足相關崗位的專業需求。人工智能專業學生的就業勝任力構建，不僅涵蓋對人工智能基礎理論的深入掌握，而且包括編程、數據分析、機器學習等關鍵專業技能。同時，隱性素質，如創新思維、問題解決能力、學習能力及對人工智能倫理和社會責任的深刻認知，同樣是構成其就業勝任力的關鍵要素。這些素質的綜合體現，對于學生成功就業、有效工作及職業發展的實現具有決定性影響。

人工智能專業學生就業勝任力結構體系構建及調研分析

以冰山模型理論為基礎，人工智能專業大學生的就業勝任力結構體系構建應遵循綜合性與系統性原則，確保其能力模型能夠適應技術演進與職業需求的動態變化。該結構體系可劃分為兩大類指標：顯性能力與隱性素質[5]。顯性能力，包括但不限于專業知識掌握與技術技能應用，強調對人工智能基礎理論的深入理解與將理論應用于實際問題解決的能力；隱性素質，則涵蓋了創新思維、終身學習能力等，這些素質，雖不易直接觀測，但對大學生的長期職業發展具有決定性影響。結合人工智能專業培養定位，將人工智能專業大學生就業勝任力體系分為2個一級指標：顯性能力、隱性素質；4個二級指標：專業知識掌握、技術技能應用、創新思維、終身學習能力以及11個三級指標。

在數智時代的背景下，人工智能專業大學生的就業勝任力體系構成了一個全面而復雜的框架，旨在培育能夠引領和適應未來技術革新與市場動態的專業人才。顯性能力作為該體系的一級指標，囊括了專業知識掌握和應用技能兩大二級指標，其中，專業知識掌握不僅要求對人工智能基礎理論、機器學習原理、編程語言的深入理解，而且還包括高等數學與統計學基礎的掌握，為學生提供了分析和解決復雜問題的理論支撐；技術技能應用則側重于學生將理論知識轉化為實踐技能的能力，涵蓋數據分析、算法實現、軟件開發以及人工智能系統的部署與維護，確保學生具備直接應用于行業的技術專長。隱性素質作為體系中的另一級指標，涵蓋了創新思維和終身學習能力，這些素質雖不易直接觀察，卻是職業發展中不可或缺的內在動力[6]。創新思維要求學生具備問題解決的創新性、新技術適應性、跨學科思維整合能力以及在人工智能領域進行獨立研究與開發的能力，以應對不斷涌現的新問題和挑戰。終身學習能力則強調學生在整個職業生涯中不斷學習和自我更新的能力，包括自我驅動學習、跨學科知識整合、學術文獻評估與應用以及對技術趨勢的洞察與適應能力，以確保學生能夠持續跟進知識的更新和行業的發展。

1.調研情況

為了深入探究數智時代人工智能專業大學生的就業勝任力現狀，本研究開展了一系列調查與分析工作。針對B市多所理工類高校的人工智能專業在校大學生及近期畢業生，本研究發放了《人工智能專業大學生就業勝任力狀況調查問卷》（學生版），同時向相關行業的用人單位負責人發放了《人工智能專業大學生就業勝任力狀況調查問卷》（企業版）。本次研究共發放問卷2，600份，最終回收有效問卷2，516份，包括1，406份學生版問卷和1，110份企業版問卷。

2.調研結果

結果顯示：人工智能專業大學生的就業勝任力整體表現良好，平均得分接近4分，顯示了他們在專業知識和技能上的基礎扎實。然而，終身學習能力稍顯不足，特別是自我效能方面，這表明學生在自我驅動學習和跨學科整合方面需要更多培養。企業對學生的評價普遍較高，而學生自評則更為嚴格，顯示出學生對自身能力的高標準和提升空間的認識。企業認為學生對自身評價偏低，而學生則認為自己在執行能力、專業知識運用能力及自我驅動等方面有待提高。在能力提升方面，專業知識運用能力和職業規劃能力雖容易培養，但實際表現有待加強。創新能力和意識動機作為深層次能力，不僅培養難度大，而且當前表現不佳。自我驅動、自我管理和自我認知等自我效能指標對個人發展至關重要，但目前評分顯示迫切需要提升。為了縮小自我認知與企業期望之間的差距，教育和實踐的深入干預至關重要，以幫助學生更準確地評估自己的能力，并在關鍵領域進行重點培養。

人工智能專業大學生就業勝任力提升策略

1.強化實踐技能，明確職業規劃

一方面，構建實踐平臺，提升實際應用能力。研究結果顯示：將理論知識有效轉化為實踐技能是提升學生綜合勝任力的關鍵。為此，高校須整合校內外資源，與政府及企業合作，建立校外實踐和實習平臺。這些平臺為學生提供了將所學理論知識應用于實際工作的機會，通過不斷進行“實踐—認識—再實踐”循環，幫助學生深化專業知識并掌握必要的操作技能[7]。另一方面，增強職業生涯規劃能力。鼓勵人工智能專業的學生采用科學的方法，如SWOT分析，評估自己的個性、能力和職業傾向，明確自身的優勢和劣勢以及面對的機遇和挑戰。職業生涯規劃對于學生未來的就業方向和職業發展至關重要。從入學之初，學生就應該培養職業規劃的意識，并利用高校提供的職業發展課程、職業咨詢、行業講座和導師指導等資源，合理規劃自己的職業道路，及時定位和調整自己的職業目標。通過這些策略的實施，期望能夠有效提升人工智能專業大學生在技術應用和職業規劃方面的勝任力，使他們能夠更好地適應數智時代的就業市場，實現個人職業發展與社會需求的有效對接。

2.深化潛能開發，培養批判思維

在數智時代，人工智能專業大學生在創新創業能力與批判性思維方面存在提升空間。為此，高校應積極營造一個有利于創新和創業才能發展的教育環境，通過舉辦多樣化的學術科技活動、案例分析競賽、創新挑戰賽和團隊項目等，激發學生的創造力和想象力[8]。同時，政府的角色同樣重要，應通過增加資金投入和制定支持性政策，建立孵化平臺，鼓勵學生參與創新創業項目，從而在實踐中培養和提升他們的創新意識和能力。對于人工智能專業的學生而言，自我分析和認識自身的勝任力至關重要。他們需要依據有效行為準則，通過深入學習專業知識、參與實踐技能訓練以及創新思維的培養，來挖掘和發揮自身的潛能。通過這種深化潛能開發和優勢培育的策略，人工智能專業大學生將能夠更好地適應快速變化的數智時代，成為具有創新精神和批判性思維的高素質專業人才。

3.精進核心發展，拓寬成長路徑

在對人工智能專業大學生的調研測評中發現，自我效能感的培養是他們職業發展中亟待加強的領域。這種自我效能感的缺失可能會影響他們的自我價值感、就業動力以及職業發展的愿望[9]。鑒于部分學生已經具備一定的工作經驗，他們對自己的需求和目標有了更清晰的認識。面對當前就業現狀出現的新問題，如“慢就業”“懶就業”等，學生需要審時度勢，清晰分析自己的就業勝任力和職業方向，直面求職過程中可能遇到的心理壓力，正確處理情緒波動，提高抗壓能力，培養健康的就業心態。此外，樹立自我驅動意識，自我管控思想以及自我發展理念對于學生的自我認同感和職業成長同樣至關重要。這種終身修煉和持續精進的策略，不僅對學生的大學學習生涯有益，也為他們未來進入職場，拓展更廣闊的職業道路奠定了堅實的基礎。

參考文獻：

[1]王雨陽.數智化時代產品設計專業人才培養模式與就業狀況[J].中國就業，2024（6）：108-109.

[2]MCCLELLAND D C. Testing for Competence Rather than for Intelligence[J]. Journal of American Psychologist，1973（1）：1-14.

[3]陳婷.“三全育人”視域下大學生就業勝任力培養路徑研究[J].才智，2024（10）：129-132.

[4]喬法光，唐宏敏.淺析中外合作辦學大學生就業勝任力提升[J].就業與保障，2023（12）：13-15.

[5]羅丹藝.基于勝任力模型的技工院校物流類專業學生就業能力提升策略[J].廣東職業技術教育與研究，2023（9）：23-26.

[6]張小詩，史萬兵.勝任力視角下高校生涯教育促進畢業生高質量就業的實踐進路[J].思想政治教育研究，2023，39（4）：151-155.

[7]焦靜，馮明.大學生就業勝任力模型的構建[J].科學決策，2010（10）：59-67，87.

[8]趙雪芹，魯雪婷.數智時代基于OBE理念的檔案學專業人才培養模式優化探索[J].山西檔案，2022（4）：151-158，150.

[9]洪小萍，孔莉.“數智”時代高校智能財會人才培養探索[J].廣西民族師范學院學報，2022，39（4）：45-51.

（作者單位：北京科技大學智能科學與技術學院）

[責任編輯：翟 迪]