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

作者簡介

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（Cronbachs 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，表明樣本量足够且显著。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（Cronbachs 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。

（三）高职学生就业能力结构模型的确立

1. 高职学生就业能力要素及其释义

根据上述分析与讨论结果，将高职学生就业能力结构模型中的具体要素和形成维度在表6中详细呈现出来。

2.高职学生就业能力的信效度检验

对高职学生就业能力模型的5个维度进行信度与效度检验。首先，进行信度检验。本研究检验量表信度是采用因子之间及其与就业能力结构量表的相关性和内部一致性信度，见表7。运算结果表明，各个因子之间、因子与量表之间的相关性均达到了显著正相关。各因子与总量表的相关系数依次为：个体特质（0.780），学习能力（0.762），社会能力（0.726），技术能力（0.713），方法能力（0.681），表明各因子与结构量表相关性较高。进一步考察高职学生就业能力结构各因子与结构量表之间的内部一致性程度表明，高职学生就业能力结构量表各维度的内部一致性程度较高，α系数在0.681～0.780之间，见表7。总量表的内部一致性信度系数为0.787，说明本研究的量表信度较高，表明本研究所构建的高职学生就业能力结构量表是稳定可靠的。

其次，进行效度分析。本研究采用常用的内容效度检验法来度量研究效度。本研究的就业能力结构量表是在已有研究基础上编制的，有较好的理论和现实依据，而且量表编制过程较为规范，剔除了意义指向不明的项目，进一步提高了内容效度。运用因子分析法检验结构效度，探索性因子分析获得的因子结构与理论构想的结构维度基本一致，同时，探索性因子分析结果显示，本研究提取的5个因子对总体方差的解释度是73.23%，表明这些因子对所有题项总方差的决定程度在73%以上，5个因子对原始题项有较高的代表性，据此可以认为该因子模型的结构效度良好。

依据聚类分析并综合不同分类方法的特点与共识，结合雇主对就业能力需求关注点的差异，将高职学生就业能力划分为5个维度，即个体特质、学习能力、社会能力、技术能力、方法能力。该就业能力结构模型涵盖了从个体特质到方法能力等5个能力维度以及21个具体能力，见图1。

四、智造时代高职学生就业能力结构模型的验证

（一）研究设计与调查实施

通过分析高职学生就业能力与就业质量之间的关系来验证因子结构的外部效度。同时对高职在校生和毕业生进行就业能力调查，并增加对高职毕业生就业质量的调查。就业质量是评价高职学生就业情况的重要指标。高质量就业是指毕业生在实现充分就业的前提下，能够胜任职业岗位需求，对所从事的工作具有较高的满意度[12]，并且符合地方乃至国家需求，使高校人才培养目标匹配经济社会发展需求。已有研究多从宏观和微观两个层面测量就业质量。宏观视角的就业质量评价多是从毕业生的就业结构、地域分布、就业部门、职位供需等方面进行观测；微观视角的就业质量评价多是从工资水平、就业满意度以及能岗匹配等方面进行考察[13]。本研究结合宏观和微观两个维度对高职学生的就业质量进行考察。微观层面从薪酬满意度、福利保障以及工作发展机会等方面来观测就业质量并采用5点量表测评；宏观就业质量选取单位类型、平均起薪、薪资待遇相对水平进行测评。本次调查采用微信问卷形式，研究对象为近3年内毕业的制造大类高职学生。委托部分高职院校教师向已毕业学生发送微信问卷，每个微信号限填一次。调查在2021年3月下旬开展，为期一周，回收问卷852份，剔除无效问卷，获得有效问卷667份，问卷有效率为78.30%。

（二）验证性因子分析

1.就业能力结构因子间的相关分析

相关分析结果表明，高职学生就业能力各结构因子分量表与结构总量表的相关系数除一项低于0.6外，其余均在0.6以上，且P<0.01，说明本研究的就业能力结构对各因子有较好的代表性。各因子间的相关系数最低为0.245，最高为0.787，且P<0.01，表明各因子之间存在显著性相关，见表8。

2.就业能力结构量表的信效度检验

运用SPSS22.0软件检验就业能力结构量表及各分量表的内部一致性信度。运算结果显示，内部一致性信度系数为0.875，表明量表的信度较高；各因子的内部一致性信度也较高，其中，个体特质、学习能力的内部一致性信度都在0.85以上。这表明，可以信赖量表的探索性因子分析结果。接着，运用SPSS22.0对结构量表的有效性作进一步检验。因子分析结果表明，KMO值为0.984，Bartlett球形度检验显著性为0.000，表明可以用因子分析来检驗。因子分析所提取的因子对总体方差的解释度为77.343%，表明提取的因子具有较高的代表性，进一步说明能力结构模型较为合理。通过主成分分析法旋转后的成分矩阵显示，高职学生就业能力结构因子结构清晰，各因子内所包含的项目在该因子上的负荷最低值为0.573，最高值为0.892，因子结构与探索性因子分析得到的因子结构完全一致，进一步检验了高职学生就业能力因子结构的有效性。

3.就业能力结构量表的验证性因子分析

利用AMOS22.0软件对高职学生就业能力与就业质量研究样本数据进行验证性因子分析，分析结果见表9。根据模型拟合度指数，本研究模型的各种拟合度指数良好。可以认为本研究构建的模型拟合效果较好。

（三）因子间的关系模型

进一步考察就业能力各因子间的结构关系。首先，结合前述就业能力结构要素间相互关系的理论设想，针对高职学生就业能力结构的初始模型，提出就业能力结构因子间关系的假设。高职学生就业能力结构分别包括个体特质、学习能力、社会能力、技术能力、方法能力5个结构因子。基于国内外已有研究的分析，本研究构建的高职学生就业能力结构初始模型中的要素关系类似冰山能力模型对显性能力与隐性能力的关系描述，冰山模型将能力要素划分为难以在短期发生改变或提升、可观察的“水上部分”和容易通过教育或培训得到提高的、不易观测的“水下部分”。相比冰山能力模型，聚合能力模型除了体现各能力维度的联系，更加关注各能力维度的层次性，模型的核心部分是中心的圆环对外层圆环具有驱动作用[14]。因此，本研究假设：个体特质是高职学生就业能力结构中的核心因子。个体特质主要由责任感、创新能力、适应能力构成，很大程度上决定了个体对各类能力的态度、学习及掌握。个体的责任感、适应能力和创新能力越强，越能够自我激励，持续学习并提高相关能力，促进职业生涯发展。具体到高职学生，其就业导向思维较普通高校大学生更明显，那些具有更强责任心、创新能力和适应能力的高职学生，往往会努力钻研专业技术、适应岗位变化和持续提升自己的能力。另外，创新能力强的人，更能把握和整合现有资源去适应不断变迁的工作环境。

学习能力作为次深层的因子，主要包括主动学习、自我管理和终身学习等，反映了个体对环境的适应程度和信息的获取效率，对技术能力、方法能力和社会能力的获取具有重要的前提性影响。技术能力、方法能力和社会能力是就业能力结构中的外层因子，其中，技术能力主要包括设备操控维护、技术设计、数字能力、网络技术、与计算机交互等；方法能力主要包括解决复杂问题、业务流程管理、问题解决和优化、领导技巧和决策能力等；社会能力包括沟通协调、团队合作、服务导向和社交感知等。技术能力、方法能力和社会能力三者之间是平行且相互影响的关系。社会能力和方法能力影响技术能力的获取，企业和个人更愿意为有良好社会能力的员工提供获得技术和技巧的机会。方法能力有助于个体高效率地完成任务和获得技术能力。

通过运用AMOS 22.0软件验证因子间的关系，分析数据显示，各类拟合指数均大于0.9，表明修正后的因子关系结构模型拟合度较好。各类统计指标符合标准。可以认为，本研究构建的高职学生就业能力结构模型通过验证。修正后的模型显示，个体特质对学习能力、技术能力、方法能力和社会能力的影响都显著，验证了其在结构中的核心控制作用；学习能力对技术能力、社会能力和方法能力的影响作用明显且较其他维度更大，这表明学习能力强的高职学生更能够感知外部环境因素的变化，并善于调节自身来适应环境变化。

（四）高职学生就业能力结构改进模型

通过以上探索性和验证性因子分析，得到改进后的高职学生就业能力结构模型，见图2。改进模型由五个层面构成，由表及里分别是方法能力、技术能力、社会能力、学习能力和个体特质。与初始就业能力结构模型相比，改进后的模型各维度之间的关系更加清晰。图3是高职学生就业能力结构的聚合模型，聚合模型更注重突出就业能力的层次性，通过图示更明确地表现出高职学生就业能力构成中隐性的个人特质和学习能力与外显的技术能力、方法能力和社会能力在维度上的层次性。越接近外层的能力维度越是外显的，也就越容易测评和考察。技术能力、方法能力和社会能力处于聚合能力结构的表层，容易培养、测量、评价和考察。个人特质位于就业能力结构的内层，体现了智造时代高职学生的核心特质和最深层次的就业能力特征，是最难于发展和改变的部分。目前，对个体特质和学习能力等较为隐性的能力还很难观测评价，需要探索新的观测和评价方法以对学生的个体特质和学习能力进行有效考察，以便能够对高职学生未来职业发展进行科学预测和评价。

结合智造时代高职学生就业能力的聚合模型，在对高职学生就业能力进行考察、测评以及培养过程中，不仅要关注他们外显的知识和能力，还应更审慎、细致地观测其内在的个人特质和学习能力。聚合能力模型可以为高职学生的就业能力培养提供可资借鉴的内容和思路。本研究构建的就业能力结构模型反映了智造时代所需的能力要素和维度，有利于更有针对性地对高职学生就业能力进行培养和评价。

五、研究结论

通过构建高职学生就业能力结构模型可以发现，智造时代高职学生就业能力结构呈现出要素日益更新化、維度日益复合化与层次日益知识化等特征。

（一）就业能力结构要素日益更新化

一是数字能力正成为通用能力。第四次工业革命也称为“数字革命”，无论就业者来自哪个行业、从事何种工作、处于哪个层级，数字接收能力和数字产出能力都不可或缺[15]。从制造业转型升级的驱动因素而言，制造业的智能生产、智能服务、智能物流等环节都需要先进数字技术的驱动，离开数字技术很难顺利实现制造业转型升级。智能制造的特点是可以针对不同消费群体需求进行个性化定制，需要借助各种先进技术判断和预测消费者偏好，进而组织生产并提供服务，这些功能的实现同样离不开相应的数字能力。

二是复杂思维能力日益受到关注。由于智能制造具有个性化、多种类和大批量定制化的生产特点，生产过程需要涉及多学科的知识和技能，生产智能化导致各个生产环节间的界限趋于模糊，员工需要掌握产品的全链条知识，成为产品的设计者、制造者、管理者与服务者[16]。智能生产系统与复杂的电子和数据处理过程相结合，也增加了所有层级的资格和能力要求。除了必要的学科知识和应用外，员工将越来越需要具备跨学科的复杂思维能力。

三是渐进式创新能力日益重要。渐进式创新是指直接从事生产的工人、技师所进行的渐进的、连续的创新活动，它往往伴有产品创新、过程创新和组织创新的连锁反应，并最终引起产业结构变化[17]。可以说，渐进式创新是提升产业创新能力的一个必经过程，是实现一国制造业根本性创新的深厚技术基础[18]。渐进式创新需要用到员工队伍中长期积累起来的技能，因为很多对产品改进的想法都是通过在实际操作过程中对生产过程的直接观察得来的。

（二）就业能力结构维度日益复合化

一方面，产业关联度的不断强化需要劳动者掌握更加复合化的能力。产业转型升级的趋势之一就是产业之间的界限日趋模糊，各类产业联系日益紧密，这就需要员工具备通用能力，既要精通本职岗位的专业技能，还要了解甚至掌握相关岗位、学科的知识和技能，形成复合化的能力体系。制造业转型升级下的产业集群有别于传统意义上仅限于某一地域的产业集群概念，借助“云大物移智”等前沿数字技术突破了地域限制，实现了各个生产环节的紧密联合，最终实现快速化、大规模、个性化定制生产。新型制造模式要求技术工人具备更复杂的能力以适应生产的变革，他们既要掌握相关数字技术以适应智能化生产流程，也要具备跨学科知识和灵活性以应对产品的快速迭代更新；还要具备服务式生产模式所产生的新型营销、设计和售后等方法和社会能力。

另一方面，工作组织环境的复杂化导致技能的复杂化。由于新兴技术的破坏性以及通信和协作结构的改进，工作活动的技术、组织和社会领域将重叠，工作组织模式将变得更加关联和更加复杂。同时，采用智能制造技术导致人们在数字化和网络化的工作场所工作，促进与算法和机器人的交互，以及在虚拟世界中工作和交流。这些变化导致了对独特和专门技能集的新要求[19]。随着智能制造系统的复杂性和知识密集性的持续深化，劳动者技能的复杂性也随之不断增长。例如，在订单式生产环境下，市场需求变化频繁，表现为品种多、交货期短、质量要求高、工艺复杂等。一线员工的多技能及自组织、自适应能力的发挥，可有效应对需求的复杂变化及生产过程的失衡[20]。

（三）就业能力结构层次日益知识化

智能化补充了工人的认知和创造性能力。智能化通过缩短从概念到实现的距离，扩大了思想的力量。机械提高了人类在开发和指导复杂生产过程中专业知识的价值，并提供了使人们将想法转化为产品和服务的工具。随着时间的推移，智能化将人类劳动的比较优势从物理领域转移到认知领域，并不可避免地提高了大多数工作的技能要求。另一方面，由于全球竞争和产品复杂性的日益增加，生产系统和自动化的复杂性急剧增加，这加重了自动化技术人员、系统工程师和设备工程师的负担，因为人类的认知能力并没有上升到与技术系统的复杂性相匹配的程度[21]。

未来劳动力需求将转向知识密集型工作，与生产有关的技能是各国经济增长以及制造业保持长期竞争力的重要组成部分。智能制造融合了先进制造技术和新一代数字技术，系统集成了硬件、软件、人、网络和标准等制造要素。满足智能制造需求的人才既要掌握先进的制造技术又要精通新兴数字技术，还要具备现代管理理念与知识[22]。智能制造所需要的人才知识结构发生了新的变化，技能需求也随之转变。生产制造从过去单一、琐碎的流水线模式转向柔性化、个性化、灵活的智能生产模式，而生产制造所需要的高技能工人也从传统机器和工具的操作者、加工者转向智能装备和数控机床的使用者与管理者[23]。因此，智能制造的工作岗位需要跨学科的专业工程师、智能生产车间和工厂的顶层架构师，需要新一代的信息知识和技术、网络技术以及通信、计算、控制等多元化的复合知识与能力。

参 考 文 献

[1]苗圩.中国制造处于全球制造第三梯队[EB/OL].（2015-11-18）[2020-12-09].http：//www.chinanews.com/cj/2015/11-18/7630207.shtml，

[2]張原.工业化进程中的职业教育[M].北京：知识产权出版社，2016：111.

[3]张原，陈建奇.我国经济发展方式非均衡特征及优化的政策选择——基于人力资本投资低水平“陷阱”视角的分析[J].当代经济科学，2011（3）：87-96.

[4]IOL.Can we use Big Data for Skills Anticipation and Matching？[EB/OL].（2019-09-20）[2021-03-01].https：//www.ilo.org/wcmsp5/groups/public/---ed_emp/documents/genericdocument/wcms_715844.pdf.

[5]MICHAEL SINGLE FARY. Mass Communication Research： Contemporary Methods and Application[M].New York：Long Man，1994：281.

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

[7]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.

[8]艾瑞咨询.中国网络招聘行业半年度报告（2017）[EB/OL].（2018-09-17）[2021-03-02].http：//report.iresearch.cn/report/201711/3082.shtml.

[9]许艳丽，吕建强.面向人工智能的高职毕业生技能需求研究——基于近万条网络招聘信息的调查分析[J].高教探索，2019（7）：97-102.

[10]柳俊，王求真，陈珲.基于内容分析法的电子商务模式定义研究[J].浙江大学学报（人文社科版），2010（5）：82-91.

[11]王萍，张韫麒，朱立香，等.政务微信公众号知识服务质量影响因素研究[J].图书情报工作，2018（23）：43-50.

[12]张小诗，于浩.高校毕业生高质量就业的基本内涵[J].现代教育管理，2016（7）：115-119.

[13]杨钋，郭建如，金轶男.高职高专毕业生就业质量分析[J].教育发展研究，2013（21）：24-34.

[14]宋雪雁，李溪萌，邓君.数字时代档案文献编纂人员胜任力模型研究[J].图书情报工作，2020（3）：32-41.

[15]刘立新，刘红，殷文.工业4.0背景下德国职业教育发展战略[M].北京：教育科学出版社，2019：170.

[16]谢莉花，尚美华.智能制造背景下技术技能人才的资格要求及培养定位[J].职业技术教育，2019（4）：18-24.

[17]李毅.日本制造业自主发展过程中的技术创新研究：经济史的启示[J].经济研究参考，2007（21）：29-44.

[18]G.DOSI， ET AL. Technical change and economic theory[M].London： Pointer Books， 1988：45-59.

[19]KERGROACH， S. Industry 4.0： New challenges and opportunities for the labour market[J].Foresight and STI Governance， 2017，11（4）：6-8.

[20]刘蓉，胡盛强，张毕西.人工作业系统各作业模式生产效率与成本分析[J].系统工程，2013（7）：104-109.

[21]比吉特·沃格尔—霍伊泽尔，托马斯·保尔汉森，迈克尔·腾·洪佩尔.德国工业4.0大全第2卷：自动化技术（第2版）[M].房殿军，林松，张新艳，等，译.北京：机械工业出版社，2019：56.

[22]李耀平，郭濤，段宝岩.面向智能制造的人才培养策略[M].西安：西安电子科技大学出版社，2019：41.

[23]邹洁.辛国斌：推进智能制造需锤炼高水平供应商[N].中国工业报，2019-12-16（1）.

Abstract  Higher vocational studentsemployability， as an intermediary link connecting the cultivation of vocational education talents and the demand for technical and skilled talents， is an important entry point for the transformation and upgrading of vocational education service manufacturing industry. By mining the online recruitment information， using the big data measurement method to extract the employability elements of higher vocational students in the era of intelligent manufacturing， combined with the existing literature analysis， modify the ability elements through the expert consultation method， use the questionnaire survey method to verify， and use the quality onion model for reference to construct the employability structure model. In the era of intelligent manufacturing and the overall strategy of high-quality development of vocational education， we finally constructed an aggregate ability structure model covering five ability dimensions： method ability， technical ability， social ability， learning ability and individual characteristics， and including 21 specific abilities such as sense of responsibility， digital ability， innovation ability and complex problem-solving ability.

Key words  intelligent manufacturing age; manufacturing transformation and upgrading; vocational education; higher vocational students; employability