摘 要 就業(yè)能力作為連接職業(yè)教育人才培養(yǎng)與技術(shù)技能人才需求的中介環(huán)節(jié)，是職業(yè)教育服務(wù)制造業(yè)轉(zhuǎn)型升級(jí)的重要切入點(diǎn)。通過挖掘網(wǎng)絡(luò)招聘信息，采用大數(shù)據(jù)計(jì)量的方法提取智造時(shí)代高職學(xué)生的就業(yè)能力要素，并結(jié)合已有文獻(xiàn)分析和專家咨詢法予以修正，然后運(yùn)用問卷調(diào)查法進(jìn)行驗(yàn)證，最后借鑒素質(zhì)洋蔥模型構(gòu)建出高職學(xué)生就業(yè)能力結(jié)構(gòu)模型。該模型涵蓋了方法能力、技術(shù)能力、社會(huì)能力、學(xué)習(xí)能力和個(gè)體特質(zhì)5個(gè)能力維度，并包含責(zé)任感、數(shù)字能力、創(chuàng)新能力、復(fù)雜問題解決能力等21個(gè)具體能力要素。通過構(gòu)建高職學(xué)生就業(yè)能力結(jié)構(gòu)模型發(fā)現(xiàn)，智造時(shí)代高職學(xué)生的就業(yè)能力呈現(xiàn)出要素日益更新化、維度日益復(fù)合化與層次日益知識(shí)化等特征。

關(guān)鍵詞 智造時(shí)代；制造業(yè)轉(zhuǎn)型升級(jí)；職業(yè)教育；高職學(xué)生；就業(yè)能力

中圖分類號(hào) G712 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1008-3219（2023）10-0052-09

作者簡(jiǎn)介

呂建強(qiáng)（1984- ），男，曲阜師范大學(xué)職業(yè)與繼續(xù)教育研究院講師，博士，研究方向：職業(yè)技術(shù)教育學(xué)（曲阜，273165）

基金項(xiàng)目

天津市哲學(xué)社會(huì)科學(xué)規(guī)劃重點(diǎn)項(xiàng)目“智能制造高技能人才培養(yǎng)模式變革研究”（TJJX20-022），主持人：許艷麗

隨著新一代信息通信技術(shù)與制造業(yè)深度融合，以“云大物移智”等數(shù)字技術(shù)為標(biāo)志、以知識(shí)資源為依托的新一輪工業(yè)革命正在發(fā)生，這就是工業(yè)生產(chǎn)的第四個(gè)階段，即智能制造時(shí)代（下文簡(jiǎn)稱“智造時(shí)代”）[1]?！吨悄苤圃彀l(fā)展規(guī)劃（2016-2020年）》指出，加快發(fā)展智能制造，是培育我國(guó)經(jīng)濟(jì)增長(zhǎng)新動(dòng)能的必由之路，是搶占未來(lái)經(jīng)濟(jì)和科技發(fā)展制高點(diǎn)的戰(zhàn)略選擇，對(duì)于推動(dòng)我國(guó)制造業(yè)供給側(cè)結(jié)構(gòu)性改革、打造制造業(yè)競(jìng)爭(zhēng)新優(yōu)勢(shì)、建設(shè)制造強(qiáng)國(guó)具有重要戰(zhàn)略意義。相較以往的工業(yè)時(shí)代，智造時(shí)代賦予工作世界以新的內(nèi)涵，進(jìn)而對(duì)技術(shù)技能人才提出了更高的就業(yè)能力要求。當(dāng)前，我國(guó)技術(shù)技能人才供給還不能有效滿足智能制造的需求，民工荒、技工荒與大學(xué)生就業(yè)難問題的并存表明，空缺職位與人力資本供給存在嚴(yán)重的不匹配[2]。伴隨產(chǎn)業(yè)轉(zhuǎn)型升級(jí)進(jìn)程出現(xiàn)的新職業(yè)和新崗位需要新的知識(shí)和能力，而勞動(dòng)力或者缺乏特定的專業(yè)知識(shí)和能力，或者已有能力結(jié)構(gòu)與產(chǎn)業(yè)發(fā)展需求不相契合，就業(yè)市場(chǎng)沒有形成供需匹配[3]?；诖?，本研究基于勞動(dòng)力市場(chǎng)需求視角，采用混合研究方法對(duì)高職學(xué)生就業(yè)能力進(jìn)行調(diào)查分析，并通過實(shí)證分析構(gòu)建高職學(xué)生就業(yè)能力結(jié)構(gòu)模型。

一、智造時(shí)代高職學(xué)生就業(yè)能力的要素提取

（一）數(shù)據(jù)來(lái)源

數(shù)據(jù)的選取應(yīng)以權(quán)威性、科學(xué)性以及可獲得性為標(biāo)準(zhǔn)。技術(shù)進(jìn)步、數(shù)字化和互聯(lián)網(wǎng)的普及使“大數(shù)據(jù)”收集成為可能。2019年網(wǎng)絡(luò)招聘雇主規(guī)模突破700萬(wàn)，求職者突破1.9億人。招聘廣告內(nèi)容的數(shù)據(jù)已從一系列國(guó)家在線招聘系統(tǒng)中收集，形成了大量數(shù)據(jù)集，其中載有關(guān)于招聘要求的詳細(xì)信息。通常記錄的信息包括廣告中的具體技能需求和技能相關(guān)指標(biāo)，如職稱、資格、認(rèn)證和經(jīng)驗(yàn)要求，以及關(guān)于空缺職位的其他信息，如經(jīng)濟(jì)部門、雇主、職業(yè)類別和地理位置。收集數(shù)據(jù)是實(shí)時(shí)進(jìn)行的，與公布前需要時(shí)間處理的調(diào)查相比，從網(wǎng)上職位空缺中獲得的數(shù)據(jù)幾乎可以立即使用[4]。因此，本研究借助大數(shù)據(jù)分析，通過數(shù)據(jù)挖掘、可視化技術(shù)等方法分析網(wǎng)絡(luò)招聘信息，推測(cè)高職畢業(yè)生的就業(yè)能力需求。

（二）分析方法

本研究運(yùn)用內(nèi)容分析法對(duì)所收集的資料進(jìn)行分析。內(nèi)容分析法是一種對(duì)具有明確特性的傳播內(nèi)容進(jìn)行客觀、系統(tǒng)和定量描述的研究技術(shù)[5]，具有客觀性、系統(tǒng)性、定量性、描述性和顯明性[6]。內(nèi)容分析的具體過程是借助數(shù)據(jù)處理軟件或程序?qū)⒛繕?biāo)媒介上的信息轉(zhuǎn)化為能夠定量分析的數(shù)據(jù)，并將數(shù)據(jù)內(nèi)容分解歸類，以此來(lái)分析所需信息的某些特征[7]。網(wǎng)絡(luò)招聘信息屬于較為正式且簡(jiǎn)短精練的書面用語(yǔ)，具有較強(qiáng)的一致性，適用于內(nèi)容分析法。

（三）樣本選取

研究數(shù)據(jù)顯示，在眾多互聯(lián)網(wǎng)招聘網(wǎng)站中，前程無(wú)憂（www.51job.com）和智聯(lián)招聘（ts.zhaopin.com）行業(yè)占比最高，分別為31.8%和30.7%[8]，二者與應(yīng)屆畢業(yè)生求職網(wǎng)（yingjiesheng.com）占據(jù)日均覆蓋人數(shù)的前三位，遠(yuǎn)超其他招聘網(wǎng)站。在此基礎(chǔ)上增加專門招聘制造類技術(shù)技能人才的專業(yè)網(wǎng)站：制造業(yè)人才網(wǎng)（http：//www.michr.com/），以進(jìn)一步提高樣本的代表性和針對(duì)性。樣本范圍限定在制造業(yè)，取樣過程是分別在這四個(gè)網(wǎng)站的職位搜索頁(yè)面設(shè)定檢索條件：以“工業(yè)4.0”“智能制造”“先進(jìn)制造”“工業(yè)機(jī)器人”“軟件編程”“工業(yè)軟件”“數(shù)控機(jī)床”等為全文檢索關(guān)鍵詞，工作類型設(shè)置為“全職”，學(xué)歷要求設(shè)定為“大專”，發(fā)布日期設(shè)定為“6個(gè)月內(nèi)”，使用Python語(yǔ)言編寫腳本程序，于2020年10月20日抓取36866條招聘信息。對(duì)初步獲得的招聘數(shù)據(jù)進(jìn)行篩選，剔除內(nèi)容重復(fù)、外文、缺少具體要求，以及工作類型、學(xué)歷要求不符合數(shù)據(jù)選取標(biāo)準(zhǔn)、無(wú)關(guān)職位的招聘信息，最后獲得有效樣本13206份。

（四）資料編碼

資料編碼過程如下：首先，將Python采集的招聘信息保存到MYSQL數(shù)據(jù)庫(kù)中。招聘文本的主體內(nèi)容為職位描述，主要包括崗位職責(zé)與任職要求，這是本研究的核心材料。其次，從MYSQL中提取導(dǎo)出CSV表格文件數(shù)據(jù)。最后，對(duì)數(shù)據(jù)進(jìn)行清洗。對(duì)初步獲得的數(shù)據(jù)進(jìn)行清洗，剔除無(wú)關(guān)內(nèi)容，提煉出任職要求，以減少對(duì)后續(xù)數(shù)據(jù)編碼產(chǎn)生的干擾。清洗規(guī)則是運(yùn)用關(guān)鍵詞剔除法，程序自動(dòng)判定數(shù)據(jù)的有效性，結(jié)合自身的算法程序進(jìn)行大數(shù)據(jù)樣本統(tǒng)計(jì)。雇主普遍關(guān)心的技能需求會(huì)較多地呈現(xiàn)在網(wǎng)絡(luò)招聘的文本信息中，因此，分析這些高頻詞匯可以推測(cè)出高職學(xué)生求職所需具備的就業(yè)能力[9]。

本研究首要的編碼工作是采用Jieba分詞軟件對(duì)所采集的數(shù)據(jù)進(jìn)行分詞和詞頻分析，將與技能需求相關(guān)的高頻關(guān)鍵詞提取出來(lái)，然后分類合并剔除無(wú)關(guān)詞匯。通過數(shù)據(jù)清洗和提取關(guān)鍵詞等步驟，獲得21項(xiàng)出現(xiàn)頻率在10%以上的能力指標(biāo)（見表1），從高到低依次是責(zé)任感、創(chuàng)新能力、適應(yīng)能力、主動(dòng)學(xué)習(xí)、終身學(xué)習(xí)、自我管理、復(fù)雜思維、溝通協(xié)調(diào)、團(tuán)隊(duì)合作、服務(wù)導(dǎo)向、社交感知、設(shè)備操控維護(hù)、技術(shù)設(shè)計(jì)、數(shù)字能力、網(wǎng)絡(luò)技術(shù)、與計(jì)算機(jī)交互、解決復(fù)雜問題、業(yè)務(wù)流程管理、問題解決和優(yōu)化、領(lǐng)導(dǎo)技巧和決策能力。然后，基于關(guān)鍵詞對(duì)各招聘信息中的任職要求內(nèi)容分別進(jìn)行編碼。通過計(jì)算編碼者的編碼一致性來(lái)度量?jī)?nèi)容分析的信度[10]。經(jīng)計(jì)算，本次編碼信度為96.30%，符合標(biāo)準(zhǔn)。

二、智造時(shí)代高職學(xué)生就業(yè)能力的要素修正

智造時(shí)代勞動(dòng)力市場(chǎng)的能力需求具有多樣性、復(fù)雜性和異質(zhì)性，為進(jìn)一步提煉高職學(xué)生就業(yè)能力需求，需按一定邏輯加以整合，增加討論的豐富性并減少數(shù)據(jù)的雜亂和遮蔽，以便更清晰地把握能力需求特點(diǎn)?？傮w而言，國(guó)內(nèi)外已有研究對(duì)就業(yè)能力較為關(guān)注，運(yùn)用不同視角和方法對(duì)就業(yè)能力要素和維度進(jìn)行了分析探討，見表2。但現(xiàn)有研究多采用定性研究，對(duì)就業(yè)能力尤其是高職學(xué)生就業(yè)能力測(cè)量與評(píng)價(jià)的可操作性研究稍顯不足。

本研究中高職學(xué)生就業(yè)能力結(jié)構(gòu)要素的提取以前述研究中的大數(shù)據(jù)分析和表1為基礎(chǔ)，對(duì)相關(guān)文獻(xiàn)資料的文本內(nèi)容進(jìn)行分析，見表2，提取描述高職學(xué)生就業(yè)能力結(jié)構(gòu)要素的關(guān)鍵詞，對(duì)提取的關(guān)鍵詞中的相近詞進(jìn)行歸并整合，對(duì)要素名稱進(jìn)行轉(zhuǎn)換并補(bǔ)充和完善。為進(jìn)一步完善就業(yè)能力結(jié)構(gòu)模型要素，對(duì)初步提取的要素進(jìn)行網(wǎng)絡(luò)預(yù)調(diào)研和專家咨詢。預(yù)調(diào)研的對(duì)象主要為職業(yè)教育研究人員、高職院校制造大類專業(yè)教師、制造類企業(yè)的技術(shù)人員。設(shè)計(jì)5點(diǎn)計(jì)分量表問卷進(jìn)行測(cè)量。請(qǐng)上述人員對(duì)高頻能力因素進(jìn)行評(píng)分，共發(fā)放問卷200份，收回問卷156份，有效問卷147份，問卷的有效率為94.23%。運(yùn)用SPSS22.0對(duì)量表進(jìn)行信度檢驗(yàn)，克隆巴赫系數(shù)（Cronbachs alpha）為0.867＞0.70，表明量表信度可以接受。在此基礎(chǔ)上，KMO檢驗(yàn)值為0.876，P=0.000＜0.001，表明樣本量足夠且顯著。結(jié)合對(duì)前期調(diào)研中的信息和專家意見，修正初步提取的就業(yè)能力要素，將“跨學(xué)科思考和行動(dòng)能力”調(diào)整為“復(fù)雜思維能力”，將“建模/編程能力”修正為“與計(jì)算機(jī)交互的能力”；修正后的高職學(xué)生就業(yè)能力模型要素及釋義見表3。

三、智造時(shí)代高職學(xué)生就業(yè)能力的模型構(gòu)建

（一）問卷設(shè)計(jì)與調(diào)查

基于網(wǎng)絡(luò)招聘信息并結(jié)合問卷調(diào)查對(duì)制造大類高職學(xué)生進(jìn)行調(diào)查，設(shè)計(jì)5點(diǎn)計(jì)分量表問卷進(jìn)行測(cè)量。請(qǐng)制造大類高職學(xué)生對(duì)表3中的就業(yè)能力要素分別打分。通過微信問卷的形式調(diào)查了500位高職學(xué)生，最后回收356份問卷，其中，有效問卷297份，有效率為83.42%。

（二）探索性因子分析

1.項(xiàng)目分析

為驗(yàn)證問卷題目的測(cè)驗(yàn)質(zhì)量，需要在對(duì)高職學(xué)生就業(yè)能力問卷進(jìn)行探索性因子分析之前做項(xiàng)目分析。項(xiàng)目分析按照極端分組法對(duì)題目的鑒別程度和題目之間的聚合程度進(jìn)行測(cè)試。首先，將每個(gè)樣本得分相加求得各項(xiàng)目總分，接著采用極端分組法對(duì)項(xiàng)目加總后的總分?jǐn)?shù)據(jù)進(jìn)行分組，高分組為樣本的前27%，低分組則為樣本的后27%，然后對(duì)兩個(gè)分組在每項(xiàng)問題的得分進(jìn)行獨(dú)立樣本T檢驗(yàn)，最后得出獨(dú)立樣本T檢驗(yàn)的sig值，當(dāng)sig＜0.05表示問卷效果較好，該題目可以保留，如果sig＞0.05則表示該題目效果不好，應(yīng)該刪除。根據(jù)各題項(xiàng)得分的獨(dú)立樣本T檢驗(yàn)結(jié)果顯示，全部題目的決斷值都高于4，滿足顯著水平，表明題目的區(qū)分度滿足要求。

2.探索性因子分析

運(yùn)用SPSS 22.0檢驗(yàn)量表的信度，檢驗(yàn)結(jié)果顯示：克隆巴赫系數(shù)（Cronbachs alpha）為0.867＞0.70，表明量表信度較高。KMO檢驗(yàn)值為0.876，P=0.000＜0.001，表明樣本量足夠且顯著，量表可以采用因子分析。接下來(lái)使用SPSS 22.0對(duì)21個(gè)能力變量進(jìn)行因子提取，然后采用主成分分析法，通過Varimax旋轉(zhuǎn)獲得6個(gè)特征值大于1的因素，這些因素共同解釋了這些項(xiàng)目之間64.78%的差異。表4顯示了6個(gè)因素上每個(gè)項(xiàng)目的載荷，可以發(fā)現(xiàn)每個(gè)指標(biāo)在對(duì)應(yīng)因子上的載荷在0.565～0.821之間，這一數(shù)據(jù)表明題目與因子之間的關(guān)系是緊密的。提取的因子累積方差貢獻(xiàn)率為71.23%，表明解釋度較高，說(shuō)明本研究提取的幾個(gè)因子對(duì)問卷題目的解釋力足夠，有較好的代表性。適應(yīng)能力、復(fù)雜思維、決策能力、領(lǐng)導(dǎo)能力四項(xiàng)在旋轉(zhuǎn)后都同時(shí)呈現(xiàn)在兩個(gè)因子內(nèi)，表明它們?cè)趦蓚€(gè)維度上均存在一定的合理性。根據(jù)旋轉(zhuǎn)后的成分矩陣，對(duì)21個(gè)要素降維后的公共因子進(jìn)行命名，提煉得到高職學(xué)生就業(yè)能力結(jié)構(gòu)的一級(jí)維度，并對(duì)分類后的原有要素進(jìn)行更正。

因子1包含責(zé)任感、創(chuàng)新能力、適應(yīng)能力3個(gè)具體能力指標(biāo)，其中，適應(yīng)能力同時(shí)處于因子1和因子5中。因子分析方法規(guī)定，當(dāng)一個(gè)觀測(cè)變量旋轉(zhuǎn)成份矩陣分布在兩個(gè)公因子時(shí)，按照觀測(cè)變量本身的意義，選擇適合自身的公因子[11]。結(jié)合這一思路，對(duì)因子1中的責(zé)任感和創(chuàng)新能力進(jìn)一步觀察可以發(fā)現(xiàn)，兩者是對(duì)個(gè)體人格特質(zhì)的表述。因子5中的解決復(fù)雜問題、業(yè)務(wù)流程管理、問題解決和優(yōu)化三個(gè)能力指標(biāo)更側(cè)重于行動(dòng)中的方法策略。而適應(yīng)能力更傾向于對(duì)個(gè)體心理特質(zhì)的表述，因此，將其納入因子1之中，并將因子1命名為個(gè)體特質(zhì)。

因子2包含主動(dòng)學(xué)習(xí)、終身學(xué)習(xí)、自我管理、跨學(xué)科思考和行動(dòng)4個(gè)能力指標(biāo)。其中，復(fù)雜思維能力同時(shí)處于因子2和因子5中，與側(cè)重行動(dòng)的因子5相比，復(fù)雜思維能力側(cè)重于思考能力更適合將其納入因子2。因此，將因子2中各要素的名稱改為主動(dòng)學(xué)習(xí)、終身學(xué)習(xí)、自我管理、復(fù)雜思維能力，并將因子2命名為學(xué)習(xí)能力。因子3包含溝通協(xié)調(diào)、團(tuán)隊(duì)協(xié)作、服務(wù)導(dǎo)向和社交感知4個(gè)要素指標(biāo)。由此可見，這4個(gè)能力要素都是有關(guān)溝通互動(dòng)和社會(huì)交往的相關(guān)內(nèi)容。所以，可以將因子3命名為社會(huì)能力。因子4包含設(shè)備操控維護(hù)、技術(shù)設(shè)計(jì)、大數(shù)據(jù)、網(wǎng)絡(luò)技術(shù)、與計(jì)算機(jī)交互5個(gè)能力要素。因子4主要涉及技術(shù)和設(shè)備等的操控，因此，將因子4命名為技術(shù)能力。因子5包含解決復(fù)雜問題、業(yè)務(wù)流程管理、問題解決和優(yōu)化3個(gè)能力要素。同時(shí)，領(lǐng)導(dǎo)技巧和決策能力同時(shí)處于因子5和因子6中。因子5中的三個(gè)能力指標(biāo)側(cè)重于行動(dòng)管理和策略，制造業(yè)工作環(huán)境中技術(shù)工人的領(lǐng)導(dǎo)技巧和決策更多的是指生產(chǎn)過程中處理臨時(shí)狀況的行動(dòng)力，協(xié)調(diào)或組織生產(chǎn)資源的能力，因此將因子5和因子6合二為一，命名為方法能力。

根據(jù)上述因子分析結(jié)果可知，高職學(xué)生就業(yè)能力是一個(gè)結(jié)構(gòu)化模型，由21項(xiàng)具體指標(biāo)及其綜合而成的5個(gè)維度構(gòu)成。按照因子分析結(jié)果可以得到高職學(xué)生就業(yè)能力結(jié)構(gòu)維度及各項(xiàng)構(gòu)成要素，見表5。

（三）高職學(xué)生就業(yè)能力結(jié)構(gòu)模型的確立

1. 高職學(xué)生就業(yè)能力要素及其釋義

根據(jù)上述分析與討論結(jié)果，將高職學(xué)生就業(yè)能力結(jié)構(gòu)模型中的具體要素和形成維度在表6中詳細(xì)呈現(xiàn)出來(lái)。

2.高職學(xué)生就業(yè)能力的信效度檢驗(yàn)

對(duì)高職學(xué)生就業(yè)能力模型的5個(gè)維度進(jìn)行信度與效度檢驗(yàn)。首先，進(jìn)行信度檢驗(yàn)。本研究檢驗(yàn)量表信度是采用因子之間及其與就業(yè)能力結(jié)構(gòu)量表的相關(guān)性和內(nèi)部一致性信度，見表7。運(yùn)算結(jié)果表明，各個(gè)因子之間、因子與量表之間的相關(guān)性均達(dá)到了顯著正相關(guān)。各因子與總量表的相關(guān)系數(shù)依次為：個(gè)體特質(zhì)（0.780），學(xué)習(xí)能力（0.762），社會(huì)能力（0.726），技術(shù)能力（0.713），方法能力（0.681），表明各因子與結(jié)構(gòu)量表相關(guān)性較高。進(jìn)一步考察高職學(xué)生就業(yè)能力結(jié)構(gòu)各因子與結(jié)構(gòu)量表之間的內(nèi)部一致性程度表明，高職學(xué)生就業(yè)能力結(jié)構(gòu)量表各維度的內(nèi)部一致性程度較高，α系數(shù)在0.681～0.780之間，見表7?？偭勘淼膬?nèi)部一致性信度系數(shù)為0.787，說(shuō)明本研究的量表信度較高，表明本研究所構(gòu)建的高職學(xué)生就業(yè)能力結(jié)構(gòu)量表是穩(wěn)定可靠的。

其次，進(jìn)行效度分析。本研究采用常用的內(nèi)容效度檢驗(yàn)法來(lái)度量研究效度。本研究的就業(yè)能力結(jié)構(gòu)量表是在已有研究基礎(chǔ)上編制的，有較好的理論和現(xiàn)實(shí)依據(jù)，而且量表編制過程較為規(guī)范，剔除了意義指向不明的項(xiàng)目，進(jìn)一步提高了內(nèi)容效度。運(yùn)用因子分析法檢驗(yàn)結(jié)構(gòu)效度，探索性因子分析獲得的因子結(jié)構(gòu)與理論構(gòu)想的結(jié)構(gòu)維度基本一致，同時(shí)，探索性因子分析結(jié)果顯示，本研究提取的5個(gè)因子對(duì)總體方差的解釋度是73.23%，表明這些因子對(duì)所有題項(xiàng)總方差的決定程度在73%以上，5個(gè)因子對(duì)原始題項(xiàng)有較高的代表性，據(jù)此可以認(rèn)為該因子模型的結(jié)構(gòu)效度良好。

依據(jù)聚類分析并綜合不同分類方法的特點(diǎn)與共識(shí)，結(jié)合雇主對(duì)就業(yè)能力需求關(guān)注點(diǎn)的差異，將高職學(xué)生就業(yè)能力劃分為5個(gè)維度，即個(gè)體特質(zhì)、學(xué)習(xí)能力、社會(huì)能力、技術(shù)能力、方法能力。該就業(yè)能力結(jié)構(gòu)模型涵蓋了從個(gè)體特質(zhì)到方法能力等5個(gè)能力維度以及21個(gè)具體能力，見圖1。

四、智造時(shí)代高職學(xué)生就業(yè)能力結(jié)構(gòu)模型的驗(yàn)證

（一）研究設(shè)計(jì)與調(diào)查實(shí)施

通過分析高職學(xué)生就業(yè)能力與就業(yè)質(zhì)量之間的關(guān)系來(lái)驗(yàn)證因子結(jié)構(gòu)的外部效度。同時(shí)對(duì)高職在校生和畢業(yè)生進(jìn)行就業(yè)能力調(diào)查，并增加對(duì)高職畢業(yè)生就業(yè)質(zhì)量的調(diào)查。就業(yè)質(zhì)量是評(píng)價(jià)高職學(xué)生就業(yè)情況的重要指標(biāo)。高質(zhì)量就業(yè)是指畢業(yè)生在實(shí)現(xiàn)充分就業(yè)的前提下，能夠勝任職業(yè)崗位需求，對(duì)所從事的工作具有較高的滿意度[12]，并且符合地方乃至國(guó)家需求，使高校人才培養(yǎng)目標(biāo)匹配經(jīng)濟(jì)社會(huì)發(fā)展需求。已有研究多從宏觀和微觀兩個(gè)層面測(cè)量就業(yè)質(zhì)量。宏觀視角的就業(yè)質(zhì)量評(píng)價(jià)多是從畢業(yè)生的就業(yè)結(jié)構(gòu)、地域分布、就業(yè)部門、職位供需等方面進(jìn)行觀測(cè)；微觀視角的就業(yè)質(zhì)量評(píng)價(jià)多是從工資水平、就業(yè)滿意度以及能崗匹配等方面進(jìn)行考察[13]。本研究結(jié)合宏觀和微觀兩個(gè)維度對(duì)高職學(xué)生的就業(yè)質(zhì)量進(jìn)行考察。微觀層面從薪酬滿意度、福利保障以及工作發(fā)展機(jī)會(huì)等方面來(lái)觀測(cè)就業(yè)質(zhì)量并采用5點(diǎn)量表測(cè)評(píng)；宏觀就業(yè)質(zhì)量選取單位類型、平均起薪、薪資待遇相對(duì)水平進(jìn)行測(cè)評(píng)。本次調(diào)查采用微信問卷形式，研究對(duì)象為近3年內(nèi)畢業(yè)的制造大類高職學(xué)生。委托部分高職院校教師向已畢業(yè)學(xué)生發(fā)送微信問卷，每個(gè)微信號(hào)限填一次。調(diào)查在2021年3月下旬開展，為期一周，回收問卷852份，剔除無(wú)效問卷，獲得有效問卷667份，問卷有效率為78.30%。

（二）驗(yàn)證性因子分析

1.就業(yè)能力結(jié)構(gòu)因子間的相關(guān)分析

相關(guān)分析結(jié)果表明，高職學(xué)生就業(yè)能力各結(jié)構(gòu)因子分量表與結(jié)構(gòu)總量表的相關(guān)系數(shù)除一項(xiàng)低于0.6外，其余均在0.6以上，且P<0.01，說(shuō)明本研究的就業(yè)能力結(jié)構(gòu)對(duì)各因子有較好的代表性。各因子間的相關(guān)系數(shù)最低為0.245，最高為0.787，且P<0.01，表明各因子之間存在顯著性相關(guān)，見表8。

2.就業(yè)能力結(jié)構(gòu)量表的信效度檢驗(yàn)

運(yùn)用SPSS22.0軟件檢驗(yàn)就業(yè)能力結(jié)構(gòu)量表及各分量表的內(nèi)部一致性信度。運(yùn)算結(jié)果顯示，內(nèi)部一致性信度系數(shù)為0.875，表明量表的信度較高；各因子的內(nèi)部一致性信度也較高，其中，個(gè)體特質(zhì)、學(xué)習(xí)能力的內(nèi)部一致性信度都在0.85以上。這表明，可以信賴量表的探索性因子分析結(jié)果。接著，運(yùn)用SPSS22.0對(duì)結(jié)構(gòu)量表的有效性作進(jìn)一步檢驗(yàn)。因子分析結(jié)果表明，KMO值為0.984，Bartlett球形度檢驗(yàn)顯著性為0.000，表明可以用因子分析來(lái)檢驗(yàn)。因子分析所提取的因子對(duì)總體方差的解釋度為77.343%，表明提取的因子具有較高的代表性，進(jìn)一步說(shuō)明能力結(jié)構(gòu)模型較為合理。通過主成分分析法旋轉(zhuǎn)后的成分矩陣顯示，高職學(xué)生就業(yè)能力結(jié)構(gòu)因子結(jié)構(gòu)清晰，各因子內(nèi)所包含的項(xiàng)目在該因子上的負(fù)荷最低值為0.573，最高值為0.892，因子結(jié)構(gòu)與探索性因子分析得到的因子結(jié)構(gòu)完全一致，進(jìn)一步檢驗(yàn)了高職學(xué)生就業(yè)能力因子結(jié)構(gòu)的有效性。

3.就業(yè)能力結(jié)構(gòu)量表的驗(yàn)證性因子分析

利用AMOS22.0軟件對(duì)高職學(xué)生就業(yè)能力與就業(yè)質(zhì)量研究樣本數(shù)據(jù)進(jìn)行驗(yàn)證性因子分析，分析結(jié)果見表9。根據(jù)模型擬合度指數(shù)，本研究模型的各種擬合度指數(shù)良好?？梢哉J(rèn)為本研究構(gòu)建的模型擬合效果較好。

（三）因子間的關(guān)系模型

進(jìn)一步考察就業(yè)能力各因子間的結(jié)構(gòu)關(guān)系。首先，結(jié)合前述就業(yè)能力結(jié)構(gòu)要素間相互關(guān)系的理論設(shè)想，針對(duì)高職學(xué)生就業(yè)能力結(jié)構(gòu)的初始模型，提出就業(yè)能力結(jié)構(gòu)因子間關(guān)系的假設(shè)。高職學(xué)生就業(yè)能力結(jié)構(gòu)分別包括個(gè)體特質(zhì)、學(xué)習(xí)能力、社會(huì)能力、技術(shù)能力、方法能力5個(gè)結(jié)構(gòu)因子。基于國(guó)內(nèi)外已有研究的分析，本研究構(gòu)建的高職學(xué)生就業(yè)能力結(jié)構(gòu)初始模型中的要素關(guān)系類似冰山能力模型對(duì)顯性能力與隱性能力的關(guān)系描述，冰山模型將能力要素劃分為難以在短期發(fā)生改變或提升、可觀察的“水上部分”和容易通過教育或培訓(xùn)得到提高的、不易觀測(cè)的“水下部分”。相比冰山能力模型，聚合能力模型除了體現(xiàn)各能力維度的聯(lián)系，更加關(guān)注各能力維度的層次性，模型的核心部分是中心的圓環(huán)對(duì)外層圓環(huán)具有驅(qū)動(dòng)作用[14]。因此，本研究假設(shè)：個(gè)體特質(zhì)是高職學(xué)生就業(yè)能力結(jié)構(gòu)中的核心因子。個(gè)體特質(zhì)主要由責(zé)任感、創(chuàng)新能力、適應(yīng)能力構(gòu)成，很大程度上決定了個(gè)體對(duì)各類能力的態(tài)度、學(xué)習(xí)及掌握。個(gè)體的責(zé)任感、適應(yīng)能力和創(chuàng)新能力越強(qiáng)，越能夠自我激勵(lì)，持續(xù)學(xué)習(xí)并提高相關(guān)能力，促進(jìn)職業(yè)生涯發(fā)展。具體到高職學(xué)生，其就業(yè)導(dǎo)向思維較普通高校大學(xué)生更明顯，那些具有更強(qiáng)責(zé)任心、創(chuàng)新能力和適應(yīng)能力的高職學(xué)生，往往會(huì)努力鉆研專業(yè)技術(shù)、適應(yīng)崗位變化和持續(xù)提升自己的能力。另外，創(chuàng)新能力強(qiáng)的人，更能把握和整合現(xiàn)有資源去適應(yīng)不斷變遷的工作環(huán)境。

學(xué)習(xí)能力作為次深層的因子，主要包括主動(dòng)學(xué)習(xí)、自我管理和終身學(xué)習(xí)等，反映了個(gè)體對(duì)環(huán)境的適應(yīng)程度和信息的獲取效率，對(duì)技術(shù)能力、方法能力和社會(huì)能力的獲取具有重要的前提性影響。技術(shù)能力、方法能力和社會(huì)能力是就業(yè)能力結(jié)構(gòu)中的外層因子，其中，技術(shù)能力主要包括設(shè)備操控維護(hù)、技術(shù)設(shè)計(jì)、數(shù)字能力、網(wǎng)絡(luò)技術(shù)、與計(jì)算機(jī)交互等；方法能力主要包括解決復(fù)雜問題、業(yè)務(wù)流程管理、問題解決和優(yōu)化、領(lǐng)導(dǎo)技巧和決策能力等；社會(huì)能力包括溝通協(xié)調(diào)、團(tuán)隊(duì)合作、服務(wù)導(dǎo)向和社交感知等。技術(shù)能力、方法能力和社會(huì)能力三者之間是平行且相互影響的關(guān)系。社會(huì)能力和方法能力影響技術(shù)能力的獲取，企業(yè)和個(gè)人更愿意為有良好社會(huì)能力的員工提供獲得技術(shù)和技巧的機(jī)會(huì)。方法能力有助于個(gè)體高效率地完成任務(wù)和獲得技術(shù)能力。

通過運(yùn)用AMOS 22.0軟件驗(yàn)證因子間的關(guān)系，分析數(shù)據(jù)顯示，各類擬合指數(shù)均大于0.9，表明修正后的因子關(guān)系結(jié)構(gòu)模型擬合度較好。各類統(tǒng)計(jì)指標(biāo)符合標(biāo)準(zhǔn)?？梢哉J(rèn)為，本研究構(gòu)建的高職學(xué)生就業(yè)能力結(jié)構(gòu)模型通過驗(yàn)證。修正后的模型顯示，個(gè)體特質(zhì)對(duì)學(xué)習(xí)能力、技術(shù)能力、方法能力和社會(huì)能力的影響都顯著，驗(yàn)證了其在結(jié)構(gòu)中的核心控制作用；學(xué)習(xí)能力對(duì)技術(shù)能力、社會(huì)能力和方法能力的影響作用明顯且較其他維度更大，這表明學(xué)習(xí)能力強(qiáng)的高職學(xué)生更能夠感知外部環(huán)境因素的變化，并善于調(diào)節(jié)自身來(lái)適應(yīng)環(huán)境變化。

（四）高職學(xué)生就業(yè)能力結(jié)構(gòu)改進(jìn)模型

通過以上探索性和驗(yàn)證性因子分析，得到改進(jìn)后的高職學(xué)生就業(yè)能力結(jié)構(gòu)模型，見圖2。改進(jìn)模型由五個(gè)層面構(gòu)成，由表及里分別是方法能力、技術(shù)能力、社會(huì)能力、學(xué)習(xí)能力和個(gè)體特質(zhì)。與初始就業(yè)能力結(jié)構(gòu)模型相比，改進(jìn)后的模型各維度之間的關(guān)系更加清晰。圖3是高職學(xué)生就業(yè)能力結(jié)構(gòu)的聚合模型，聚合模型更注重突出就業(yè)能力的層次性，通過圖示更明確地表現(xiàn)出高職學(xué)生就業(yè)能力構(gòu)成中隱性的個(gè)人特質(zhì)和學(xué)習(xí)能力與外顯的技術(shù)能力、方法能力和社會(huì)能力在維度上的層次性。越接近外層的能力維度越是外顯的，也就越容易測(cè)評(píng)和考察。技術(shù)能力、方法能力和社會(huì)能力處于聚合能力結(jié)構(gòu)的表層，容易培養(yǎng)、測(cè)量、評(píng)價(jià)和考察。個(gè)人特質(zhì)位于就業(yè)能力結(jié)構(gòu)的內(nèi)層，體現(xiàn)了智造時(shí)代高職學(xué)生的核心特質(zhì)和最深層次的就業(yè)能力特征，是最難于發(fā)展和改變的部分。目前，對(duì)個(gè)體特質(zhì)和學(xué)習(xí)能力等較為隱性的能力還很難觀測(cè)評(píng)價(jià)，需要探索新的觀測(cè)和評(píng)價(jià)方法以對(duì)學(xué)生的個(gè)體特質(zhì)和學(xué)習(xí)能力進(jìn)行有效考察，以便能夠?qū)Ω呗殞W(xué)生未來(lái)職業(yè)發(fā)展進(jìn)行科學(xué)預(yù)測(cè)和評(píng)價(jià)。

結(jié)合智造時(shí)代高職學(xué)生就業(yè)能力的聚合模型，在對(duì)高職學(xué)生就業(yè)能力進(jìn)行考察、測(cè)評(píng)以及培養(yǎng)過程中，不僅要關(guān)注他們外顯的知識(shí)和能力，還應(yīng)更審慎、細(xì)致地觀測(cè)其內(nèi)在的個(gè)人特質(zhì)和學(xué)習(xí)能力。聚合能力模型可以為高職學(xué)生的就業(yè)能力培養(yǎng)提供可資借鑒的內(nèi)容和思路。本研究構(gòu)建的就業(yè)能力結(jié)構(gòu)模型反映了智造時(shí)代所需的能力要素和維度，有利于更有針對(duì)性地對(duì)高職學(xué)生就業(yè)能力進(jìn)行培養(yǎng)和評(píng)價(jià)。

五、研究結(jié)論

通過構(gòu)建高職學(xué)生就業(yè)能力結(jié)構(gòu)模型可以發(fā)現(xiàn)，智造時(shí)代高職學(xué)生就業(yè)能力結(jié)構(gòu)呈現(xiàn)出要素日益更新化、維度日益復(fù)合化與層次日益知識(shí)化等特征。

（一）就業(yè)能力結(jié)構(gòu)要素日益更新化

一是數(shù)字能力正成為通用能力。第四次工業(yè)革命也稱為“數(shù)字革命”，無(wú)論就業(yè)者來(lái)自哪個(gè)行業(yè)、從事何種工作、處于哪個(gè)層級(jí)，數(shù)字接收能力和數(shù)字產(chǎn)出能力都不可或缺[15]。從制造業(yè)轉(zhuǎn)型升級(jí)的驅(qū)動(dòng)因素而言，制造業(yè)的智能生產(chǎn)、智能服務(wù)、智能物流等環(huán)節(jié)都需要先進(jìn)數(shù)字技術(shù)的驅(qū)動(dòng)，離開數(shù)字技術(shù)很難順利實(shí)現(xiàn)制造業(yè)轉(zhuǎn)型升級(jí)。智能制造的特點(diǎn)是可以針對(duì)不同消費(fèi)群體需求進(jìn)行個(gè)性化定制，需要借助各種先進(jìn)技術(shù)判斷和預(yù)測(cè)消費(fèi)者偏好，進(jìn)而組織生產(chǎn)并提供服務(wù)，這些功能的實(shí)現(xiàn)同樣離不開相應(yīng)的數(shù)字能力。

二是復(fù)雜思維能力日益受到關(guān)注。由于智能制造具有個(gè)性化、多種類和大批量定制化的生產(chǎn)特點(diǎn)，生產(chǎn)過程需要涉及多學(xué)科的知識(shí)和技能，生產(chǎn)智能化導(dǎo)致各個(gè)生產(chǎn)環(huán)節(jié)間的界限趨于模糊，員工需要掌握產(chǎn)品的全鏈條知識(shí)，成為產(chǎn)品的設(shè)計(jì)者、制造者、管理者與服務(wù)者[16]。智能生產(chǎn)系統(tǒng)與復(fù)雜的電子和數(shù)據(jù)處理過程相結(jié)合，也增加了所有層級(jí)的資格和能力要求。除了必要的學(xué)科知識(shí)和應(yīng)用外，員工將越來(lái)越需要具備跨學(xué)科的復(fù)雜思維能力。

三是漸進(jìn)式創(chuàng)新能力日益重要。漸進(jìn)式創(chuàng)新是指直接從事生產(chǎn)的工人、技師所進(jìn)行的漸進(jìn)的、連續(xù)的創(chuàng)新活動(dòng)，它往往伴有產(chǎn)品創(chuàng)新、過程創(chuàng)新和組織創(chuàng)新的連鎖反應(yīng)，并最終引起產(chǎn)業(yè)結(jié)構(gòu)變化[17]?？梢哉f(shuō)，漸進(jìn)式創(chuàng)新是提升產(chǎn)業(yè)創(chuàng)新能力的一個(gè)必經(jīng)過程，是實(shí)現(xiàn)一國(guó)制造業(yè)根本性創(chuàng)新的深厚技術(shù)基礎(chǔ)[18]。漸進(jìn)式創(chuàng)新需要用到員工隊(duì)伍中長(zhǎng)期積累起來(lái)的技能，因?yàn)楹芏鄬?duì)產(chǎn)品改進(jìn)的想法都是通過在實(shí)際操作過程中對(duì)生產(chǎn)過程的直接觀察得來(lái)的。

（二）就業(yè)能力結(jié)構(gòu)維度日益復(fù)合化

一方面，產(chǎn)業(yè)關(guān)聯(lián)度的不斷強(qiáng)化需要?jiǎng)趧?dòng)者掌握更加復(fù)合化的能力。產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的趨勢(shì)之一就是產(chǎn)業(yè)之間的界限日趨模糊，各類產(chǎn)業(yè)聯(lián)系日益緊密，這就需要員工具備通用能力，既要精通本職崗位的專業(yè)技能，還要了解甚至掌握相關(guān)崗位、學(xué)科的知識(shí)和技能，形成復(fù)合化的能力體系。制造業(yè)轉(zhuǎn)型升級(jí)下的產(chǎn)業(yè)集群有別于傳統(tǒng)意義上僅限于某一地域的產(chǎn)業(yè)集群概念，借助“云大物移智”等前沿?cái)?shù)字技術(shù)突破了地域限制，實(shí)現(xiàn)了各個(gè)生產(chǎn)環(huán)節(jié)的緊密聯(lián)合，最終實(shí)現(xiàn)快速化、大規(guī)模、個(gè)性化定制生產(chǎn)。新型制造模式要求技術(shù)工人具備更復(fù)雜的能力以適應(yīng)生產(chǎn)的變革，他們既要掌握相關(guān)數(shù)字技術(shù)以適應(yīng)智能化生產(chǎn)流程，也要具備跨學(xué)科知識(shí)和靈活性以應(yīng)對(duì)產(chǎn)品的快速迭代更新；還要具備服務(wù)式生產(chǎn)模式所產(chǎn)生的新型營(yíng)銷、設(shè)計(jì)和售后等方法和社會(huì)能力。

另一方面，工作組織環(huán)境的復(fù)雜化導(dǎo)致技能的復(fù)雜化。由于新興技術(shù)的破壞性以及通信和協(xié)作結(jié)構(gòu)的改進(jìn)，工作活動(dòng)的技術(shù)、組織和社會(huì)領(lǐng)域?qū)⒅丿B，工作組織模式將變得更加關(guān)聯(lián)和更加復(fù)雜。同時(shí)，采用智能制造技術(shù)導(dǎo)致人們?cè)跀?shù)字化和網(wǎng)絡(luò)化的工作場(chǎng)所工作，促進(jìn)與算法和機(jī)器人的交互，以及在虛擬世界中工作和交流。這些變化導(dǎo)致了對(duì)獨(dú)特和專門技能集的新要求[19]。隨著智能制造系統(tǒng)的復(fù)雜性和知識(shí)密集性的持續(xù)深化，勞動(dòng)者技能的復(fù)雜性也隨之不斷增長(zhǎng)。例如，在訂單式生產(chǎn)環(huán)境下，市場(chǎng)需求變化頻繁，表現(xiàn)為品種多、交貨期短、質(zhì)量要求高、工藝復(fù)雜等。一線員工的多技能及自組織、自適應(yīng)能力的發(fā)揮，可有效應(yīng)對(duì)需求的復(fù)雜變化及生產(chǎn)過程的失衡[20]。

（三）就業(yè)能力結(jié)構(gòu)層次日益知識(shí)化

智能化補(bǔ)充了工人的認(rèn)知和創(chuàng)造性能力。智能化通過縮短從概念到實(shí)現(xiàn)的距離，擴(kuò)大了思想的力量。機(jī)械提高了人類在開發(fā)和指導(dǎo)復(fù)雜生產(chǎn)過程中專業(yè)知識(shí)的價(jià)值，并提供了使人們將想法轉(zhuǎn)化為產(chǎn)品和服務(wù)的工具。隨著時(shí)間的推移，智能化將人類勞動(dòng)的比較優(yōu)勢(shì)從物理領(lǐng)域轉(zhuǎn)移到認(rèn)知領(lǐng)域，并不可避免地提高了大多數(shù)工作的技能要求。另一方面，由于全球競(jìng)爭(zhēng)和產(chǎn)品復(fù)雜性的日益增加，生產(chǎn)系統(tǒng)和自動(dòng)化的復(fù)雜性急劇增加，這加重了自動(dòng)化技術(shù)人員、系統(tǒng)工程師和設(shè)備工程師的負(fù)擔(dān)，因?yàn)槿祟惖恼J(rèn)知能力并沒有上升到與技術(shù)系統(tǒng)的復(fù)雜性相匹配的程度[21]。

未來(lái)勞動(dòng)力需求將轉(zhuǎn)向知識(shí)密集型工作，與生產(chǎn)有關(guān)的技能是各國(guó)經(jīng)濟(jì)增長(zhǎng)以及制造業(yè)保持長(zhǎng)期競(jìng)爭(zhēng)力的重要組成部分。智能制造融合了先進(jìn)制造技術(shù)和新一代數(shù)字技術(shù)，系統(tǒng)集成了硬件、軟件、人、網(wǎng)絡(luò)和標(biāo)準(zhǔn)等制造要素。滿足智能制造需求的人才既要掌握先進(jìn)的制造技術(shù)又要精通新興數(shù)字技術(shù)，還要具備現(xiàn)代管理理念與知識(shí)[22]。智能制造所需要的人才知識(shí)結(jié)構(gòu)發(fā)生了新的變化，技能需求也隨之轉(zhuǎn)變。生產(chǎn)制造從過去單一、瑣碎的流水線模式轉(zhuǎn)向柔性化、個(gè)性化、靈活的智能生產(chǎn)模式，而生產(chǎn)制造所需要的高技能工人也從傳統(tǒng)機(jī)器和工具的操作者、加工者轉(zhuǎn)向智能裝備和數(shù)控機(jī)床的使用者與管理者[23]。因此，智能制造的工作崗位需要跨學(xué)科的專業(yè)工程師、智能生產(chǎn)車間和工廠的頂層架構(gòu)師，需要新一代的信息知識(shí)和技術(shù)、網(wǎng)絡(luò)技術(shù)以及通信、計(jì)算、控制等多元化的復(fù)合知識(shí)與能力。

參 考 文 獻(xiàn)

[1]苗圩.中國(guó)制造處于全球制造第三梯隊(duì)[EB/OL].（2015-11-18）[2020-12-09].http：//www.chinanews.com/cj/2015/11-18/7630207.shtml，

[2]張?jiān)?工業(yè)化進(jìn)程中的職業(yè)教育[M].北京：知識(shí)產(chǎn)權(quán)出版社，2016：111.

[3]張?jiān)?，陳建?我國(guó)經(jīng)濟(jì)發(fā)展方式非均衡特征及優(yōu)化的政策選擇——基于人力資本投資低水平“陷阱”視角的分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，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.傳播學(xué)內(nèi)容分析研究與應(yīng)用[M].重慶：重慶大學(xué)出版社，2014：10.

[7]王偉軍，蔡國(guó)沛.信息分析方法與應(yīng)用[M].北京：清華大學(xué)出版社，2010：172.

[8]艾瑞咨詢.中國(guó)網(wǎng)絡(luò)招聘行業(yè)半年度報(bào)告（2017）[EB/OL].（2018-09-17）[2021-03-02].http：//report.iresearch.cn/report/201711/3082.shtml.

[9]許艷麗，呂建強(qiáng).面向人工智能的高職畢業(yè)生技能需求研究——基于近萬(wàn)條網(wǎng)絡(luò)招聘信息的調(diào)查分析[J].高教探索，2019（7）：97-102.

[10]柳俊，王求真，陳琿.基于內(nèi)容分析法的電子商務(wù)模式定義研究[J].浙江大學(xué)學(xué)報(bào)（人文社科版），2010（5）：82-91.

[11]王萍，張韞麒，朱立香，等.政務(wù)微信公眾號(hào)知識(shí)服務(wù)質(zhì)量影響因素研究[J].圖書情報(bào)工作，2018（23）：43-50.

[12]張小詩(shī)，于浩.高校畢業(yè)生高質(zhì)量就業(yè)的基本內(nèi)涵[J].現(xiàn)代教育管理，2016（7）：115-119.

[13]楊釙，郭建如，金軼男.高職高專畢業(yè)生就業(yè)質(zhì)量分析[J].教育發(fā)展研究，2013（21）：24-34.

[14]宋雪雁，李溪萌，鄧君.數(shù)字時(shí)代檔案文獻(xiàn)編纂人員勝任力模型研究[J].圖書情報(bào)工作，2020（3）：32-41.

[15]劉立新，劉紅，殷文.工業(yè)4.0背景下德國(guó)職業(yè)教育發(fā)展戰(zhàn)略[M].北京：教育科學(xué)出版社，2019：170.

[16]謝莉花，尚美華.智能制造背景下技術(shù)技能人才的資格要求及培養(yǎng)定位[J].職業(yè)技術(shù)教育，2019（4）：18-24.

[17]李毅.日本制造業(yè)自主發(fā)展過程中的技術(shù)創(chuàng)新研究：經(jīng)濟(jì)史的啟示[J].經(jīng)濟(jì)研究參考，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]劉蓉，胡盛強(qiáng)，張畢西.人工作業(yè)系統(tǒng)各作業(yè)模式生產(chǎn)效率與成本分析[J].系統(tǒng)工程，2013（7）：104-109.

[21]比吉特·沃格爾—霍伊澤爾，托馬斯·保爾漢森，邁克爾·騰·洪佩爾.德國(guó)工業(yè)4.0大全第2卷：自動(dòng)化技術(shù)（第2版）[M].房殿軍，林松，張新艷，等，譯.北京：機(jī)械工業(yè)出版社，2019：56.

[22]李耀平，郭濤，段寶巖.面向智能制造的人才培養(yǎng)策略[M].西安：西安電子科技大學(xué)出版社，2019：41.

[23]鄒潔.辛國(guó)斌：推進(jìn)智能制造需錘煉高水平供應(yīng)商[N].中國(guó)工業(yè)報(bào)，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