企業對應用型本科人才勝任力有何需求？
——基于機器學習和自然語言處理的招聘信息分析

李家新，劉甜甜，劉 暉

（廣州大學教育學院，廣州 510006）

1 問題的提出

以企業需求為導向的應用型本科人才培養模式改革是當前高等教育界關注的重要議題。2017年，國務院辦公廳印發的《關于深化產教融合的若干意見》明確要求深化“引企入教”改革，“支持引導企業深度參與職業學校、高等學校教育教學改革……促進企業需求融入人才培養環節”，用10 年左右的時間，健全完善“需求導向的人才培養模式”，形成“教育和產業統籌融合、良性互動的發展格局”[1]，體現了企業需求對現階段應用型本科人才培養的重要性。對于正在向應用型本科轉型的高校而言，強調以企業需求為導向，通過校企合作、產教融合等方式，將學生培養為滿足企業需求、符合產業發展的高素質應用型人才成為應有之義。[2]企業的人才需求集中體現于對人才勝任力的要求上，其集中反映了人才的各項特征對企業需求的適應性。[3]隨著新一輪產業結構的優化升級，企業對于具備多樣化勝任力的本科層次應用型人才的需求日益增長，但由于當前許多本科高校還處于向應用型轉變的進程之中，其人才培養模式往往未能充分回應企業的人才勝任力要求，人才培養供給側和產業需求側的結構性矛盾仍然普遍存在。盡管學界很早就開始強調關注企業的人才勝任力需求對應用型人才培養的重要性，但相關研究往往使用通過問卷、訪談所搜集的小范圍、小樣本數據，[4]或聚焦于某一特定類型的崗位，如工程師、計算機從業人員等，難以揭示特定范圍內各類企業的人才勝任力需求整體特征與類型差異，為應用型本科人才培養提供整體性、即時性的借鑒參考。

作為我國經濟社會發展水平和市場化程度相對較高的地區，廣東匯集了大量創新型企業和高技術產業，其對本科層次人才的需求較為迫切，企業的先進性、系統性和多樣性具有典型意義；同時，這一區域內的高校也日益重視應用型本科人才培養，強調以企業需求為導向的產教協同發展和人才培養模式改革，以更好地支持廣東省及粵港澳大灣區建設和區域經濟社會發展。鑒于此，本研究使用基于機器學習和自然語言處理的大數據分析方法，結合勝任力理論和應用型本科人才勝任力模型，對廣東省9 市企業的本科人才招聘信息進行分析，探討企業對于本科層次人才的勝任力需求現狀和特征，以及不同類型企業的勝任力需求差異，以期為高校應用型本科人才培養提供有針對性的對策建議。

2 文獻綜述與理論基礎

2.1 對接企業需求對應用型本科高校人才培養而言至關重要

根據《國際教育標準分類法》，高等教育第一階段被分為5A 和5B，5B 相當于我國的高職高專；而學習年限一般在4 年以上的5A 教育又可分為5A1和5A2，前者按學科分設專業，主要為進一步研究做準備，后者是按技術領域（或行業、產業）分設專業，適應高科技要求的應用性專門教育，因此從事5A2 教育的高校大體可被視為應用型本科高校。[5]與5A1 教育主要著眼于學科和學術發展不同，5A2教育通常更強調人才培養與企業需求之間的匹配性。2015 年前后，在《關于引導部分地方普通本科高校向應用型轉變的指導意見》等政策文件的推動下，應用型本科人才培養及其與企業需求的關系問題日益得到學界關注。國內外相關研究指出，應用型人才培養模式應以市場需求為中心，在專業設置、課程體系和教學內容上應極大地滿足社會和相關行業的需求，[6]其在本質上是以社會需求和企業需求為導向的專業教育，[7]應將市場需求作為最終的質量導向。[8]因此，應用型本科高校需要高度關注就業形勢和企業需要的發展變化，制定多元化的人才培養方案，[9]重視與市場需求緊密銜接的職業崗位能力的培養；[10]并通過校企合作、產教融合等人才培養模式，將企業需求融入高校的培養目標、培養方案、教學內容等人才培養各環節。[11]隨著相關理論研究和實踐探索的逐漸深入，以“引企入教”為代表的改革舉措逐漸被納入研究視野，應用型本科高校也在強調拓展企業參與的途徑，包括邀請企業參與專業群規劃和人才培養方案修訂、與企業共建產業學院或實驗室等，以便更好地將企業需求融入應用型人才培養。[12]總體而言，既有文獻已關注到應用型本科高校人才培養對接企業需求的重要性，強調企業參與應用型人才培養過程，但關于企業對本科層次人才勝任力需求的研究相對薄弱。

2.2 招聘信息分析是探索企業人才勝任力需求的重要方式

從完善應用型本科人才培養的角度出發，國內外學者對企業需求尤其是人才勝任力需求開展了大量研究。早期相關研究主要通過問卷、訪談等方法對學生或雇主進行調查以了解企業的勝任力需求。如對企業管理和會計專業的雇主調查發現，相關領域應用型人才最被看重的是其領導能力、溝通能力和人際交往能力，[13]以及技術領域的特定知識。[14]由于招聘信息通常是企業勝任力需求最直接的呈現載體，相關研究逐漸將企業招聘信息作為重要的研究對象，尤其是圍繞招聘信息中的崗位需求進行文本分析。如對圖書館招聘信息的分析發現，監督能力、團隊協作能力、在實施變革時保持靈活性、有國家項目的經驗、堅持標準等是相關領域人才培養需要關注的重要勝任力。[15]隨著互聯網的普及與發展，網絡招聘成為企業招聘的主流渠道，這為實時監測勞動力市場和企業勝任力需求提供了很好的機會。當前基于網絡招聘信息的企業勝任力需求分析主要有兩類：其一是傳統的內容分析法，主要是通過對文本內容的分析歸納，提煉出影響企業人才勝任力需求的關鍵特征、影響因素及變化趨勢。如基于地理信息系統招聘信息的內容分析發現，軟技能對人才的成功就業具有重要性，溝通和人際交往等勝任力是雇主雇傭新員工的關鍵標準；[16]對服務業招聘信息的內容分析發現，用人單位對相關領域應用型人才的勝任力需求主要包括服務知識、服務能力和服務情感三大部分。[17]其二是新興的大數據分析方法。隨著近年來機器學習、自然語言處理等技術在文本分析中的應用逐漸成熟，運用大數據方法分析企業勝任力需求及其與應用型人才培養關系的研究也逐漸增多。如有學者運用LDA 主題模型確定了大數據軟件工程領域的10種核心勝任力需求，包括大數據處理、編程、軟實力、工作方式等。[18]有學者使用基于大數據的文本聚類分析，發現熟練使用Office或類似軟件、熟悉財務報告寫作、能夠組織績效管理等勝任力對于會計行業而言最為重要。[19]總體而言，當前對企業需求的大數據分析大多針對特定行業，較少關注某一區域內各類企業人才勝任力需求的總體特征及類型差異。

2.3 理論基礎：基于“洋蔥模型”的知識技能-心理能力-深層特質勝任力

勝任力是一種包括知識、技能、自我形象、動機、特質等在內的可以被測量的并能與他人顯著區分的特征，它體現了應用型人才在特定組織的特定工作或角色中取得重要結果所必需的成功因素的集合，[20]是企業對應用型人才需求的集中反映?；趯ζ髽I人才需求的分析，學者提出了應用型人才的勝任力模型，即從事某一特定工作所需要具備的各層次勝任力的總和，[21]其中，洋蔥模型是最經典的勝任力模型之一。這一模型包括由外顯到內隱層層深入的三部分勝任力組成（見圖1）：最外層是知識、技能，這部分勝任力特征易被觀察與測量，且通過學習、培訓能快速提升；中間層為自我形象、態度價值觀，強調個體對自己的認知和對外部環境的認識，處于中間狀態且特征相對穩定；最內層為動機、特質，強調個體人格的本質與實現目標的驅動力，其最為穩定且不易測量、不易習得。[22]洋蔥模型被認為較為全面地展示了勝任力的構成要素，因此被廣泛地運用于對應用型人才勝任力需求的分析上。相關研究發現，除必要的學科知識與技能外，情商、學習能力、反思能力、自尊、自信、自我效能等涉及自我形象、價值觀和個人特質的勝任力對應用型人才的就業至關重要；[23]國內相關研究也驗證了企業的人才勝任力需求既包括專業知識、寫作能力、語言表達等外顯勝任力，同樣也包含思維能力、組織協調能力、抗壓能力等內隱勝任力。[24]結合企業對應用型本科人才的勝任力需求，學者總結了對當前應用型本科人才培養至關重要的關鍵勝任力，包含創新性、學習能力、溝通交流能力、團隊合作能力、語言表達能力、主動性等，[25]同樣涉及人才勝任力模型中的各個層次。

圖1 人才勝任力洋蔥模型

在借鑒洋蔥模型及應用型本科人才勝任力相關研究的基礎上，本研究構建了包含3 個維度和16項勝任力的應用型本科人才勝任力模型（見圖2），并據此進行數據分析。其中，最外層的是知識技能維度，對應洋蔥模型中的知識與技能層面的勝任力，聚焦于應用型人才在某一方面、某一領域的特有知識或技能，包括專業技能、資格證書、計算機能力、外語能力、語言表達、書面表達6項勝任力；處于中間層的是心理能力維度，對應洋蔥模型中自我形象和態度價值觀層面的勝任力，聚焦于應用型人才在思維、意志、情緒、態度等心理能力的調控下，綜合運用復合型知識、技能解決和處理問題的能力，包括團隊協作、人際溝通、組織協調、邏輯思維、學習能力5項勝任力；處于最內層的是深層特質維度，對應洋蔥模型中動機和特質層面的勝任力，聚焦于與應用型人才最深層、最核心的人格特質，體現在幾乎所有工作行為之中的個性特點，包括責任心、耐挫力、執行力、主動性、創新力5項勝任。

圖2 理論框架：應用型本科人才勝任力模型

3 數據來源、描述統計、研究過程與方法

3.1 數據的收集與處理

本文選擇當前國內最大的第三方招聘網站前程無憂（www.51job.com）作為樣本數據來源網站。檢索條件設置如下：檢索頁面為“職位搜索”，“工作地點”為粵港澳大灣區，位于廣東省的9 座城市（廣州、深圳、佛山、東莞、珠海、江門、中山、惠州、肇慶），“學歷要求”為本科，“工作類型”為全職，共獲得26 861 條招聘信息。信息采集結束后，對同一企業在不同時間發布的同一信息進行去重，并剔除缺失重要內容的信息和無效信息，最終獲得有效樣本13 239 條。完成后，對數據進行標準化處理，如將年薪、日薪統一轉換為月薪，將范圍型薪資（如5 000～7 000 元/月）取平均數，并以類似的方法處理工作經驗要求、招聘人數、企業規模等信息。對崗位職責、任職要求等非結構化的文本數據，首先使用Python 中的jieba 工具包進行分詞，如將“負責日常的統計工作”拆分為“負責/日常/的/統計/工作”，再使用哈工大停用詞表對文本數據進行停用詞處理，如過濾掉“的”“啊”等副詞、介詞、語氣助詞。

3.2 描述性統計

本文收集到的信息包括招聘崗位名稱、崗位職責、任職要求、所在城市、企業類型、薪資待遇、工作經驗要求、招聘人數、企業規模等。樣本的基本情況如表1、2所示。其中，企業所在地以廣州、深圳為主，兩地合計占總數的70%以上，這可能是因為兩地經濟相對發達，可提供的本科層次工作崗位相對較多。企業類型以民營企業為主，數量接近80%，這可能是因為以制造業為主的民營企業在廣東省扮演著重要角色，是創造市場活力、拉動經濟增長的重要力量。[26]企業規模的均值為1 177 人，中位數為325 人，意味著中小企業仍是當前人才需求的主力軍。

表1 變量的描述性統計（類別變量）

表2 變量的描述性統計（連續變量）

3.3 研究方法

本文基于無監督機器學習及自然語言處理的大數據挖掘方法，對企業招聘信息中的人才勝任力需求進行分析。首先，使用LDA 主題模型從招聘信息中提煉企業所需要的人才類型，以及與應用型本科人才勝任力相關的主題詞；其次，利用LDA 主題模型分析得出的主題詞，使用Apriori關聯算法分析勝任力之間的關系，并將信息文本進行向量化處理，進一步厘清勝任力的類型及強度；最后，結合在上述分析中獲取的人才類型和勝任力類型數據，利用LASSO 回歸和多元線性回歸對二者之間的關系進行分析，探究不同人才類型的勝任力需求。

3.3.1 基于無監督機器學習的LDA 主題模型和Apriori關聯算法

LDA（Latent Dirichlet Allocation）是一種基于無監督機器學習的文檔主題生成三層貝葉斯模型，它不需要任何標記或訓練集，通過分析文檔中的潛在語義結構挖掘文檔的語義內容，[27]可自動識別大型文本語料中的主題信息。LDA 模型是假設每個文檔都可以表示為潛在主題的概率分布，且每個潛在主題也都可以表示為詞語的概率分布，并通過聯合分布計算文本中主題結構的條件分布。[28]LDA 模型能夠揭示詞語間潛在的語義聯系，無論詞語是否同時出現于同一文檔中；并能以概率分布的形式展示文檔的混合隸屬，保證了分析的準確性。本文使用LDA 模型對招聘信息文本進行潛在主題建模，并從中提煉與應用型本科人才勝任力相關的主題詞。Apriori 關聯算法又稱為“購物籃”分析，是一種基于無監督機器學習的關聯規則算法，其核心是使用逐層搜索的迭代方法來產生事務數據庫中的頻繁項集，并從頻繁項集中挖掘出所有大于等于最低可信度的強關聯規則。[29]本文使用Apriori 關聯算法對應用型本科人才勝任力之間的關系進行分析，探索與其他勝任力具有強關聯性的勝任力。

3.3.2 自然語言處理

自然語言處理(Natural Language Processing,NLP)是一個研究和應用領域，它探索如何使計算機理解并操作自然語言文本或語音來進行交互通訊或智能化創作。[30]本文基于自然語言處理技術，使用LDA 模型對文本進行主題建模，同時在提取主題詞的基礎上，對文本進行向量化處理并構建詞袋模型。文本向量化是指通過一系列格式轉換將文本內容轉換為有意義的數字表達從而使計算機能夠識別并理解文本，[31]在詞袋模型中，文本向量化主要使用包含單詞出現次數的固定長度稀疏向量，文本（句子或文檔）被視為無序的單詞集合，不考慮詞語出現的順序，只考慮詞語是否出現及出現的頻次。對文本的向量化處理，有助于厘清招聘信息中蘊含的應用型本科人才勝任力需求類型及強度。

3.3.3 多元線性回歸和LASSO回歸

在大數據挖掘的基礎上，本文使用傳統的多元線性回歸（OLS），在控制其他變量和城市、企業類型固定效應的情況下，對人才類型與勝任力之間的關系進行分析。為解決共線性和模型過擬合問題，本文在多元線性回歸分析前使用LASSO 回歸進行了變量篩選。LASSO 回歸是大數據分析中解決模型過擬合問題、優化最小二乘法的常用方法，它通過在模型估計中構建一個懲罰函數，將過小的回歸系數壓縮到0，從而達到變量篩選的作用，[32]能使回歸模型更加簡潔且具有更高的精確度。

4 研究發現

4.1 LDA主題模型分析結果

4.1.1 主題個數

LDA 主題模型提取效果和最優主題個數K 值的大小有直接關系。本文綜合考慮相似度、困惑度和一致性三個指標來確定LDA 模型的最優主題個數。相似度通過計算主題向量的余弦距離來度量主題之間的相似性。[33]困惑度則通過模型對新文本的預測能力來判斷主題模型預測結果和測試樣本擬合優度，取值越低LDA 模型效果越好；一致性則通過計算語義關聯程度來判斷主題個數，是判斷主題可解釋度的重要指標]。[34結果如圖3 所示，其中，相似度和一致性在7附近達到峰值，此后明顯下降且再未回到峰值；困惑度在7 以后則開始明顯上升。根據肘部原則綜合考量三個指標的結果，將LDA模型的最優主題個數確定為7個（K=7）。

圖3 LDA主題模型相似度、困惑度、一致性分析結果

4.1.2 人才類型

通過LDA 主題模型，賦予每條招聘信息7 個概率值以來代表其傾向于某種類型的概率，結果如表3所示（僅展示部分）。以第一行信息（編號6089）為例，其進入類型1 的概率為0.9 755，表明其有97.55%的概率傾向類型1，以此類推，其傾向類型2、3、4、5、6、7 的概率分別為7.2%、4.0%、5.1%、2.4%、1.9%、4.0%；第二行信息（編號3370）則明顯傾向于類型2，概率為97.49%。部分信息可能同時傾向兩種或以上的類型，如第三行信息（編號168）傾向7 種類型的概率分別為46.90%、2.16%、41.46%、0.49%、0.63%、7.60%、0.77%，表明其可能同時傾向于類型1和3。

表3 招聘信息的主題概率（部分）

經分析，傾向類型1 的招聘崗位多為與工業生產相關的工程師、研究員、藥劑師等，崗位職責主要是進行新產品、新工藝、新技術的設計研發，可將類型命名為工業生產類。傾向類型2 的崗位多為法務、土建等，崗位職責主要是開展法律咨詢、施工審核等專業性工作，任職要求大多涉及相關專業領域的知識技能，可命名為專業服務類。傾向類型3 的崗位多為軟件開發、運維工程師，崗位職責主要是開展軟件的架構、開發、維護等，任職要求多為熟悉開發工具、數據庫、操作系統，故命名為軟件編程類。傾向類型4的崗位多為銷售代表、產品經理等，崗位職業主要是銷售及市場推廣、調研，任職要求大多看重性格、人際關系與溝通能力，故命名為市場營銷類。傾向類型5 的崗位多為新媒體運營、文案策劃、平面設計師等，崗位職責多為文章、視頻的編輯、發布，或項目策劃、創意設計，故命名為傳媒設計類。傾向類型6 的崗位多為各學科教師、早教老師、企業培訓講師等，崗位職責多為備課、授課、輔導等，故命名為教育培訓類。傾向類型7 的崗位多為人事、財務、行政總監等，崗位職責多為公司人力資源管理、財務核算管理、發展戰略制定等，任職要求大多關注領導力、團隊管理能力及管理經驗等，故命名為企業管理類。

4.1.3 主題詞分析結果

利用LDA 模型對7 種類型各自包含的主題詞進行提取，結果如表4 所示（僅報告排名前10 的主題詞）?？梢钥吹?，工業生產類關注產品、生產、設備、質量，以及人才的設計、研發、分析能力；專業服務類關注項目、工程、投資，以及人才的專業素養和協調能力；軟件編程類關注產品、系統、軟硬件，以及人才的軟件設計開發能力；市場營銷類注重銷售、客戶、市場，以及人才的溝通、營銷能力；傳媒設計類關注運營、品牌、活動以及人才的策劃、文案能力；教育培訓類關注與教學、活動相關的能力；企業經營類則較為關注管理、溝通等方面的能力。

表4 7個主題各自包含的前10個主題詞

4.2 文本向量化結果

本文在語義分析的基礎上，提取了所有主題詞中與人才勝任力相關的詞匯，并結合在Boyatzis.R.E(1991)提出的勝任力洋蔥模型及應用型本科人才勝任力相關研究基礎上建立的應用型本科人才勝任力模型，構建了反映3 個維度16 項勝任力的詞袋。舉例而言，“團隊”“協作”“合作”等詞被放入“團隊協作”勝任力詞袋，“表達”“談判”等詞被放入“語言表達”勝任力詞袋。采用獨熱編碼（one-hot）方式，本文對崗位職責和任職要求中的全部文本進行了向量化處理，生成了反映各條信息中勝任力要求的文本向量，結果見表5（僅展示部分）。其中，向量的16個編碼分別代表16項勝任力，1代表該條信息包含某項勝任力需求（包含反映該項勝任力的主題詞），0則代表不包含。例如，表4中第1條信息的文本向量代表其包含第2、4、6、9、15項勝任力，而不包括其他勝任力。

表5 文本向量化結果（部分）

文本向量數據匯總后，企業對應用型本科人才16 項勝任力需求的總計結果如表6 所示。其中，企業需求最多的勝任力是責任心（深層特質維度），有86.2%的信息提及了該項勝任力。同時，企業也較為看重人才的專業技能勝任力（知識技能維度），有80.1%的招聘信息提及此項要求。除上兩項外，提及百分比在50%以上的勝任力均集中于心理能力維度，包括組織協調、人際溝通、邏輯思維和團隊協作，占比分別為75.1%、67.4%、61.8%、55.9%，這意味著除專業技能和責任心外，企業更傾向于關注人才在心理能力層面的勝任力，這類勝任力往往較容易遷移到不同的工作場景，有助于人才應對多種崗位的工作需要，可能是較為通用的勝任力類型。

表6 各項勝任力的描述性統計結果

4.3 Apriori關聯規則算法分析結果

本文通過Apriori 關聯規則算法挖掘16 項勝任力之間的關系，其基本原理是通過基于無監督的機器學習模型測算項集X 發生后其關聯項集Y 同時發生的可能性，以X→Y 的蘊涵式進行表達。[35]其中，項集X 和Y 分別被稱為前項（LHS）和后項（RHS），前項發生時后項發生的概率被稱為置信度，而前項發生的概率則被稱為支持度。[36]本文將最低支持度和置信度均設定為60%，數據挖掘結果見表7?？梢钥吹?，責任心、組織協調、專業技能、人際溝通和邏輯思維5項勝任力有較大概率作為后項出現。以責任心為例，當招聘信息中出現人際溝通、邏輯思維、組織協調、專業技能4項勝任力時，分別有90.03%、89.42%、88.75%和86.93%的概率同時出現對責任心的要求。一般而言，應用型人才培養通常較為關注專業技能的培養，而從Apriori關聯算法的挖掘結果來看，強調專業技能的企業需求，通常同時也較為關注人才在責任心（86.93%）、組織協調（76.12%）、人際溝通（70.35%）和邏輯思維（65.52%）方面的勝任力，這類與其他勝任力關聯緊密的勝任力可能是較為通用的勝任力。

表7 置信度和支持度均大于60%的頻繁項集

表8 LASSO回歸結果（以因變量為招聘信息傾向于主題1的概率為例）

本文在控制薪資待遇、招聘人數等變量和城市、企業類型固定效應的情況下，對7種人才類型和16項勝任力之間的關系進行了多元回歸分析，結果如表9所示。

表9 多元線性回歸結果

工業生產類對專業技能勝任力要求最高。這可能是因為其聚焦于實驗、研發等工作，具有較強的專業技能的員工更能高效推進新產品、新技術、新工藝的研發進度。[37]此類崗位對人才的組織協調能力、語言表達能力等并沒有過多注重，這可能是因為上述勝任力更多體現在企業對產品經理、運營、管理等非技術崗位人才的要求上，[38]而此類崗位在企業中主要負責技術面向，更為看重人才的“硬實力”而非“軟實力”。

專業服務類對書面表達勝任力要求最高。這可能是因為專業服務類人才主要面向法律、工程管理等現代服務業崗位，此類崗位需要承擔大量的文書、報告撰寫工作，故對書面表達勝任力尤為重視。此外，其也較為看重人才是否具備資格證書，但對創新力、邏輯思維等勝任力較不看重。

軟件編程類除了要求人才具備熟練的計算機能力、精通專業技能外，對學習能力也較為看重。大數據、云計算、人工智能等技術發展日新月異，數字技術使得整個社會進入快速更迭的時代，[39]這就對計算機相關從業人員提出了更高的知識要求，缺乏終身學習能力的從業人員可能難以有效回應新時代的發展需要。由于此類崗位現階段主要聚焦于技術應用，因此對人際溝通、組織協調等勝任力沒有提出太多要求。

市場營銷類除了要求人才具備團隊協作、人際溝通、語言表達、主動性等勝任力之外，還需要應聘者具備一定的耐挫力。由于相關崗位服務的人群較為廣泛，工作中面臨的不確定性較高，因此相關人才需要體現出持續的耐挫力與良好的心理素質。[40]此外，該類型還看重人才的創新力和外語水平，這意味著從業人員需要具備開拓創新意識和外語溝通能力，以應對不斷變化的市場需要。對人才的書面表達能力較不看重，這可能是因為相關崗位在現階段更重視口頭溝通和表達，對文案、公文寫作方面要求不高。[41]同時，其也是各類型中最不看重專業技能的，對工作經驗、專業背景等要求較為寬松。

傳媒設計類企業最為看重人才的創新力。隨著媒體的智能化發展，大數據、人工智能已經滲透到傳播、媒體運營等各環節，傳統的傳媒設計行業面臨轉型，創新力對于相關領域從業人員的培養顯得尤為重要。[42]此類型還較為關注人才的書面表達能力，表明用文字的方式傳遞信息、表達觀點對相關行業而言仍具有重要意義。[43]此外，該類型對人才的邏輯思維、學習能力、外語能力也較為看重，但對語言表達能力較不重視，表明其對書面表達的要求高于口頭語言表達。

教育培訓類較為注重人才的學習能力。隨著知識生產方式的變革與互聯網技術的普及推廣，現代知識獲取途徑日益多元化，教師不再對知識占有絕對優勢，終身學習已在很大程度上成為教育工作者的剛性要求。[44]其次，此類型還較為重視團隊協作勝任力、組織協調能力、耐挫力和主動性，這可能是因為相關崗位涉及活動組織、團隊建設和人際協調等工作，需要從業者具備一定的組織與協作能力。此類型對邏輯思維能力沒有太多要求，這可能是因為當前勞動力市場對教師的勝任力要求存在異質性，多數崗位仍為按部就班式的教學，較少涉及與邏輯思維相關的課程開發等活動。

企業經營類較注重人才的組織協調能力。由于相關崗位涉及企業人力資源的組織、安排和協調，以及人、財、物的組織、整合和調配，缺乏組織協調能力可能會導致對工作的控制能力不足。[45]此外，此類型還較為重視資格證書、人際溝通、責任心邏輯思維和執行力等勝任力，但對創新力沒有提出過高的要求，這可能表明其在現階段多數依賴人才的工作經驗而非創新意識。

5 結論與啟示

本文結合大數據方法和傳統數據分析方法，基于應用型本科人才勝任力模型，對廣東省9 市的本科人才招聘信息進行深入挖掘，研究發現：

第一，區域內企業的本科層次人才需求可分為7 種類型，分別為工業生產類、專業服務類、軟件編程類、市場營銷類、傳媒設計類、教育培訓類、企業經營類。相關主題詞涉及知識技能、心理能力、深層特質3 個維度中的16 項勝任力。與既有研究直接依據行業分類對人才類型進行分析不同，本文利用基于無監督機器學習的LDA 模型對招聘信息文本進行了分析，且以概率分布的形式呈現結果，相對而言更有助于揭示各類崗位的工作實務對人才的勝任力要求。

第二，責任心、專業技能、組織協調、人際溝通、邏輯思維、團隊協作等可能是企業要求較多的通用勝任力。此類勝任力被較多企業提及，且常常跟隨其他勝任力同時出現。強調專業技能的類型通常同時也較為關注人才在責任心、組織協調、人際溝通和邏輯思維方面的勝任力。研究指出，當前企業需求往往并不局限于專業能力方面，對人才在通用能力方面的表現也提出了較高的要求，[46]其主要集中在勝任力模型中的心理能力維度，包括組織協調、團隊協作等，在信息技術、企業管理、會計等多個行業中均有所體現，本文對勝任力之間的關聯分析從不同角度驗證了這一觀點。

第三，不同企業所要求的人才類型存在差異。工業生產類對專業技能要求最高；專業服務類對書面表達、資格證書要求較高；軟件編程類對學習能力要求較高；市場營銷類對耐挫力要求較高；傳媒設計類對創新力、書面表達要求較高；教育培訓類對學習能力要求較高；企業經營類對組織協調能力要求較高。既有研究發現不同地域、不同性質的企業對人才的勝任力要求可能存在差異，如當前西部地區企業往往較重視人才的語言能力，中、東部地區則相對較關注協作技能；[47]國有企業較看重人才的學術背景，民營企業則更關注人才的個性特質和人際能力。[48]從數據的描述性統計來看，本文的研究發現主要反映現階段廣東省9市中小型民營企業的需求情況。

上述研究為完善區域內應用型本科人才培養提供了以下啟示：

第一，應用型本科人才培養應將塑造勝任力作為產教融合、校企合作的關鍵切入點。隨著社會經濟結構和知識生產方式的變化，企業對人才就業能力的要求日漸提高，僅僅培養單一的知識和技能越來越難以滿足當前勞動力市場的需要，尤其對處于轉型發展進程中的區域企業而言，亟需大量能夠有效應對各種復雜工作場景的高勝任力人才。然而，由于不少應用型本科高校仍受傳統的大學定位和教學習慣影響，其課堂和實踐教學仍以傳統的知識技能傳授為主，對面向真實工作場景的勝任力培養關注不足。為更好地契合企業的高層次人才需要，應用型本科高校應將勝任力的培養作為產教融合、校企合作的關鍵切入點，結合區域在產業發展、科技研發方面的傳統優勢，將企業的生產、開發、經營全過程融入人才培養和實踐教學之中，幫助學生掌握崗位必備的通用勝任力，尤其關注在較長期的實踐過程中才能逐漸習得和發揮作用的心理能力、深層特質維度勝任力。

第二，應用型本科人才培養應通過完善通識教育等方式，強化通用勝任力的培養。新的產業發展環境要求應用型人才不僅具備勝任單一工作崗位的知識和技能，還應具有適應行業發展變化的意識和能力。本文發現，強調專業技能的崗位往往同時關注人才在心理能力維度的組織協調、人際溝通和邏輯思維等通用勝任力方面的表現。這意味著應用型本科高校應在重視專業知識技能培養的同時，將通識教育理念貫穿于人才培養全過程，以區域高等教育融合發展為契機，通過引進成熟的通識教育模式、優化通識課程、開設課外講座、組織團隊比賽、建設校園文化、強化導師指導等方式，完善通識教育的方式與效果，促進學生通用勝任力的培養，為區域供給能夠有效應對未來復雜化、多樣化社會需要的高層次人才。

第三，應用型本科人才培養應注重勝任力培養的針對性，關注不同工作崗位在不同時空背景下的勝任力需求差異。對人才勝任力需求的精細化、具體化、多樣化是當前產業發展的重要特征之一，其不僅體現在表層的知識技能層面，同樣也存在于較深層次的心理能力和深層特質層面，要求人才能夠全面展現該領域從業者所必備的素質和特點。然而，受制于傳統的人才培養理念和教育慣性，應用型本科教育長期存在“趨同化”傾向，個性化、特色化體現不足。當前我國已全面進入高等教育普及化發展階段，區域經濟社會對高等教育特色化、差異化發展的要求進一步提高，應用型本科高校應轉變傳統的教育觀念和人才培養方式，在考察區域各類企業人才勝任力需求差異的基礎上，結合自身的比較優勢和所在地域的經濟社會資源稟賦，建立個性化、特色化的人才培養模式，實現人才勝任力培養與區域經濟社會需要的精準匹配。