大數據視域下職業軌跡畫像構建與應用探索

黃蓉

關鍵詞：職業軌跡；畫像；大數據；職業教育

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2023）08-0071-03

1 問題提出

職業教育作為一種類型教育，具有職業和教育的雙重屬性[1]。其中，職業起到了先天的決定性作用。從某種程度來說，先有某類職業，才有職業相對應某類專業。于是，產教融合、校企合作、工學結合則成了職業教育在學校、專業、課程三個層面高質量發展的生命線[2]。圍繞質量生命線，如何高質量地對接職業，進行職業分析也就成為辦學職業教育中的關鍵一環。

目前，對接職業，進行職業分析普遍采用的方式方法是通過線上或線下形式，對企業員工進行訪談、問卷調查等方式進行。此類方法因訪談對象的深入程度有限、掌握的信息有限、重視的程度有限等原因，對職業信息掌握不精準、不深入，無法進行職業的量化分析、全面分析，造成對接職業、進行職業分析的效果一般。因此，需要一種更科學、更全面、更有效的手段進行職業對接分析。隨著互聯網進入2.0時代后，一方面，各行各業所需招聘的職業崗位信息，幾乎都會通過互聯網進行發布；另一方面，越來越多的從業人員也通過互聯網發布自己的職業生涯信息或求職簡歷信息，這兩方面的信息，使得基于互聯網的職業崗位大數據進行數據分析，可構建職業軌跡畫像構。使用職業軌跡畫像進行職業對接分析，將更加精準、有效，是互聯網、大數據時代，實現產教融合、校企合作、工學結合，進一步提高職業教育質量的必由之路。

2 職業軌跡畫像構建

2.1 職業表示

1） 職業崗位基本信息分析。經分析前程無憂、領英等國內主要招聘網站的招聘信息后，歸納并提取出招聘網站的職業崗位信息如表1所示。

2） 職業崗位表示設計。為了對上述職業崗位基本信息進行數字化存儲設計，并與后續的職業崗位畫像進行對接，文章設計了“實體-屬性圖”表示職業崗位信息的邏輯設計。

“實體-屬性圖”主要用來描述現實世界中的概念模型，表示物理邏輯結構，“實體-屬性圖”包括實體和屬性兩個要素。其中，實體是指現實世界中可以區分的事物。實體可以是抽象的概念或名字，也可以是具體的人或物。一般來說，使用“矩形框”表示實體，矩形框內寫明實體名稱。屬性是指實體所擁有的某一特性，它是用來描述實體情況的要素。一般來說，一個實體通過1個或多個屬性來描述、刻畫；屬性不能脫離實體而存在，屬性是相對實體而言的；屬性使用橢圓形表示，并用無向邊將其與相應的實體連接起來。

運用“實體-屬性圖”對職業崗位信息進行描述，如圖1所示。其中，職位作為實體，并使用職位名稱作為實體名稱；職責、任職資格、單位信息、薪資福利、發布時間、工作地點、招聘數量、其他說明則為職位的屬性。

一般來說，一個具體的職業崗位信息就需一張“實體-屬性圖”來表示?；ヂ摼W上的大量職業崗位信息，就可以構成職業崗位信息的大數據——“實體-屬性圖”數據庫?！皩嶓w-屬性圖”數據庫數據越多、數據越精準，則越有利于職業崗位信息分析。

2.2 職業軌跡表示

1） 職業軌跡分析。經分析前程無憂、領英、BOSS 直聘等國內主要招聘網站求職人員的工作簡歷和用人單位發布的職業崗位信息之后，不難發現：絕大部分人的職業生涯中，都存在多個崗位的工作經歷。通過分析崗位經歷變遷過程，就可以形成個人的崗位職業軌跡。形成個人的職業軌跡的原因是多方面的，主要包括崗位升遷、個人轉行、同行業內跳槽等多種原因。在分析個人的工作簡歷基礎上，進而分析海量的個人工作簡歷，就可以形成更多的職業軌跡。按職業軌跡的劃分層面不同，一般可以將職業軌跡劃分為如下三個層面：

①微觀層面。微觀層面的職業軌跡是指個人層面的職業發展軌跡，它體現的是某一個體某一段時間內的職業崗位信息變化情況。如圖2所示，體現了工作崗位、工作單位、工作時長等變遷過程。

通過構建微觀層面的職業軌跡后，就能清楚地表示出某一個體的工作經歷情況，其核心意義是通過與中觀層面的職業軌跡進行對比，用于指導個人職業生涯成長設計和路徑選擇。微觀層面的職業軌跡是構建后續中觀層面和宏觀層面職業軌跡畫像的信息基礎。

②中觀層面。中觀層面的職業軌跡是基于大量的個人層面職業發展軌跡數據，進行分析與統計后，形成某一個行業技術領域的職業崗位發展軌跡。如圖3所示。

通過構建中觀層面的職業軌跡后，就能清楚地表示出某個技術領域中，職業變化與發展的軌跡，反映出從某一個職業崗位到另一個職業崗位的概率情況（如示意圖中的百分比）和路徑選擇情況。

③宏觀層面。宏觀層面的職業軌跡是基于大量的個人層面職業發展軌跡數據，進行分析與統計后，形成一個更為宏觀領域的職業崗位遷移軌跡畫像，如城市間職業軌跡畫像、技術領域間職業軌跡畫像。如圖4所示。

通過構建宏觀層面——城市間職業軌跡后，就能清楚地表示出城市間職業變化與發展的軌跡，體現出某一時間段職業崗位從一個城市遷移到另一個城市的概率情況（如圖4示意圖中的百分比），也可以構建宏觀層面——技術領域職業軌跡，用于體現從一個技術領域遷移到另一個技術領域的概率情況。

2） 職業軌跡信息模型構建。為了充分表達三個層面的職業軌跡，并與職業崗位信息進行有效銜接，采用鏈式數據庫表結構構建職業軌跡信息模型。鏈式數據庫表結構如圖5所示。

對上述數據庫表的字段設計說明如表2。

運用上述鏈式數據庫表存儲職業崗位信息后，進行大數據的統計與分析，運用可視化技術，就可以很好地滿足職業軌跡的微觀、中觀、宏觀三個層面的信息展示。

2.3 職業軌跡畫像構建

1） 畫像構建的技術方案。課題組充分利用已有的簡歷大數據、招聘信息大數據，使用網絡爬蟲技術、自然語言識別、大數據分析等技術，構建了大數據視域下的職業軌跡畫像[3]，具體設計的技術方案如圖6 所示：①數據采集層。運用Requests、XPath、Scrapy等爬蟲技術，定期對智聯招聘、BOSS直聘、中華英才網、領英等求職網站公開的招聘崗位信息、個人簡歷信息進行抓取，形成崗位與簡歷信息的大數據集。②數據存儲層。運用MongoDB對抓取的招聘崗位信息和個人簡歷信息進行初次存儲。然后，使用Python語言對殘缺數據、錯誤數據、重復數據等異常數據進行清洗，并根據職業崗位要素信息表、職業軌跡數據表字段做進一步的數據整理，形成關系型數據后，存入MySQL 數據庫。③數據分析層。運用自然語言處理技術對招聘信息和簡歷信息做進一步分析與處理，找出兩者之間的關聯信息，并進一步挖掘出更多的信息。同時，使用人工智能中的深度學習相關算法，進行招聘崗位需求信息的推薦與預測、簡歷信息中工作的智能匹配、推薦與預測等。④數據呈現層。主要運用echarts.js、matplotlib等技術實現可視化，采用帶權重的圖形展示軌跡畫像，包括微觀、中層、宏觀三個層面的職業軌跡畫像[4]。

3 職業教育應用場景分析

3.1 專業建設方面

通過構建大數據視域下的職業軌跡畫像，能使職業院校更精準地對接職業，科學地進行職業量化分析，為專業人才培養方案找準定位、培養規格、服務面向、就業崗位群提供決策的數據依據，實現更精準、更有效的產教融合、校企合作和工學結合，從而大幅提高人才培養質量，推動我國職業教育高質量發展，真正實現“人人可成才、人人可出彩”的目標。

3.2 學生成長方面

通過構建大數據視域下的職業軌跡畫像，一方面能直接用于指導職業院校學生的專業選擇、成才路徑設計，進一步挖掘個人能力傾向、成長與發展空間；另一方面，職業軌跡能夠清楚地顯示出個人、公司甚至行業、區域的發展狀況，有利于職業院校更好了解行業發展現狀與前景，提前做好職業生涯規劃，助推學生成長成才。

4 結束語

隨著數字時代到來，數據已成為生產要素[5]。數據將會起到越來越重要的作用，基于職業崗位信息和求職簡歷信息大數據的職業軌跡畫像，在人工智能技術的助推下，也勢必將進一步完善職業軌跡畫像，并在職業教育人才培養定位、課程體系設計、課程開發等方面得到更深入、更廣泛的應用。