企业对应用型本科人才胜任力有何需求？——基于机器学习和自然语言处理的招聘信息分析

李家新，刘甜甜，刘 晖

（广州大学教育学院，广州 510006）

1 问题的提出

以企业需求为导向的应用型本科人才培养模式改革是当前高等教育界关注的重要议题。2017年，国务院办公厅印发的《关于深化产教融合的若干意见》明确要求深化“引企入教”改革，“支持引导企业深度参与职业学校、高等学校教育教学改革……促进企业需求融入人才培养环节”，用10 年左右的时间，健全完善“需求导向的人才培养模式”，形成“教育和产业统筹融合、良性互动的发展格局”[1]，体现了企业需求对现阶段应用型本科人才培养的重要性。对于正在向应用型本科转型的高校而言，强调以企业需求为导向，通过校企合作、产教融合等方式，将学生培养为满足企业需求、符合产业发展的高素质应用型人才成为应有之义。[2]企业的人才需求集中体现于对人才胜任力的要求上，其集中反映了人才的各项特征对企业需求的适应性。[3]随着新一轮产业结构的优化升级，企业对于具备多样化胜任力的本科层次应用型人才的需求日益增长，但由于当前许多本科高校还处于向应用型转变的进程之中，其人才培养模式往往未能充分回应企业的人才胜任力要求，人才培养供给侧和产业需求侧的结构性矛盾仍然普遍存在。尽管学界很早就开始强调关注企业的人才胜任力需求对应用型人才培养的重要性，但相关研究往往使用通过问卷、访谈所搜集的小范围、小样本数据，[4]或聚焦于某一特定类型的岗位，如工程师、计算机从业人员等，难以揭示特定范围内各类企业的人才胜任力需求整体特征与类型差异，为应用型本科人才培养提供整体性、即时性的借鉴参考。

作为我国经济社会发展水平和市场化程度相对较高的地区，广东汇集了大量创新型企业和高技术产业，其对本科层次人才的需求较为迫切，企业的先进性、系统性和多样性具有典型意义；同时，这一区域内的高校也日益重视应用型本科人才培养，强调以企业需求为导向的产教协同发展和人才培养模式改革，以更好地支持广东省及粤港澳大湾区建设和区域经济社会发展。鉴于此，本研究使用基于机器学习和自然语言处理的大数据分析方法，结合胜任力理论和应用型本科人才胜任力模型，对广东省9 市企业的本科人才招聘信息进行分析，探讨企业对于本科层次人才的胜任力需求现状和特征，以及不同类型企业的胜任力需求差异，以期为高校应用型本科人才培养提供有针对性的对策建议。

2 文献综述与理论基础

2.1 对接企业需求对应用型本科高校人才培养而言至关重要

根据《国际教育标准分类法》，高等教育第一阶段被分为5A 和5B，5B 相当于我国的高职高专；而学习年限一般在4 年以上的5A 教育又可分为5A1和5A2，前者按学科分设专业，主要为进一步研究做准备，后者是按技术领域（或行业、产业）分设专业，适应高科技要求的应用性专门教育，因此从事5A2 教育的高校大体可被视为应用型本科高校。[5]与5A1 教育主要着眼于学科和学术发展不同，5A2教育通常更强调人才培养与企业需求之间的匹配性。2015 年前后，在《关于引导部分地方普通本科高校向应用型转变的指导意见》等政策文件的推动下，应用型本科人才培养及其与企业需求的关系问题日益得到学界关注。国内外相关研究指出，应用型人才培养模式应以市场需求为中心，在专业设置、课程体系和教学内容上应极大地满足社会和相关行业的需求，[6]其在本质上是以社会需求和企业需求为导向的专业教育，[7]应将市场需求作为最终的质量导向。[8]因此，应用型本科高校需要高度关注就业形势和企业需要的发展变化，制定多元化的人才培养方案，[9]重视与市场需求紧密衔接的职业岗位能力的培养；[10]并通过校企合作、产教融合等人才培养模式，将企业需求融入高校的培养目标、培养方案、教学内容等人才培养各环节。[11]随着相关理论研究和实践探索的逐渐深入，以“引企入教”为代表的改革举措逐渐被纳入研究视野，应用型本科高校也在强调拓展企业参与的途径，包括邀请企业参与专业群规划和人才培养方案修订、与企业共建产业学院或实验室等，以便更好地将企业需求融入应用型人才培养。[12]总体而言，既有文献已关注到应用型本科高校人才培养对接企业需求的重要性，强调企业参与应用型人才培养过程，但关于企业对本科层次人才胜任力需求的研究相对薄弱。

2.2 招聘信息分析是探索企业人才胜任力需求的重要方式

从完善应用型本科人才培养的角度出发，国内外学者对企业需求尤其是人才胜任力需求开展了大量研究。早期相关研究主要通过问卷、访谈等方法对学生或雇主进行调查以了解企业的胜任力需求。如对企业管理和会计专业的雇主调查发现，相关领域应用型人才最被看重的是其领导能力、沟通能力和人际交往能力，[13]以及技术领域的特定知识。[14]由于招聘信息通常是企业胜任力需求最直接的呈现载体，相关研究逐渐将企业招聘信息作为重要的研究对象，尤其是围绕招聘信息中的岗位需求进行文本分析。如对图书馆招聘信息的分析发现，监督能力、团队协作能力、在实施变革时保持灵活性、有国家项目的经验、坚持标准等是相关领域人才培养需要关注的重要胜任力。[15]随着互联网的普及与发展，网络招聘成为企业招聘的主流渠道，这为实时监测劳动力市场和企业胜任力需求提供了很好的机会。当前基于网络招聘信息的企业胜任力需求分析主要有两类：其一是传统的内容分析法，主要是通过对文本内容的分析归纳，提炼出影响企业人才胜任力需求的关键特征、影响因素及变化趋势。如基于地理信息系统招聘信息的内容分析发现，软技能对人才的成功就业具有重要性，沟通和人际交往等胜任力是雇主雇佣新员工的关键标准；[16]对服务业招聘信息的内容分析发现，用人单位对相关领域应用型人才的胜任力需求主要包括服务知识、服务能力和服务情感三大部分。[17]其二是新兴的大数据分析方法。随着近年来机器学习、自然语言处理等技术在文本分析中的应用逐渐成熟，运用大数据方法分析企业胜任力需求及其与应用型人才培养关系的研究也逐渐增多。如有学者运用LDA 主题模型确定了大数据软件工程领域的10种核心胜任力需求，包括大数据处理、编程、软实力、工作方式等。[18]有学者使用基于大数据的文本聚类分析，发现熟练使用Office或类似软件、熟悉财务报告写作、能够组织绩效管理等胜任力对于会计行业而言最为重要。[19]总体而言，当前对企业需求的大数据分析大多针对特定行业，较少关注某一区域内各类企业人才胜任力需求的总体特征及类型差异。

2.3 理论基础：基于“洋葱模型”的知识技能-心理能力-深层特质胜任力

胜任力是一种包括知识、技能、自我形象、动机、特质等在内的可以被测量的并能与他人显著区分的特征，它体现了应用型人才在特定组织的特定工作或角色中取得重要结果所必需的成功因素的集合，[20]是企业对应用型人才需求的集中反映。基于对企业人才需求的分析，学者提出了应用型人才的胜任力模型，即从事某一特定工作所需要具备的各层次胜任力的总和，[21]其中，洋葱模型是最经典的胜任力模型之一。这一模型包括由外显到内隐层层深入的三部分胜任力组成（见图1）：最外层是知识、技能，这部分胜任力特征易被观察与测量，且通过学习、培训能快速提升；中间层为自我形象、态度价值观，强调个体对自己的认知和对外部环境的认识，处于中间状态且特征相对稳定；最内层为动机、特质，强调个体人格的本质与实现目标的驱动力，其最为稳定且不易测量、不易习得。[22]洋葱模型被认为较为全面地展示了胜任力的构成要素，因此被广泛地运用于对应用型人才胜任力需求的分析上。相关研究发现，除必要的学科知识与技能外，情商、学习能力、反思能力、自尊、自信、自我效能等涉及自我形象、价值观和个人特质的胜任力对应用型人才的就业至关重要；[23]国内相关研究也验证了企业的人才胜任力需求既包括专业知识、写作能力、语言表达等外显胜任力，同样也包含思维能力、组织协调能力、抗压能力等内隐胜任力。[24]结合企业对应用型本科人才的胜任力需求，学者总结了对当前应用型本科人才培养至关重要的关键胜任力，包含创新性、学习能力、沟通交流能力、团队合作能力、语言表达能力、主动性等，[25]同样涉及人才胜任力模型中的各个层次。

图1 人才胜任力洋葱模型

在借鉴洋葱模型及应用型本科人才胜任力相关研究的基础上，本研究构建了包含3 个维度和16项胜任力的应用型本科人才胜任力模型（见图2），并据此进行数据分析。其中，最外层的是知识技能维度，对应洋葱模型中的知识与技能层面的胜任力，聚焦于应用型人才在某一方面、某一领域的特有知识或技能，包括专业技能、资格证书、计算机能力、外语能力、语言表达、书面表达6项胜任力；处于中间层的是心理能力维度，对应洋葱模型中自我形象和态度价值观层面的胜任力，聚焦于应用型人才在思维、意志、情绪、态度等心理能力的调控下，综合运用复合型知识、技能解决和处理问题的能力，包括团队协作、人际沟通、组织协调、逻辑思维、学习能力5项胜任力；处于最内层的是深层特质维度，对应洋葱模型中动机和特质层面的胜任力，聚焦于与应用型人才最深层、最核心的人格特质，体现在几乎所有工作行为之中的个性特点，包括责任心、耐挫力、执行力、主动性、创新力5项胜任。

图2 理论框架：应用型本科人才胜任力模型

3 数据来源、描述统计、研究过程与方法

3.1 数据的收集与处理

本文选择当前国内最大的第三方招聘网站前程无忧（www.51job.com）作为样本数据来源网站。检索条件设置如下：检索页面为“职位搜索”，“工作地点”为粤港澳大湾区，位于广东省的9 座城市（广州、深圳、佛山、东莞、珠海、江门、中山、惠州、肇庆），“学历要求”为本科，“工作类型”为全职，共获得26 861 条招聘信息。信息采集结束后，对同一企业在不同时间发布的同一信息进行去重，并剔除缺失重要内容的信息和无效信息，最终获得有效样本13 239 条。完成后，对数据进行标准化处理，如将年薪、日薪统一转换为月薪，将范围型薪资（如5 000～7 000 元/月）取平均数，并以类似的方法处理工作经验要求、招聘人数、企业规模等信息。对岗位职责、任职要求等非结构化的文本数据，首先使用Python 中的jieba 工具包进行分词，如将“负责日常的统计工作”拆分为“负责/日常/的/统计/工作”，再使用哈工大停用词表对文本数据进行停用词处理，如过滤掉“的”“啊”等副词、介词、语气助词。

3.2 描述性统计

本文收集到的信息包括招聘岗位名称、岗位职责、任职要求、所在城市、企业类型、薪资待遇、工作经验要求、招聘人数、企业规模等。样本的基本情况如表1、2所示。其中，企业所在地以广州、深圳为主，两地合计占总数的70%以上，这可能是因为两地经济相对发达，可提供的本科层次工作岗位相对较多。企业类型以民营企业为主，数量接近80%，这可能是因为以制造业为主的民营企业在广东省扮演着重要角色，是创造市场活力、拉动经济增长的重要力量。[26]企业规模的均值为1 177 人，中位数为325 人，意味着中小企业仍是当前人才需求的主力军。

表1 变量的描述性统计（类别变量）

表2 变量的描述性统计（连续变量）

3.3 研究方法

本文基于无监督机器学习及自然语言处理的大数据挖掘方法，对企业招聘信息中的人才胜任力需求进行分析。首先，使用LDA 主题模型从招聘信息中提炼企业所需要的人才类型，以及与应用型本科人才胜任力相关的主题词；其次，利用LDA 主题模型分析得出的主题词，使用Apriori关联算法分析胜任力之间的关系，并将信息文本进行向量化处理，进一步厘清胜任力的类型及强度；最后，结合在上述分析中获取的人才类型和胜任力类型数据，利用LASSO 回归和多元线性回归对二者之间的关系进行分析，探究不同人才类型的胜任力需求。

3.3.1 基于无监督机器学习的LDA 主题模型和Apriori关联算法

LDA（Latent Dirichlet Allocation）是一种基于无监督机器学习的文档主题生成三层贝叶斯模型，它不需要任何标记或训练集，通过分析文档中的潜在语义结构挖掘文档的语义内容，[27]可自动识别大型文本语料中的主题信息。LDA 模型是假设每个文档都可以表示为潜在主题的概率分布，且每个潜在主题也都可以表示为词语的概率分布，并通过联合分布计算文本中主题结构的条件分布。[28]LDA 模型能够揭示词语间潜在的语义联系，无论词语是否同时出现于同一文档中；并能以概率分布的形式展示文档的混合隶属，保证了分析的准确性。本文使用LDA 模型对招聘信息文本进行潜在主题建模，并从中提炼与应用型本科人才胜任力相关的主题词。Apriori 关联算法又称为“购物篮”分析，是一种基于无监督机器学习的关联规则算法，其核心是使用逐层搜索的迭代方法来产生事务数据库中的频繁项集，并从频繁项集中挖掘出所有大于等于最低可信度的强关联规则。[29]本文使用Apriori 关联算法对应用型本科人才胜任力之间的关系进行分析，探索与其他胜任力具有强关联性的胜任力。

3.3.2 自然语言处理

自然语言处理(Natural Language Processing,NLP)是一个研究和应用领域，它探索如何使计算机理解并操作自然语言文本或语音来进行交互通讯或智能化创作。[30]本文基于自然语言处理技术，使用LDA 模型对文本进行主题建模，同时在提取主题词的基础上，对文本进行向量化处理并构建词袋模型。文本向量化是指通过一系列格式转换将文本内容转换为有意义的数字表达从而使计算机能够识别并理解文本，[31]在词袋模型中，文本向量化主要使用包含单词出现次数的固定长度稀疏向量，文本（句子或文档）被视为无序的单词集合，不考虑词语出现的顺序，只考虑词语是否出现及出现的频次。对文本的向量化处理，有助于厘清招聘信息中蕴含的应用型本科人才胜任力需求类型及强度。

3.3.3 多元线性回归和LASSO回归

在大数据挖掘的基础上，本文使用传统的多元线性回归（OLS），在控制其他变量和城市、企业类型固定效应的情况下，对人才类型与胜任力之间的关系进行分析。为解决共线性和模型过拟合问题，本文在多元线性回归分析前使用LASSO 回归进行了变量筛选。LASSO 回归是大数据分析中解决模型过拟合问题、优化最小二乘法的常用方法，它通过在模型估计中构建一个惩罚函数，将过小的回归系数压缩到0，从而达到变量筛选的作用，[32]能使回归模型更加简洁且具有更高的精确度。

4 研究发现

4.1 LDA主题模型分析结果

4.1.1 主题个数

LDA 主题模型提取效果和最优主题个数K 值的大小有直接关系。本文综合考虑相似度、困惑度和一致性三个指标来确定LDA 模型的最优主题个数。相似度通过计算主题向量的余弦距离来度量主题之间的相似性。[33]困惑度则通过模型对新文本的预测能力来判断主题模型预测结果和测试样本拟合优度，取值越低LDA 模型效果越好；一致性则通过计算语义关联程度来判断主题个数，是判断主题可解释度的重要指标]。[34结果如图3 所示，其中，相似度和一致性在7附近达到峰值，此后明显下降且再未回到峰值；困惑度在7 以后则开始明显上升。根据肘部原则综合考量三个指标的结果，将LDA模型的最优主题个数确定为7个（K=7）。

图3 LDA主题模型相似度、困惑度、一致性分析结果

4.1.2 人才类型

通过LDA 主题模型，赋予每条招聘信息7 个概率值以来代表其倾向于某种类型的概率，结果如表3所示（仅展示部分）。以第一行信息（编号6089）为例，其进入类型1 的概率为0.9 755，表明其有97.55%的概率倾向类型1，以此类推，其倾向类型2、3、4、5、6、7 的概率分别为7.2%、4.0%、5.1%、2.4%、1.9%、4.0%；第二行信息（编号3370）则明显倾向于类型2，概率为97.49%。部分信息可能同时倾向两种或以上的类型，如第三行信息（编号168）倾向7 种类型的概率分别为46.90%、2.16%、41.46%、0.49%、0.63%、7.60%、0.77%，表明其可能同时倾向于类型1和3。

表3 招聘信息的主题概率（部分）

经分析，倾向类型1 的招聘岗位多为与工业生产相关的工程师、研究员、药剂师等，岗位职责主要是进行新产品、新工艺、新技术的设计研发，可将类型命名为工业生产类。倾向类型2 的岗位多为法务、土建等，岗位职责主要是开展法律咨询、施工审核等专业性工作，任职要求大多涉及相关专业领域的知识技能，可命名为专业服务类。倾向类型3 的岗位多为软件开发、运维工程师，岗位职责主要是开展软件的架构、开发、维护等，任职要求多为熟悉开发工具、数据库、操作系统，故命名为软件编程类。倾向类型4的岗位多为销售代表、产品经理等，岗位职业主要是销售及市场推广、调研，任职要求大多看重性格、人际关系与沟通能力，故命名为市场营销类。倾向类型5 的岗位多为新媒体运营、文案策划、平面设计师等，岗位职责多为文章、视频的编辑、发布，或项目策划、创意设计，故命名为传媒设计类。倾向类型6 的岗位多为各学科教师、早教老师、企业培训讲师等，岗位职责多为备课、授课、辅导等，故命名为教育培训类。倾向类型7 的岗位多为人事、财务、行政总监等，岗位职责多为公司人力资源管理、财务核算管理、发展战略制定等，任职要求大多关注领导力、团队管理能力及管理经验等，故命名为企业管理类。

4.1.3 主题词分析结果

利用LDA 模型对7 种类型各自包含的主题词进行提取，结果如表4 所示（仅报告排名前10 的主题词）。可以看到，工业生产类关注产品、生产、设备、质量，以及人才的设计、研发、分析能力；专业服务类关注项目、工程、投资，以及人才的专业素养和协调能力；软件编程类关注产品、系统、软硬件，以及人才的软件设计开发能力；市场营销类注重销售、客户、市场，以及人才的沟通、营销能力；传媒设计类关注运营、品牌、活动以及人才的策划、文案能力；教育培训类关注与教学、活动相关的能力；企业经营类则较为关注管理、沟通等方面的能力。

表4 7个主题各自包含的前10个主题词

4.2 文本向量化结果

本文在语义分析的基础上，提取了所有主题词中与人才胜任力相关的词汇，并结合在Boyatzis.R.E(1991)提出的胜任力洋葱模型及应用型本科人才胜任力相关研究基础上建立的应用型本科人才胜任力模型，构建了反映3 个维度16 项胜任力的词袋。举例而言，“团队”“协作”“合作”等词被放入“团队协作”胜任力词袋，“表达”“谈判”等词被放入“语言表达”胜任力词袋。采用独热编码（one-hot）方式，本文对岗位职责和任职要求中的全部文本进行了向量化处理，生成了反映各条信息中胜任力要求的文本向量，结果见表5（仅展示部分）。其中，向量的16个编码分别代表16项胜任力，1代表该条信息包含某项胜任力需求（包含反映该项胜任力的主题词），0则代表不包含。例如，表4中第1条信息的文本向量代表其包含第2、4、6、9、15项胜任力，而不包括其他胜任力。

表5 文本向量化结果（部分）

文本向量数据汇总后，企业对应用型本科人才16 项胜任力需求的总计结果如表6 所示。其中，企业需求最多的胜任力是责任心（深层特质维度），有86.2%的信息提及了该项胜任力。同时，企业也较为看重人才的专业技能胜任力（知识技能维度），有80.1%的招聘信息提及此项要求。除上两项外，提及百分比在50%以上的胜任力均集中于心理能力维度，包括组织协调、人际沟通、逻辑思维和团队协作，占比分别为75.1%、67.4%、61.8%、55.9%，这意味着除专业技能和责任心外，企业更倾向于关注人才在心理能力层面的胜任力，这类胜任力往往较容易迁移到不同的工作场景，有助于人才应对多种岗位的工作需要，可能是较为通用的胜任力类型。

表6 各项胜任力的描述性统计结果

4.3 Apriori关联规则算法分析结果

本文通过Apriori 关联规则算法挖掘16 项胜任力之间的关系，其基本原理是通过基于无监督的机器学习模型测算项集X 发生后其关联项集Y 同时发生的可能性，以X→Y 的蕴涵式进行表达。[35]其中，项集X 和Y 分别被称为前项（LHS）和后项（RHS），前项发生时后项发生的概率被称为置信度，而前项发生的概率则被称为支持度。[36]本文将最低支持度和置信度均设定为60%，数据挖掘结果见表7。可以看到，责任心、组织协调、专业技能、人际沟通和逻辑思维5项胜任力有较大概率作为后项出现。以责任心为例，当招聘信息中出现人际沟通、逻辑思维、组织协调、专业技能4项胜任力时，分别有90.03%、89.42%、88.75%和86.93%的概率同时出现对责任心的要求。一般而言，应用型人才培养通常较为关注专业技能的培养，而从Apriori关联算法的挖掘结果来看，强调专业技能的企业需求，通常同时也较为关注人才在责任心（86.93%）、组织协调（76.12%）、人际沟通（70.35%）和逻辑思维（65.52%）方面的胜任力，这类与其他胜任力关联紧密的胜任力可能是较为通用的胜任力。

表7 置信度和支持度均大于60%的频繁项集

表8 LASSO回归结果（以因变量为招聘信息倾向于主题1的概率为例）

本文在控制薪资待遇、招聘人数等变量和城市、企业类型固定效应的情况下，对7种人才类型和16项胜任力之间的关系进行了多元回归分析，结果如表9所示。

表9 多元线性回归结果

工业生产类对专业技能胜任力要求最高。这可能是因为其聚焦于实验、研发等工作，具有较强的专业技能的员工更能高效推进新产品、新技术、新工艺的研发进度。[37]此类岗位对人才的组织协调能力、语言表达能力等并没有过多注重，这可能是因为上述胜任力更多体现在企业对产品经理、运营、管理等非技术岗位人才的要求上，[38]而此类岗位在企业中主要负责技术面向，更为看重人才的“硬实力”而非“软实力”。

专业服务类对书面表达胜任力要求最高。这可能是因为专业服务类人才主要面向法律、工程管理等现代服务业岗位，此类岗位需要承担大量的文书、报告撰写工作，故对书面表达胜任力尤为重视。此外，其也较为看重人才是否具备资格证书，但对创新力、逻辑思维等胜任力较不看重。

软件编程类除了要求人才具备熟练的计算机能力、精通专业技能外，对学习能力也较为看重。大数据、云计算、人工智能等技术发展日新月异，数字技术使得整个社会进入快速更迭的时代，[39]这就对计算机相关从业人员提出了更高的知识要求，缺乏终身学习能力的从业人员可能难以有效回应新时代的发展需要。由于此类岗位现阶段主要聚焦于技术应用，因此对人际沟通、组织协调等胜任力没有提出太多要求。

市场营销类除了要求人才具备团队协作、人际沟通、语言表达、主动性等胜任力之外，还需要应聘者具备一定的耐挫力。由于相关岗位服务的人群较为广泛，工作中面临的不确定性较高，因此相关人才需要体现出持续的耐挫力与良好的心理素质。[40]此外，该类型还看重人才的创新力和外语水平，这意味着从业人员需要具备开拓创新意识和外语沟通能力，以应对不断变化的市场需要。对人才的书面表达能力较不看重，这可能是因为相关岗位在现阶段更重视口头沟通和表达，对文案、公文写作方面要求不高。[41]同时，其也是各类型中最不看重专业技能的，对工作经验、专业背景等要求较为宽松。

传媒设计类企业最为看重人才的创新力。随着媒体的智能化发展，大数据、人工智能已经渗透到传播、媒体运营等各环节，传统的传媒设计行业面临转型，创新力对于相关领域从业人员的培养显得尤为重要。[42]此类型还较为关注人才的书面表达能力，表明用文字的方式传递信息、表达观点对相关行业而言仍具有重要意义。[43]此外，该类型对人才的逻辑思维、学习能力、外语能力也较为看重，但对语言表达能力较不重视，表明其对书面表达的要求高于口头语言表达。

教育培训类较为注重人才的学习能力。随着知识生产方式的变革与互联网技术的普及推广，现代知识获取途径日益多元化，教师不再对知识占有绝对优势，终身学习已在很大程度上成为教育工作者的刚性要求。[44]其次，此类型还较为重视团队协作胜任力、组织协调能力、耐挫力和主动性，这可能是因为相关岗位涉及活动组织、团队建设和人际协调等工作，需要从业者具备一定的组织与协作能力。此类型对逻辑思维能力没有太多要求，这可能是因为当前劳动力市场对教师的胜任力要求存在异质性，多数岗位仍为按部就班式的教学，较少涉及与逻辑思维相关的课程开发等活动。

企业经营类较注重人才的组织协调能力。由于相关岗位涉及企业人力资源的组织、安排和协调，以及人、财、物的组织、整合和调配，缺乏组织协调能力可能会导致对工作的控制能力不足。[45]此外，此类型还较为重视资格证书、人际沟通、责任心逻辑思维和执行力等胜任力，但对创新力没有提出过高的要求，这可能表明其在现阶段多数依赖人才的工作经验而非创新意识。

5 结论与启示

本文结合大数据方法和传统数据分析方法，基于应用型本科人才胜任力模型，对广东省9 市的本科人才招聘信息进行深入挖掘，研究发现：

第一，区域内企业的本科层次人才需求可分为7 种类型，分别为工业生产类、专业服务类、软件编程类、市场营销类、传媒设计类、教育培训类、企业经营类。相关主题词涉及知识技能、心理能力、深层特质3 个维度中的16 项胜任力。与既有研究直接依据行业分类对人才类型进行分析不同，本文利用基于无监督机器学习的LDA 模型对招聘信息文本进行了分析，且以概率分布的形式呈现结果，相对而言更有助于揭示各类岗位的工作实务对人才的胜任力要求。

第二，责任心、专业技能、组织协调、人际沟通、逻辑思维、团队协作等可能是企业要求较多的通用胜任力。此类胜任力被较多企业提及，且常常跟随其他胜任力同时出现。强调专业技能的类型通常同时也较为关注人才在责任心、组织协调、人际沟通和逻辑思维方面的胜任力。研究指出，当前企业需求往往并不局限于专业能力方面，对人才在通用能力方面的表现也提出了较高的要求，[46]其主要集中在胜任力模型中的心理能力维度，包括组织协调、团队协作等，在信息技术、企业管理、会计等多个行业中均有所体现，本文对胜任力之间的关联分析从不同角度验证了这一观点。

第三，不同企业所要求的人才类型存在差异。工业生产类对专业技能要求最高；专业服务类对书面表达、资格证书要求较高；软件编程类对学习能力要求较高；市场营销类对耐挫力要求较高；传媒设计类对创新力、书面表达要求较高；教育培训类对学习能力要求较高；企业经营类对组织协调能力要求较高。既有研究发现不同地域、不同性质的企业对人才的胜任力要求可能存在差异，如当前西部地区企业往往较重视人才的语言能力，中、东部地区则相对较关注协作技能；[47]国有企业较看重人才的学术背景，民营企业则更关注人才的个性特质和人际能力。[48]从数据的描述性统计来看，本文的研究发现主要反映现阶段广东省9市中小型民营企业的需求情况。

上述研究为完善区域内应用型本科人才培养提供了以下启示：

第一，应用型本科人才培养应将塑造胜任力作为产教融合、校企合作的关键切入点。随着社会经济结构和知识生产方式的变化，企业对人才就业能力的要求日渐提高，仅仅培养单一的知识和技能越来越难以满足当前劳动力市场的需要，尤其对处于转型发展进程中的区域企业而言，亟需大量能够有效应对各种复杂工作场景的高胜任力人才。然而，由于不少应用型本科高校仍受传统的大学定位和教学习惯影响，其课堂和实践教学仍以传统的知识技能传授为主，对面向真实工作场景的胜任力培养关注不足。为更好地契合企业的高层次人才需要，应用型本科高校应将胜任力的培养作为产教融合、校企合作的关键切入点，结合区域在产业发展、科技研发方面的传统优势，将企业的生产、开发、经营全过程融入人才培养和实践教学之中，帮助学生掌握岗位必备的通用胜任力，尤其关注在较长期的实践过程中才能逐渐习得和发挥作用的心理能力、深层特质维度胜任力。

第二，应用型本科人才培养应通过完善通识教育等方式，强化通用胜任力的培养。新的产业发展环境要求应用型人才不仅具备胜任单一工作岗位的知识和技能，还应具有适应行业发展变化的意识和能力。本文发现，强调专业技能的岗位往往同时关注人才在心理能力维度的组织协调、人际沟通和逻辑思维等通用胜任力方面的表现。这意味着应用型本科高校应在重视专业知识技能培养的同时，将通识教育理念贯穿于人才培养全过程，以区域高等教育融合发展为契机，通过引进成熟的通识教育模式、优化通识课程、开设课外讲座、组织团队比赛、建设校园文化、强化导师指导等方式，完善通识教育的方式与效果，促进学生通用胜任力的培养，为区域供给能够有效应对未来复杂化、多样化社会需要的高层次人才。

第三，应用型本科人才培养应注重胜任力培养的针对性，关注不同工作岗位在不同时空背景下的胜任力需求差异。对人才胜任力需求的精细化、具体化、多样化是当前产业发展的重要特征之一，其不仅体现在表层的知识技能层面，同样也存在于较深层次的心理能力和深层特质层面，要求人才能够全面展现该领域从业者所必备的素质和特点。然而，受制于传统的人才培养理念和教育惯性，应用型本科教育长期存在“趋同化”倾向，个性化、特色化体现不足。当前我国已全面进入高等教育普及化发展阶段，区域经济社会对高等教育特色化、差异化发展的要求进一步提高，应用型本科高校应转变传统的教育观念和人才培养方式，在考察区域各类企业人才胜任力需求差异的基础上，结合自身的比较优势和所在地域的经济社会资源禀赋，建立个性化、特色化的人才培养模式，实现人才胜任力培养与区域经济社会需要的精准匹配。