教育部高校毕业生就业研究院江苏省高校毕业生就业研究中心

2025年1月，中共中央、国务院印发《教育强国建设规划纲要（2024—2035年）》，明确指出，要多途径完善人才培养与经济社会发展需要适配机制。这进一步凸显了大学生在从高等院校迈向职场的过渡进程中，其可就业能力所发挥的关键支撑作用。鉴于此，本文深入梳理了国内外学界以及人工智能特殊背景下的可就业能力发展脉络，结合时代发展与国情之需，构建我国大学生可就业能力体系。最后从微观个体、中观院校组织以及宏观跨越边界的多方协同等层面，全方位剖析并打造大学生可就业能力培养生态体系，以期推动高校毕业生高质量就业。

二、大学生可就业能力的理论发展

20世纪初，英国学者Beveridge在《失业：工业时代问题》（Unemployment：A Problem of Industry）中，总结出有助于失业者再就业的素质。此后，有关可就业能力（Employability）的研究历经百余年沿革，其概念不断丰富和拓展。目前被学界广泛引用的可就业能力定义，由Hillage和Pollard提出，即个体获得首次就业、维持现有职业，并在必要时实现顺利再就业的整体能力。[8]实质上是个体在求职与职场中持续展现的就业竞争力。随着研究的持续推进，可就业能力在不同地域与时代背景下呈现出多元的发展路径与特征，以下将分别对国际、国内学界以及人工智能背景下可就业能力内涵的发展情况展开详细阐述。

在全球范围内，国际层面的研究不断深化，其内涵与测量模型持续演进，对各国高等教育实践产生了深远影响。在国际可就业能力的研究进程中形成了三种具有重要影响力的模型，分别是USEM模型、可就业能力关键模型以及职业生涯管理模型。

为解决英国社会对高等教育高期望与就业市场竞争日益激烈之间的矛盾，Knight和Yorke通过对200多名在职毕业生的深入访谈，构建出阐释可就业能力的USEM模型（Understanding；Skills；Efficacy beliefs；Metacognition）。[9]该模型具体包括：学科理解力，即学生对其所学科目的掌握程度以及将其转移到其他环境的能力；技能，即专业或通用的程序性知识；自我效能感，涉及学生对自己智力、学习方法和对自我效能以及学习动机的认知；元认知，包括学生对其知识、学习过程和学习意愿的反思。然而，该模型也存在明显的不足之处，如未能充分考量动机、个性等个人特征因素，这在一定程度上限制了其对可就业能力的全面阐释。

鉴于USEM模型的局限性，Dacre Pool和Sewell引入可就业能力关键模型（The key to employability model）。除专业知识外，他们进一步开拓雇主视角完善通用技能维度，涉及想象力、创造力、适应性等。并且考虑到个人特征的关键要素——情商，包括识别和管理情绪。此外，职业发展学习也是该模型的重要组成部分，着重强调个体在职业生涯中的工作满意度，这意味着为了在整个职业生涯中保持愉悦和成功，学生必须了解如何创造和利用各种机会来反思自身能力。第五个维度是工作和生活经历，即学生必须面对生活和工作经验，并学会如何利用这些经验。

在延续前者对可持续反思以及个人特征的重视的基础上，Bridgstock（2009）提出职业生涯管理模型（Career management for maximum employability）。该模型包含特定学科技能、通用技能以及自我管理技能，其中自我管理技能涉及学生对自身价值观、兴趣和目标进行评估与协调的能力；并在职业建设技能维度创造性提出寻找和使用有关工作世界信息的能力，如建立社交网络和识别职业机会等方面的能力。

通过对三种模型全面、深入的比较与整合，可以将国际高等教育可就业能力的研究归纳为六大维度：其一是（应用）学科知识，即特定学科领域的专业知识，是个体在相关领域立足的基础；其二是可迁移通用技能，这类技能能够帮助个体在不同工作环境和职业场景中灵活应对；其三是情绪调节，情商的良好发展有助于激发个人动机、强化人际关系；其四是职业发展技能，例如，个体需要知晓如何有效地申请并成功获得工作，以及如何以吸引雇主的方式展示自身的技能和能力；其五是自我管理，即个人对自身进行评估与反思的能力，有助于个体不断调整自身行为和发展方向；其六是自我效能，自信和自尊作为可就业能力的核心组成部分，与个体的行动意愿、动机激发、积极应对问题的态度、良好人际关系的发展以及终身学习的持续推进密切相关。

面对我国独特的教育体系与社会经济环境，国内关于可就业能力具体内涵的研究逐步形成了具有自身特色的体系与脉络。在契合本土需求的进程中，相关研究持续发展创新，主要呈现出两大趋势：

其一，研究对象由单一视角向多元视角转变。早期可就业能力的研究大多围绕求职者角度开展，为精准且有效地提炼可就业能力，研究对象由大学本科生逐步聚焦于已成功签约或已参加工作的毕业生群体。但仅从学生主观角度开展的调查报告，难以准确反映可就业能力是否体现高校培养成效以及契合市场需求。因此，研究对象逐渐拓展至高校教师和用人单位等。即，从劳动力市场供需方的客观视角构建可就业能力分析框架。这对于完善可就业能力的内涵具有关键意义。

其二，可就业能力的内涵在稳定中不断发展。一方面，通过对我国可就业能力内涵相关研究的系统梳理，可以发现以下三个核心维度在长期研究中保持相对稳定且不断丰富：（1）专业素养，涵盖专业领域的基础理论知识、对专业前沿动态的了解程度以及专业知识的实际运用能力；（2）可迁移通用能力，包括人际交往技巧、外语沟通能力、审辨与批判性思维能力、问题发现与解决能力、自主拓展学习能力以及团队协作领导力等；（3）非认知能力，涉及全球视野、社会责任感、科研精神、职业伦理、工匠精神等影响个人职业选择和发展路径的各类非认知因素。另一方面，我国可就业能力的内涵随时代变化而发展。随着科技加速迭代、人才竞争日益激烈以及市场需求动态变化，可就业能力内涵也在不断更新以应对新挑战：（1）情绪管理能力，在个人动机激发和人际关系处理方面具有重要作用，包含抗压能力、情绪调节能力、心理韧性等；（2）职业发展能力，涵盖职业认证、职业认同、职业人格塑造、职业形象以及职业态度等内容，特别是随着市场对人才要求的不断提升，职业发展潜能以及工作与生活的平衡适应能力逐渐成为关注重点；（3）数智素养，在以人工智能为代表的科技迭代浪潮推动下，数智素养已成为区别于传统可就业能力维度的新兴能力，包括数字思维、信息技术管理预处理、综合信息技术应用、开发和使用人工智能等系列能力。

当今人工智能技术蓬勃发展的浪潮对就业市场的冲击促使可就业能力的内涵不断重构与拓展，成为研究领域的新热点与新挑战。主要表现在两方面：其一，人工智能技能复制速度不断加快，传统可就业能力面临替代风险。包括视觉、语音识别和生成、自然语言处理、图像和视频生成、多智能体系统、规划、决策以及机器人视觉和运动控制的集成，游戏、医疗诊断、物流系统、自动驾驶、语言翻译和交互式个人助理等多个领域都出现了突破性应用。随着数字资源和计算能力不断发展，人类和人工智能在最复杂的语言任务上的表现之间的差距也正在不断缩小。其二，人工智能开发更多新领域，亟须开拓培育新兴可就业能力维度。2010—2019年，美国在线招聘信息中对AI技能的需求增长了四倍，各行各业对人工智能技能人才需求呈现加速增长态势。除专业技能外，还包括与其互补的横向技能，如高水平认知技能、社交技能、管理技能等。这反映出在新技术语境中，产业界将围绕人工智能领域提出更高的可就业能力要求。

面对人工智能对劳动力技能需求的重要影响，经济合作与发展组织（OECD）在《2023年就业展望：人工智能与劳动力市场》（EmploymentOutlook 2023：Artificial Intelligence and The Labour Market）报告中，总结归纳出人工智能时代劳动力市场需求的可就业能力，具体如表1所示。

（1）在开发和维护人工智能系统的技能方面，首先是AI专业技能，这些技能是构建和优化AI系统的基础。其次，数据科学技能有助于处理和分析大量数据，从而为AI系统提供有效的输入和反馈。此外，还包括其他不可或缺的认知能力，如创造性解决问题的能力以及横向能力。这些能力有助于在复杂多变的环境中灵活应对各种挑战，确保AI系统的有效开发和维护。（2）在使用人工智能程序和与其交互应用的技能方面，初级AI知识是基础，数据能力是有效地与AI系统进行交互的关键。其他认知能力如分析能力、问题解决能力、批判性思维和判断能力，以及横向能力如创造能力、沟通能力、合作能力和多任务处理能力，有助于更好地理解和利用人工智能系统，从而提高工作效率和创新能力。

三、我国大学生可就业能力培养生态体系建构

通过对国际、国内学界以及人工智能背景下的可就业能力维度进行细致比较，本文综合提出适应时代需求的我国大学生可就业能力内涵维度，如表2所示。

其一，在专业素养方面，国际研究中的（应用）学科知识与国内强调的专业素养均指向特定领域内基础知识的扎实掌握及该领域最新进展的应用能力。后者内涵范围更广泛，国内的专业素养超越国际研究中的“学科”范畴。

其二，关于可迁移通用能力，国内外研究均强调一套超越具体专业的能力组合，这些能力有助于个体在不同工作环境中灵活应对挑战和发展自身。OECD从其他认知能力和横向能力的角度进一步验证通用能力在人工智能背景下的重要作用。

其三，情绪管理能力是近年来愈发受到重视的维度，它涉及在快速变化的工作环境中保持心理弹性和适应性的能力，如抗压能力和情绪调节能力。国际研究将其定义为情绪调节，而国内研究明确提出了情绪管理能力更具实践导向的概念。

其四，随着劳动力市场对人才要求的不断提升，以职业发展潜能、职业管理能力以及平衡适应能力为主的职业发展能力逐渐成为关注焦点。国内外对职业路径规划的重视表明，这一维度在全球范围内得到了广泛的认可。

其五，数智素养在大数据以及人工智能的浪潮下尤为重要，不仅包括基础的信息技术管理和处理能力，还涉及更高级别的构建和优化系统、数据分析与可视化、云计算等相关技能。国内研究已经意识到并开始强调数智素养的重要性。OECD则更加深入地探讨了开发和维护人工智能系统的技能以及使用人工智能程序和与其交互应用的技能。

最后，非认知能力涵盖了影响个人职业选择和发展路径的所有非认知因素。这对个人的职业选择和发展路径具有重要影响。国际研究的自我管理和自我效能，以及国内研究中的非认知能力，共同构成了更具体的非认知能力框架。

我国大学生可就业能力体系的建构，反映出当前国内外学界以及人工智能背景下关于可就业能力研究发展的主要共识。但如何进一步建构大学生可就业能力培养生态系统，使其更好地适应未来的职场挑战，成为迫切需要思考和回应的问题。

生态系统理论（Ecological systems theory）广泛应用于高等教育领域，尤其是在大学生可就业能力分析中。该理论在发展动态环境方面具有突出优势，突破了单一环境研究局限，深入探究多种环境之间的相互作用及其与更广泛环境背景的关联。这一特性与大学生可就业能力的发展相契合。大学生可就业能力培养本质是学生发展问题，目的是促进学生成功就业。这并非由单一因素决定，而是一个涉及多层面协同作用的系统性工程。Kuh等指出，学生成功主要受学生行为、院校人才培养机制以及外部宏观环境等影响。鉴于此，本文选取三层生态系统理论对大学生可就业能力培养展开分析。具体而言，微系统聚焦个人层面可就业能力的培育途径，主要涵盖清晰自我认知与生涯规划、自主能力提升与获取职业证书等环节，通过学生自主行为提升可就业能力；中系统着重通过组织层面筑牢微观发展，聚焦以高等院校为主的组织层面培养路径，涉及生涯教育、人才培养、人工智能协同智慧育人；宏系统则着眼于可就业能力培养生态系统，即跨越学生、校友、企业构建校友网络平台与跨越政府、高校和产业边界的协同育人体系。通过这一理论框架的构建（图1），为深入研究大学生可就业能力培养提供了系统且较为全面的分析视角。

其一，个体需具备清晰的自我认识以明晰生涯发展。自我认知是生涯规划的基石。大学生需定期反思自身优势与不足，通过自我评估工具、回顾过往经历、生涯指导教师等多途径，识别自身的团队沟通协作、问题解决等可迁移通用能力水平。同时，深入挖掘个体优势与职业价值观，主动借助职业咨询服务、职业探索活动、学校相关领域社团等，了解目标职业的技能要求、工作内容与发展前景，从而确定契合自身的职业方向，制定清晰的生涯规划路径。

其二，个体可以充分利用课外活动和假期时间自主开展专业技能学习。随着人工智能等信息技术的不断发展，学生可以通过高校在线课程等多元平台学习人工智能模型专业知识，如决策树、深度学习、神经网络等；并通过“挑战杯”全国大学生课外学术科技作品竞赛、中国青年志愿服务项目大赛、中国国际大学生创新大赛等，参与实际项目开发，在实践创新活动中锻炼理论运用实践的能力。

其三，个体需结合自身专业特点、职业发展规划，进一步参与职业技能培训与认证。如会计专业学生可以考取注册会计师（CPA）证书，金融专业学生可以获取特许金融分析师（CFA）资格，师范专业学生可以考取教师资格证等。此类资格证书不仅有助于增强个体掌握行业核心知识与技能，还能契合市场对专业型人才的需求。

在高等教育人才培养进程中，高校学科专业的相对稳定性与外部社会产业结构及技术环境变迁的不确定性之间，存在信息不对称与反馈滞后的问题。因此，高校需构建灵活且适配的人才培养体系以应对变局。

学科专业设置的灵活化是适应市场需求变化的关键一步。高校应突破传统专业设置的局限，增强学科专业弹性。一是为学生开辟多元的自主选择通道，例如，放宽专业转换机制，允许学生依据自身兴趣与职业规划，在合理范围内转换专业；二是推广课程辅修制度，使学生在主修专业外有机会学习其他感兴趣的跨学科课程，拓宽知识视野，提升自身专业素养与可迁移通用能力；三是推动跨校认证，鼓励校际合作实现课程、学分互认，让学生接触到不同高校的优质教育资源，汲取多元的知识，掌握多样的思维方式。

课程体系建设的弹性化旨在构建动态适应个体差异和社会发展的课程架构。高等教育学科专业设置具有滞后性，但课程设计可以弹性安排，应即时开设与劳动力市场需求、科技迭代变化紧密结合的前沿课程。为此，高校要在核心专业课程之外，增加灵活性与选择性。减少必修课程的繁杂设置，减轻学生的学业负担。同时，大力拓展选修课程的广度与深度，涵盖跨学科领域和新兴行业内容。引入实践课程，采用课堂学习与企业顶岗实习交替进行的模式，持续培养学生将知识应用于实践场景的职业发展能力。

柔性化人才培养方案需聚焦个体全面发展。高校应改革既有刚性人才培养方案，打造以学生为中心的柔性方案，为学生创造丰富的自我探索机会。在提供基本发展路线的基础上，为学生预留足够的试错空间，引导学生在自主探索、试错与改进的过程中，培养自控能力与终身学习能力。此外，需合理安排毕业学分，减少对学生自主学习时间的挤压，为学生创造更多课外实践探索时间。改革课堂教学方法，引入互动式参与教学，鼓励学生在知识建构中积极主动参与。针对弱势群体，推行“一生一导师”制，依据学生专业兴趣、职业规划和导师方向进行匹配，定制培养方案。此外，可推行间隔年（Gap year）制度，延长学生就业预备时间，并保持三年内未就业毕业生与应届毕业生身份待遇相同，使得学生有时间进行社会实践、职业体验、实习实践或自我提升，从而提升可就业能力。

人工智能已深度渗透至社会各领域并变革知识生产逻辑。传统知识传授主要基于人类逻辑推导与经验讲解，而人工智能凭借大数据模型与语言分析技术挖掘并构建知识。这一变革为高等教育领域可就业能力培养带来前所未有的机遇与挑战，构建人工智能协同智慧育人模式成为顺应时代发展、提升人才培养质量的关键抉择。

在教学实践层面，教师与人工智能协同能够极大提升教学效率，使教师得以聚焦学生个性发展。教师从诸多烦琐的重复性劳动中解脱，将更多精力聚焦学生个性发展，开发差异化教学策略。例如，通过分析学生过往学习数据，精准分析学生专业能力薄弱点和优势，教师据此设计针对性教学内容与练习任务。教师角色也需从传统知识传播者转变为思维引导者和情感支持者。借助远程培训与线上开放课程，引导学生自主完成识记知识，将课堂时间更多用于师生间的深入讨论交流，在交流互动中培养学生创新思维与深度思考能力，并为学生布置更具挑战性、创新性且与职业发展紧密相关的优质任务，在真实案例、项目中锻炼学生理论应用能力与分析解决问题能力。

从学习环境维度而言，人工智能为其创造丰富学习体验。人工智能为学生提供私人导师服务，随时精准反馈学生疑问，在保护学生隐私的同时提供更优质的学习体验。并提供多元互动练习场景。例如，个性化学习设置可以根据学生能力和培养目标定制练习策略，逐步提升学习难度。通过模拟真实的职场环境，让学生提前体验职业生活、开展职业实践、锻炼职业发展能力，并依据教师判断和数据驱动的建议，帮助学生优化学习策略、合理规划职业发展路径。

然而，我们必须警惕，过度依赖人工智能易导致认知外包等问题，致使学生主动或无意识放弃独立思考，或对人工智能提供的信息不加质疑与验证。长此以往，学生的批判性思维、独立解决问题能力、人际沟通交往等将受到抑制，不利于提升学生面对未来就业市场的竞争力与适应能力。为有效规避此风险，高校需探索开发适宜人才培养与学生发展的人工智能产品。通过不断追问的方式引导学生主动思考，启发学生自主寻求解决方案，从而在人工智能协同智慧育人模式下，确保学生思维能力等可就业能力得到充分锻炼与提升。

政府、高等院校与产业界三方需紧密协作、各尽其责，合力塑造有助于提升大学生可就业能力、契合市场人才需求，进而推动高等教育与社会经济协同共进、可持续发展的协同培养生态格局。

政府在协同培养进程中扮演关键引导与支撑角色，借助政策驱动与经济激励双轮驱动，确保各方在生态体系内定位精准、职责分明。在政策制定方面，应向积极投身人才协同培养的高校与企业予以政策倾斜。如制定专项政策激励高校开设契合新兴产业及社会急需领域的专业，并在专业建设的资源投入、师资配备、招生指标等关键环节给予支持；同时，设立专项经济激励机制，针对深度参与合作的企业，在税收减免、信贷优惠、项目审批绿色通道等方面给予实惠，充分调动企业参与的积极性与主动性。

高校作为人才培养核心枢纽，需积极回应产业动态需求，深入融合产业力量于育人全流程。而产业界可以凭借自身资源优势，在资金投入、实践平台搭建以及科研合作等多维协同发力，为学生提供丰富的实践机会和职业指导。其一，拓展多元路径实现资金投入与实践平台建设。在资金投入方面，企业可以为专业学习、实践创新等方面表现优异学生设立专项奖学金，赞助高校科研项目和教学改革项目，或参与高校基础设施建设，如实验室建设等。在实践平台建设方面，企业可以与高校共建创新创业平台，完善实践实训基地设施设备；开放企业研发中心、生产车间等场所，让学生近距离接触行业前沿技术和生产流程。其二，将产业实际问题嵌入高等院校研究。产业界在生产经营过程中会频繁面临各类实际问题。企业可以与高校建立长期科研合作关系，将生产经营中的技术难题、管理问题等提供给高校，作为高校科研项目的部分选题来源。高等院校则组织教师和学生开展相关研究，在此过程中，学生能够接触到产业实际问题，锻炼解决实际问题的能力；教师能够通过与企业的合作，提升自身科研水平和社会服务能力。研究成果则可以直接应用于企业的生产经营，推动企业技术创新与管理创新，实现高等院校、产业界和学生的三方共赢，为可就业能力协同培养生态系统注入可持续发展的新动力。