人工智能赋能韧性就业的政产学研用联动人才培养模式

摘要：教育部2025年3月面向“人工智能应用”领域启动征集供需对接就业育人项目。其中，定向人才培养培训、就业实习基地建设、校企人力资源提升是此轮项目的三个重点类型。本文从人工智能就业项目意义、高校人才培养与人工智能应用需求适配路径、校企联动提升岗位胜任力策略三个方面作解读剖析，以期助力政产学研用各界形成良性生态、托举各类人才在人工智能时代韧性就业。

关键词：人工智能赋能；韧性就业；政产学研用；人才培养模式

教育部于2025年3月，面向“人工智能应用”领域，启动征集供需对接就业育人项目，以推动高校加快培养更多实用型、复合型和紧缺型人工智能应用人才。供需对接就业育人项目自2021年启动实施以来，已成功实施3期。今年的就业项目征集重点围绕人工智能算法、机器学习、自然语言处理、计算机视觉、智能机器人等人才需求及人工智能工具使用，以提升高校学生对人工智能领域岗位认知、实习实践和就业能力，促进用人单位相关领域人才挖掘、技术升级、创新发展为目标。

启动“人工智能应用”领域供需对接就业育人项目的意义

从民生需求的角度来说，就业是增强人民群众获得感、幸福感和安全感的直接落实性措施。帮助相关领域高校毕业生更好地适应市场需要，实现高质量就业是保障民生的重要举措，国家也为此出台了一系列政策。2025年3月，国务院就业促进和劳动保护工作领导小组发布的《加力重点领域、重点行业、城乡基层和中小微企业岗位挖潜扩容支持重点群体就业创业实施方案》，将高校毕业生列入重点精准施策群体，提倡“基层与新兴领域双轮驱动”。2025年4月，中共中央办公厅、国务院办公厅发布《关于加快构建普通高等学校毕业生高质量就业服务体系的意见》，指出要推广数字化就业服务新模式。推动人工智能领域的供需对接，是面对时代新形势，积极主动服务用人单位升级人才需求结构、高等院校升级人才培养路径的引领性、保障性政策引导。[1]

从科技发展的视角看，以人工智能为代表的数字技术已经促使第一、二、三产业中用人单位的岗位需求内涵发生深刻变革，如农业中的无人喷洒技术、制造业中的智能仓储技术、智慧教育中的师—机—生三元制课堂等，都对相关岗位求职者提出了新要求。同时，这些技术也正在改变着求职者走向社会的过程，如人工智能简历修改、人工智能面试、实习智能反馈等，正在越来越多地服务于就业指导环节。

人工智能供需对接就业育人项目在民生需求和科技发展的双重背景下推出，具有主动适应和长期布局的战略意义，是国内就业市场应对复杂国际形势、加快掌握科技革命主动权，构建能够应对风险的韧性供需环境的实战性工作。

高校人才培养与人工智能应用需求适配的路径

高等院校是人才培养的主阵地，肩负着培养拔尖创新人才、实用技能人才的重任。在人工智能应用快速、广泛改变生产和生活的当下，做好培养模式与需求适配，需要工作层面的总结和研究层面的探索协同并进。

在人才培养与就业需求对接的层面，高校正在经历从“知识本位”到“素养本位”的转型。高校原有的人才培养模式以三个导向为主：基础学科导向、应用学科导向、职业技能导向。长期以来，传统高等教育体系遵循“知识本位”理念，高度重视学科知识的系统性与完整性传授，注重构建严谨的知识框架。然而，在人工智能技术快速迭代的当下，知识更新周期大幅缩短，单纯依靠知识储备已难以满足社会对人才的需求。在人工智能时代，以核心素养为导向的社会需求促使高校突破单一学科壁垒，关注交叉学科、新兴学科的课程体系建设。目前，高校重点培育智能装备、生物医药等领域的就业新空间，更符合我国当前高度注重系统性产业培育的战略需求，也为全球破解自动化与就业矛盾提供中国方案。[2]目前，部分高校已经开展了一些尝试，例如，北京师范大学面向民族地区生源实施就业技能提升项目，通过构建“人工智能理论—企业探访—课例设计—创新应用”四维培养体系，将人工智能伦理意识培育、自适应发展能力与民族地区教育内生需求相结合，显著提升了人才培养与社会需求的契合度。

从需求适配的研究层面看，高校应加快构建“学科发展+新质生产力”融通培养模式。在全球经济复苏乏力、国内产业转型深化的背景下，高校应将“新质生产力”与就业结合，开拓新的研究空间。目前，不少高校正在积极构建“人工智能 + X”复合型课程矩阵。同时，高校还需强化批判性思维、创新能力和伦理意识的培育，在人工智能伦理课程中引入“算法偏见”“数据隐私”等议题，引导学生建立科技向善的价值准则。

为了进一步拓宽人才培养与人工智能应用需求的适配路径，高校应在四个方面进行深度探索。一是理解认知层面，通过科技讲座、读书等路径，增强学生对人工智能教育领域的认知与兴趣，拓宽其专业发展视野；二是思维拓展层面，通过参访企业、主题辩论、圆桌漫谈等路径，拓展学生的人工智能思维，促进其创新；三是实践应用层面，通过课例研究、专项课题、商业竞赛等路径，提升学生参与实践的应用能力；四是职业竞技层面，通过人工智能简历生成、人工智能模拟应聘、跟岗智能反馈等，促进学生真实能力结构升级。

校企联动提升岗位胜任力的策略

在充分分析人工智能赋能的新机遇和人才培养模式的新挑战的基础上，我们需要积极探索用好政产学研用联动机制，筑造韧性就业生态的务实策略。

政产学研用联动机制是从产学研范畴发展而来的。产学研提倡企业、高校、科研机构合作，企业聚焦技术需求与市场转化，高校注重人才培养与知识输出，科研机构专注核心技术攻关。在人工智能时代，智能软硬件应用和发展离不开政府统筹和用户反馈，因此，这一时期的供需对接就业项目的适配机制需要升级到政产学研用联动机制：加入政府的政策制定与资源协调职能，通过税收优惠、资金扶持等措施，推动更多企业参与人工智能应用培训等公共服务资源建设和就业实习基地合作平台建设；加入用户的需求反馈与创新参与，鼓励用户参与产品测试，以缩短研发周期，并鼓励他们提供可复制推广的人工智能能力习得经验。

韧性就业的核心在于形成韧劲，即形成适应和应对的能力。相比于需要高成本维持的、不进行调整就能抵抗冲击的“稳健性”，“韧性”以动态的方式让步、适应、调整，而后反弹来抵御冲击，同时并不显性增加成本，是一种可持续的模式。韧性就业是在当下全球经济复苏周期尚不明朗、以人工智能为代表的数字技术促使社会岗位需求快速变革的大背景下，国内政产学研用各界联动挖潜就业机会、提升人力资源质量的应时之举。

人工智能赋能韧性就业的政产学研用联动人才培养模式，需要校企共同提升人才与岗位胜任力的契合度，以“自组织+他组织”的方式动态适应科技革命带来的就业市场内生变化和国际形势挤压带来的外部挑战。具体策略可以分为以下三个方面：

一是破解关键环节难题，构建“高校—企业—研究院所”协同育人机制。在课程环节，推行“模块化+项目制”教学改革，高校深入调研产业实际需求，将其转化为具体的教学案例与项目任务。在实践环节，建立“校企双导师制”，企业导师凭借丰富的行业经验，深度参与人才培养方案的设计，确保方案紧密贴合产业发展趋势与企业用人标准。

二是升级智能软硬件环境，支持个性化人才培养。打造“智能诊断—精准推送—自适应学习”的教学新范式，分析学生的学习行为和认知特征，动态调整教学策略，促进拔尖创新人才和职业技能人才成长。在课余创新环节开展项目式、研讨式活动，形成“机器辅助+教师引导”的新型学习氛围，推动“以学为中心”的学习范式转型，引导学生主动建构知识体系，增强自适应学习和终身学习能力，以更好地应对未来复杂多变的社会需求。

三是共享区域化、分学科的高校毕业生人才库，实现供需广域匹配。首先，政府主管部门、高校和行业协会联合制定符合人工智能时代要求的高校毕业生的能力标准，并结合高校学科优势，动态构建符合新质生产力的“职业认同—专业应用—实践创新”三层能力模型，[3]形成分区域、分学科的能力体系库。其次，智能分析社会就业岗位需求，推动供需精准对接。基于大数据分析和人工智能技术，定期监测企业对人工智能人才的岗位需求量及岗位分布区域，形成就业岗位数据库。通过政府、人力资源机构和高校就业指导中心的协作，及时发布就业信息，为学生提供精准就业指导，促进人才的合理流动。[4]最后，构建校企协同的“岗位需求—能力缺口”动态监测与响应机制，通过人工智能算法优化招生规模、课程设置及实习资源配置，实现“招生—培养—就业”全链条数据贯通。[5]

科技发展日新月异，国际形势瞬息万变。面向“人工智能应用”领域启动征集供需对接就业育人项目是国家教育数字化战略行动的重要举措之一，也是普惠性民生工程的具体实践探索，期待政产学研用各界人士携手共建韧性就业的中国方案。   

参考文献：

[1] 杨宝光.2024届高校毕业生就业形势预测：新兴领域就业潜力较大，体制内就业竞争更激烈[EB/OL].（2024-01-26）[2025-04-04].https://news.cyol.com/gb/articles/2024—01/26/content_AjeJqPuzLw.html.

[2] 高乔楠. 新质生产力视域下高校大学生就业能力培养探析[J]. 合肥大学学报，2024（04）.

[3] Xiongfei Ren，Lili Tong*，Jia Zeng， Chen Zhang.AIGC Scenario Analysis and Research on Technology Roadmap of Internet Industry Application[J].China Communications，2023 （10）.

[4] 张玲, 黄艳. 数字教育技术的跨学科融合应用[J]. 数字教育研究，2023(08).

[5] 杨婷, 李明. 数字化教学模式对学生个性化学习的促进作用[J]. 现代教育与科技，2024（03）.

❋ 本文系国家自然科学基金面上项目“基于领域适应算法的人机协作学习能力泛化关键技术研究”（项目编号： 62277002）的阶段性研究成果。

[作者童莉莉系北京师范大学教育学部教授、博士生导师，教育部教育信息化战略研究基地（北京）副主任；底颖系北京师范大学教育学部硕士生；邱化民系北京师范大学教育学部学生工作办公室主任]

责任编辑：单笑斐