大数据管理和应用人才的培训路径基于BERTopic-TOPSIS模型

科学领域:

• 数据科学教育数据科学教育
• 人力资本发展 人力资本发展
• 劳动市场分析 劳动市场分析

背景情况:

• 大数据的快速增长需要熟练的劳动力,但学术培训和行业要求之间存在差异.
• 现有的大数据人才培训计划可能无法充分为毕业生为不断变化的就业市场需求做好准备.

研究的目的:

• 分析大数据人才培训计划与中国当前行业需求之间的对齐.
• 确定大数据专业人员所需的关键能力,并评估培训计划如何满足这些需求.
• 为大数据专业提出一个优化的培养路径.

主要方法:

• 85个大数据培训计划的内容分析.
• 分析了来自中国招聘网的1万多份招聘公告 (51job, Zhaopin).
• 应用社交网络分析和BERTopic-TOPSIS模型来提取隐性信息和标签能力.

主要成果:

• 发现了一个显著的错位:52%的课程的目标是"数据应用能力",但只有11%的项目指定了可测量的技能.
• 确定了三个主要的就业途径:数据管理,数据分析和数据平台开发.
• 在北京大学和合肥理工大学等机构中确定了最佳实践.

结论:

• 该研究强调了大数据人才培养的关键差距,强调需要更具体的技能发展.
• 建议优化种植路径,整合就业路径和完善课程结构.
• 将教育目标与行业需求相协调,对于有效的大数据劳动力发展至关重要.