基于全國大數據分析的高等職業教育人才供需匹配研究

摘 要 聚焦人才培養和產業發展“兩張皮”問題，面向產業需求持續優化專業布局、提升人才培養質量，為中國式現代化提供強大的高技能人才支撐，是我國高等職業教育的重大使命。基于全國高職畢業生就業調查、高職狀態數據庫等數據來源及大數據模型對高職教育人才供需匹配情況進行實證分析：基于專業布點數據，分析各地高職專業設置與地方經濟發展的緊密度；基于招生結構的變化，考察高職專業布局與產業結構的動態匹配度；基于就業大數據分析，深入了解高職教育人才供給質量以及供需匹配情況。針對分析結論，提出相應的對策建議：加強整體統籌規劃，注重跨地區協作，以優質資源共享平衡區域差異；堅持產業需求導向，建立專業預警機制，健全“招生—培養—就業”聯動機制；立足人才培養為本，持續優化以提升技能水平和就業質量為導向的評價體系。

關鍵詞 高職教育；專業布局；產業結構；匹配度；就業質量；大數據分析

中圖分類號 G719.2 文獻標識碼 A 文章編號 1008-3219（2025）12-0067-07

我國職業教育已進入高質量發展新階段，但部分領域和關鍵環節存在的問題仍需著力破解。一方面，職業教育支撐國家、區域經濟社會發展能力和水平仍有待提高，人才培養與社會需求之間還存在落差，一些高職院校定位不清晰、特色不鮮明、盲目求大求全等現象仍然突出。另一方面，自2019年高職大擴招開始，我國高等教育已進入普及化階段，高校畢業生人數從2022年開始突破千萬，畢業生就業形勢復雜嚴峻。從社會需求視角來看，聚焦人才培養和產業發展“兩張皮”的問題，面向產業需求持續優化專業布局，從而推動人力資源供給結構不斷優化，已成為新形勢下各級教育主管部門和高職院校的緊迫任務，也是促進我國職業教育高質量發展的重要著力點之一。

一、相關研究綜述

潘懋元指出，經濟產業結構是制約教育學科結構的主要因素，評價教育學科結構是否合理應看其是否與產業結構和人才需求相匹配[1]。陳基純基于廣東地市面板數據，通過對比各產業的增加值比重和就業比重之間的偏差來計算產業結構偏離度，分別從廣東區域整體及內部城市差異兩個維度對高職專業設置與產業發展的匹配狀況進行分析[2]。麻靈基于協同理論，參考環境與經濟“協調發展”模型對重慶市高職進行專業結構與產業結構的匹配度分析，通過計算協調度和發展度兩個指標，分別得出專業結構與三次產業結構的互動情況和互動發展的量化指數并基于等級與類型劃分標準進行實證分析[3]。

部分研究者基于相關指標的動態變化情況來分析人才供需結構匹配度。崔曉迪等人從規模、結構和質量效益三方面分析京津冀中職教育與地區經濟發展的匹配程度，其中專業結構與地區經濟產業結構匹配度的計算考慮了增長率的對比，即通過比較各地區三次產業對應畢業生比例的平均增長率和三次產業產值比例的平均增長率并加權綜合計算得出[4]。宋亞峰和潘海生系統梳理了專業與產業的匹配標準，構建了以專業大類—專業類—具體專業為關鍵節點的職業教育專業譜系圖，以產業類—行業門類—行業大類—行業中類—行業小類—職業群為關鍵節點的產業譜系圖，并根據專業譜系圖與產業譜系圖關鍵節點之間的匹配程度構建了專業建設與產業發展譜系圖分析框架[5]。

畢業生就業質量是人才供需匹配情況的直接表現，通過招生—培養—就業聯動分析，可以為學校招生和人才培養提供反饋依據，進而優化人才供給。于曉光和姜海鵬基于報考率、報到率、就業率、就業競爭力等指標建立專業預警機制，為專業結構優化和招生計劃調整提供量化依據[6]。高耀等人深入分析畢業生就業的學科專業差異，指出畢業生的學校層次、所學專業類別對其就業單位性質、起薪水平、就業滿意度等指標有顯著影響[7]。宗誠等人從人才培養投入、過程、產出3個維度構建涵蓋10項二級指標和34項指標觀測點的高職人才培養質量評價指標體系，對各地高職學校進行定量對比，發現區域、省份、學校之間發展不平衡不充分的問題仍比較突出[8]。在大數據模型應用方面，相關研究引入邏輯回歸、判別分析、決策樹、神經網絡、支持向量機等機器學習算法，基于學生所學專業、學習成績、專業相關課外活動、實習經歷等關鍵指標構建分析模型，尋找人才培養過程與就業最為相關的指標，幫助學校改進教育教學與就業指導工作，進而提升人才供需匹配度[9][10][11]。

現有研究在專業與產業的結構匹配分析、“招生—培養—就業”聯動分析等方面進行了一定探索，為后續研究提供了較好的基礎。本研究聚焦高職教育人才供需匹配度，結合全國高等職業學校人才培養工作狀態數據采集與管理平臺（下稱“高職狀態數據庫”）專業設置與招生數據、全國高校畢業生就業調查數據①，以及國家統計局發布的產業增加值數據等多種來源的全國性大數據進行建模分析，為專業布局動態調整乃至高等職業教育質量提升提供客觀依據和優化建議。

二、人才供需匹配度的多維分析

2022年，中共中央辦公廳、國務院辦公廳印發的《關于深化現代職業教育體系建設改革的意見》明確提出，深化職業教育供給側結構性改革，推動形成同市場需求相適應、同產業結構相匹配的現代職業教育結構和區域布局。教育部副部長吳巖對其中的“兩翼”改革部署作出進一步解讀，即從“塊”上提升職業教育與地方經濟結合的“緊密度”，從“條”上加強職業教育與行業發展需要的“適配度”[12]。本研究從三個方面對高職教育人才供需匹配情況進行分析：一是基于專業布點數據，分析各地高職專業設置與地方經濟發展的緊密度；二是基于招生結構的變化，考察高職專業布局與產業結構的動態匹配度；三是基于就業大數據分析，深入了解高職教育人才供給質量以及供需匹配情況。

（一）基于專業布點分析專業設置與地方經濟發展的緊密度

將高職專業按我國三次產業劃分進行歸類②，基于高職狀態數據庫中專業設置是否匹配本區域緊缺行業或支柱產業字段數據（2023年度），可以分別計算出三次產業對應專業布點與本地緊缺/支柱產業匹配的比例。從全國整體來看，第二產業專業布點與本地匹配比例最高，達到近2/3（66.58%）；其次是第一產業，約為六成（59.99%）；匹配比例最低的是第三產業，尚未達到一半（45.54%）。據此方法，同樣可以計算出各省份的三次產業專業布點與本地匹配比例，結果見表1。

考慮到各地產業結構的差異，將國家統計局公布的各省份三次產業增加值數據（2023年度）作為權重，對各省份三次產業專業布點與本地匹配比例進行加權計算，可以綜合得到各省份高職專業設置與地方經濟的緊密度，計算公式如下：

Cj=∑3i=1wij·Mij

其中Cj為j省份的專業設置緊密度，wij是j省份的第i產業增加值占比，Mij是j省份的第i產業專業布點與本地匹配比例。

從表1可以看出，專業設置緊密度相對較高（大于60%）的有浙江省、山東省、海南省、廣東省、北京市、江蘇省、湖北省和湖南省8個省份，主要集中在東部地區，也是職業教育和地方經濟較為發達的省份。專業設置緊密度相對較低（不足50%）的有內蒙古自治區、甘肅省、河南省、四川省、云南省、黑龍江省、江西省、青海省、寧夏回族自治區和廣西壯族自治區10個省份，主要集中在西部地區，也是職業教育和經濟發展相對落后的省份；尤其是青海省和寧夏回族自治區的三次產業專業布點與本地匹配比例均未達到50%，專業設置與地方經濟發展明顯脫節。

（二）基于招生結構分析專業布局與產業結構的動態匹配度

相關研究普遍認為[13][14][15]，產業結構通過勞動力結構間接影響專業結構，評價高職專業布局是否合理的依據之一，就是考察其與產業結構是否匹配，尤其是招生規模動態調整是否與產業發展趨勢相協調。基于2022年和2023年的經濟數據和招生數據，對比各省份三次產業增加值的變化趨勢與對應專業招生規模的變化趨勢，可以定量分析各地招生結構與產業結構的動態匹配度。

將j省份第i產業的招生結構與產業結構動態匹配度定義為：

e-|?Sij-?Eij|

其中?Sij是j省份的第i產業對應專業招生占比年增長率，?Eij是j省份的第i產業增加值占比年增長率，兩者差值越小則動態匹配度越高。產業總體動態匹配度可以通過加權計算得出：

Dj=∑3i=1wij·e-|?Sij-?Eij|

其中Dj為j省份的產業總體動態匹配度，wij是j省份的第i產業增加值占比。

基于2022-2023年數據進行計算，可以得到全國及各省份的三次產業動態匹配度和產業總體動態匹配度，見圖1。從全國整體情況來看，產業動態匹配度呈現出“三二一”的特點，即第三產業動態匹配度最高，第一產業動態匹配度最低。

分省份來看，產業總體動態匹配度排名前五位的依次為北京市、福建省、四川省、上海市和重慶市，這些省份的專業招生動態調整與本地產業發展趨勢較為協調；排名后五位的依次為（倒序）西藏自治區、海南省、寧夏回族自治區、黑龍江省和內蒙古自治區，這些省份亟須以本地經濟發展需求為導向，加強專業布局和招生結構動態調整的及時性和有效性。

（三）基于就業質量分析高職教育人才供需匹配情況

畢業生是新增就業群體的主力軍，其就業狀況是評價人才供給質量的直接依據，也是衡量人才供需匹配情況的重要指標。一方面，從畢業生就業質量反映出來的產業需求變化，可以為招生環節和人才培養環節提供改進依據，幫助高職院校建立健全“招生—就業—培養”聯動機制。另一方面，基于就業大數據對高職畢業生就業影響因素進行分析，有利于深入了解畢業生就業狀況反映出來的能力匹配問題，為高職院校改進教育教學和就業工作提供抓手，從而優化人才供給、提升人才供需匹配度。

1.招生規模與就業質量交叉分析

隨著2023年初以來宏觀經濟逐漸回暖，高職畢業生就業形勢與2022年相比有所好轉。新錦成研究院調查數據顯示，2023屆全國高職畢業生（畢業后3～6個月調查，下同）畢業去向落實率為88.37%，較上屆提高超過2個百分點；2023屆全國高職畢業生就業對口度為72.17%，較上屆提高近2個百分點。

分專業大類來看，隨著2023年旅游行業的快速復蘇，2023屆高職旅游大類畢業生的畢業去向落實率比上屆提高了超過4個百分點，就業對口度則大幅提高了超過13個百分點；制造業全面復工復產也為畢業生就業帶來利好條件，裝備制造大類、生物與化工大類、輕工紡織大類等相關專業大類畢業生的就業對口度均有不同程度的提升。

從高職狀態數據庫2021-2023年的全國高職招生規模數據可見，招生規模較大（占比超過10%）的專業大類共有5個，依次為電子與信息大類、財經商貿大類、醫藥衛生大類、裝備制造大類和教育與體育大類，5個專業大類招生人數之和占高職招生總數的2/3，見表2。結合招生數據和2021-2023屆畢業生就業數據進行交叉分析，見圖2，招生規模較大的5個專業大類中：裝備制造大類畢業生的畢業去向落實率和就業對口度均處于相對較高水平，展示出良好的就業質量，較好地支撐了裝備制造業的技能人才需求；財經商貿大類畢業生的就業對口度偏低，但畢業去向落實率相對較高；受對口行業準入門檻影響，教育與體育大類、醫藥衛生大類畢業生的就業對口度較高，但畢業去向落實率相對偏低，其招生規模應及時根據教育行業、衛生行業的發展現狀和政策導向作適當調整；這三年招生規模最大的電子與信息大類，畢業生的畢業去向落實率和就業對口度均相對偏低，需緊密結合信息技術產業發展趨勢，培養滿足產業實際需求的高技能人才。

2.就業滿意度影響因素大數據分析

就業滿意度是畢業生對自身就業狀況的綜合評價指標，其影響因素包括收入、晉升機會、工作本身的性質等工作因素，以及畢業生的人口學特征、畢業生的人力資本、個人和家庭的社會資本、畢業院校特征、求職狀況等非工作因素。應用大數據模型對高職畢業生就業滿意度的影響因素進行深入分析，既能概覽全局特征，又能定位不同群體的問題，挖掘出傳統就業統計難以發現的結果，見圖3。

首先，采用基于分類與回歸樹（Classification and Regression Tree， CART）的監督式機器學習算法模型 XGBoost（eXtreme Gradient Boosting），對2023屆全國高職畢業生就業調查大數據進行訓練，得出其他30余項就業特征指標對就業滿意度指標的預測模型。本研究將解釋模型 SHAP（SHapley Additive exPlanations，由合作博弈論中的 Shapley value啟發的可加性解釋模型）應用于預測模型，可以計算出畢業生數據樣本的每個就業特征指標對其就業滿意度的影響力（即 SHAP 值）。通過計算任意特定群體的平均 SHAP 值，可以得出該群體就業滿意度的影響因素排序——特征指標的 SHAP 值越大，表明該因素對就業滿意度的影響越大。

從全國高職畢業生整體層面計算，得出影響2023屆高職畢業生就業滿意度的前10個因素依次為：職業期待符合度、崗位勝任度、本專業就業機會、月收入、就業所在地、擇業關注因素、工作獲取途徑、就業職業、就業企業規模和就業對口度，見圖4。

可以看出，職業期待符合度對就業滿意度的影響占據了主導地位，說明高職院校對學生就業前的引導工作極為重要，應及時開展職業生涯規劃教育，明確職業目標，在人才培養過程中落實產教融合、校企合作、工學結合、知行合一的職業教育要求，持續結合專業教育開展就業教育。

其次，崗位勝任度對就業滿意度的影響也較高，表征了畢業生在實際工作中的能力匹配情況，是影響就業質量的核心要素之一。此外，反映相關產業或本地區就業市場供需匹配情況的本專業就業機會、就業所在地等指標，也是影響就業滿意度的重要原因。

從用人單位反饋來看，高職院校2023屆畢業生各項能力素質的評價得分③均超過4.3分（5分制）。其中，畢業生的職業道德獲得評價最高，得分為4.41分；創新能力獲得評價相對最低，得分為4.31分。與2022屆畢業生相比，2023屆畢業生的職業道德、心理素質及抗壓能力、創新能力均有明顯提升，合作與協調能力、溝通能力與上一年相當，動手實踐能力則略有下降，見圖5。

可以看出，用人單位對畢業生的心理素質及抗壓能力、創新能力等“軟技能”方面的需求在不斷提升。高職院校應注重學生全面成長成才，與時俱進增強人才培養與社會需求的適配性。

三、提升人才供需匹配度的對策建議

（一）加強整體統籌規劃，注重跨地區協作，以優質資源共享平衡區域差異

從高職專業設置與地方經濟發展的緊密度分析結果可以看出明顯的地域差異，即專業設置與本地緊缺/支柱產業緊密度相對較高的集中在東部地區教育和經濟較為發達的省份，緊密度較低的則集中在西部地區相對落后的省份。長期以來，我國東西部不均衡的資源分配導致了人才流失和教育質量的區域差異，進而造成人才供需匹配失衡等問題。

全國高職院校應積極響應國家戰略，通過行業產教融合共同體等聯盟機制，定期開展合作活動，“政行企校研”協同促進教育資源共建共享和創新融合。一方面，可以集合各方力量，借助大數據技術建立行業人才供需平臺并實時更新相關數據，幫助各地學校和企業及時了解當前狀態，避免人才培養和崗位招聘的盲目性，幫助提升職業教育與行業整體發展需要的適配度。另一方面，通過東中西部高校對口合作，利用在線教育平臺，讓教育落后地區的學生可以同步學習其他地區高校的課程，獲取最新的知識和技能，以數字變革促進教育公平。

（二）堅持產業需求導向，建立專業預警機制，健全“招生—培養—就業”聯動機制

從高職招生結構與產業結構的動態匹配度分析結果可見，三次產業動態匹配度整體呈現出“三二一”的特點，即第三產業相關專業招生規模調整和產業發展趨勢的動態匹配度最高，第一產業的動態匹配度最低。各級教育主管部門應以發展的視角合理規劃高職招生數量和專業布局，在國家層面和省級層面建立專業預警及動態調整機制，對人才供過于求的專業及時預警，對人才供給短缺的專業加強引導，確保高技能人才供給與產業實際需求相匹配。

高職院校人才培養要與本地經濟發展相協調，為重點產業提供合適的人才支撐，其根本在于建立健全“招生—培養—就業”聯動機制，形成以招生促培養、以培養促就業、以就業促招生的良性循環。一方面，應針對招生規模大、就業落實和對口情況較差的專業，緊密結合相關產業發展趨勢和政策導向，及時進行專業設置和招生規模調整。另一方面，應結合用人單位對核心崗位的招聘要求，深入了解畢業生能力素質與崗位要求之間的差距，從而有針對性地升級人才培養方案、改進教育教學過程。

在構建“招生—培養—就業”聯動機制中，各地區可結合本地目前實施的鄉村振興、科技振興等戰略對人才的需求，組織實施地方急需或緊缺人才的訂單式培養計劃。例如，吉林省近年來統籌縣（市、區）基層用人需求、產業發展需要和崗位編制情況，實施了鄉村振興人才“訂單式”培養計劃。其將“訂單生”納入高考招生地方專項，面向全省農村戶籍考生，在省內5所省屬重點院校確定農業、水利、林草、畜牧等23個培養專業進行招生，而招生高校在學生入學后則采取“校內課程+社會課程”“假期實踐+畢業實習”培養機制，并打造高校、學生、地方政府長效溝通平臺，將新生作為校地合作聯絡人，學生利用寒暑假崗位實踐和畢業實習等，參與科研項目和技術推廣項目，幫助設崗農業農村機構解決日常技術需求，同時政府對于“訂單生”圍繞當地產業發展開展的優秀課題給予相應資金支持，促進其開展成果轉化[16]。這一舉措不僅促進了教育鏈、產業鏈、創新鏈、人才鏈的有機融合，也為從源頭上激勵更多青年人投身基層建功立業，解決基層引進人才難、留住人才難、人才培養精準對口難的問題探尋了新路。

（三）立足人才培養為本，持續優化以提升技能水平和就業質量為導向的評價體系

從高職畢業生就業質量分析可以看出：不同專業大類之間的就業質量綜合表現差異明顯，同時受到需求側市場環境變化和供給側人才培養質量兩方面的影響；畢業生從事的工作是否符合預期對就業滿意度的影響占據主導地位，需要高職院校加強學生在校期間的就業觀念引導工作，盡早明確其職業發展目標；崗位勝任度對就業滿意度的影響也較高，說明畢業生在實際工作中的能力匹配情況也是影響就業質量的核心要素之一。

人才培養是高職院校的核心職能，提升人才培養質量是促進畢業生高質量就業的根本前提。高職院校應持續優化以提升學生技能水平和就業質量為導向的人才培養評價體系。一是注重學生的實操能力和創新思維，模擬真實工作環境來考核學生解決實際問題的能力，鼓勵學生參與創新實踐活動并重點評價其創新能力和實踐成果。二是將評價體系與行業標準精準對接，邀請行業專家參與評價體系設計，確保評價結果能更好地反映學生適應行業需求的能力，從而為學生的學習目標和方向提供明確指導。三是主動轉變畢業生就業觀念，及時開展職業生涯規劃教育，并持續結合專業教育開展就業教育。高職院校應基于人才培養評價反饋機制，不斷優化教育教學，持續提升人才供給質量，更好地服務于社會經濟發展需要。

參 考 文 獻

[1]潘懋元.教育的基本規律及其相互關系[J].高等教育研究，1988（3）：6-12.

[2][13]陳基純.供給側改革下高職專業設置與產業發展匹配研究——基于廣東地市面板數據的實證分析[J].中國職業技術教育，2020（5）：39-45.

[3][14]麻靈.協同理論視域下高職專業結構與產業結構匹配度研究[J].職業技術教育，2023（23）30-35.

[4][15]崔曉迪，翟希東，張曉鳳.京津冀中職教育與地區經濟發展的匹配度分析[J].教育與經濟，2017（2）：27-32.

[5]宋亞峰，潘海生.教育數字化背景下職業教育專業建設與產業發展譜系圖構建研究[J].高等工程教育研究，2023（5）：137-143.

[6]于曉光，姜海鵬.高校招生、就業、人才培養三方協同聯動的創新機制構建初探[J].創新與創業教育，2015（6）：52-54.

[7]高耀，劉志民，方鵬.人力資本對學校學生初次就業質量的影響[J].教育科學，2012（2）：77-85.

[8]宗誠，李波，張可.構建中國特色高等職業教育人才培養指標體系研究與分析——基于《2023中國職業教育質量年度報告》的實證研究[J].中國高教研究，2024（8）：87-93.

[9]Nunley， J. M.， Pugh， A.， Romero， et al. College major， internship experience， and employment opportunities：Estimates from a résumé audit[J].Labour Economics， 2016（38）：37-46.

[10]Babi?， I. ?. Machine learning methods in predicting the student academic motivation[J].Croatian Operational Research Review， 2017（8）：443-461.

[11]Hugo， L. S. A comparison of machine learning models predicting student employment[D].2018.

[12]中國職業技術教育網.深化現代職業教育體系建設改革現場推進會在福建晉江召開[EB/OL].（2024-07-31）[2025-03-20].https：//www.chinazy.org/info/1006/17504.htm.

[16]吉組軒.吉林“訂單式”育才助鄉村振興[N].中國組織人事報，2024-09-14.

Research on the Supply-demand Matching of Talents in Higher Vocational Education Based on"National Big Data Analysis

Wang Rurong， Zhang Ke， Zhou Jing

Abstract" Focusing on the issue of the “disconnect” between talent cultivation and industrial development， and continuously optimizing the layout of majors and enhancing the quality of talent cultivation to meet industrial demands， thereby providing strong support for highly skilled talents in the pursuit of Chinese-style modernization， is a significant mission for China’s higher vocational education. This study conducts an empirical analysis of the supply-demand matching of talents in higher vocational education from three aspects based on data sources such as national employment surveys of higher vocational graduates， the higher vocational education status database， and big data models： Firstly， it analyzes the closeness of the setting of higher vocational majors across regions to local economic development based on major distribution data; secondly， it examines the dynamic matching degree between the layout of higher vocational majors and industrial structure based on changes in enrollment structure; and thirdly， it gains insights into the quality of talent supply in higher vocational education and the supply-demand matching situation based on employment big data analysis. Based on the analytical conclusions， this paper proposes corresponding countermeasures and suggestions： to strengthen overall planning and coordination， emphasize cross-regional collaboration， and balance regional differences through the sharing of quality resources; to adhere to industry demand orientation， establish a major early warning mechanism， and improve the linkage mechanism of “enrollment-cultivation-employment”; and to focus on talent cultivation， continuously optimize the evaluation system oriented towards improving skill levels and employment quality.

Key words" higher vocational education; major layout; industrial structure; matching degree; employment quality; big data analysis

Author" Wang Rurong， associate researcher of Quality Management Office of Yangzhou Polytechnic Institute （Yangzhou 225127）; Zhang Ke， executive director of Newjincin Institute; Zhou Jing， Jilin Engineering Normal University

作者簡介

王如榮（1980- ），男，揚州工業職業技術學院質管辦主任，副研究員，研究方向：職業教育管理（揚州，225127）；張可（1986- ），男，新錦成研究院執行院長，博士，研究方向：教育質量評價，大數據分析；周晶，吉林工程技術師范學院教育科學學院

基金項目

江蘇省2022年度教育評價改革試點項目“內部質量監測與評價體系綜合改革實施方案”（蘇教辦法函[2022]10號），主持人：陳洪；教育部2020年度人文社科研究一般項目“整體性治理視角下職業教育產教融合效能評價指標體系構建研究”（20YJA880088），主持人：周晶；江蘇省教育科學“十四五”規劃重點課題“石油化工類專業人才創新培養推進科教融匯實施路徑研究”（B20230233），主持人：金黨琴

新錦成研究院自2014年開始每年進行全國性問卷調查，分析高校學生畢業后半年內（3-6個月）的就業狀況和就業質量。其中，本研究涉及的2021-2023屆高職畢業生回收有效樣本依次為26.8萬份、28.2萬份和33.6萬份，覆蓋了全部19個專業大類及600多種高職專業。

第一產業對應專業為農林牧漁大類下的專業，第二產業對應專業為資源環境與安全大類、能源動力與材料大類、土木建筑大類、水利大類、裝備制造大類、生物與化工大類、輕工紡織大類和食品藥品與糧食大類共8個專業大類下的專業，第三產業對應專業為交通運輸大類、電子與信息大類、醫藥衛生大類、財經商貿大類、旅游大類、文化藝術大類、新聞傳播大類、教育與體育大類、公安與司法大類和公共管理與服務大類共10個專業大類下的專業。

按照用人單位評價結果計算得分均值，評價“很滿意”為5分，“滿意”為4分，“基本滿意”為3分，“不滿意”為2分，“很不滿意”為1分。數據來源：新錦成研究院調查（2022-2023屆）。