歐洲新一代技能智能的戰略背景、治理框架和實踐特色

中圖分類號 G719.5 文獻標識碼 A 文章編號 1008-3219（2025）13-0074-07

作者簡介

張創偉（1969-），男，科研管理部部長，教授，博士，研究方向：終身教育，職業教育（嘉興，314000）；（1969-），女高級教師，研究方向：教育技術學

基金項目

2022年度國家社會科學基金“十四五”規劃教育學一般課題“‘職繼融通’服務老齡社會的路徑與機制研究”（BJA220248），主持人：馬麗華

深入實施“人才強國戰略”需要在技能形成體系的諸多環節，比如“技能投資、技能供給、技能認證、技能使用以及社會合作”之間建立起暢通的情報渠道，確保技能決策能得到及時、相關和準確的信息支持。歐洲新一代技能智能（SkillsIntelligence）可以為我國在技能形成體系中有效嵌入情報網絡提供借鑒。由于歐洲勞動力市場正受到勞動力變化和工作復雜性、流程增加的挑戰，技能情報工作對確保政策制定者、專家和勞動者個人的正確決策意義重大，是抑制“技能錯配”[2I[3]的重要手段。歐洲技能情報發展大致可以分為四個階段。第一階段始于50年前，美國勞工統計局開創了“人力資源規劃”之后，基于計量經濟學模型的勞動力市場預測成為第一個成熟的技能情報工具[4]，然而，宏大的技能戰略需要系統化的情報工具提供支撐。第二階段，2010年歐盟理事會為洞察歐洲宏觀層面的潛在技能失衡問題，授權歐洲就業與職業培訓研究中心（CEDEFOP）在全歐洲開展技能預測，以此為開端，技能預測作為一種預警機制每兩年在歐洲開展一次，標志著第一代技能智能的啟用。技能智能是專家主導的識別、分析、綜合和呈現技能信息以及勞動力市場信息的過程和結果5，涉及的板塊主要包括“就業趨勢、數字化與技術、未來工作、技能與學習、職場趨勢、網絡招聘廣告中的技能要求”[6]。第三階段，2014年，歐洲就業與職業培訓研究中心出于為歐洲政策制定者提供信息的目的，進行了第一次歐洲技能調查，旨在研究技術變革對未來工作和技能的影響，包括：技能預測（提供國際可比數據，使各國能夠就就業趨勢、職業和資格進行跨國比較）和技能匹配（政策激發相應的職業教育和培訓）[。第四階段，“如果人們要持續明智地投資職業教育和培訓，就需要辨明為哪些技能以及工作投資”[8，實時捕捉技能需求變化的性質、范圍和方向，歐洲需要新一代技能智能工具，以確保技能供需信息的準確性、相關性和及時性，為此，歐洲就業與職業培訓研究中心將多元化的技能智能來源與多樣化的研究方法進行整合，開發了新一代技能智能，并于2023年12月22日正式發布。

一、歐盟開發新一代技能智能的戰略背景

歐盟運用綜合方法為歐洲技能革命謀劃了戰略路徑，擘畫了一個共同的愿景，強有力的政策保障以整體方式協調多個相關政策領域[1]。這樣宏大的技能戰略在實踐過程中需要有持續升級的智能嵌入其中。

（一）順應技能革命的新挑戰

歐盟正在進行著一場技能革命，以適應不斷變化的人口結構、數字化轉型和綠色轉型等重塑經濟社會發展的重大趨勢[1]。要實現這一目標，就需要在職業教育和培訓政策、技能政策和其他政策（如經濟、社會、環境和移民）之間建立有力的聯系，確保提供滿足勞動力市場技能需求趨勢的職業教育和培訓。在這方面，技能智能的作用至關重要。其掌握反映當前和未來經濟社會發展趨勢的可靠數據；依靠專家解讀隱含重大趨勢、具有動態性和復雜性的數據；將數據轉化為服務各國、各區域、各行業和公民進行轉型的可操作性見解。國際勞工組織（ILO）的調查顯示，目前最受歡迎的招聘方式是口口相傳，學院就業辦公室和公司的網站招聘也為常見途徑，而國家就業局對招聘的貢獻亟待提升。為更好地連接供方與需方的信息，國際勞工組織建議國家就業局開發高效反映勞動力市場需求的技能智能[12]。

技能智能有助于將關鍵利益相關者在國家、區域、地方和部門層面的愿景融入勞動力市場趨勢和技能需求的分析中，并將重大趨勢和需求轉化為行動。其可以將勞動力市場信號有效傳遞給職業教育和培訓系統，支持政府出臺科學合理的政策，幫助職業教育和培訓機構推出合適的項目，為個人職業規劃和企業人才策略做出精準指導。歐盟委員會強調技能智能對于更新和升級職業教育和培訓課程的重要性，認為要達成《2020年歐洲技能議程》提出的職業教育和培訓在增強可持續競爭力、確保社會公平和韌性方面的積極作用，就必須將技能智能置于優先地位[13]。

（二）融合多種預測方法和工具的新要求

技能智能關涉技能需求評估和預測。技能需求評估是指通過識別技能缺口、評估資格體系以滿足需求的過程，包括教育和培訓以及資金計劃。它可以以定量方式或定性方式，為國家、地方或行業分析技能需求、評估趨勢影響。技能需求預測是指識別行業在短期、中期或長期所需的技能，包括預測新興技能和技能缺口，為均衡技能投資、平衡技能供需提供決策支持。

在當前動態變化且復雜的社會經濟環境中，需要準確理解和預測勞動力市場和技能體系的狀況。目前常見的方法和工具有四種。一是技術與技能預測（technologicalandskillforesight）：勞動力市場和經濟社會的不確定性決定了這是一項蓬勃發展的技能預測方法，政策制定者與更廣泛的民間社會共同參與可以共塑美好未來。二是技能與就業調查（skillsand jobssurveys）：在雇主、工人、職業教育與培訓機構和學習者之間開展調查，以發現技能短缺和錯配問題，尋求培訓開發和技能使用方面的改進機會。三是畢業生跟蹤研究（graduate trackingand tracerstudies）：該方法有助于深入了解教育和培訓體系在減輕學習者進人勞動力市場難度以及學習成果與工作場所技能需求之間的匹配關系。四是大數據與人工智能驅動分析（bigdataandAI-drivenanalyses）：網絡上的工作廣告、專利數據、科學數據庫、在線課程網站在技能預測方面的作用越來越重要，加速的數字化、綠色創新以及未來工作要求，亟須更快、更聚焦的技能智能，這種情報超越了傳統技能預測工具和方法的邊界值得注意的是，無論何種單一的方法或工具都無法充分捕捉和全面預測勞動力市場需求和技能發展的趨勢。

（三）賦能技能生態治理的新使命

要維持技能生態系統的良好功能需要將技能智能嵌入其中。歐洲就業與職業培訓研究所認為技能生態治理的特征是“將利益相關者納入技能信息的生產、傳播和使用等諸環節，以平衡技能供需政策，并通過有針對性的技能投資來促進經濟發展”。將技能評估和預測方法滲透到各個行業、職業、區域、各種類型和層次的職業教育和培訓活動之中，就能在各自為政的政策領域之間建立聯系，實現技能生態治理。

技能智能能夠在五個方面賦能技能生態系統治理。第一，確保所有利益相關者（包括雇主、工會、教育和培訓提供者、政策制定者和研究者）參與技能預測和信息的生成、傳播與使用；第二，確保數據質量和透明度，以便利益相關者能夠信任并使用技能預測和數據；第三，確保技能預測和數據能夠指導政策制定，以平衡技能供需、促進經濟發展；第四，確保技能預測和數據的生成、傳播和使用是一個持續改進的過程，能夠得到所有利益相關者的支持；第五，確保技能預測和數據以用戶友好的方式提供，以便利益相關者能夠輕松使用它們。

二、歐洲新一代技能智能的治理框架

技能智能運行是一個合作的過程，其有助于克服碎片化政策制定和利益相關者參與不充分的弊病。近年來，歐洲技能智能的運行已經取得了顯著進展，新的預測方法和技術使利益相關者能夠攜手為國家的技能革命作出貢獻。基于此，歐洲就業與職業培訓研究中心提煉了技能智能治理框架（skills governance analytical framework），框架有四個支柱：組織、資源、利益相關者和信息使用。借此框架，歐洲就業與職業培訓研究中心可以識別國家、地區或行業技能智能工作中的瓶頸、加速器和改進機會。瓶頸包括技能數據缺乏、技能預測模型不準確、技能政策不協調以及技能政策與勞動力市場政策相脫節。加速器包括共享技能信息和數據、改進技能預測模型、協調技能政策以及整合技能政策與勞動力市場政策。改進機會包括調整技能智能工作方法、重新定位技能政策以及與勞動力市場政策的整合[14]。

（一）搭建系統化、反思性的組織架構

歐盟國家在技能形成體系建設過程中，意識到若要充分發揮技能智能的跨部門戰略決策價值，就需要采用更加系統化的技能治理方法、更加明智的技能治理安排、更加廣泛的信息交流和伙伴關系，逐步改善“教育與培訓”與就業、經濟、創新和相關政策議程的聯系。目前，大多數國家的技能預測活動仍在中央層面，由一個或多個政府部門負責，勞動和/或教育部門通常負責協調活動。新一代技能智能框架將國家預測與地方當局以及利益相關者的活動聯系起來，在較低的治理層面上擴大技能供需信息的覆蓋范圍。波蘭的經驗表明，將不同部門和利益相關者聚集在一起，可以促進更有效的技能預測活動，將技能預測和技能供需信息帶到產業轉型發生的地方。加強橫向聯系是影響技能智能的另一大趨勢。在一些國家，過去負責協調的政府部門和機構正在向其他部門和專業機構開放，并開始與它們合作，以更好地了解重大趨勢對勞動力市場和技能的影響。

鑒于系統化技能治理方法以及反思機制已在一些國家的立法、戰略或愿景中得到整合[15]，那些受綠色轉型和數字轉型推動、正在進行技能機構改革的國家，都把掌握行業就業和技能趨勢作為核心工作。例如，捷克的行業委員會變得更加活躍，他們通常將行業部委（如農業部）、行業雇主組織和行業工會聚集在一起，對行業資格頒發機構開展評估。在愛沙尼亞，“行業技能預測”方法是“國家勞動力市場監測與未來技能預測協調系統”（OSKA）設計的基本原則[，通過按行業、職業和教育水平預測勞動力供應和需求來提高利益相關方的代表性并擴大信息使用范圍。

在拉脫維亞，2023年初經濟部、社會福利部和教育與科學部同意將就業委員會改組為人力資本發展委員會，以更好地協調勞動市場轉型中的跨部門合作。這個機構將協調勞動力市場的調整規劃、設計、實施和監測，促進人力資源發展，以適應未來需求和經濟結構變化[7]

馬耳他于2016年成立國家技能委員會（NSC）[18]。自2022年起，它成為政府執行機構，負責推動和實施“勞動力市場準備和技能”方面的活動。它向政府提供優先技能需求和技能發展方向的建議，指導國家技能戰略的制定，并建立標準、課程和質量保證方面的政策和程序。NSC還負責監督和研究技能智能工作，創建利益相關者合作的渠道，促進績效基準的設定，促進技能提升機制的建立。

（二）擴展和升級預測工具、方法和專業知識

全面掌握技能趨勢不能僅靠單一的技能預測方法。只有將多種方法結合起來，才能正確繪制不斷演變的趨勢圖，反映不同經濟部門和地區利益相關者和學習者群體的需求。每個歐盟成員國至少都有一種技能預測方法，許多國家還采用多種方法，這些方法互為補充。有的國家仍然沿用傳統的技能預測方法，而一些國家對“老系統”進行升級。例如，奧地利正在重新組織“技能晴雨表”[9]；荷蘭的公共就業服務已經開始基于大數據分析向求職者提供不同資格水平的職業任務和軟技能儀表板，以提供更多基于技能和培訓的信息。幾乎所有國家都會定期進行技能評估。大多數預測都展望10年左右的未來技能，以提供勞動力市場變化的中期視角。也有一些基于計量經濟學模型的短期（12個月）預測。在立陶宛，國家預測是基于對雇主的調查，以了解當前和未來的勞動力需求。就業預測通常覆蓋全國范圍，但也有地區性預測模型，例如，法國的地區就業與培訓觀察站（OREFs）。

一些成員國使用“雇主調查”和“畢業生跟蹤”來繪制勞動力市場和技能趨勢地圖。例如，奧地利的“熟練勞動力雷達”（Skilledlabourradar）和挪威的勞動與福利局（NAV）進行的年度雇主調查就是開展技能預測的例子。由于政策制定者需要了解畢業生的就業情況，“畢業生跟蹤”調查正在歐洲各地逐步擴大。加深了人們對技能供給及從教育向就業過渡的了解。例如，截至2020年，斯洛伐克的一個網站提供了中等學校和大學畢業生的就業數據。2018年，盧森堡國家繼續職業培訓發展研究所（INFPC）建立了“學校到職場過渡”晴雨表（TEVA），晴雨表數據來自研究所對“學校到職場過渡”的長期研究，該研究監測了74個職業和技能領域中的7000多名學習者。與十年前相比，由于受突如其來的新冠疫情沖擊和快速的技術變革影響，這些方法在技能預測中的使用更為普遍。一些成員國正在提升預測能力，以支持其對不同情境及未來新興技能需求的理解，這在歐盟層面已成為一種趨勢。

快速的技術變革影響著所有經濟部門，并對未來勞動力需求產生了變革性影響。通過對專利數據庫以及其他“網絡資源”的自動化分析，提取有關新興技術和技能需求的信息，可以為有關勞動力市場趨勢和實施新技術對技能的影響提供最新見解[20]。基于大數據的技能預測使技能智能工作變得更加復雜和實用，也備受公共就業服務青睞。比利時的弗萊芒社區公共就業服務機構（VDAB）運行著Competrend①，這是一種基于大數據、人工智能的前瞻性方法，旨在預測未來勞動力市場中將受到高度追捧的技能，弗萊芒社區公共就業服務機構正計劃通過對求職者所需技能的預測與行業發展數據相結合，并與政府其他行為體和大學合作，來擴大該工具的應用范圍。利用“在線招聘廣告”來開發技能智能的做法正逐漸流行，歐洲就業與職業培訓研究中心的“歐洲在線職位分析工具”（OVATE）[2項目以及芬蘭、意大利和斯洛伐克等國家的行動也在推動這一趨勢。識別當前和未來的勞動力市場需求，并根據這些需求調整教育和培訓體系，對于確保勞動力市場適應快速的技術變革至關重要。

（三）凸顯利益相關者合作在系統中的關鍵地位

利益相關者合作是高效技能預測的核心[22]。在技能智能領域，歐盟常見的利益相關者包括各國、各區域和各地方政府、社會伙伴、行業組織、研究機構、教育和培訓機構以及商會組織。數字化轉型、人口下降和日益復雜的地緣政治環境所激發的技能挑戰迫使歐洲各地普遍通過建立利益相關者伙伴關系來共同應對。例如，比利時的“Go4Brussels2030”戰略通過整合各種政府舉措來為利益相關者提供共同的指導、監測、咨詢、溝通和評估工具，以促進可持續的發展、就業和培訓，并使培訓內容與雇主所需的技能相匹配。愛爾蘭為確保項目內容與勞動力市場需求相符，專門成立了“地區技能論壇”（regionalskillsfora）來促進雇主和教育培訓機構之間的合作；教育研究和科學部（DFHERIS）與經濟和社會研究局（ESRI）于2022年建立了合作伙伴關系，共同開展有關勞動力市場發展和技能轉變的研究。德國通過設立各州教育部長和文化事務部長聯席會議（KMK），來協調政策與利益相關方的關系。“聯席會議”匯集了聯邦各州負責教育和學校教育的部長或參議員、高等教育和科研機構以及文化事務機構，其職責是負責初等、中等和高等教育的跨地區合作，以及各州之間的教育協調。

綠色化對歐洲的經濟、勞動力、技能和社會產生了深刻影響。按照《歐洲綠色協議》（TheEuropeanGreenDeal）精神，要成功實現歐洲綠色轉型，確保區域和地方層面的合作決策及組織實施是關鍵[23]，合作開展技能預測有助于促進區域和地方參與者正確理解綠色創新對當地就業和技能需求變化的影響，塑造公正的綠色轉型[24]。結合技能預測方法，利用區域和地方利益相關者的專業知識來確定職業教育和技能政策的優先事項并識別不匹配信號，賦能地區和城市成為綠色化中心。《歐洲綠色協議》的推行在歐洲各國和地區之間存在差異，在同一個國家的不同地區也可能存在很大差異。合作伙伴關系在將技能預則轉化為區域和地方一致行動方面發揮著關鍵作用。捷克通過工業聯合會識別區域技能需求和供給，愛爾蘭通過教育培訓委員會、地區技能論壇和當地企業合作管理繼續教育和培訓項目都證明了這一點。技能智能工作促使職業教育和培訓項目的供給與區域和地方現實相適應，為理解特定地區需要何種技能課程提供有意義的洞察，在保加利亞，10個地區能力評估中心使用區域專家調查在各自的地區內執行協調、信息交換和能力評估任務。

（四）彰顯信息在政策制定、職業指導方面的作用

歐盟各國的技能預測方法在政策制定和實施中的作用日益擴大。歐洲就業與職業培訓研究中心開發的“匹配技能”（MatchingSkills）網絡工具，所提供的技能預測結果被用于識別勞動力市場短缺、職業和職業指導服務，以及分配繼續培訓項目補貼和移民政策。公共就業服務（PES）通常是技能預測和情報的主要客戶，其將技能智能用于職業顧問培訓，并經常通過在線職業指導工具或應用程序向更廣泛的公眾分享信息。例如，立陶宛公共就業服務機構制作的交互式“職業地圖”（OccupationsMap），提供了10個地區和60個市政當局的155個職業群體的詳細供需信息。比利時的弗萊芒社區公共就業服務機構開發的工具，為求職者提供有關職業和潛在職業所需技能、經驗和額外培訓的信息。技能智能工具需要易于獲取并根據用戶的需求和專業水平進行調整，以便為最需要這些工具的受眾提供服務。調整技能智能工具以滿足不同用戶需求的典型案例包括：比利時瓦隆大區公共就業服務中心的“有前途的職業”倡議②、克羅地亞的HKO門戶網站以及意大利的Excelsiorienta平臺為中學生及其家庭提供從學校到職場過渡的信息和指導。

ReferNet是一個由歐洲就業與職業培訓研究中心于2002年創建的網絡，旨在為歐盟成員國、冰島和挪威政府以及職業教育和培訓體系提供信息。每個國家的合作伙伴都是該網絡職業教育和培訓體系中的關鍵成員[25]。所有合作伙伴都致力于提供有關職業教育和培訓的作用、目的、管理和結構的第一手信息，洞察職業教育和培訓政策的發展和趨勢，以及深入分析每個國家在實施共同歐洲政策目標方面的進展情況。據ReferNet反映，職業和崗位領域加速的數字化進程引發了一些國家對技能預測的積極響應，幾乎所有國家都承認開展“綠色”技能預測的重要性，都在探究數字化和綠色化雙重轉型條件下技能預測的方法、利益相關者的網絡特征以及相應的技能治理方法。

三、歐洲新一代技能智能的實踐特色與鏡鑒

歐洲新一代技能智能運行所呈現的經驗和治理特色可以概括為以政策承諾和全民性為基礎、先進的數字手段和協調方法為支持以及利益相關者和網絡思維為主導，而這些對于所有與技能相關的政策制定者、決策者或執行者都具有借鑒意義。

（一）政策承諾和全民性的奠基

擴大現有技能預測活動、引入新的“綠色”預測活動以及利用技能智能成果增加投資，ReferNet國家將政策承諾作為推進綠色轉型所需技能預測的關鍵，為保障資金投入奠定了基礎。研究數據表明，各國政府在提高技能預測和推廣技能智能方面投入了更多的政治資源[2，包括制度安排、有關優先事項資金和專業知識的保障機制。

全民性可以促進技能預測效能，支持技能形成體系的公平性和包容性。由利益相關者共同制定的多維度、多層次、多視角的技能預測方法加強了勞動力市場與職業教育和培訓體系之間的反饋循環，有助于在不同政策領域之間架起橋梁。將經濟、雙轉型和社會包容目標相結合可以加強技能智能的相關性和及時性，有助于教育和培訓系統以及培訓和就業支持措施更好地反映弱勢群體及大公司的需求。

（二）先進工具和協調方法的支持

雖然并非所有國家、地區和地方層面從事技能預測的公務員和私營部門員工都具備高級的大數據分析技能，但他們都能意識到使用大數據和人工智能驅動的技能預測方法的優勢及其局限性。芬蘭于2017年推出人工智能戰略后，所有歐盟成員國都開始制定國家戰略，這些戰略通常都強調大數據和人工智能對更好地理解技能現象、技能情境和技能趨勢的重要性，并指出需要采取更具針對性的行動27]。

盡管在政策制定及實施方面，方法多樣性是一種優勢，但僅擁有一系列方法是不夠的，重要的是它們之間的協調程度。意大利的經驗表明，缺乏協調會阻礙生成有意義的全國性技能數據。

（三）利益相關者和網絡思維的介入

技能智能嵌入在勞動力市場、工業生態系統和經濟現實中，沒有一個利益相關者能夠獨自思考和行動，這就要求利益相關者采取多元化的立場。信息交流和活動協調已成為技能智能工作成功的關鍵因素，利益相關者需要相互之間進行橫向、縱向和跨地域的溝通。正如歐盟委員會2023年發布的《新歐洲建筑師進展報告》所倡導的，多層次、多角度的溝通機制建設是“歐洲綠色協議計劃”（theEuropeanGreenDeal）的有機組成部分[28]。有了利益相關者之間的聯系，技能預測不僅可以解決技能和就業的瓶頸以及技能不匹配問題，還可以在應對重要社會挑戰方面發揮積極作用。

各利益相關者需要擺脫部門思維的局限性，倡導網絡思維與行動，采用綜合方法，包括實施技能預測方法，確保客觀分析和解讀技能智能，以便其能夠有力支撐政策的制定和實施。即使在那些擁有長期技能預測計劃并有效整合了利益相關者的成員國，擺脫部門思維的局限性也是一個挑戰。

近來，丹麥“繼續教育和培訓委員會”③開發的技能課程選課人數顯著下降2，這引起了專家小組對繼續教育和培訓委員會在開發滿足勞動力市場需求的教育項目方面的擔憂。目前，正在進行三方談判，以期重新設計該系統，確保擺脫每個委員會僅代表某個商業部門的封閉式結構的限制。

（四）歐洲新一代技能智能的鏡鑒

組建技能智能聯盟。技能智能運行有5個環節：識別勞動力市場中的關鍵趨勢和需求；評估和預測技能需求；解決技能缺口和不匹配問題；教育和培訓的適應性安排；提供教育和職業指導及咨詢服務[30]。建立由政府主導，涉及技能供需信息生成各個環節和各個主體，包括但不限于企業主代表、職業教育和培訓系統代表、職業教育研究機構、技能鑒定機構、中介組織和個人利益相關方參與的技能智能聯盟，將公共、私營部門以及不同經濟部門和地理區域的各方納入到技能數據的產生、傳播和使用過程中。各聯盟成員圍繞技術變革引起的技能需求變化分享各自的信息、經驗和知識，包括新技術、新崗位要求、目標群體、工作場所學習、技能課程開發等，以指導旨在平衡技能供需的政策制定和個人抉擇，在此通過有針對性的技能投資來為經濟轉型提供服務。

利用公共合同委托開發技能智能。技能智能的總體目標是為每個人提供更好的就業和培訓機會，具有公共屬性。政府要履行政策承諾，借助信譽機制，通過公共機構和利益相關方之間的合作與對話來推動技能智能聯盟開展工作。主要活動包括：技能預測、技能評估、技能前瞻、雇主調查等。這些活動主體的視角、方法和周期各不相同，涵蓋一系列方法和工具，涉及定量預測、部門研究、定性方法、雇主調查和工人及畢業生調查，對此治理是一項既高度集中又分權化運作的復雜活動，公共合同可以約束和規范復雜活動中各行業、各層面主體及利益相關者的行為，確保日常的措施責任落實到位。

加強技能智能研究方法的集成。將各種技能智能研究方法結合起來，為當前和未來技能及勞動力市場趨勢提供更全面、更綜合的證據是歐洲新一代技能智能的技術要點。歐盟的經驗證明，唯有多重方法論視角下生成的技能智能才能幫助政策制定者和其他用戶了解職業、行業、國家和技能方面的趨勢。我國要建設“教育鏈、人才鏈與產業鏈、創新鏈緊密銜接”的技能型社會，需要得到綜合方法論視角下的技能智能支撐。當前歐洲有7種方法廣泛應用于技能智能工作之中：描述性統計學、畢業生追蹤調查、技能供需趨勢批判性反思、定量預測、定性研究、大數據、技能與就業調查3。沒有任何一種方法能夠提供關于技能預測所有問題的答案，不存在最好的方法，只有最適合的方法，綜合運用各種方法往往能夠彌補一種方法的局限。目前，我國學者采用傳統的研究方法比如計量經濟學模型、雇主調查、畢業生追蹤調查和勞動力市場實地調研的比較多，采用大數據和人工智能方法比較少，能夠把傳統方法和新方法結合起來的更少。每一種研究方法都有優勢和局限性，在具體的研究項目中互相配搭、揚長避短，進行各種方法集成是當前我國技能智能工作面臨的挑戰。

參考文獻

[1]張創偉，吳雪萍，陳興偉，等.區域技能學分銀行的基本架構和運行機制[J].教育學術月刊，2022（1）：27-34.

[2OECDAoae 1722419888amp;id=idamp;accname=guestamp;checksum ₁= B0CA496153BC3B2C0611F171361395F1.

[3]袁玉芝.我國勞動力市場的技能錯配及其影響因素研究[J].教育與經濟，2021（2）：68-77.

[ challenges inEUMember States[M].Luxembourg：Publications Office，2024：4.3.3.14.18.26.9.

[5]Cedefop.eiutuh：adsreptdilteignEO3）. cedefop.europa.eu/en/events/geting-future-right-towards-smarter-and-people-centred-skils-inteligence.

6]edefp.ete：e intelligence. [7JBAGAE，SchcaleucacatialtrtaableelopntJalgdevelot

[8]Cedefop.Skilsforecasttrendsandchallenges to3oM]Luxembourg：PublicationsOfficeoftheEuroean Union018.5.

[10]張創偉，陳悅，吳雪萍.歐洲技能提升路徑的政策架構與實踐特色[J].職業技術教育，2022（21）：68-74.

[CdefopIihtltallaoslse Publications Office，2018：3.

[12]ILO.Skills Anticipation Survey， Plastics Sector“Report”[EB/OL].htp：//www.ilo.org/publns，2023：22.

[3EurpeUb

[16]CedefopOofttoa：/eduaht anticipation-estonia.

[17]Cedefop.ieoftatvoacL）/dero anticipation-latvia-2023-update.[ef

[19]Cedefop.PSSkillBarometer[EB/OL]（-0526）0-02].tps：//www.cedefop.europa.e/en/prnt/pdf/ode/086.

[20]CedefopUnderstadingtenlogicalcangedsilleds：bigdataadtificalmethods：Cedefopracticalgde2]ueog： PublicationsOffice，2021：46.

[21]Cedefopilas//de skills-ovate-online-vacancy-analysis—tool-europ ^-0 ：

[23]EuropeanCouil.eEroanGnDeaO（tps//wwcosluroaen deal/#what.

[24]Cedefop.Citisiriioooatialuatdngaelitiscoesateduxebug：bcatio Office. Policy brief，2022：8.

[25]Cedefop.ReferNet[EC/OL][EB/OL].（202-02-20[2025-03-05]htps：//www.cedefp.europa.eu/en/networks/refeet.

[27]ANGILltchroalaelegubcebobi 2022：1.

[28]EuropeanirotalfroaealfdtleduO） [2025-03-O6].https：//ec.europa.eu/regional_policy/whats-new/newsroom.

[29]Cedefop.otiugragducaisBOLs/defou matching-skills/all-instruments/continuing-training-and-education-committees.

[30Cedefop.ilsebls：/eoes skills-revolution#group-downloads.

NewSkill Intellgence forEurope： Generating Background，GovernanceFramework andPractical Features

Zhang Chuangwei， Zhou Wen

AbstractEo’silsaaltosslstellisalofa offialinformatio，seportsesearcheportsandotermateralsfromECndCFOP，thisaersummarizesthekefocse andprogressofilitellgeicitsalioastckgodfmekdpaciesoroe’sil intellgenceombinngelaedtheondepactisofillsitellgnceiultileEuroeaountesdthdsthatte EUdevelopedisnilsitellienceinthonextoffiallengesfromthesillsvoutionitegatingnts formultiplesilasigesdsgsopsilsoeae.lsell isorganicallbeddediweluntiongsillsostflingsaticeosdiepwasi; expanding tols，methodsndexpertiseinresourcesdfaciltatigpolicmakingandcareergidanceiniformatinuse.Practicingte next-generationEuroeanskllsintellgencerequirespolicalommimentandhebackingofdemoaticvlus，supportfromadvaced toolsandcoodinatedmethods，and protectionfromstakeholdersandnetworkthinking.TheEuropeanexperienceprovidesthefollowing insightsfortosuoofillsiellienceiassillsitellgliaeueublcotractstoomso development of skills intelligence，and strengthen research on the integration of skillsintelligence methods.

Key wordsskills intelligence; skills revolution; skills forecast; vocational education and training

AuthorZhuangChuangwei，profesorofJiaxing VocationalandTechnical Colege（Jiaxing314035）;Zhou Wen，seniorteacherof Educational Technology and Data Center