higher educationcareeraiedtechlearning design

美國規劃學院畢業生職涯流動性：大型語言模型分析

arXiv - Computers and SocietyYan Wang, Su Jeong Jo

利用大型語言模型從LinkedIn資料提取結構化資訊，發現多元跨部門經驗及地理流動性能顯著提升規劃專業畢業生職涯上升機會

AI 幫你先抓重點

AI 重點 1

跨部門與橫向轉職是提升職涯上升的關鍵策略

滑鼠懸停看 AI 判斷理由
此洞察顯示邊界無限職涯模式比單純技術能力更能推動職涯進步，提醒讀者重視可轉移技能與人脈建構，並調整職涯規劃與教育設計以培養此類能力。
AI 重點 2

地理流動性與大型都市市場就業雖有利，但效益有限，需配合個人發展計畫

滑鼠懸停看 AI 判斷理由
此觀點指出僅靠搬遷至大都市並不能保證顯著職涯提升，強調個人化職涯路徑與策略性技能發展的重要性，對實務者設計職涯輔導方案具有指導意義。

核心研究發現

  1. 1

    採用跨部門或橫向轉職的邊界無限職涯模式，能顯著提升規劃畢業生的職涯上升機會

  2. 2

    技術能力作為入門信號，隨後軟技能透過策略性橫向移動在高階職位中成為關鍵

  3. 3

    地理流動性及在大型多元都市勞動市場就業與職涯進步相關，但後者僅帶來有限提升

對教育工作者的啟發

教育機構可設計跨部門實習與橫向職涯工作坊，強調軟技能與人脈建構；同時協助畢業生評估地理流動性與大型都市市場的實際收益，制定個人化職涯路徑。

原始文獻資訊

英文標題：
Career Mobility of Planning Alumni in the United States: Evidence from Professional Profile Data using Large Language Models
作者：
Yan Wang, Su Jeong Jo
來源：
arXiv - Computers and Society
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。