大規模分析課程與勞動力市場的銜接程度：以學系組合為例
arXiv - Computers and SocietySherzod Turaev, Saja Aldabet, Mary John, Namya Musthafa, Mamoun Awad, Nazar Zaki, Khaled Shuaib
本研究利用大型語言模型自動化分析課程學習成果與職缺能力需求，發現課程內容與市場需求存在系統性落差。
AI 幫你先抓重點
AI 重點 1
利用 LLM 進行大規模、自動化的課程與市場對齊分析
滑鼠懸停看 AI 判斷理由
傳統的顧問委員會或問卷調查速度慢且難以複製，此研究展示了如何透過 AI 技術實現即時、大規模且具備分類標準（如 ESCO 與 Bloom）的課程評估，為課程治理提供了新的數據驅動工具。
AI 重點 2
從「課程目錄」轉向「實際達成能力」的評估視角
滑鼠懸停看 AI 判斷理由
研究考慮了學分時數與選修限制下的實際學習路徑，而非僅看課程清單。這提醒教育設計者，課程的有效性應建立在學生「實際能學到什麼」而非「課程名稱叫什麼」之上。
核心研究發現
- 1
內容缺口具有系統性而非單一學系特有，主要集中在系統、軟體工程、資安及網頁開發領域。
- 2
學院的核心課程僅能滿足市場需求中約三分之一的能力要求，顯示核心課程的覆蓋範圍不足。
- 3
各學系在學科內容上雖有差異，但在能力缺口方面卻呈現高度同質性，且課程難度普遍低於市場需求一個布魯姆認知層級。
對教育工作者的啟發
課程設計者應利用自動化分析工具定期檢視課程與產業需求的落差，特別是在軟體工程與資安等快速變動領域。建議不僅要擴展課程內容的廣度，更需提升認知層級的深度，以符合市場對高階能力的追求。此外，應重新檢視學院的核心課程設計，確保其能提供足夠的基礎能力支撐，而非僅僅是各學系的共通點，並應針對系統性的缺口進行跨學系的協同改進。
原始文獻資訊
- 英文標題：
- Measuring Curriculum-Labor Market Alignment at the Scale of a Program Portfolio
- 作者：
- Sherzod Turaev, Saja Aldabet, Mary John, Namya Musthafa, Mamoun Awad, Nazar Zaki, Khaled Shuaib
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。