AI数据源的可信度和覆盖面直接关系AI效用,可借助建设信用评价体系来提升,因为信用评价必然对数据源有严格要求并会涉及社会各领域各层次各元素,同时信用评价体系可与AI对接,用户以对话方式从AI获取所需评价反馈。
以教育信用评价体系就业排名评价措施举例说明:就业排名是将教育(含就业培训)学籍数据和个税收入数据关联后分析出各专业下各学校毕业生包括就业率和平均就业收入等指标在内的排名,如果学籍数据还包含教学团队信息则能分析出学校各教学团队的排名或称校园级就业排名,参考排名提供的反馈可帮助考生、学校、资本和政府高效决策:考生选择到有就业优势的学校、学校了解自身实力和专业就业趋势、资本选择到有预期优势的标的、政府更精准决策。为保证数据源可靠可信,一是可在用人单位申报个税的同时将个人薪资和保险直接由单位对公银行账户转入员工个人银行和保险账户,二是允许个人举报但仅限自身被造假情况(为此需提供个人数据查询和举报接口)。用户可在评价体系平台查询所需信息,与AI对接后,可通过AI获取信息,比如某高考生填报志愿前查询大数据专业最近三年的就业排名,某失业人员查询厨师技能就业培训的就业排名,某地政府查询当地急需人才所涉专业各学校在当地工作毕业生的就业排名等等。
就业排名将在如下六层面产生影响:
1、学生和家长:帮助学生选择到最具就业优势的学校;
2、学校和专业建设:加速就业状况良好的学校及专业的招生,推动学校优势专业发展;
3、政府和资本:提升投资收益预期、提升政府精准决策;
4、招生和基础教育改革:学校招生时将筛选适合相应专业的学生以便保障其良好就业而非过线即录、重量轻质,进而反向传导推进中高考分类考试、推进基础教育结合学生特质及早挖掘个性潜力的素(/特)质教育改革,使学生有更多时间投入擅长领域,同时减轻基础教育对各方的负担;
5、教育发展模式:促进教育由“管办评”三分离向“管办评教”四分离转型,即政府部门和行业协会负责“管”、学校和人才培养产业园等运营机构负责“办”、评价机构负责“评”、教学机构或团队负责“教”,“办”借助“评”选择“教”,促进教学资源的流动性,有利于各地结合优势产业开办人才培养产业园、招标教学团队并依校园级就业排名筛选团队;
6、教育评价改革:就业排名等评价措施属于最终结果评价,能“倒逼”教育提升对中间结果评价和过程评价的需求,或者说以难度较低的来自人才需求方反馈的外部评价带动提升难度很高的人才供给方的内部评价。
总之,就业排名等教育信用评价将大大促进人才培养的质量和数量,是必将落地的社会改进措施。
任何人如感兴趣,可转发本文,或网上发文引导相关方意向。发文参考如下:
“AI应优先与各国信用评价体系对接以提升可信度和功效。例如按以下类似过程构建的教育信用评价体系就业排名评价措施:1、搭建国内网络,偏远等地区走卫星互联网;2、每个用人单位和每位毕业生开通银行账户;3、构建教育(含就业培训)学籍系统和税务个税系统;4、用人单位申报个税的同时将薪资和保险由单位银行户转入员工个人户;5、关联教育学籍和个税收入数据分析出各专业下各学校毕业生就业率和平均收入等指标的就业排名,反馈给各方参考决策。建议联合国等国际组织征集相关解决方案,筛选并公开,由云厂商及其生态伙伴参照实现系统,各国招标落地,同时联合国联合企业、政府收集问题和建议反馈并协商更新方案迭代系统。”
更多评价措施请参考: 我在联合国经社理事会青年论坛"青年与SDGs"主题预备的线上讨论区提交的内容 ,它们更像是待开发的“上等玉璞”;
对于这些评价措施及自组织协作的丰富应用场景请关注“志在摆渡”微博的评论记录。