技術教育正面臨危機。通往職業的黃金之路一直是通過大學教育。然而，這條“黃金之路”出現了深深的裂痕，急需維修。高等教育正迅速變得無法負擔，即使是在公立學院和大學。學費的上漲速度比通脹快50%。但還有更深層的問題。除了失控的費用外，還有證據表明學位與當今勞動市場所需的技能並不匹配，特別是在計算機科學領域，雇主所需的技能與大學教授的技能之間的脫節正在加劇。
雇主正面臨一個相關的問題：如何讓已在職員工保持所需的技能更新。專家們花費大量時間在技術行業的最前沿工作，卻常常感到自己落後。在生成型人工智慧的時代，這一趨勢只會加劇。對於能負擔的員工來說，研究生學位是一個選擇，但對雇主來說卻沒有幫助。在花了一年的時間獲得碩士學位後，員工不太可能回到同一雇主，甚至是同一工作崗位。
為什麼，大學和學院失敗了？更重要的是，該如何改進？需要招聘初級員工並提升現有員工技能的公司能做些什麼呢？
大學的問題：在顛覆性時代中的敏捷性與脆弱性
大學和學院很少具備敏捷性。他們無法迅速對變化做出反應，這使得他們在為變化快速的行業提供培訓時特別脆弱。傳統的計算機科學專業可能是大學和學院最薄弱的地方。變化的速度非常快，尤其是與終身教職教授的職業生涯相比，抵制變化的情況在快速變化時尤為嚴重。計算機科學系在人工智慧方面適應得很好，部分原因是人工智慧起源於學術界。但許多工作所需的技能往往未在傳統的計算機科學系教授，例如雲開發、Kubernetes和微服務。
這些機構為何無法適應技術變化？教授們花費大量時間從事研究——實際上，他們大部分時間是參加委員會。幾乎沒有時間了解行業的動態，更別提開發相應的課程來教授了。在技術行業保持最新狀態有點像成為一名職業運動員：你必須每天訓練以保持你的身體狀態。全新的範式快速興起：雲計算、數據工程、機器學習工程、移動開發和大型語言模型。更複雜的是，雲計算、軟件運營甚至人工智慧這類主題在大學的資訊技術部門中並不適合。這需要向商業雲供應商外包，這需要的開支和預算承諾並不在研究資助的範圍內。沒有任何大學的計算資源能與Google相比，甚至連資金充足的初創公司也無法比擬。他們也沒有建立和運營高度分散系統的經驗。
像微服務和雲原生計算這樣的主題還帶來了另一個問題：工資承諾。管理者能否為專注於未來五到十年可能被遺忘的主題的高級教授的工資辯護，即使那正是行業現在需要的？如果那位教授的專業在退休前可能變得無關緊要，管理層能否承諾支付終身教職的工資30年左右？聘用具有行業經驗的兼職教授來填補具有職業導向的教學角色風險較小：例如移動開發、數據工程和雲計算。
使用兼職教授教授行業所需的技能會產生自己的問題：大學教學人員中的下層階級。難怪我聽到教授們說“雲計算是一種潮流，不值得教授。”難怪許多教職員將這些主題視為“職業教育”，而他們卻試圖教授長期的真理：這些“職業”主題滿足行業的需求，而非研究界的需求，且由短期合同的教職員教授，他們每年都會更替。教授們對教授幾乎完全基於專有技術的主題的猶豫是可以理解的，因為這些技術可能會在最短的時間內發生變化。然而，如果這是公司所需的專業知識，那麼需要這些培訓的學生將會在其他地方找到它——如果大學無法提供學生所需的培訓，他們將會走向不相關的邊緣。
在《華爾街日報》的一篇文章中，名為“為什麼美國人對大學的價值失去了信心”，道格拉斯·貝爾金強調了另一個問題：批判性思維。正如貝爾金所解釋的：
大學與勞動市場之間的不對稱，加上許多學校未能教導學生批判性思維，問題更加複雜。教授們基於研究質量和出版記錄的好壞來競爭終身職。教學通常是事後思考。獲得終身職的教授會談判減輕教學負擔。為填補這一空白，學校聘用薪水較低的兼職教師，這些教師的工作安全性較低。這些不穩定就業的兼職教師依賴於強大的學生表現評價來獲得工作安全，一種激勵他們在換取高評分的情況下不提出過多要求的系統。
任何指標都可以被操控（通常被稱為古德哈特法則）——成績也不例外，無論是來自需要獲得學生良好評價的教職員，還是希望從教職員那裡獲得良好成績的學生。成績是批判性思維問題的一部分，對寫作、閱讀和非STEM技能的忽視也是如此。大學裡並不是說不教授批判性思維。人文學科沒有批判性思維就無法存在，無論是由超負荷工作且薪水低的兼職教師教授還是其他教授，但人文學科部門卻是最容易受到預算削減和在某些學校中被徹底淘汰的部門。
職業技能是必需的，無論計算機科學系是否願意教授它們。評估是必要的，這也是企業非常重視的，至少對於內部培訓計劃來說。但將職業技能和評估作為優先事項，卻有可能使成績成為動機因素，這是適得其反的。還有什麼比追求按照老師的要求做以獲得A更為從眾呢？或者將你的學術生涯圍繞著在一家知名的高端公司獲得工作？學生需要學會如何犯錯。他們需要學會如何將自己的想法推向極限，然後再推得更遠。在我的課堂上，我鼓勵學生早期且經常地失敗。失敗是一種期望的結果：這意味著他們嘗試了某些困難且獨特的東西，或者他們學到了重要的教訓。
教導學生從多個角度考慮問題，包括那些不舒服的觀點，是必要的。太多的學生畢業後認為科學是一組事實，而不是理解它是一個由實驗驅動的懷疑性探究的過程。太多的學生認為工程是關於獲得書本後面的答案，而不是關於在現實世界中作出必要的權衡。太多的公司失敗是因為他們無法質疑自己的假設。這一切都是批判性思維——任何少於這一點的都會讓學生和最終雇用他們的公司受到損失。
公司需要受過良好訓練的人才
所以——大學和學院正失敗於行業。他們未能提供受過公司所需技能訓練的畢業生；他們未能培養批判性思維者；而且他們的學費讓除了超級富裕人士外的所有人無法負擔。公司能做些什麼來獲取和留住所需的人才？
了解行業需求並不是一個靜態的項目。在2020年，世界經濟論壇估計，自動化將在2025年前取代8500萬個工作，但也會創造9700萬個新工作。另一份報告估計，有1300萬個技術職位缺口。在21世紀，流動性無處不在。無論你現在的工作是什麼，五到十年後都會有所不同：你的技能將過時，你需要學習新的技能。這對於新畢業生和經驗豐富的員工來說都是一個問題，更不用說雇用他們的公司了。正如我們所看到的，這對大學和學院來說是一個更大的問題。
首先，我們將查看公司實際需要什麼，使用O’Reilly學習平台的數據。有兩個因素：課程註冊，顯示學生的學習內容，以及課程完成率，可能揭示出熱門技能。
課程完成率
O’Reilly平台的中位數課程完成率對於B2B用戶和B2C用戶相似，並大致符合行業標準。更高的完成率可能表明該課程教授了行業所需的新興技能。這些技能的例子包括人工智慧（提示工程、GPT和PyTorch）、雲（Amazon EC2、AWS Lambda和微軟的Azure AZ-900認證）、Rust和MLOps。值得注意的是，CISSP（註冊資訊系統安全專業人員）認證也在列表中；雖然安全技能絕對不是一個新的需求，但企業對安全的態度在過去幾年中發生了巨大的變化。高管們不喜歡看到他們的公司因為安全漏洞而登上新聞。其他一些完成率較高的主題包括ggplot（用於R的數據驅動圖形）、GitHub和Selenium（軟件測試框架）。SolidWorks是一個例外；SolidWorks課程的用戶相對較少，但幾乎所有用戶都完成了這些課程。
人們在學習什麼？前面的圖表包括了O’Reilly學習平台的所有用戶。如果我們分開查看B2B和B2C用戶會看到什麼？平台上這兩類用戶的完成率之間有很高的相關性。皮爾森相關係數為0.8，意味著B2B和B2C用戶80%的時間行為趨勢一致，但仍然存在一些重要的差異：
B2C用戶在Java、網頁開發和安全等主題上的技術課程完成率高於B2B用戶。B2B用戶在管理和“軟技能”課程上的完成率遠高於B2C用戶。這些課程包括設計思維、溝通、創業和項目管理的主題，以及Microsoft Word和Excel課程。
個別用戶（B2C）正在學習技術——也許是為了幫助找到新工作或獲取當前工作所需技能，也許是為了幫助他們的個人項目。來自企業帳戶（B2B）的用戶行為不同。他們正在學習在商業環境中重要的技能：溝通、團隊合作和項目管理。此外，請記住，像SolidWorks這樣的課程可能是雇主要求員工完成的課程。
技能與工作的對應
LinkedIn對技能與工作的對應研究使該公司開發了技能基因組。這樣描述：
對於任何實體（職業或工作、國家、行業等），技能基因組是一個有序列表（向量），列出了該實體的50個“最特徵技能”。這些最特徵技能是使用TF-IDF算法來識別目標實體的最具代表性的技能，同時降低對該特定實體幫助不大的普遍技能（例如，Microsoft Word）的排名。
本質上，這一方法顯示你可以根據技能在工作招聘中的出現頻率進行排名。跳過數學，這裡有一個直觀的TF-IDF描述：
詞頻（TF）：測量一個詞（或技能，在這裡）在文檔或工作招聘中出現的頻率。較高的頻率可能表明相關性。
逆文檔頻率（IDF）：測量一個詞在更大範圍的文檔（或工作招聘）集合中是常見還是稀有。像“the”或“and”這樣的常見詞會獲得較低的IDF分數，降低它們的重要性。
我們可以通過對O’Reilly的數據進行主題建模來完成類似的任務。首先，我們找到與每個主題相關的頂部詞彙。然後我們使用零樣本分類將主題映射到工作。這一過程產生的結果如下：
網絡安全專業人員：– 匹配主題1：[‘kubernetes’，‘ckad’，‘developer’，‘application’，‘certified’] | 分數：0.976– 匹配主題2：[‘security’，‘professional’，‘certified’，‘systems’，‘information’] | 分數：0.918
技術顧問： – 匹配主題1：[‘kubernetes’，‘ckad’，‘developer’，‘application’，‘certified’] | 分數：0.579– 匹配主題2：[‘azure’，‘microsoft’，‘az’，‘fundamentals’，‘900’] | 分數：0.868– 匹配主題3：[‘linux’，‘gpt’，‘artificial’，‘intelligence’，‘go’] | 分數：0.623– 匹配主題4：[‘learning’，‘machine’，‘deep’，‘design’，‘driven’] | 分數：0.527
職位“網絡安全專業人員”需要Kubernetes（包括CKAD認證）和安全技能。作為技術顧問的工作需要更廣泛的技能組：雲開發、Linux、AI等。“技術顧問”雖然與“網絡安全專業人員”的主題對應不如前者明確，但仍然為我們提供了良好的起點。
經過一些數據清理，我們可以反轉這一映射，以找出與任何給定主題相關的工作。例如，採用課程標題，然後將其映射到主題，再將主題映射到職位標題。例如在主題1中，技能“AWS”和“cloud”映射到職位標題雲工程師、AWS解決方案架構師和技術顧問。這一結果正是我們應該預期的，顯示了這種發現技能與工作的對應標籤方法的價值。主題1（AWS、雲）：
主題1（AWS、雲）：
雲工程師AWS解決方案架構師技術顧問
主題2（Python、AI設計）：
機器學習工程師AI軟件工程師
主題3（軟件架構）：
軟件工程師軟件架構師
主題4（Kubernetes、開發者）：
平台工程師DevOps工程師
主題5（Java開發）：
後端開發人員全棧開發人員
主題6（微服務）：
後端開發人員平台工程師
主題7（安全系統）：
網絡安全分析師資訊安全工程師
主題8（Microsoft Azure）：
雲解決方案架構師Azure開發人員
主題9（Linux、AI）：
機器學習工程師AI工程師
主題10（深度學習）：
機器學習工程師數據科學家
主題建模在根據學習者消費的主題識別工作技能方面可以發揮重要作用。這無疑可以被教育機構用來提供競爭優勢。它確實被像O’Reilly這樣的公司使用，這些公司為個人和企業客戶提供培訓服務。但更重要的是，它為人力資源部門提供了有關他們需要招聘的技能的寶貴信息。
對於能夠利用這些數據的機構來說，這是一種競爭優勢。它告訴他們所教授的主題正在為學生準備什麼角色，並可以幫助他們規劃更符合行業需求的課程。大學可以利用這一分析來觀察外部趨勢以及內部課程的受歡迎程度。學生可能根據工作面試和實習經驗對所需技能有獨特的直覺。分析校友數據可以顯示他們的校友曾擔任過的職位，這可以與這些校友在校時所選修的課程進行比較。
行業的角色
行業需要什麼？課程完成數據顯示，我們的企業客戶的學生在尋求管理、溝通和產品管理等軟技能，除了技術技能之外。雖然這可能反映了學生“想要超越”的願望，而非企業的需求，但公司意識到良好的溝通和管理技能是必不可少的，而這些技能並未在學位課程中教授。而且，讓我們面對現實，每個人都想要產品經理。
主題建模表明，企業正在尋找雲技能、軟件架構（更高級的技能）、人工智慧技能、Kubernetes、Java、Python、微服務、安全性和Linux。除了AI、Java和Python外，在大學或學院的計算機科學系中幾乎很難找到這些主題的課程。我們不會點名，但我們挑戰你進行自己的研究。我們查看的大多數學校提供一到兩門雲計算課程（但沒有針對具體雲供應商的課程）；我們未能找到任何提供微服務或Kubernetes課程的大學，儘管肯定有一些存在。如果你接受我們的挑戰，我們建議你查看你所在州的旗艦大學、一所二級大學、一所社區學院和兩所私立院校（一家知名的，一家不知名的）。不那麼知名的學校更有可能提供針對特定工作相關技能的培訓。
如果大學和學院不提供行業所需的技能培訓，那麼誰能提供呢？責任似乎完全落在了行業的肩上。如果你無法聘用擁有所需技能的人，雇用優秀的人員並培訓他們。但在工作中是否有培訓可用？答案往往是否定的。這是為什麼呢？
越來越多的公司意識到企業培訓計劃的必要性，但這樣做卻與過去幾十年的企業思維相悖。多年來，激勵措施都是錯誤的。股東希望看到股價上升，因此施加壓力給高管，要求他們通過回購和裁員來最大化股票的短期價值，這往往以長期思維為代價。在《打破資本主義的人》一書中，大衛·蓋爾斯指出：
在[傑克]韋爾奇之前，企業利潤主要再投資於公司或支付給工人，而不是返還給股東。1980年，美國公司在回購和分紅上的支出不到500億美元。到韋爾奇退休時，企業利潤中更大的一部分用於投資者和管理層，2000年美國公司在回購和分紅上的支出達到了3500億美元。
培訓是對公司的投資——而這是一種已經過時的投資形式。
不過，前瞻性的公司意識到，對員工進行技能提升的投資是長期戰略思維的關鍵部分。以最大化短期利潤的方式運營公司會對培訓產生嚴重影響：如果開支削減到骨頭，公司無法幫助員工跟上技術變化，也無法幫助新近畢業的大學畢業生過渡到“現實世界”。反過來，落後於當前技術的員工將導致不良的長期結果。落後於趨勢或從未走到趨勢上的員工將在開發未來成功的產品時遇到困難。削減培訓只會導致公司在長期表現不佳。
歷史證據支持技能學徒的價值。實習可以是小型的“老虎隊”，讓學生專注於特定問題並有導師指導。儘管我們在21世紀聽到的關於學徒制的消息不多，但實習（甚至博士項目）與學徒制共享許多方面。學徒制是幫助新近大學畢業生迅速掌握所需技能的理想方式。它對於需要提高技能或隨著行業演變而學習新技能的高級員工來說，應用性較差。重要的是要記住，高級員工從指導年輕員工中獲得的收益。當指導做好時，導師會接觸到學生的新想法。這要求他們思考自己所知道的所有事情；說話和解釋會鞏固他們自己的知識。
許多公司通過O’Reilly學習平台等產品提供內部培訓計劃。這類產品可以與公司的學習管理系統（LMS）集成，根據員工的需求創建自定義課程並跟踪學習進度。這種解決方案對於高級和初級員工都有效：一名高級開發人員可能只需要在一些感興趣的主題上跟上進度，例如人工智慧，而新聘用的員工可能需要填補在學校未獲得的基本知識。
批判性思維則呈現出不同的問題。所有人都被灌輸市場行銷文獻和年報的公司最終會失敗；因為他們無法跳出框框思考，新發展使他們措手不及。批判性思維並不與特定主題或技能（如微服務）相連，但可以在任何環境下學習。最近，我們的學習平台開始引入互動選項，包括互動測驗、編碼沙盒和實驗室，讓你可以嘗試想法，還有挑戰練習來測試新技能。所有這些學習工具都有助於教授批判性思維。批判性思維技能還可以通過閱讀書籍、撰寫所學內容和參加學習小組來發展。批判性思維的另一個關鍵在於重視教學，這種教學或指導不圍繞成績或學生評估，而是理解所有教學都是探索的過程。要培養批判性思維技能，公司需要超越提供課程內容。他們需要建立一種尊重所有想法的文化，鼓勵討論、探索和失敗的文化。
對求職者進行培訓、提升技能和再培訓的需求沒有得到滿足。僅僅依靠大學是不夠的，無法滿足不斷變化的勞動力需求。沒有捷徑可言。學習需要實踐；它可能會混亂、緊張、尷尬且困難。但如果沒有學習的掙扎，就沒有未來：不僅對於個別求職者，也對於依賴他們生產力的其他人來說都是如此。對於大多數學生來說，學習是填補學術研究與實用技能之間的鴻溝。像O’Reilly這樣的平台在提供尖端技能、認證和知識方面架起了這一鴻溝。
