一种用于处理职业规划不确定性的稳健决策算法：基于圆形直觉模糊 SWARA-WASPAS 方法

为何选择培训路径如此困难

许多学生完成职业课程后才发现找到一份好工作仍然困难。他们必须在课程、咨询服务和求职工作坊之间做出选择，同时雇主的需求不断变化。本文研究如何在尊重人类判断混乱现实的前提下设计并比较此类项目——专家常常感到不确定、会改变看法且并不总是意见一致。

在充满疑虑的世界中做决定

职业培训决策涉及许多动态因素：将技能与真实岗位匹配、帮助青年明确目标、教授求职习惯以及保持长期就业。这些因素可能相互牵扯，培训师、辅导员和行业合作伙伴等专家通常只有部分或不确定的信息。研究没有强迫他们给出单一确定分数，而是允许他们的意见反映出犹豫和疑虑，捕捉他们支持某个选项的强度以及对该判断的不确定感。

用圆圈捕捉不确定性

为此，作者采用了数学中的一个新思路，将意见描述为圆圈而非单点。每个圆圈显示专家倾向于支持或反对某选项的程度，以及围绕该观点的一个不确定带。这个更丰富的表征承认专家可能会说“这看起来不错，但我并不完全有把握”。在此基础上，研究将两种常用的排序工具加以改造：一种用于确定各因素的重要性，另一种用于对竞争的培训方案打分和排序。两种工具都被重写，使其可以直接处理这些圆形意见表示，而非僵化的数值。

权衡重要因素并为方案打分

方法的第一部分侧重于衡量最重要的因素，例如技能与岗位的匹配程度、学生对职业的清晰度、求职准备程度、安置频率以及在职持续时长。专家使用“中等”或“非常高”等日常用语表达意见，这些描述随后被映射为圆形意见形式。该方法逐步比较各因素，调整其权重，同时保留专家的犹豫信息。第二部分对若干竞争的培训模式进行评估，汇总每个因素的所有专家意见，并采用两种不同的证据汇总方式生成得分，再将这两种得分融合以得出方案的最终排序。

在现实培训情景中的测试

为展示实际应用，作者构建了一个职业学院案例研究，旨在改善就业结果。比较了五种项目类型，范围从简单的技能培训到包含结构化规划、个人指导和用人单位衔接的完全综合模式。来自教学、咨询和行业的专家对每一选项进行评分，仍然使用映射到圆形意见系统的日常语言。当该方法处理这些信息时，有一项方案脱颖而出：将职业培训与基础职业咨询相结合始终排名第一，优于更为粗放的培训，甚至优于更复杂的综合方案。

在更严格检验下的稳定结果

研究随后检验这些排序的脆弱性。它改变了对不同因素的重要性赋值，调整两种得分公式之间的权衡，并使用标准统计检验衡量不同方法间排序的相似性。在所有这些检验中，同一项目组合始终位居首位，其余选项的顺序几乎未变。这表明该方法对小幅调整或专家间分歧不太敏感，这是在真实教育与政策场景中使用的关键要求。

这项研究对学生和规划者的意义

简而言之，本文展示了一种在不失控的情况下更诚实地处理不确定性的复杂培训与职业指导决策方法。通过允许专家意见模糊且带有犹豫，同时以结构化方式将其合并，方法能够识别在多次测试中既有效又稳定的选项。对普通读者的要点是：即便是适度的职业咨询与职业培训结合，也能对就业结果产生明确且可靠的改善；谨慎且关注不确定性的决策工具可以帮助学校和机构更有信心地选择此类改进。

引用: Chen, J. A robust decision making algorithm for handling uncertainty in career planning via a circular intuitionistic fuzzy SWARA WASPAS method. Sci Rep 16, 15953 (2026). https://doi.org/10.1038/s41598-026-45506-0

关键词: 职业规划, 职业培训, 决策, 模糊逻辑, 就业指导