本文是发表在 Technologies上聚焦于通过数据驱动方法解决毕业生就业能力与劳动力市场需求不匹配的问题的研究(2025年9月1日发布)。毕业生技能与劳动力市场需求之间的不匹配及其导致的失业问题,一直受到学术界和教育机构的广泛关注,尤其是在技术快速发展的背景下。人工智能(AI)和机器学习(ML)等新兴技术为分析劳动力市场动态提供了宝贵的机会。本研究提出一个新的框架,旨在基于摩洛哥当前劳动力市场数据预测毕业生的就业能力。我们的方法将多准则决策方法(MCDM)与机器学习预测模型相结合:AHP(层次分析法)用于确定就业能力关键因素的重要性,TOPSIS用于对技能需求进行排序,两者共同形成机器学习模型的输入特征。通过网络爬虫收集的2100条招聘信息被用于训练和评估多种机器学习模型。其中,K近邻(KNN)分类器表现最佳,经过5折交叉验证后准确率达到99.71%。尽管研究使用的数据集较小,但结果表明,将MCDM方法与机器学习结合用于就业能力预测具有实际意义。本研究是首批将AHP–TOPSIS与KNN集成,用于基于摩洛哥实时劳动力市场数据进行就业能力预测的研究之一。