你说对学生的判断结果，要加上过程判断，我建议要建立一些常态的、经常性的分析，这个过程肯定是需要长期的积累，你现在已经做了四年，已经相当好了。这样做下去，我估计你会前途无量。这是非常好的事情，当然还会慢慢聚焦到对就业影响方面，虽然你不做判断，但实际上当数据积累到一定程度的时候，会直接影响到就业的几个因素。我刚才看到包括几个方面，实践、课程，我们的毛入学率超过了德国，奥巴马上台的时候喊的是就业，美国就业率从5%上升到10%，他感到很困难。我上次在美国讲到，你把所有的中低端制造业外包了，实际上劳动密集型吸引的就业比高端的服务业还要多，但美国通过向墨西哥输送人才把它填补了。

　　储朝晖:

　　我表达三层意思，第一，感谢王博士的团队为我们研究大学生就业工作的人提供了这样的基础数据。第二，我感到王博士不仅是做了社会所需要做的事，而且他选择了很正确的方式做这件事，采取第三方评价的方式做这件事，我感到这是目前中国高等教育发展中，也是教育发展当中一个很严重的问题，我们很多评价还是从政府的角度或者是学校的角度做的，能不能有更多的研究机构从事第三方研究、第三方评估。第三，你们发的每期的资料，我都抽时间读，我感到数据方面做的非常好。

　　我提一点建议，下一步能否从更多的维度考虑这个数据如何收集，第一是文化维度，数据背后还有很多内容，有价值的东西、文化的东西，我认为这是研究教育和其他问题的很大的差异，所以在数据收集的时候要考虑这个因素。对机械制造方有负面的，表示是不是产能过剩，会不会误导大学生往这方面走。要考虑多种，不要仅仅就客观，可以更宏观、更多维度考虑这个问题。

　　吴垠:

　　我来自零点，我和王老师是同行。首先，我对我们同行以第三方的角度发布，感到非常高兴。第三方数据的特点，就我们这次报告，我们也有类似的经验，刚才所说的解读的问题，实际上是非常需要媒体在传播过程中有一个综合性的考虑，不然的话，在这么重大的地方发布的影响，就会受到一些歪曲。基于零点以往的发布会和媒体沟通起来，特别强调这一点，你们在数据解读方面，要注意三个方面：第一，指标的结构性。不要光看那个数，那个数一报可能会造成偏差；第二，指标的相关性；第三，注意数量之间的联系。除此之外，还希望你们在报道中多听专家的解读，而且是不同角度专家的解读，不要主观片面、单一性，如果这样的话可能会对数据的解读有不必要的数据说明。

　　王伯庆:

　　谢谢吴博士。下面请查建中教授，他是联合国教科文组织产学合作教席主持人、北京交通大学教授。

　　查建中:

　　谢谢王博士。我是做工程教育改革战略研究，做了五年，自从主持联合国教科文组织产学合作教席以来，我认为这个是我们的工作基础，我们的教育是粗放型的，如果对比制造业，如果一个制造业根本不知道目标在哪儿、产品状况是怎样的，那它根本无法生存。而我们的教育大概就是这种粗放型的，你要把一个卫星送进轨道，你不知轨道在哪，你没明确定义，同时你不知道你的卫星飞在哪儿、什么状况，什么速度、位置，加速度，你就没法控制它，怎么进入轨道。我们的教育问题，我想主要出在这儿。而麦可思做了非常基础性的工作，我觉得这是真正改革中国的教育一个最基本的工作。

　　说到诊断，我同意专家的意见。要靠各方面的专家来诊断，比如说有一个数据，亮红牌、黄牌的专业，很多都是计算机方面的专业，信息技术、计算机应用，但据我观察，我们的产业非常缺人才。下午开第十四届软件高峰人才论坛，我知道软件缺口每年都是几十万。所以这个信息给我们的并不是说他找不到工作，而是职场不需要人，如果给这样的信号大概会有问题。我非常同意陈光老师的意见，你要倾听产业的声音，一个是你的目标定位在职场你培养什么人，需要什么样的素质、能力、知识跟技能，你要听产业的声音，还有一个就是你的产业的状况，你的需求是什么，我们这个方面非常差，产学科技非常严重。一方面是学生找不到工作，掩盖的一个很大的危机就是产业找不着人。因为我做这个工作，我和很多大产业都有接触，我们注册的公司有1000万，如果每一个企业都需要创新人才，就是千万级，这绝不是几千、几万、几十万人才所能解决的，中国所要的人才是百万级到千万级。