随着经济发展速度的不断提升以及"人工智能时代"的到来,人们的工作与生活方式发生着翻天覆地的变化。不断变化的环境对新时代的个体提出了更高的要求。个体需要不断的应对各种变化,"稳定"一词逐渐远离个体的生活,生涯发展的不可预测性则更加突出,因此,很高的确定性和可预测性并非生涯辅导的目标,引导来访者以开放的心理系统去适应复杂动态的生涯系统,即提升人的生涯适应力水平才是正确的辅导路径。为进一步提高生涯辅导的高效性,准确鉴别低生涯适应力的人群,进而制定有针对性的干预策略,本研究结合生活设计范式以及主观生涯和客观生涯的概念,旨在提出并检验一种将文本挖掘和项目反应理论相结合的新的生涯适应力测评方法。研究基于生活设计范式编制了"我的生涯故事"为题的文本测试材料,并采用整群取样的方法对某省师范大学的1321名大学生分别进行了大学生生涯适应力问卷调查以及以文本材料的测试。为避免同时测试时,问卷测试内容与文本测试内容会产生相互影响,两次测试分开进行,时间间隔为两周(均为先测试问卷)。删除无效问卷以及只参加一次的被试之后最终剩余有效数据为924份,有效率为69.94%。研究主要包括三个部分。研究1为基于文本挖掘的生涯适应力测评方法。在研究1中,按照被试在可能构成生涯适应力水平的相关因素(由16名生涯指导专家赋予权重)上的得分,分为高低生涯适应力两个类别,使用贝叶斯分类的机器学习算法对文本进行分析,训练分类模型,并在验证集数据中对分类模型进行测试。研究2为基于项目反应理论的生涯适应力测评方法。在此部分中,采用两参数等级反应模型根据被试在生涯适应力问卷上的作答进行能力参数的估计,并检验分类的准确性。研究3为基于文本挖掘的项目反应理论模型的测评方法。即在贝叶斯框架下,将研究1中的文本分类结果作为潜在特质生涯适应力的先验分布,在项目反应模型中进行能力参数估计。为避免样本大小对于参数估计结果的影响,三个研究均在不同大小的样本下进行,进而比较不同方法的预测准确性。研究结果:(1)在300人样本中,文本-IRT方法的分类准确率最高,IRT方法次之,文本分类最低(0.568<0.618<0.621);文本分类、IRT和文本-IRT方法的敏感性分别为0.761、0.731和0.733;文本-IRT方法的特异性、正向预测值和负向预测值均高于其他两种方法,分别为0.485、0.613和0.634。(2)在600人样本中,文本分类、IRT和文本-IRT方法的准确性分别为0.586、0.594和0.596,三者比较接近;文本分类的敏感性要显著地高于其他两种方法,为0.760;文本-IRT方法的特异性最高,IRT方法次之,文本分类最低。3种方法的正向预测值和负向预测值维持在0.6左右,具有中等程度的可靠性。(3)在900人样本中,文本分类、IRT和文本-IRT方法的准确性分别为0.601、0.598和0.602,文本-IRT方法略高于其他两种方法;文本分类的敏感性为0.782,分别高出IRT和文本-IRT方法 10.3%和9.4%,在鉴别低生涯适应力方面有非常大的优势,但是在鉴别高生涯适应力方面能力最差,而文本-IRT方法在鉴别高生涯适应力个体方面表现最好。(4)随着样本数量的增加(300/600/900),文本分类的准确率、特异性、正向预测值和负向预测值逐渐提高,IRT方法和文本-IRT方法的敏感性逐渐降低。本研究得出以下结论:(1)在300人样本中,文本分类方法的敏感性最高;但是综合各项指标来看,文本-IRT方法预测效果最好,有较高的可靠性程度,在预测准确性方面有其独特的优势;(2)在600人样本中,文本分类方法预测效果相对较好,在鉴别低生涯适应力个体上有独特的优势。但是在使用时需要根据实际需要进行选择,若对准确性要求较高时,而可以适当地牺牲敏感性时,选择文本-IRT方法较为合适。(3)在900人样本中,当需要同时兼顾准确率、敏感性和特异性时文本-IRT方法比较合适;当比较重视鉴别低生涯适应力个体的能力时,文本分类方法效果最好。(4)样本量的大小对文本分类的准确率、特异性、正向预测值和负向预测值以及IRT方法和文本-IRT方法的敏感性有较大影响。