“孩子喊父母回家” 鼓励返乡就业除了亲情牌还有哪些招******

　　紧紧抓住乡村振兴和共同富裕等国家战略，充分利用好各类政策红利，为返乡就业创业提供全面支持

　　据报道，今年春节，江西赣州多地继续推进“孩子喊父母回家上班”行动，增强父母对家庭教育主体责任的意识，动员留守儿童家长返回家乡就业创业，陪伴孩子健康成长。赣州市崇义县妇联表示，将通过加大宣传力度、组织举办活动等方式，切实为有求职需求的妇女群众搭建就业咨询平台、提供就业咨询服务，促进更多劳动力在家门口就业。

　　我国经济发展的主战场在城市特别是大城市，大量农村地区的剩余劳动力背井离乡，到城市就业打拼，一般只有春节期间才会返乡一次。这样一种城乡二元结构导致留守儿童和留守老人的照料问题凸显。留守儿童得不到父母更多的关爱，加之隔代教育的弊端，并不利于孩子身心健康和全面发展。

　　如果能够吸引父母返乡就业创业，在家门口上班，并实现家庭团圆，将会从根本上解决农村留守儿童和留守老人的照料问题。

　　但冰冻三尺非一日之寒，如果没有创新性的举措，可能很难真正让外出务工人员愿意返乡就业。就此而言，赣州市的做法值得肯定，但除了打“亲情牌”，地方政府还应出台更有针对性和有效性的政策措施，真正促进更多劳动力在家门口就业。

　　笔者曾到部分乡村地区调研发现，农村地区主要是留守老人和儿童居多，青壮年劳动力多数外出务工。虽然农村地区的教育、医疗等方面的基础设施和公共服务都在加快完善，但是青壮年返乡创业就业的比例仍然偏低。不少打工家庭还将子女迁出农村，到城市和县城上学。

　　之所以人们舍近求远地外出务工，归根到底还是农村本地的就业机会乏善可陈，工资收入不高。与此同时，农民长期以来存有一种离土入城的愿望，希望可以在外闯出一片天地，并在城市稳定和定居下来。

　　鉴于此，在吸引外出务工人员返乡就业创业方面，地方政府应认识到乡村治理问题的严峻挑战，从系统层面整体推进，才能循序渐进地取得进展。特别是要紧紧抓住乡村振兴和共同富裕等国家战略，充分利用好各类政策红利，为返乡就业创业提供全面支持。

　　返乡就业创业面临的首要问题是劳动力的供需矛盾，即产业基础薄弱和就业机会稀缺。地方政府需加大招商引资力度，特别是因地制宜地发展劳动密集型产业，为返乡人员就业创业提供产业基础。如果没有高质量的就业岗位，很难产生强有力的竞争力，更不要说吸引劳动力返乡了。

　　农村劳动力的供过于求使得工资收入偏低，劳动权益保护不够的问题仍然部分存在。这意味着各地要加强农村地区的规范用工，强化劳动权益保护，使农村劳动者也能够获得应有的薪资和福利，保障他们就近工作的权益，切实解决他们返乡就业的顾虑。

　　不少农村劳动力的职业技能不高，难以适应新兴产业的发展要求，也影响了企业投资设厂的积极性。地方政府要创新形式方式，加强农村劳动力的职业培训，提升农村青壮年劳动力的就业能力，使他们可以投身当地制造业、手工业和乡村文旅等新兴产业。

　　另外，还可在城市发力，推动更多农村人口向中小城市和县城定居，加快农民工的市民化，并为随迁子女提供更好的公共教育服务。

　　近年来，我国新型城镇化进程加速推进，意味着会有更多人向城市聚集。特别是新生代农民工有着强烈的城市归属感，更愿意留在城市发展，而不是返乡生活，为此，城市应考虑吸纳更多农村人口实现市民化，推动城市扩容增效和均衡发展。毕竟，安居才能乐业，宜居方能宜业。

　　成都商报-红星新闻特约评论员 马亮(中国人民大学国家发展与战略研究院研究员、公共管理学院教授)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟