人工智能对中等技能劳动力就业极化的逆转效应：任务内容的新数据揭示 .docxVIP

PAGE2

人工智能对中等技能劳动力就业极化的逆转效应：任务内容的新数据揭示

摘要

本研究聚焦于人工智能技术对劳动力市场就业极化现象的影响，特别是大语言模型等生成式人工智能对中等技能劳动力就业结构的重塑效应。传统劳动经济学理论认为，技术进步呈现技能偏向性特征，导致高技能与低技能岗位扩张、中等技能岗位萎缩的就业极化格局。然而，生成式人工智能在认知任务处理能力上的突破，可能正在改写这一经典叙事。

本文利用在线招聘大数据的任务内容分析，对职业任务进行精细度量和分解，系统考察生成式人工智能是否填补了常规认知型中端岗位，从而扭转就业极化趋势。研究从任务内容的新数据出发，构建了“任务填补—结构重塑”的理论分析框架。

全文共分八章。第一章绪论阐明研究背景与方法论基础；第二章梳理国内外就业极化与人工智能替代研究的演进脉络；第三章界定核心概念并构建分析框架；第四章深入解析就业极化的生成机制与内在矛盾；第五章阐释人工智能逆转极化的作用逻辑与条件边界；第六章提出“任务内容驱动的极化逆转”理论框架；第七章总结研究发现与实践启示；第八章反思研究局限并展望未来方向。

本研究的核心发现是：生成式人工智能通过填补常规认知型任务缺口，正在逆转中等技能岗位的萎缩趋势，就业结构呈现“中端修复、两端调整”的新特征。这一发现对劳动经济学理论具有修正意义，并为教育政策与劳动力市场调控提供了新的实证依据。

关键词：人工智