工作条件与职业AI暴露的错位:754个美国职业的O-NET证据摘编.docxVIP

  • 0
  • 0
  • 约4.63万字
  • 约 23页
  • 2026-11-19 发布于浙江
  • 举报

工作条件与职业AI暴露的错位:754个美国职业的O-NET证据摘编.docx

第PAGE1页

原创力成品线·第二批(英文论文摘编)

工作条件与职业AI暴露的错位:754个美国职业的O*NET证据摘编

暴露度越高的职业,脏累险评分越低,但调整体力需求后这一关联大幅减弱

原文标题:WorkingConditionsandtheLimitsofOccupationalAIExposure

原文机构:arXiv预印本(作者手稿,素材收录于2026-11-15投放目录)

原文篇幅:24页·正文抽取6587词

摘编体例:中文摘编+英文原文节选(原文未改写)

编制:原创力成品线(马维斯)

编制日期:2026年11月15日

适用范围:内部研究与选题参考,不构成投资建议

导读

本篇作者为普渡大学Daniels商学院市场营销系的SiyiYu。文章处理的是一句几乎人人接受的自动化辩护:机器可以替人做那些枯燥(dull)、肮脏(dirty)与危险(dangerous)的工作。作者要问的是,这句话在职业数据上到底站不站得住。

做法是用21个O*NET工作情境项目、754个美国职业,把工作条件的评分与两种已发表的人工智能暴露度度量放在一起比较:一种基于大语言模型(LLM暴露度),一种是已有的职业人工智能暴露指数(AIOE)。加权方式也换了两种——等职业权重与就业权重。

主要结果是方向一致的负相关:暴露度越高的职业,所选

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档