人工智能时代的职业技能失配：特征解析与应对策略
谢青松 许 玲
摘 要 教育的首要目标是使受教育者能够找到与个人性格和能力匹配的职业，实现个人职业生涯成功和人的生命价值，从而推动社会经济繁荣与人类社会可持续发展。但在人工智能时代，新兴技术的广泛应用加剧了职业技能的过时、不足、过度等为特征的职业供给和需求之间的失衡，其直接负面后果是职业技能失配，从而导致失业率增加、失业周期延长、招聘困难、技能过时、低技能就业等职业匹配异化现象。因此，应正视教育的本质和目的，强调教育的职业贡献价值；倡导终身职业教育与培训，重视政策导向和职业技能失配宏观监控；规范标准制定和认证过程，强调质量保证和新的数字化领域证书联通；重构课程内容和知识体系，推行机器人共融教育和数字化能力意识。
关键词 人工智能；职业技能；技能失配；人职匹配；资历框架；工业4.0
第四次工业革命（工业4.0）融合了物理、数字和生物世界的一系列新技术，使大规模生产成为可能，为数十亿人带来数字化能力，而其中最关键的技术应用是人工智能的再次兴起。基于人工智能的超级计算机、无人机、虚拟助手、语音机器人、3D打印、DNA测序、图像识别、智能恒温器、可穿戴传感器等技术设备正广泛应用于我们的生活和工作场景之中，对经济、产业和学科发展带来颠覆式变革。世界著名经济学家施瓦布认为：“我们正处于一场革命的开始，这场革命从根本上改变了我们的生活、工作和相互联系的方式”[1]。在人工智能时代，自动化、数字化、机器人等技术的发展与应用带来了社会职业体系的重构，人们的职业选择和就业路径面临新的机遇与挑战，欧洲技能和职业调查显示，40%的成年工人在过去5年经历了技术变革，47%的成年工人目睹了工作方式的转变，并预测在未来的高级经济时代，50%的工作将会走向自动化，超过72%的欧洲人担心机器抢走人的工作[2]。在人工智能时代，新兴技术的广泛应用加剧了职业技能的过时、不足、过度等各种职业技能失配（skill mismatch）现象的发生，导致失业率增加、企业招聘困难、失业后再就业周期延长等，对经济社会发展和人类个体潜能发挥产生消极影响。
目前，国内对职业匹配研究较多，很多学者通过引用国际人职匹配理论和相关模型探索如何提高学生的就业质量和满意度，为潜在就业者提供有效的择业策略和职业指导。其中，应用较多的人职匹配理论是“职业指导”创始人帕森斯提出的特性因素论和美国职业心理学家霍兰德创立的人格类型理论，研究领域覆盖教师教育[3]、研究生教育[4]、普通高等教育[5]、在线教育[6]等。此外，国内学者也开始关注教育和劳动力市场不匹配的现象，如有研究指出，目前有高达1/3的大学毕业生存在专业与职业不匹配现象[7]；也有研究指出，目前教育中存在职业不匹配的主要原因是“过度教育”和“教育不足”，并特别指出高等教育从精英教育走向大众教育和普及教育阶段过程中高校扩招引起的过度教育现象，即劳动者所受教育年限超过职业对受教育程度的要求，从而造成职业错配和人力资源浪费[8]。国内学者对于劳动者掌握的技能与从事的工作岗位彼此不匹配的现象称为技能错配，相关研究包括技能错配的发生率和对工资的影响[9]，技能错配造成的对宏观经济的影响[10]。从以上文献可以看出，国内研究主要关注职业匹配以及错配对经济社会和个体发展的影响，研究重心主要放在接受正规教育的学生群体身上，忽略了整个劳动力市场的成人学习者和在职学习者，特别是在非正规学习和非正式学习环境下的在职学习者；现有研究主要从人职匹配理论和工作分配理论视角出发，忽略了对人工智能时代背景下职业不匹配成因的提炼与分析，因而在研究对象和研究背景方面存在不足。本文基于人力资本理论认为，人的知识、技能、能力等人力资本投入对经济有重要推动作用，但人力资本的发挥必须取决于个人是否能够从事最适切的职业岗位，而个人如果从事的是所掌握的技能与就业岗位要求不匹配的职业则统一称为职业技能失配。对于国际通用语“mismatch”的翻译采用“失配”而不是“错配”，旨在尊重职业的技能动态变化规律，由于社会科学技术的持续发展，职业技能与职业岗位的匹配会不断“适配”和“失配”，职业技能只有“合适”与“不合适”，而没有“对”与“错”，因此“失配”用语更为适宜。在国外，职业技能失配研究已有近20年的历史，受到美国、德国、英国等发达国家以及欧盟、经合组织、世界银行、国际劳工组织等国际组织的高度重视。本文基于人工智能的时代背景，探讨职业技能失配现象，聚焦职业技能失配的本质内涵、类型特征、成因影响和应对策略，希望能激发国内政策制定者和学术研究人员对职业技能失配的关注。
由图4可知，随着酶解温度升高，玉米醇溶蛋白与Zn2+螯合能力呈现先增加后降低的趋势，当酶解温度50℃时，玉米醇溶蛋白与Zn2+螯合能力为9.36 mg/mL，达到最大，此时酶解度为15.55%。酶解温度继续升高时，Zn2+螯合能力逐步下降，而酶解度继续升高，当酶解温度达60℃时，酶解度达到26.09%，随后下降。这一结果表明，玉米醇溶蛋白与Zn2+螯合能力及酶解度并不是呈正相关的关系。
一、人工智能时代职业技能失配的内涵特征
人工智能是利用计算机进行智能行为模拟，以及机器模仿智能人类行为，包括数字计算机或者数字计算机控制的机器模拟，从而延伸和扩展人的智能[11]。人工智能的优势包括降低成本、增强预测能力、适宜于非结构化环境，如基于人工智能的图像识别技术应用于医疗领域，将医生诊断的失误率从29%降到3%，并大大提高医生的诊断效率[12]。但人工智能对职业带来的直接负面影响是加剧职业技能失配，即因职业供给和需求失衡导致失业、招聘困难、技能过时和不得不选择从事非个人潜能发挥的工作等职业匹配异化现象。职业技能失配主要包括三种类型。
二要重视并做好项目工作，树立“抓前期就是抓资金，抓项目就是抓大事”的理念，紧盯省、市资金投向，按照“论证一批、落实一批、储备一批”的要求，加大水利项目前期工作力度，提高项目设计质量，不断充实水利项目储备；结合国家大中型灌区节水改造、大型排涝泵站更新改造、农业综合开发、土地治理、高效节水等项目，扎实开展以大沟或灌区为单元的农田水利小区工程建设，重点建设一批跨乡（镇）的大沟、排灌站工程，进一步调节水资源时空分布，并实行“沟、渠、路、林、田、桥、涵、闸、站、井”综合治理，实现农田灌排自如。
（一）技能不足
人工智能时代技术和产品变革周期大大缩短，公司从产品原型设计到市场销售进程得到加速，创意走向现实更快。此外，许多商业组织将不断减少对核心员工的依赖，通过借助大众或网络社交平台，推进产品的研发与生产，“草根”生产和“去中心化”运营模式将颠覆传统产业组织架构。在人工智能时代，数字化世界允许“胜利者”占领全部市场，技术产品快速实现产业化和规模化。人工智能时代的瞬息万变对职业技能提出了更高要求，职业技能失配将成为常态，对个人和社会带来挑战。
（二）技能过度
人工智能时代的高度自动化导致工人遭受很多负面的就业影响。首先，许多人担心会失业，影响到工作满意度，产生工作焦虑和消极心理情绪，影响其心理健康和工作效率。其次，高度自动化场景下工作的工人时薪要比同样的工作岗位低3.5%，收入的下降直接影响到工人的生活水平和人生幸福。最后，不同社会行业遭受人工智能自动化影响不一样，但中低技能的工人更容易受到自动化的负面影响。由于缺乏及时的智力输入，很多低技能员工面临着失业的危机。美国开展了一项未来计算机化对劳动力市场结果预期影响的调查，其主要目标是分析风险工作的数量、职业的计算机化概率、工资和教育程度之间的关系。研究显示，美国约有47%的就业机会面临风险，而工资和教育程度与职业的计算机化概率呈现出强烈的负相关关系[19]，发达国家的教育收益值得反思。此外，人工智能时代新技术的应用，可以产生更多、更好、更便宜的产品，满足消费者更高的要求和创造更多的工作机会，但高生产率和劳动收入分配的联系被削弱，技术进步加剧了收入不平等，引起社会深层次矛盾。在人工智能时代，技术突破倾向于取代低技能和常规工作，现有的高技能工作，如健康、法律、财经和教育等行业的工作，将会开展得更快更好，但人口危机威胁社会适应未来劳动力市场需求转变的能力，职业中期的工人比职业初期的年轻人更难以提升技能和改变工作。人工智能时代的职业技能失配将导致工资、工人工作小时、年龄限制和技能水平的要求不同，技术创新引发的工作创造超过了蒸汽时代、电气时代和信息时代，虽然不会创造新的工作或任务，但是会用人工智能进行商业创新和运营模式创新，如机器人，正在更大程度上改变工作的性质和过程。由于很多工人无法跟上技能发展的需要，导致两极分化加速、收入分配不均衡、社会等级差距加大、社会不公平现象增加。
（三）技能过时
技术的持续动态更新迭代导致大量职业技能过时，缺乏对人工智能时代所需技能的及时培训和补充，有可能让25%～40%的工作岗位处于自动化高风险之中。据统计，欧盟成员国中约有10%的工作岗位被发现面临技术技能过时的高风险，其中，爱沙尼亚（23%）、斯洛文尼亚（21%）和捷克共和国（19%）最甚[14]。就行业而言，从事供水管理、燃气供应、建筑、农业、林业、制造等相关职业的工人更有可能在工作中体验不断变化的技能要求，见图1。对于那些受雇于过去5年中不断经历技术变化的工作中的工人，他们的一些技能很可能在未来5年内过时。
图1 行业自动化的平均概率
资料来源：Pouliakas,2018[15]
在人工智能时代，传统的生产和商业模式被颠覆，大规模的就业被破坏，组织机构需要重组，技能短缺和不足等技能失配现象越发严重，劳动力市场不均衡发展导致结构性失业，失业率可能达到前所未有的顶峰。根据欧洲职业培训发展中心统计，40%的欧盟国家企业雇主难以找到具备适当技能的人，40%的欧盟国家工人难以找到技能适切的工作，约有39%的欧盟成年工人技能过度并不得不选择低质量的工作岗位，约有30%的欧洲工人拥有与其工作岗位要求不相符的资历，而仅有45%的欧洲成年工人认为他们的技能可以在工作中得到很好的发展和更好的发挥。此外，失业周期被延长，长期失业人员主要是低受教育者。据估计，到2025年，大约48%的欧洲工作机会需要拥有高等教育资历的员工，而85%的欧洲工作需要掌握至少一项基础的数字技能[16]。快速数字化和技能过时引发了人们对劳动力准备程度和效果的担忧，因此，发布降低职业技能失配的国家政策将有助于提高企业的生产力、改善工人的福祉。
二、人工智能时代职业技能失配所致的挑战
人工智能时代的自动化、数字化、机器人等技术的拓展应用对技能需求造成巨大影响。据预测，未来5年，人们已经拥有的大量工作技能将无法适应技术需求的转变，迫使个人必须持续学习并迅速适应新技能的要求，以应对可能经历的技术失业和工作薪酬的两极分化。在人工智能时代，技能不足对于企业雇主而言，会出现招聘困难，空缺职位难以填补等现象；对于求职者而言，会因为技能不足而难以就业，特别是已经失业人员，重新回到就业市场后将比未经历职业中断的人员出现更大的职业技能差距，这种社会现象也普遍发生在资历较少或初次就业的社会群体中，包括家庭女性、年轻工人、大学应届毕业生等，他们在就业选择时往往欠缺工作岗位所需的职业技能。技能不足对个人可能造成难以就业、生存压力和数字鸿沟；对企业而言，会造成创新力、竞争力和灵活度降低，影响企业生产力增长；对社会而言，造成经济增长缓慢、缺乏活力和发展失衡。寄望于在人工智能时代的数字经济中生存和发展，并适应未来工作技能要求，个人不仅需要具备良好的数字技能，而且还应具有系统认知技能和社会情感技能，包括解决问题的能力、创造力、学习能力、沟通技能和协作能力。
（一）失业率增加，失业周期延长，低质量就业普遍
尽管技能失配存在延续性和持久性，但并不是一成不变的，其本身就是一种复杂的、多维的和动态的社会现象，可以随着个人资历累积而变化，对于大部分工人而言，其初始职业技能的差距会随着时间的推移而逐渐减弱。在个人职业生涯中，技能失配的类型和演变通常来自于技能增长比率以及工作任务复杂程度变化之间的平衡，这两种力量是相互联系的，虽然难以确定因果关系，但工作初始技能发展与工作后续技能形成之间存在显著的负相关关系。就职业技能发展而言，当个人进入较复杂的，以非自治和有限期限为特征的日常工作，几乎没有继续学习的空间和机会，他们的技能有更大的可能性会随着时间的推移而停滞不前，并出现技能不足和技能过时，但如果个人选择融合了非正式学习的工作，获得与同龄人互动、向主管学习、反复实践等机会，其技能发展所受到的积极影响甚至会超过雇主提供的结构化培训课程，个人可以实现自身职业技能与工作岗位的匹配。
（二）工作转型，岗位消失，职业学习需求增加
复播油用向日葵不同密度对群体生理参数及产量的影响………………… 刘胜利，王 鹏，柳延涛，赵 刚，李万云，陈寅初（16）
图2 工作自动化的风险占比
注：自动化风险的分类标准：高度风险=70%；变革转型50%～70%；适当调整30%～50%；少许变化＜30%。
资料来源：Pouliakas,2018。[18]
（三）两极分化，收入不平衡，社会差距加大
教育扩张是最近几十年全球性的发展趋势，但发达国家的教育扩张对教育收益有着负向影响，而造成的原因是过度教育导致教育投入和产出不匹配[13]。过度教育也会引起技能过度，受教育者在完成学业以后从事低于本身所接受教育或拥有技能的职业，从而降低了人力资本的价值。据统计，有大约1/4的欧盟国家应届大学毕业生所从事工作岗位的职业要求低于他们自己拥有的资历能力，而有27%的成年工人在开始工作时拥有的技能高于岗位所需。此外，对于在职工人而言，基于就业前的正规教育和培训，工人们会在工作场所投入和发展自我人力资本，能够持续掌握现有的官方正式资历（资格、证书和文凭）之外的技能。据统计，超过1/5的年长工人尽管从资历表征上显示技能不足，但仍通过继续教育或培训掌握了必要的工作技能，而与此同时，许多工人发现自己目前从事的工作难以充分发挥其潜力。技能过度部分反映了就业机会的明显下降、劳动力市场竞争的激烈，从而导致接受过高等教育或高技能培训的从业者不得不从事低技能工作，但从企业的视角而言，招聘和使用技能过度的工人并不能产生额外价值，低技能、低工资、低福利的新福特主义产业路线是众多企业坚守的发展模式，对于社会经济发展其实是弊大于利。技能过度也反映了资历认证不足，这也是欧洲国家大力推动国家资历框架和区域资历框架建设的根本原因，企图借此建立和推行非正规和非正式技能认证制度体系，提高经济社会生产率和教育收益。
人工智能时代的技术进步，包括机器学习、大数据分析、互联网技术和先进机器人将一起重新塑造全球价值链、重塑工作世界、重塑劳动力市场结构。有88%的工作面临着自动化的风险，见图2。由此，对职业领域产生的转变意味着人们生活在一个希望和风险并存的年代。在人工智能时代，全世界数十亿人将无缝链接到数字网络，建立新型的网络联通社区，显著提高各级各类组织的效率，重建自然环境下的资产管理模式，重构工作结构和类型，可以预测，更多领域的工作将逐渐被人工智能和自动化应用改变，包括教育、保健、交通和制造等行业。根据欧洲职业培训发展中心的调查报告，很多受访者担心人工智能和机器人对就业产生重要影响，其中74%的受访者认为，由于使用人工智能和机器人，工作岗位消失的比率要大于新工作岗位增加的比率；72%的受访者认为，机器人窃取了人们的工作；44%的正在工作的受访者认为，他们目前的工作可部分由人工智能和机器人完成[17]。根据欧洲技能和职业报告的数据，14%的欧洲工作会自动化，被机器学习和算法替代，由于缺乏补偿培训，装配工、收银员、司机等常规行业的1800万欧洲工人（8%）面临很大失业风险。但人工智能和自动化从本质而言不是摧毁工作，而是转变工作，这需要新的技能输入以满足人工智能技术的应用，人工智能时代的工作要求工人更具有自主、规划、团队、沟通、服务等技能。新形式的工作需要新的学习方式，平台学习、群体学习、同伴学习等非正规和非正式学习形式将成为主流，但不得不考虑的现实是，低技能工人将需要更长更辛苦的培训以适应新工作、新任务。
三、人工智能时代职业技能失配的应对策略
（一）正视教育的本质和目的，强调教育的职业贡献价值
教育是人生存和发展的基础，教育的本质是提高生命的质量和价值，使个体通过教育，提高生存能力，从而能够生活得有尊严和幸福[20]。因此，教育的首要目的就是为年轻人成为合格劳动力做好准备，教育所应当包含的技能和能力就是那些能让学生成为好的工作者的内容，用市场化的技能去培养学生是有价值的，让大众成为有准备的劳动力[21]。个体生存能力、价值的前提和直接体现就是通过教育获得职业技能，从而能够找到与个体特质和人格匹配的职业，满足个体生存发展，实现个体对社会和经济的人力资本价值，这也是教育的本质追求和首要目的。在过去几十年，教育已经成为全球经济发展的重要推动力，教育获得了长足发展，在全民教育和千年发展目标之后，联合国教科文组织（UNESCO）又提出了“教育2030行动框架”，旨在“确保全纳、公平的优质教育，使人人可以获得终身学习的机会”，标志着教育已经由普及输入的初级阶段走向优质教育发展的高级阶段，全球高等教育也从精英教育进入了大众教育和普及教育时代。但教育的快速发展并不代表职业匹配的增加，越来越多的受教育者在完成学业之后无法找到与自我技能和特质匹配的职业，同时，很多企业发现无法招聘到技能合格的员工，职业技能失配已经成为当前教育发展不得不面对的问题。教育主管部门和教育机构应该将职业失配作为政策制定和主体办学过程中优先考虑的指标。回归教育的本质，重视教育对职业匹配的贡献值和导向，既是对人作为生命个体的尊重，也是对以人作为现代经济社会发展所需的智力资本的动力输入。
（二）倡导终身职业教育与培训，重视政策导向和职业技能失配宏观监控
教育的理想目标是帮助每位学习者找到与个人性格和能力匹配的职业，实现个人职业生涯成功和个体潜能充分发挥，这也关乎到社会经济的繁荣与可持续发展。但人工智能时代，新兴技术的迅速发展导致职业技能失配将成为社会常态。要应对职业失配，必须倡导终身职业教育与培训，推动终身技能发展，满足快速发展的新技能产生和应用的要求。终身职业教育与培训可以帮助填补技能差距，特别是在技术快速变革时期，可以帮助个人保持就业成功率和持续进步，提高发展动力，提高绩效和生产力，有利于工人、雇主和社会[22]。终身职业教育与培训的顺利开展需要企业投入、员工参与、培训时间保证和政府持续经费保障，但人工智能时代的企业组织可能无法适应、使用和管理新技术以获取利益，从而导致不平等增加，社会生产碎片化。因此，需要政府进行宏观政策规划和顶层价值导向，适时出台法律法规和政策条例，正面引导企业投入培训，鼓励员工参与技能提升，共同保证教育培训的时间和经费，加强对职业技能培训效果的监测和监督，推行职业继续教育与培训，减少大公司和小企业之间的技能投入差距，消除技能失配导致的社会不公平。在欧洲，很多国家已经发布了在职业教育与培训的初始和后续阶段提供数字化技能培训的政策，技能短缺和技能失配一直是政策制定者的关注重点，政策制定者往往采取不同的战略措施以应对技能失配问题，强调可持续激励、终身职业学习、工作任务再造和高端产品市场的管理实践[23]。
（三）规范标准制定和认证过程，强调质量保证和新的数字化领域证书联通
在人工智能时代，职业技能学习的方式将更加灵活多样，网络学习、线下学习、同伴学习、师徒学习等非正规和非正式学习形式将成为学习的主流，人们的职业学习将更有针对性、更有目的性、更注重实效性，在工作场景中的学习让学习者更能发挥自我主动性，基于职业导向的应用型学习更有利于提高教育的效益。在人工智能时代，由于拥有更加灵活和便捷的学习条件，人们不仅成为技能的学习者也将是技能的实践者和贡献者。由于网络数字化技术的广泛应用，将会出现大量新型学习证书，以MOOC为例，其学习认证的方式就有课程徽章、课程证书、纳米学位、专业证书、专业学位等[24]，但各类技能的学习并不会直接体现在个人的资历证明中，不利于体现个人的社会价值，不利于个人的自由流动，因此，需要制定基于知识、技能、能力等各类学习成果的认证标准，推动各种技能学习的成果认证。国际上的普遍做法是建立资历框架以及配套的标准体系。据统计，全球建立资历框架的国家和地区总数已经超过150个，覆盖联合国列出的193个主权国家的3/4，并进入到跨地区和跨国互认阶段，已经建立了7个区域资历参照框架，为126个国家提供了跨国资历和学分对接的标准和学分互认[25]。通过建立资历框架以及相应的质量保证标准、行业标准、课程标准、过往学习成果认证标准以及学分认证体系将是应对人工智能时代职业失配的有效举措。
Case 2.G为内交换p群.根据文献[14]中定理2.3.7可得G仅有Q8,Mp(n,m)n≥2,m≥1,Mp(n,m,1)n≥m≥1这3种情形.
（四）重构课程内容和知识体系，推行机器人共融教育和数字化能力意识
人工智能时代的教育必须及时对技术作出回应，跟上技术发展的需要，甚至走在技术发展的前沿，否则受教育者难以胜任新的工作任务，所完成的工作质量也达不到相应标准。响应技术发展的教育首先要落实到课程内容上，人工智能时代的课程内容需要进行重构和再造，应该拓展传统的知识，纳入现代知识体系和专题知识；人工智能时代的知识体系应该包括创造性、批判性思维、交流、合作等技能培养，注重心智觉知、好奇、勇气、顺应力、道德标准、领导力等性格品质培养，而最重要的是塑造学习者的元学习能力，引导学习者不断进行反思和适应训练，形成元认知思维。人工智能时代机器人将越来越普及，广泛应用于工作、生活和学习场域，应该推行机器人共融教育，教育中不仅包括数字素养训练，还应该包括一系列的关键能力培养，例如创新能力、数字能力、科学能力、技术能力、工程能力、数学能力、语言能力和学会学习能力，不断改变学习的方法，机器人共融教育应该纳入宏观的职业教育与培训课程体系以及国家的政策行动导向。同时，根据欧洲职业培训发展中心对在线职位空缺的分析报告，欧洲雇主最关注的技能是对变革的适应能力，在人类与机器人更加密切互动的未来世界中，能够拥抱变化将至关重要[26]。
参考文献
[1]Schwab,K.The Fourth Industrial Revolution[M].Geneva:World Economic Forum,2016.
[2][14][16][23]Cedefop.Insights into Skill Shortages and Skill Mismatch[EB/OL].(2018-01-30)[2019-06-30].https://www.cedefop.europa.eu/files/3075_en.pdf.
[3]伊师孟，丁道勇.走出“人职匹配”的神话——对中国教师招募基本原理的审视[J].教育发展研究，2018（6）：62-67.
[4]张海宁.女研究生择业困境的出路:特质因素理论的分析视角[J].河北师范大学学报：教育科学版，2008（4）：65-67
[5]吴建斌，沈娟凤.基于霍兰德人格类型理论的大学生职业性格分析[J].教育与职业，2014（8）：87-89.
[6]衷克定，杨莉莉.人格类型理论视角下的在线学习活动设计验证[J].现代远程教育研究，2016（2）：81-89.
[7]孙海荣.基于人力资本视角下的我国大学生专业-职业匹配的实证研究[J].中国人力资源开发，2015（3）：77-83.
[8]王春超，佘诗琪.户籍异质性、职业匹配与收入差距[J].经济社会体制比，2017（3）：10-20，53.
[9]刘云波.教育错配和技能错配的发生率及其收入效应——基于中国CGSS2015的实证分析[J].东岳论丛，2019（3）：60-68.
[10]陈利锋.技能错配、不平等与社会福利——基于包含异质性技能的DSGE模型[J].经济科学，2017（6）：58-71.
[11]谢青松.人工智能时代职业教育的转型和发展[J].教育与职业，2018（8）：50-56.
[12][26]Cedefop.Artificial or Human Intelligence? [EB/OL].(2019-06-19)[2019-06-30].https://www.cedefop.europa.eu/files/9140_en.pdf.
[13]方长春.教育扩张是否影响了教育收益率——基于中国城镇数据的HLM分析[J].教育研究，2019（1）：111-121.
[15][18]Pouliakas K.Automation Risk in the EU Labour Market：A Skill-needs Approach[EB/OL].2018.[2019-06-30].https://www.cedefop.europa.eu/files/automation_risk_in_the_eu_labour_market.pdf.
[17]European Commission.Attitudes Towards the Impact of Digitisation and Automation on Daily Life[EB/OL].(2017-05-19)[2019-06-30].http://ec.europa.eu/commfrontoffice/publicopinion/index.cfm/Survey/getSurveyDetail/instruments/SPECIAL/surveyKy/2160.
[19]Frey C B,Osborne M A.The Future of Employment:How Susceptible are Jobs to Computerisation?[J].Technological Forecasting and Social Change,2017:254-280
[20]顾明远.再论教育本质和教育价值观——纪念改革开放40周年[J].教育研究，2018（5）：4-8.
[21]凯瑟琳·埃尔金，李雁冰.教育的目的[J].教育发展研究，2016（18）：1-6.
[22]Cedefop.Continuing Vocational Training in EU Enterprises[EB/OL].(2019-06-24)[2019-06-30].https://www.cedefop.europa.eu/files/5573_en.pdf.
[24]谢青松.基于终身教育资历框架的MOOC学习成果认证与衔接[J].中国职业技术教育，2019（9）：20-27.
[25]谢青松，吴南中.终身教育资历框架下的质量保证机制:欧盟和东盟的策略与启示[J].成人教育，2019（3）：86-93.
Professional Skills Mismatch in the Age of Artificial Intelligence:Feature Analysis and Coping Strategies
Xie Qingsong,Xu Ling
Abstract The primary goal of education is to enable learners to find careers that match their individual personalities and abilities,to achieve personal career success and human life value,thereby promoting social and economic prosperity and sustainable development of human society.However,in the era of artificial intelligence,the widespread application of emerging technologies has exacerbated the supply and demand imbalance of professional skills like the skill obsolescence,shortage and troppo.The direct negative consequences are vocational skill mismatch,leading to an increase in unemployment rate,an extension of the unemployment cycle,the difficulty of recruitment,skill obsolescence and under-skilled employment.In view of the status quo of vocational skills research in China,this paper explored the essential connotation,type characteristics,causes and challenges of professional skill mismatch in the era of artificial intelligence from the international perspective,and proposed four aspects of strategies:First,stress the essence and core purpose of education,emphasizing the value of professional contribution of education;second,advocate lifelong vocational education and training,attaching importance to macromonitoring of policy orientation and mismatch of vocational skills;third,standardize the process of the standard setting and certification,emphasizing the quality assurance and new digital domain certificate communication;fourth,reconstruct course contents and knowledge system,promoting robotic inclusive education and digital awareness.
Key words artificial intelligence;professional skills;skill mismatch;personnel match;qualifications framework;industry 4.0
中图分类号 G712
文献标识码 A
文章编号 1008-3219（2019）28-0006-06
作者简介 谢青松（1978-），男，重庆广播电视大学、重庆工商职业学院副教授，北京师范大学博士研究生，研究方向：终身教育，远程教育，比较教育和职业教育；许玲（1987-），女，江苏开放大学互联网教育智能技术研究院助理研究员，北京师范大学博士研究生，研究方向：教育信息化，终身教育
基金项目 2018年度重庆市高等教育教学改革研究项目“‘3+3’职业教育大数据生态圈构建与实践探索”（182094）；重庆广播电视大学2017年度重点科研项目“重庆电大在囚远程学习者的调查研究”（WT2017-08），主持人：谢青松
Author Xie Qingsong,associate professor of Institute for Research in Big Data Application,Chongqing Radio &TV University，Chongqing Technology and Business Institute（Chongqing 400052）,PhD candidate of Capital Institute of Learning Society of Beijing Normal University;Xu Ling,assistant researcher of Jiangsu Open University,Institute of Internet Education and Intelligent Technology,PhD candidate of Capital Institute of Learning Society of Beijing Normal University
标签：人工智能论文; 职业技能论文; 技能失配论文; 人职匹配论文; 资历框架论文; 工业4.0论文; 重庆广播电视大学重庆工商职业学院论文; 北京师范大学论文; 江苏开放大学互联网教育智能技术研究院论文;