留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

数字就业的“极化”现象与研究动态

高秀娟

高秀娟. 数字就业的“极化”现象与研究动态[J]. 北京科技大学学报(社会科学版), 2024, 40(3): 109-116. doi: 10.19979/j.cnki.issn10082689.2023070052
引用本文: 高秀娟. 数字就业的“极化”现象与研究动态[J]. 北京科技大学学报(社会科学版), 2024, 40(3): 109-116. doi: 10.19979/j.cnki.issn10082689.2023070052
GAO Xiujuan. “Polarization” of Digital Employment and Research Developments[J]. Journal of University of Science and Technology Beijing ( Social Sciences Edition), 2024, 40(3): 109-116. doi: 10.19979/j.cnki.issn10082689.2023070052
Citation: GAO Xiujuan. “Polarization” of Digital Employment and Research Developments[J]. Journal of University of Science and Technology Beijing ( Social Sciences Edition), 2024, 40(3): 109-116. doi: 10.19979/j.cnki.issn10082689.2023070052

数字就业的“极化”现象与研究动态

doi: 10.19979/j.cnki.issn10082689.2023070052
基金项目: 北京市哲学社会科学基金“数字经济发展促进北京市女性创业活跃度研究”(编号:22JCC090);中央高校基本科研业务费项目“政府扶持政策、女性创业及其驱动机理研究”(编号:2022QN0102)。
详细信息
    作者简介:

    高秀娟(1977—),女,河北保定人,中华女子学院管理学院教授

  • 中图分类号: F241.4

“Polarization” of Digital Employment and Research Developments

  • 摘要: 数字就业的“极化”现象在世界各地普遍存在,高低技能劳动力就业增加而中等技能劳动力就业减少,这让“机器换人”与“机器创造就业”的观点互为争论,学界对此也结论不一、对“极化”的机制也未揭示全貌。文章通过对国内外文献综合梳理与分析,呈现相关问题的研究动态与前沿,借鉴已有研究经验,凝练“极化”背后的机制与形成路径,用于分析我国就业与收入极化的现状。文章通过分析提出了要素市场与产品市场的就业作用框架模型,其中产品市场起到引致劳动力需求的作用,要素市场则搭建数字技术与“信息—劳动—资本”传统三要素模型,并引入“技术—数据要素”模型。认为技术作用于信息、造成信息垄断与信息不对称,将高中技能劳动者留在劳动力市场,更多将低技能劳动者排除在市场之外;技术作用于劳动,直接产生就业极化,表现为对劳动就业的创造效应与破坏效应所形成的总效应;技术作用于资本,则劳动与资本的谈判力决定了二者如何分配所创造的收入。数据要素依附数字劳动,易于形成高技能数字劳动“被强化”、中低技能数字劳动“被弱化”的“单极化”结果。最终,就业是否极化以及极化的程度,取决于传统要素、数字要素与产品市场共同博弈的结果。

     

  • 随着技术进步与人工智能的发展,传统行业的生产流程被机器和AI渗透,产生了数字就业新形式。数字就业是雇佣关系与工作世界的巨大变革,作为传统雇佣形式的替代或补充,数字就业成为推动经济社会发展的不竭动力,这对劳动力市场产生深远影响,由此成为社会和学界关注的焦点。自维克多·弗兰克在1978年提出劳动力替代概念之后,新兴工作形式层出不穷,迄今众包、零工经济、数字微工作等,都吸纳了大批就业。但新旧职业的更替与部分劳动力市场的消失,使得“机器换人”的观点与“机器创造就业”的观点互相争论。

    随着人工智能的发展,欧美国家出现常规性就业被机器替代,劳动力就业逐步向高端和低端岗位集中的现象,形成了数字就业的“极化”。虽然现有研究对此问题较为关注,但国内相关文献仍然缺乏;学者在国外文献框架下提出了就业极化的机理,但仍然难以揭示“极化”现象的全貌。目前对“极化”的研究可以分为三种观点:一是认为数字经济和技术会排挤低端收入劳动者,减少雇佣与就业规模[12],就业市场因此会呈现“单极化”特征。二是认为人工智能等数字技术进步将影响脑力劳动者,从而出现“反极化”现象[34]。三是认为高技能劳动者多从事复杂劳动,低技能劳动者多从事非常规简单劳动,被机器替代的可能性小,中等技能劳动者从事程序化、常规性劳动,被替代的可能性最大,从而产生“空心化”现象,就业结构曲线因此呈现“U”型[56]。不论哪种观点,随着技术进步的深化,去技能化将越来越普遍,有专门知识和受专门训练的少数人摆脱了劳动简单化的负担,而能够被技术简化和模块化、分割成简单劳动程序的工作种类,就逐渐被低端极化、甚至被机器替代了[7]。上述研究解释了“极化”的特征与基本原理,但文献所给出的结论并不一致,需要更广的学术视野来揭开“极化”内部作用机制,发现当前“极化”的形势及产生的原因。

    本文通过梳理国内外文献、回顾数字就业极化历程、解释“极化”的原因与内在机理,力图明确三个问题:“极化”现象是否普遍存在,呈现怎样的形式?“极化”现象产生的机制和内在原因是什么?采取何种政府干预机制,以减小“极化”带来的劳动力市场不平等?同时,将分析中国人工智能替代与补偿劳动就业的现状。

    农业革命与工业革命都大幅提高了生产力、就业结构随之发生演变。在四次工业革命中,蒸汽机、电气技术、计算机与互联网技术的发明和运用,都在不同时期直接或间接作用于就业,改变着就业的规模与结构。在工业革命中,农业部门率先受到技术进步的冲击,在信息革命中,制造业、商业都不同程度面临技术革新,从而形成技术、产业与生产方式变革引发的就业形态变化[8]。早期技术进步较为缓慢,直到17—19世纪,欧洲发生大规模城市化进程、生产力逐步先进,为大规模生产奠定了前提和基础,创新开始与工作协同起来,促进了大规模的工业化,经济与社会的快速转型使得各国推出了社会保障和养老金制度。由于受到工作条件和低工资的影响,劳工组织成为了雇主和工会的平衡方,规则与谈判成为解决劳动冲突的主要方式。19世纪初纺织机器的使用就已经引起过机器自动化对人工替代的恐慌,英国的纺织工匠称自己为路德派,发动了一场机器破坏活动。

    1966年,迈克尔·波兰尼[9]认为人的知识超越机器,并质疑就业被替代的可能性,之后的就业极化问题也被称为“波兰尼悖论”。20世纪70年代后,出现第一台能够自动运行的机器,从那时起,大量人工活动开始实现自动化[10]。由于技术几何式飞速进步与迭代,劳动力世界因此发生着巨大的变化。

    21世纪初,莱特和杜耶[11]的研究引起学界轰动,提出常规工作被替代,高技能和低技能的非常规工作则会随着机器的使用而有所增加,这契合了在世界各国所发生的“极化”现象,对此德国、荷兰、瑞典等各国学界都有所研究与报告。最近10年,工业4.0利用信息化技术促进产业变革的智能化时代,“智能工厂”“智能生产”“智能物流”推动产业智能化大转型,力度和影响范围之深超过前三次工业革命,互联网的兴起彻底改变了全球信息获取与传播渠道,物联网、大数据和人工智能等数字技术的快速发展引发世界范围内的就业市场变革。

    现有文献主要从西方经济学理论与马克思主义理论来推演数字技术与人工智能对就业的影响,所运用的理论基础包括新古典经济增长理论、马克思主义劳动价值论、信息经济理论、技术偏向理论、技术创新理论等,上述理论最终用于解释经济增长,而技术在经济增长过程中,会对劳动、资本、信息等要素产生作用。随着技术发展,数据要素作为非传统要素,也具有分配收益的要求,详见表1

    表  1  技术进步与劳动力就业关系的相关理论基础
    理论基础 主要内容 具体理论与模型 提出或代表学者
    新古典经济增长理论 以提高劳动力的技术进步为假设前提构建模型,从资本与
    劳动力比率入手集中分析均衡(稳态)增长路径
    索洛模型
    索洛—米德模型
    内生增长模型
    索洛(1956);索洛和米德(1960);罗默(1990)
    马克思主义劳动价值论 价值决定价格,价格围绕价值波动,数据要素的价格(等同参与收入分配)取决于数据要素本身的特性以及与要素需求方的谈判力量;数字劳动以多种方式参与收入分配 劳动价值论 马克思(1975);德斯(1999);克里斯汀.福(2014)
    信息不对称与信息垄断 数字技术产生的信息垄断与不对称导致就业结构性差异 信息技术与市场租金理论 古勒等(2017)
    技术偏向理论 技能偏向型技术进步促发高技能劳动就业增加,技能退化型技术进步促发低技能劳动就业增加 技能偏向型技术理论
    技能退化型技术理论
    任务偏向型技术进步
    伯曼等(1994);奥托等(1998;2003);如塞尔等(2000);
    艾斯毛格鲁(1998)
    技术创新理论 技术进步开发新产品、新工艺,使得经济中出现新的产业部门,影响就业结构的变化与就业再分配 开创性地强调工厂间就业的异质性 皮安他(2001);戴维斯和海万格(1992)
    资料来源:根据文献整理。
    下载: 导出CSV 
    | 显示表格

    新古典经济增长理论的内生增长模型用于解释跨国技术溢出对劳动力市场的作用[1213],认为相对贫穷国家面临巨大的技术鸿沟,依靠他们吸收技术的能力,可以在技术外溢中快速发展,因此国家的研发政策和市场结构都影响着长期技术增长趋势。总体来看,不论是国内的各区域之间,还是国际范围内,当技术产生地理区隔时,拥有先进技术的地区向落后技术地区知识外溢,会带来落后技术地区的就业增长。内生增长模型嵌入于国际技术转移理论之中,认为短期增长率依靠技术赶超,长期则各国增长率相同[14]。另一方面,认为经济自身能够创造出新技术,为了吸收创新者的创意,需要进行人力资本积累。从这一点来说,是技术叠加了劳动力,当技术不仅作用于资本(产生机器、人工智能),还作用于劳动力时(人力资本提升),会提高劳动—资本的谈判能力,从而获取更高的工资以及更好的工作条件,高技能劳动者的就业规模也会因此而提升。

    数据作为一种特殊的要素,具有虚拟供给性、强效用敏感、成本收益难以度量等诸多特征[15],这决定了数据的价格以及参与收入分配的机制复杂性。马克思的劳动价值论认为价格变动遵循价值规律的支配,价格围绕价值波动[16],数据的价值一方面决定于数据供给效用与数据要素需求者之间的匹配关系与谈判力量,另一方面决定于数据本身的特性,迪特[17]在1999年将数据基本特征归纳为使用消耗为零、边际成本为零等6个特征,二者综合的结果,使得数据要素必须具有很强的产权性和监管性,价格才能体现出数据本身的价值,才能获得应有的收入分配份额。而当数字融入劳动过程中,形成数字劳动,作为全新的劳动形式,具有马克思所说的“生产性劳动”的特点,诸如数字平台、小视频等的数字使用者,也会为数字平台创造特殊的价值,成为剩余价值的一部分,价值增值应当在收入分配环境得以体现,通过税收、转移支付等多种途径参与生产性分配[18]

    技术创新理论应该追溯到创新理论的提出者熊彼特,通过生产要素、生产产品、生产流程等五方面的破坏与重塑,实现创新结果,而在重塑过程中,新生产要素的生产力与生产关系、新生产产品的需求与供给关系、新生产流程的劳动与资本匹配关系,都能够成为增加就业的途径。突破性的技术创新形成先导性技术创新,并不断衍生出一系列创新性技术形式,最终形成创新集群和技术创新体系,密集型的技术创新就会改变企业内部工种和职业结构,也对知识和技能提出了新要求,推动和拉动就业结构的变革,在长期中,新型技术将催生大量新产业、新业态、新模式,由此创造出更多就业岗位。在创新密集度高的公司,中等技能劳动力与高技能劳动力存在较强互补性[19],李等[20]发现高技术产业或数字经济会产生正向的工作“放大器”作用,每个高技术岗位能够产生0.9个额外岗位。

    国内外学者搭建了相关研究框架,最普遍的是建立技术进步的替代效应与创造效应模型进行量化分析,奥托[1]明确了计算机对常规认知和手工任务的替代效应,对非常规互动式任务的互补效应,并用1960—1998年的数据,根据柯布—道格拉斯生产函数构建模型,分析常规与非常规技能的生产力与供求关系。珍妮弗和莱恩[21]使用了三种方法来测算就业收入的极化,用工人的实际工资计算就业份额,调整商业周期并执行Oaxaca分解过程来观察工人的收入变化,根据职业的平均工资对工人进行分类。王永钦和董雯[5]从制造业上市公司的数据发现,工业机器人渗透度每增加1%,企业的劳动力需求下降0.18%,并且机器人应用对不同技能劳动力需求的影响存在显著差异。埃斯毛格鲁和瑞博等[22]提出自动化带来的两个效应,替代效应和生产力效应,前者对劳动市场产生负向作用,后者则提升了要素工资,他们还发现自动化引起劳动力市场的连锁反应,高技能自动化取代高技能劳动力,被取代者则会在其他工作中与低技能者相竞争,并构建了一个生产单一产品的静态经济体模型进行分析。国内学者基本延续国外研究的思路和方法,纪雯雯[23]将数字技术影响未来工作的机制分为3类,互补效应或替代效应、规模效应、匹配效应,其中,规模效应从需求方以及企业创造新岗位两条路径归纳,匹配效应从供求动态匹配角度分析。

    就业极化是多路径影响的结果,可以称之为劳动力市场的“极化”总效应。前文剖析了技术进步对就业的影响,本部分重点考察极化的原因和机制。极化是劳动力市场出现的现象,但是成因却是在产品市场和要素市场共同作用下,产品市场形成劳动产品的需求方,拉动需求产生对劳动的引致需求,就业规模增大。现有研究主要从产业结构的角度进行产品市场的分析,唐永和蒋永穆[24]发现产业结构服务化是导致劳动力市场极化的重要原因。江永红等[25]实证了产业结构升级导致劳动力“极化”现象。陈仪和李亚楠[26]则提出,保持制造业比重基本稳定有助于缓解劳动力极化现象并减轻其不利影响。

    要素市场则包括劳动要素、资本要素、信息要素等传统要素,以及数据要素新形式。技术进步对就业的作用可以分为技术进步偏劳动型、技术进步偏资本型两类。技术进步偏劳动型是指技术用于积累人力资本,技术进步偏资本型是指技术用于产生新机器、新设备和新流水线等。技术进步作用于信息要素,会因为技术本身包含信息和知识要素,在一定程度上可能产生垄断与信息不对称,从而对劳动力市场产生直接影响。技术产生的数据要素依附于劳动,形成数字劳动,数字劳动者的就业及参与收入分配取决于数字供求关系。

    技能与知识作为一种生产力要素,在数字技术和人工智能等新一轮技术兴起中,发挥着越来越重要的作用。信息技术的深度应用,不仅直接将劳动力市场分类为不同技能型人才,而且使得高、中技能员工能够利用自己的信息优势,进一步获得更多知识与技能,这称为“信息租金”,拥有租金的一方在劳动力市场中是非竞争性的,会产生“滚雪球”效应而获得更多的信息租,由此造成了劳动力市场的分割,形成“赢者通吃”的市场结构。从这个角度来看,技术进步对劳动力市场产生的是“单极”效应,表现为高、中技能劳动对低技能劳动的挤压和挤出。

    技术进步的信息效应还在于产生的信息不对称,这里有两种观点,一是技术进步在分割的劳动人群中造成不同程度、不同路径的信息扩散,复杂的路由使得产生信息不对等,这里信息技术产生的信息扩散反而会加剧信息不对称。拥有信息和技术知识多的群体,仍然是属于“通吃”范围内,而细枝末节的人群无法借由信息技术来提升自己,因而徘徊在低技能层面。二是在人工智能进化由低转高的阶段中,信息不对称程度会逐渐转弱,极化现象减小。技术直接作用于就业信息与就业结构,当人工智能只是替代程式化的工作时,冲击的是中技能劳动人员,形成就业极化,如果人工智能进化到高级形式,甚至“万物互联”阶段,反而弱化了劳动力市场的极化现象。程旭、睢党臣[27]按照人工智能分为三阶段的划分方式,认为弱人工智能阶段对就业信息不对称影响程度最强,随后逐渐减弱,到超人工智能阶段,对就业信息不对称影响程度最弱,这样对劳动力市场冲击由强转弱,由于信息优劣势造成的极化现象便逐渐消失。这两种观点分别对应信息技术的初级阶段和高级阶段,在初级阶段中,信息技术导致信息扩散不充分,会加剧信息不对称;在高级阶段,“万物互联”使信息流动充分,降低了信息不对称。因而在两阶段作用路径下,极化现象应当呈现出“L”型特征。

    技术进步的替代效应(破坏效应)与创造效应(重塑效应)是技术对就业影响研究的核心内容,二者形成对就业的总效应。现有研究对三种效应的比较关系并不明确,首先是是否存在大量的破坏效应,即“机器多大范围内替代了人类”?该观点起源于工业化初期,以机器换人为典型特征,称之为技术进步对就业的替代效应。学术界基本上都认为该效应存在且影响深远。邱玥和杜辉[28]从全球化、劳动力需求结构和经济周期的宏观角度、资本偏好、工作模式、产品设计和服务模式的微观层面分析了人工智能减少就业的机制。其次是创造效应究竟发生在哪些地方?创造效应最早见于古典经济学家,形成技术进步对就业的“补偿理论”,认为人工智能可以在高中低技能三个层面产生对就业的重塑作用,并引发一系列新就业形态[29];第三是两种效应比较的结果如何?这又分为两种观点,一是认为替代效应大于创造效应,总效应导致失业增加[30];二是认为创造效应更大,技术进步推动就业增加。

    分行业的研究则认为,人工智能在传统行业和新兴行业中对劳动的作用是有差异的,总效应取决于技术进步发生的行业。其中,替代效应主要集中于传统产业,技术进步使得行业逐渐处于产业链的低端,不仅劳动生产率低,而且工作具有较高的重复性和可替代性,因此成为“机器换人”的“重灾区”[31]。创造与补偿效应集中于新兴高新技术产业与服务业,如对图像识别分析行业、机器翻译、无人驾驶创造的劳动力需求,当前比较典型的是电商行业,从业者的收入和就业水平都不断提升[32]

    技术进步的偏向效应可以分为3类,包括技能退化型技术进步、技能偏好型技术进步、任务偏向型技术进步。技能退化型技术进步使得低技能工人的需求增加,技能偏好型技术进步能够使得高技能劳动就业增加[33],任务偏向型技术进步则由机器和可编程程序替代常规任务。20世纪90年代以来,技能偏向型的技术进步理论较为流行,能够很大程度上解释发达国家与发展中国家劳动力市场结构的变迁[34]。技能偏向效应使得高技能劳动者能够在技术冲击过程中获益、就业与收入增加,非技能劳动需求下降[3536]。技术进步对就业人群的影响具有非对称性,技能偏向型技术进步对更偏好高技能劳动力,这不仅引发了就业的高端化,同时也加剧了高素质人才的稀缺性[37]

    技术进步发生在劳动力和资本之上,分别形成劳动技术化和资本技术化两种类型,劳动技术化是技术与人力资本的融合,也是未来劳动力避免被替代的根本解决方法。孙早等[38]提到,因为“赶超战略”要求,大多数发展中国家的科技创新政策偏向资本深化,鼓励企业进行技术改造并引进智能设备和控制系统,用智能物质资本替代中等技能工人。技术与资本交互融合是的技术进步呈现物化性特点,蕴含高技术水平的机器设备使用和新产品的生产,对劳动力的知识和技能水平提出更高要求,资本—劳动谈判中资本占据优势地位,可以选择劳动力的类型与就业规模[39]。劳动—资本谈判还可以观察劳动收入份额的变化,有偏技术进步对劳动收入份额变化的作用是通过资本增强型和劳动增强型来实现的,技术进步非中性时,资本—劳动比上升会造成技术进步的资本偏向,下降则是劳动偏向,由此改变了劳资谈判中要素收入的配比关系[40]。傅晓霞和吴利学[41]发现自1978年中国技术进步总体呈现劳动节约倾向,导致劳动收入份额下降。奥托等[42]则提出资本与劳动的替代关系不一定会减少劳动力总需求,因为有4个方面的反向效应:行业产出效应、跨行业投入—产出效应、行业间转换、终端的需求效应。

    以创新驱动的新一轮数字化工业革命以数据要素为依托,赋能产业生产效率提升的同时,数据作为一种重要生产要素,应当纳入收入分配体系。拥有数据和相关能力的劳动者被称为数字劳动,是数据依附的主体。但现实中,数据要素作为一种新型的、特殊的生产要素,具备传统要素所不具备的性质,其中一个性质便是数据要素的生成者(数字劳动)在供需关系中占据弱势地位,而数据要素的使用者(如数字平台)通过对互联网中参与者的行为痕迹组成的行动者网络(大数据网络),可以形成凌驾于各个行动者之上的控制权力,从而形成数字资本的垄断,这被西方学者称为“现代性悲剧”,或是“数字劳动异化”[43-44],处于该供求关系中的数据劳动,提供数据要素不完全由自己控制,因而未能或较少参与收益分配,就业状况也难于得到改善。进一步的分析,如果将数据要素生成者划分为高技能、中低技能两个群体,很显然中低技能群体属于前述情况,该群体的就业不会因为自身是数据要素的生产者而得到些许改善;高技能群体则有机会成为数字平台的管理者甚至拥有者,因此其就业和参与收入分配状况因此而变得更好,这会造成就业的“单极化”效应。

    上述效应的综合,决定着数字就业的“极化”现象最终的结果呈现。包括资本、劳动、信息传统三要素的传导路径,以及数据要素的新型传导路径在内的两大类就业机制,形成“技术—要素—就业极化”的传统机制、以及“技术—数据—就业极化”的新型机制,各要素之于就业的直接效应,同时叠加产品市场上的间接效应,形成就业极化的总效应。

    人工智能和数字技术如何影响就业市场是一个长期研究课题,只要超人工智能时代还未到来,就业极化就会不同程度地出现在不同行业、职业和领域,相关研究需要进一步系统整理。国内外学者主要从经济学角度给出理论基础与研究框架,分析各类效应并又以破坏效应和创造效应为主,该框架基础且解释力较强。现有文献除了研究就业极化,将人工智能在本阶段对低技能劳动力的替代也概括进来,形成就业单极化的研究,无论哪种研究结论,都不能忽视该问题在劳动力市场研究中的重要地位。人工智能究竟替代哪一类技能劳动力,目前研究所持观点不一,高、中、低三层面被替代的可能性都存在,并在不同时期不同领域有所呈现。随着技术进步和数字时代的到来,学者们也并非沉浸在悲观情绪中,研究发现机器换人的同时,还会创造出新职业、新就业形态,就如我国出现的数字化管理师、旅行规划师等,吸纳了很多就业,而网约车司机、快递行业,又吸纳了大量低技能劳动力,这是人工智能和数字算法出现后新创造出的就业机会。

    本文根据文献研究提出了一个“技术与‘信息、资本、劳动三要素’+‘技术—数据要素’”分析框架模型,认为技术作用于劳动力市场应当存在两条传导路径,产品市场是间接路径,要素市场是直接路径。通过分析技术的信息效应、劳动效应、技术进步的偏向效应、劳动—资本谈判效应四方面,观察了技术进步作用于传统要素、进而对就业极化的影响机制,如果想要减轻极化的影响,就需要调节四种效应,以增加劳动力的信息优势和资源优势,增强劳动与资本和技术的谈判力,同时,丰富产品市场、在需求侧和供给侧形成推动和拉动效应,使得生产创新、规模扩大,最终对劳动力形成引致需求。通过分析数据要素的供求关系,观察了技术进步带来低技能劳动者在数据生成和使用中“被弱化”现象,以及高技能劳动者在数据生成和使用中“被强化”现象。该框架模型主要从理论的视角研究就业极化背后的形成机理,认为极化现象与劳动力被替代是多方博弈的结果,需要进一步的数据和实证来检验该框架,以发现当前我国就业极化现象的主要成因。

    就此本文给出三方面的政策建议:第一,信息反垄断以及加强信息向低技能人群的传递是解决“信息租”与信息不对称的一种可行方式,这一方面取决于国家的立法与监督,另一方面取决于信息传递机制的畅通性。后者可以采取的方式和途径有多种,包括加强多方协同共管以实现对低技能人员的专门化培训与辅导、用人部门和政府相关机构采用多种方式实现对中低技能劳动力的技能重塑和技能迭代等。第二,通过劳动力转移等形式减小技术对劳动的替代(破坏)效应,尤其是传统产业中“机器换人”的“重灾区”,应当有序疏导、转移劳动力,并重塑劳动力的技能类型。同时,灵活用工、零工经济等新就业形态也可以作为吸纳转移劳动力的领域,需要政府和数字平台做好对该群体的技能、心理、社会保障等多方面建设工作。第三,加快对数据要素的立法管理与监督,作为“被弱化”的大数据生产者,对数据要素的产权关系是首先需要明晰的,这在一定程度上防止了数据的被无偿使用的“现代性悲剧”,尤其是中低技能人群,赋予其数据要素的所有权,有助于增强其在数据市场中的要素谈判力。此外,区块链等新技术的使用,使得每个人都可以对数据打包并形成数据链,被打包的数据被存放在公共区域,具有保密性而不易被私自使用[44],也避免了数据被无偿使用,从而展现出未来数字劳动的价值走向。

  • 表  1  技术进步与劳动力就业关系的相关理论基础

    理论基础 主要内容 具体理论与模型 提出或代表学者
    新古典经济增长理论 以提高劳动力的技术进步为假设前提构建模型,从资本与
    劳动力比率入手集中分析均衡(稳态)增长路径
    索洛模型
    索洛—米德模型
    内生增长模型
    索洛(1956);索洛和米德(1960);罗默(1990)
    马克思主义劳动价值论 价值决定价格,价格围绕价值波动,数据要素的价格(等同参与收入分配)取决于数据要素本身的特性以及与要素需求方的谈判力量;数字劳动以多种方式参与收入分配 劳动价值论 马克思(1975);德斯(1999);克里斯汀.福(2014)
    信息不对称与信息垄断 数字技术产生的信息垄断与不对称导致就业结构性差异 信息技术与市场租金理论 古勒等(2017)
    技术偏向理论 技能偏向型技术进步促发高技能劳动就业增加,技能退化型技术进步促发低技能劳动就业增加 技能偏向型技术理论
    技能退化型技术理论
    任务偏向型技术进步
    伯曼等(1994);奥托等(1998;2003);如塞尔等(2000);
    艾斯毛格鲁(1998)
    技术创新理论 技术进步开发新产品、新工艺,使得经济中出现新的产业部门,影响就业结构的变化与就业再分配 开创性地强调工厂间就业的异质性 皮安他(2001);戴维斯和海万格(1992)
    资料来源:根据文献整理。
    下载: 导出CSV
  • [1] BRYNJOLFSSON E & MCAFEE A. Race Against the Machine:How the Digital revolution is Accelerating Iinnovation,Driving Productivity,and Irreversibly Transforming Employment and the Economy[M]. Lexington:Digital Frontier Press,2012.
    [2] ACEMOGLU D & RESTREPO P. Robots and jobs:Evidence from US labor markets [J]. Journal of Political Economy,2020,128(6):2188-2244. doi: 10.1086/705716
    [3] 程承坪,彭欢. 人工智能影响就业的机理及中国对策[J]. 中国软科学,2018(10):62-70. doi: 10.3969/j.issn.1002-9753.2018.10.008
    [4] 潘丹丹. 人工智能的就业反极化效应研究[J]. 现代经济探讨,2019(12):25-31,65. doi: 10.3969/j.issn.1009-2382.2019.12.006
    [5] 王永钦,董雯. 机器人的兴起如何影响中国劳动力市场?——来自制造业上市公司的证据[J]. 经济研究,2020,55(10):159-175.
    [6] AUTOR D H,LEVY F & MURNANE R J. The skill content of recent technological change:An empirical exploration [J]. Quarterly Journal of Economics,2003,118(4):1279-1333. doi: 10.1162/003355303322552801
    [7] 杨虎涛,冯鹏程. 去技能化被证伪了吗?——基于就业极化与技能溢价的考察[J]. 当代经济研究,2020(10):2,50-63,113.
    [8] 杜传忠,许冰. 第四次工业革命对就业结构的影响及中国的对策[J]. 社会科学战线,2018(2):68-74.
    [9] AUTOR D H. Polanyi’s paradox and the shape of employment growth[J/OL]. National Bureau of Economic Research. (2014-09) [2023-12-01]. https://www.nber.org/system/files/working_papers/w20485/w20485.pdf.
    [10] FINNIGAN D. Robots and automation may not take your desk job after all[J/OL]. Harvard Business Review. (2016-11-22)[2023-12-01]. https://hbr.org/2016/11/robots-and-automation-may-not-take-your-desk-job-after-all.
    [11] WRIGHT E O & DWYER R E. The patterns of job expansions in the USA:A comparison of the 1960s and 1990s [J]. Socio-Economic Review,2003,1(3):289-325. doi: 10.1093/soceco/1.3.289
    [12] BERNARD A & JONES C. Technology and convergence [J]. The Economics Journal,1996,106(437):1037-44. doi: 10.2307/2235376
    [13] AGHION P & HOWITT P. Growth and unemployment [J]. Review of Economic Studies,1994,61(3):477-494. doi: 10.2307/2297900
    [14] DOWRICK S & ROGEST M. Classical and technological convergence:Beyond the solow-swan growth model [J]. Oxford Economic Papers,2002,54(3):369-385. doi: 10.1093/oep/54.3.369
    [15] 孔艳芳,刘建旭,赵忠秀. 数据要素市场配置研究:内涵解构、运行机理与实践路径[J]. 经济学家,2021(11):24-32.
    [16] 马克思. 资本论(第3卷)[M]. 北京:人民出版社,1975.
    [17] DIETL H. Selling information on the internet [J]. Hitotsubashi Journal of Commerce and Management,1999,34(1):1-14.
    [18] 初传凯. 马克思主义劳动价值论视域下数字劳动探究[J]. 中共乐山市委党校学报,2021,23(6):30-37.
    [19] 徐少俊,郑江淮. 信息化引致中国劳动力市场极化了吗——多层次技能深化假说与检验[J]. 经济问题探索,2020(7):157-167.
    [20] LEE N & CLARKE S. Do low-skilled workers gain from high-tech employment growth? High-technology multipliers,employment and wages in Britain. Research Policy,https://doi.org/10.1016/j.respol.2019.05.012.
    [21] HUNT J & NUNN R. Is employment polarization informative about wage inequality and is employment really polarizing? [R]. Cambridge:Social Science Electronic Publishing,2019.
    [22] ACEMOGLU D & RESTREPO P. Low-skill and high-skill automation [J]. Journal of Human Capital,2018,12(2):204-232. doi: 10.1086/697242
    [23] 纪雯雯. 数字经济与未来工作[J]. 中国劳动关系学院学报,2017,31(6):37-47.
    [24] 唐永,蒋永穆. 产业结构服务化会导致中国劳动力市场极化吗?[J]. 经济评论,2022(2):51-69.
    [25] 江永红,张彬,郝楠. 产业结构升级是否引致劳动力“极化”现象[J]. 经济学家,2016(3):24-31.
    [26] 陈仪,李亚楠. 全球趋势背景下我国劳动力市场就业极化问题初探[J]. 新视野,2023(5):105-113.
    [27] 程旭,睢党臣. 人工智能时代就业信息不对称分析及规避策略[J]. 宁夏社会科学,2021(1):120-127.
    [28] 邱玥,杜辉. 人工智能对就业的影响因素及作用机制研究[J]. 中国劳动关系学院学报,2019,33(3):5-14.
    [29] ERIKSSON C. Is there a trade-off between employment and growth? [J]. Oxford Ecnomics Papers,1997,49(1):77-88. doi: 10.1093/oxfordjournals.oep.a028598
    [30] 姚战琪,夏杰长. 资本深化、技术进步对中国就业效应的经验分析[J]. 世界经济,2005(1):58-67,180.
    [31] 蒋南平,邹宇. 人工智能与中国劳动力供给侧结构性改革[J]. 四川大学学报,2018(1):130-138.
    [32] 吴清军,陈轩,王非,等. 人工智能是否会带来大规模失业?——基于电商平台人工智能技术、经济效益与就业的测算[J]. 山东社会科学,2019(3):73-80.
    [33] ACEMOGLU D. Technical change,inequlity and the labor market [J]. Journal of Economic Literature,2002,40(1):7-72. doi: 10.1257/jel.40.1.7
    [34] KATZ L F. Changes in the wage structure and earnings inequality[J]. Handbook of Labor Economics,1999(3):1463-1555.
    [35] AUTOR D H,KATZ L F & KRUGER A B. Computing inequality:have computers changed the labor market? [J]. The Quarterly Journal of Economocs,1998,113(4):1169-1213. doi: 10.1162/003355398555874
    [36] 宋冬林,王林辉,董直庆. 技能偏向型技术进步存在吗?——来自中国的经验证据[J]. 经济研究,2010(5):68-81.
    [37] 王君,张于喆,张义博,等. 人工智能等新技术进步影响就业的机理与对策[J]. 宏观经济研究,2017(10):169-181.
    [38] 孙早,侯玉琳. 智能化推动就业结构深刻变革[N]. 中国社会科学报,2019-7-24(04).
    [39] 郝楠,江永红. 谁影响了中国劳动力就业极化?[J]. 经济与管理研究,2017,38(5):75-85.
    [40] 王晓霞,白重恩. 劳动收入份额格局及其影响因素研究进展[J]. 经济学动态,2014(3):107-115.
    [41] 傅晓霞,吴利学. 偏性效率改进与中国要素回报份额变化[J]. 世界经济,2013,36(10):79-102.
    [42] AUTRO D & SALOMONS A. Is automation labor share-displacing? Productivity growth,employment,and the labor share[J]. National Bureau of Economic,2018(1):1-63.
    [43] 姜耀东. 数字时代资本主义生产关系中数字劳动的价值走向——基于马克思整治经济学的批判[J]. 东北大学学报(社会科学版),2021,23(6):108-113.
    [44] 于苗苗. 人工智能时代人力资本对现代服务业就业的影响研究[J]. 北京科技大学学报(社会科学版),2020,36(2):82-88.
  • 加载中
表(1)
计量
  • 文章访问数:  1039
  • HTML全文浏览量:  88
  • PDF下载量:  27
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-07-15
  • 刊出日期:  2024-04-19

目录

/

返回文章
返回