第二节　研究对象、目标、思路及方法

一、研究对象

本书在对人工智能技术进步对就业影响进行历史考察和国内外比较研究的基础上，调查和分析人工智能产业发展现状及劳动力市场现状，从理论上对人工智能影响的破坏和补偿机制及路径进行较为深入的分析。在历史考察、比较研究、现状分析、理论研究的基础上，从产业和人的角度对北京市人工智能技术进步水平、就业影响程度、未来发展趋势及心理冲击程度进行定量测算。在相关政策约束下，制定与人工智能产业规划相适应的短期和中期、长期政策目标，构建与人工智能产业发展趋势相适应并相互协调的政策体系，为政府提前应对人工智能对就业的破坏效应，有效缓解北京市就业结构矛盾及提升各类劳动力的就业质量提供对策建议。

二、研究目标

研究目标主要包括以下三个方面。

（一）理论研究目标

①厘清不同技术进步发展阶段对就业结构的影响，以及技术进步与就业关系的动态演进过程，分析发达国家人工智能技术进步的就业弹性变化规律，归纳人工智能发展较好的国家及城市提前布局应对冲击的思路与做法，旨在提供应对的经验借鉴。②结合北京市的经济社会及政策背景因素，从理论上分宏观、微观层面解释人工智能对就业的破坏机制和补偿机制，并刻画影响路径，探索人工智能技术进步引发的劳动力市场波动问题，丰富就业领域的文献与理论研究。构建人工智能下的心理冲击程度理论指标体系，为测度因技术进步给劳动力带来的心理冲击效应奠定理论基础。

（二）实证研究目标

对北京市人工智能的细分行业领域、职业、人群的就业现状及影响程度进行精准分析和描述，测算北京市人工智能技术进步水平及就业影响效应，预测2019—2030年北京市人工智能产业劳动力市场的供需量及缺口，为精准制定政策目标及应对措施提供实证依据。

（三）政策研究目标

根据北京市人工智能产业发展规划、北京市新的城市规划及政策约束条件，制定科学的短期、中期、长期政策目标，构建各类政策相互协调、互为支撑的应对政策体系，分析实施路径，制定具体措施，精准发力，对处在人工智能等新技术破坏区间的重点行业、职业、群体制定干预政策措施，切实解决促进创新经济发展中面临的就业结构性矛盾和劳动力能力转型升级的问题。

三、研究思路

本书将按照“历史考察与国内外比较、产业及劳动力市场现状分析、影响就业的机制及路径刻画、对就业的影响测算及未来发展趋势预测、应对政策体系及实现路径”的逻辑思路展开研究。具体技术路线如图1-1所示。

四、研究方法

本书主要采用了以下研究方法。

（一）文献计量分析法和文献研究法

（1）文献计量分析法。运用知识图谱分析法，采用Citespace软件，对筛选出的2009—2019年关于人工智能影响就业主题的100篇有效WOS英文核心文献和145篇中文文献从机构、关键词共现、文献共引，以及关键词聚类等可视化分析，对核心国家和地区、重要研究机构合作网络、研究现状、聚焦领域及热点趋势进行分析，总结研究热点及未来趋势。

（2）文献研究法。搜集整理有关技术进步影响就业的表现、特征、趋势、影响因素、产生原因、应对措施等中外研究文献，总结技术进步与就业关系的动态演进过程，分析发达国家就业弹性变化规律，归纳与借鉴人工智能发达国家和国内发达城市的应对政策及措施。对国内外相关文献进行梳理、比较和分析，力图呈现研究现状和进展，通过借鉴现有人工智能影响就业的理论和思路，提取人工智能影响就业的因素，并结合我国当前的具体情况，提出基于中国情境下人工智能影响就业的整合理论分析框架。

（二）调查法

（1）深度访谈法。一是“三城一区”调研，即中关村科学城、未来科学城、怀柔科学城、创新型产业集群示范区，开展人工智能政策、产业和企业发展情况调研。二是调研人工智能产业园、孵化器，即赴亦创智能机器人创新园、香河机器人产业园等人工智能集中的产业园区，国安龙巢、中关村创客中心人工智能孵化器等人工智能企业聚集的科技孵化器，对人工智能产业、企业发展、就业情况及政策需求开展调研。三是企业调研，包括人工智能研发企业和典型应用企业。对百度、科大讯飞、旷视科技、商汤科技、格灵深瞳、阿里巴巴、腾讯、搜狗、三角兽、博云视觉、希姆计算、北京郁金香伙伴科技有限公司、未感科技等北京人工智能重点研发企业，以及玛氏公司、碧桂园、旭辉集团、字节跳动、京阳集团、爱立信、京东科技、中国电信北京公司、中国石油集团共享运营有限公司、中科原动力、中国航空集团、博雅瑞特（北京）文化科技有限公司等典型应用企业；会计、金融服务、客户服务、翻译服务、司机等受冲击的重点职业开展调查，收集产业企业发展现状，就业数量、结构、方式、岗位技能要求等。

（2）调查问卷法。以2019年北京市经济和信息化局提供的1084家各区人工智能企业为分层依据，在各层随机抽取100家企业样本，样本量占北京市人工智能企业总量的9%，置信区水平在95%的情况下，抽样误差约4.6%。进一步从被调查企业随机抽取506名员工进行问卷调查，形成企业—员工匹配数据，收集2016—2018年的数据。调查问卷分企业问卷和员工问卷，企业问卷由企业高层管理人员填写，员工问卷由员工填写。企业问卷包括：企业岗位和人员信息、企业经营情况、企业发展情况、人工智能政策。员工问卷包括：工作现状、工作感知、工作要求、员工心理感受等。

（3）焦点小组会议。深度访谈受波及的重点企业及劳动群体，了解其对政策的诉求，对不同领域的政策制定专家进行访谈并组织焦点小组会议，讨论政策目标的科学性、政策体系的前瞻性和适用性，以及实施路径的可操作性。

（三）描述统计法

收集和整理相关人工智能领域的统计数据，结合第一手调查数据，对北京市人工智能产业规模、产业特征，人工智能企业分布、企业特征，人工智能行业企业就业总量、结构和质量，从区域、不同细分领域行业、职业和人群对北京市人工智能对就业的影响现状进行统计描述。

（四）空间计量统计法

基于GIS空间统计分析工具，使用空间统计分析标准差椭圆分析方法，以北京市各区（县）国土空间为参照标准，以国土面积为基准分布要素，以企业销售额、员工数量、工资水平为产业与就业的属性要素，分别计算产业和就业的空间分布标准差椭圆，从分布重心、空间展布范围、密集性、分布方向和形状等多重角度，揭示2016—2018年北京市产业和就业的空间分布及变动特征。在此基础上，进一步通过构建空间差异指数，分析北京市产业与就业的空间匹配及时空演变。

（五）理论模型分析法

以资源依存理论、创新扩散理论、工作任务模型等作为理论基础，分别从宏观和微观两个层面构建人工智能对就业的影响机制理论模型，深入分析破坏机制、补偿机制及总体效应机制和路径。对宏观层面人工智能技术进步对社会心理的影响机理及过程、微观层面人工智能技术进步对企业员工心理的影响机理及过程进行深入分析。根据要素集聚效应理论，从直接影响与间接影响两个圈层分析北京市人工智能产业与就业动态匹配的形成机理。

（六）实证分析法

采用DEA-Malmquist指数法测算人工智能企业TFP及分解变化情况，比较分析人工智能上市公司与非上市公司、不同行业的人工智能TFP差异及变化。采用自回归移动平均模型（ARIMA），测度北京市人工智能技术进步水平，并对2019—2030年北京人工智能技术进步水平进行了预测。

利用德国IFR面板数据，建立关于北京市人工智能技术应用、地区经济发展水平分别与北京市就业总量、北京市从业人员年平均工资、北京市大专及以上学历从业人员数之间的回归模型，分析人工智能技术应用对北京市就业总量、工资收入、从业人员素质的影响效应，并采用灰色预测模型对未来影响趋势进行定量判断。

（七）舆情分析和大数据分析法

情感分析法。采用基于支持向量机（SVM）的情感分析模型测度人工智能技术进步引致的社会大众心理冲击。基于人工智能标志性事件提取关键词，爬取2010年至今的7万多条新浪微博评论文本数据，分析社会大众情绪特征和微博文本特点，提出社会大众心理冲击情感分类，构建人工智能对社会大众的心理冲击情感语料库。基于机器学习——SVM方法，人工标注1万条微博文本作为训练数据，使用SVM进行训练，构建基于SVM的情感分类模型，对测试文本进行情感分类和情感值计算。分析人工智能典型事件对社会大众的心理冲击程度和变化趋势，以及社会大众对人工智能的总体反应。

（八）案例研究法

选取北京市人工智能的典型应用场景开展案例研究，旨在解释和探究人工智能对北京市就业的影响。以餐饮行业海底捞智慧餐厅为研究对象，采用扎根理论方法，从理论上构建人工智能对就业的影响机制和路径。选取医疗行业的北京协和医院，金融行业的光大银行、民生银行、兴业银行，汽车领域的北京奔驰，分析人工智能的应用带来的就业影响效应，以及对员工的心理影响。