人工智能对技能需求的影响及其启示|163

点击进入，招募ing......

作者：袁玉芝，北京教育科学研究院基础教育科学研究所助理研究员

杜育红，北京师范大学教育学部教授

内容提要

人工智能导致劳动力市场的技能需求发生变化，这种变化对教育提出了新的要求。基于程序性假设，将劳动力的技能分为非程序性认知技能、非程序性非认知技能、程序性认知技能、程序性身体技能、非程序性身体技能五类。采用美国职业信息网络数据，结合1982-2010年的中国人口普查数据，发现我国劳动力市场对非程序性认知技能、非程序性非认知技能以及程序性认知技能的需求不断上升，对程序性身体技能和非程序性身体技能的需求不断下降。从经济发展趋势来看，人均GDP越高，劳动力市场对非程序性认知技能、非程序性非认知技能以及程序性认知技能需求越大，对程序性身体技能和非程序性身体技能的需求越小。从对个人的收入影响来看，采用2010-2013年的CGSS数据，基于明瑟收入方程，研究发现程序性认知技能对劳动力收入的正向影响不断增大，反映了我国劳动力市场对程序性认知技能的旺盛需求。人工智能的发展导致非程序性的技能需求上升，为了适应这种变化，教育需采取一定的措施，增加综合性课程、开展主题式情境教学，着力培养学生的非程序性的认知技能和非认知技能。

关键词：人工智能程序性非程序性认知技能非认知技能身体技能

标题注释：本文系教育部哲学社会科学研究2015年度重大课题攻关项目“教育与经济发展关系及贡献研究”(项目编号：15JZD040)的研究成果。

世界经济论坛创始人兼执行主席、德国经济学家施瓦布(Schwab，K.)认为，人工智能(Artificial Intelligence，简称AI)等信息技术的发展将颠覆几乎所有国家的所有行业，带来新的技术革命，并将其称为第四次工业革命。《第四次工业革命：未来的就业、技能和劳动力战略》报告指出，根据对超过1300万劳动力的调查结果，到2020年，大部分职业所需的核心技能将有超过1/3与今天不同。[1]一方面，以人工智能为代表的信息技术的发展将要求劳动力去学习新的技能以弥补人工智能的不足。另一方面，正如前几次工业革命都大幅度地转移了劳动力，表现最明显的是农业从业人员的锐减。第四次工业革命将促使劳动力主要集中在更为专业的领域，需要劳动力具有更强的社交技能、创新能力以及在不确定条件下作出决策和提出新思维的能力。[2]总之，人工智能为代表的第四次工业革命将导致大部分职业及其需要的技能发生根本性的转变，这种转变将成为教育变革的源动力。人工智能的发展对教育的技能供给即人才培养产生哪些影响值得深入探讨。因此，本文将在借鉴国外已有研究的基础上，结合我国劳动力市场的特点，着重分析人工智能等信息技术对我国劳动力市场技能需求变化的影响，以及这种变化对教育提出的新要求。

一、人工智能影响技能需求的理论分析框架

人工智能主要通过模拟、延伸和扩展人类智能，来完成或辅助人类完成智能工作。这意味着人工智能等信息技术的发展将导致劳动力被机器取代的概率上升。麻省理工学院的布莱恩约弗森(Brynjolfsson，E.)和麦卡菲(McAfee，A.)在其著作《第二个机器时代》(The Second Machine Age)中提到，第一个机器时代是有关功率系统以及搬运大宗物件的能力，部分代替了人类的身体，人类很大程度上是机器的补充；而第二个机器时代则更多是关于自动化以及机器的思维能力和认知活动的强化，机器部分代替人类的头脑，很多日常的脑力劳动将被电脑化。[3]从机器人的发展轨迹亦可看出这样的趋势。机器人在体系结构上可以划分为三个层次：一是执行机构，模拟人类的四肢进行移动和操作。第一代机器人主要实现了这个功能，应用在传统的工业领域，替换了那些简单及重复性的工作，机器替代人的比率约为5％.二是认知智能，即模拟人脑皮层前额叶等进行决策、规划、推理、经验与知识学习等。第二代机器人，即AI机器人具有这样的特点，具有一定的自主性和环境适应性，例如美国直觉外科公司(Intuitive Surgical)的达·芬奇外科手术机器人等。第二代机器人能够使制造业中的机器替代人的比率达到60％，甚至可以实现完全无人的智能制造。三是感知智能，即在大数据的支持下，通过雷达、红外、力觉和触觉传感器、GPS、编码器以及深度学习等模拟人类的分类与理解、感官及视听觉通路等，使机器人具有感知智能，最终在某些行业真正实现机器替代人工。[4]

从机器替代人工的发展轨迹可以看出，机器替代人工首先体现在某类工作任务上。奥特尔(Autor，D.)、列维(Levy，F.)以及默南(Murnane，J.)认为要想了解技术进步对劳动力市场的影响，必须要先了解不同职业的工作内容特点，工作内容是劳动力进行生产过程中的所有活动的组合，不同的工作内容需要劳动力使用不同的技能去完成。计算机擅长快速运用规则，如果一个工作内容能够充分应用规则来进行描述，那么它被计算机替代的可能性非常高。目前计算机的识别模式还仅仅局限在解决那些需要很少的情境性知识，没有复杂的感知型问题。那些需要复杂的识别模式的工作还主要是由人类来完成。据此，提出了“程序性(Routinization)”假设(简称ALM假设)。

程序性假设是指根据计算机在处理有一定规则的任务时具有比较优势，而人类在处理复杂的模式识别任务时具有比较优势，将工作内容分为程序性的和非程序性的。如果一个工作内容能够被充分定义，那么一个缺少灵活性和判断能力的机器将很容易通过一步步设置好的程序完成这个工作任务。这类程序化的、重复性的、有一定规律的、能够通过计算机完成的活动被称之为程序性的工作内容。一些中等水平的认知类工作和体力类工作的内容多为程序性的，往往容易被计算机替代。例如，文员、销售、生产和技工类职业。那些活动规律不能够被清晰识别的，不能够通过计算机程序或者机器完成的活动被称为非程序性的工作内容，分为分析和交互式的工作内容(Analytic and Interactive Tasks)和体力类工作内容(Manual Tasks)。分析式的工作内容多要求劳动力具有一定的问题解决能力和创新能力，劳动力的受教育水平较高，专业类和技术类型的职业活动往往具有这样的特点，例如法学、医学、科学等领域的工作。交互式的工作内容需要人与人的互动，管理类的工作具有这类特点。分析和交互式的工作内容难以被计算机技术完成的主要原因是完成这种活动往往需要大量的信息投入。体力类工作内容的特点是需要情境适应、视觉和语言识别以及面对面的互动，主要体现在服务行业，例如司机、厨师等，要求劳动力具有熟练的身体技能和一定的语言表达能力，对劳动力的教育程度要求并不高。这类体力类工作内容之所以难以被计算机取代，是因为其任务核心是情境适应以及与人的互动，这种对不确定的互动的适应和反应超出了自动化机器的能力。从长远来看，人工智能将可能使机器获得这样的能力，但受使用成本的限制，并未得到推广。[5]职业包含的非程序性的分析与交互式工作内容越多，要求劳动力的受教育水平越高；职业包含的程序性与非程序性的体力类工作内容越多，劳动力受教育水平越低；职业包含的程序性认知类工作内容与劳动力的受教育水平之间并非单调关系，高中和非本科高等教育毕业劳动力从事包含较多程序性的认知类工作内容的职业的比例最多。[6]

基于程序性假设对工作内容的划分，本研究将完成各类工作任务需要的技能划分为非程序性认知技能、非程序性非认知技能、程序性认知技能、程序性身体技能以及非程序性身体技能五类，完成每个职业i都需要一个技能集合。根据计算机等信息技术替代人工的特点，即程序性的技能容易被替代，结合劳动力的就业结构以及各类技能回报的变化，推测出未来劳动力市场的技能需求变化情况。

二、文献综述

在程序性假设的基础上，研究者们对技术进步尤其是信息技术发展对职业各类技能需求变动的影响展开了深入的研究，已有研究内容主要涉及职业的程序性以及各类技能需求变动两个方面。

(一)职业的程序性

奥特尔等在程序性假设的基础上，将工作内容细分为非程序性的分析类工作内容、非程序性的交互类工作内容、程序性的认知类工作内容、程序性的体力类工作内容以及非程序性的体力类工作内容五类。基于美国职业大典数据(DOT)，分别用劳动力的一般教育发展(GED)的数学成绩，对活动的指导控制规划程度，精确达到设定的限制、界值或标准程度，手指灵巧程度，眼、手、脚的协调程度测量上述五类工作内容，最终获得职业的程序性和非程序技能需求情况。[7]

弗雷(Frey，C.)和奥斯本(Osborne，M.)在奥特尔等人的研究基础上，进一步讨论了职业的程序性问题。他们认为随着机器学习和移动机器人技术的发展以及大数据时代的到来，不仅程序性的工作内容容易被机器取代人工，非程序性的工作内容也受到了计算机等科学技术的影响，例如非程序性的医学诊断任务已被证明可以被计算机取代。因此，基于美国职业信息网络数据，以感知和操作类工作内容、创造性智力类工作内容、社会智力类工作内容等计算机难以取代人工完成的任务作为计算机取代人工的瓶颈，以机器学习方面的专家将70个职业手动归为可自动化和不可自动化两类为基础，采用高斯过程二类分类分析方法，估算出各职业劳动力被计算机取代的概率。研究发现美国大概有47％的职业存在被计算机取代的风险。[8]

英国德勤公司借鉴弗雷和奥斯本的研究，估算了英国的各类职业被计算机取代的概率，研究发现在未来的10到20年间，英国约有35％的职业存在自动化的高风险。在2001-2015年，英国低概率自动化的职业，即位于自动化概率10％～40％分位的职业，就业人数增加；位于自动化概率50％分位的职业就业人数也在增加；高概率自动化的职业，即位于自动化概率60％～100％分位的职业，就业人数减少。[9]

马尔科林(Marcolin，L.)等基于经济合作与发展组织的国际成人能力评估调查(Programme for the International Assessment of Adult Competencies，简称PIAAC)数据研究了职业的程序性内容。通过问卷调查中的四个问题构建职业程序性强度指标，这四个问题分别是：建立工作任务顺序的自由度；决定完成任务类型的自由度；自主规划活动的频次；自主安排时间的频次。根据程序性强度指标将职业分为非程序性的职业、低程序性强度的职业、中等程序性强度的职业以及高程序性强度的职业四类。以劳动力的受教育水平和职业作为其技能的代理变量，发现在非程序性的职业和低程序性强度的职业内，劳动力的技能水平越高从事这两类职业的概率越大。而在中等和高等程序性强度职业内，中等技能水平的劳动力比例最高。[10]

(二)技能需求变化

对各类技能需求变动的研究主要依托于工作分析法，通过工作分析法获得工作详细内容，并基于程序性假设对其进行分类，结合职业结构变化，获得各类技能需求变动趋势。但工作分析法耗时耗力，对研究者的要求也较高。因此，已有基于该方法的研究多是利用公开的有详细职业工作内容的数据，如美国职业大典及在其基础上发展起来的美国职业信息网络数据等。

奥特尔等采用美国职业大典数据，估算了职业的各类程序性和非程序性工作内容大小，并结合美国人口普查和人口现状调查数据，基于职业结构的变化探讨了美国从1960年到1998年职业技能需求变化情况。非程序性的分析类工作内容和非程序性的交互类工作内容劳动力投入在这将近40年的时间内大幅上升。各类工作内容的劳动力投入变化与产业内每年工人使用计算机比例变化的回归分析结果表明，职业的迅速计算机化导致程序性的认知类工作内容劳动力投入减少，非程序性的认知类工作内容劳动力投入增加。[11]

列维和默南在奥特尔等研究的基础上将职业工作内容分为专家思考型(Expert Thinking)、复杂沟通型(Complex Communication)、程序性认知工作内容、程序性体力工作内容、非程序性体力工作内容五类，同样使用美国职业大典和人口普查数据，以1969年为基线，研究了1969-1998年美国职业技能需求变化情况，发现专家思考型和复杂沟通型工作内容需求持续增长，程序性认知和体力工作内容需求在20世纪70年代保持平稳，但在80年代和90年代不断下降，非程序性体力工作内容需求一直呈下降趋势。为了探究计算机使用对劳动力市场技能需求变化的影响，列维和默南预测了在不使用计算机的情况下劳动力技能需求变化情况，发现在不使用计算机的情况下程序性认知和体力工作内容需求都将有所增加。[12]

斯皮茨(Spitz，D.)沿用了奥特尔等对工作内容的分类，基于德国联邦研究所职业培训部门组织的资格和职业调查数据，分析了1979-1999年职业技能需求变化情况，发现分析与交互式的工作内容增加而程序性的认知和体力工作内容减少，非程序性的体力工作内容变化存在一定的波动，但整体趋于上升趋势。为了探究计算机使用对该技能需求变化的影响，通过计算机使用比例变化与各类工作内容变化的回归分析，发现计算机与非程序性的认知类工作互补，对程序性的认知类工作内容和体力工作内容具有一定的替代性。[13]

古斯(Goos，M.)等基于程序性假设将工作内容分为抽象类的(Abstract)、程序类的(Routine)以及服务类的(Service)，其中抽象类的与服务类的属于非程序类的，难以被计算机取代，抽象类的工作内容比服务类的工作内容对劳动力的教育水平要求高。采用美国职业信息网络数据对这三类工作内容进行量化，以工作时长代替劳动力从业人数，基于1993-2006年的欧盟劳动力调查数据，研究了16个欧洲国家技能变化情况，发现职业每提高其抽象类的、服务类的工作内容一个标准差，将分别增加1.33％和1.28％的劳动力需求，职业每提高程序类的工作内容一个标准差，将减少1.33％的劳动力需求。[14]

阿埃多(Aedo，C.)等同样沿用了奥特尔等对工作内容的分类方法，并将其作为职业技能需求的代表。采用美国职业信息网络数据，测算出各职业技能需求，并将该结果与包括美国在内的30个国家的职业(世界银行的国际收入分配数据库)进行匹配。通过国际的横向比较发现，人均收入水平越高的国家，对非程序性认知(分析与交互式工作内容)技能、程序性认知技能需求越高，对程序性和非程序性的身体技能(体力类工作内容)需求越低。[15]

三、研究设计

(一)数据来源

本文使用的数据来源于美国职业信息网络数据以及中国综合社会调查数据(CGSS)。

美国职业信息网络数据主要为本研究提供测量各类职业技能需求的指标。美国职业信息网络是由美国劳动部就业和培训管理处组织开发的职业信息系统，它基于美国标准职业分类系统(Standard Occupational Classification，简称SOC)，通过对从业者和职业专家的大规模问卷调查收集了约974个职业的特征数据。数据内容包括从业者特征和工作本身特征两个方面：从业者特征包括从业者的能力、职业兴趣、职业价值观、工作风格等个人特征，还有技能、知识、教育等从业要求以及经验要求等；工作特征包括工作活动、工作环境、职业前景以及职业的其他相关信息等。

中国综合社会调查是由中国人民大学和香港科技大学合作完成的，对中国大陆各省、直辖市、自治区多户家庭进行连续性的横截面调查。它采用多阶分层PPS随机抽样法，抽取了遍布全国28个省、自治区、直辖市约10000名个人，全面地收集了社会、社区、家庭、个人多个层次的数据。从2003年起，每年一次。调查内容包括了个人的受教育水平、性别、职业、职业收入、工作经验等相关信息，并采用国际标准职业分类(ISCO88)对职业进行编码，有利于与国外研究进行比较。

(二)变量和模型

1.技能测量

借鉴阿西莫格鲁(Acemoglu，D.)和奥特尔以及阿埃多等的研究方法，测量了完成各类职业需要的非程序性认知技能、非程序性非认知技能、程序性认知技能、程序性身体技能以及非程序性身体技能，美国职业信息网络数据库中的16个指标测量。(见表1)

每类技能等于其对应指标的算术平均数，根据以上指标估算出每个职业的五类技能需求。美国职业信息网络使用的职业分类标准是O*NET-SOC，是在美国职业分类标准(SOC)的基础上建立的更为详细的职业分类。为了便于进行国际比较，研究者们常常在假定各国与美国相同的职业具有相同的技能的基础上，将其转化为国际标准职业分类(ISCO)编码数据。[16]本研究借鉴该方法，完成职业编码转换，获得ISCO88职业编码与五类技能的匹配数据。(见表2)

2.模型设置

第一，考察劳动力市场对非程序性认知技能、非程序性非认知技能、程序性认知技能、程序性身体技能以及非程序性身体技能需求总体变化情况。借鉴中国综合社会调查和中国家庭追踪调查将中国职业分类转换为国际标准职业分类(ISCO)的方法，[17]根据人口普查数据，获得职业与技能匹配数据，计算出我国劳动力市场对上述五类技能的总体需求。计算过程如下：为职业i的从业人员占总劳动力的比例，θ为整个劳动力市场结构，D为劳动力市场的总体技能需求，等于各职业从业人员占总体劳动力比例与该职业技能需求乘积之和。

第二，基于CGSS数据，探究各类技能与个人工资性收入之间的关系及其变化趋势。假定个人职业所需技能即为个人所有技能的基础上，即将职业所需技能作为个人具有技能的代理变量，探究各类技能与收入之间的关系，采用加入技能变量的明瑟收入方程，见模型5，分别对2010-2013年这4年数据进行回归分析，探究技能与收入之间的关系随时间的变化趋势。

四、技能需求总体变化

本研究采用上述方法，计算出我国各类职业对非程序性认知技能、非程序性非认知技能、程序性认知技能、程序性身体技能以及非程序性身体技能需求情况。(见表3)

国家机关党群组织、企事业单位负责人对非程序性非认知技能的需求最高，其次为非程序性认知技能；各类专业、技术人员对非程序性认知技能需求最高，其次为非程序性非认知技能；办事人员和有关人员对程序性认知技能的需求最高；商业、服务性工作人员对非程序性非认知技能的需求最高，其次为程序性认知技能；农、林、牧、渔劳动者对非程序性身体技能需求最高，其次为程序性身体技能；生产工人、运输工人和有关人员对非程序性身体技能需求最高，其次分别为程序性身体技能和程序性认知技能。

结合我国职业结构的变化，可以粗略获得我国劳动力市场对各类技能需求变化情况。在2000年前，我国劳动力市场对非程序性身体技能需求最大，其次为程序性身体技能。我国以第一产业为主，农民在整个职业结构中占比最大，而农民需求最大的技能分别是非程序身体技能和程序性身体技能；另一方面，在整个职业结构中占比第二大的生产工人、运输工人和有关人员对非程序性身体技能和程序性身体技能的需求也较大，导致非程序性身体技能和程序性身体技能需求旺盛。但在2000年后，程序性认知技能超过程序性身体技能成为需求第二大的技能类型，在2010年之后，又超过非程序性身体技能成为需求最大的技能类型。从表3可以看出，办事人员和有关人员对程序性认知技能需求最大，其次分别为生产工人、运输工人和有关人员，各类专业、技术人员以及商业、服务性工作人员。随着第二产业和第三产业的发展，这三类人员都有较大幅度的增加，对程序性认知技能的需求也随之上升。非程序性认知技能需求最小，其次为非程序性非认知技能，但在1982-2010年劳动力市场对这两类技能的需求稳步上升，其中非程序性非认知技能需求有超过程序性身体技能需求的趋势。(见图1)

图1 我国劳动力市场技能需求变化趋势

与其他研究者采用相同的方法计算出的其他国家技能需求变化进行比较，发现我国对各类技能需求的变化趋势与其他国家技能需求变化趋势一致。(见表4)

对非程序性认知技能、非程序性非认知技能的需求各国都在增加，其中美国对这两类技能的需求最大，其次为波兰。在程序性认知技能方面，除了美国、智利对这类技能的需求有略微下降外，其他国家的需求都有所上升，美国和智利对这类技能的需求虽然在下降，但整体需求在几个国家中仍然最高。在程序性身体技能和非程序性身体技能方面，各国的需求都在下降。虽然中国和印度对这两类技能的需求也在下降，但需求量在几个国家中仍然最高。将技能与各国的人均GDP匹配，发现人均GDP越高的国家，对非程序性认知技能、非程序性非认知技能以及程序性认知技能的需求越大。程序性和非程序性身体技能需求都随着人均GDP的增加而减少。

五、技能的经济回报变化

基于CGSS数据，从不同受教育程度劳动力的技能来看，无论哪一年的数据，劳动力的非程序性认知技能都随着教育程度的提高而上升，劳动力的程序性身体技能、非程序性身体技能都随着教育程度的提高而下降；劳动力的非程序性非认知技能也随着教育程度的提高而上升，在大学本科学历劳动力处达到最高值，研究生以上学历劳动力的非程序非认知技能略微低于大学本科生学历劳动力。2010-2013年，程序性认知技能最高值从研究生以上学历劳动力处转移到大学本科学历劳动力处，并在2013年移到大学专科学历劳动力处。由此可见，目前对程序性认知技能要求较高的职业主要需要大学专科学历劳动力。从时间变化趋势来看，高中及以下学历和研究生及以上学历劳动力的工作技能需求变化不大。大学专科学历劳动力的非程序性认知技能和非程序性非认知技能除了在2011年有所上升外，总体呈下降趋势，程序性认知技能、程序性身体技能以及非程序性身体技能除了在2011年有所下降外，总体呈上升趋势。大学本科学历劳动力的非程序性认知技能和非程序性非认知技能与大学专科学历劳动力的技能变化趋势一致，总体都在下降，其程序性认知技能、程序性身体技能以及非程序性身体技能一直处于上升趋势。(见表5)

基于明瑟方程，探究上述五类技能对收入的影响作用。总体来看，教育仍然有较高的劳动力市场回报，但当加入技能变量后，教育的回报率开始下降。初中阶段的相对回报率下降了4.9个百分点，高中阶段的回报率下降了11.8个百分点，大学专科阶段的回报率下降了23.6个百分点，大学本科的回报率下降了28.6个百分点，研究生及以上的回报率下降了32.4个百分点。从技能角度来看，非程序性认知技能、非程序性非认知技能以及程序性认知技能对劳动力的工资性收入都有着积极的影响，程序性身体技能和非程序性身体技能对劳动力的工资性收入都有着消极的影响。除了程序性认知技能对收入的正向影响随着时间不断增加外，其他各类技能对收入的影响都处于波动状态。(见表6)

六、主要结论及其对教育供给的启示

人工智能引领下的新的技术革命即第四次工业革命将导致劳动力市场的技能需求发生根本性的变化，主要表现在以下几个方面。第一，我国劳动力市场对非程序性认知技能、非程序性非认知技能以及程序性认知技能的需求不断上升，对程序性身体技能和非程序性身体技能的需求不断下降。人均GDP越高，劳动力市场对非程序性认知技能、非程序性非认知技能以及程序性认知技能需求越大，对程序性身体技能和非程序性身体技能的需求越低。第二，劳动力的非程序性认知技能随着教育程度的提高而上升，程序性身体技能、非程序性身体技能随着教育程度的提高而下降。劳动力的非程序性非认知技能随着教育程度的提高先上升后下降，大学本科学历的劳动力的非程序性非认知技能最高。每年程序性认知技能随教育程度变化的趋势并不一样，但总体来看，程序性认知技能得分最高的劳动力先从研究生及以上学历变动为大学本科学历最后移动到大学专科学历。这在一定程度上也说明，从事那些需要劳动力具有较高程序性认知技能的工作的劳动力的学历变化情况。第三，非程序性认知技能、非程序性非认知技能以及程序性认知技能与劳动力的工资性收入正相关，程序性身体技能和非程序性身体技能与劳动力的工资性收入负相关。从时间趋势来看，程序性认知技能对收入的正向影响不断加强，其他技能对收入的影响处于波动状态。

目前我国无论是基础教育还是高等教育都采用分科式教学，强调学生对学科知识点的掌握，忽略了学生基于现实场景的问题解决等非程序性认知技能的培养。

在基础教育阶段，强调基础教育对下一阶段教育“输送人才”的作用，具体表现为对学生升学率和成绩的重视，主要培养的是学生的程序性认知技能，而不是学生的问题解决等非程序性认知技能。以PISA测试为例，我国上海市参加了2012年的PISA测试，数学、阅读和科学都取得了第一名的好成绩，但在PISA的附加测试——基于计算机的问题解决模块评估中的得分却并不高，平均得分低于新加坡、韩国、日本等国家或地区。

在高等教育阶段，受到苏联模式的强烈影响，我国高等教育强调窄的专业教育，窄的专业教育是建立在细分的学科教学的基础上的，学科教学的特点是以单一学科知识为中心，知识点之间相互孤立，仅涉及单一的智能培养，强调学生对知识点的记忆，追求学科知识的系统性和逻辑性，主要培养了学生的认知技能，尤其是程序性的认知技能，不利于培养学生的问题解决等非程序性认知技能。为了更好地培养学生的问题解决等非程序性的认知技能，应改变传统的教学内容和方法，改变过于重视单科教学的倾向，增加综合性课程的比重。

在基础教育阶段增加基于一定情境的教学，即主题教学，在高等教育阶段应增加跨学科教学。这种综合课程的教学方式能够通过围绕某个跨学科领域的主题实现学科知识统整和课程整合，强调学生的多元智能发展，教学基于一定的情境和现实问题，强调以学生活动为中心，学生可以自由地探究与主题相关的任何学习材料，引导学生主动获取知识。能够更好地培养学生的思维能力，使学生认知发生有效的迁移，提高学生问题解决等非程序性的认知技能。

参考文献：

[1][2]World Economic Forum.The Future of Jobs Employment,Skills and Workforce Strategy for the Fourth Industrial Revolutionp[R].Geneva Switzerland:World Economic Forum,2016.20.

[3]Brynjolfsson and McAfee.The Second Machine Age[M].W.W.Norton & Company,2014.

[4]邓志东.AI机器人引燃“第四次工业革命”的导火索[J].机器人产业，2016，(4).

[5]Acemoglu.Skills,Tasks and Technologies:Implications for Employment and Earnings[J].Handbook of Labor Economics,2011,(4).

[6][7][11]Autor,D.H.,et al.The Skill Content of Recent Technological Change:An Empirical Exploration[J].Quarterly Journal of Economics,2003,(4).

[8]Frey C.,Osborne M.The Future of Employment:How Susceptible Are Jobs to Computerisation?[J].Retrieved September January,2013,(16).

[9]Deloitte.From Brawn to Brains:The Impact of Technology on Jobs in the UK[R].The Creative Studio at Deloitte,London,2015.

[10]Marcolin,L.et al.,The Routine Content of Occupations:New Cross-Country Measures Based on PIAAC[R].OECD Trade Policy Papers,2016.188.

[12]Levy and Murnane.The New Division of Labor[M].Princeton:Princeton University Press,2003.39-40.

[13]Spitz.Are Skill Requirements in the Workplace Rising? Stylized Facts and Evidence on Kill-biased Technological Change[Z].ZEW Discussion Paper,2004.4-33.

[14]Goos,et al.Explaining Job Polarization in Europe:The Roles of Technology,Globalization and Institutions[Z].CEP Discussion Paper.1026.

[15]Aedo,et al.From Occupations to Embedded Skills:A Cross-country Comparison[R].Washington,DC:World Bank,2013.

[16]Aedo,et al.From Occupations to Embedded Skills:A Cross-country Comparison[R].Washington,DC:World Bank,2013; Institute for Structural Research.Occupation Classifications Crosswalks from O*NET-SOC to ISCO[EB/OL].http://ibs.org.pl/en/resources/occupation-classifications-crosswalks-from-onet-soc-toisco/.

来源：《教育研究》2019年第2期

转自：中国社会科学网

其他：未来战争 |大国博弈 | 贸易战 | 国际新秩序 | 习近平 | 马化腾 | 马斯克 | DARPA | 兰德研究报告 | 潘建伟 | 梅宏 | 吴曼青 | 李德毅 | 施一公 | 金一南 | 顾建一 | 卢秉恒 | 邬江兴 | 王凤岭 | 邬贺铨 | 沈昌祥 | 名家言论 |国防建设 | 外军动态其他主题文章陆续整理中，敬请期待······

人工智能对技能需求的影响及其启示

热搜

热门跟贴