《中国大学生就业》|| 张太富等：生成式人工智能对大学生就业能力的 “替代—补偿”效应机理：基于任务属性与职业类型的异质性分析

以ChatGPT、DeepSeek为代表的生成式人工智能已深度渗透各领域^[1]，其引发的劳动力市场任务重构，使基础数据处理等标准化岗位替代风险攀升，对处于教育与职业过渡阶段的大学生的就业能力形成双重挑战，既要应对标准化能力的替代压力，又需承接技术催生的补偿性能力需求^[2]。高校作为人才培养主阵地，现有课程体系与实践项目对人机协作场景覆盖不足，导致教育供给与市场需求错位，削弱了毕业生的求职竞争力。^[3][4]

研究所指的生成式人工智能是基于大语言模型等技术，可自主生成多类型内容的技术体系，具有通用性、自主性与迭代性特征^[5]；大学生就业能力则是指在人工智能驱动的劳动力市场中，实现高质量就业所需的综合能力体系，涵盖基础能力（专业知识、数字技能等）、核心能力（复杂问题解决、人机协同等）与素养维度（人工智能伦理、终身学习意识等）^[6]。生成式人工智能通过“替代—补偿”双重机制重构能力结构，而大学生能力体系亦反向塑造技术落地边界，二者的动态互动构成研究的核心逻辑起点。其中，替代效应体现为对结构化任务对应能力的边际价值削弱^[7]，补偿效应则通过人机协作延伸能力边界、创造新能力需求等路径实现^[8]，二者随任务属性与职业类型的变化而体现出差异。

学界围绕生成式人工智能与大学生就业能力已形成三类核心研究脉络，但仍存在显著理论缺口与研究不足。第一，生成式人工智能就业效应研究经历替代论、补偿论和动态平衡论的演进。替代论聚焦岗位替代风险测算，发现美国47%的岗位、中国19.05%的就业岗位面临高替代风险，且替代效应集中于结构化任务领域^[9][10][11]；补偿论强调技术的岗位创造与能力升级作用，提出从效率提升、规模扩张到岗位创造的实现路径[12]；动态平衡论则指出短期替代效应占优、长期形成人机协作平衡的演化规律^[13][14]。但现有研究多立足宏观劳动力市场视角，未充分关注大学生群体的特异性。大学生就业能力培育具有极强的教育阶段依赖性与系统嵌入性，高度依赖高校培养体系，呈现非线性的动态过渡与梯度演进过程，且存在群体内差异性^[15][16][17]，这导致对“替代—补偿”效应的作用边界、触发条件及内在传导路径界定模糊，难以精准解释技术对大学生群体的差异化影响。第二，大学生就业能力研究随社会发展持续演进，从传统三因子（性格特质、通用能力、专业知识）^[18]、四结构框架^[19]，逐步拓展至数智素养等新时代维度^[20]。近期研究强调“人工智能+专业技术”“人机协作”等核心能力^[21]，并细化了人工智能伦理素养等关键要素^[22]，但对人工智能时代就业能力的动态演进逻辑把握不足，未充分结合技术“替代—补偿”机制解析能力结构的重构规律。第三，任务属性与职业类型的异质性影响研究已明确人工智能对结构化、低情境依赖任务的替代效应更强^[23][24]，且职业可替代风险存在组群差异——非程式化认知交互型职业风险最低，程式化非认知交互型职业风险最高^[25]。但现有研究未将这一异质性视角充分融入大学生就业能力研究，导致研究结论的实践指引性不足。

综上，现有研究存在三个方面的理论缺口。其一，机理解析缺乏针对性，未结合大学生群体特异性厘清“替代—补偿”效应的内在传导机制；其二，问题诊断缺乏精准性，未依托任务属性与职业类型的异质性特征定位能力供需错位的核心；其三，研究链条缺乏完整性，未形成机理、挑战和对策的系统闭环。基于此，本文的核心研究问题主要聚焦于：生成式人工智能对大学生就业能力的“替代—补偿”效应机理是什么？人工智能时代大学生就业能力提升面临哪些现实挑战？对应的提升路径应如何构建？研究的创新点主要体现为立足大学生群体特异性，弥补现有研究宏观视角的局限，解析“替代—补偿”效应的内在传导机制；融入任务属性与职业类型异质性视角，拓展现有研究对能力供需错位诊断模糊的问题，聚焦差异化影响规律；构建机理、挑战和对策的完整研究链条，解决现有研究实践路径指引不足的问题。研究预期可以丰富人工智能与就业能力关系的理论体系，为后续相关研究提供理论框架参考；为社会制定相关政策、高校人才培养改革和大学生个体应变提供参考。

生成式人工智能对大学生就业能力的影响并非简单线性的替代或赋能，而是一个复杂的动态过程。人工智能通过替代、创造和产业结构引致三大机制，推动就业结构从传统产业向数字经济转型，驱动劳动者就业能力的需求变化。^[26]具体到大学生群体，生成式人工智能通过差异化路径与不同类型的任务、职业产生互动，形成复杂的“替代—补偿”动态关系（如图1所示）。

生成式人工智能对大学生就业能力的替代效应，主要通过技术性替代、组织性替代、分工式替代三种路径实现。三种路径相互关联、相互强化，共同作用于标准化、流程化就业任务对应的能力。技术性替代是指人工智能直接替代特定任务，依托效率高、成本低、质量稳定的优势，冲击基础数据处理、标准化文书撰写等基础能力，削弱大学生初始就业竞争力；组织性替代源于人工智能推动企业组织结构重构，间接降低特定能力需求，影响范围更广且存在时滞性；分工式替代体现为人工智能承担标准化环节和人类负责高阶环节的新分工模式，使标准化技能冗余，同时推动核心能力需求升级，是新时代最常见的替代模式。

生成式人工智能对大学生就业能力的补偿效应，主要通过能力延伸、场景拓展、价值升级三个维度实现，层层递进，共同提升大学生就业能力的市场价值，创造新的就业机会。能力延伸以人机协同为核心，人工智能弥补数据处理、信息整合等短板，助力复杂问题解决、跨领域协作等核心能力发挥；场景拓展催生新的非结构化任务与职业岗位，推动“人工智能+专业+伦理”复合素养需求增长；价值升级重构非结构化任务能力价值，使核心能力与素养维度成为就业市场核心需求，推动竞争焦点从基础能力向高阶能力转型。但要特别强调的是，生成式人工智能对大学生就业能力的补偿，最终要体现为大学生从工具性适配转向主体性成长，推动大学生在技术发展中实现从被动适应者向主动塑造者的身份转变。

1.基于任务属性的效应分化

研究的任务属性分类依托Zeira首次提出的计算机自动化对任务的分类框架^[27]，结合Autor等的拓展研究^[28]，同时参考了魏宏冰等的实证分类标准^[29]。上述理论与实证研究将任务划分为五类基础类型，包括常规手工任务、非常规手工任务、常规认知任务、分析任务与交流任务。^[30]基于重复性与标准化双重核心维度，本研究对上述基础任务类型进行重新整合，将大学生就业相关任务分为四类：高重复性+高标准化任务、高重复性+低标准化（个性化）任务、低重复性（创造性）+高标准化任务、低重复性（创造性）+低标准化（个性化）任务（如表1所示）。生成式人工智能对不同类型任务对应的就业能力，呈现出显著差异化的“替代—补偿”效应。要特别说明的是，无论是现有文献的任务属性分类，还是基于重复性和标准化的任务属性分类，都是为了方便分析和开展研究，并非完全一一对应，其中可能存在一定的交叉或重叠。

管理型职业以资源整合与动态决策为核心，其就业能力需求聚焦战略规划、团队协作和动态调适。生成式人工智能对这类职业的效应呈现常规管理替代和战略决策补偿的层级分化特征。常规管理替代体现为生成式人工智能对流程化、低决策需求的常规管理能力形成替代。战略决策补偿体现为生成式人工智能推动管理能力向高阶决策升级，战略决策与动态调适能力呈现显著补偿效应。

技术型职业以专业技术应用与创新为核心，其就业能力需求聚焦“专业技术+人工智能工具应用+技术创新”。生成式人工智能对这类职业呈现为基础技能替代和复合技能补偿的双向动态特征。基础技能替代是指生成式人工智能对重复性技术任务对应的能力形成替代，替代范围随技术迭代持续扩大。复合技能补偿体现为生成式人工智能催生“人工智能+专业”的复合能力需求，这类能力成为技术型职业的核心竞争力。

服务型职业以人际交互与需求个性化满足为核心，其就业能力需求聚焦专业服务、情感沟通和伦理判断。生成式人工智能对这类职业的效应呈现标准化服务替代和情感交互补偿的清晰边界。标准化服务替代体现为生成式人工智能对流程化、低情感需求的标准化服务能力形成替代，替代强度随服务标准化程度的提升而增强。情感交互补偿体现为生成式人工智能难以替代高情感依赖、高伦理需求的能力，这类能力成为服务型职业的能力护城河。

操作型职业以专业操作与实践处置为核心，其就业能力需求聚焦专业操作、复杂任务情境处置和实践创新。生成式人工智能对这类职业的效应呈现流程化操作替代和复杂处置补偿的差异化特征。流程化操作替代体现为生成式人工智能对标准化、重复性的操作能力形成替代，替代强度随操作标准化程度的提升而增强。复杂任务处置补偿体现为生成式人工智能难以替代高风险、高不确定性的复杂情境处置能力，这类能力成为操作型职业的核心竞争力。

生成式人工智能对大学生就业能力的替代效应与补偿效应并非静态对立，而是随技术迭代阶段、大学生能力发展阶段动态演进，呈现出从此消彼长到动态平衡，再到协同赋能的阶段性特征。这一演进规律的核心逻辑，主要立足于大学生能力发展的阶梯式规律与技术迭代的能力适配性判断。大学生能力发展呈现基础能力、核心能力和素养赋能培育的阶梯式和递进式规律，大学期间的不同年级和不同培养阶段重点聚焦培养不同的素质能力，与人工智能技术迭代中从替代基础能力开始，到替代部分核心能力，过渡到仅替代低价值能力的特征，以及零星补偿、规模化补偿、全覆盖补偿的趋势相似，而并非与大学的各阶段能力培养一一对应，而意在表达大学不同阶段培育能力的侧重点有差异。

技术迭代阶段是外部环境变量，学生能力发展阶段是内部主体变量，二者的对应不是单向的技术适配学生或学生适配技术，而是外部技术环境的能力需求变化与内部学生能力的发展升级相互牵引、双向适配的结果。这种关联为精准识别就业能力需求变化、制定针对性培养策略提供理论与现实支撑。

技术的发展有其自身规律和阶段。在技术导入期（应用初期），由于人工智能技术功能发展还有限，所以主要聚焦于标准化、流程化任务处理，此时替代效应快速显现，补偿效应尚未充分释放，二者呈现此消彼长的零和态势。在这个阶段，生成式人工智能的应用场景较为单一，主要替代大学生的基础能力。与此同时，新的职业类型和能力需求还未大规模兴起，补偿效应只是零星地出现在少数领域。对于正处于打基础阶段的大一、大二学生来说，由于培养重点多在基础能力，因此更需要及早思考未来的方向，做出适应的调整。

技术的发展进入成长期（应用中期）后，人工智能的能力边界逐渐拓宽，开始融入更多样的场景，因而替代效应深化但补偿效应同步释放，形成动态平衡。生成式人工智能不仅会替代更多类型的基础工作，而且开始对部分核心能力带来替代压力。与此同时，“人工智能+专业”等核心能力和素养需求正在快速增加，补偿效应逐渐在多个领域显现。中年级学生（大三）处于能力结构培育转型期，开始从基础能力向核心能力和素养维度培养过渡，若能及时培育“人工智能+专业”的复合能力，可在替代与补偿的平衡中把握就业机会。

当技术发展进入成熟期（应用后期），人工智能技术高度成熟，人机协作模式广泛普及，替代效应与补偿效应深度融合，呈现协同赋能的良性循环态势。生成式人工智能主要替代低价值的基础能力，对核心能力与素养维度的替代风险极低。相反，人工智能更多扮演着能力延伸与提升的角色，能帮助大学生突破原有能力边界，增强核心素养的价值感，补偿效应也因此渗透到各个职业领域。高年级学生（大四、研究生）已培养以核心能力与素养维度为核心的能力结构，能够通过人机协同实现能力价值最大化，就业竞争力强。

大学生能力发展阶段对替代—补偿效应的关联产生影响，但不是一一对应，而是处于动态变化的过程。低年级大学生以基础能力培养为主，面临的替代风险较高，补偿机会较少，需重点关注基础能力与人工智能工具操作能力的结合，降低替代风险；中年级大学生处于能力结构转型期，开始培养核心能力与素养维度，需重点培育“人工智能+专业”的复合能力，把握补偿机会；高年级大学生以核心能力与素养维度培养为主，需重点提升人机协同能力、复杂问题解决能力，实现协同赋能。这种阶段性特征要求高校在人才培养中，根据学生能力发展阶段与人工智能技术迭代阶段，动态调整培养重点，实现替代风险规避与补偿机会把握的有机统一，促进学生主体性成长与可持续发展。

生成式人工智能对大学生就业能力的“替代—补偿”效应，从本质来看，是技术变革与大学生能力结构、教育体系及社会就业环境的互动结果。当前社会层面的技术适配机制、高校层面的人才培养体系与学生层面的个体发展认知，均未充分对接这一效应逻辑，形成了替代风险未规避、补偿能力未培育的双重困境。基于宏观、中观和微观的逻辑框架，当前大学生就业能力提升面临三重交织的核心挑战，进一步加剧了教育供给与市场需求的结构性错位。

生成式人工智能逐渐重构就业市场任务，引发能力需求升级，但是社会层面尚未形成成熟的适配机制。产业端的技术应用快速迭代，产业需求向教育端传导的路径还不够畅通。[31]政策设计在支持体系、就业服务与协同育人等方面存在短板，其关键在于未能有效引导市场与教育在人的发展这一根本目的上达成共识。此外，社会公共支撑体系的缺位，可能加大数字鸿沟和就业能力差距[32]，致使技术赋能异化为技术筛选。同时，如何定义与评价人机协同时代人的核心价值和能力素养？目前尚未形成统一的“人工智能+就业”能力评估标准，企业招聘与学生能力培育缺乏明确导向，进一步放大了就业适配困境。

高校是人才培养的主阵地，人工智能直接冲击教育目标、方法、评价等核心要素，但高校培养体系对“替代—补偿”效应的响应存在显著滞后性，且受学科壁垒、资源依赖等因素制约^[33]，核心问题集中在课程、实践与联动机制三大维度。课程体系上，人工智能直接冲击教育底层逻辑，需要由整齐划一的教学转向个性化学习，但转型迟缓，“人工智能+专业”复合课程缺失，未能针对性应对结构化能力的替代风险，而又对非结构化任务所需的补偿能力培育薄弱，人工智能伦理、终身学习、创新能力等素养类课程匮乏。^[34]实践平台上，实践场景与人机协同度不足，难以模拟真实职场的技术应用场景。产教融合多停留在文件层面，缺乏常态化协作平台与利益共享机制。高校教师多聚焦学术体系，缺乏企业实战经验，难以指导学生解决真实产业问题。联动机制上，“招生—培养—就业”环节脱节，招生未考量人工智能相关素养潜力，培养方案更新滞后于市场需求，就业端的需求反馈难以反向驱动前端改革^[35]。

（三）微观学生层面：主体性自觉的缺位与适应性策略的失焦

面对人工智能的冲击，学生的困境不仅在于能力短板，更深层的原因在于未能确立自身在人机关系中的主体地位，这直接制约了其对“替代—补偿”效应的适应能力。^[36]认知层面，部分学生因替代风险产生焦虑甚至逃避^[37]，实质上是将自身客体化，放弃了作为学习与成长主体的能动性；部分学生忽视基础能力被替代的风险，或过度依赖人工智能工具^[38]，实质上是将技术视为外在权威或便捷替代，同样丧失了独立判断与创造性思考的主体责任。能力层面，问题根源于学生对人机能力边界的混淆，敏捷学习与跨领域整合能力不足，技能更新滞后于技术迭代，难以构建“人工智能+专业”的复合能力体系，且人工智能工具应用深度不够，无法支撑复杂问题解决等补偿能力培育。^[39]心理层面，技术焦虑普遍存在，82.2%的大学生感受到就业竞争压力，文科类学生尤为消极，这种焦虑本质上是能力恐慌，导致部分学生对人工智能技术产生抵触，难以主动适应人机协同的工作模式。^[40]

基于“替代—补偿”效应机理与宏观社会、中观高校、微观学生三个层面的现实挑战，结合大学生群体特异性，构建政府、高校、学生个体三位一体的就业能力提升体系，实现替代风险规避与补偿能力培育的有机统一。这一体系中，政府筑牢宏观政策与资源支撑，破解社会层面适配机制缺失难题；高校重构中观育人体系，破解育人适配滞后问题；学生强化微观自主提升，破解个体适配不足困境；最终形成社会赋能、高校培育和个体精进的闭环育人格局。

（一）宏观层面：筑牢政策与资源支撑，破解社会适配机制缺失难题

人工智能为教育带来了历史性机遇，最有可能实现大规模、高品质、个性化的不可能三角的统一。政府作为制度供给者与公共服务提供者，充分发挥有为政府的作用，针对当前社会层面技术应用与就业市场之间存在的适配断层，通过完善政策、建立标准、统筹资源，搭建起连接产业需求与教育培养的桥梁，为全社会协同育人提供系统性的支持。

一是构建协同育人政策激励与就业服务体系。在人才培养中，政策导向应该是什么？政策设计应该是指向人才培养的前瞻性。可通过出台“人工智能+专业”人才培养专项政策，设立课程改革与实践平台建设专项补贴，引导高校与企业开展深度合作，校企共同设计课程、共建实验室、共担人才培养任务。同时，建立涵盖税收减免、金融支持、优先采购等多元激励机制，让企业更愿意参与进来。此外，搭建智能化的公共服务平台，促进大学生能力与岗位需求的精准匹配，为容易被人工智能替代的大学生提供转岗培训和就业支持，让其学有所用、转型有路。

二是完善终身学习与弱势群体帮扶体系。有为政府如何有为呢？应该是解决市场不愿管、不能管或管不了的短板或问题。因此，要推动高校、企业、社会机构联手，共同提供丰富多样的人工智能技能培训项目，让人人都能终身学习。针对弱势背景学生等重点群体，建立专项帮扶机制，通过提供优质学习资源与个性化支持，减少资源获取不均导致的能力差距。此外，借助智能化学习支持系统与动态评估机制，帮助学习者持续适应技术的快速迭代。

三是推动建立统一能力标准与伦理规范体系。建议联合行业组织、高校及企业，共同研制覆盖主要学科的“人工智能+专业”能力标准框架，建设全国统一的人工智能能力认证平台，为人才培养和企业招聘提供清晰导向。但技术说到底是为人类服务的，所以我们必须给人工智能注入正确的价值观和教育伦理，尽快建立统一的生成式人工智能应用的伦理规范体系，确保我们在提升就业能力的同时，始终守住伦理和法律的底线，让技术发展始终有温度、有方向。

（二）中观层面：重构育人体系，破解育人适配滞后问题

作为人才培养的主要阵地，高校需直面现有培养体系滞后于技术发展的现实，以不断变化的产业需求和技术发展为指引，系统性地重构人才培养体系，构建贯穿“招生—培养—就业”全过程的联动机制，真正将重心转向复合能力与综合素养的培养。

第一，重构以人的主体性发展为内核的课程体系，超越单纯的能力补偿逻辑。打破学科壁垒，推动课程向复合创新导向转型，设置“人工智能+专业”差异化专业和课程模块，重点纳入人机协同设计、复杂问题框架构建、技术伦理思辨等课程，培养学生驾驭技术、评判技术、引导技术的能力。升级通识教育数智化内涵，强化数智时代的意义感知、价值判断与批判性思维等素养，建立既满足产业需求又着眼长远育人目标的课程动态调适机制。高校须理性客观看待人工智能，要积极利用技术重构人才培养，也要坚守教育立场，不能因技术发展而淡化人文关怀，要在课程中强化情感教育、价值观引领与精神陪伴。最终，课程重构的方向是构建技术服务于人的成长的人机协同生态，而非塑造以机代人的教育场景。

第二，搭建阶梯式人机协作实践平台。高校主动对接企业资源，力争教学内容与产业技术发展同步更新。遵循认知、应用和实战逻辑，低年级建设人工智能入门实践平台，培育基础操作能力；中年级构建场景化模拟平台，提升人工智能灵活应用能力，锤炼在不确定环境中的心理韧性、责任担当与协同能力；高年级引入企业真实项目，培养学生在复杂情境中作出价值权衡与创造性决策的能力。高校还需同步建立复合能力动态评估与反馈机制，联合企业制定场景化评估标准，提升实践实效。在此过程中，积极推动企业专家进课堂、高校教师进企业，双方角色共同从知识传递者转向学生主体性成长的引导者、学习过程的设计者与技术实践的赋能者，实现人机协同中教与育的统一。

第三，构建价值引领和人机协同的“招生—培养—就业”全链条育人机制。在招生环节，不仅要利用人工智能提供专业选择的参考信息，更应通过对话式咨询引导学生反思个人志趣与潜能，避免工具理性替代价值判断，促进其主动选择。在培养环节，建立学生成长和发展综合画像，不仅要关注技能习得，更要重视批判性思维、创造力与责任感等人类智能核心素养的培育。在就业环节，就业服务平台除实现岗位匹配外，更要引导学生思考在技术变革中的个人定位与社会贡献，推动就业从短期适配转向长期可持续发展。

（三）微观层面：大学生个人强化自主提升，破解个体适配不足困境

大学生个体需要主动调整认知、提升能力、锤炼心态，更好地应对技术变革带来的挑战。首先，要树立理性客观的认知，走出焦虑与误区。应主动学习生成式人工智能的相关知识和应用，全面理解“替代—补偿”效应的真正内涵，避免陷入过度恐慌或盲目乐观的认知偏差。要理性看待技术发展与就业竞争的关系，认识到“人工智能+专业”的复合能力才是未来的核心竞争力，从而将技术焦虑转化为持续学习的动力，同时警惕过度依赖工具而导致的创新能力弱化，始终掌握对问题定义、价值权衡和最终决策的主导权。

其次，要主动投入学习，系统弥补能力短板。应充分利用高校课程与政府、社会提供的终身学习资源，积极参与“人工智能+专业”相关的课程与实践项目，深入掌握人工智能工具的应用逻辑与场景。[41]同时，有意识地培养敏捷学习与跨领域整合的能力，使自身的技能更新能跟上技术迭代的步伐，并重点锻炼如人机协同、复杂问题解决等难以被替代的核心能力，逐渐深化复杂问题框架构建，强化意义构建与情感连接，进行更高阶的创造。

最后，要锤炼心理韧性，积极适应未来职场。学生要主动参与企业真实项目或高仿真度的模拟实践，在贴近职场的情境中提升心理适应与抗压能力，缓解就业竞争带来的压力。同时，应主动了解不同职业赛道的能力需求，结合自身兴趣与特长，制定个性化的能力发展路径，增强对人机协同工作模式的适应性与主动性，为实现高质量就业奠定坚实的基础。职业生涯规划不应止步于找到一份人工智能无法取代的工作，而要升华为设计一种人工智能无法替代的人生。

生成式人工智能对大学生就业能力的“替代—补偿”效应受任务属性、职业类型及群体特异性等因素的调节，形成了多维度、差异化的作用机理，并随技术迭代呈现此消彼长、动态平衡和协同赋能的阶段性演进规律。当前，大学生就业能力提升面临技术变革与就业市场的适配、高校培养适配和个体认知行动三重矛盾。文章构建了政府、高校和个体协同提升体系，推动社会、教育与个体在人机共生中形成育人合力。未来研究可进一步开展分类别、分层次、跨周期的实证追踪，尤其关注价值伦理的动态调适、能力与素养培育的长效机制，从而为人工智能时代的教育与就业提供持续的理论洞察与实践支持。

参考文献：

[1]European Commission. Generative AI outlook report：exploring the intersection of technology， society，and policy[R/OL].（2025-06-13）[2025-07-30].https://publications.jrc.ec.europa.eu/ repository/handle/JRC142598.

[2]中央广播电视总台视听新媒体中心，中央广播电视总台研究院，中央广播电视总台技术局，等中国人工智能应用发展报告（2025）[R/ OL].（2025-07-17）[2025-07-30]. https：//www. seedhangyan.com/detail?fid=1213534&search_key.

[3][34]任紫君，李渊.人工智能时代高校毕业生就业能力提升策略研究[J]. 创新创业理论研究与实践，2024，7（12）：8-10.

[4]王松，程海腾.人工智能视域下理工科院校经管类专业大学生就业能力的提升[J]. 就业与保障，2024（7）：112-114.

[5]黄旭，刘红英，闫雪凌.生成式人工智能的就业效应与应对策略[J]. 当代经济管理，2025，47

（4）：73-87.

[6][21]任皓.人工智能视角下大学生核心就业能力提升路径探究[J]. 现代职业教育，2025（17）：51-54.

[7]葛林羽，安同良.人工智能对中国就业结构影响机制及优化路径研究[J].政治经济学评论，2025，16（4）：39-57.

[8][22]王霆，易明，李世清.人工智能素养促进大学生高质量就业：理论逻辑与实践路径[J]. 北京工业大学学报（社会科学版），2025，25（5）：8-20.

[9]FREY C B，OSBORNE M A. The  future of employment：How  susceptible  are jobs  to computerisation?[J]. Technological forecasting & social change，2017，114：254-280.

[10]张艳华.人工智能技术对就业的替代效应——来自劳动者工作任务视角的经验验证[J].中国流通经济，2024，38（10）：3-17.

[11]吴冰蓝，周丽萍，岳昌君. ChatGPT / 生成式人工智能与就业替代：基于高校大学生能力供求的视角[J]. 教育发展研究，2023，43（19）：40-48.

[12]谢贞发，朱东霞.人工智能与劳动力就业——理论模型和来自上市公司的证据[J]. 软科学，2025，39（5）：9-18.

[13]周世军，赵丹丹.人工智能重塑就业的未来趋势、特征及对策[J]. 经济体制改革，2022（1）：188-194.

[14]HERING A，ROJAS A.AI at work report 2025： How GenAI is rewiring the DNA of jobs[R/OL].（2025-09-23）[2025-09-30]. https：//www. hiringlab.org/2025/09/23/ai-at-work-report-2025-how-genai-is-rewiring-the-dna-of-jobs/.

[15][26]蒋晓蝶，阙明坤，王芳.大学生就业能力的分类特征及范式变革[J].教育发展研究，2024，44（7）：9-16.

[16]张大均，朱政光.大学生心理素质的特点和影响因素——基于对大学生线上调查数据的分析[J].教育研究，2022，43（7）：126-139.

[17]靳诺.准确把握新时代大学生思想行为特点着力提高高校思政课针对性和吸引力[J].中国高等教育，2024（19）：45-49.

[18]史秋衡，任可欣.我国大学生就业能力内涵及其影响因素探析——基于应用型高校与研究型高校的对比[J].华东师范大学学报（教育科学版），2023，41（8）：1-12.

[19]张太富.大学生就业能力研究：以西南财经大学为例[M].成都：西南财经大学出版社，2019：81-88.

[20]鲍威，万义辉.教育学视角下的中国大学生可就业能力理论建构[J].中国大学生就业，2025（1）：9-19.

[23]AUTOR D H，LEVY F，MURNANE R J. The skill content of recent technological change：an empirical exploration[J]. The quarterly journal of economics，2003，118（4）：1279-1333.

[24]陈楠，刘湘丽，樊围国，等.人工智能影响就业的多重效应与影响机制：综述与展望[J]. 中国人力资源开发，2021，38（11）：125-139.

[25]龚遥，彭希哲.人工智能技术应用的职业替代效应[J].人口与经济，2020（3）：86-105.

[27]ZEIRA J. Workers，machines，and economic growth[J]. The quarterly journal of economics，1998，113（4）：1091-1117.

[28]AUTOR D H，LEVY F，MURNANE R J. The skill content of recent technological change：an empirical exploration[J]. The quarterly journal of economics，2003，118（4）：1279-1333.

[29][30]魏宏冰，李贺，马弘.工业机器人与结构性就业变化：职业和任务的视角[J].世界经济，2025，48（4）：144-169.

[31]鲍威，孙晓哲，吴嘉琦.解构产教融合育人中企业深度参与的制约因素——基于AI大语言模型的混合研究[J].中国高教研究，2025（7）：8-16.

[32][35]李锐，梁瑜倩，杜盼盼，等.不同类型高校学生生成式人工智能素养发展差异研究[J].开放教育研究，2025，31（4）：85-96.

[33][38]黄蔚.如何培养大学生人工智能素养——访山东大学党委书记任友群[J].中国高等教育，2025，（11）：38-42.

[36][39][40]沈黎勇，袁晶，魏菁娜.被动焦虑还是主动适应：人工智能影响下的大学生就业心态研究[J].中国青年研究，2025（10）：110 -119，36.

[37]刘天元，晏静露.智能变革中的不安：青年群体 AI焦虑的形成机制及其影响[J].中国青年研究，2025（2）：52-60.

[41]宋齐明，胡燕珊.人工智能时代大学生就业能力需求变革及教育应对[J].中国大学生就业，2024（11）：75-83.