人工智能背景下专业人才培养的发展路径与方向——基于会计职业相关数据的实证研究

发布时间：2023-04-22 18:19

　　人工智能技术被普遍认为是一种通用目的技术,将对劳动力技能和劳动力市场产生广泛而深远的影响,由此引起技能市场中关于技术性失业的忧虑和争议。人工智能时代专业人才培养应何去何从?为回答这一问题,从厘清弱人工智能和强人工智能的概念出发,在吸纳经典劳动经济学理论的基础上,以Autor、Levy与Murnane创建的ALM模型为框架,以会计职业为例,利用美国职业信息教育网络(O*net online)数据与中国相关数据,分析会计职业总体技能需求的变化,结果显示在原本由程式化认知技能主导的会计职业中,非程式化认知技能与交互技能的需求在逐渐扩大并加速增长。进一步利用Python技术,对中国各大招聘网站的会计岗位招聘文本进行挖掘和词频分析,验证了以上结果并将具体技能要素分析细化。针对人工智能背景下专业人才培养面临的挑战,提出了多层次、复合型、前端化和终身化等对策。

【文章页数】：13 页

【文章目录】：
一、研究背景
二、文献综述
    （一）关于劳动与技术关系的历史论争
    （二）人工智能背景下专业人才培养的探索
三、人工智能概念的澄清与梳理
    （一）人工智能概念的进一步厘清
    （二）人工智能发展的两个阶段
四、基于ALM模型的技能分析框架
五、基于数据挖掘的专业人才技能需求分析
    （一）数据来源
    （二）专业人才的技能测量
    （三）专业人才技能需求测算模型设置
    （四）专业人才技能需求的计算结果
        1. 专业人才技能总体需求情况分析
        2. 专业人才技能历年变化分析
六、基于中国现实数据的职业技能要素挖掘
七、人工智能背景下专业人才培养的挑战与对策
    （一）强化非程式化技能，多层次植入培养过程
        1. 创建培养非程式化交互技能的训练场景
        2. 开辟培养非程式化认知技能的思考空间
    （二）程式化技能复合升级，突破单一化培养内容
    （三）人才前端化发展，培养层级整体上提
    （四）人才终身化培育，建立工作实践优势



本文编号：3798170