打开文本图片集

摘要：  本文基于2018年中国劳动力动态调查数据（CLDS），分析了智能制造背景下制造业劳动者就业质量提升的性别差异。研究发现，制造业企业自动化升级提高了劳动者的就业质量，给劳动者带来了更多的机遇。但是，实证结果显示，人工智能的应用对于男性劳动力的就业质量提升效果更为明显，特别是在技能培训方面，可能会进一步扩大制造业内的两性就业差距。

一.引言

随着以人工智能技术为核心的第四次工业革命的兴起，人工智能已成为当下最鲜明的主题，将会大大改变人们的生产和生活方式。在制造业领域中，也无不存在着 AI 的身影。尽管企业引入 AI 技术会促进制造业生产效率的提高和科学决策，但也意味着会对传统的制造工作带来冲击。毫无疑问，在未来的制造业领域，AI 技术的应用将是一个必然趋势。目前的问题是，AI技术对于制造业劳动力的就业质量会带来怎样的影响？这种影响是否存在显著的性别差异？在薪酬、工作效率、主观满意度等细分维度下，AI应用又是否存在着性别差异的影响？这些也都是本文力图分析的问题所在，即性别视角下AI应用对制造业劳动力就业质量的影响研究。

二.研究假设

H1：人工智能的应用对提高制造业劳动力的就业质量

本文在从主观指标与客观指标两个方面入手构建就业质量的指标体系。在客观就业质量方面，人工智能的应用能够有效帮助劳动力节省工作时间，辅助其进行更高效率的决策。在主观就业质量方面，AI应用也会对制造业劳动力的职业发展与工作满意度产生正向影响。自我决定理论认为，组织中员工会结合内部及外部动机，在充分认识自我需要和环境信息的基础上，对行动做出自主决策。结合现实来看，AI 在融入制造业各模块的过程中，会逐渐取代传统的事务型任务，进而创造出新的管理职能与模式。从业者为寻求新的工作机会以及追求更高收入和更优越工作环境，会主动采取措施提升技能和完成职能转换，并且会带来较高的工作满意度。[ 毛宇飞， 胡文馨. 人工智能应用对人力资源从业者就业质量的影响[J]. 经济管理， 42（11）：17.]

H2：人工智能的应对会进一步加大制造业内的两性差距

根据性别歧视的基础理论，劳动市场中的性别歧视包含三个层面：一为偏见对待;二为不公平对待;三为不利影响。第一个意义倾向故意伤害性的行为，第二个意义是指对于不同的人采用不同的标准，第三个意义则指偏见导致的伤害性行为。性别歧视具体可变现为招募升迁和解雇歧视、薪资歧视等。在制造业领域内，存在着广泛的能力偏见，男性被认为在思维能力、机器设备的学习能力、逻辑推理能力中存在优势，而女性的优势则体现在细心、照料家务、沟通能力等方面。制造业企业内的技术升级会带来更多的培训和升迁机会，这些机会和企业资源会更多的被分配给男性，继而进一步的加大制造业内就业的两性差距。

三.数据来源与模型构建

（一）数据来源与变量设定

本文所使用数据来源于2018年中国劳动力动态调查数据（CLDS），CLDS的样本覆盖了中国 29 个省市（除港澳台、西藏、海南外），调查对象为样本家庭户中的全部劳动力（年龄15至64岁的家庭成员）。聚焦于中国劳动力的现状与变迁，内容涵盖教育、工作、迁移、健康、社会参与、经济活动、基层组织等众多研究议题，是一项跨学科的大型追踪调查，数据权威性较高，且2018年询问了人工智能相关问题。

关于核心解释变量。本文核心解释变量为人工智能的应用，一般意义上，人工智能指由人制造出来的机器所表现出来的智能，通常人工智能是指通过普通计算机程序来呈现人类智能的技术，该词也指出研究这样的智能系统是否能够实现，以及如何实现。本文判别方式为公司在实践中是否使用了AI技术，如果是的话取值为1，否的话取值为0。

关于被解释变量。本文被解释变量为制造业劳动力就业质量，借鉴前人经验并结合制造业从业者的工作特点，本文将其就业质量界定为在工资收入、工作时间、培训的客观指标，以及在职业发展、工作状态等方面的主观感受。

关于控制变量。已有研究表明，个人特征、人力资本、企业因素都会对个体就业质量产生影响。因此，本文尽可能多地加入一些控制变量，包括年龄、婚姻状况、加班状况等个人特征变量，教育年限、从业经验等人力资本变量，企业性质等企业层面变量。

（二）描述性统计

在删去缺失关键信息的样本之后，得到有效样本共1040个，其中559名男性劳动力，441名女性劳动力。在就业质量各维度中，制造业劳动力年收入水平均值为50476元，每周工作时长约52小时， 工作安全性满意度平均值为2.419，工作环境满意度平均值2.596，能力和技能使用平均满意度为2.533，获得尊重平均满意度为2.448，均高于平均水平。

（三）模型设定

本文选择因子分析法来确定就业质量指标体系的系数，计算就业质量指数。由于评价多系统之间的协调发展时指标间关联度较大，其他方法不易突出主要指标，而因子分析法能够在最大限度保留原有信息的基础上，对高维变量系统进行最佳的综合与简化，并且能够客观地确定各个指标的权数，避免主观随意性。

本文分别采用 OLS 回归和Probit回归对就业质量及其分项指标的影响因素进行分析。就业质量指数、劳动报酬以及工作时间为定距变量，采用如下 OLS 回归模型：工作满意度为定类变量，采用 Probit 回归模型。

四.实证分析

（一）构建就业质量指标体系

综合国际及国内学者相关文献我们看到，概括起来微观层面的就业质量指标体系主要包含三个维度的内容，即工作条件、劳动关系、工作满意度，上述三个维度大体上囊括了就业质量微观层面的方方面面。因而本文将以上述三个方面作为一级维度。

工作条件反映了这一特殊群体的劳动报酬、工作时间，以及员工参与职工培训等状况，是测算就业质量的核心指标，工作条件好，说明就业质量水平高;劳动关系映射出这一特殊群体与受聘企业建立的社会经济关系的规范水平，是评价就业质量的根本维度，该群体与受聘企业建立的社会经济关系越和谐说明就业质量水平越高;工作满意度映射出制造业劳动力关于薪酬、工作环境、劳动时间等涉及工作方方面面的整体满意度，是员工的主观感受，是评价就业质量的重要维度，其满足程度高，说明就业质量水平也高。

（二）性别差异下AI应用对制造业劳动力整体就业质量的影响

在计算就业质量指数时，本文选择因子分析法来确定各指标的权重，数据的因子分析相关统计量的处理结果如表所示。结果显示，“初始特征值”一列中前四个指标的特征值大于或接近于1，其累积贡献率达到74%。这表示对这四个指标进行提取，将它们作为指标说明的公共因子，可以对本文选取的8个指标进行基本解释。

表3为性别差异下人工智能的应用对制造业劳动力就业质量指数的估计结果，本文首先探讨了人工智能的应用对制造业劳动力综合就业质量指数的影响。回归结果显示，AI应用的回归系数对全样本、男性样本、女性样本均为正值，且均通过了显著性检验，说明无论是男性还是女性制造业劳动力，人工智能的应用促进了制造业劳动力就业质量的提高，进一步验证了前面的结论。

在控制了相关变量后，对于制造业劳动力而言，人工智能的应用对男性劳动力的就业质量具有更加显著的提升作用，而对于同样就业身份女性劳动力的就业质量的影响系数则远低于男性。具体而言，AI应用能使男性劳动力的就业质量提高0.259，且在5%水平上显著，而只能使女性劳动力的就业质量提升0.099，且在10%的水平上显著。这说明在制造业劳动力中，男性比女性的综合就业质量更高，其可能原因是制造业本身就存在着性别比例差异，拥有“体能”优势的男性更容易在制造业企业中获得更好的发展。同时，在基准模型内，年龄、婚姻状况、受教育程度、工作年限、企业性质等特征变量，作为本研究的控制变量，对不同性别制造业劳动力的就业质量也表现出了较为显著且稳健的影响。

从控制变量来看，在个体特征中：无论是男性还是女性劳动力，年龄、婚姻状况系数为正，加班状况的系数为负，且系数的数值上存在着显著差异。随着年龄的增加，男性劳动力的就业质量上升的幅度要比女性劳动力高，说明同等年纪的制造业劳动力，男性的就业质量比女性更高;已婚身份的劳动力的就业质量更高，且已婚身份的女性的劳动力就业质量要高于男性。与男性相比，女性先天的生理特征以及感性、温柔的性格特质使其在家庭生产中更具优势，尤其是在生养、教育孩子方面，因而其更容易因家庭中断工作[ 周春芳， 苏群， 常雪. 性别差异视角下职业流动对我国农民工就业质量的提升效应研究[J]. 山西农业大学学报（社会科学版）， 2019（4）.]，导致在职业发展的过程中所积累的人力资本和获得的晋升机会都低于男性劳动力。与女性相比，企业也更愿意雇佣和培养被认为“生产效率更高”的男性，且倾斜给男性更多的工作资源。在人力资本中：教育年限、工作年限对于男性劳动力的影响系数均为正且显著，即随着学历程度的提高和工作年限的增加，男性制造业劳动力的就业质量也会明显提升。而教育程度对女性制造业劳动力的就业质量影响不显著，工作年限显著为正但影响程度不如男性高。这说明人力资本的积累对制造业劳动力的就业质量有显著的正向影响，但女性劳动力的人力资本回报率明显没有男性高。在企业特征中：国有企业的男性劳动力就业质量相对较高，性别差异显著，民营企业、外资与合资企业不明显。

五.研究结论与启示

随着第四次工业革命的兴起和产业不断地优化升级，人工智能已经逐渐应用在制造业领域当中。本文从相关文献梳理和实证分析两方面研究了性别差异下人工智能的应用对制造业劳动力就业质量的影响。文章首先对人工智能、就业质量、就业质量体系以及智能化发展对劳动力就业质量影响的相关文献进行评述。并结合国内外的相关研究建立就业质量指标评价体系，结合CLDS数据库，实证检验了人工智能的应用对制造业劳动力就业质量的影响研究。

研究发现，总体上而言，AI的应用提高了男性和女性劳动力的就业质量（降低劳动力的工资水平、但有效减少劳动时间、增加男性劳动力的培训时间、提高劳动力的各项主观满意度等）。但是，这次技术革新给男性工人带来的机遇和利好显著高于女性。因此，尽管企业引入AI技术改善了整体制造业劳动者的境遇，但“两性差距”在制造业企业内仍然显著。男性劳动力获得的企业资源和环境改善程度显著高于女性，导致男性和女性在就业质量方面的差距进一步扩大。制造业内性别差距存在的原因是复杂且相互关联的，其中重要的原因之一是对两性能力的界定和赋值差异。企业通常认为，男性与女性在体力和能力方面均存在显著差异，男性的思维能力、学习能力、体力有更多的优势。在技术升级背景下，理性思维、逻辑思维等能力被认为更加符合自动化生产的需要，因此男性会获得更多的发展机会。企业管理者通过塑造两性的“能力区隔”力图合理化他们对不同性别的偏好、掩盖性别歧视。

上述研究结论具有一定的启发意义。在国家层面，针对AI应用对制造业劳动力就业质量影响存在的异质性，政策层面应重视不同性别群体间潜在的性别歧视，充分发挥公共政策对改善性别歧视现象，提升不同性别劳动群体就业质量的作用。同时，学校也应改变对于不同性别“能力差异”的刻板印象，鼓励女性学习理工科，培养女性的逻辑思维能力和动手能力，并最终推动教育及工作领域的性别平等。在企业层面，引入人工智能虽然会在短期内增加企业培训成本与设备成本，但从长远战略来看，对于企业转型升级、员工粘合度的提高都是有助益的。同时，企业也应该提供相同的培训机会、晋升渠道给不同性别的劳动力，鼓励女性学习理工科知识和自动化技术，改善企业内性别歧视的现象。在个人层面，制造业劳动力应优化自身知识与技能结构，掌握智能化新技术、新方法，适应智能化的大趋势。女性劳动力要实现“自我意识觉醒”，敢于挑战工作领域内的“性别隔离”，不断提升自己的人力资本，在就业质量的提高中获得更多的人力资本回报率。

参考文献

[1]毛宇飞， 胡文馨. 人工智能应用对人力资源从业者就业质量的影响[J]. 经济管理， 42（11）：17.

张桂金， 张东. "机器换人"对工人工资影响的异质性效应：基于中国的经验[J]. 学术论坛， 2019（5）.

[2]隆云滔，刘海波，蔡跃洲.人工智能技术对劳动力就业的影响——基于文献综述的视角[J].中国软科学，2020（12）：56-64.

[3] 曹 守 新 ， 徐 晓 雯 . 人 工 智 能 对 劳 动 力 就 业 的 影 响 及 其 应 对 [J]. 山 东 社 会 科8学，2020（12）：153-159.

[4]邱玥，何勤，董晓雨.人工智能技术应用会减少制造业企业的就业机会吗？——以珠江三角洲制造业企业为例[J].中国劳动关系学院学报，2020，34（06）：112-120.

[5]许长新，凌珑.中国微观就业质量：绩效评价、影响因素及优化路径 [J].江海学刊，2020（06）：110-115+254.

[6]叶鸣颖.人工智能与就业文献回顾[J].合作经济与科技，2020（21）：136-137.

[7]周卓华.人工智能技术发展对就业的影响及应对[J].重庆社会科学，2020（10）：44-54.

[8]高春明，于潇，陈世坤.人工智能对中国未来劳动力就业的影响——基于劳动力供给视角的分析[J].社会科学战线，2020（10）：249-254.

[9]董晓雨，邱玥，何勤.人工智能对就业的影响：数量、结构与质量——基于北京市 97 家企业调查数据[J].中国劳动关系学院学报，2020，34（05）：109-116.

[10]何勤，邱玥，董晓雨.人工智能对就业影响研究的现状、热点与趋势——基于知识图谱文献计量方法[J].科技管理研究，2020，40（17）：33-44.

本文系四川省社会科学院第六届研究生学术新苗课题“人工智能的应用对制造业劳动力就业质量的影响研究—以制造业为例”的阶段成果