人工智能對(duì)勞動(dòng)力供給的影響問題研究
——基于Cite Space科學(xué)知識(shí)圖譜(2010—2020)

馬紅鴿，莫正暉

(西安財(cái)經(jīng)大學(xué) 公共管理學(xué)院， 陜西 西安 710061)

一、引言

人工智能(Artificial Intelligence，AI)最早于1956年由麥卡錫教授提出，標(biāo)志著人工智能的誕生[1]。近年來，隨著AI技術(shù)與機(jī)器人技術(shù)的不斷發(fā)展與創(chuàng)新，勞動(dòng)力能夠越來越多地從繁重、機(jī)械和重復(fù)性的勞動(dòng)中解放出來，與此同時(shí)也造成許多工作崗位對(duì)勞動(dòng)力不再需要或者需求量大大減少的問題，取而代之的是人工智能的衍生品。人工智能是否對(duì)勞動(dòng)力市場(chǎng)造成了沖擊，是否給勞動(dòng)力市場(chǎng)帶來了新的發(fā)展機(jī)遇等成為智能時(shí)代人們所關(guān)心的重要問題。在這樣的背景下，國(guó)內(nèi)外學(xué)者們圍繞人工智能對(duì)勞動(dòng)力供給的影響展開研究，當(dāng)前理論界形成了兩種顯著對(duì)立的觀點(diǎn)：一種觀點(diǎn)認(rèn)為人工智能對(duì)勞動(dòng)力供給會(huì)產(chǎn)生擠兌效應(yīng)，從而引發(fā)失業(yè)等問題；另一種觀點(diǎn)認(rèn)為技術(shù)的發(fā)展進(jìn)步會(huì)創(chuàng)造出更多的工作崗位，不會(huì)造成勞動(dòng)力需求的減少，反而會(huì)增加對(duì)勞動(dòng)力的需求。本文將圍繞人工智能對(duì)勞動(dòng)力供給的影響問題，梳理現(xiàn)有研究對(duì)學(xué)者們的研究成果進(jìn)行回顧和評(píng)述，以期能夠?qū)ξ覈?guó)未來人工智能與勞動(dòng)力供給領(lǐng)域的研究進(jìn)行展望，能夠?yàn)樵擃I(lǐng)域未來的研究提供借鑒和參考。

本文通過Cite Space可視化知識(shí)圖譜軟件，以Web of Science(WOS)核心數(shù)據(jù)庫和中國(guó)知網(wǎng)(CNKI)數(shù)據(jù)庫中人工智能與勞動(dòng)力的相關(guān)文獻(xiàn)作為研究樣本，運(yùn)用文獻(xiàn)計(jì)量法進(jìn)行輔助分析，主要從發(fā)文年份、國(guó)際合作、核心作者、研究機(jī)構(gòu)、關(guān)鍵詞詞頻、關(guān)鍵詞聚類和關(guān)鍵詞時(shí)區(qū)視圖等方面梳理人工智能與勞動(dòng)力供給研究領(lǐng)域的研究現(xiàn)狀與知識(shí)基礎(chǔ)，并探討其當(dāng)前的研究熱點(diǎn)和未來研究的前沿主題，客觀而形象地分析國(guó)內(nèi)外學(xué)者們對(duì)人工智能與勞動(dòng)力供給的研究概況和學(xué)術(shù)成果。相對(duì)于已有文獻(xiàn)，本研究采用文獻(xiàn)計(jì)量分析與文獻(xiàn)內(nèi)容分析相結(jié)合的方法，使用Cite Space這一類具有文獻(xiàn)數(shù)據(jù)分析功能的前瞻性知識(shí)圖譜軟件，通過知識(shí)可視化對(duì)已有研究成果進(jìn)行文獻(xiàn)梳理和總結(jié)，相比較于某些文獻(xiàn)單一的內(nèi)容分析法，更具有科學(xué)性和客觀性。

二、數(shù)據(jù)分析工具與數(shù)據(jù)來源

(一)數(shù)據(jù)分析工具

本文采用信息可視化技術(shù)中的前沿科學(xué)知識(shí)圖譜法，使用信息可視化軟件Cite Space進(jìn)行分析。Cite Space是美國(guó)Drexel大學(xué)陳超美教授所開發(fā)的一款基于Java語言的軟件，主要依托共引分析(Co-Citation)和尋徑網(wǎng)絡(luò)算法(Path Finder)等理論，在對(duì)某一研究領(lǐng)域的文獻(xiàn)進(jìn)行計(jì)量分析的基礎(chǔ)上，繪制出一系列能夠分析該研究領(lǐng)域的演化方式和發(fā)展的前沿知識(shí)圖譜，并提煉出當(dāng)前的研究熱點(diǎn)與研究前沿[2]。本文將通過國(guó)內(nèi)外對(duì)比分析視角，多角度、多層次綜合整理國(guó)內(nèi)外學(xué)者關(guān)于人工智能與勞動(dòng)力供給研究領(lǐng)域的研究概況和理論成果，把握人工智能與勞動(dòng)力之間的內(nèi)在聯(lián)系，為后續(xù)的相關(guān)研究與實(shí)踐調(diào)查提供經(jīng)驗(yàn)指導(dǎo)，發(fā)揮人工智能等新興技術(shù)對(duì)社會(huì)進(jìn)步和經(jīng)濟(jì)發(fā)展方面的引領(lǐng)作用，對(duì)未來我國(guó)人口結(jié)構(gòu)改變可能導(dǎo)致的勞動(dòng)力供給問題提出應(yīng)對(duì)之策。

(二)數(shù)據(jù)來源

Cite Space能否有效進(jìn)行可視化分析，最重要的是數(shù)據(jù)來源的質(zhì)量以及數(shù)據(jù)的全面性。雖然“人工智能”已經(jīng)是一個(gè)廣為流傳的概念，但是在學(xué)術(shù)界對(duì)人工智能的定義尚未達(dá)成共識(shí)。20世紀(jì)中葉，Turing A M提出了一個(gè)著名的思想實(shí)驗(yàn)，即“圖靈測(cè)試”(Turing Test)，為智能機(jī)器的誕生提供了可能性[3]。人工智能概念提出者麥卡錫教授認(rèn)為，機(jī)器不一定需要像人一樣思考才能獲得智能，重點(diǎn)是讓機(jī)器能夠解決人腦所能解決的問題[1]。近年來，學(xué)者們圍繞人工智能的定義展開了廣泛的討論。如人工智能是能夠模仿人類自身，反映人類智能方面的機(jī)器[4-5]，是通過算法、程序、系統(tǒng)的協(xié)作展現(xiàn)出智能的機(jī)器[6]，是可以加載相應(yīng)數(shù)據(jù)完成各項(xiàng)目標(biāo)任務(wù)的機(jī)器[7]。因此，可知人工智能是搜集人類相關(guān)數(shù)據(jù)、學(xué)習(xí)人類智能、通過計(jì)算模擬出人腦的思維方式并且能夠賦能在機(jī)器身上解決人腦遇到的問題的機(jī)器，即大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)和機(jī)器人等是人工智能的核心內(nèi)涵，故在檢索策略中將“人工智能”“大數(shù)據(jù)”“云計(jì)算”“機(jī)器學(xué)習(xí)”和“機(jī)器人”等作為主題詞進(jìn)行檢索。勞動(dòng)力是具有一定智力、體力的勞動(dòng)能力的人口的總和，屬于人力資源的概念范疇[8]，但實(shí)際上勞動(dòng)力不可能全部投入到社會(huì)勞動(dòng)領(lǐng)域，其包含著勞動(dòng)力供給的多少，因此在檢索策略中以“勞動(dòng)力”“勞動(dòng)力供給”和“人力資源”等作為主題詞進(jìn)行檢索。本文的國(guó)外研究數(shù)據(jù)來源于美國(guó)Web of Science(WOS)核心數(shù)據(jù)庫，為了數(shù)據(jù)的查全率和查準(zhǔn)率，數(shù)據(jù)采集策略采用組配檢索式，即人工智能研究領(lǐng)域檢索方式為：主題=“Artificial intelligence” or “Big data” or “Machine learning” or “Robot” or “Mechanic” or “Cloud computing”，時(shí)間跨度=2010—2020，文獻(xiàn)類型=Article、Review，索引=SSCI，檢索結(jié)果為38 320條記錄；勞動(dòng)力研究領(lǐng)域檢索方式為：主題=“Labor force” or “Manpower” or “Human resources” or “Labor supply” or “Work force”，時(shí)間跨度=2010—2020，文獻(xiàn)類型=Article、Review，索引=SSCI，檢索結(jié)果為22 415條記錄；通過WOS高級(jí)檢索中的組配檢索式，選中這兩組檢索記錄進(jìn)行“and”組配，得到244條檢索記錄。剔除“書評(píng)”“會(huì)議摘要”“書信”以及其他“新聞報(bào)道”，最后得到有效記錄230條。本文使用的國(guó)內(nèi)研究數(shù)據(jù)來自于中國(guó)知網(wǎng)(CNKI)數(shù)據(jù)庫，采取的檢索策略與WOS數(shù)據(jù)庫高級(jí)檢索中的組配檢索式類似，即使用CNKI數(shù)據(jù)庫的高級(jí)檢索功能，主題=“人工智能”or“大數(shù)據(jù)”or“機(jī)器學(xué)習(xí)”or“云計(jì)算”or“機(jī)器人”等為主題詞進(jìn)行檢索，時(shí)間范圍=2010—2020，文獻(xiàn)來源類別=CSSCI；再以主題=“勞動(dòng)力”or“勞動(dòng)力供給”or“人力資源”在人工智能研究領(lǐng)域主題檢索結(jié)果中進(jìn)行檢索，得到283條檢索記錄。剔除“征稿啟事”“會(huì)議記錄”“選題方向”以及其他無關(guān)文獻(xiàn)后，最后得到有效記錄277條。

三、人工智能對(duì)勞動(dòng)力影響的研究現(xiàn)狀

(一)文獻(xiàn)計(jì)量現(xiàn)狀可視化分析

通過統(tǒng)計(jì)WOS數(shù)據(jù)庫與CNKI數(shù)據(jù)庫2010—2020年論文發(fā)表數(shù)量，繪制出國(guó)內(nèi)外文獻(xiàn)統(tǒng)計(jì)數(shù)量圖，如圖1所示。

圖1 2010—2020年國(guó)內(nèi)外人工智能與勞動(dòng)力研究文獻(xiàn)數(shù)量統(tǒng)計(jì)

根據(jù)圖1中的曲線，可以將有關(guān)人工智能對(duì)勞動(dòng)力的影響的研究劃分為兩個(gè)階段：第一個(gè)是初始發(fā)展階段(2010—2016年)，在這一階段每年的論文發(fā)表數(shù)量處于平緩發(fā)展?fàn)顟B(tài)，沒有較大的波動(dòng)；第二個(gè)階段是中高速上升階段(2017—2020年)，在這一階段可以發(fā)現(xiàn)國(guó)內(nèi)外學(xué)者每年論文發(fā)表數(shù)量快速上升；2020年，相關(guān)論文發(fā)表數(shù)量均達(dá)到了10年來的峰值，學(xué)者們對(duì)人工智能與勞動(dòng)力研究領(lǐng)域的關(guān)注和研究熱情不斷提高。除了人工智能技術(shù)不斷發(fā)展外，其主要因素是人工智能研究開始進(jìn)入各個(gè)國(guó)家的戰(zhàn)略發(fā)展規(guī)劃。美國(guó)白宮于2016年10月發(fā)布了題為《為人工智能的未來做好準(zhǔn)備》和《國(guó)家人工智能研發(fā)戰(zhàn)略規(guī)劃》兩份重要報(bào)告；2018年4月，日本發(fā)布了第五版《下一代人工智能/機(jī)器人核心技術(shù)開發(fā)》計(jì)劃。我國(guó)“十三五”時(shí)期開始大力扶持與實(shí)施“互聯(lián)網(wǎng)+”計(jì)劃，促進(jìn)互聯(lián)網(wǎng)技術(shù)與社會(huì)經(jīng)濟(jì)的協(xié)同融合發(fā)展[9]；2016年，《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要》中提出“重點(diǎn)突破新興領(lǐng)域人工智能技術(shù)”(1)參見《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要》,http://www.12371.cn/special/sswgh/wen/。；2017年，人工智能被寫入黨的十九大報(bào)告，并提出推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合(2)習(xí)近平作黨的十九大報(bào)告,http://media.people.com.cn/n1/2017/1018/c120837-29594814.html。；2018年，李克強(qiáng)總理在政府工作報(bào)告中再次談及人工智能，提出“加強(qiáng)新一代人工智能研發(fā)應(yīng)用”(3)“人工智能”再次寫進(jìn)政府工作報(bào)告,http://it.people.com.cn/n1/2018/0308/c1009-29854988.html。；2019年，習(xí)近平總書記主持召開中央全面深化改革委員會(huì)第七次會(huì)議并發(fā)表重要講話，會(huì)議審議通過了《關(guān)于促進(jìn)人工智能和實(shí)體經(jīng)濟(jì)深度融合的指導(dǎo)意見》(4)中央全面深化改革委員會(huì)第七次會(huì)議,http://www.gov.cn/xinwen/2019-03/19/content_5375140.html。；我國(guó)“十四五”規(guī)劃中也指出要瞄準(zhǔn)“人工智能”前沿領(lǐng)域，實(shí)施一批具有前瞻性、戰(zhàn)略性的國(guó)家重大科技項(xiàng)目(5)參見《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》,http://www.gov.cn/xinwen/2021-03/13/content_5592681.htm。。這些無不表明，人工智能技術(shù)對(duì)于未來國(guó)家和地區(qū)戰(zhàn)略規(guī)劃具有至關(guān)重要的作用，這也激發(fā)了國(guó)內(nèi)外學(xué)者們對(duì)人工智能研究領(lǐng)域的關(guān)注和研究熱情，同時(shí)也推動(dòng)了人工智能對(duì)勞動(dòng)力供給影響的相關(guān)研究。

(二)相關(guān)研究領(lǐng)域國(guó)際合作網(wǎng)絡(luò)分析

圖2 2010—2020年發(fā)文國(guó)家或地區(qū)可視化知識(shí)圖譜

運(yùn)用Cite Space軟件對(duì)WOS數(shù)據(jù)庫的230篇國(guó)際期刊文獻(xiàn)所屬國(guó)家或地區(qū)進(jìn)行分析，得到發(fā)文國(guó)家或地區(qū)合作網(wǎng)絡(luò)圖譜(圖2)。如圖2所示，每一個(gè)小圓圈(即節(jié)點(diǎn))都代表一個(gè)國(guó)家或地區(qū)，其中圓圈輪廓的大小與該國(guó)或該地區(qū)的論文發(fā)表數(shù)量呈正相關(guān)關(guān)系，即發(fā)文頻率越高，則圓圈越大[2]。兩個(gè)節(jié)點(diǎn)之間的連線則代表兩國(guó)或地區(qū)在該研究領(lǐng)域的學(xué)術(shù)合作關(guān)系，連接線條越粗則表示合作關(guān)系越密切。根據(jù)圖2中節(jié)點(diǎn)大小與發(fā)文數(shù)量依次排序，排在前五位的國(guó)家或地區(qū)分別是：美國(guó)、中國(guó)、英國(guó)、意大利、荷蘭。由圖2可以看出，在人工智能與勞動(dòng)力供給的研究中，發(fā)文量最多的是美國(guó)，從節(jié)點(diǎn)的連線也可以看出，美國(guó)與中國(guó)、英國(guó)、意大利、澳大利亞等許多國(guó)家都形成了密切的合作關(guān)系。說明美國(guó)學(xué)術(shù)界在人工智能與勞動(dòng)力供給研究領(lǐng)域處于核心地位，且形成了一定規(guī)模的學(xué)術(shù)研究成果，具有較高的影響力。中國(guó)學(xué)術(shù)研究成果在國(guó)際領(lǐng)域位列第二，說明我國(guó)人工智能與勞動(dòng)力供給研究領(lǐng)域已經(jīng)邁向國(guó)際化，與多個(gè)國(guó)家和地區(qū)建立了學(xué)術(shù)合作交流關(guān)系，在國(guó)際上具有一定的影響力；但中國(guó)與美國(guó)相比還存在著較大的差距，主要體現(xiàn)在與其他國(guó)家學(xué)術(shù)合作交流相對(duì)較少以及高質(zhì)量的學(xué)術(shù)論文成果相對(duì)較少。因此，國(guó)內(nèi)學(xué)術(shù)界應(yīng)該繼續(xù)加強(qiáng)國(guó)際合作，提高學(xué)術(shù)研究成果質(zhì)量，繼續(xù)增強(qiáng)我國(guó)人工智能與勞動(dòng)力供給研究在國(guó)際上的影響力。

(三)國(guó)內(nèi)外相關(guān)研究領(lǐng)域比較分析

目前國(guó)外對(duì)人工智能與勞動(dòng)力供給的研究主要集中在人工智能對(duì)產(chǎn)業(yè)供給、崗位數(shù)量供給、崗位要求供給的影響。研究發(fā)現(xiàn)第一產(chǎn)業(yè)受到人工智能的影響較小[10-11]；第二產(chǎn)業(yè)受到人工智能技術(shù)的沖擊影響較大，主要體現(xiàn)為人工智能的替代效應(yīng)[12]；第三產(chǎn)業(yè)在人工智能領(lǐng)域是難以替代的，同時(shí)能夠激發(fā)出人工智能的創(chuàng)造效應(yīng)[13]。在勞動(dòng)力崗位數(shù)量供給方面，學(xué)者們分別從經(jīng)驗(yàn)分析法、理論推導(dǎo)法、實(shí)證檢驗(yàn)法分析人工智能對(duì)勞動(dòng)力供給的影響[10,12]；Acemoglu等認(rèn)可人工智能技術(shù)的發(fā)展對(duì)就業(yè)崗位既有替代效應(yīng)也有供給效應(yīng)[12,14]。在對(duì)崗位要求上，Goos等認(rèn)為人工智能技術(shù)會(huì)使勞動(dòng)技能和勞動(dòng)任務(wù)發(fā)生改變，可能產(chǎn)生勞動(dòng)力供給的“極化效應(yīng)”[15]。

國(guó)內(nèi)學(xué)者對(duì)人工智能與勞動(dòng)力供給的研究起步較晚，主要形成了在人工智能大背景下，以我國(guó)人口結(jié)構(gòu)變化、人口老齡化、產(chǎn)業(yè)結(jié)構(gòu)與勞動(dòng)力供給為主的研究課題。劉駿等、魏義方立足基本國(guó)情，對(duì)未來人口結(jié)構(gòu)變化導(dǎo)致勞動(dòng)力供給不足問題進(jìn)行研究，以緩解我國(guó)人口老齡化、勞動(dòng)力“結(jié)構(gòu)性”失業(yè)問題[16-17]。楊俊凱等、王麗媛通過研究產(chǎn)業(yè)結(jié)構(gòu)與勞動(dòng)力供需關(guān)系問題，指出產(chǎn)業(yè)結(jié)構(gòu)升級(jí)能夠減少人工智能“替代效應(yīng)”對(duì)我國(guó)勞動(dòng)力的沖擊，讓人工智能“創(chuàng)造效應(yīng)”發(fā)揮就業(yè)紅利，促進(jìn)勞動(dòng)力就業(yè)發(fā)展[18-19]。

(四)國(guó)內(nèi)外核心作者分析

通過作者合作網(wǎng)絡(luò)可視化圖譜可以分析出人工智能與勞動(dòng)力供給研究領(lǐng)域具有高影響力的學(xué)者，共被引分析可以得到某個(gè)領(lǐng)域中高被引作者的分布情況，確定該領(lǐng)域具有影響的學(xué)者，通過回顧核心作者的高被引文獻(xiàn)，更清楚地了解該領(lǐng)域的發(fā)展歷程和發(fā)展現(xiàn)狀。

結(jié)合引用率和發(fā)文數(shù)量，可以發(fā)現(xiàn)國(guó)外人工智能與勞動(dòng)力供給問題研究排名前五的核心作者為：Frey CB、Autor DH、Mcafee A、Chen HC、Akter S(如圖3所示)。Chen HC認(rèn)為大數(shù)據(jù)浪潮是當(dāng)前重要的時(shí)代特征，利用大數(shù)據(jù)運(yùn)算能夠引發(fā)商業(yè)模式的改變，且能夠在商業(yè)競(jìng)爭(zhēng)中取得較大的優(yōu)勢(shì)，其關(guān)鍵在于對(duì)冗雜的信息進(jìn)行有效挖掘，并進(jìn)行分析后作出戰(zhàn)略性的決策[20]；Mcafee A談到大數(shù)據(jù)分析與非數(shù)據(jù)主導(dǎo)分析之間的區(qū)別在于大數(shù)據(jù)分析有更快的速度與多樣性，可以幫助公司管理人員做出更好的預(yù)測(cè)和決策[21]；Autor DH論證了人工智能與自動(dòng)化會(huì)導(dǎo)致低技能勞動(dòng)力的重新分配，造成勞動(dòng)力市場(chǎng)以及勞動(dòng)力工資兩極分化現(xiàn)象的出現(xiàn)[22]。Akter S基于資源基礎(chǔ)理論，分析了人工智能效應(yīng)的異質(zhì)性，通過管理、技術(shù)和能力3個(gè)維度對(duì)不同公司的績(jī)效會(huì)產(chǎn)生不同的影響[23]。Frey CB研究發(fā)現(xiàn)由于計(jì)算機(jī)技術(shù)的工程瓶頸，自動(dòng)化浪潮導(dǎo)致計(jì)算機(jī)替代勞動(dòng)力的速度會(huì)逐步下降，但會(huì)隨著技術(shù)的不斷進(jìn)步，逐步實(shí)現(xiàn)對(duì)勞動(dòng)力的替代[10]。

通過可視化圖譜并結(jié)合發(fā)文數(shù)量與引用率大小，可以得出國(guó)內(nèi)人工智能與勞動(dòng)力供給研究領(lǐng)域排名前五的核心作者為韓民春、何勤、劉冠軍、曾湘泉、吳清軍(如圖4)。韓民春基于動(dòng)態(tài)隨機(jī)一般均衡模型，分析了人工智能對(duì)勞動(dòng)市場(chǎng)的沖擊，主要表現(xiàn)為對(duì)全要素生產(chǎn)率的沖擊、對(duì)資本要素替代的沖擊和對(duì)投資轉(zhuǎn)換的沖擊等3種方式，與此同時(shí)，人工智能會(huì)對(duì)勞動(dòng)力供給產(chǎn)生三大效應(yīng)，即“破壞效應(yīng)”“替代效應(yīng)”“創(chuàng)造效應(yīng)”[24]。何勤認(rèn)為企業(yè)人工智能技術(shù)的運(yùn)用會(huì)對(duì)員工數(shù)量產(chǎn)生負(fù)向影響，對(duì)技能和收入有促進(jìn)作用，產(chǎn)品創(chuàng)新與資本偏好在人工智能技術(shù)采納中存在中介作用[25]。劉冠軍認(rèn)為人工智能技術(shù)使資本有機(jī)構(gòu)成產(chǎn)生了變化，并分析了第一、第二和第三產(chǎn)業(yè)分別對(duì)勞動(dòng)力就業(yè)的影響[26]。曾湘泉從生產(chǎn)過程、信息傳導(dǎo)機(jī)制、就業(yè)數(shù)量、就業(yè)質(zhì)量、就業(yè)結(jié)構(gòu)和收入分配結(jié)構(gòu)等六大方面分析了技術(shù)革命對(duì)勞動(dòng)力產(chǎn)生的影響[27]。吳清軍提出人工智能技術(shù)會(huì)加快勞動(dòng)力崗位極化，人工智能的替代與創(chuàng)造效應(yīng)將長(zhǎng)期共存，不過從長(zhǎng)遠(yuǎn)來看，人工智能能夠帶來經(jīng)濟(jì)效益的長(zhǎng)期增長(zhǎng)并且提供更多的就業(yè)機(jī)會(huì)[28]。

圖3 國(guó)外作者共被引可視化知識(shí)圖譜

(五)國(guó)內(nèi)外研究機(jī)構(gòu)分析

從圖5可以看出，在國(guó)際研究機(jī)構(gòu)中主要由高等院校構(gòu)成，從機(jī)構(gòu)分布來看，麻省理工學(xué)院、哈佛大學(xué)、新加坡國(guó)立大學(xué)和倫敦大學(xué)等高等院校構(gòu)成國(guó)際領(lǐng)域中的核心研究力量。我國(guó)科研機(jī)構(gòu)也在不斷地向國(guó)際化邁進(jìn)，如清華大學(xué)與麻省理工學(xué)院、哈佛大學(xué)等有合作關(guān)系。從圖6可以看出，國(guó)內(nèi)研究機(jī)構(gòu)主要為高等院?；蛘哐芯克?，分布在經(jīng)濟(jì)學(xué)院與管理學(xué)院居多。從機(jī)構(gòu)分布來看，中國(guó)人民大學(xué)、北京聯(lián)合大學(xué)、華中科技大學(xué)、南開大學(xué)與首都經(jīng)濟(jì)貿(mào)易大學(xué)等高等院?？蒲袡C(jī)構(gòu)組成了該學(xué)科領(lǐng)域的核心研究力量。通過可視化圖譜發(fā)現(xiàn)，中國(guó)人民大學(xué)、北京聯(lián)合大學(xué)和首都經(jīng)貿(mào)大學(xué)之間存在合作關(guān)系，武漢大學(xué)與華中農(nóng)業(yè)大學(xué)之間、對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)與南開大學(xué)之間存在合作關(guān)系，合作研究初具規(guī)模。但總體而言，各個(gè)研究機(jī)構(gòu)之間合作較少，有少數(shù)研究機(jī)構(gòu)利用內(nèi)部資源，憑借機(jī)構(gòu)內(nèi)部學(xué)者之間的合作提出研究視角，但大多數(shù)研究機(jī)構(gòu)仍處于獨(dú)立研究狀態(tài)，各個(gè)機(jī)構(gòu)之間合作強(qiáng)度有待提高。人工智能研究屬于綜合性研究領(lǐng)域，加強(qiáng)研究機(jī)構(gòu)之間的合作關(guān)系，有助于形成高質(zhì)量的科學(xué)研究成果，也有助于推動(dòng)人工智能與勞動(dòng)力供給研究領(lǐng)域的融合創(chuàng)新。有鑒于此，各大高校與科研機(jī)構(gòu)應(yīng)該緊密合作，以提升我國(guó)在人工智能與勞動(dòng)力供給研究領(lǐng)域中的綜合影響力。

圖5 國(guó)外研究機(jī)構(gòu)合作網(wǎng)絡(luò)可視化知識(shí)圖譜

四、人工智能與勞動(dòng)力供給研究的熱點(diǎn)和前沿

(一)關(guān)鍵詞詞頻分析和主題聚類分析

研究熱點(diǎn)是指在一段時(shí)間內(nèi)，研究者們對(duì)某一科學(xué)領(lǐng)域的問題或?qū)ｎ}進(jìn)行探討并高度關(guān)注的問題，Cite Space的關(guān)鍵詞詞頻和主題聚類分析功能有助于分析某一科學(xué)領(lǐng)域研究的熱點(diǎn)問題[29]。詞頻分析方法就是在文獻(xiàn)信息中提取能夠表達(dá)文獻(xiàn)核心內(nèi)容的關(guān)鍵詞或主題詞頻次的高低分布，來研究該領(lǐng)域發(fā)展動(dòng)向和研究熱點(diǎn)的方法；主題聚類則是對(duì)文獻(xiàn)主要關(guān)鍵詞的高度凝練與概括，通過對(duì)文獻(xiàn)的關(guān)鍵詞進(jìn)行詞頻分析后，找出頻率相對(duì)較高的關(guān)鍵詞聚類成主題詞，在一定程度上可看作是該領(lǐng)域的研究熱點(diǎn)[2]。

為了更加清晰地掌握國(guó)內(nèi)外人工智能對(duì)勞動(dòng)力供給影響研究領(lǐng)域的熱點(diǎn)分布概況，本研究用Cite Space軟件分別對(duì)國(guó)內(nèi)外人工智能與勞動(dòng)力供給研究領(lǐng)域的文獻(xiàn)進(jìn)行關(guān)鍵詞詞頻和主題聚類分析，調(diào)整相關(guān)參數(shù)得到國(guó)內(nèi)外人工智能領(lǐng)域研究熱點(diǎn)的知識(shí)圖譜(如圖7和圖8)。關(guān)鍵詞聚類后，模塊值Modularity Q值>0.3，說明聚類結(jié)果可信，平均輪廓值Mean Silhouette值>0.5，說明聚類合理[29]。如圖7和圖8右上方圖譜參數(shù)所示，兩個(gè)聚類圖譜的Q值和S值都滿足聚類圖譜基本要求，表明聚類位于可置信的區(qū)間，聚類質(zhì)量較高。聚類完成后，可以得到各個(gè)關(guān)鍵詞的頻率、中心性與起始年份；頻率即關(guān)鍵詞所出現(xiàn)的次數(shù)，可以根據(jù)關(guān)鍵詞頻率的大小得到該研究領(lǐng)域的高頻率關(guān)鍵詞；中心性表示的是，相同節(jié)點(diǎn)在某領(lǐng)域當(dāng)中的中介作用，該指標(biāo)大于0.1即為較強(qiáng)；起始年份即該關(guān)鍵詞第一次出現(xiàn)的年份。

圖7 2010—2020年國(guó)外關(guān)鍵詞主題聚類圖譜

(二)國(guó)外研究熱點(diǎn)分析

通過Cite Space進(jìn)行詞頻和主題聚類分析后，可以得到國(guó)外人工智能與勞動(dòng)力研究的關(guān)鍵詞聚類知識(shí)圖譜，如圖7所示。該圖譜網(wǎng)絡(luò)中N=71，E=126，說明每個(gè)時(shí)間段排在前50的文獻(xiàn)中一共包括了71個(gè)關(guān)鍵詞，而節(jié)點(diǎn)的大小則與關(guān)鍵詞出現(xiàn)的頻次成正比。圖譜中各節(jié)點(diǎn)間的126條連線代表不同關(guān)鍵詞之間具有共現(xiàn)關(guān)系，連線的粗細(xì)代表關(guān)鍵詞之間共現(xiàn)關(guān)系的強(qiáng)度。通過整理中心度大于0.1的關(guān)鍵詞制成表1。

表 1 2010—2020年國(guó)外文獻(xiàn)關(guān)鍵詞排名(依據(jù)中心度)

通過圖7和表1可以看出，國(guó)外學(xué)術(shù)研究人工智能與勞動(dòng)力供給領(lǐng)域中出現(xiàn)頻次最高的詞是Big data(大數(shù)據(jù))，一共出現(xiàn)38次。高頻詞反映出以“Big data”(大數(shù)據(jù))為中心的其他關(guān)鍵詞節(jié)點(diǎn)還包括了“Machine learning”(機(jī)器學(xué)習(xí))、“System”(系統(tǒng))、“Technology”(科技技術(shù))、“Innovation”(創(chuàng)新)、“Model”(模式)、“Business intelligence”(商業(yè)智能)、“Human resource management”(人力資源管理)、“Artificial intelligence”(人工智能)、“Data analytics”(數(shù)據(jù)分析)等。進(jìn)行關(guān)鍵詞共現(xiàn)聚類分析后，得到了6個(gè)聚類，分別為：#0“Data analytic”(數(shù)據(jù)分析)、#1“Recruitment”(招聘)、#2“Automation”(自動(dòng)化)、#3“Machine learning”(機(jī)器學(xué)習(xí))、#4“IT industry”(IT行業(yè))、#5“Stakeholder theory”(利益相關(guān)者理論)。本研究根據(jù)關(guān)鍵詞排名表和關(guān)鍵詞共現(xiàn)聚類圖譜，對(duì)國(guó)外相關(guān)文獻(xiàn)主題詞進(jìn)行梳理，將國(guó)外人工智能與勞動(dòng)力供給研究熱點(diǎn)具體歸納為以下3個(gè)主題，每個(gè)主題選取該領(lǐng)域高被引論文、代表性學(xué)者論文和最近發(fā)表的論文進(jìn)行綜述，以期明晰國(guó)外人工智能與勞動(dòng)力供給研究的主要?jiǎng)酉颉?/p>

1.機(jī)器人技術(shù)對(duì)勞動(dòng)力供給的影響研究

機(jī)器人技術(shù)主要包括聚類#2“Automation”(自動(dòng)化)和#3“Machine learning”(機(jī)器學(xué)習(xí))，包含的關(guān)鍵詞有：“Artificial intelligence”(人工智能)、“Technology”(科技技術(shù))等。機(jī)器人技術(shù)對(duì)勞動(dòng)力的影響是多方面的，部分學(xué)者持樂觀的態(tài)度，如Marco研究認(rèn)為機(jī)器人技術(shù)的發(fā)展不會(huì)導(dǎo)致大規(guī)模的失業(yè)現(xiàn)象發(fā)生[30]；Autor DH認(rèn)為在部分地區(qū)，機(jī)器人技術(shù)的使用能夠影響部分工作崗位，從而增加勞動(dòng)力的就業(yè)[31]。但也有學(xué)者認(rèn)為機(jī)器人的出現(xiàn)有可能對(duì)勞動(dòng)力產(chǎn)生消極的影響。Graetz通過對(duì)17個(gè)國(guó)家的面板數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)機(jī)器人減少了低技能工人的就業(yè)份額[32]?？梢?，勞動(dòng)力市場(chǎng)結(jié)構(gòu)會(huì)進(jìn)一步出現(xiàn)因機(jī)器人應(yīng)用所導(dǎo)致的“技術(shù)性失業(yè)”現(xiàn)象，在低學(xué)歷員工占比較高、勞動(dòng)力保護(hù)較弱及市場(chǎng)化程度較高的地區(qū)，這一現(xiàn)象表現(xiàn)得更為明顯。

2.信息技術(shù)應(yīng)用對(duì)勞動(dòng)力供給的影響研究

信息技術(shù)包括聚類#0“Data analytic”(數(shù)據(jù)分析)，包含的關(guān)鍵詞有：“Information technology”(信息技術(shù))、“Big data”(大數(shù)據(jù))、“Internet”(互聯(lián)網(wǎng))等。有關(guān)勞動(dòng)力與信息技術(shù)的研究主要從兩個(gè)方面展開：第一，信息通信技術(shù)與勞動(dòng)力的替代互補(bǔ)關(guān)系。Acemoglu研究發(fā)現(xiàn)，信息技術(shù)的投入會(huì)與勞動(dòng)力形成替代關(guān)系，即大量的勞動(dòng)力被信息技術(shù)所取代[33]。Bresnahan T總結(jié)了信息技術(shù)與勞動(dòng)力互補(bǔ)作用的機(jī)制是有限替代和信息過載。第二，從技能偏向型技術(shù)視角研究IT導(dǎo)致勞動(dòng)力的變化[34]。在技能偏向型技術(shù)進(jìn)步理論(Skill Biased Technical Change)中，有學(xué)者提出由于存在外生的技術(shù)進(jìn)步，高技術(shù)水平的設(shè)備使用和新產(chǎn)品的生產(chǎn)將會(huì)對(duì)勞動(dòng)力的知識(shí)和技能提出更高要求，企業(yè)的技能偏向型發(fā)展趨勢(shì)將會(huì)影響其對(duì)高技能型勞動(dòng)力的需求。Milgrom等研究發(fā)現(xiàn)信息技術(shù)作為技能偏向型技術(shù)，企業(yè)在生產(chǎn)過程中采用信息技術(shù)越多，對(duì)高技能勞動(dòng)力的需求也就越大，進(jìn)而導(dǎo)致對(duì)低技能勞動(dòng)力的需求相對(duì)減少[35]。

3.人工智能與勞動(dòng)力的協(xié)作關(guān)系研究

當(dāng)前社會(huì)正處于第四次科技革命的浪潮下，人工智能將改變?nèi)祟愓J(rèn)識(shí)世界和改造世界的方式，更多全新的方法和技術(shù)將融入勞動(dòng)力的生產(chǎn)生活之中，如何發(fā)揮人工智能與勞動(dòng)力的相互協(xié)作，實(shí)現(xiàn)生產(chǎn)效益的最大化，是當(dāng)前研究的一個(gè)熱點(diǎn)。其包含了聚類有#1“Recruitment”(招聘)、#4“IT industry”(IT行業(yè))、#5“Stakeholder theory”(利益相關(guān)者理論)，包含的關(guān)鍵詞有：“Model”(模式)、“Business intelligence”(商業(yè)智能)、“Human resource management”(人力資源管理)、“Firm performance”(公司業(yè)績(jī))等。Ehret M等認(rèn)為現(xiàn)有的商業(yè)模式有可能會(huì)對(duì)工業(yè)物聯(lián)網(wǎng)(IIOT)造成威脅，人工智能技術(shù)的發(fā)展能夠有利于創(chuàng)業(yè)者進(jìn)行新商業(yè)模式構(gòu)建，并從IIOT中獲益[36]。Davenport T等研究發(fā)現(xiàn)人工智能可能會(huì)改變商業(yè)策略和客戶的行為，管理者通過人工智能可以發(fā)揮出更好的管理效果[37]。

(三)國(guó)內(nèi)研究熱點(diǎn)分析

通過Cite Space進(jìn)行詞頻和主題聚類分析后，得到國(guó)內(nèi)人工智能與勞動(dòng)力研究的關(guān)鍵詞聚類知識(shí)圖譜，如圖8所示。圖譜網(wǎng)絡(luò)中N=67，E=92，說明每個(gè)時(shí)間段排在前50的文獻(xiàn)中一共包括了67個(gè)關(guān)鍵詞，圖譜中各節(jié)點(diǎn)間的92條連線代表不同關(guān)鍵詞之間具有共現(xiàn)關(guān)系，通過整理中心度大于0.1的關(guān)鍵詞制成表2。

表2 2010—2020年國(guó)內(nèi)文獻(xiàn)關(guān)鍵詞排名(依據(jù)中心度)

從圖8和表2可以看出，國(guó)內(nèi)學(xué)術(shù)研究人工智能與勞動(dòng)力領(lǐng)域中出現(xiàn)頻次最高的詞是人工智能，一共出現(xiàn)91次，高頻詞反映出的以“人工智能”為中心的其他關(guān)鍵詞還包括了“大數(shù)據(jù)”“人力資源”“機(jī)器人”“就業(yè)替代”“產(chǎn)業(yè)結(jié)構(gòu)”“勞動(dòng)收入份額”“智能制造”“機(jī)器換人”和“工資”，通過LLR算法聚類后得到7個(gè)主題聚類，分別為：#0“全要素生產(chǎn)率”、#1“智能機(jī)器人”、#2“數(shù)字經(jīng)濟(jì)”、#3“大數(shù)據(jù)”、#4“技術(shù)創(chuàng)新”、#5“工資水平”和#6“人工智能技術(shù)”。本研究根據(jù)關(guān)鍵詞排名表和關(guān)鍵詞共現(xiàn)聚類圖譜，對(duì)國(guó)內(nèi)相關(guān)文獻(xiàn)主題詞進(jìn)行梳理，將國(guó)內(nèi)人工智能與勞動(dòng)力研究熱點(diǎn)具體歸納為以下4個(gè)主題，每個(gè)主題選取該領(lǐng)域的代表性學(xué)者與高被引論文進(jìn)行綜述，試圖剖析國(guó)內(nèi)人工智能與勞動(dòng)力研究的發(fā)展動(dòng)向。

1.人工智能對(duì)產(chǎn)業(yè)升級(jí)與勞動(dòng)力結(jié)構(gòu)的影響

包含的聚類有#0“全要素生產(chǎn)率”和#4“技術(shù)創(chuàng)新”，包含的關(guān)鍵詞有：“智能制造”“產(chǎn)業(yè)結(jié)構(gòu)”和“人力資源”等。人工智能時(shí)代下的產(chǎn)業(yè)開始往智能化、自動(dòng)化方向發(fā)展，出現(xiàn)了機(jī)器換人等現(xiàn)象，造成了勞動(dòng)力失業(yè)的擔(dān)憂。顧和軍等認(rèn)為勞動(dòng)力結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的方向不匹配，失業(yè)與過剩并存，將會(huì)制約經(jīng)濟(jì)增長(zhǎng)[38]。也有學(xué)者對(duì)此提出不同意見。包玉香研究發(fā)現(xiàn)勞動(dòng)力結(jié)構(gòu)能夠支撐經(jīng)濟(jì)結(jié)構(gòu)的轉(zhuǎn)型與升級(jí)，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。在工業(yè)智能化與勞動(dòng)力結(jié)構(gòu)方面，工業(yè)智能化對(duì)勞動(dòng)力結(jié)構(gòu)會(huì)產(chǎn)生積極的影響[39]。王文等、陳曉等發(fā)現(xiàn)，產(chǎn)業(yè)升級(jí)顯著降低了程式化任務(wù)主導(dǎo)的制造業(yè)結(jié)業(yè)份額，促進(jìn)了行業(yè)就業(yè)結(jié)構(gòu)高級(jí)化[40-41]。但也有學(xué)者指出產(chǎn)業(yè)升級(jí)也有可能對(duì)勞動(dòng)力結(jié)構(gòu)產(chǎn)生不利影響。例如，孫早等指出工業(yè)智能化將導(dǎo)致中國(guó)勞動(dòng)力就業(yè)結(jié)構(gòu)整體上呈現(xiàn)出“兩極化”特征[42]。劉歡指出工業(yè)智能化升級(jí)后將顯著擴(kuò)大城鄉(xiāng)收入差距，不利于城鄉(xiāng)協(xié)同發(fā)展[43]。

2.人工智能對(duì)勞動(dòng)力工資的影響

包含的聚類有#5“工資水平”包含的關(guān)鍵詞有：“勞動(dòng)收入份額”和“工資”等。當(dāng)前學(xué)術(shù)界關(guān)于人工智能影響收入的相關(guān)研究中，并未達(dá)成一致的論調(diào)。有學(xué)者認(rèn)為人工智能的發(fā)展不一定會(huì)對(duì)勞動(dòng)力產(chǎn)生就業(yè)替代作用，工資也不會(huì)下降。陳秋霖等研究認(rèn)為人工智能的發(fā)展具有“人力替代”屬性，不過是“補(bǔ)位式替代”，不是“擠出式替代”，因此不會(huì)影響勞動(dòng)者的收入狀況[44]。陳彥斌等認(rèn)為人工智能的發(fā)展，可以促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但要防范勞動(dòng)力失業(yè)風(fēng)險(xiǎn)和收入分配失衡[45]。但也有學(xué)者認(rèn)為，人工智能技術(shù)的發(fā)展將會(huì)降低勞動(dòng)收入份額。陳利峰等通過構(gòu)建一般均衡模型得出當(dāng)人工智能投資效率越高，使用范圍越廣的情況下，勞動(dòng)收入份額下降幅度將增大[46]。余玲錚等認(rèn)為人工智能在增長(zhǎng)生產(chǎn)潛力的同時(shí)，也會(huì)加劇收入分配差距，勞動(dòng)收入占比下滑的幅度將擴(kuò)大[47]；鄧翔等研究發(fā)現(xiàn)人工智能對(duì)創(chuàng)造性低、工作任務(wù)重復(fù)性高的行業(yè)沖擊較大，會(huì)對(duì)該行業(yè)的勞動(dòng)力收入產(chǎn)生較大的影響[48]。

3.人工智能技術(shù)對(duì)勞動(dòng)力供給的影響

包含的聚類有#1“智能機(jī)器人”和#6“人工智能技術(shù)”包含的關(guān)鍵詞有“機(jī)器換人”和“就業(yè)替代”等。蔣南平從經(jīng)濟(jì)學(xué)視角分析了人工智能對(duì)勞動(dòng)力供給的影響，認(rèn)為應(yīng)該優(yōu)化三大產(chǎn)業(yè)中的資本有機(jī)構(gòu)成，以解決人工智能對(duì)勞動(dòng)力供給失衡的問題[49]；宋旭光等認(rèn)為人工智能等科技是“包容性創(chuàng)新”，勞動(dòng)力供給短缺產(chǎn)生的負(fù)面影響能夠通過人工智能等科技進(jìn)行彌補(bǔ)，從而促進(jìn)經(jīng)濟(jì)發(fā)展[50]。高春明等從勞動(dòng)力供給視角闡述了人工智能對(duì)緩解中國(guó)勞動(dòng)力供需矛盾的作用，較長(zhǎng)期來看人工智能將會(huì)創(chuàng)造更多的工作崗位[51]。

4.數(shù)字經(jīng)濟(jì)發(fā)展對(duì)勞動(dòng)力的影響研究

數(shù)字化發(fā)展包括的聚類有#2“大數(shù)據(jù)”、#3“數(shù)字經(jīng)濟(jì)”，包含的關(guān)鍵詞有：“大數(shù)據(jù)”和“人工智能”等。當(dāng)前我國(guó)處于經(jīng)濟(jì)新常態(tài)下，數(shù)字經(jīng)濟(jì)發(fā)展給各行業(yè)帶來新發(fā)展機(jī)遇。通信院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展與就業(yè)白皮書(2019年)》顯示，數(shù)字經(jīng)濟(jì)新增就業(yè)的作用正在不斷加強(qiáng)，2017年我國(guó)數(shù)字經(jīng)濟(jì)領(lǐng)域就業(yè)人數(shù)為1.71億人，占當(dāng)年總就業(yè)人數(shù)的比重達(dá)到22.1%，并且發(fā)展持續(xù)向好(6)數(shù)據(jù)來自《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展與就業(yè)白皮書(2019年)》，http://www.cac.gov.cn/2019-04/19/c_1124389256.htm。。叢屹等經(jīng)過實(shí)證檢驗(yàn)表明，數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)我國(guó)勞動(dòng)力資源配置效率具有正向的促進(jìn)作用[52]。但也有學(xué)者認(rèn)為數(shù)字經(jīng)濟(jì)也有可能造成其他影響。馬曄風(fēng)等認(rèn)為數(shù)字技術(shù)的快速迭代會(huì)對(duì)勞動(dòng)者提出更高的要求，但相關(guān)技能的積累學(xué)習(xí)需要較長(zhǎng)時(shí)間，這一矛盾有可能造成勞動(dòng)力短缺和結(jié)構(gòu)性失衡[53]。楊驍?shù)仁褂梦⒂^數(shù)據(jù)樣本對(duì)比發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)對(duì)不同行業(yè)會(huì)產(chǎn)生不同的影響；服務(wù)業(yè)在數(shù)字經(jīng)濟(jì)發(fā)展中表現(xiàn)為正向影響，而制造業(yè)則表現(xiàn)為就業(yè)負(fù)向影響[54]。閻世平等指出數(shù)字化經(jīng)濟(jì)的發(fā)展會(huì)導(dǎo)致勞動(dòng)力需求“兩端極化”格局出現(xiàn)，即增加了對(duì)高教育程度勞動(dòng)者的需求，降低了對(duì)低教育程度勞動(dòng)者的需求[55]。

(四)國(guó)外研究前沿分析

研究前沿代表該研究領(lǐng)域最新的研究發(fā)展或者動(dòng)向。在Cite Space中，共被引文獻(xiàn)構(gòu)成了研究領(lǐng)域的知識(shí)基礎(chǔ)，從引用這些知識(shí)基礎(chǔ)的施引文獻(xiàn)集合中提取的名詞性術(shù)語可以視為該領(lǐng)域的研究前沿[56]。本文運(yùn)用Cite Space軟件對(duì)WOS數(shù)據(jù)庫中所搜集的人工智能與勞動(dòng)力研究領(lǐng)域文獻(xiàn)進(jìn)行共被引分析，即選定軟件功能(Reference)，調(diào)整相關(guān)參數(shù)后生成聚類圖譜，圖譜中Q值與S值系數(shù)處于合理置信度區(qū)間，滿足聚類圖譜要求，在軟件中進(jìn)行主題聚類，選定LSI算法與LLR算法，在后臺(tái)導(dǎo)出聚類標(biāo)簽詞，匯總制作成表3。

表3 國(guó)外人工智能與勞動(dòng)力供給研究共被引聚類主題詞

根據(jù)聚類標(biāo)簽，可以判斷出人工智能與勞動(dòng)力供給研究的前沿領(lǐng)域主要為聚類0、聚類1、聚類2和聚類3。在研究?jī)?nèi)容上，概括為：其一是人工智能時(shí)代背景下，勞動(dòng)力供給在商業(yè)智能化、環(huán)境道德、勞動(dòng)力參與和國(guó)際發(fā)展等方面的探究；其二是第四次工業(yè)革命浪潮與自動(dòng)化等新興技術(shù)對(duì)勞動(dòng)力供給影響的探究。如Popkova E G等模擬了未來工業(yè)4.0條件下社會(huì)創(chuàng)業(yè)中使用人工智能的最佳比例和變體，認(rèn)為未來社會(huì)創(chuàng)業(yè)使用人類智慧與人工智能是最佳選擇[57]；Vermeulen B等研究了自動(dòng)化對(duì)未來十年就業(yè)的預(yù)期影響，認(rèn)為結(jié)構(gòu)性的變化是將來所面臨的一個(gè)問題，人類面臨職業(yè)轉(zhuǎn)變并非工作的結(jié)束[58]。大數(shù)據(jù)分析、文本挖掘和基于資源視圖等主題表征了人工智能與勞動(dòng)力供給研究視角、方法上的創(chuàng)新性選題。

(五)國(guó)內(nèi)人工智能與勞動(dòng)力供給研究前沿分析

圖9 國(guó)內(nèi)人工智能與勞動(dòng)力供給研究關(guān)鍵詞time zone視圖

由于中國(guó)知網(wǎng)(CNKI)數(shù)據(jù)庫的中文文獻(xiàn)在Cite Space軟件中存在部分功能限制，無法使用文獻(xiàn)共被引分析功能，因此研究采用時(shí)區(qū)視圖進(jìn)行前沿主題分析。通過調(diào)整相關(guān)參數(shù)得到關(guān)鍵詞時(shí)區(qū)視圖，由圖9可知，居于右上角的是近年來的新興主題關(guān)鍵詞，主要包括高質(zhì)量就業(yè)、勞動(dòng)收入份額、替代效應(yīng)、全要素生產(chǎn)率、GMM模型、中介效應(yīng)、收入差距、收入分配和技術(shù)創(chuàng)新等?；谇把刂R(shí)圖譜進(jìn)行深入閱讀，梳理這些前沿關(guān)鍵詞所對(duì)應(yīng)的樣本文獻(xiàn)內(nèi)容，研究發(fā)現(xiàn)我國(guó)人工智能與勞動(dòng)力供給研究前沿選題主要集中在以下幾個(gè)方面：(1)人工智能與技術(shù)創(chuàng)新背景下，勞動(dòng)力供給與勞動(dòng)力收入份額方面的研究，其中包括收入差距、收入分配公平等；(2)勞動(dòng)力供給與勞動(dòng)生產(chǎn)率方面的研究，包括資本有機(jī)構(gòu)成對(duì)勞動(dòng)生產(chǎn)率的影響，人工智能替代效應(yīng)對(duì)勞動(dòng)生產(chǎn)率的影響，以及如何促進(jìn)勞動(dòng)力高質(zhì)量就業(yè)研究等；(3)通過構(gòu)建相關(guān)模型探討人工智能與勞動(dòng)力供給的影響因素，包括通過構(gòu)建GMM模型以及引入中介效應(yīng)進(jìn)行探討等研究。

五、研究結(jié)論與展望

(一)研究結(jié)論

本文選取WOS數(shù)據(jù)庫和CNKI數(shù)據(jù)庫2010—2020年人工智能與勞動(dòng)力供給研究相關(guān)文獻(xiàn)，運(yùn)用Cite Space軟件對(duì)人工智能與勞動(dòng)力供給研究領(lǐng)域進(jìn)行國(guó)家合作網(wǎng)絡(luò)、作者共被引、作者合作、機(jī)構(gòu)合作、關(guān)鍵詞詞頻、關(guān)鍵詞聚類、關(guān)鍵詞時(shí)區(qū)視圖和文獻(xiàn)共被引等可視化分析，主要得出以下結(jié)論：

1.研究熱度不斷上升，文獻(xiàn)數(shù)量逐年遞增

人工智能與勞動(dòng)力供給研究一直受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。2015年以來國(guó)內(nèi)對(duì)人工智能技術(shù)重視程度不斷增加，相繼出臺(tái)相關(guān)政策予以支持。學(xué)者們對(duì)人工智能與勞動(dòng)力供給研究領(lǐng)域從2016年以來發(fā)文數(shù)量逐年上升并且熱度不斷增加，國(guó)內(nèi)學(xué)術(shù)成果在國(guó)際領(lǐng)域的影響力逐漸提升。相較于國(guó)外學(xué)者，我國(guó)學(xué)者在人工智能與勞動(dòng)力供給研究領(lǐng)域大多處于獨(dú)立研究狀態(tài)，不同學(xué)者之間的聯(lián)系較弱，合作網(wǎng)絡(luò)較為稀疏。

2.熱點(diǎn)主題總體一致，方向上略有差別

通過高頻關(guān)鍵詞與主題聚類分析發(fā)現(xiàn)，目前國(guó)內(nèi)外對(duì)于人工智能與勞動(dòng)力供給的研究熱點(diǎn)總體上相同，在主題聚焦方向上略微有些差異。國(guó)外研究熱點(diǎn)集中在：機(jī)器人技術(shù)、信息技術(shù)對(duì)勞動(dòng)力供給的影響研究，以及人工智能與勞動(dòng)力協(xié)作等方面研究；國(guó)內(nèi)研究熱點(diǎn)集中在：產(chǎn)業(yè)升級(jí)與勞動(dòng)力結(jié)構(gòu)、人工智能對(duì)勞動(dòng)力收入、智能化技術(shù)對(duì)勞動(dòng)力供給影響研究以及數(shù)字經(jīng)濟(jì)對(duì)勞動(dòng)力供給等方面的研究。

3.國(guó)內(nèi)外研究前沿差異較大，交叉學(xué)科研究較為突出

通過文獻(xiàn)共被引分析與施引文獻(xiàn)主題聚類，研究發(fā)現(xiàn)國(guó)外人工智能與勞動(dòng)力供給研究前沿領(lǐng)域上，主要分為：勞動(dòng)力供給在商業(yè)智能化、企業(yè)環(huán)境道德、勞動(dòng)力參與率、國(guó)際化等方面的研究；第四次工業(yè)革命浪潮下的新興技術(shù)對(duì)勞動(dòng)力供給的影響；對(duì)大數(shù)據(jù)、文本挖掘和基于資源視圖等研究方法、視角上的創(chuàng)新性進(jìn)行研究。國(guó)內(nèi)人工智能與勞動(dòng)力供給研究前沿領(lǐng)域包括：勞動(dòng)力供給與收入份額方面的研究；勞動(dòng)力供給與勞動(dòng)生產(chǎn)率方面的研究；構(gòu)建模型以及引入中介變量等方法對(duì)影響因素進(jìn)行分析等方面的研究。

總體而言，我國(guó)人工智能與勞動(dòng)力供給領(lǐng)域的研究雖然取得了豐碩的成果，但就研究程度和廣度方面，還存在著許多不足。未來隨著人口老齡化程度的進(jìn)一步加深，我國(guó)勞動(dòng)力供需問題將進(jìn)一步凸顯，我國(guó)人工智能勞動(dòng)力供給研究還可以在以下方面進(jìn)行突破與完善：第一，在理論層面，結(jié)合我國(guó)人口結(jié)構(gòu)、人口老齡化等現(xiàn)實(shí)國(guó)情和實(shí)際出發(fā)，探索人工智能與勞動(dòng)力的有機(jī)結(jié)合，以豐富勞動(dòng)力供給的理論研究；第二，在應(yīng)用層面，運(yùn)用大數(shù)據(jù)分析、云計(jì)算、數(shù)字化等信息技術(shù)，加強(qiáng)對(duì)我國(guó)勞動(dòng)力供給領(lǐng)域的探究；第三，在學(xué)科層面，國(guó)內(nèi)學(xué)者們應(yīng)繼續(xù)加大研究合作力度，在人工智能與勞動(dòng)力供給研究領(lǐng)域積極開展學(xué)術(shù)交流，不斷拓展研究的外延，通過多學(xué)科視角研究，產(chǎn)出更多高質(zhì)量的研究成果，以提高我國(guó)在該領(lǐng)域的國(guó)際影響力。

(二)研究展望

根據(jù)我國(guó)第七次人口普查的數(shù)據(jù)，人口結(jié)構(gòu)在未來的中國(guó)將會(huì)發(fā)生重大變化，而這段時(shí)期也是以人工智能為代表的新興技術(shù)蓬勃發(fā)展的時(shí)期。人工智能技術(shù)可以給勞動(dòng)力供給方面提供有力支撐，有效應(yīng)對(duì)未來中國(guó)人口結(jié)構(gòu)變化。但人工智能對(duì)傳統(tǒng)就業(yè)的沖擊不可避免，需要我們慎重對(duì)待?；谏鲜鲅芯颗c發(fā)現(xiàn)，對(duì)人工智能與勞動(dòng)力供給領(lǐng)域研究做如下展望。

1.人工智能技術(shù)可能是解決我國(guó)勞動(dòng)力結(jié)構(gòu)失衡問題的關(guān)鍵

根據(jù)全國(guó)第七次人口普查數(shù)據(jù)與學(xué)者研究發(fā)現(xiàn)，我國(guó)勞動(dòng)力人口規(guī)模和比重持續(xù)下降，勞動(dòng)力人口的年齡進(jìn)一步老化，傳統(tǒng)的人口紅利逐漸消失，勞動(dòng)力供給將面臨長(zhǎng)期短缺的風(fēng)險(xiǎn)[59]。如圖10所示，2010年第一季度，中國(guó)勞動(dòng)力市場(chǎng)求人倍率(7)求人倍率是勞動(dòng)力需求與勞動(dòng)力供給的比值，求人倍率小于1則表明勞動(dòng)力供給過剩，大于1則表明勞動(dòng)力供給不足。為1.04并呈現(xiàn)逐年上升的趨勢(shì)，期間雖有個(gè)別年份下降，但始終維持在1以上。受新冠疫情影響，中國(guó)2020年第1季度求人倍率升至1.62，達(dá)到歷史最高值，相較于前幾年的數(shù)據(jù)，市場(chǎng)勞動(dòng)力供給人數(shù)下降幅度較大。以上分析表明，從2010年以來勞動(dòng)力市場(chǎng)開始轉(zhuǎn)變?yōu)楣┙o不足與結(jié)構(gòu)性供給矛盾并存的格局，低生育率與人口老齡化問題使得我國(guó)人口結(jié)構(gòu)問題日益凸顯，勞動(dòng)力供需矛盾日益嚴(yán)峻，這些問題都將成為未來中國(guó)勞動(dòng)力市場(chǎng)的新常態(tài)。確保勞動(dòng)力供需平衡是保障我國(guó)經(jīng)濟(jì)社會(huì)長(zhǎng)久穩(wěn)定發(fā)展的重要因素，在新的人口與社會(huì)經(jīng)濟(jì)形勢(shì)下，人工智能技術(shù)有可能成為勞動(dòng)力供需關(guān)系利好的關(guān)鍵，也有可能對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生新的挑戰(zhàn)，這些問題都值得學(xué)者們深入探討與研究。

圖10 2010—2020 年中國(guó)勞動(dòng)力市場(chǎng)求人倍率

2.人工智能或?qū)⒅ξ覈?guó)從人口紅利轉(zhuǎn)型

目前我國(guó)正在經(jīng)歷低生育率與人口老齡化雙重時(shí)期，這將會(huì)從人口數(shù)量和人口質(zhì)量上持續(xù)沖擊我國(guó)勞動(dòng)力市場(chǎng)，人口紅利的消失已成為定局。“破局”需要以“智”提“質(zhì)”，讓人工智能為高質(zhì)量發(fā)展賦能，促進(jìn)人工智能與勞動(dòng)力融合發(fā)展，將即將消失的人口紅利轉(zhuǎn)化為“人才紅利”。同時(shí)，要繼續(xù)加大教育的投入力度，提高我國(guó)人力資本水平和人口質(zhì)量，并制定相關(guān)政策，進(jìn)一步推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，化解新興技術(shù)對(duì)傳統(tǒng)產(chǎn)業(yè)的沖擊，在培育新產(chǎn)業(yè)過程中創(chuàng)造新的就業(yè)機(jī)會(huì)，充分釋放人口質(zhì)量紅利，實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展。

3.從完善要素市場(chǎng)化配置出發(fā)，釋放技術(shù)與勞動(dòng)力活力

完善要素市場(chǎng)化配置是讓要素活力競(jìng)相迸發(fā)的重要保障，政府應(yīng)積極引導(dǎo)企業(yè)選擇和使用以人工智能為代表的新興技術(shù)，加快企業(yè)智能化、數(shù)字化發(fā)展，以緩解我國(guó)未來人口結(jié)構(gòu)重大變化導(dǎo)致勞動(dòng)力供給短缺所帶來的不良影響。同時(shí)要著力引導(dǎo)我國(guó)勞動(dòng)力要素合理有序流動(dòng)，暢通勞動(dòng)力的落戶渠道和職稱評(píng)定渠道，保障勞動(dòng)力供需平衡。