基于生成式AI的成人孤獨(dú)癥就業(yè)平臺包容設(shè)計(jì)

關(guān)鍵詞：生成式人工智能；包容性設(shè)計(jì)；成年孤獨(dú)癥；就業(yè)服務(wù)平臺；個(gè)性化支持

一、研究背景

近年來，隨著孤獨(dú)癥譜系障礙（ASD）研究的深入，成年孤獨(dú)癥群體的就業(yè)與社會融入問題備受關(guān)注。據(jù)統(tǒng)計(jì)，中國孤獨(dú)癥患者超1000萬[1]，就業(yè)率僅5% ～ 15%[2]。其就業(yè)率長期偏低，崗位多集中于貨架整理、洗車等重復(fù)性、低技能工作，現(xiàn)有支持體系難以匹配個(gè)體能力特長，導(dǎo)致職業(yè)發(fā)展受限。近年來，中國一些地區(qū)探索了“融合教育+ 職業(yè)培訓(xùn)”模式，例如廈門星緣艔咖啡工坊采用“導(dǎo)師制+ 崗位適配”模式，為孤獨(dú)癥人士提供職業(yè)培訓(xùn)，提升就業(yè)適應(yīng)能力。

從全球視角來看，《聯(lián)合國殘疾人權(quán)利公約》已將孤獨(dú)癥人士納入殘疾人權(quán)益保障范疇，強(qiáng)調(diào)其就業(yè)權(quán)利與社會服務(wù)。各國相繼出臺相關(guān)政策，如中國的《殘疾人就業(yè)促進(jìn)條例》、美國的“神經(jīng)多樣性就業(yè)計(jì)劃”等，鼓勵企業(yè)雇傭孤獨(dú)癥人士，并提供職業(yè)培訓(xùn)與無障礙支持。國際研究表明，孤獨(dú)癥人士在邏輯分析、模式識別、數(shù)據(jù)處理等領(lǐng)域具有較強(qiáng)優(yōu)勢。加拿大 Specialisterne 和 SAP Autism at Work 計(jì)劃已將孤獨(dú)癥群體引入數(shù)據(jù)分析、軟件測試等高技能行業(yè)[3]。然而，現(xiàn)有政策在執(zhí)行過程中仍存在覆蓋面有限、個(gè)性化支持不足、培訓(xùn)與市場需求脫節(jié)等問題[4]。

生成式人工智能為解決這些問題提供了新機(jī)遇。基于自然語言處理（NLP）的智能推薦可優(yōu)化崗位匹配，情境模擬與社交訓(xùn)練助力職場適應(yīng)[5]，結(jié)合人機(jī)交互與個(gè)性化算法實(shí)現(xiàn)精準(zhǔn)技能評估與職業(yè)規(guī)劃[6]。此外，包容性設(shè)計(jì)與無障礙設(shè)計(jì)提升平臺可訪問性，情境感知技術(shù)與可視化引導(dǎo)降低認(rèn)知負(fù)擔(dān)，增強(qiáng)自主決策與職場適應(yīng)能力[7]。

基于此，本研究提出智能化就業(yè)支持平臺“榆樹ELM”，整合崗位匹配、技能提升、社交輔助功能，旨在提升成年孤獨(dú)癥人士就業(yè)率與社會融入度?！坝軜洹痹⒁鈭?jiān)韌與守護(hù)，ELM 代表賦能（Empower）、連接（Link）、激勵（Motivate），通過技術(shù)與設(shè)計(jì)融合優(yōu)化社會資源配置，推動包容性就業(yè)環(huán)境發(fā)展。

二、文獻(xiàn)綜述

（一）成年孤獨(dú)癥人群就業(yè)支持體系的多方聯(lián)動模式：近年來，孤獨(dú)癥支持研究從單一主體扶持轉(zhuǎn)向多方協(xié)作模式，基于社會融合理論和多方協(xié)作理論，強(qiáng)調(diào)政府、社會組織、企業(yè)及家庭等多元主體的協(xié)同，通過資源整合與政策優(yōu)化提升孤獨(dú)癥群體就業(yè)率與融入度[8]。

在中國，政府主導(dǎo)的就業(yè)支持體系已取得了一定進(jìn)展。例如，上?！瓣柟饩蜆I(yè)計(jì)劃”由政府牽頭，聯(lián)合企業(yè)及社會組織，構(gòu)建“培訓(xùn)—就業(yè)—跟蹤”三位一體的支持模式，通過職業(yè)培訓(xùn)、心理輔導(dǎo)和崗位適配，提高孤獨(dú)癥人士的就業(yè)穩(wěn)定性和職場適應(yīng)能力。北京市“星星就業(yè)工程”則依托政府政策引導(dǎo)與企業(yè)社會責(zé)任（CSR）相結(jié)合的方式，鼓勵企業(yè)開發(fā)適配崗位并提供長期職業(yè)支持。然而，這些模式仍面臨崗位供給有限、企業(yè)參與度不均衡的問題。

國際上，孤獨(dú)癥就業(yè)支持體系已形成較為成熟的實(shí)踐經(jīng)驗(yàn)。美國Autism Speaks 組織的“Workplace Inclusion Now （WIN）”項(xiàng)目，依托雇主聯(lián)盟建立從職業(yè)評估、技能培訓(xùn)到在職支持的全流程閉環(huán)體系，強(qiáng)調(diào)企業(yè)內(nèi)部的文化適應(yīng)性建設(shè)。英國 Ambitious about Autism 組織通過專業(yè)化輔導(dǎo)、政策倡導(dǎo)與企業(yè)包容性文化塑造，提升孤獨(dú)癥人士的職業(yè)適配度。丹麥 Specialisterne 專注于高附加值行業(yè)（如軟件測試、數(shù)據(jù)分析），充分發(fā)掘孤獨(dú)癥人士在邏輯分析與專注力方面的優(yōu)勢，顯著提升其就業(yè)穩(wěn)定性和職業(yè)發(fā)展空間[9]。這些案例表明，政府引導(dǎo)、企業(yè)參與及社會組織支持的多方協(xié)作體系，可有效改善孤獨(dú)癥就業(yè)環(huán)境。

盡管多方協(xié)作模式展現(xiàn)出一定成效，但在實(shí)踐中仍面臨諸多挑戰(zhàn)：政策協(xié)調(diào)不足、企業(yè)參與度低、就業(yè)支持體系碎片化，以及缺乏系統(tǒng)性數(shù)據(jù)支撐和理論框架構(gòu)建[10]?；诖?，本研究將探索生成式人工智能如何優(yōu)化就業(yè)匹配、提升資源配置效率，并結(jié)合包容性設(shè)計(jì)策略，構(gòu)建智能化就業(yè)支持體系。

（二）生成式人工智能在就業(yè)支持中的應(yīng)用：生成式人工智能，尤其是大型語言模型（LLMs），在就業(yè)支持領(lǐng)域展現(xiàn)出廣闊的應(yīng)用潛力。憑借其強(qiáng)大的信息處理能力與自適應(yīng)學(xué)習(xí)特性，生成式AI 在優(yōu)化崗位推薦、提升職業(yè)發(fā)展支持及增強(qiáng)社交適應(yīng)性等方面具有重要價(jià)值，為孤獨(dú)癥群體的就業(yè)支持提供了創(chuàng)新路徑[11]。

1. 生成式AI 在就業(yè)支持中的應(yīng)用優(yōu)勢

（1）精準(zhǔn)崗位匹配與職業(yè)發(fā)展規(guī)劃：生成式AI 結(jié)合自然語言處理（NLP）和深度學(xué)習(xí)算法，可實(shí)現(xiàn)職位描述解析、簡歷信息提取、用戶畫像構(gòu)建等功能，提升崗位匹配的精準(zhǔn)度?；谟脩舻募寄芴卣鳌⑴d趣偏好和職業(yè)目標(biāo)，AI 可動態(tài)生成個(gè)性化就業(yè)推薦方案，并輔助求職者優(yōu)化職業(yè)發(fā)展路徑[12]。

（2）智能社交輔導(dǎo)與情感支持：孤獨(dú)癥群體在職場環(huán)境中的社交障礙是影響就業(yè)穩(wěn)定性的關(guān)鍵因素。生成式AI 結(jié)合情感計(jì)算（AffectiveComputing）技術(shù)，可提供虛擬社交訓(xùn)練、職場交流模擬，并在對話交互中給予適應(yīng)性指導(dǎo)，提升其溝通能力與社會融入感[13]。

（3）大數(shù)據(jù)驅(qū)動的就業(yè)資源優(yōu)化：生成式AI 可通過大數(shù)據(jù)分析挖掘孤獨(dú)癥群體的就業(yè)需求趨勢，識別影響其就業(yè)質(zhì)量的關(guān)鍵因素，并為政策制定者提供數(shù)據(jù)支持。此外，AI 還可優(yōu)化企業(yè)崗位設(shè)置，幫助企業(yè)設(shè)計(jì)適合孤獨(dú)癥人士的工作任務(wù)，提升崗位適配性。

2. 生成式AI 在就業(yè)支持中的挑戰(zhàn)與局限

（1）數(shù)據(jù)偏差與公平性問題：現(xiàn)有AI 訓(xùn)練數(shù)據(jù)主要基于普通求職者，孤獨(dú)癥群體的就業(yè)需求、社交特征等信息尚未充分納入，可能導(dǎo)致匹配模型的適用性不足，影響推薦結(jié)果的公平性和精準(zhǔn)度[14]。

（2）情感理解能力有限：盡管AI 在語義分析、對話生成等方面取得一定進(jìn)展，但在非結(jié)構(gòu)化溝通場景下仍存在局限。例如，孤獨(dú)癥人士的表達(dá)方式與社交習(xí)慣不同于普通求職者，如何優(yōu)化AI 對孤獨(dú)癥群體的情感理解能力，以提供真正有效的社交輔助，是當(dāng)前研究的難點(diǎn)。

（3）系統(tǒng)穩(wěn)定性與隱私保護(hù)：AI 系統(tǒng)的穩(wěn)定性與可解釋性直接影響用戶信任度。如果匹配算法缺乏透明度或在求職建議中出現(xiàn)不可預(yù)測的偏差，可能影響用戶體驗(yàn)和就業(yè)決策。此外，就業(yè)支持平臺涉及求職者的個(gè)人信息，如何確保數(shù)據(jù)安全、隱私保護(hù)與合規(guī)性，是AI 系統(tǒng)落地的重要挑戰(zhàn)[15]。

（四）綜述總結(jié)

文章分析了成年孤獨(dú)癥就業(yè)現(xiàn)狀、支持體系實(shí)踐及生成式AI 應(yīng)用，明確了當(dāng)前就業(yè)支持的主要問題。

1. 合作機(jī)制不足：政府、企業(yè)、公益機(jī)構(gòu)協(xié)同不暢，資源整合有限，社會認(rèn)知度低，阻礙可持續(xù)支持體系構(gòu)建。

2. 就業(yè)困境突出：崗位選擇受限，職業(yè)培訓(xùn)不完善，個(gè)性化支持不足，影響就業(yè)穩(wěn)定性與發(fā)展。

3. AI 應(yīng)用挑戰(zhàn)：數(shù)據(jù)精準(zhǔn)度、情感理解及系統(tǒng)穩(wěn)定性待優(yōu)化，行業(yè)規(guī)范缺失限制技術(shù)推廣。

為此， 本研究設(shè)計(jì)了基于生成式AI 的就業(yè)支持平臺“ 榆樹ELM”，通過智能推薦與無障礙設(shè)計(jì)，為社會包容性發(fā)展提供創(chuàng)新路徑。創(chuàng)新點(diǎn)包括：

1. 智能崗位匹配：利用精準(zhǔn)數(shù)據(jù)建模與AI 技術(shù)，實(shí)現(xiàn)高適配崗位推薦，提升求職效率。

2. 職業(yè)發(fā)展與情感支持：通過動態(tài)技能評估與AI 社交訓(xùn)練，助力長期職業(yè)規(guī)劃與職場適應(yīng)。

3. 可持續(xù)優(yōu)化體系：結(jié)合AI 自適應(yīng)機(jī)制與無障礙設(shè)計(jì)，促進(jìn)企業(yè)參與與資源共享，推動可持續(xù)發(fā)展。

三、研究方法

本研究采用定性與定量相結(jié)合的方法，結(jié)合訪談、數(shù)據(jù)分析和用戶體驗(yàn)測試，系統(tǒng)性探索成年孤獨(dú)癥群體就業(yè)支持的痛點(diǎn)與優(yōu)化路徑。結(jié)合多方數(shù)據(jù)與技術(shù)應(yīng)用，確保研究結(jié)果的可靠性，為構(gòu)建包容性就業(yè)平臺提供實(shí)踐依據(jù)。

1. 文獻(xiàn)研究與案例分析：整理國內(nèi)外就業(yè)支持體系、生成式 AI 應(yīng)用及無障礙交互設(shè)計(jì)等相關(guān)研究，分析崗位適配度等數(shù)據(jù)，為平臺設(shè)計(jì)提供理論基礎(chǔ)。

2. 實(shí)地調(diào)研與深度訪談：對成年孤獨(dú)癥求職者、家屬、企業(yè) HR 及公益機(jī)構(gòu)進(jìn)行訪談，分析其就業(yè)需求、適應(yīng)難點(diǎn)與支持期待，結(jié)合用戶行為數(shù)據(jù)驗(yàn)證需求與痛點(diǎn)的準(zhǔn)確性。

3. 原型測試：搭建“榆樹ELM”交互原型，通過用戶測試評估無障礙設(shè)計(jì)、崗位推薦準(zhǔn)確度及用戶體驗(yàn)，迭代優(yōu)化方案。

四、數(shù)據(jù)分析

（一）用戶需求分析

1. 用戶調(diào)研：成年孤獨(dú)癥人士因社交障礙難以清晰表達(dá)就業(yè)與社交需求。本研究通過訪談揭示了其潛在愿望與實(shí)際困難。調(diào)研在廈門市星緣艔咖啡工坊（福建省首家為心智障礙青年設(shè)計(jì)的就業(yè)實(shí)踐基地）進(jìn)行，共訪談8 名成年孤獨(dú)癥人士（詳見附錄）。結(jié)果顯示，該群體渴望通過工作獲得社會認(rèn)可與自我價(jià)值實(shí)現(xiàn)，薪資期望較低，更重視經(jīng)濟(jì)獨(dú)立與社會融入。多數(shù)受訪者來自中低收入家庭，就業(yè)不僅能緩解家庭經(jīng)濟(jì)壓力，還能提升其自信心與社會參與度。

2. 用戶畫像：目標(biāo)用戶為有就業(yè)意向且具備一定獨(dú)立生活能力的成年孤獨(dú)癥人士，他們渴望通過工作減輕家庭負(fù)擔(dān)、穩(wěn)定生活并實(shí)現(xiàn)自我價(jià)值?；谠L談數(shù)據(jù)，用戶畫像（見圖1）提煉出以下三大痛點(diǎn)：

（1）社交障礙：溝通能力不足影響日常生活與職場表現(xiàn)。

（2）資源困境：缺乏適配崗位信息與系統(tǒng)化職業(yè)指導(dǎo)。

（3）家庭壓力：經(jīng)濟(jì)依賴加重家庭負(fù)擔(dān)，亟需通過就業(yè)改善現(xiàn)狀。

3. 用戶旅程圖：用戶在求職過程中常在信息篩選時(shí)感到困惑，因崗位要求不清而焦慮，并因溝通受限而受挫。平臺應(yīng)簡化信息獲取，提供簡歷與面試輔助，并強(qiáng)化入職后指導(dǎo)，完善支持體系以優(yōu)化用戶體驗(yàn)（見圖2）。

（二）現(xiàn)有平臺分析：為明確市場現(xiàn)狀并識別改進(jìn)方向，本研究調(diào)研了BOSS 直聘、Specialisterne 和 Hire Autism 3 個(gè)具有代表性的求職招聘平臺，并對其功能、市場定位、目標(biāo)群體及優(yōu)勢劣勢進(jìn)行了系統(tǒng)性分析（見表1）。

盡管現(xiàn)有平臺在支持特殊群體就業(yè)方面做出了探索，但在針對成年孤獨(dú)癥群體的深度支持方面仍存在局限性，主要體現(xiàn)在以下4 個(gè)方面：

1. 個(gè)性化匹配不足：未充分考慮孤獨(dú)癥人士的特殊認(rèn)知與需求。

2. 社交與情感支持缺乏：缺少針對性的訓(xùn)練與輔助。

3. 長期穩(wěn)定性不足：缺乏職業(yè)發(fā)展跟蹤等長期支持。

4. 區(qū)域性限制：缺乏中國本土化解決方案。

現(xiàn)有平臺在技術(shù)與包容性理念上有進(jìn)展，但針對成年孤獨(dú)癥群體的深度支持不足。“榆樹ELM”將聚焦個(gè)性化匹配、社交支持與長期穩(wěn)定性，通過生成式AI 與包容性設(shè)計(jì)，優(yōu)化就業(yè)支持體系。

五、平臺開發(fā)與設(shè)計(jì)

（一）開發(fā)架構(gòu) ：本平臺采用前后端分離的開發(fā)模式，前端負(fù)責(zé)UI 界面開發(fā)與交互，后端專注于數(shù)據(jù)處理與業(yè)務(wù)邏輯實(shí)現(xiàn)。二者通過接口文檔進(jìn)行通信，實(shí)現(xiàn)邏輯與界面的解耦，提升開發(fā)效率和可維護(hù)性。開發(fā)過程中，接口文檔需詳細(xì)規(guī)范每個(gè)請求的方法、參數(shù)以及響應(yīng)內(nèi)容，確保功能實(shí)現(xiàn)的精準(zhǔn)性與一致性（見圖3）。

（二）前端服務(wù)：本平臺的前端服務(wù)分為網(wǎng)頁端與移動端。網(wǎng)頁端基于 Vue.js 框架構(gòu)建，充分利用其組件化開發(fā)模式和響應(yīng)式設(shè)計(jì)特性，實(shí)現(xiàn)高效開發(fā)與優(yōu)異的用戶體驗(yàn)。通過 Vue Router 進(jìn)行路由管理，確保頁面的流暢切換；利用 Vuex 進(jìn)行狀態(tài)管理，實(shí)現(xiàn)應(yīng)用數(shù)據(jù)的集中管理，從而提升應(yīng)用的可擴(kuò)展性和性能。移動端則采用 Flutter 框架，實(shí)現(xiàn)跨平臺（iOS 和 Android）的高性能用戶界面。Flutter 的 Widget系統(tǒng)提供了豐富的視覺效果和流暢的交互體驗(yàn)，通過 getx 管理頁面的狀態(tài)和路由，簡化了狀態(tài)管理和路由導(dǎo)航的復(fù)雜性。為確保平臺的可訪問性， 網(wǎng)頁端遵循 Web Accessibility Initiative - Accessible RichInternet Applications （WAI-ARIA） 標(biāo)準(zhǔn)，移動端則利用 Flutter 的語義化Widget，為包括成年孤獨(dú)癥人士在內(nèi)的所有用戶提供無障礙的瀏覽體驗(yàn)。

（三）界面設(shè)計(jì)：界面設(shè)計(jì)以成年孤獨(dú)癥人士為核心，遵循包容性設(shè)計(jì)的“可適應(yīng)性”與“用戶中心”原則，以及無障礙交互設(shè)計(jì)的“可感知性”“可操作性”“可理解性”理念。針對其認(rèn)知與感官特點(diǎn)，集成語音輸入、可視化圖標(biāo)及無障礙動畫，降低操作難度；優(yōu)化信息層級與交互細(xì)節(jié)，增強(qiáng)自主性。移動端UI 突出直觀性與包容性，減少學(xué)習(xí)成本（見圖4）。

（四）后端服務(wù)：后端開發(fā)環(huán)境是基于 Maven 構(gòu)建的 SpringBoot框架，集成 MySQL 數(shù)據(jù)庫、星火大模型和多個(gè)開源組件助力業(yè)務(wù)邏輯實(shí)現(xiàn)。Maven 是管理和理解軟件項(xiàng)目的工具，依據(jù)項(xiàng)目對象模型，通過POM 文件自動管理項(xiàng)目構(gòu)建、依賴下載、插件擴(kuò)展和項(xiàng)目生命周期各階段，簡化開源庫管理。Spring 是輕量級 IOC、AOP 容器框架，為開發(fā)者專注業(yè)務(wù)邏輯提供基礎(chǔ)服務(wù)。SpringBoot 基于 Spring4.0，繼承其優(yōu)秀特性并簡化配置，利于搭建和開發(fā)。

后端程序架構(gòu)主要是分模塊架構(gòu)和 SpringBoot 三層架構(gòu)。分模塊架構(gòu)把后端程序分為 common、pojo、server 三大類，模塊職責(zé)單一，可增強(qiáng)代碼的可維護(hù)性、擴(kuò)展性與重用性。SpringBoot 三層架構(gòu)包括接收請求等的 Controller、處理業(yè)務(wù)邏輯的 Service、執(zhí)行數(shù)據(jù)庫交互的Dao，實(shí)現(xiàn)層間解耦，便于理解、測試和修改代碼。

MySQL 數(shù)據(jù)庫部署在云服務(wù)器，用于存儲業(yè)務(wù)邏輯必要數(shù)據(jù)，是受歡迎的關(guān)系型數(shù)據(jù)庫，性能高、可靠且易用。星火大模型用于生成用戶個(gè)性化推薦信息，是多功能認(rèn)知智能大模型，具有強(qiáng)大的語言理解、內(nèi)容生成和知識問答能力，注重個(gè)性化且持續(xù)進(jìn)化。

此外，項(xiàng)目還用多種開源組件或技術(shù)。AOP 處理公共字段自動填充；Spring WebMVC、全局?jǐn)r截器和 Jwt 令牌校驗(yàn)用戶登錄；全局異常處理器統(tǒng)一處理異常；Mybatis 簡化持久層代碼編寫；阿里云 OSS 存儲云圖片；Redis 緩存數(shù)據(jù)；MD5 加密敏感信息；Slf4j 管理日志；Knife4j 生成和管理 API 文檔；FastJSON 解析和生成 JSON 數(shù)據(jù)。

六、平臺運(yùn)營與優(yōu)化

（一）運(yùn)營策略：平臺運(yùn)營圍繞大齡孤獨(dú)癥人士就業(yè)展開，整合多方資源提升服務(wù)效能。用戶獲取方面，依托公益機(jī)構(gòu)、線下活動及社交平臺觸達(dá)目標(biāo)群體，引導(dǎo)注冊集中人力資源。測評與培訓(xùn)環(huán)節(jié)，與醫(yī)院及評估機(jī)構(gòu)合作，建立就業(yè)檔案，并通過線上愛心地圖匹配職業(yè)培訓(xùn)資源，強(qiáng)化就業(yè)能力。崗位匹配上，特需人士完成培訓(xùn)后，系統(tǒng)推送就業(yè)檔案至匹配企業(yè)，企業(yè)可選擇線上或線下面試，平臺收取信息服務(wù)費(fèi)。

針對崗位供給不穩(wěn)定問題，平臺聯(lián)合政府、社區(qū)及公益組織創(chuàng)設(shè)愛心小店等項(xiàng)目，雇傭特需人士，并與高校、志愿組織合作推廣，收入用于工資發(fā)放與平臺運(yùn)營。資金來源包括政府撥款、募捐、公益項(xiàng)目及企業(yè)服務(wù)費(fèi)，并采用募捐分紅模式激勵長期公益參與。同時(shí)，社交化募捐增強(qiáng)用戶體驗(yàn)，并探索就業(yè)公益保險(xiǎn)，為平臺可持續(xù)運(yùn)營提供保障。

（二）商業(yè)模式：平臺采用多邊服務(wù)模式，連接特需人士、公益組織和企業(yè)，提供就業(yè)支持、資源對接和招聘服務(wù)。平臺通過服務(wù)費(fèi)和公益項(xiàng)目盈利，并通過社區(qū)互動和募捐增強(qiáng)用戶參與（見圖5）。

（三）系統(tǒng)部署：平臺部署于華為云 ECS（JDK 21、MySQL 8），集成 Nginx 作為反向代理，應(yīng)對高并發(fā)。反向代理提升安全性（匿名、防攻擊）、負(fù)載均衡及緩存效率。

數(shù)據(jù)設(shè)計(jì)方面， 平臺主要存儲以下類型的數(shù)據(jù)：包括用戶的個(gè)人信息、職業(yè)技能、興趣偏好以及在平臺上的行為數(shù)據(jù)；企業(yè)的相關(guān)信息和發(fā)布的招聘信息；平臺上發(fā)布的職位描述和要求；提供的培訓(xùn)課程及其進(jìn)度信息；以及用戶在平臺上的社交互動數(shù)據(jù)。

為了保障數(shù)據(jù)的安全性，平臺對關(guān)鍵數(shù)據(jù)進(jìn)行加密存儲。同時(shí)，平臺會定期對所有數(shù)據(jù)進(jìn)行備份，以防止數(shù)據(jù)丟失，確保在發(fā)生意外情況時(shí)能夠快速恢復(fù)。

網(wǎng)絡(luò)安全采用 Https 協(xié)議，阿里云提供域名與 DNS，自制 SSL 證書配置 Nginx 加密數(shù)據(jù)，安全組僅開放必要端口（443），實(shí)時(shí)監(jiān)控流量防異常。詳細(xì)部署流程如下：先使用 Maven plugin 將 Spring Boot 后端工程打包成。jar 文件在服務(wù)器啟動，再用 Node.js 打包并部署 Vue 前端工程，最后配置并啟動 Nginx，使其監(jiān)聽域名請求、配置 Web 主頁并將請求轉(zhuǎn)發(fā)到后端服務(wù)器。

（四）用戶測試與優(yōu)化：為驗(yàn)證平臺在實(shí)際應(yīng)用中的有效性，我們于福建省廈門市星緣艔咖啡廳進(jìn)行了用戶測試，共有20 名成年孤獨(dú)癥志愿者參與。測試旨在評估平臺的操作流暢度、用戶情緒反應(yīng)以及數(shù)據(jù)準(zhǔn)確性，并針對就業(yè)與社交功能進(jìn)行了場景化測試。測試結(jié)果顯示，在瀏覽崗位、投遞簡歷、模擬面試、發(fā)布動態(tài)和留言回復(fù)等功能中，用戶的成功率普遍較高，但不同功能的平均完成時(shí)間存在差異。

具體而言，瀏覽崗位的成功率在80% 至95% 之間，平均完成時(shí)間為35 秒至60 秒；投遞簡歷的成功率在75% 至90% 之間，平均完成時(shí)間為40 秒至65 秒；模擬面試的成功率在70% 至85% 之間，平均完成時(shí)間為55 秒至75 秒；發(fā)布動態(tài)的成功率在85% 至95% 之間，平均完成時(shí)間為25 秒至35 秒；留言回復(fù)的成功率在85% 至95% 之間，平均完成時(shí)間為18 秒至25 秒（見表2）。

基于用戶測試結(jié)果和用戶反饋意見，方案在以下幾個(gè)方面進(jìn)行了修改提升：

（1）增加提示性設(shè)計(jì)，使用更直觀的圖標(biāo)和觸發(fā)反饋（聲音或震動）。（2）將滑動操作優(yōu)化為單點(diǎn)觸摸，以適應(yīng)大齡孤獨(dú)癥用戶需求。（3）提供更安靜或半隔離的操作環(huán)境，增強(qiáng)用戶的專注度。（4）在就業(yè)功能中，添加更直觀的引導(dǎo)流程圖，明確每個(gè)步驟操作提示。（5）提升社交功能的交互體驗(yàn)，增加更簡單直接的留言快捷模板。

結(jié)論

文章針對成年孤獨(dú)癥人士的就業(yè)困境，設(shè)計(jì)并初步實(shí)現(xiàn)了一個(gè)基于生成式人工智能的就業(yè)平臺“榆樹ELM”，為這一群體提供個(gè)性化的就業(yè)服務(wù)支持。平臺結(jié)合技術(shù)創(chuàng)新與社會資源整合，貢獻(xiàn)如下：

1. 職業(yè)匹配優(yōu)化：利用生成式AI，結(jié)合多維用戶畫像與崗位分析，提升匹配精準(zhǔn)度，適應(yīng)復(fù)雜需求。

2. 資源整合：搭建企業(yè)、公益組織與用戶互動橋梁，優(yōu)化就業(yè)支持體系協(xié)同效率。

3. 設(shè)計(jì)創(chuàng)新：遵循包容性設(shè)計(jì)原則（靈活性、公平性、可適應(yīng)性），深化個(gè)性化需求分析與無障礙設(shè)計(jì)實(shí)踐（可感知性、可操作性、可理解性），通過語音輸入、可視化交互等功能實(shí)現(xiàn)從需求識別到職業(yè)推薦的閉環(huán)支持，推動特需人群就業(yè)模式的創(chuàng)新。

然而，平臺在實(shí)際運(yùn)行中仍面臨一定局限性。例如，對數(shù)據(jù)質(zhì)量和算法優(yōu)化的依賴可能影響推薦效果的穩(wěn)定性；同時(shí)，孤獨(dú)癥人士對技術(shù)的接受度差異可能限制推廣效果。

未來，“榆樹ELM”將基于包容性設(shè)計(jì)理念持續(xù)優(yōu)化，收集反饋提升智能匹配精準(zhǔn)度與穩(wěn)定性，確?？缒芰τ脩舻目稍L問性；擴(kuò)大企業(yè)與公益合作，豐富崗位類型，探索跨行業(yè)資源共享；進(jìn)一步驗(yàn)證區(qū)域適用性，通過技術(shù)與政策協(xié)同，推動生成式AI 在就業(yè)支持中的規(guī)?；瘧?yīng)用，構(gòu)建更具包容性的就業(yè)生態(tài)。

附錄

1. 用戶訪談基本信息

地點(diǎn)：福建省廈門市星緣艔咖啡工坊

時(shí)間：2024 年10 月21 日

目的：深入了解成年孤獨(dú)癥人群的就業(yè)意愿、期望及實(shí)際需求，為平臺設(shè)計(jì)提供依據(jù)

訪談對象：8 名在咖啡工坊工作的成年孤獨(dú)癥人士

訪談方式：半結(jié)構(gòu)化訪談，結(jié)合開放性問題與觀察記錄