一、引言 随着以人工智能为主导的现代科技深入发展，我国已进入由第四次工业革命引领经济社会发展的全新时代。新一轮科技革命和产业变革对全球秩序和发展格局带来了深远影响。麦肯锡全球研究院报告显示，到2030年全球将有4亿～8亿人口的工作被机器人替代[1]。中国在产业转型升级中也会迎来最大规模的就业结构变迁，到2030年，预计多达2.2亿劳动者可能因自动化技术的影响而变更职业[2]。目前，人工智能技术对各行各业的替代效应已初现端倪[3-4]，且逐渐呈现替代范围广泛、程度加深、时间缩短的特点[5]。 在科技创新加剧变革的时代背景下，扎实推动教育强国建设，培养经济社会发展所需的大批高素质人才，是目前摆在政策制定者及研究者面前的重大课题。党的二十届三中全会提出推进教育科技人才体制机制一体改革[6]，科学回答了人才培养与发挥作用之间协同推进的重大问题。人才培养涉及数量、结构和质量问题。长期以来我国存在着普通与职业两种类型的教育，无论是基于个体投资还是国家战略角度，两类教育之间的选择都是关乎我国人才培养质量与效率的重要议题。在社会主义现代化强国建设进程中，普通教育与职业教育以何种数量及结构协同发展最能适应人工智能时代的经济转型升级要求?在建设教育强国的进程中，职业教育能否适应技术进步新形势和技能型人才成长新需求?本研究将通过揭示个体在中等及高等教育阶段的教育类型选择(普通VS.职业)与就业后职业被人工智能替代的风险水平之间的关系及内在机制，为未来我国全面提升教育服务高质量发展能力、扎实推动教育强国建设提供政策建议。 二、理论与文献综述 (一)人工智能对职业产生的替代效应 人工智能对劳动力市场的影响，特别是对劳动力市场中各类职业所产生的替代效应是学者们持续关注的问题。不同国家研究者对人工智能的职业替代性水平进行了测算。尽管由于测算方法或数据库差异导致具体结果值不一致，但所有结果均表明人工智能技术的广泛应用将对劳动力市场中的职业产生替代效应。弗雷(Frey)和奥斯本(Osborne)测算出美国702种职业的人工智能替代性程度，发现美国社会47％的职业面临高替代风险[3]，其测算方法被称为“FO方法”。 这一开创性的研究引发学术界广泛讨论，不少学者通过匹配国别职业编码将“FO方法”应用到芬兰、挪威等其他国家[7-8]。我国研究者也在“FO方法”的基础上实证测算了我国职业的替代风险。孙文凯等根据2014年城镇各行业就业规模，结合FO测算结果，得出我国所有行业总体平均替代率为0.45，即45％的就业人口存在可替代风险[9]。刘涛雄等人运用LASSO回归和随机森林方法测算出了美国职业信息网络(Occupational Information Network，O*NET)数据库中435个职业(对应中国职业分类大典中千余个细分职业)的替代可能性，发现我国有大约33％的劳动力处于高风险等级，性别、年龄、受教育水平和工资都与被替代性存在显著相关关系[10]。龚遥和彭希哲利用O*NET数据库，通过随机森林分类器算法，预测出我国处于高替代风险的职业数占当前职业总数的59.5％，且受教育程度与职业替代风险呈现负向关系[11]。王林辉等利用中国劳动力动态调查数据，选取任务属性、职业特征、工作环境与经济环境等输入变量，应用机器学习模型测算出我国有19.05％的劳动者面临高替代风险，并且发现职业技能宽度越大则可替代风险越低，而年龄越大且受教育年限越短的劳动者可替代风险越高[12]。 (二)教育选择与职业的人工智能替代性 研究人工智能等技术变革对劳动力市场影响的文章通常关注两种变化[13]：一种是整个社会职业的结构化迁移(compositional shift)，即具有某个特定技术水平的职业的产生或者淘汰，以及劳动者在这些职业结构中的从业变化；另一种是职业内部工作内容的变化(changes in work content)。不同的社会力量将带来不同的变化模式。例如，宏观的经济发展以及劳动力市场供求改变更可能通过职业结构迁移带来技术变化；而科技革新与进步更容易通过改变工作内容带来技术变化。因此关于人工智能时代的教育类型选择为何会影响职业替代性，目前存在两种理论视角。 1.宏观职业结构视角：劳动力市场分割与学历歧视造成不同教育选择下的职业替代性结果不同 这一视角认为，以人工智能为特征的技术进步将导致劳动力市场中的职业结构变迁：某些容易被计算机及人工智能替代的职业将在数量上缩减甚至被淘汰，而某些基于新技术技能需求新兴的职业数量将激增。我国劳动力市场由差异显著的不同部分组成，存在着基于职业的分割，通常包括主要和次要劳动力市场，两类市场间相对封闭，流动性低。人工智能时代，不同职业除了在工作环境、薪酬待遇、晋升空间等传统维度上存在分割外，也存在着基于替代风险水平的分割。教育是决定个体进入何种劳动力市场的重要因素之一[14]。已有实证研究指出，在目前的体制与就业环境下，职业院校毕业生在劳动力市场中面临学历和身份的双重歧视[15]，导致其进入主要劳动力市场的机会更少，大部分只能进入次要劳动力市场就业[16]，承受着劳动力市场的“分割性损失”[17]。 2.微观工作任务视角：“技能倾向型”技术进步导致的职业内部工作任务技能需求变化造成不同教育选择下的职业替代性结果不同 这一视角认为，在生产过程领域发生的技术变革导致技术性工人相比于非技术性工人边际生产率水平的提高，因而大部分经济体的生产部门都呈现出对高技术型人才需求的增长趋势[18]。经济学家认为，这种现象是由技能倾向型技术进步(skill-biased technological change)带来的。人工智能之所以能够对职业产生不同程度的替代效应，与职业内部工作任务的技能需求转变密切相关。奥特尔(Autor)等学者以技能被计算机技术替代的程度为标准，通过询问被调查者在工作中实际做了些什么，建立了工作任务模型(The Task Model)，将工作任务成分细分为程序性认知技能、程序性操作技能、非程序性分析技能、非程序性操作技能及非程序性互动技能五类[19]。在此模型中，程序性(routine)被定义为一个任务可以由机器按照明确的编程规则来完成的程度。程序性的认知类工作或操作类工作，如文职、推销、生产和技术工种等容易被计算机替代。非程序性任务由于无法用一套可编程的规则来描述，且多发生在复杂的环境中，需要人对环境进行判断，因此难以被机器替代，如法学、医学、科学研究、管理类等领域的工作。
