自动化冲击下的就业市场重构：基于任务重叠度的失业者再就业机会均衡性研究

这篇研究通过构建基于语言模型的职业任务相似性网络，揭示了自动化技术对失业者再就业机会的差异化影响。作者发现，常规任务自动化（RTI）暴露者因任务网络高度同质化难以转向低暴露岗位，而软件技术暴露者则能通过任务重叠缓解就业不平等。研究为劳动力市场政策提供了关键实证依据。

　　

Highlight
本研究通过创新性地构建职业任务相似性网络，揭示了自动化技术对失业者再就业的差异化影响机制。

A network of jobs connected by task similarity
我们基于公共就业服务系统（PES）的详细任务描述数据，运用前沿语言表征模型构建了职业任务相似性网络。该网络精准刻画了失业者可能转换的关联职业群，为分析劳动力市场重叠结构提供了全新视角。

Empirical framework
采用扩展匹配函数模型（matching function），我们首次量化了任务相似性对再就业率的影响。通过对比包含/排除重叠市场的模型，发现仅有任务相似度最高的关联职业（top 5%）能显著影响失业者求职成功率。

The contribution of overlapping job markets to unequal job finding
关键发现表明：常规任务自动化（RTI）暴露者的关联职业往往同样面临高自动化风险，形成"高暴露闭环"。这种网络结构导致任务重叠无法缓解其再就业劣势——相似岗位的职位空缺率（vacancy rate）比原职业平均仅高1.2个百分点。

Why do overlapping job markets not equalise the effects?
网络结构分析揭示：常规任务职业在相似网络中呈现强同质性，其80%的关联职业仍属RTI高暴露范畴。反事实模拟显示，若强制将10%的关联节点替换为低RTI职业，失业持续时间可缩短17天。

Are other waves of technological change different?
有趣的是，软件技术暴露者通过任务重叠可获得显著改善——其关联职业的平均软件暴露指数（Webb指数）比原职业低34%，使得再就业率提升22%。而人工智能（AI）暴露职业反而呈现正向选择效应，可能与技能溢价有关。

Concluding remarks
本研究开创性地证明：技术冲击的分布效应取决于职业在网络中的嵌入特征。政策制定者需针对不同技术类型（如RTI vs AI）设计差异化的职业培训路径，打破自动化暴露者的"任务孤岛"困境。