中国大学生未来就业焦虑量表（FEAS）的开发与验证：应对AI时代就业不确定性的心理测量工具

《BMC Psychology》：Development and validation of future employment anxiety scale in China

为应对中国大学生日益加剧的未来就业焦虑，Wang等研究者开发并验证了具有文化适应性的未来就业焦虑量表（FEAS）。该研究通过质性访谈和因子分析确立了包含个人能力、知识应用、职业可替代性和社交关系的四维结构（α=0.955-0.971），证实其具有良好的信效度（CFI=0.979, RMSEA=0.068）和跨性别/出生地的测量不变性（ΔCFI<0.01），为职业咨询和教育政策提供了精准评估工具。

　　

随着高校扩招政策的持续推行，中国高校毕业生数量呈现爆发式增长。据教育部数据显示，2023年高校毕业生人数已达1158万，较上年增加82万，首次突破千万大关的2022年更是达到1076万人。这种"僧多粥少"的就业局面使得大学生对未来职业发展的忧虑与日俱增。更令人担忧的是，人工智能技术的迅猛发展正在对劳动力市场造成颠覆性冲击——虽然AI能提升某些岗位的效率，但更可能取代传统职业（Frank et al. 2019）。加之COVID-19疫情带来的全球性就业市场震荡，大学生在面临身份转换（从学生到职业人）的过程中，普遍产生了一种被称为"职业焦虑"的心理状态，即个体在职业发展过程中因职业相关困难而产生的焦虑情绪（Pisarik et al. 2017）。

然而，现有测量工具存在明显局限：Linden等开发的Job Anxiety Scale（JAS）虽包含70个项目，但针对的是住院康复患者而非大学生群体；Tsai等人的Future Career Anxiety Scale（FCAS）虽具有良好信度（α=0.76-0.89），但仅针对旅游酒店专业学生，缺乏普适性；Srivastava的职业焦虑量表存在项目过多导致应答质量下降的问题；泰国开发的Career Anxiety Scale则过于笼统，未能捕捉具体焦虑维度。这些缺陷凸显了开发专门针对中国大学生未来就业焦虑的标准化测量工具的紧迫性。

在此背景下，Wang等研究者在《BMC Psychology》发表了针对中国大学生的未来就业焦虑量表（Future Employment Anxiety Scale, FEAS）的开发和验证研究。该研究通过系统性心理测量学方法，建立了能够精准评估中国大学生就业焦虑的多维工具，为职业咨询和教育政策制定提供了科学依据。

研究方法主要包括：通过定性访谈和项目生成初步条目，采用探索性因子分析（EFA）和验证性因子分析（CFA）建立因子结构，使用河北某独立学院1597名学生的样本（随机分为769人的EFA子样本和828人的CFA子样本），通过Wenjuanxing平台收集数据。统计分析包括KMO和Bartlett球形检验、平行分析、结构效度检验（x²/df、RMSEA、CFI等指标）、聚合效度（CR>0.7, AVE>0.5）、区分效度（Fornell-Larcker准则）、并发效度（与FCAS的相关性）以及多组CFA测量不变性检验。

研究结果揭示了FEAS的四维结构：个人能力（5个项目，α=0.965）、知识应用（4个项目，α=0.971）、职业可替代性（4个项目，α=0.955）和社交关系（4个项目，α=0.965）。EFA显示四因子累计解释方差86.6%，CFA证实模型拟合良好（x²/df=4.788, CFI=0.979, RMSEA=0.068）。

个人能力维度 通过5个项目测量学生对英语能力、计算机技能、沟通能力等个人竞争力的担忧，如"我担心我的英语技能不如他人出色"。该维度显示出极高的内部一致性（α=0.965），表明这些项目能有效捕捉学生对自己核心能力的焦虑情绪。

知识应用维度 包含4个项目，关注学术知识向职场应用的转化焦虑，代表性项目为"我担心在大学获得的理论知识无法解决工作中遇到的问题"。该维度不仅反映了教育与实践的脱节问题，也揭示了学生对知识实用性的深层担忧。

职业可替代性维度 由4个项目组成，直指人工智能时代下的就业安全焦虑，如"我担心未来的工作会被人工智能（如翻译、绘画等）取代"。这一维度尤其具有时代特征，捕捉了技术进步对职业稳定性的冲击。

社交关系维度 测量4个关于职场人际关系的焦虑项目，包括"我担心未来工作中无法妥善处理与同事的关系"。该维度强调了人际关系能力在职业适应中的重要性。

聚合效度分析显示各维度的组合信度（CR）在0.954-0.970之间，平均变异抽取量（AVE）在0.839-0.889之间，均超过建议阈值。区分效度满足Fornell-Larcker准则，表明四个维度既相关又 distinct。并发效度通过与Tsai等（2017）的FCAS量表的相关分析得到支持（r=0.616-0.796, p<0.01）。

多组CFA结果显示，FEAS在性别（男/女）和出生地（城乡）间具有测量不变性，所有ΔCFI变化均小于0.01，表明量表在不同群体间具有等效的测量特性，能够进行跨组比较。

研究讨论部分强调，FEAS的四个维度全面覆盖了中国大学生就业焦虑的核心领域：个人能力维度对应传统就业竞争压力；知识应用维度反映教育与实践的衔接问题；职业可替代性维度捕捉技术变革带来的新型焦虑；社交关系维度则关注职场适应的人际挑战。这种多维结构不仅与当代中国就业环境高度契合，也反映了人工智能时代特有的就业担忧。

该研究的理论意义在于构建了适用于中国文化背景的未来就业焦虑理论框架，实践价值则体现在为高校职业辅导、心理健康服务和教育政策制定提供了精准评估工具。教育机构可以使用FEAS识别高风险学生群体，开展针对性干预； policymakers可依据评估结果优化就业支持政策；雇主能借此了解新生代员工的焦虑来源，改善入职培训体系。

研究局限性包括自报告数据可能存在社会期望偏差、横断面设计无法追踪焦虑变化、样本仅来自河北某独立学院限制结果普适性。未来研究应扩大样本代表性，结合纵向设计追踪焦虑演变，并纳入客观行为指标互补验证。

总之，Wang等人开发的FEAS量表为中国大学生就业焦虑研究提供了可靠有效的测量工具，其四维结构不仅具有扎实的心理测量学特性，更能反映当代就业市场中的现实挑战，特别是在人工智能技术重塑劳动力市场的背景下，为支持大学生职业心理适应提供了重要的科学基础。