王燊成 周鎮(zhèn)忠

一、問題的提出

在勞動(dòng)力市場領(lǐng)域，隨著互聯(lián)網(wǎng)應(yīng)用規(guī)模不斷擴(kuò)大，勞動(dòng)力市場大數(shù)據(jù)應(yīng)運(yùn)而生（史珍珍、曾湘泉，2016）。與此同時(shí)，一系列大數(shù)據(jù)技術(shù)更迭涌現(xiàn)，也為廣大就業(yè)群體帶來了新的機(jī)遇與挑戰(zhàn)。一方面，大數(shù)據(jù)可以擴(kuò)大人群獲得就業(yè)的機(jī)會(huì)，數(shù)字經(jīng)濟(jì)的發(fā)展可以幫助返鄉(xiāng)農(nóng)民、待就業(yè)人員以及殘疾人等群體通過網(wǎng)絡(luò)平臺找到工作（張新紅，2016）；另一方面，由于算法決策工具中根深蒂固的偏見，低收入人群也有可能會(huì)被排除在機(jī)會(huì)之外。由于使用機(jī)會(huì)受限并且缺乏數(shù)字技能（Hargittai & Hinnant，2008），被排斥的群體也可能無法像更多特權(quán)群體那樣從信息技術(shù)中獲得收益（Blank & Lutz，2018）。因此，正確認(rèn)識勞動(dòng)力市場中的大數(shù)據(jù)并掌握相應(yīng)的分析技術(shù)，對于激活勞動(dòng)力市場具有重要的意義。

事實(shí)上，基于網(wǎng)絡(luò)招聘信息的大數(shù)據(jù)分析已經(jīng)成為國外勞動(dòng)力市場研究的一種重要方法。勞動(dòng)力市場大數(shù)據(jù)廣泛地運(yùn)用于雇傭標(biāo)準(zhǔn)、搜尋與匹配過程、搜尋持續(xù)時(shí)間、雇主偏好等研究議題當(dāng)中（史珍珍、曾湘泉，2016）。而在我國，由于勞動(dòng)統(tǒng)計(jì)數(shù)據(jù)不完備或不公開，統(tǒng)計(jì)口徑和方法都存在較大爭議，利用各類大數(shù)據(jù)深入開展我國勞動(dòng)力市場理論研究和政策分析顯得尤為重要（曾湘泉，2017）。不過，隨著近年來互聯(lián)網(wǎng)、人工智能、5G 等信息技術(shù)在我國勞動(dòng)力市場的廣泛運(yùn)用，探討勞動(dòng)力市場中大數(shù)據(jù)及其技術(shù)應(yīng)用的研究也開始涌現(xiàn)?；诖?，本文利用范圍綜述的研究方法，全面呈現(xiàn)我國勞動(dòng)力市場研究中大數(shù)據(jù)應(yīng)用現(xiàn)狀及其主要特點(diǎn)，并在此基礎(chǔ)上嘗試提出運(yùn)用大數(shù)據(jù)及其技術(shù)促進(jìn)就業(yè)的相關(guān)建議。

二、研究方法：范圍綜述

自20 世紀(jì)70 年代早期以來，隨著循證實(shí)踐的發(fā)展，一系列的研究綜述方法也隨之產(chǎn)生。在14 種最常見的評述方法中，范圍綜述（scoping review）是一種針對探索性研究問題的知識綜合，即通過系統(tǒng)地搜索、選擇和綜合現(xiàn)有知識，并遵循既定的方法學(xué)框架，繪制與某一特定領(lǐng)域相關(guān)的關(guān)鍵概念、證據(jù)類型和研究空白。這種方法不僅對于通過鞏固證據(jù)推進(jìn)實(shí)踐和研究至關(guān)重要，而且可以幫助知識用戶更有效地做出基于證據(jù)的決策（Colquhoun et al.，2014）。

范圍綜述是一個(gè)相對較新的方法，目前尚無通用的研究定義以及應(yīng)用程序。Arksey 與O’Malley（2005）最早提出了開展范圍綜述的五個(gè)步驟：第一，明確研究問題，這對于搜索策略的構(gòu)建十分重要；第二，確定相關(guān)研究，即盡可能全面地確定原始研究，并審查是否適合回答中心研究問題；第三，研究選擇，需要確定一種機(jī)制來幫助排除沒有解決研究問題的研究，即確定研究納入或排除的標(biāo)準(zhǔn)；第四，繪制數(shù)據(jù)圖表；第五，整理、總結(jié)和報(bào)告結(jié)果。目前，使用范圍綜述的研究主要集中于公共衛(wèi)生與醫(yī)療健康領(lǐng)域，比如公共衛(wèi)生干預(yù)中的行為和行為理論（Davis et al.，2015）、心理健康中的機(jī)器學(xué)習(xí)（Shatte et al.，2019）等。本研究基于Arksey 與O’Malley提出的范圍綜述的五個(gè)步驟開展我國勞動(dòng)力市場研究中大數(shù)據(jù)運(yùn)用的文獻(xiàn)回顧。

（一）研究問題的確定

基于前文所述的研究背景，并結(jié)合研究者已有的專業(yè)知識以及對文獻(xiàn)的初步閱讀，本文將主要問題確定為我國勞動(dòng)力市場研究中大數(shù)據(jù)運(yùn)用的范圍、特征等是什么。

（二）確定相關(guān)研究

本文通過搜索詞“大數(shù)據(jù)”“機(jī)器學(xué)習(xí)”與搜索詞“就業(yè)”“失業(yè)”“勞動(dòng)力”的組合檢索方式來識別符合研究問題的相關(guān)研究。文獻(xiàn)搜索主要在中國知網(wǎng)中開展?？紤]到已有研究的質(zhì)量以及聚焦性，納入研究的文獻(xiàn)僅限于CSSCI（含擴(kuò)展版）來源期刊。此外，為確保全面審查已有文獻(xiàn)，搜索不僅包括上述數(shù)據(jù)庫中的定量與定性研究，還通過滾雪球、手動(dòng)搜索、搜索認(rèn)證、引用文章等方式確定其他來源的文獻(xiàn)。

（三）研究選擇

如果符合以下標(biāo)準(zhǔn)，文獻(xiàn)將包括在本綜述中：第一，文章發(fā)表在同行評議的學(xué)術(shù)期刊上；第二，文章屬于實(shí)證性研究；第三，文章利用大數(shù)據(jù)來分析就業(yè)、失業(yè)等與勞動(dòng)力市場有關(guān)的現(xiàn)象或解決了相關(guān)問題。如果滿足以下條件，則將文章排除在綜述外：第一，文章屬于概念性研究；第二，文章屬于綜述性研究，沒有原始貢獻(xiàn)；第三，文章使用的數(shù)據(jù)不屬于大數(shù)據(jù)或沒有利用大數(shù)據(jù)技術(shù)。本文的選擇沒有關(guān)于發(fā)表時(shí)間、地理位置、人口或研究設(shè)計(jì)的限制。

（四）繪制數(shù)據(jù)圖表

確定相關(guān)研究后，研究人員將對全文開展進(jìn)一步評估，并提取每篇文章中勞動(dòng)力市場所涉及的領(lǐng)域、大數(shù)據(jù)來源與類型、大數(shù)據(jù)處理與分析技術(shù)、學(xué)科領(lǐng)域、作者信息、發(fā)表年份以及期刊名稱等內(nèi)容。文章的引文主要通過Zotero 軟件進(jìn)行管理。

（五）整理、總結(jié)和報(bào)告結(jié)果

研究人員集中比較和討論了各類數(shù)據(jù)。一方面，對研究文獻(xiàn)進(jìn)行描述性統(tǒng)計(jì)?？紤]到已有研究中使用的數(shù)據(jù)類型，本綜述并不適用于薈萃分析的方法，因此主要通過敘事性綜述的綜合方法來呈現(xiàn)已有研究。另一方面，對研究結(jié)果進(jìn)行了比較評估和焦點(diǎn)討論，確定已有研究的趨勢和不足。

三、我國勞動(dòng)力市場研究中大數(shù)據(jù)應(yīng)用現(xiàn)狀

截至2022 年12 月31 日，本研究基于搜索詞組合共確定297 篇CSSCI文章，通過手動(dòng)檢索、引用文獻(xiàn)滾雪球檢索等渠道共確定16 篇CSSCI 文獻(xiàn)，共計(jì)313 篇文獻(xiàn)，其中重復(fù)文獻(xiàn)共有55 篇。研究人員對這些文獻(xiàn)的摘要進(jìn)行了回顧，剔除了與研究問題不相關(guān)的199 篇。此外，通過對剩下的59 篇文獻(xiàn)的全文回顧，結(jié)合本研究范圍綜述的文獻(xiàn)納入與排除標(biāo)準(zhǔn)，共篩選出35 篇文獻(xiàn)。因此，最終納入綜述的文獻(xiàn)共有35 篇。本研究的范圍綜述具體流程參見圖1。

圖1 范圍綜述流程圖

（一）文獻(xiàn)的基本信息

入選范圍綜述的文獻(xiàn)主要發(fā)表于2016—2022 年，其中2016 年共有3 篇，2017 年共有5 篇，2018 年共有4 篇，2019 年共有7 篇，2020 年共有6 篇，2021 年共有5 篇，2022 年共有5 篇。根據(jù)中國知網(wǎng)的學(xué)科分類統(tǒng)計(jì)，35 篇文章中涉及勞動(dòng)經(jīng)濟(jì)的有13 篇、城市經(jīng)濟(jì)9 篇、教育6 篇、通信經(jīng)濟(jì)5 篇、計(jì)算機(jī)5 篇、工商管理4 篇、社會(huì)4 篇、城鄉(xiāng)規(guī)劃與市政3 篇、語言2 篇、農(nóng)業(yè)經(jīng)濟(jì)2 篇，涉及政治、國民經(jīng)濟(jì)、交通運(yùn)輸經(jīng)濟(jì)、金融的各1 篇。

（二）文獻(xiàn)使用大數(shù)據(jù)的基本情況

研究發(fā)現(xiàn)，入選文獻(xiàn)所使用的大數(shù)據(jù)大體上可以分為四種類別：第一類主要來源于智聯(lián)招聘、前程無憂、應(yīng)屆生求職網(wǎng)、看準(zhǔn)網(wǎng)、拉勾網(wǎng)、大街網(wǎng)、獵聘網(wǎng)、領(lǐng)英等國內(nèi)外招聘網(wǎng)站，共有19 篇文章涉及，大數(shù)據(jù)主要以崗位與就業(yè)信息為主，少數(shù)研究使用訪問量次數(shù)與訪問人數(shù)數(shù)據(jù)、評論文本等信息；第二類主要來源于手機(jī)信令數(shù)據(jù)，手機(jī)信令數(shù)據(jù)指的是當(dāng)手機(jī)與基站進(jìn)行通信連接（如接打電話、接發(fā)短信、位置更新等）時(shí)，基站會(huì)進(jìn)行記錄并產(chǎn)生一條包含基站位置信息的信令數(shù)據(jù)，實(shí)際上這是一種人口流動(dòng)的檢測方式（王德等，2020），共有7 篇文章涉及；第三類主要來源于騰訊地圖、高德地圖、百度地圖、微信熱力大數(shù)據(jù)、一卡通刷卡數(shù)據(jù)等勞動(dòng)力遷徙通勤大數(shù)據(jù)，共有5 篇文章涉及，比如“宜出行”是騰訊公司開發(fā)的基于地圖顯示當(dāng)前選定區(qū)域人流分布的手機(jī)端小程序， 能夠有效分析既定區(qū)域內(nèi)的人流熱度和分布變化（申犁帆等，2019）；第四類主要來源于興趣點(diǎn)（Point of Interest，POI）數(shù)據(jù)，指的是一些與人們生活密切相關(guān)的地標(biāo)建筑和地理實(shí)體的點(diǎn)數(shù)據(jù)，如學(xué)校、醫(yī)院、商場、公園以及政府機(jī)構(gòu)等，常用于城市研究中，共有4 篇文章涉及；此外，還有研究使用的大數(shù)據(jù)主要來源于新聞報(bào)道、微博數(shù)據(jù)集、百度搜索行為數(shù)據(jù)、全樣本行政大數(shù)據(jù)、啟信寶（產(chǎn)業(yè)大數(shù)據(jù)）、房地產(chǎn)網(wǎng)絡(luò)平臺、美團(tuán)網(wǎng)等。

（三）文獻(xiàn)主要關(guān)注的勞動(dòng)力市場話題

基于對35 篇入選文獻(xiàn)的全文閱讀，本文對其關(guān)注的勞動(dòng)力市場話題進(jìn)行了提煉與概括，大體可以分為勞動(dòng)力市場供求關(guān)系、勞動(dòng)力市場結(jié)構(gòu)、勞動(dòng)力市場預(yù)警預(yù)測、職住空間關(guān)系以及其他等五個(gè)方面。

在勞動(dòng)力市場中，供求關(guān)系是最基本的關(guān)系，影響經(jīng)濟(jì)發(fā)展的諸多方面，是連接人口與經(jīng)濟(jì)發(fā)展的重要環(huán)節(jié)，決定著失業(yè)率、勞動(dòng)力價(jià)格等多重要素，入選的文獻(xiàn)中共有12 篇主要關(guān)注該話題。在這些文獻(xiàn)中，共有3 篇主要關(guān)注高校畢業(yè)生群體。劉全等（2016）基于網(wǎng)絡(luò)爬蟲技術(shù)所獲得招聘高校畢業(yè)生信息，對我國人才市場對高校畢業(yè)生的需求進(jìn)行了分析；宋齊明（2018）探討了雇主對本科畢業(yè)生通用性能力的要求以及其中的差異化特征。許艷麗、呂建強(qiáng)（2019）檢驗(yàn)和探討了人工智能領(lǐng)域?qū)Ω呗毊厴I(yè)生的技能需求。其次，共有3 篇文獻(xiàn)關(guān)注人才培養(yǎng)的議題，王梅等（2019）分析了勞動(dòng)力市場對碩士生提出的復(fù)合性可雇傭能力需求以及相應(yīng)的人才培養(yǎng)應(yīng)對之策；王輝、夏金鈴（2019）分析了非通用語人才培養(yǎng)現(xiàn)狀及人才培養(yǎng)與市場需求的關(guān)系、問題及相應(yīng)建議；姚亞芝、司顯柱（2018）探討了語言服務(wù)行業(yè)人才需求。此外，還有6 篇文章主要關(guān)注部分特殊崗位的市場需求，劉睿倫等（2017）對大數(shù)據(jù)工作崗位需求文本進(jìn)行挖掘，探討了企業(yè)對大數(shù)據(jù)崗位的需求特點(diǎn)。張俊峰、魏瑞斌（2018）基于國內(nèi)招聘類網(wǎng)站的數(shù)據(jù)類崗位招聘信息，分析了數(shù)據(jù)類崗位人才需求的主要特點(diǎn)、相似性以及差異性。唐春勇等（2018）分析了新環(huán)境下員工對組織人力資源管理的關(guān)注點(diǎn)，總結(jié)出新環(huán)境下員工的個(gè)性化需求的聚焦點(diǎn)。王奕俊、楊悠然（2020）分析了人工智能時(shí)代下職業(yè)技能需求結(jié)構(gòu)面臨的變化與挑戰(zhàn)。馬曄風(fēng)、蔡躍洲（2019）基于官方統(tǒng)計(jì)和領(lǐng)英平臺大數(shù)據(jù)，就中國ICT 勞動(dòng)力供給狀況及分布特征進(jìn)行了實(shí)證分析。周金燕、馮思澈（2020）利用網(wǎng)絡(luò)爬蟲獲取的6 萬多條教師招聘信息，對教師勞動(dòng)力市場的技能或特征需求進(jìn)行了研究。

入選文獻(xiàn)中共有9 篇主要關(guān)注了勞動(dòng)力市場結(jié)構(gòu)議題，包括勞動(dòng)力的遷徙流動(dòng)、勞動(dòng)力或就業(yè)崗位的空間分布、工資結(jié)構(gòu)的分布與調(diào)整等。部分研究分別利用爬蟲獲取的網(wǎng)絡(luò)招聘崗位信息、手機(jī)信令數(shù)據(jù)、產(chǎn)業(yè)大數(shù)據(jù)，分析了城市就業(yè)崗位空間分布特征、影響因素（孫晨等，2016；謝智敏等，2021；劉煒等，2022）。張濤、劉寬斌（2019）基于網(wǎng)民對于“找工作”的搜索痕跡大數(shù)據(jù)，測算了中國經(jīng)濟(jì)增長與失業(yè)率和農(nóng)業(yè)勞動(dòng)力轉(zhuǎn)移之間的關(guān)系。還有研究分別利用騰訊遷徙大數(shù)據(jù)、手機(jī)信令大數(shù)據(jù)、美團(tuán)大數(shù)據(jù)動(dòng)態(tài)監(jiān)測了人口遷徙流動(dòng)的軌跡特點(diǎn)、影響因素等（陳雙等，2020；陳莎、李春朋，2021；張文武、余泳澤，2021）。有學(xué)者基于網(wǎng)絡(luò)零工招聘數(shù)據(jù)，探討了數(shù)字技術(shù)對零工就業(yè)及其收入的主要影響（張藝、明娟，2022；張藝、皮亞彬，2022）。

入選文獻(xiàn)中共有5 篇主要關(guān)注勞動(dòng)力市場預(yù)警預(yù)測的話題。其中3 篇文章使用的均是中國人民大學(xué)中國就業(yè)研究所利用智聯(lián)招聘大數(shù)據(jù)發(fā)布的中國就業(yè)市場景氣指數(shù)（CIER），該指數(shù)涵蓋了智聯(lián)招聘提供的注冊求職人數(shù)、發(fā)布的崗位空缺數(shù)量等大數(shù)據(jù)，基于市場招聘需求人數(shù)與市場求職申請人數(shù)的比值計(jì)算得出。該指數(shù)以1 為分水嶺，指數(shù)大于1 表明就業(yè)市場中勞動(dòng)力需求多于市場勞動(dòng)力供給，就業(yè)市場競爭趨于緩和，就業(yè)市場景氣程度高，就業(yè)信心較高，指數(shù)越大說明就業(yè)市場的景氣程度越高。具體而言，耿林、毛宇飛（2017）的研究重點(diǎn)介紹了CIER 指數(shù)的構(gòu)建方法，并搭建計(jì)量模型探討CIER 指數(shù)與宏觀經(jīng)濟(jì)景氣指標(biāo)的關(guān)聯(lián)程度，從而對就業(yè)形勢進(jìn)行短期預(yù)測。王輝、曾湘泉（2017）結(jié)合CIER 指數(shù)和雇主—雇員匹配數(shù)據(jù)，探討了我國勞動(dòng)者工資和勞動(dòng)力市場緊張程度之間的關(guān)系。毛宇飛、曾湘泉（2022）結(jié)合CIER 指數(shù)和微觀數(shù)據(jù)，發(fā)現(xiàn)在疫情沖擊下畢業(yè)生就業(yè)市場供需兩端均受到影響。此外，董倩（2017）運(yùn)用招聘網(wǎng)站的訪問數(shù)據(jù)對失業(yè)率變化情況趨勢進(jìn)行了擬合，發(fā)現(xiàn)招聘網(wǎng)站活躍度與失業(yè)率之間高度相關(guān)，用其來預(yù)測與體現(xiàn)失業(yè)率變化趨勢是可行的。黃冠華等（2021）基于某城市全樣本行政大數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法，對每個(gè)城鎮(zhèn)居民每個(gè)月的就業(yè)狀態(tài)進(jìn)行預(yù)測，再利用統(tǒng)計(jì)核算方法估計(jì)出該城市的失業(yè)率。

職住空間關(guān)系即居住就業(yè)空間關(guān)系，指居住地和工作地之間的空間聯(lián)系與位置關(guān)系，主要包括居住、就業(yè)、通勤三大部分，已經(jīng)成為勞動(dòng)力市場以及城市可持續(xù)發(fā)展共同關(guān)注的重要議題（劉望保、侯長營，2013）。入選文獻(xiàn)中共有7 篇主要關(guān)注這一研究議題。有研究利用騰訊“宜出行”定位數(shù)據(jù)、軌道站點(diǎn)POI、一卡通刷卡數(shù)據(jù)、微信熱力大數(shù)據(jù)、手機(jī)信令數(shù)據(jù)等大數(shù)據(jù)，探討了職住空間關(guān)系中的職住平衡問題（申犁帆等，2019；仇璟等，2020；周作江，2020；周新剛等，2021）。有研究基于手機(jī)信令數(shù)據(jù)，探討了大數(shù)據(jù)如何應(yīng)用于通勤模型構(gòu)建等問題（顧家煥、王德，2020）。也有研究結(jié)合與城市生活設(shè)施相關(guān)的POI 大數(shù)據(jù)和居民住房與交通狀況調(diào)查問卷，分析了居民個(gè)體屬性及其對公共服務(wù)空間偏好與通勤距離的內(nèi)在關(guān)系（王振坡等，2020）。還有研究使用多源大數(shù)據(jù)實(shí)證分析，比較了不同園區(qū)職住空間關(guān)系的演變特征和演變機(jī)制，歸納了后工業(yè)化背景下產(chǎn)業(yè)轉(zhuǎn)型帶來的產(chǎn)業(yè)園區(qū)職住空間關(guān)系演變模式（鈕心毅、林詩佳，2022）。

除了上述四類主題以外，胡恩華等（2016）利用中華全國總工會(huì)網(wǎng)站上共計(jì)1 853 篇工會(huì)動(dòng)態(tài)報(bào)道，運(yùn)用扎根理論方法在完整呈現(xiàn)出中國工會(huì)實(shí)踐職能現(xiàn)狀的基礎(chǔ)上探討了工會(huì)的勞資關(guān)系調(diào)節(jié)職能。黃榮貴（2017）基于SMP2015 微博數(shù)據(jù)，集中篩選出含有種子用戶的51 288 條博文并基于“網(wǎng)絡(luò)與文化”和關(guān)系社會(huì)學(xué)的理論，探討了目前勞動(dòng)議題的主要社群關(guān)注點(diǎn)以及當(dāng)前該研究領(lǐng)域的新趨勢。

（四）大數(shù)據(jù)的主要分析技術(shù)

大數(shù)據(jù)的分析技術(shù)主要包括可視化技術(shù)、數(shù)據(jù)挖掘技術(shù)、預(yù)測技術(shù)以及語義分析技術(shù)。其中，可視化技術(shù)分為文本可視化、網(wǎng)絡(luò)（圖）可視化、時(shí)空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化技術(shù)等；數(shù)據(jù)挖掘技術(shù)分為聚類分析（如K-means 算法、K-中心點(diǎn)算法、層次方法、基于密度的方法、基于網(wǎng)格的方法以及基于模型的方法等）、分類和預(yù)測（如決策樹、粗糙集、貝葉斯、遺傳算法、BP 和RBF 神經(jīng)網(wǎng)絡(luò)算法等）、關(guān)聯(lián)分析（如Apriori 算法）；預(yù)測分析技術(shù)主要指利用統(tǒng)計(jì)、建模、數(shù)據(jù)挖掘工具對已有數(shù)據(jù)進(jìn)行研究以完成預(yù)測，分為定性預(yù)測（如集思廣益法、德爾菲法、Boosting、貝葉斯網(wǎng)絡(luò)等）與定量預(yù)測（如統(tǒng)計(jì)分析、因果聯(lián)系模擬、人工智能算法等）；語義分析技術(shù)指的是識別文本的意義、主題、類別等語義信息的過程，大體分為基于統(tǒng)計(jì)的文本語義分析（如潛在語義分析、概率潛在語義分析和隱含狄利克雷分布等）和基于語義學(xué)的文本語義分析。

入選文獻(xiàn)使用的分析技術(shù)主要涉及三種類型：第一類是適用于大數(shù)據(jù)的特定技術(shù)，大多數(shù)研究習(xí)慣利用Python 工具包中TF-IDF 算法、Word2Vec 開源工具、python-digraph 模塊、漢語分詞系統(tǒng)（PyNLPIR）、LDA 模型、K-means 聚類等對大數(shù)據(jù)文本進(jìn)行分詞和詞頻分析、聚類分析、話題模型分析等，也有研究使用KNIME 開源數(shù)據(jù)分析平臺對大數(shù)據(jù)進(jìn)行關(guān)鍵詞提取以及文本內(nèi)容分析（王梅等，2019），還有研究利用基于R-gram的語料庫分詞和詞頻統(tǒng)計(jì)軟件PowerConc 對大數(shù)據(jù)文本進(jìn)行了分詞和詞頻分析以確定高頻關(guān)鍵詞（宋齊明，2018）；第二類主要結(jié)合空間地理信息，通過模型建構(gòu)以可視化的方式呈現(xiàn)研究主要發(fā)現(xiàn)，比如基于核密度分析圖形研究法、多尺度GIS 空間分析等；第三類主要是在結(jié)合截面或面板數(shù)據(jù)的基礎(chǔ)上，利用描述性分析以及計(jì)量模型進(jìn)行模擬分析等。

四、結(jié)論與思考

基于我國勞動(dòng)力市場研究中大數(shù)據(jù)應(yīng)用相關(guān)文獻(xiàn)的范圍綜述，本文發(fā)現(xiàn)以核心關(guān)鍵詞在中國知網(wǎng)進(jìn)行檢索雖然可以獲取一定文獻(xiàn)，但其中真正使用大數(shù)據(jù)且聚焦勞動(dòng)力市場議題的研究并不多見。在符合各項(xiàng)指標(biāo)要求的文章中，使用的大數(shù)據(jù)一方面主要源于求職網(wǎng)站中與勞動(dòng)力市場緊密相關(guān)的崗位信息、求職信息等，另一方面主要源于互聯(lián)網(wǎng)信息技術(shù)應(yīng)用于勞動(dòng)力工作生活場景后產(chǎn)生的相關(guān)數(shù)據(jù)。這些相關(guān)研究主要關(guān)注勞動(dòng)力市場供求關(guān)系、勞動(dòng)力市場預(yù)警預(yù)測、勞動(dòng)力市場結(jié)構(gòu)、職住空間關(guān)系等話題，涉及可視化、數(shù)據(jù)挖掘、預(yù)測分析、語義分析等大數(shù)據(jù)分析技術(shù)。不過，現(xiàn)階段我國勞動(dòng)力市場大數(shù)據(jù)仍處于發(fā)展初期，無論是大數(shù)據(jù)的收集，還是大數(shù)據(jù)的篩選，抑或是大數(shù)據(jù)的使用，都有待進(jìn)一步發(fā)展。此外，相較于國外勞動(dòng)力市場研究中大數(shù)據(jù)的應(yīng)用，我國無論在技術(shù)手段上，還是在分析深度上，抑或是在大數(shù)據(jù)與政策制度的融合上均有很大的拓展空間。比如，有研究指出，利用大數(shù)據(jù)可以分析或預(yù)測宏觀經(jīng)濟(jì)指標(biāo)，從而做出精準(zhǔn)的決策，紐約聯(lián)儲銀行工作人員對國民生產(chǎn)總值進(jìn)行早期估算的創(chuàng)新技術(shù)很好地詮釋了大數(shù)據(jù)與政策制定的深度融合（Bok et al.，2018）。雖然當(dāng)前可獲得的大數(shù)據(jù)有限，但努力完善和利用現(xiàn)有數(shù)據(jù)不僅可以改善當(dāng)前的分析工作，而且還可以未來的分析奠定基礎(chǔ)（Dimas et al.，2023）。鑒于此，綜合相關(guān)討論，本文認(rèn)為為了更好地利用大數(shù)據(jù)來開展勞動(dòng)力市場研究并指導(dǎo)實(shí)踐，可以在以下三個(gè)方面發(fā)力。

第一，進(jìn)一步挖掘獲取勞動(dòng)力市場大數(shù)據(jù)。數(shù)據(jù)源是應(yīng)用大數(shù)據(jù)的前提，沒有豐富的數(shù)據(jù)源，大數(shù)據(jù)就無從談起（陳之常，2015）。對此，首先，建立數(shù)據(jù)收集與整合協(xié)作機(jī)制，一方面建立一個(gè)全面的數(shù)據(jù)收集系統(tǒng)，包括政府機(jī)構(gòu)、企業(yè)、教育機(jī)構(gòu)和研究機(jī)構(gòu)的數(shù)據(jù)源；另一方面，整合各種數(shù)據(jù)，包括就業(yè)統(tǒng)計(jì)、人力資源信息、教育背景、技能培訓(xùn)記錄等，以形成全面的勞動(dòng)力市場數(shù)據(jù)集。其次，推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)化與共享，通過制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和格式，確保各個(gè)數(shù)據(jù)源可以互相對接和共享。此外，目前國內(nèi)研究使用的就業(yè)大數(shù)據(jù)主要依賴于各大招聘求職網(wǎng)站提供，這樣可能會(huì)導(dǎo)致樣本選擇性偏差的出現(xiàn)，低學(xué)歷、高齡、農(nóng)民工等就業(yè)弱勢群體容易被網(wǎng)絡(luò)求職平臺排斥在外。因此，本文建議提高就業(yè)弱勢群體的信息化技術(shù)，培養(yǎng)網(wǎng)絡(luò)求職招聘的習(xí)慣。最后，強(qiáng)化數(shù)據(jù)分析與挖掘能力，鼓勵(lì)利用先進(jìn)的數(shù)據(jù)分析技術(shù)，如機(jī)器學(xué)習(xí)、人工智能和數(shù)據(jù)挖掘算法，對勞動(dòng)力市場數(shù)據(jù)進(jìn)行深入分析。

第二，多渠道保障大數(shù)據(jù)的真實(shí)性。獲取的大數(shù)據(jù)也并不一定是有效的，因?yàn)閿?shù)據(jù)和數(shù)據(jù)集并不是完全客觀的，不同的人會(huì)構(gòu)建不同的信息系統(tǒng)來收集、存儲、分析和解釋數(shù)據(jù)，而這些信息系統(tǒng)是由價(jià)值系統(tǒng)塑造的。年齡、性別、民族、社會(huì)經(jīng)濟(jì)地位、在線體驗(yàn)和互聯(lián)網(wǎng)技能都會(huì)影響人們使用習(xí)慣，這會(huì)在其行為痕跡中顯示出來，并影響基于特定站點(diǎn)用戶數(shù)據(jù)得出的結(jié)論（Hargittai，2015）。鑒于此，在使用大數(shù)據(jù)進(jìn)行計(jì)算的過程中，認(rèn)識 “小數(shù)據(jù)” 的價(jià)值變得越來越重要。與大數(shù)據(jù)相比，小數(shù)據(jù)需要更高的質(zhì)量水平，因?yàn)樗奶匦钥赡軙?huì)加劇或放大錯(cuò)誤的結(jié)論（Dimas et al.，2023）。因此在某些情況下，關(guān)注 “特殊” 的單個(gè)人可能會(huì)非常有價(jià)值。此外，由于當(dāng)下可以對大型數(shù)據(jù)集進(jìn)行建模，這通常會(huì)將數(shù)據(jù)簡化為適合數(shù)學(xué)模型的數(shù)據(jù)。但是一旦脫離上下文，數(shù)據(jù)就失去了意義和價(jià)值（Danah & Kate，2012）。所以需要注意警惕“唯數(shù)據(jù)論”，大數(shù)據(jù)本身就是一門技術(shù)，無法全面反映就業(yè)群體的就業(yè)意愿、能力以及機(jī)會(huì)等，在利用大數(shù)據(jù)技術(shù)的同時(shí)需要發(fā)揮好其他方法的作用。無論如何，大規(guī)模數(shù)據(jù)集都不能替代理論和小數(shù)據(jù)技術(shù)，理論仍然是數(shù)據(jù)分析的寶貴指南，而為回答特定問題而構(gòu)建的小數(shù)據(jù)仍然可以提供最精確的答案（Mergel，2016）。

第三，高效安全地使用大數(shù)據(jù)。如何運(yùn)用大數(shù)據(jù)實(shí)現(xiàn)政府決策觀念、決策方式、決策手段、決策過程的轉(zhuǎn)型，引領(lǐng)地方政府實(shí)現(xiàn)決策機(jī)制的優(yōu)化，已經(jīng)成為政府管理領(lǐng)域的方向性問題（謝治菊，2018）。在勞動(dòng)力市場領(lǐng)域，生產(chǎn)大批量大數(shù)據(jù)的同時(shí)如何有效地利用大數(shù)據(jù)來促進(jìn)就業(yè)的高質(zhì)量發(fā)展需要在制度設(shè)計(jì)、機(jī)制體制、政策執(zhí)行等方面共同發(fā)力，尤其是在國家數(shù)據(jù)局成立的背景下，需要更加積極主動(dòng)地融入數(shù)字社會(huì)建設(shè)的潮流，提高大數(shù)據(jù)的使用效率，提高各級政府、社會(huì)科學(xué)界利用各類大數(shù)據(jù)深入開展我國勞動(dòng)力市場理論研究和政策分析的能力。具體而言，可以利用大數(shù)據(jù)分析結(jié)果進(jìn)行勞動(dòng)力市場的預(yù)測和趨勢分析，通過建立預(yù)測模型來預(yù)測就業(yè)市場的發(fā)展趨勢、勞動(dòng)力需求的變化以及技能需求的演變，從而幫助個(gè)人、企業(yè)和政府做出更明智的決策。與此同時(shí)，基于大數(shù)據(jù)分析結(jié)果，可以制定和優(yōu)化與勞動(dòng)力市場相關(guān)的政策和措施。尤其是通過深入了解勞動(dòng)力市場的供需狀況、結(jié)構(gòu)性問題和瓶頸，政府可以有針對性地制定就業(yè)培訓(xùn)政策、職業(yè)發(fā)展規(guī)劃和人才引進(jìn)政策，以促進(jìn)勞動(dòng)力市場的發(fā)展。不過，技術(shù)是一把雙刃劍，在收集并利用勞動(dòng)力市場大數(shù)據(jù)的同時(shí)，還需要做好個(gè)人信息安全保護(hù)等工作。因此，在利用勞動(dòng)力市場大數(shù)據(jù)的同時(shí)，需要進(jìn)一步強(qiáng)化研究者以及數(shù)據(jù)使用者的隱私觀念，加強(qiáng)法律體系與道德體系的“雙約束”作用，在進(jìn)行大數(shù)據(jù)分析之前，對敏感信息進(jìn)行匿名化或脫敏處理，以避免個(gè)人身份的泄露。還可以建立包括招聘企業(yè)、政府法律部門、就業(yè)群體等相關(guān)利益主體的對話機(jī)制，保證數(shù)據(jù)取之于就業(yè)群體，同時(shí)也用之于就業(yè)促進(jìn)。

2021 年11 月，工業(yè)和信息化部發(fā)布的《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》中指出，強(qiáng)化大數(shù)據(jù)在政府治理、社會(huì)管理等方面的應(yīng)用，提升態(tài)勢研判、科學(xué)決策、精準(zhǔn)管理水平。本文通過對我國勞動(dòng)力市場大數(shù)據(jù)應(yīng)用相關(guān)文獻(xiàn)的系統(tǒng)綜述，在一定程度上能夠從宏觀層面整體把握我國勞動(dòng)力市場中大數(shù)據(jù)的立體畫像，以期為更好地將大數(shù)據(jù)及其技術(shù)運(yùn)用于勞動(dòng)力市場提供一定啟示。不過需要說明的是，本文也存在一定的不足，比如對于現(xiàn)有文獻(xiàn)的綜述并沒有考慮外文文獻(xiàn)，同時(shí)受研究方法的局限，一些正在研究的最新成果可能無法及時(shí)有效地捕捉到。