社会杂志投稿格式参考范文：智能时代的职业风险对主观阶层认同的影响

　　一、引言

　　伴随着经济的高速发展与收入分配制度改革的推进，中等收入群体的规模持续增长，但高速发展的经济并未带动中等收入群体主观阶层认同同步上升，甚至有所背离。主观阶层认同偏离客观阶层标准且偏离呈现逐渐加深的趋势。阶层认同对把握中国居民的社会态度与行为、降低民众的主观阶层分化、推进共同富裕和维护社会稳定具有积极意义。

　　已有研究从多个维度阐释了阶层认同的影响机制，但未能合理解释中等收入群体 “低位认同” 的 “时代之力”。当代中国呈现出风险社会的特征，人工智能技术的发展对劳动力市场产生巨大冲击，职业风险增强，这与阶层认同偏低现象同步发生，启示我们风险逻辑可能是理解阶层认同向下偏移的重要机制。本文将从风险分析的视角探讨职业风险影响民众阶层认同的作用机制及其与地位资源的交互效应，回应 “中等收入群体阶层认同偏下” 及其 “时代之力” 的解释逻辑。

　　二、阶层认同形成机制的理论视角

　　(一)中国居民阶层认同的特征及其变迁

　　中国居民的阶层认同具有 “低位认同” 的特征，与西方社会 “偏中” 的特征不同，自我阶层主观认定向下偏移。从横向看，中国城市居民认同中间阶层的比例较低，认同中等偏下阶层的人明显偏高;从纵向看，“低位认同” 逐渐普遍化，“底层认同” 不断扩大，“中层认同” 不断流失，中等收入群体认同偏低是突出表现。

　　令人不解的是，中等收入群体比例提高的同时，其主观阶层认同并未改善，甚至 “低位认同” 扩大。邹宇春将造成阶层认同偏下的时期因素概括为 “时代之力”，本文试图从风险视角明确阶层认同的风险逻辑，验证职业风险是引起中等收入群体认同显著偏下的 “时代之力”。

　　(二)资源视角：地位资源与阶层认同

　　资源逻辑隶属于确定性分析范畴，强调资源占有的不平等对阶层认同的影响，分为 “资源存量理论” 和 “资源比较理论”。“资源存量理论” 强调经济、文化等资源对阶层认同的支持作用;“资源比较理论” 强调资源不平等状况及其心理机制对阶层认同的影响。虽然 “生活焦虑论” 与风险逻辑相似，但它聚焦经济发展与物价上涨带来的民生问题衍生的焦虑对阶层认同的影响，仍属于既有资源不平等的 “心理机制理论”，上述理论都忽略了风险逻辑的影响。

　　(三)风险视角：职业风险与阶层认同

　　职业风险形塑阶层认同的逻辑属于风险视角下的阶层认同形成机制，隶属于不确定性分析范畴，强调未来职业风险分布的不平等性及其对主观阶层认同的作用。

　　在中国，计划经济时期通过稳定劳动关系消弭就业市场风险。改革开放后，市场化进程中职业风险逐步个体化并加大，但传统风险覆盖范围低且影响有限。进入智能时代，职业风险陡然加大，生产智能化和消费市场过剩使劳动力市场不确定性增加，职业风险成为影响阶层认同的重要维度。

　　智能时代的职业风险与传统职业风险不同，覆盖范围更广、影响程度更深，人工智能不仅能替代简单体力劳动，还威胁较高技能的职业岗位。在人工智能技术推进下，“阶层认同理论” 从资源逻辑转向风险逻辑，两者在理论渊源、分析视角和因果解释逻辑上存在差异，风险逻辑补充了阶层认同理论，更契合当今时代特征。

　　三、职业风险与阶层认同：智能时代的风险视角

　　(一)人工智能时代的职业风险

　　人工智能的职业冲击效应：人工智能对劳动力市场的职业冲击存在替代效应和创造效应。替代效应使企业为节约成本和提高效率选择人工智能淘汰人工，导致就业岗位总量下降、失业人数增加和劳动福利下降;创造效应则肯定了人工智能创造新岗位的能力，以及对非智能化环节劳动力需求的增加。但人工智能的替代效应与创造效应并存，给劳动者带来职业的不确定性，包括职业变动、失业、“失业 — 再就业”、福利变动等，且职业岗位较难实现向上流动。

　　智能时代职业风险的内涵与形式：智能时代的职业风险是职业的工作任务被人工智能替代的不确定性。人工智能替代具有任务偏向，常规性工作最容易被替代。在劳动力市场中，智能时代的职业风险具有损失性特征，其表现形式为失业风险和收入风险。失业风险强调人工智能全部替代劳动者的威胁，收入风险强调对劳动者就业质量与福利的威胁。

　　(二)阶层认同的风险逻辑

　　职业是连接教育、技能和收入的桥梁，是阶层认同的基础，影响劳动者的收入水平、权力、财富和声望，决定 “生活机会”。在数字经济快速发展的背景下，职业风险攀升导致未来 “生活机会” 不确定性增加，进而影响劳动者当前的阶层认同。

　　职业风险会增加阶层认同偏下的可能性，通过失业风险和收入风险这两种路径影响阶层认同。失业风险表现为人工智能完全替代人力，导致劳动者人力资本失效;收入风险表现为人工智能部分替代人力，导致劳动者工作内容变化或流动到低技能岗位，人力资本贬值，进而产生收入下降或增长变缓的风险。基于此，提出职业风险的 “阶层认同下移效应假设” 和 “传导路径假设”。

　　(三)风险逻辑下中等收入群体的 “低位认同” 之谜

　　中等收入群体的划分标准多样，考虑到职业与收入的相关性，中等收入群体是包括部分白领阶层在内的更大范围的职业集合。

　　中等收入群体可能在更大程度上面临智能时代的职业风险，更容易产生阶层认同的下移，这与他们的职业分布密切相关。大部分中等收入群体从事的中等技能水平工作具有程式化、常规化特征，容易被人工智能替代。人工智能技术的应用会导致就业极化，中等收入群体就业比例下降。因此，提出假设：与低收入群体和高收入群体相比，中等收入群体要承受更高的职业风险冲击;职业风险使中等收入群体更容易产生阶层认同下移，且下移程度更高。

　　(四)资源逻辑对职业风险逻辑的调节效应

　　风险的阶层认同下移效应可能受到地位资源分布的影响，资源逻辑指向当前生活机会，风险逻辑指向未来生活机会下降的可能性。占有较多资源的劳动者具有较高的资源存量和较强的对抗风险事件的韧性，能够减缓风险对生活机会的冲击。

　　本文用资产和收入这两个具有地位资源典型特征的指标分析风险的阶层认同下移效应中的资源逻辑，提出资源对风险逻辑的 “调节效应假设”：资产和收入能够缓解职业风险对阶层认同的负向影响。

　　四、变量测量与实证策略

　　(一)数据与样本

　　本研究数据来自 2014 年、2016 年和 2018 年中国劳动力动态调查(CLDS)，为避免内生性问题，个体层面数据取自 2016 年和 2018 年，选取 16 - 60 周岁的就业者样本，宏观层面数据来自各省份的统计年鉴和北京大学数字普惠金融指数。剔除缺失样本后，最终得到 17623 个就业者样本。

　　(二)职业风险测度：人工智能职业替代率

　　借鉴王林辉等的研究，基于职业技能要求，利用机器学习方法、统计分析方法等计算职业层面的人工智能替代率，再进行区域调整得到最终的职业风险。具体步骤包括数据集选择、确定预测变量、构建训练集、测算职业层面的人工智能替代率和指数调整。

　　(三)变量测量

　　因变量：本研究的因变量为 “阶层认同”，CLDS 问卷要求被访者用 1 - 10 分评价自身地位，数据显示阶层认同均值为 4.376，符合 “向下偏移” 的分布形态。

　　自变量：主要自变量为 “职业风险”，以随机森林模型、Logit 统计模型和支持向量机三种预测模型下的人工智能替代率均值为标准，同时使用不进行区域调整的职业人工智能替代率均值和分别利用三种预测模型计算的数据进行稳健性检验。其他自变量还包括 “各收入阶层” 和 “收入位置”。

　　中介变量：中介变量之一为 “失业风险”，用被访者对自身未来就业状况的评估表示;中介变量之二为 “收入风险”，通过建立收入预测模型估计预期收入，进而计算收入下降情况来衡量。

　　调节变量：调节变量为收入和资产，收入取对数处理，资产由住房资产、金融资产和非金融资产加总并调整后取对数处理。

　　控制变量：控制变量包括劳动者的个体属性、就业特征、家庭状况、所在地区的发展状况等，还控制了职业固定效应、区域固定效应和年份固定效应。

　　(四)统计分析方法

　　为检验假设 1，使用全体劳动者样本，设定 OLS 模型考察人工智能替代的职业风险与阶层认同的关系。

　　为检验假设 2，在假设 1 检验的基础上，设定中介效应模型，考察失业风险和收入风险是否为职业风险与阶层认同之间的作用机制。

　　假设 3 和假设 4 通过估算职业风险对阶层认同平均影响的收入阶层差异进行检验，分别使用相应方程估计各收入阶层承受的职业风险情况和中等收入群体的职业风险对阶层认同平均影响。

　　为检验假设 5，在职业风险的阶层认同下移效应模型基础上引入交互项，考察收入与资产对风险的阶层认同下移效应的影响。

　　五、实证分析结果与讨论

　　(一)风险的阶层认同下移效应及其传导机制检验

　　采用 OLS 模型估计职业风险对阶层认同的影响，结果表明职业风险降低了阶层认同，支持假设 1，同时发现受教育年限、收入和资产对阶层认同有积极影响。

　　采用中介效应模型检验职业风险影响阶层认同的传导机制，结果显示职业风险提高了劳动者的失业风险和收入风险，失业风险和收入风险降低了阶层认同，支持假设 2。

　　(二)中等收入群体的阶层认同：“时代之力” 的风险逻辑检验

　　估计职业风险在各个收入阶层的分布情况和各个收入阶层的风险敏感度，结果显示中等收入群体的职业风险水平显著最高，各收入阶层的风险敏感度相同，但中等收入群体的职业风险水平更高，因而更容易出现阶层认同下移，支持假设 3 和假设 4，表明中等收入群体是人工智能技术进步中的相对 “劣势” 群体。

　　(三)地位资源对职业风险阶层认同的调节效应检验

　　在职业风险的阶层认同下移效应模型基础上依次加入职业风险与收入、资产的交互项，结果表明资产减缓了职业风险对阶层认同的负向影响，具有 “风险安全网效应”，资源逻辑能够对风险逻辑产生显著的调节效应，支持假设 5。

　　(四)稳健性检验

　　调整职业风险计算方法：通过更改测量方式进行稳健性检验，结果表明职业风险的阶层认同下移效应是稳健的。

　　工具变量法：选择省份层面 “邮电业务量” 作为工具变量进行回归估计，结果表明前文的研究结论是稳健的。

　　更改回归模型：使用多层线性模型和交叉分类模型进行估计，结果显示人工智能替代的职业风险和阶层认同之间的负相关关系是稳健的。

　　六、研究结论与展望

　　(一)研究结论

　　智能时代的职业风险能显著降低劳动者主观阶层认同，揭示了职业风险的阶层认同下移效应。

　　智能时代的职业风险通过失业风险和收入风险两种路径影响人们的生活机会预期，进而作用于人们的主观阶层认同。

　　职业风险具有显著的收入阶层异质性，中等收入群体面临人工智能更大的冲击风险，因而更容易出现 “低位认同”，支持了职业风险作为 “时代之力” 的理论解释。

　　揭示了地位资源对职业风险阶层认同下移效应的调节作用，即资产拥有量可以有效缓解职业风险对阶层认同影响的强度，表明资源逻辑和风险逻辑既相互独立又相互影响。

　　(二)研究启示

　　强化劳动者的就业技能更新意识：政府应重视公众意识和心理支持，增强劳动者对新技术的接受度和适应能力，强化劳动者数字技能，引导技能转型。

　　重点关注中等收入群体的职业风险：在智能时代的社会治理中，应关注中等收入群体的职业风险，通过政策支持帮助他们稳固社会地位。

　　合理分配资源，增强劳动者抗风险能力：社会治理应注重资源和资产的公平分配，缩小贫富差距，提升中低收入群体的资产积累能力，增强抵御职业风险的能力。

　　(三)讨论和展望

　　本文从风险视角补充了阶层认同研究的理论视野，为风险影响社会结构变迁提供了经验证据。但由于缺乏追踪数据或多期截面数据的支持，只能通过假设来推论和回应中等收入群体阶层认同变迁的部分问题。

　　未来研究可以优化职业风险测量，分析职业风险的多重效应，以及宏观调控下阶层认同的风险逻辑，进一步探讨中国劳动者职业风险的阶层认同下移效应及相关问题。

张 顺;吕风光,西安交通大学人文社会科学学院社会学系;西安交通大学人文社会科学学院社会学系,202405