诊断改进
开放教育 您现在的位置: 首页 >> 诊断改进 >> 开放教育 >> 正文
刘晓 等|低技能劳动力:内涵、群体特征与技能提升策略
栏目:开放教育 作者: 来源:  时间:2023-03-08 06:06:01 点击:

刘晓 等|低技能劳动力:内涵、群体特征与技能提升策略

【摘要】全球范围内产业结构加速升级优化和人口结构老龄化使得低技能劳动力逐渐被机器取代、边缘化,低技能劳动力面临高失业风险。本研究对国内外低技能劳动力有关研究进行了梳理,在明晰低技能劳动力概念内涵后定位现实目标人群,并结合劳动经济学和劳动社会学视角下低技能劳动力的群体特征,提出了促进低技能劳动力就业的技能提升策略:依托职业教育公共服务,开展成人职业体验课程,制定培训券等优惠政策,提升低技能劳动力参与多元技能提升培训积极性;借助数字化趋势,建立职业教育数字资源库,共享优质职业教育数字资源,构建技能培训和就业服务数字平台,高质量匹配培训和就业机会。


【关键词】低技能劳动力;技能提升;职业教育;职业培训;技能型社会


一、

问题的提出


就业是最大的民生,实现低技能劳动力更加充分、更高质量的就业是扎实推进共同富裕的重要基础,有利于使更多民众获得更稳定的收入,进一步缩小收入差距,实现人民对美好生活的向往(李长安, 2022)。根据国家统计局公布的有关数据,2021年城镇居民人均可支配收入是农村居民的2.5倍,收入前20%家庭组个人年均可支配收入是收入后20%家庭组的10倍以上,城乡居民和收入前后各20%家庭之间均存在较大贫富差距(国家统计局, 2022)。随着我国人口老龄化进程的加快和经济发展方式的加速转变,受教育程度为高中及以下学历的劳动者成为失业人口主体,其中高风险失业人群的突出特点是技能低(李强 & 袁志刚, 2016, pp.68-83)。因此,为实现共同富裕,解决我国长期存在的发展不平衡、不充分的问题,促进低技能劳动力更加充分、更高质量的就业成为我国社会经济发展不得不面对的难题。

工业机器人、人工智能、数字经济和自动化等技术进步产物的广泛应用对低技能劳动力的需求产生影响,存在替代效应(张远 & 李焕杰, 2022; 杨先明 等, 2022; 袁冬梅 等, 2021),且对低技能劳动力的流动也有显著影响。研究表明,机器人的应用使第二产业就业岗位数减少,导致低技能劳动力跨市流出的概率显著增加,促使低技能劳动力在行业、城市、区域三个层面流动转移,对低技能劳动力就业稳定性产生影响(明娟 等, 2021; 毛丰付 等, 2022; 王蓉 & 黄桂田, 2022; 綦建红 & 付晶晶, 2022)。此外,高低技能劳动力之间虽然存在技能互补现象,大城市在吸引高技能劳动力落户安家的同时对低技能劳动力的需求量会增多,在空间上具有聚集效应(朱纪广, 2021; 杜群阳 & 俞航东, 2019; 梁文泉 & 陆铭, 2015),但城市的高生活成本与高失业风险使低技能劳动力面临生存压力,不利于低技能劳动力发展。在我国,低技能劳动力比例仍占绝大多数(彭姣 & 毕忠鹏, 2022),该群体技能的提升对我国经济发展至关重要,故在提升低技能劳动力技能水平、促进其就业方面,政府的作用不可或缺(张学英 & 耿旭, 2022)。

既有文献已充分讨论了技术进步对低技能劳动力就业的影响。但在低技能劳动力概念内涵界定上,以往研究基于数据的可获得性,仅从学历层面简单定义低技能劳动力,显然存在不足。此外,已有研究多从经济学视角看低技能劳动力,忽视了劳动者社会人的一面,且鲜有学者从职业教育角度讨论有助于低技能劳动力技能提升的切实可行策略,不利于稳定低技能劳动力就业,进一步缩小收入差距以实现共同富裕。鉴于此,本研究首先从受教育程度和任务与职业层面界定低技能劳动力概念内涵,定位现实目标人群;其次从劳动经济学和社会经济学视角观照低技能劳动力,分析其群体特征;最后根据目标人群的特征,依托职业教育公共服务和信息时代大数据制定低技能劳动力技能提升策略,以期对促进低技能劳动力充分高质量就业以实现共同富裕起到一定推动作用。


二、

低技能劳动力概念内涵界定


劳动力依靠所掌握的知识与技能在劳动过程中的应用完成生产操作获得劳动报酬。对于知识与技能的获得与积累来说,学校教育和工作经验是尤为重要的途径,因此本研究从劳动力受教育程度和所从事任务与职业这两个主要层面来界定低技能劳动力的具体概念内涵。

(一)受教育程度层面

学界通常将受教育程度作为人力资本的分类依据,受教育程度越高代表劳动力技能水平越高(Glaeser & Resseger, 2010; Rosenthal & Strange, 2008)。鉴于各国学制的不同,对于低技能劳动力受教育程度的划分标准也存在一些差异性。我国学者在学历划分上的意见较为统一,分歧点在于是否包含初中学历。部分学者认为初中以下学历的劳动者为低技能劳动力(梁文泉 & 陆铭, 2015; 郝楠 & 江永红, 2017),大多数学者则将初中及以下或高中以下学历劳动者定义为低技能劳动力(宁光杰 & 杨馥萍, 2021; 彭姣 & 毕忠鹏, 2022; 吕世斌 & 张世伟, 2015; 田鸽 & 张勋, 2022)。国外对低技能劳动力学历层次界定更多样、完善。西方发达国家学者提出的低技能劳动力学历层次高于中国,且认为学历层次需随教育的普及化程度逐步提高,普遍认为需具有高中学历。英国学者将低技能劳动力定义为能够获得英国普通中等教育证书(General Certificate of Secondary Education Qualifications,GCSEs)但成绩较差,或未能得到普通中等教育证书的劳动群体(Lee & Clarke, 2019)。美国学者阿德里昂·马斯特斯(Adrian Masters)在2014年的研究中将低技能劳动力定义为未获得高中文凭的劳动者,但在2021年艾琳(Erin L. Wolcott)则认为高中及以下学历为低技能劳动力。在荷兰,低技能劳动力指受教育程度未超过普通中等教育(General Secondary Education)或中等职业教育(Pre-vocational Education)的劳动者(Hofman & Steijn, 2003)。荷兰政府认为,每个接受正规教育水平低于中等职业水平的人都缺乏进入劳动力市场的技能,而对于拥有中等职业学位的人来说,这取决于该学位的确切水平是否被视为低技能(Hidalgo et al., 2014)。

综述以上观点,在学历层面,我国学者普遍认为初中及以下学历的劳动力为低技能劳动力;国外在学历层面上的要求则高于我国,且意识到学历要求需随教育的普及做相应调整,认为未完成中等教育的劳动力为低技能劳动力(此处将国外中等教育学历与我国高中学历相对应)。根据我国教育部公布的有关数据,“十三五”末期,我国劳动年龄人口(16~59岁的劳动力)平均受教育年限为10.8年(相当于高中二年级受教育程度),新增劳动力平均受教育年限达13.8年(相当于大学二年级受教育程度)(中华人民共和国教育部, 2021)。因此,结合国内外学者的有关界定以及我国当前劳动年龄人口受教育情况,考虑到我国人口结构老龄化和近几十年教育事业发展态势等因素,本研究在学历层面将低技能劳动力的受教育程度界定为高中学历以下(包括普通教育和职业教育两种教育类型),部分低技能劳动力或接受过高中阶段教育但未能完成并获得相应学历证书。

(二)任务与职业层面

受教育程度这一指标难以科学反映技能水平,因此部分学者根据岗位工作任务的复杂程度或常规程度来定义低技能劳动力。马克思主义专家学者在著作中根据任务的复杂程度对劳动力进行分类。通过对《马恩全集》和《资本论》有关内容的梳理,发现马克思和恩格斯认为低技能劳动力从事简单劳动(奚兆永, 1981)。斯大林在《斯大林全集(第一版)》中也提出低技能劳动力从事轻易劳动,如扫地工人。根据工作任务的常规程度可分为常规工作(routine task)和非常规工作(non-routine task)(Autor, 2003)。常规工作是指依靠明确的指令就能完成的重复工作,具有固定程序,非常规工作则反之。根据Autor的分类标准,从事常规工作的劳动者在工作过程中不需要进行复杂的思考与分析,不需要有较高学历和技能,因此通常被定义为低技能劳动力,目标人群包括车间流水线上的生产工人,低级管理人员等(赵烁等, 2020)。与之相似的是张远和李焕杰(2022)在《企业智能化转型对内部劳动力结构转换的影响研究》中将低技能劳动力定义为从事重复性的、容易被替代的工作的员工,主要分为生产人员和行政人员两类。还有学者以是否从事体力劳动为划分标准,将从事体力劳动的劳动者定义为低技能劳动力(Dumont et al., 2012)。

在所从事任务与职业层面,低技能劳动力主要从事简单、重复的体力劳动,工作具有较强程序性,劳动时不要求有过多脑力劳动参与,易上手,对技能水平无特殊要求,且随着工业机器人和人工智能的发展,很大一部分低技能劳动力将被取代替换,面临下岗危机。

基于以上分析,本研究将低技能劳动力界定为未接受完整高中(包括职业高中)阶段教育,通常从事重复、常规体力劳动,就业受技术进步影响较大的劳动力群体。结合我国就业现状,可从户籍、学历、任务、技能、岗位、行业几个维度来定位低技能劳动力指向的具体人群,如表1所示。


表1 低技能劳动力定位表

图片


三、

劳动经济学和劳动社会学视角下低技能劳动力特征


在研究低技能劳动力群体特征时,需要认识到低技能劳动力既是具有劳动能力的社会人,又是通过劳动创造财富的生产要素。因此,本研究从劳动经济学和劳动社会学两个视角切入,探析低技能劳动力群体特征,分析其在这两个不同学科视角下作为社会个体的人和生产要素的不同特征。劳动经济学从经济学角度看待劳动问题,追求劳动力效用最大化。劳动社会学则从“人”的层面研究劳动力,强调人在劳动过程中的自然社会特征,探析引发劳动者动机的内在需要。

(一)劳动经济学视角下的低技能劳动力特征

1. 低技能劳动力职业转换频率高,从农村流向城市

与高技能劳动力相比,低技能劳动力更多地把时间花在“工作采购”(job shopping)上,工作转换频率高。工作采购是指在职业生涯开端通过主动地不断转换工作,在真实的雇佣过程中体验工作,最终找到适合自己的工作(Johnson, 1978)。对于低技能劳动力来说,工作转换成本较低,所从事的工作不需要太多的特殊人力资本,调整工作阻力较小,加上当地对低技能劳动需求较多,因此能够轻易在当地找到工作,通过工作采购找到最适合自己的工作。对于移民的低技能劳动力来说,由于发达国家居民不愿意从事收入少的社会底层工作,低技能劳动力移民也能容易进行工作采购找到相对合适的工作。在发达国家,低技能劳动力工作转换的概率较高,而在中国则相反,国有企业里低技能劳动力“粘连”企业不愿意离开。在国有部门,低技能劳动力能够获得高于市场竞争力水平的工资,失业风险低。反之在非国有部门只能得到较低的工资,具有较高的失业风险。因此,低技能劳动力更倾向于留在国有部门,以回避市场竞争可能带来的风险,产生国有企业富余职工对企业的“粘连”现象。

劳动力的迁移方向主要是从经济落后的农村迁移到经济发达的城市。在我国,该路径对于高学历高技能水平的劳动力来说较为容易,各式各样的“人才引进”政策吸引高学历高技能人才落户城市,为城市发展服务,但对于低技能劳动力的迁移却不太流畅。我国户籍制度不利于低技能劳动力从农村迁移到城市,这可能造成城市低技能劳动力供应不足。主要原因是迁移到城市的低技能劳动力在社会保障和公共服务方面与市民受到的福利水平不同,如教育、医疗等。在现有制度下,城市化和经济增长水平拉开外来人口和城市居民的福利差距,易导致社会不和谐。

2. 技术进步对制造业低技能劳动力就业起抑制作用

随着21世纪以来信息技术的高速发展,在技术进步与就业关系上出现了“技能偏向型技术进步”(Skill Biased Technological Change,SBTC)这一经典假说。该假说认为劳动力的受教育程度代表其技能水平,随着技术的不断发展,对劳动力的技能水平要求也不断提高,那么高学历高技能劳动力的就业机会将增多,待遇也将改善,而对于低技能劳动力来说其就业空间将不断遭受挤压,面临失业和低收入的风险。当前对劳动力市场就业产生影响的新技术主要指基于信息技术衍生而来的工业机器人、人工智能、自动化和数字经济。

布林约尔松和麦卡菲(Brynjolfsson & McAfee, 2014, p.67)在其著作中表示,对于只有“普通”技能和能力的员工来说,现在是最糟糕的时候。在我国,信息技术在制造业的广泛应用对低技能劳动力的比例有显著负面影响(宁光杰 & 林子亮, 2014)。经过编程,工业机器人能够从事程序性、常规性的工作,降低制造业对低技能劳动力的需求。国际机器人联合会数据显示,从2010年到2018年我国工业机器人保有量从2.5万台激增到65万台,使我国成为世界上最大的工业机器人需求国,对2018年制造业工人产生影响的人次估计超过1,950万(魏嘉辉 等, 2022)。拥有超过120万员工的全球最大代工厂富士康,在报道中声称将继续使用机器人来代替工人,最终实现整个工厂的自动化。加速的自动化进程引发了人们对于低技能劳动力将难以寻得体面工作的担忧(Tirole, 2017, pp.108-121)。自动化和人工智能对劳动力需求、工资和就业等的影响是由替代效应(Displacement Effect)和生产力效应(Productivity Effect)共同决定的(Acemoglu & Restrepo, 2019, pp.197-236)。低技能水平的自动化会加剧高技能群体和低技能群体间的工资不平等现象,随着工业机器人或其他基于人工智能的设备对劳动力的替代,劳动生产率得到提高,低技能劳动力的需求相应变小,工资率也受到抑制,产生替代效应(Acemoglu & Restrepo, 2017)。

3. 技术进步对服务业低技能劳动力就业起促进作用

对于第三产业来说,以数字经济为代表的新技术发展通过创造新的岗位对低技能劳动力的就业起一定促进作用,被称作补偿效应(Compensation Effect)。数字经济一方面通过数字产业化,为网络主播、在线客服、快递员等低技能劳动力提供更加广泛的依靠电子平台的就业机会;另一方面通过产业数字化,增加对外卖骑手、共享单车维护人员等低技能劳动力的需求(田鸽 & 张勋, 2022)。英国一项研究表明,每增加一个新的高科技工作岗位就能在非贸易领域创造0.7个新的工作岗位,大多数新创造的非贸易岗位流向了低技能劳动力,但低技能劳动力虽然受益于新的就业机会,平均工资却会下降(Lee et al., 2019)。高低技能劳动力之间还存在互补性,城市发展需要聚集一批高技能劳动者,劳动分工、人力资本外部性和消费外部性要求同时存在一大批低技能劳动力以形成技术互补(skill complementarities)(梁文泉 & 陆铭, 2015)。主要有以下表现:一是随着劳动分工的细化,不同技能的人处于不同岗位,对低技能劳动力的需求增多;二是高技能劳动力与低技能劳动力一起工作能够促进低技能劳动力的生产效率;三是高技能劳动力倾向于将家务等消费型服务外包给低技能劳动力,带动低技能劳动力的工资上涨。技术进步对低技能劳动力的就业影响既存在替代效应又存在补偿效应,短期来看替代效应大于补偿效应,长期来看补偿效应将会大于替代效应,但存在结构性差异(王颖 & 石郑, 2021)。

综上所述,一方面,技能偏向型的技术进步对劳动力的技能水平和学历要求变高,在制造业等相关行业对低技能劳动力就业产生较大替代效应。一线生产操作人员将逐渐被机器代替,不得不面临转岗或失业的风险。同时,这一改变也催生了大量的对机器保养维护等类似技能人员的需求,创造了新的职业和岗位。这意味着低技能劳动力将不得不通过技能培训来获得新技能或提升技能水平以适应劳动力市场的需求。为稳定低技能劳动力就业,促进低技能劳动力发展,国家应尽快通过媒体传播和优惠政策引导低技能劳动力积极参与技能培训。另一方面,对与数字经济紧密相关、近些年依靠电子平台发展壮大的服务业来说,技术进步促进了从业人员在该领域的就业。一则保姆、护工等低端劳动力本就难以被机器取代,且随着高技能劳动力的增多,对该类低技能劳动力的需求也会随之增加;二则依靠平台能够减少雇主和劳动力之间的信息不对称,加快二者匹配效率,增加对保洁等低技能劳动力的需求;三则催生孵化出一系列如滴滴司机、外卖小哥等新行业、新岗位,创造大量劳动力需求。但我国户籍制度和城市优惠保障政策不利于低技能劳动力从农村迁移到城市,影响城市低技能劳动力的供需平衡。

(二)劳动社会学视角下的低技能劳动力特征

劳动社会学中与低技能劳动力有关的研究主要侧重于下岗工人、农民工、工厂一线劳动者、女性劳工等弱势群体。受新闻媒体的引导,该群体以“打工者”形象出现在公众面前,易被社会边缘化和污名化。低技能劳动力在劳动力市场中易被资本力量和市场力量排斥。一方面,市场从人力资本理论出发更倾向于选择有较强发展潜能和富足工作经验的技术工人;另一方面,从资本角度看,企业在雇佣时要计算员工能带来的效益和企业需付出的福利成本,是否雇佣低技能劳动力由资本利益说了算。

1. 低技能劳动力处于次要劳动力市场且市场份额下降慢

低技能劳动力被认为是技术技能水平低、受教育水平低、社会保障水平低和抵御非均衡能力低的劳动力群体,其显著特征可归结为人力资本水平低,突出表现为较低的职业技能水平和就业竞争力(张学英 & 耿旭, 2021)。该群体通常未能接受完整的中等教育,或中途从学校教育系统辍学,或不满足学历教育入学要求,进入社会后缺少足够的技能来寻得或保住工作,难以参与高生产力的工作。根据劳动力市场分割理论(Theories of Segmented Labor Markets),低技能劳动力主要在次要劳动力市场就业,具体指非正规部门、微型企业或小型正规企业,具有职业岗位低、工作稳定性低、福利水平低、就业环境质量差、晋升机会少等劣势,难以进入主要劳动力市场,面临较高的进入壁垒(Cain, 1976)。产生进入壁垒的原因包括贫穷、失败的教育和培训、招聘中的歧视等,劳动力市场的分割将导致一系列社会问题,如持续的贫穷和收入不平等、阶级固化。

低技能劳动力还存在失业率高且在劳动力市场中所占份额下降速度十分缓慢的特点。在世界范围内,青年低技能劳动力和缺少工作经验的低技能劳动力失业形势日益严峻,其失业率约为成人的3倍,在部分地区甚至达到了4.6倍(Almeida et al., 2012, p.135)。对于该群体来说,即使接受教育的途径得到拓宽,但其中的大部分人仍将为低技能工人。南亚的一项项目表明,在乐观形势下低技能工人份额的下降速度依旧呈现缓慢态势(Almeida et al., 2012, p.135)。

2. 低技能劳动力属于工人阶级且晋升难

在社会学中,部分学者将低技能劳动力归于工人阶级。英国社会学家约翰·戈德索普(John H.Goldthorp)根据个人的市场处境(薪酬水平、工作安全和晋升前景)和工作处境(工作场所内的控制、权力和权威)对社会人群进行阶级分类,低级技术人员阶层被压缩至“工人阶级”,常见的描述语为中间的蓝领(吉登斯 & 萨顿, 2015, pp.471-472)。在劳动者职业生涯研究方面,托马斯(R. T. Thomas)认为低技能劳动力缺乏上升通道,难以获得“翻身”机会。托马斯根据不同技能层次和组织类型分析了工人的职业生涯机会。他将工人分为无技术工人、半技术工人和技术工人三类,将组织类型根据是否存在内部劳动力市场分为核心企业和边缘企业。无技术工人即低技能劳动力,在核心企业移动到半技术层次工作的机会低,在低技术水平的工作间移动的机会为中等;若在边缘企业,低技能劳动力往上一层技术或核心企业移动的可能性均十分低(佟新, 2014, pp.108-110)。也就是说,低技能劳动力的生涯机会几乎完全被企业组织设计安排,难有上升的“翻身”机会。

3. 低技能劳动力急需技能培训但积极性不高

劳动社会学还关注劳动法、劳工政策等相关法律建设和实施的理论研究,如通过颁布有关政策促进低技能劳动力参与技能培训,提升技能以增强就业竞争力,稳定就业与收入,促进劳动者体面劳动。低技能劳动力在劳动力市场中主要从事重复性生产工作(张远 & 李焕杰, 2022),在今天的技能密集型经济中面临有限就业机会,具有均质化程度高、供给充裕、竞争激烈的特点,因而其工资率只能徘徊在较低水平上(周清杰, 2004),更有可能失业,领取救济福利。基于以往学者一些研究预测,数字化导致的失业范围在9%至50%之间(Arntz et al., 2017; Frey & Osborne, 2017),据前文分析失业群体主要分布在制造业。低收入和福利待遇差致使低技能劳动力没有足够的资金用于技能提升培训。有研究证据表明,缺乏资金对低收入工人的培训决策会产生负面影响(Greenhalgh & Mavrotas, 1994)。同时,由于培训投资收益的滞后性,目标群体缺乏长远意识,对培训回报率没有正确认识,故不愿意对技能培训进行投资。信息不对称、消息滞后、对有关政策文件解读不全面不到位的短处也会导致他们难以及时获取相关帮扶政策信息,错过技能提升机会。

为应对低技能劳动力的失业问题,世界各国纷纷采取行动。针对失业的培训计划是大多数欧洲国家积极劳动力市场政策(Active Labour Market Policies, ALMPs)的成熟工具之一,所提供的培训可以帮助在劳动力市场中受到自动化等威胁的个人。失业后的再就业工作质量是解决劳动力市场日益加剧的不平等问题的关键和核心。培训除了可以提高工人的现有技能,带来更好的再就业机会,还可以帮助需要培训的个人减少技能差距。培训(包括正规教育、职业培训和语言课程)能够有效改善低技能劳动力的经济福祉,但难点在于个体往往囿于自身文化水平、家庭经济等原因约束而难以参与培训项目(Lofstrom, 2013)。有关培训参与的研究发现:①男性比女性更有可能参加培训;②受教育程度较高人群的培训参与率较高;③培训参与人数随企业规模的增加而增加;④培训参与度随年龄增长而降低(Hidalgo et al., 2014)。在培训资助方面,相较于资助培训提供方的供给导向,直接资助培训需求主体的需求导向更能提高培训市场的配置和生产效率,如德国等广泛使用的培训券(Messer & Wolter, 2009)。

4. 技术进步降低低技能劳动力的异化程度但导致去技能化

技术进步能够带来更高的生产效率,使技术在工作场所中的地位日渐重要。在19世纪中叶美国人斯托弗·斯宾塞(Christopher Spencer)发明了制造螺丝、齿轮等的程控车床,揭开了工业自动化的序幕。随着自动化在工业制造中的发展,相关专家就技术对工人的影响进行激烈争论。肯定的声音建立于工人在无力感、无意义感、孤独感、自我疏离感方面所体验到的异化程度。罗伯特·布莱纳(Blaunner, 1964, pp.254-260)通过研究发现一线生产工人异化程度最高,但在使用自动化生产工具的场所异化程度却最低。他认为自动化有利于扭转工人异化趋势的原因在于自动化能促进劳动力整合,赋予工人对工作的控制感。而反对的声音认为由于自动化的替代,反而增加了工人与生产过程之间的距离感,并使工业劳动力去技能化。新技术的引进使工人在劳作过程中不需要思考,只需反复进行几乎无技术含量可言的简单体力劳动,因而限制了人类在实践过程中创造性的激发,导致工作的整体性退化和劳动力的全面去技能化(Braverman, 1974, pp.125-149)。技术进步虽然使所有工人的技能“看起来”总体得到提高,但出现的两极分化结果让低技能劳动力固化为缺乏自主性的生产工人、服务人员。

劳动经济学追求效益的最大化,研究如何通过劳动创造财富,而劳动社会学解释劳动创造的财富如何满足人类需要和为什么要进行劳动。属于工人阶级的低技能劳动力由于自身人力资本特点和所从事劳动特点而劳动于次要劳动力市场,难以突破壁垒进入主要劳动力市场。晋升通道的狭窄导致低技能劳动力满足需要的途径受阻,资本的匮乏使其难以支付人力资本提升费用。在技术进步背景下,自动化的普遍应用会导致低技能劳动力去技能化,更加不利于低技能劳动力技能水平提升,导致严重失业问题。劳动力为满足其需要而劳动。根据马斯洛需要层次理论,人的需求按照从低到高排列分别为生理需要、安全需要、爱与归属需要、尊重需要和自我实现需要。对应到劳动者的职业需要,生理需要指劳动者通过劳动获得工资、福利待遇、公共服务的需要;安全需要指通过劳动收入获得在社会上平安生存能力,带来职业安全感的需要;爱与归属需要指劳动者在单位获得融洽职场关系、集体归属感的需要;尊重需要指劳动者通过劳动获得一定职场成就或他人尊重的需要;自我实现的需要指劳动者通过劳动得以满足自己的兴趣,发挥自身专长与潜能,实现自我突破的需要。在不同就业状态下,低技能劳动力接受职业教育的目的不同。在失业时,为满足自己的生理需要、安全需要和归属与爱的需要,劳动力通过技能培训习得新技能,增强就业力,寻得新工作;在职时,已有工作已经能够满足较低层次需要,为满足尊重需要和自我实现需要,劳动力通过技能提升培训更新技能,实现升职加薪。


四、

低技能劳动力技能提升策略


鉴于低技能劳动力人力资本水平不高、所从事的工作待遇较差、社会生活中获得的公共服务质量低等现实困境,低技能劳动力在接受正规或非正规教育时均处于弱势地位。职业教育公共服务应增加对该群体的关注,结合信息时代大数据计算、分析优势,制定利好低技能劳动力技能提升、提高就业质量的有关策略。

(一)依托职业教育公共服务,提高技能培训吸引力,促进高质量就业

基于职业教育公共服务聚焦全民技能普及需求,通过讲授、真实体验、数字服务为全生命周期人群提供生存、生产、生活相关技能培训的功能定位(刘晓 & 王海英, 2022),针对低技能劳动力职业转换频率高和技能培训参与积极性不高的特点,职业教育公共服务可通过开展公益性成人职业体验课程、开设多元技能培训、制定技能培训优惠政策,提高低技能劳动力就业质量,履行其托底功能。

1. 开展成人职业体验课程,增强低技能劳动力就业稳定性

低技能劳动力受教育程度普遍不高,认知水平有限,通过工作采购不断转换工作需付出较大时间、精力成本,不利于职业生涯发展规划。职业教育公共服务可依托地区公共实训基地和职业院校实训基地等联合开展成人职业体验课程,使参与者置身于真实工作情境中,真切感知劳动过程,在获得直接经验的基础上快速定位目标职业,并在课程导师的帮助下完成职业生涯规划。

2. 制定培训券等优惠政策,降低培训门槛,提升技能培训吸引力

职业教育公共服务应通过流媒体加强宣传,依托大数据精准推送,强调职业技能培训当下和未来效益,改善供需双方的信息不对称。另外,可采取培训机构与政府合作的方式,由政府购买部分培训服务,向符合申请条件的低技能劳动力发放可直接抵扣培训费用的培训券,或开发银行低息、免息贷款培训项目,允许低技能劳动力在就业有稳定收入后再开始偿还贷款,从而降低低技能劳动力参与职业技能培训的资金门槛。低技能劳动力可利用培训券和培训免息贷款项目自主选择培训项目,提高对技能提升培训的积极性。

3. 鼓励低技能劳动力参与多元技能培训,提高人力资本水平

为低技能劳动力提供职业技能培训能够弥补其先前正式教育的不足,提高人力资本水平,促进我国经济增长。对于低技能或无技能群体来说,应根据其群体特征,提供认知技能、非认知技能和动作技能培训。首先,由于低技能群体多为中途辍学、受教育程度较低的人群,因此要强调认知技能中阅读、写作、运算等基础技能的培养。根据国家统计局2021年数据,我国文化程度在高中及以上的群体数为4.3亿人,即大多数群体受教育程度还不高,受教育年限过低,需要通过社会上的技能培训来提高其知识技能水平,提高我国劳动力整体素养。其次,非认知技能中的自我控制能力和职业道德也应受到重视。自我控制能力有助于接受培训的目标群体对能够提高其人力资本的活动进行主动投资并顺利完成。对于雇主来说相较于高水平的专业技术能力,职业道德更受他们重视。根据美国National Association of Colleges and Employers 2017年针对雇主的一项调查,在雇主最希望员工拥有的能力中良好的职业道德(a good work ethic)排第四位。至于动作技能,低技能群体应掌握在工作场所熟练运用所需生产工具的技能,以确保能顺利完成工作任务。最后,随着劳动力市场的智能化与数字化,工人还应具备一定的信息化素养,如基本的计算机使用能力、简单设备操作能力等。

(二)借力数字化趋势,提供多元学习资源与多重就业机会

2019年中共中央、国务院印发《中国教育现代化2035》,要求建立数字教育资源共建共享机制,利用信息化平台进行管理和监测,推进管理精准化和决策科学化。信息技术在职业教育公共服务上的广泛应用,有助于全民在共享优质职业教育数字资源的基础上共建个性化职业教育数字资源,提高全民共建共享的积极性和满意度,同时有助于构建技能培训和就业服务一站式数字平台,为低技能劳动力高质量匹配培训与就业机会。

1. 建立职业教育数字资源库,共享优质数字学习资源

针对低技能劳动力的职业教育数字资源库,在内容上应对接行业企业最新一线生产、管理、工艺技术等,尤其侧重基础数字技能,以便于低技能劳动力通过数字资源及时自我习得、更新所需技能,将技术进步带来的影响转化为促进就业手段;形式上包括但不限于课程视频、动画、数字教材、试题库、音频、课件、虚拟仿真实训平台、软件等,同时需支持在手机端和电脑端使用,根据使用者对资源的使用偏好动态调整推送内容;目的是以培养低技能劳动力技术应用能力为核心,使其能够适应技术进步给生产、建设、管理、服务等带来的变化。在数字资源共享方面,宏观上推动政校行企等多方利益主体积极参与职业教育数字资源的建设,推动形成可持续发展的数字教育资源供给体系;微观上引导各资源使用者制作并上传优质数字资源,支持知识创生与知识付费,丰富职业教育数字资源库(柯清超 等, 2021)。

2. 构建技能培训和就业服务数字平台,高质量匹配培训与就业机会

运用“互联网+”大数据技术,构建技能培训和就业服务平台,打破劳动力市场供需双方信息不对称的障碍,实现低技能劳动力和企业供需精准匹配。

阶段一:积极的就业援助。首先,平台对已在线登记失业的目标群体进行摸底问卷调查,问卷围绕已有教育经历、工作经历、技能证书、资格证书、求职意向等进行设置,并为求职者提供符合其需求的求职技能培训课程。随后平台将合作企事业单位的用人需求与求职者自身条件和求职意向进行匹配,向求职者推荐适切岗位的同时也向企业提供符合其需求的员工,双向进行,加速就业匹配效率。其次,将合作企业信息、企业人才需求及时在管理服务平台上进行发布,将最新信息“零延时”传递给求职者。平台同时通过对合作企业的岗位数量变化、净增(减)员人数、规模性失业情况等具体数据进行汇总分析,每月形成人才需求分析运行报告,使求职者了解劳动力市场需求现状,为其下一步求职提供科学的参考依据。最后,对求职者的简历完成度数据、线上简历投递、录用通知数据等就业行为数据进行深度挖掘,精准分析劳动力求职意愿和行为数据,对低技能劳动力进行有针对性的就业辅导,促进低技能劳动力充分就业。第一阶段持续时间为1~2个月。

阶段二:高质量的技能培训。若第一阶段进展不顺利则进入第二阶段,建议求职者根据自身需求和意向岗位的要求参与一些培训,在提高自身人力资本水平后以更强的就业竞争力求职。平台利用前一阶段数据定位求职者现状、优势与短板,生成求职者当前数据画像,同时根据求职意向设定目标数据画像,二者进行数据比对后生成求职者技能培训方案供求职者选择。技能培训由市场提供,鼓励社会资本以多种形式参与,政府进行适当引导和规制,保证培训提供方在自由市场上良性竞争,以提供多元高质量技能培训,满足多种需求。在培训分类上,可以是短期的,强调基本技术和必备生活技能的培养;也可以是中期的,强调职业技术技能培训;还可以是长期的,与职业院校等能够提供职业资格证书、学历证书或技能认证的机构合作,强调认证的信号作用,增强求职者就业竞争力(Almeida et al., 2012, pp.161-163)。在培训结束后,平台更新求职者在学历、技能、资格证书等方面的数据,再次匹配实习实训和就业机会,以提高就业效率。


五、

结语


低技能劳动力是我国劳动力的重要组成部分,但随着产业转型升级和人口老龄化趋势的深入,低技能劳动力由于易受技术进步影响而面临失业、再就业难的问题。本研究在厘清低技能劳动力概念内涵的基础上,从不同学科视角看待低技能劳动力群体,分析其群体特征,在职业教育公共服务层面,结合信息技术数据抓取和匹配优势,探寻相应技能提升策略,有利于提升低技能劳动力参与技能培训积极性和就业匹配准确性,有利于推动实现“十四五”提出的更充分、更高质量就业,助力共同富裕。


注释:

①按照可被自动化替代的程度将岗位分为几类,常规操作性工作包括各行各业无生产资料的生产人员、设备操作人员、工人等;常规知识性工作包括商贩、销售、办事人员等有关人员;非常规操作性工作包括餐饮、家政、保洁和保安;非常规知识性工作包括企事业单位负责人、管理者、专业技术人员等(齐乐 & 陶建平, 2022)。



参考文献

向上滑动阅览

安东尼·吉登斯,& 菲利普·萨顿. (2015). 社会学(第7版). 北京大学出版社.

杜群阳,& 俞航东. (2019). 2003~2015年中国城市劳动力技能互补、收入水平与人口城镇化. 地理科学,39(04),525-532.

国家统计局. (2022). 中国统计年鉴—2021. 国家统计局网站. http://www.stats.gov.cn/tjsj/ndsj/2021/indexch.htm

郝楠,& 江永红. (2017). 谁影响了中国劳动力就业极化?. 经济与管理研究,38(05),75-85.

柯清超,林健,马秀芳,& 鲍婷婷. (2021). 教育新基建时代数字教育资源的建设方向与发展路径. 电化教育研究,42(11),48-54.

李长安. (2022-2-16). 以更加充分更高质量就业扎实推动共同富裕. 新华网. http://www.news.cn/politics/20220216/a46b6b39fb2948fabf 7d65df7deb96b2/c.html

李强,& 袁志刚. (2016-10). 中国劳动力市场技能缺口研究. 清华大学网站. https://www.tsinghua.edu.cn/__local/4/E6/DA/A12EB75B9 D564353167D4F107C5_D711D7DB_79EC7D.pdf?e=.pdf

梁文泉,& 陆铭. (2015). 城市人力资本的分化:探索不同技能劳动者的互补和空间集聚. 经济社会体制比较(03),185-197.

刘晓,& 王海英. (2022). 技能型社会下职业教育公共服务的现实诉求、体系构建与实施路径. 现代教育管理(06),90-98.

吕世斌,& 张世伟. (2015). 中国劳动力“极化”现象及原因的经验研究. 经济学(季刊),14(02),757-778.

毛丰付,王雯雯,& 徐燕舞. (2022). 人才房政策挤出低技能劳动力了吗?. 产业经济评论(02),59-73.

明娟,卢小玲,& 丘丽云. (2021). 中国当前劳动力技能短缺与企业应对. 南方经济(04),1-17.

宁光杰,& 林子亮. (2014). 信息技术应用、企业组织变革与劳动力技能需求变化. 经济研究,49(08),79-92.

宁光杰,& 杨馥萍. (2021). 互联网使用与劳动力产业流动——对低技能劳动者的考察. 中国人口科学(02),88-100,128.

彭姣,& 毕忠鹏. (2022). 产业变迁对不同技能劳动力区域选择的影响机制研究. 调研世界(04),15-25.

綦建红,& 付晶晶. (2022). “机器换人”时代低技能劳动力何去何从?——基于中国劳动力动态调查数据的检验. 人口研究,46(04),114-128.

齐乐,& 陶建平. (2022). 产业智能化与农民工就业质量的影响机理及提升路径. 华中农业大学学报(社会科学版),1-13.

人民网.(2021-05-11). 国家统计局:60岁及以上人口比重达18.7% 老龄化进程明显加快. 人民网. http://finance.people.com.cn/n1/2021/0511/c1004-32100026.html

田鸽,& 张勋. (2022). 数字经济、非农就业与社会分工. 管理世界,38(5),72-84.

佟新. (2014). 当代中国劳动问题的社会学研究. 社会科学文献出版社.

王蓉,& 黄桂田. (2022). 城市落户门槛与异质性劳动力居留意愿. 上海经济研究(06),36-50.

王颖,& 石郑. (2021). 技术进步与就业:特征事实、作用机制与研究展望. 上海经济研究(06),39-48.

魏嘉辉,顾乃华,& 郑鹏. (2022). 工业机器人应用与服务业结构升级. 软科学,1-11.

奚兆永. (1981). 关于复杂劳动与简单劳动、熟练劳动与非熟练劳动的概念问题——与陈征等同志商榷. 上饶师专学报(社会科学版),(Z1),55-56.

杨先明,侯威,& 王一帆. (2022). 数字化投入与中国行业内就业结构变化:“升级”抑或“极化”. 山西财经大学学报,44(01),58-68.

袁冬梅,周磊,& 袁礼. (2021). 技术创新模式转变对劳动力就业结构的影响——基于制造业上市公司数据的分析. 中国人口科学(06),81-95,128.

张学英,& 耿旭. (2021). 后脱贫时代低技能劳动力的相对贫困治理——技能形成的视角. 河北师范大学学报(教育科学版),23(05),88-94.

张远,& 李焕杰. (2022). 企业智能化转型对内部劳动力结构转换的影响研究. 中国人力资源开发,39(01),98-118.

赵烁,施新政,陆瑶,& 刘心悦. (2020). 兼并收购可以促进劳动力结构优化升级吗?. 金融研究(10),150-169.

中华人民共和国教育部. (2021-03-31). 教育部:我国新增劳动力平均受教育年限人均达13.8年,进入高等教育阶段. 中华人民共和国教育部网站. http://www.moe.gov.cn/jyb_xwfb/moe_2082/2021/2021_zl25/bd/202104/t20210401_523924.html.

周清杰. (2004). 低技能劳动力供给曲线研究. 农业技术经济(06),18-22.

朱纪广. (2021). 劳动力技能互补的时空效应及其对城市工资的影响. 经济经纬,38(06),13-20.

Acemoglu, D., & Restrepo, P. (2017). Robots and jobs: Evidence from US labor markets. NBER Working Paper 23285.

Acemoglu, D., & Restrepo, P. (2019). Artificial intelligence, automation and work. University of Chicago Press.

Almeida, R., Behrman, J., & Robalino, D. (2012). The Right Skills for the Job? Rethinking Training Policies for Workers. World Bank.

Arntz, M., Gregory, T., & Zierahn, U. (2017). Revisiting the risk of automation. Econ. Lett., 159, 157-160.

Autor, D. H., Levy, F., & Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. The Quarterly Journal of Economics, 118(4), 1279-1333.

Blaunner, R. (1964). Alienation and Freedom. University of Chicago Press.

Braverman, H. (1974). Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century. Monthly Review Press.

Brynjolfsson, E., & McAfee, A. (2014). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. W. W. Norton & Company.

Cain, G.G. (1976). The Challenge of Segmented Labor Market Theories to Orthodox Theory: A Survey. Journal of Economic Literature, 14, 1215-1257.

Dumont, M., Rayp, G., & Willemé, P. (2012). The bargaining position of low-skilled and high-skilled workers in a globalising world. Labour Economics, 19(3), 312-319.

Erin, L. W. (2021). Employment inequality: Why do the low-skilled work less now?. Journal of Monetary Economics, 118, 161-177.

Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation?. Technol. Forecast. Soc. Change, 114, 254-280.

Glaeser, E. L., & Resseger, M. G. (2010). The Complementarity between Cities and Skills. Journal of Regional ence, 50(1), 221-244.

Greenhalgh, C., & Mavrotas, G. (1994). The Role of Career Aspirations and Financial Constraints in Individual Access to Vocational Training. Oxford Economic Papers, 46(4), 579-604.

Hidalgo, D., Oosterbeek, H., & Webbink, D. (2014). The impact of training vouchers on low-skilled workers. Labour Economics, 31, 117-128.

Hofman, W., & Steijn, A. (2003). Students or lower-skilled workers? ‘Displacement’ at the bottom of the labour market. Higher Education, 45, 127-146.

Johnson, W. R. (1978). A Theory of Job Shopping. The Quarterly Journal of Economics, 92(2), 261-278.

Lee, N, & Clarke, S. (2019, November). Do low-skilled workers gain from high-tech employment growth? High-technology multipliers, employment and wages in Britain. ScienceDirect. https://www.sciencedirect.com/science/article/pii/S0048733319301234

Lofstrom, M. (2013). Does self-employment increase the economic well-being of low-skilled workers?. Small Business Economics, 40, 933-952.

Masters, Adrian. (2014). Statistical discrimination from composition effects in the market for low-skilled workers, Labour Economics, 26, 72-80.

Messer, D., & Wolter, S. (2009). Money matters: evidence from a large-scale randomized field experiment with vouchers for adult training Technical Report. IZA Discussion Paper, 4017.

Rosenthal, S. S., & Strange, W. C. (2008). The Attenuation of Human Capital Spillovers. Journal of Urban Economics, 64(2), 373-389.

Tirole, J. (2017). Economics for the common good. Princeton University Press.


Low-skilled Workers:Connotation, Group Characteristics and Skill Enhancement Strategies


Xiao Liu and Xiaochen Tong


Abstract: Globally, the accelerated upgrade and optimization of industrial structure and the aging of population structure make low-skilled workers gradually replaced and marginalized by machines, and low-skilled workers face a high risk of unemployment. After clarifying the connotation of low-skilled workers by reviewing the research on low-skilled workers in China and abroad, this article also targets the group in real life. The group characteristics of low-skilled workers from the perspective of labour economics and labour sociology are combined to propose skill enhancement strategies to promote the employment of low-skilled workers, including relying on public services of vocational education and conducting vocational experience courses for low-skilled workers to enhance their employment stability, and formulating preferential policies such as training vouchers to enhance their motivation to participate in diverse skill enhancement trainings. In addition, with the trend of digitalization, it is suggested to establish a digital resource bank to share high-quality vocational education digital resources and build a digital platform for skills training and employment services in order to match training and employment opportunities accurately.

Keywords: low-skilled workers;skill enhancement;vocational education;vocational training;skilled society