教育部高校毕业生就业研究院江苏省高校毕业生就业研究中心

【作者简介】

张颖，海南师范大学经济与管理学院讲师，北京工商大学经济学院博士后研究人员；

王轶，通讯作者，首都经济贸易大学劳动经济学院教授、乡村振兴研究院院长、社会工作系主任。

【摘要】

高校毕业生就业竞争激烈，人工智能技术加剧就业市场不确定性，毕业生实现专业与就业岗位匹配的难度攀升。采用2023年全国19所高校和科研院所毕业生就业数据，分析专业错配对其初次就业的影响，探究“人工智能+”时代的破解路径。实证结果显示：专业错配对初次就业有显著负面影响；存在错配的大学生可通过使用AI提升信息搜寻能力促进就业；“人工智能+”技术呈互补效应，降低专业错配对就业的负面影响；高校第二课堂、精细化就业帮扶可缓解专业错配的影响。建议健全学科专业与劳动力市场需求联动机制，强化专业分流指导，提升毕业生信息搜寻能力与AI素养，加强第二课堂建设，提供精细化帮扶，助力其高质量就业。

【关键词】
    专业错配；人工智能；高校毕业生初次就业；第二课堂；就业服务

【文本引用】

原文刊载于《中国高教研究》2026年第5期

一、问题的提出

伴随着人工智能技术对产业链与价值链重塑，其广泛应用将对高校毕业生就业产生何种冲击，又将释放哪些积极效应？国家“十五五”规划强调，“促进人工智能助力教育模式变革”“强化人工智能的就业创造效应”，并持续关注高校毕业生等重点群体的就业工作，指出“综合应对外部环境变化和人工智能等新技术发展对就业的影响”。高校毕业生人数增速较快，但劳动力市场的就业岗位数量增长有限，与毕业生所学专业相匹配的工作机会正逐渐减少。高校毕业生规模从1999年的84万人，上升至2003年的188万人，到2023年已增至1158万人，2026届全国普通高校毕业生规模预计达1270万人，同比增加48万人。人工智能时代，高校毕业生的就业问题以及专业与就业岗位需求的契合度问题，已经成为政府和公众高度关注的热点议题。

学者研究发现中国高校毕业生面临所学专业与工作岗位要求不匹配的情况。而人工智能技术的出现，更是加深了学生和家长对专业错配的焦虑。一方面，人工智能技术正在重塑传统专业的就业结构。“人工智能+传统专业”如“AI+医疗”“AI+金融”“AI+教育”等新兴交叉专业应用场景出现，催生了机器学习工程师、算法研究员、智能语音工程师、AI解决方案架构师等新岗位，这些岗位对“AI+专业知识”复合能力提出刚性需求，而传统专业的高校毕业生往往难以满足这些需求，导致专业错配现象凸显。人工智能技术的应用对部分传统专业毕业生应聘的重复性、规律性、标准化的基础岗位产生了替代效应，比如制造业中低端重复性工作、物流标准化流程工作、金融程序化交易工作、基础翻译等岗位。因此，“人工智能+”技术可能使得传统专业的毕业生面临就业竞争加剧和就业机会减少的局面，加剧了专业错配对就业的影响。但另一方面，人工智能技术也在重塑高校毕业生求职过程和工作形式，使毕业生就业过程和工作形式朝着“人机协同”的方向发展。人工智能技术可以增加劳动者信息搜寻的能力和提高劳动者的生产效率。所以，人工智能对就业的影响是多维度的。

已有研究从个人、家庭、学校三个层面探讨了高校毕业生就业竞争力问题。个人层面，采用学生的成绩、是否获得奖学金、英语四六级证书等指标测量大学生的人力资本质量，人力资本是毕业生就业实现过程中可利用的重要因素之一。家庭层面，考查家庭社会资本和经济资本对高校毕业生首次就业的影响。如父母的知识水平、职业、对孩子教育的关注度和参与度，以及家庭收入等家庭资源如何影响毕业生就业。学校层面，分析学校特征，如高校层次、专业设置对毕业生就业质量的影响。在同等学力水平的求职者，专业错配对薪酬和工作满意度皆有显著负面影响。

已有研究分析了人力资本、专业设置等对就业质量如工资和工作满意度的影响，但进一步分析“人工智能+”时代专业错配对高校毕业生初次就业状态的影响的研究成果较少，而专业错配的现象，即所学专业与目标工作不匹配的现象，在高校中普遍存在，因此有必要分析专业错配如何影响高校毕业生初次就业，以及在“人工智能+”时代如何解决这个问题。鉴于此，本研究从微观层面着手，采用2023年2—7月份北京工商大学与劳动经济学会劳动力市场分会联合采集的全国19所高校和科研院所毕业生的就业调查数据，探讨大专及以上学历专业错配与高校毕业生就业的关系。

高校毕业生初次就业最直接的方式是寻求与专业相匹配的就业岗位，因为目标岗位仅限特定专业，接受高等教育期间积累的专业知识是毕业生从众多求职者中脱颖而出的最重要的资本。现实中，部分学生为考取合适的公务员、企业等岗位，通过“刷学历换专业”的形式改变第一学历的专业，或者通过培训、函授等方式重新学习新的技能以弥补专业不匹配的缺陷，进而通过招聘资格审核。高等教育的重要目标在于培育具有专业能力的人才，若出现大量专业错配情况，不仅会导致生产效率的下降，同时也未能充分利用专业教育的潜在优势。劳动力的需求方更希望高校毕业生已经积累一定的专业能力，尽量减少工作磨合期，能够满足岗位的特殊技能要求。近年来有学者开始聚焦专业错配对劳动力市场表现的影响。首先，学者认为高等教育期间专业学习积累的人力资本具有专用性，专用性的人力资本与工作内容匹配有助于提高劳动力市场表现。有学者对美国大学生进行追踪研究。研究发现，不同类别课程的学习积累所形成的专用性的人力资本与毕业生的职业选择密切相关，并且这种专用性的人力资本对于提高劳动者在就业市场上的表现具有积极作用。其次，专业错配后带来的损失存在异质性。俄罗斯的自由职业者专业不匹配对女性的工作满意度产生了明显的负面影响。专业错配对中国不同院校的影响不同，且专业错配的平均影响效应为负。最后，专业错配对求职者的就业意愿和雇佣者的雇佣意向均存在显著影响。工作搜寻模型预测年轻毕业生宁可选择与专业不匹配的工作也不会被迫失业，这与中国劳动力市场对就业“空窗期”的规避行为相一致，因为失业比专业错配更有可能给未来雇主传递不利信号。职业流动理论则认为，求职者会基于理性选择而暂时接受专业错配的岗位，并将其视为一种“跳板”，希望在临时岗位上积累工作经验或参与职业培训，最终实现岗位转换而摆脱专业错配。企业雇佣决策过程中，雇主潜在地会将求职者的专业错配行为解读为生产效率低下或者个人能力不足的信号，原因在于求职者在专业错配经历中积累的人力资本水平相对较低，甚至在学校掌握的专业技能可能过期、认知能力也会下降。

因此，本研究提出研究假说1。

H1：专业错配会显著抑制高校毕业生就业。

新一代人工智能依托大规模数据，可在弱监督乃至无监督下完成学习，可生成通用性及专用性知识，在众多工作领域展现出与人类智能的高度相似性和替代性。“人工智能+”时代对高校毕业生的就业能力提出了更高的要求。毕业生不仅需掌握专业领域的传统知识与技能，还需具备较强的数字素养、创新思维、跨学科整合能力以及人工智能技术快速迭代所要求的终身学习能力等。在“人工智能+”时代，高校毕业生面临的竞争维度已从单一专业领域扩展至跨专业人才竞争，以及与人工智能系统的直接竞争。人工智能技术变革为就业市场带来了高度不确定性，使得专业错配常态化。一些毕业生所学专业知识与市场需求脱节，未能及时掌握技术变革所需的关键能力，从而在就业市场中处于劣势。例如，非计算机专业的毕业生在面对人工智能相关岗位时，可能因缺乏编程能力和算法知识而难以胜任；而一些传统文科专业的毕业生，可能因不具备大数据分析能力和人工智能协同办公技能而在就业竞争中受阻。但冷门专业的大学生也可借助AI实现跨学科学习和提升自身综合素质，从而增强就业竞争力。

因此，人工智能与就业之间不是简单的替代关系，涉及替代、协作与拓展等多个维度。新一代人工智能与以往的技术革命相比，既强化了就业替代效应，也拓展了就业协同效应和就业创造效应。

　1. 就业协同效应。新一代人工智能为发生专业错配的大学生提供了低成本、高效率的“补救”工具，信息搜寻能力成为弥合错配鸿沟的关键变量。首先，毕业生可通过人工智能工具扩大信息搜寻和信息整合范围。新一代人工智能生成式大模型能在数秒内聚合跨行业岗位描述、技能图谱与薪酬数据，帮助学生把模糊的“想做什么”转化为可执行的“能做什么”。其次，大学生可以通过人工智能技术深化信息精度。人工智能技术驱动的职业测评工具可依据学生简历与行为数据，实时匹配缺口岗位，并根据就业需求生成“差距-提升”方案。毕业时使用纳入人工智能技术的就业推荐系统和培育系统，可增加面试机会。最后，人工智能技术降低搜寻成本。AI模拟面试助手与薪酬谈判助理，让发生专业错配学生也能以低成本完成“包装-投递-面试-议价”的全流程，显著提高求职效率。因此，只要大学生善于利用人工智能技术提升信息搜寻的广度、精度与效率，就能在动态劳动力市场中赢得更高质量的就业机会。

基于以上分析，提出假设H2。

H2：专业错配会促使大学生利用人工智能技术等增强就业信息搜寻能力，对就业产生正面影响。

2. 就业创造效应。传统的专业错配问题常因技能供给滞后于就业市场需求导致高替代风险。然而，以生成式人工智能技术为代表的新一代技术正通过三条互补路径，显著削弱负面冲击。

第一，降低专业门槛，扩展就业边界。生成式AI在客服、写作、编程等场景内充当“智能助理”，使原本需要长期训练的专业技能被封装为可调用模块。以往需要高度专业技能和长时间学习才能胜任的工作变得易于上手，AI降低了这些工作的技术门槛。比如，劳动者即使不会编程也可以借助AI工具生成代码，将代码输入专业软件完成设计、数据处理等工作；即使不会外语也能利用AI工具实现跨国交流沟通，完成跨国服务。AI对新手和低技能员工的增益尤为显著，从而压缩了不同技能层级之间的效率差异，减少了因专业门槛过高造成的失业。

第二，创造新岗位，吸纳错配劳动力。人工智能不是简单替代人类智能和人类操作，而是可以催生与原岗位相联系的新职业。传统司机、美工、导游通过短周期再培训即可转入人工智能技术催生的新型就业岗位：自动驾驶、元宇宙、智慧旅游等衍生岗位。以武汉无人驾驶示范区为例，政府与企业合作开设4至6周的“智能网联汽车运维”微专业，帮助68%的巡游出租车司机在6个月内完成技能转换，显著降低专业错配导致的摩擦性失业。

第三，动态技能升级，缓解结构性矛盾。人工智能技术与在线学习平台结合，形成“即时学习-即时上岗”的快速就业通道。面对专业错配带来的技能缺口，大学生可以利用人工智能技术制定个性化学习方案，在短时间内补足技能，实现“边找边学”。这种“即时回炉”能力已成为智能时代大学生核心竞争力之一。国际比较也证实，当AI被定位为“通用目的技术”而非专用工具时，其互补效应占主导。

综上，新一代人工智能技术通过上述三条机制，把原本因专业错配而被边缘化的劳动力重新拉回市场，展现出强劲的互补效应。基于此提出以下假设。

H3：人工智能技术可以减弱专业错配对就业的负面影响，呈现出互补效应。

二、研究设计

（一）数据来源

本研究数据来自北京工商大学与劳动经济学会劳动力市场研究分会于2023年2—7月联合采集的全国19所高校和科研院所毕业生的就业数据，其中，“双一流”建设高校4所，普通本科院校11所，高职高专院校4所。本次调查对象主要是2023年春季毕业的学生，由相关院校的就业主管部门根据调查要求负责组织发放，共计发放调查问卷3500份，有效回收3271份，有效回收率为93.46%。样本进行了如下处理：剔除样本缺失值；剔除极端值；剔除了非2023年毕业的往届毕业生样本。

　（二）模型设定

　1. 基准回归模型。本研究通过构建Probit模型检验专业错配、数字素养对高校毕业生就业的影响，模型设定如下：

Y为高校毕业生就业的状态，就业取值为1，反之为0，核心解释变量为专业错配Unm，X为一系列控制变量。

2. 机制检验模型。为研究专业错配影响高校毕业生就业的机制，参考江艇的两步法进行中介效应检验。

3. 调节效应模型。高校采取了各种措施缓解专业错配的影响，本研究考察高校采取的以下措施：优化人才培养方案、设置职业规划课程、开设第二课堂、提供精细化就业服务、联系用人单位，是否缓解了专业错配对高校毕业生就业的负面影响。在（1）式的基础上引入高校缓解专业错配所采取的措施Act。调节效应模型如下。

     （三）变量选取和数据的描述性统计

1. 被解释变量。本研究的被解释变量为高校毕业生就业状态，已就业取值为1，其他状态取值为0，该测度方法与赖德胜、高娟等一致。

2. 核心解释变量。本研究核心解释变量之一为专业错配Unm。在专业错配的评价方法上，现有文献采用了主观与客观两种方式。客观评价法根据专业与工作岗位的详细划分，评价专业错配。Shevchuk、郭睿、闫思宇等采用主观评价法，通过雇员对“您是否认为您的工作与专业相符合”这一问题的个人判断来界定专业错配。本研究采用主观评价法，采用调查问卷中“您在找工作时，目标岗位的需求情况与您的专业对口情况”来衡量，选项“非常对口”取值为1；“比较对口”取值为2；“一般对口”取值为3；“比较不对口”取值为4；“非常不对口”取值为5。本研究通过综合数据集来衡量家庭社会资本。具体来说，同时考虑了父母的教育背景以及职业地位。本研究参考孔高文等的方式生成家庭社会资本变量：如果家庭的教育水平达到“大学本科”或“研究生”水平，并且家庭的职业阶层属于“专业人员”或“管理层”，则相应的指标赋值为1；如果家庭的教育水平是“高中”，但职业阶层为“管理层”，该指标的值也为1；在其他情况下，该指标的值为0。

3. 机制变量。本研究机制变量为大学生的信息搜寻能力。借鉴仇化等从多维度对信息搜寻能力进行度量的方法，结合大学生的群体特点和就业需求，本研究采用问卷中“使用AI大模型搜寻就业信息”“政府就业平台信息获取”“学校官方渠道获取就业政策信息”“社会公共平台获取就业政策信息”“家庭成员获取就业政策信息”五个维度评价大学生的信息搜寻能力。使用某一渠道搜寻就业相关信息计1分，否则计0分。

4. 调节变量。第一课堂是提升大学生就业能力的主阵地，第二课堂对高就业能力的大学生具有重要价值，本研究将在此基础上，进一步验证调整培养计划、开设第二课堂、设置职业规划课程、提供精细化就业服务、联系用人单位等是否缓解了专业错配对就业的影响进而提升了大学生就业水平。

5. 控制变量。本研究参考赖德胜、郭睿、史秋衡和任可欣等研究，控制变量包含性别、政治面貌、专业、毕业院校类型等。（见表1）

三、实证结果与分析

（一）基准回归结果

1. 专业错配对高校毕业生就业的影响。表2报告了专业错配对高校毕业生就业影响的Probit模型估计结果。

在未加入和依次加入控制变量后，专业错配对高校毕业生就业的影响均在1%的水平上显著。假说H1得以验证。值得注意的是，加入控制变量后，尽管专业错配的系数方向不变，但绝对值有所减小，这是因为高校毕业生就业不仅受到专业错配影响，还受到毕业生个人特征、家庭背景和学校特征影响。

基准回归结果显示，随着毕业生自身素质的提高，就业概率越高，如党员的就业概率显著高于非党员，而在高校，优秀的大学生才能入党。回归结果显示，虽然男性的就业概率高于女性，但不显著，说明在毕业生初次就业中，不存在明显的性别歧视现象。

进一步将毕业生状态细分为就业、待就业、升学、暂不就业（如备考公务员、考研二战、暂时休整等）四类，采用多元Logit模型（mlogit）进行拓展检验，以考察专业错配对不同毕业去向选择的差异影响。结果显示：专业错配对毕业生在 “就业、待就业、升学、暂不就业”之间的具体类别选择并无显著影响。也就是说，专业是否错配主要影响毕业生能否就业的二元状态，而不显著决定其在暂不就业（如备考公务员、考研二战、暂时休整等）、待业、升学等具体路径之间的偏好选择。

（二）稳健性检验

本研究将Probit模型更换为Logit模型，对基准回归结果进行检验，如表2所示，专业错配对高校毕业生就业的影响结果依然显著为负。

（三）异质性分析

1. 城乡异质性。我国存在二元经济结构特征，城市和农村家庭经济社会资源存在差异，为探究城乡地区大学生专业错配对就业影响的差异特征，本研究根据城市户口和农村户口对样本进行分组。由表3可知，专业错配对农村大学生就业的负面影响远低于城市地区。可能原因是，相较于城市大学生，农村成长环境对大学生风险偏好存在影响，农村大学生对专业的主观容错率较高，即使就业岗位不符合预期，也较少因为个人喜好放弃工作机会。

2. 专业异质性。本研究调查问卷的数据显示，不同专业，其专业错配比例不一样，专业错配比例从高到低依次是：理工类专业、人文类等其他专业、医学类专业、经管类专业。因此有必要对不同专业进行异质性分析。从表4结果看出，经管和人文等专业，专业错配对就业的负面影响远高于理工和医学专业。理工和医学专业，专业错配对毕业生初次就业的负面影响较低且不显著。可能的解释是：目前中国的发展能提供较多的实用技术类岗位。随着国际局势的变化和冲击，中国经济发展的模式发生了改变。以创新技术为核心的新产业经济活动及新业态经济活动已成为推动中国经济增长的核心力量。目前，中国进入了“新基建”时代。因此理工和医学类专业的毕业生即使所学的专业知识不完全贴合就业岗位需求，但由于社会发展和转型所带来的岗位增长，仍可以实现初次就业；与之形成对比的是，中国目前的经济结构尚不能吸纳如此多的人文社科类毕业生就业。再者，人文社科类与理工和医学类存在专业壁垒，后者的专业性技术性较强。人文社科类专业毕业生并不能调往理工医学等技术类岗位实现跨专业就业。

另一个有意思的现象是，人文类等其他专业和经管类专业毕业生，其家庭社会资本对初次就业的正面影响是最大、最显著的。可以理解为，在技术性强的领域，如医学类、理工类，家庭社会资本虽然能帮助毕业生就业，但其帮助力度要弱于人文社科类。也就是说，专业分流有利于打破阶层固化，起到了社会公平“调节器”的作用，社会资本弱的家庭在进入了专业性强的专业后，其受父辈资源影响的程度明显弱于其他专业。

3. 高校类型异质性。办学水平高是否能弥补专业错配的影响呢？在填报志愿时，很多学生陷入在更好的学校和更好的专业间进行二选一的两难境地。为此本研究分别考察了高职高专、普通高校和“双一流”建设高校专业错配对毕业生初次就业的影响。表5结果显示，确实存在办学水平越高的学校，其专业错配对毕业生初次就业的负面影响越小的事实。其中，高职高专专业错配对毕业生就业的负面影响最大，普通高校和“双一流”建设高校专业错配对毕业生就业的影响虽然为负，但系数比高职高专小。可能的原因：一是在就业过程中仍然存在名牌大学效应，用人单位更青睐办学水平更高的学校的毕业生；二是办学水平更高的高校开始尝试第二课堂、及时调整培养计划、加强学校与产业界合作等手段促进就业。

（四）调节效应检验

就业涉及供求双方，本研究从劳动力供给侧和劳动力需求侧考虑调节效应。现实中，劳动力供给侧的特征是丰富多元的，学校层级的特征被证明会显著影响毕业生的就业过程和专业错配，劳动力需求侧主要强调就业单位创造的就业机会及其对劳动力的需求状况。

为提高就业率和优化专业设置，高校采取了各种措施，有的致力于改变劳动力供给侧的特征，如优化人才培养方案、设置职业规划课程、开设第二课堂；有的在劳动力需求侧发力，如联系用人单位、提供精细化就业服务，本研究将考察以上措施是否缓解了专业错配对高校毕业生就业的负面影响。

从表6的交叉项的系数看出，效果最显著的是开设第二课堂。开设第二课堂和专业错配的交互项显著为正，说明开设第二课堂能够明显缓解专业错配对就业的负面影响。“第二课堂”指在第一课堂教学计划外的各类校内和校外活动，其目的是提高学生综合素质。团中央自2016年开始试点，并于2018年正式推行了“第二课堂成绩单”制度。这一制度涵盖了创新创业、社会实践、文化艺术、体育活动、工作履历、技能特长、思想成长等方面。通过第二课堂学习不仅能够深化第一课堂的专业知识，还能培养毕业生的其他技能，提高其综合素养，有助于就业。

调节效应次之的是提供精细化就业服务，其和专业错配的交叉项系数也显著为正，说明提供精细化就业服务能缓解专业错配对就业的负面影响。该举措打通了劳动力供需双方的沟通渠道，在毕业生和用人单位间实现迅速对接。优化人才培养方案虽然能缓解专业错配对就业的负面影响，但不显著，可能的原因是培养方案的调整有滞后性，高校培养方案从修订到实施至少需要两年时间，而且受限于现有的师资力量，新培养方案的完成度和时效性均较弱。联系用人单位也能缓解专业错配对就业的负面影响，但不显著。该措施与提供精细化的就业服务相比较，缺乏和毕业生的沟通环节以及沟通后的反馈机制，说明解决高校毕业生劳动力市场信息不对称的关键点在于为劳动力供需双方建立有效的、长期的、多次沟通渠道。设置职业规划课程在五种方案中效果最差，一方面开设职业规划课程的大部分为本校教师，缺乏其他行业的就业经验；另一方面，职业规划课程只能在学生现有专业知识体系下谋划出路，没有拓展专业体系、没有提供新的技能培训，因此职业规划实现的可能性小。

四、“人工智能+”对高校毕业生就业的影响分析

前文实证分析已明确，专业错配对高校毕业生就业质量存在显著的负向冲击，且这种抑制效应并非呈现同质化特征，而是基于不同群体的人力资本禀赋与外部环境差异，表现出鲜明的异质性分化。

随着人工智能技术的深度渗透，劳动力市场的就业模式、岗位需求与匹配机制发生深刻变革，这为破解高校毕业生专业错配难题提供了新的技术路径与研究视角。从作用机制来看，一方面，AI大模型凭借其强大的信息搜寻、整合与分析能力，能够有效打破传统就业市场中信息不对称的桎梏——通过构建毕业生能力画像与岗位需求画像，实现供需双方的精准匹配，降低毕业生的就业搜寻成本与企业的招聘成本，进而在专业错配与大学生就业之间构建起重要的中介传导路径，即AI大模型的信息搜寻能力可通过缓解信息不对称、提升匹配效率，间接削弱专业错配的负向就业效应。另一方面，人工智能技术对劳动力市场的影响可能并非单一的替代效应，人工智能技术与高校毕业生的就业表现可能呈现互补性特征——智能技术的应用不仅没有替代高校毕业生的就业岗位，反而可能通过提升生产效率、催生新型就业岗位、优化岗位配置等方式，强化了高校毕业生的人力资本价值，进而缓解了专业错配带来的就业压力。值得注意的是，这种互补性调节效应并非在所有群体中均呈现一致性特征，其作用强度与方向受群体异质性的影响显著。基于此，本研究进一步基于城乡户籍、学科门类、学历层次开展分组回归检验，系统考察人工智能技术在不同子样本中对专业错配就业效应的调节差异，精准识别智能技术发挥调节作用的边界条件与异质性特征。

（一）AI大模型的信息搜寻能力

无论是在人工智能时代还是之前，技术革命或经济周期等总是会使得高校存在高比例的专业错配现象，但新一代人工智能技术可以提升信息搜寻的广度、高精度地获取并整合就业信息，可以降低信息搜寻成本，最终影响大学生的就业能力。

表7显示发生专业错配的大学生可以通过提高就业信息搜寻能力，提升就业概率。本研究依托AI大模型搜寻、政府就业平台、学校官方渠道、社会公共平台、家庭熟人网络五个维度，构建综合指标衡量大学生信息搜寻能力。人工智能技术打破了各类就业信息渠道的独立割裂状态，能够高效串联并整合多元信息来源：一方面，AI大模型可统一抓取、聚合政府公共就业服务平台、高校就业官网、社会化求职平台的政策文件与岗位信息，打破不同平台间的信息壁垒；另一方面，依托智能检索、智能汇总与精准筛选功能，AI可系统化梳理官方政策内容、社会求职资讯，同时整合碎片化人际就业信息，拓宽信息获取范围、提升信息匹配精度。在此基础上，AI技术大幅降低多渠道信息搜集、甄别与整理的时间成本与认知成本，全面强化大学生多渠道协同的信息搜寻水平，进而优化择业判断，缓解因信息不对称引发的专业错配问题。

（二）人工智能技术对就业影响的调节效应

人工智能技术对就业的影响效应是替代还是互补？在回归模型中引入“人工智能+”和专业错配的交叉项，其中“人工智能+”变量由问卷中“该专业的就业岗位是否受AI技术影响”来度量。如果“人工智能+”和专业错配的交叉项前的系数为正，表明“人工智能+”体现出就业互补效应，能够降低专业错配对就业的负面影响；如果该系数为负，表明“人工智能+”体现出就业替代效应。表8全样本回归结果显示人工智能技术能够降低专业错配对就业的负面影响。即使发生了专业不匹配，大学生也可以把AI作为智能助理，调用原本需要多年训练的专业技能模块，减少因专业门槛过高造成的求职失败概率。大学生还可以使用AI实现快速的技能升级，“边找边学”，实现“即时学习-即时上岗”。发生专业错配的大学生可以借助AI实现后发优势，进入“AI+”创造的新型岗位。

从户籍维度看，城市户籍与农村户籍大学生在人工智能技术的调节效应上呈现显著分化。在城市户籍毕业生群体中，交叉项系数显著为正且数值更高，表明人工智能技术的互补性调节作用更为突出。这一差异的成因在于，城市劳动力市场的智能化应用场景更为成熟，毕业生对智能工具的接受度与使用能力也相对更强，使得人工智能能够充分发挥岗位适配、技能匹配的赋能效应，有效对冲专业错配带来的就业劣势。

从学科维度看，人文社科组与理工医组中人工智能均表现出就业互补效应，但作用强度存在显著差异。人文社科组的交叉项系数显著为正且数值高，说明人工智能技术对该群体的赋能作用最为突出。传统人文社科类岗位多为综合型、服务型，借用AI技术能快速掌握学科大类下的其他专业技术，且能调用AI模块解决其他学科的技术问题。与此同时，人工智能的普及也为传统人文社科领域创造了新的应用场景与价值实现路径，例如，依托生成式人工智能开展数字文创产品开发、文化IP可视化呈现与AI动漫内容制作。AI技术推动人文创意与数字技术深度融合，实现人文精神的市场化、产品化转化，更能缓解人文社科专业错配对就业的负面影响。理工医组虽然也能借用AI技术促进就业，但因为其专业性较强，即使借助AI，可替代性也弱于其他专业。

从学历维度看，高学历毕业生群体中人工智能的调节效应显著为正。高学历毕业生的人力资本积累更为扎实，学习与应用智能技术的能力也更强，能够借助人工智能工具弥补专业错配带来的技能短板，形成学历优势和AI技术支撑的叠加效应，从而有效削弱专业错配对就业的抑制作用。

人工智能技术对专业错配的调节，本质上是通过技术赋能，优化就业市场的资源配置效率，其核心逻辑并非替代人工，而是通过智能化手段，让专业与岗位的匹配更具针对性，减少因信息不对称、专业特性差异带来的错配问题。

五、结论与建议

（一）研究结论

第一，专业错配对高校毕业生初次就业有显著的负面影响。第二，专业错配对高校毕业生初次就业的影响在城乡之间、不同的专业之间、不同的高校之间均存在差异：专业错配对农村大学生就业的负面影响远低于城市大学生；经管和人文等专业，专业错配对就业的负面影响远高于理工和医学专业；办学水平越高的学校，其专业错配对毕业生初次就业的负面影响越小。第三，发生专业错配的大学生可以通过使用人工智能大模型等方式提高信息搜寻能力进而促进就业。“人工智能+”技术能够降低专业错配对就业的负面影响，呈现出互补效应。但这种互补效应在不同的群体之间存在差异。在城市户籍、人文社科类以及高学历毕业生群体中，AI技术的互补性调节效果更为显著，能够有效缓解专业错配带来的就业压力；而在农村户籍及低学历群体中，这一调节作用有限。第四，高校采取的部分措施可以明显缓解专业错配对就业的负面影响，如开设第二课堂、提供精细化就业服务，而部分措施效果目前还不明显，如设置职业规划课程、优化人才培养方案、联系用人单位。

（二）政策建议

国家“十五五”规划关注高校群体就业问题，并指出“促进人工智能助力教育模式变革”“强化人工智能的就业创造效应”。在多渠道深度挖掘就业潜力、促进大学生群体实现高质量充分就业的宏观政策导向下，“人工智能+”时代的就业指导体系亟需进一步深化改革与持续优化。

第一，健全供需适配的学科专业动态调整机制。依托人工智能等技术搭建国家级人才需求预测预警平台，整合产业升级、新质生产力发展对人才的动态需求数据，实现对不同专业就业质量的实时监测与趋势研判。高校需依据预警信息优化人才培养方案，聚焦专业错配风险较高的领域，推进差异化建设，强化与数字经济、现代服务业等领域的对接。健全学科专业退出与增设机制，从源头减少人才供给与市场需求的结构性失衡。

第二，强化专业分流的公平导向与精准指导。目前，高校探索高考志愿填报采取大类招生、入学后按照兴趣和成绩在大类专业下实现分流。专业分流还能弱化家庭社会资本的影响，起到公平调节的作用。因此，高校有必要在专业分流前开设专业指导课程及就业规划课程，通过虚拟仿真体验、企业实地走访等形式，帮助学生精准认知不同专业的就业前景与能力要求。健全分流评价体系，重点向农村生源、家庭社会资本较弱的学生提供个性化指导，保障不同背景学生平等获得适配专业的机会。家庭及社会应该提高对专业分流的重视程度，充分发挥入校后专业分流在就业公平中的“调节器”作用，推动教育公平与人才培养质量协同提升。

第三，构建“人工智能+”多元信息搜寻支持体系，提升毕业生的信息搜寻能力。采用人工智能大模型的技术工具，整合政府公共就业平台、高校就业渠道与社会服务资源，搭建智能化信息对接网络。推广人工智能大模型在岗位匹配、政策解读中的应用，重点提升毕业生信息搜寻的广度与精度，帮助专业错配毕业生快速锁定适配岗位，缓解信息不对称带来的就业压力。

第四，以第二课堂建设深化产学协同育人。在行业特色鲜明、与产业联系紧密的高校建设现代产业学院，主动对接人工智能技术应用带来的岗位需求变革，将智能化产业需求嵌入第二课堂体系。通过实习实训、项目合作、微专业等形式深化专业知识应用，实时了解行业动态、深化第一课堂专业知识、发挥第二课堂对就业的积极促进作用。缩小不同群体在技术适配与就业转化上的差距，让人工智能的正向调节效应更均衡地惠及全体毕业生。

第五，培育学生的人工智能素养，并完善其终身职业技能学习体系。打造人工智能就业技能培育系统，利用“人工智能+”技术提高毕业生即学即用能力，培养学生“人工智能通用能力”“人工智能+行业能力”，搭建专业错配后的技能转型通道、扩展发生专业错配的毕业生的可就业范围，培育大学生“人工智能+”时代的后发优势，助力实现高质量就业。