[论文解读] Exposure of occupations to technologies of the fourth industrial revolution

Benjamin Meindl, Morgan R. Frank+1 more|ArXiv.org|Oct 25, 2021

Innovation Policy and R&D被引用 4

一句话总结

本文提出了一种基于专利的新型任务级指标，利用自然语言处理技术，将900多个职业映射到300多个技术领域，以衡量职业在第四次工业革命（4IR）技术方面的暴露程度。研究发现，建筑和生产等体力劳动职业的4IR技术暴露水平较低，而高薪非体力职业的暴露水平较高，且在专利申请10至20年后对就业增长产生负面影响，为理论上的自动化潜力评分提供了数据驱动的补充。

ABSTRACT

The fourth industrial revolution (4IR) is likely to have a substantial impact on the economy. Companies need to build up capabilities to implement new technologies, and automation may make some occupations obsolete. However, where, when, and how the change will happen remain to be determined. Robust empirical indicators of technological progress linked to occupations can help to illuminate this change. With this aim, we provide such an indicator based on patent data. Using natural language processing, we calculate patent exposure scores for more than 900 occupations, which represent the technological progress related to them. To provide a lens on the impact of the 4IR, we differentiate between traditional and 4IR patent exposure. Our method differs from previous approaches in that it both accounts for the diversity of task-level patent exposures within an occupation and reflects work activities more accurately. We find that exposure to 4IR patents differs from traditional patent exposure. Manual tasks, and accordingly occupations such as construction and production, are exposed mainly to traditional (non-4IR) patents but have low exposure to 4IR patents. The analysis suggests that 4IR technologies may have a negative impact on job growth; this impact appears 10 to 20 years after patent filing. Further, we compared the 4IR exposure to other automation and AI exposure scores. Whereas many measures refer to theoretical automation potential, our patent-based indicator reflects actual technology diffusion. Our work not only allows analyses of the impact of 4IR technologies as a whole, but also provides exposure scores for more than 300 technology fields, such as AI and smart office technologies. Finally, the work provides a general mapping of patents to tasks and occupations, which enables future researchers to construct individual exposure measures.

研究动机与目标

• 基于实际技术扩散而非理论自动化潜力，开发一种稳健且实证的4IR技术职业暴露指标。
• 通过考虑职业内部任务层面的技术暴露差异，改进现有方法。
• 区分传统（非4IR）专利与4IR特定专利的暴露程度，实现对技术对劳动力市场影响的精细化分析。
• 为未来研究提供公开可获取的任务级专利与职业活动映射数据。
• 通过将指标与就业增长和工资水平等劳动力市场结果关联，验证其预测能力。

提出的方法

• 利用专利数据和自然语言处理（NLP）技术，从专利权利要求和说明书中提取并分类技术内容。
• 利用O*Net数据库中的分层任务描述，将专利映射到具体的职业任务，实现任务级精度。
• 根据技术重点（如人工智能、机器人技术或智能办公系统）将专利分类为4IR类与非4IR类。
• 通过聚合任务级专利暴露程度，并按任务频率和相关性加权，计算每个职业的暴露得分。
• 采用时间滞后的方法评估专利申请对就业增长的影响，检验申请后10年和20年的效应。
• 通过将4IR暴露得分与劳动力市场指标及其他自动化指标进行比较，验证研究发现。

实验结果

研究问题

• RQ1 在不同职业中，4IR专利暴露与传统（非4IR）专利暴露有何差异？
• RQ2 专利申请与可观察到的就业增长影响之间存在多长的时间滞后？这一滞后时间是否因技术类型而异？
• RQ3 4IR专利暴露与就业增长变化的相关性有多强？这种关系是凹形还是线性？
• RQ4 4IR暴露在不同工资水平的职业中如何变化？高收入与中等收入职业中呈现出何种模式？
• RQ5 4IR暴露得分能否作为劳动力市场分析中理论自动化潜力度量的可靠补充？

主要发现

• 以体力任务为主的职位，如建筑和生产，对非4IR专利的暴露程度较高，但对4IR专利的暴露程度较低。
• 高薪职业，尤其是金融和市场营销领域，其4IR专利暴露程度显著高于中等和低薪职业。
• 4IR专利暴露与就业增长之间存在负向且呈凹形的关系，其最强影响出现在专利申请后的10至20年。
• 中等收入职业的非4IR专利暴露程度最高，表明技术采纳在收入谱系中呈现出独特模式。
• 4IR暴露得分与未来就业增长的相关性高于近期专利暴露，表明技术创新具有延迟但可衡量的影响。
• 该方法可生成特定技术的暴露得分（例如人工智能、外科手术中的增强现实技术或智能办公工具），支持对劳动力市场的精细化分析。