一、引言

（一）人工智能的发展及在南疆的发展现状

人工智能技术的迅猛发展正引发全球就业市场的结构性变革。王璋、黄春华等学者指出，人工智能技术催生了一系列新兴行业，如数据标注师、人工智能训练师、智能设备操作员等同时，传统重复性岗位面临被替代的风险，技能升级迭代加速，大学生就业结构和就业意向也随之发生变化，对劳动者技能迭代提出了紧迫要求[2]。
南疆地区在国家西部大开发战略、乡村振兴和数字新疆建设的推动下，产业升级和人工智能应用呈现明显加速趋势。在此背景下，南疆地区积极推进智慧能源、数字农业、跨境电商等产业的智能化升级，为区域经济发展注入新动力。与此同时，南疆大学生就业呈现出一定的特殊性与现实困境[3]。一方面，南疆高校学生民族构成多样，主要包括维吾尔族、汉族、柯尔克孜族及回族等，语言能力和文化背景差异明显；另一方面，受地域经济发展水平、产业结构和政策导向影响，本地高质量就业岗位相对有限，学生在职业选择中普遍存在地域选择受限、基层就业倾向明显、专业与岗位匹配度不足等问题。国家民委及新疆人社厅的相关数据表明，民族学生在就业信息获取、职业规划指导以及技能培训机会方面存在不均衡现象，使其在人工智能技术快速发展的背景下，面临新的挑战与适应压力。
综上所述，人工智能的快速发展、南疆地区产业升级与高校人才培养体系的调整，以及南疆大学生就业的结构性特点，共同构成了研究南疆大学生就业意向变化及其影响机制的重要背景，为本研究提供了现实基础和理论支撑[4]。

（二）研究意义

1.理论意义

本研究从人工智能技术的发展视角出发，分析其对南疆大学生就业意向的影响机制，有助于丰富区域化和差异人工智能就业影响理论。本研究的问卷调查数据显示，南疆大学生中已有69.8%感受到人工智能带来的就业冲击，但不同专业的学生在对人工智能的认知、岗位选择与地域倾向上存在显著差异。例如，理工科学生选择新兴人工智能岗位的概率比文科生高24.5%（p<0.001）。这些差异揭示了人工智能影响的结构性与群体异质性，为构建更具解释力的区域就业意向理论提供了实证基础。
此外，在研究方法上引入交叉列联表与二元Logistic回归分析，科学的量化了对人工智能的认知、技能培训、政策感知等变量对就业意向的影响路径。例如，对人工智能技术的认知水平每提高1单位，选择新兴岗位的概率显著增加12.3%（p<0.01），而政策感知度每提高1单位，留疆意愿上升10.8%（p<0.01）。这些量化结果为理论模型的构建与验证提供了可靠的数据支撑，填补了人工智能技术的发展对南疆特定群体研究的空白。

2.实践意义

从实践层面来看，本研究的成果能够为南疆高校人才培养提供精准依据。调研数据显示，塔里木大学70%的学生认为“非常需要”或“比较需要”人工智能相关的培训，但不同专业学生的培训需求存在显著差异（p=0.044）。可据此优化课程体系，增设“AI+农业”“AI+专业课”等区域特色课程，提升学生适应AI时代就业市场的能力。数据显示，参与过人工智能培训的学生留疆概率提升15.2%（p<0.05），而政策感知度对留疆意愿的影响系数达10.8%。政府可据此设计更具针对性的基层就业支持政策、AI技能认证补贴与创业激励措施，提高政策的精准性和有效性，缓解南疆人才外流压力。此外，高AI认知群体的留疆意愿比低认知群体低8.7%，反映出认知差距对地域选择的显著影响。大学生可在充分了解人工智能的发展趋势与区域就业机会的基础上，制定差异化的职业发展路径，主动提升AI适配技能与跨领域协作能力，增强就业竞争力与对职业满意度。

（三）研究思路与方法

1.研究思路

本研究以人工智能发展对南疆地区大学生就业意向的影响为核心问题，构建了“AI 发展 → 就业市场变革 → 南疆大学生就业意向响应”的研究逻辑链。在该框架下设计调查问卷，首先分析 AI 技术在全国及南疆地区的发展态势及应用现状，明确其对产业结构、岗位需求和技能要求的潜在影响；其次，结合南疆地区高校学生的民族构成、专业结构及就业现状，探讨 AI 对就业行业偏好、岗位选择、地域倾向及技能提升意愿等就业意向的作用机制；最后，基于实证分析结果，提出针对高校、政府及学生的优化对策。该逻辑链保证了研究从宏观趋势到微观行为的科学推演，实现了理论分析与实证验证的有机结合。

2.研究方法

为确保研究的科学性与可靠性，本研究综合运用文献研究法、问卷调查法及统计分析法：

1. 文献研究法：通过梳理国内外关于 AI 技术发展、大学生就业意向及区域就业差异的相关文献，明确研究变量、理论基础及分析框架，为问卷设计与模型构建提供理论依据。
2. 问卷调查法：面向南疆塔里木大学的不同年级、专业及民族学生开展问卷调研。问卷设计涵盖核心维度：AI 认知程度、就业意向现状、AI 影响感知及应对行为倾向。数据收集过程中，通过合理的样本设计保证各民族、各专业、各年级群体的代表性，并进行有效性筛选与数据清洗。
3. 统计分析法：

• 用于探讨不同群体（如民族、专业、年级）在 AI 认知与就业意向各维度上的差异，为描述性分析提供定量依据；
• Logistic 回归分析用于识别影响南疆大学生选择 AI 相关职业的关键因素，因变量为“是否倾向 AI 相关职业”，自变量包括 AI 认知、专业类型、民族、技能水平及职业安全感等核心指标。

二、人工智能对南疆塔里木大学大学生就业意向的实证影响

（一）就业意向的总体态势与群体分异

以塔里木大学学生为对象，问卷涵盖 AI 认知、就业意向、技能提升意愿等维度，样本覆盖大一至大四学生，其中大一占比46.8%，大二37.4%，大三8.2%，大四6.4%，研究生及以上仅1.2%。专业分布为理工科（41.5%）、商科（21.6%）、文科（19.3%）、艺术类（1.2%）及其他（16.4%）。

1.对于人工智能技术的认知而言

新兴岗位选择方面，AI认知水平每提高1单位，选择新兴岗位的概率显著增加12.3%（p<0.01p<0.01）。例如，认知水平为4分的学生中，65%倾向于选择数据分析师等职位，而认知水平为2分的学生中，这一比例仅为32%；留疆意愿方面，高认知群体（认知≥4分）的留疆意愿比低认知群体（认知≤2分）低8.7%（p<0.05p<0.05）。通过分析发现，这部分学生更倾向于前往东部技术发达城市（如深圳、杭州）寻求发展机会。
2.对于受众群体而言
专业差异方面，理工科学生选择新兴岗位的概率比文科生高24.5%（p<0.001p<0.001），但留疆意愿无显著差异。例如，计算机专业学生中，78%愿意尝试算法开发岗位，而历史专业学生中仅12%表示感兴趣；技能培训效果方面，参与过AI培训的学生留疆概率提升15.2%（p<0.05p<0.05）。例如，某参与过校企合作项目的学生表示：“通过实训，我发现南疆农业大数据分析有潜力，愿意留疆尝试。”

（二）人工智能认知及就业选择的关键关联

采用spass进行回归分析，结果显示：
(1)专业领域与学生的人工智能了解程度之间不存在统计学上的显著关联。
(2)对人工智能的了解程度越高，为了适应AI而改变职业规划的意愿就越强。这个结论有两大铁证：卡方检验显著：皮尔逊卡方的p值 < 0.001，远小于0.05，证明两者关联绝非偶然。
(3)通过皮尔逊卡方检验的渐进显著性（p值）为 0.044，小于0.05的常规阈值的数据显示，不同专业的学生对于是否需要AI相关培训的态度，存在着统计学上的显著差异。这种差异不是由随机抽样误差造成的，而是与学生的专业背景有系统性关联。
(4)从“总计”的数据可以看到，在所有参与填写调查问卷的学生中可以看出，有69.8% 的学生认为“是，已经产生冲击”；30.2% 的学生认为“否，尚未产生冲击”，这表明，无论专业为何，超过三分之二的学生已经切身感受到了AI发展带来的就业压力，这是一种普遍存在的危机感。

（三）南疆地区大学生就业面临的机遇与挑战

1.AI 带来的就业机遇

围绕AI技术落地需求，催生AI数据分析师、AI工具应用专员、AI训练师等岗位，成为南疆大学生就业的新方向。从学生关注层面看，68.9%的理工科学生更聚焦这类岗位的就业范围与薪资水平，展现出较强的职业兴趣；但42.3%的学生存在竞争力担忧，核心痛点集中在实践经验不足，难以匹配岗位对技术实操的要求。从发展趋势看，超半数学生对未来3-5年这类岗位的需求增长幅度、具体技能要求认知模糊，反映出岗位信息与学生认知间的适配缺口[5]。

2.AI 带来的就业挑战

基础行政文书岗、传统基础操作岗等高度依赖重复劳动的岗位，受AI自动化替代影响较大。73.2%的文科与商科学生担忧未来3-5年这类岗位需求会减少，部分访谈案例也印证了这一认知——AI在文档整理、数据录入等环节的效率优势，正逐步压缩此类岗位的就业空间，相关专业学生面临转型压力[6]。人工智能技术的日益普及使大学生不仅要与同龄人进行就业竞争，更引入了与智能系统的竞争维度。特别是在金融科技和智能物流等高度自动化和数据驱动的领域，人工智能系统展现出了执行任务的高效率，并具备持续自我学习和优化的能力。对于缺乏相关实践经验的大学生而言，这无疑增加了他们在求职市场上的挑战。进一步地，由于人工智能技术的深入应用，企业在招聘时更偏好那些能够与智能系统协同作业，并具备高级分析与决策技能的人才。这种偏好提升了就业市场的进入门槛，对大学生的专业技能和适应能力提出了更高的要求。

三、引导南疆地区大学生适应AI时代的协同路径

（一）学校层面：精准对接区域需求，优化人才培养

优化课程设置：在现有专业课程体系嵌入AI相关内容，结合学科特点设计差异化模块（文科增设“多语种AI应用”课程、商科增设“AI财务数据处理”模块），确保课程与岗位需求对接[7]。当下大学生就业认知、信息获取及服务接受偏好呈个体化与多元化，高校需借助生成式AI重构个性化就业指导体系，实现范式跃迁，推动就业育人精准化、柔性化与成长型。然而，高等教育数字素养培育模式未适应生成式AI发展需求，多数大学生对其技术一知半解且过度依赖，加剧潜在风险。因此，需探索构建适应生成式AI背景的大学生数字素养培育路径。本研究结合现状探讨新目标与策略，为相关方提供建议，推动实践创新发展。生成式AI发展要求大学生具备更强数据分析和处理能力，其技术是AI领域重大飞跃，相比传统AI有显著优势，大量数据被生成处理，大学生要学会提炼有价值信息并分析判断。
增加实践项目：搭建校企合作平台，引入南疆本地AI应用企业真实项目让学生实操；定期举办AI技能竞赛（如AI农业方案设计、政务AI辅助工具开发竞赛），以赛促学提升学生AI实践能力。目前，多数高校就业服务系统停留在基础数据积累阶段，未深入挖掘学生个人特质，无法构建精准画像和实现信息精准匹配。且毕业生数量增加，学生对就业服务个性化需求凸显，现有服务难满足，还面临资源分配不均问题，限制了有效性发挥。

（二）政府层面：完善政策支持，营造良好就业环境

强化人工智能产业扶持与岗位供给，重点聚焦南疆地区的特色优势产业，如智慧能源领域的智能电网、可再生能源技术应用，以及跨境电商产业链中的智能物流、数字营销等细分领域，参照新疆人社厅关于促进就业的相关政策，加大对企业的财税优惠、技术研发支持和人才引进补贴力度，以推动AI技术与产业深度融合，创造更多高质量就业机会[8]。
进一步优化就业激励政策体系，扩大基层就业补贴的覆盖范围，提高补贴标准，特别是对南疆偏远地区和艰苦行业的一线岗位给予倾斜，加快搭建智能化就业服务平台，全面推广AI求职一体机的应用，提供简历优化、岗位匹配、面试辅导等一站式服务；建立区域就业信息共享机制，整合政府、企业、高校等多方资源，实现招聘需求、人才数据、政策信息的实时互通与高效协同，为求职者和用人单位创造更便捷、精准的对接环境。

（三）大学生层面：主动适应变革，提升就业竞争力

明确技能学习方向：结合自身专业与AI就业市场需求，制定清晰的技能学习计划，避免盲目跟风，形成“专业优势+AI技能”的独特竞争力。
主动积累实践经验：利用课余时间参与校内AI相关课题、校外企业实习或志愿服务，通过实际项目积累经验，弥补“实践经验不足”的短板。
建立持续学习意识：关注南疆本地AI应用动态与岗位需求变化，通过线上课程、行业讲座等渠道定期更新AI知识，避免技能固化，适应就业市场的长期变化。

（四）社会与企业层面：协同参与就业支持

企业通过多种途径积极参与人才培养工作，例如推行“订单式”培养模式，与高校建立紧密合作关系，根据企业实际需求共同制定培养方案，并设立专项实习岗位，为学生提供实践机会，促进理论与实践相结合。这种模式可参考新疆地区高校与企业的合作经验，通过校企共建实训基地、开展定向培训等方式，提升人才培养的针对性和实效性[9]。
提供岗位需求信息：系统梳理南疆本地AI相关岗位的需求清单，明确各岗位的技能要求、薪资范围与发展路径，通过就业指导课、线上平台等渠道精准推送，帮助学生消除“岗位认知模糊”问题。

 

参考文献

1. 苏玲.乡村振兴背景下农村籍高职生返乡就业意愿调查分析[J].就业与保障,2024,(07):151-153.
2. 王璋。人工智能对大学生就业的影响与对策 [J]. 青岛远洋船员职业学院学报，2024 (1): 45-50.
3.  王磊， 李静. 数字经济驱动南疆地区产业升级的路径研究[J]. 新疆社会科学， 2022(4): 45-53.
4. 高枫， 赵红梅. 人工智能背景下新疆高校人才培养模式改革研究[J]. 高等教育研究， 2023, 44(1): 88-95.
5. 黄颖， 肖红军. 人工智能驱动的就业结构转型：新职业涌现与技能更迭[J]. 中国工业经济， 2022(5): 78-96.
6. 王林， 戚聿东. 人工智能的就业替代效应：一个文献综述的视角[J]. 经济学动态， 2019(11): 92-105.
7. 王运锋， 黄璐. “新工科”视域下交叉课程建设研究——以“AI+农业”为例[J]. 高等工程教育研究， 2022(3): 45-50.
8. 孙福胜， 陈劲. 人工智能产业政策如何影响高质量就业？——基于技术赋能与岗位创造的双重视角[J]. 科学学研宄， 2023, 41(8): 1401-1411.
9. 顾永安， 陆正林. 我国高校“订单式”人才培养模式的理论审思与实践进路[J]. 高等工程教育研究， 2022(4): 112-117.