南京大学新闻传播学院研究员（非全时）吴令飞参与的一项题为《科研、教育和就业之间的技能差异揭示数据经济需要软技能》的研究发表在《美国科学院院刊》上。

数据经济时代需要“硬技能”更需要软技能：

高等教育的目标是为学生提供与未来工作相匹配的技能和专业知识，而科研的目标是通过对专业知识的研发来驱动高等教育。科研，教育，与就业三者构成了一个完整的管道，实现着人类社会对劳动力的培育，输送和使用。在技术变革年代，知识与技能的供给和需求往往面临着失衡的问题。随着大数据的兴起和人工智能技术的发展，“数据经济时代”已经到来。企业和社会对劳动力的技能和专业知识的需求也在不断变化，对科研院校和教育机构提出了更多的挑战。

这一项由芝加哥大学、印第安纳大学、南京大学、美国Burning Glass咨询公司等机构进行的联合研究，系统性分析了一万三千个技能关键词在过去七年间（2010-2016）发布的一亿两千万份招聘广告、三百万份课程大纲和一百万研究论文上被提及的频率，发现人类社会对编程、财务、统计等“硬技能”（hard skills）的需求越来越大。与此同时，研究人员发现，沟通、管理和团队合作等“软技能”（soft skills）频率波动的时间序列与硬技能之间存在密切相关，硬技能需求的增加驱动着与之适配的软技能的增加。在数据经济和人工智能时代，硬技能可以理解为人与机器对话，处理信息的能力，软技能可以理解为人与人对话，传递价值，创造意义的能力。在大规模协作已经成为常态的现代生产经济中，对硬技能的协同和使用，以发挥其经济价值，离不开软技能。

研究人员进一步发现，相比起“硬技能”，“软技能”在科研和教育方面并没有得到充分的重视，造成了劳动力供给和需求的不匹配。这一点本质上由于现代科学知识生产的碎片化和工业化导致的。“硬技能”和“软技能”在科研活动中是切割和被分别处理的。这就导致在工业界常常需要有兼具软硬技能的人才，但学校的科研与专业设置使其难以实现这个目标。 论文图5使用双曲嵌入（hyperbolic embedding）机器学习模型展示了在科研和就业两个系统中软技能和硬技能非常不同的关系。在招聘广告中，一种软技能往往会和各种不同的硬技能一起出现，但不同硬技能彼此之前并不会一起出现，例如互联网公司产品经理的职位需要具备沟通和表达能力、也需要对编程技术有一定了解。但是两种硬技能，例如财务审计和编程技术，往往就对应着不同的两个职位。这就导致软技能在词的共现网络（co-occurence network）中起着桥梁的作用，中介度（betweeness）比硬技能高；在网络层级结构中，软技能处于高层，硬技处于底层。与就业广告不同，在科研论文中，软硬技能的关键词不会一起出现，因为无论什么技能，都会被当做是一个具体的问题，以现代科研的标准方法进行研究，得到一个零碎的知识结论。这就导致软技能在词的共现网络（co-occurence network）中，在网络层级和中介度上，与硬技能没有明显区别。总结而言，这两种技能在科研和就业上处于分离和混合的两个极端，高等教育的课程设置则是在这两个极端中的一种过渡状态。

论文图5：最重要的一千个技能关键词在过去七年间（2010-2016）人类社会的百万研究论文，三百万份课程大纲，和一亿两千万份工作招牌广告中共同出现的网络嵌入二维双曲空间（hyperbolic space）之后的效果。“软技能”（soft skills）以黄色表示，“硬技能”（hard skills）以紫色表示。双曲空间嵌入是一种揭示数据中隐藏的层级结构的机器学习方法，词的共现网络（co-occurence network）嵌入该空间后，两点之间的夹角代表相似性，点到圆心的距离代表其在层级上接近顶点的程度。

本研究对高等教育课程设置、研究机构课题选择、政府等公共机构和私人基金科研经费规划等多个方面有着实际的应用价值。在数据已经成为经济的主要驱动力、机器取代人力、劳动力自动化日益明显的今天，高等教育在提供与数据分析、统计、编程等硬技能有关课程的同时，需要提供更多关于传播、管理、沟通等软技能的课程。而科研体系在增加对软技能研究的同时，也需要反思：以经费申请、论文写作与发表等方式为主要手段的，对知识进行割裂处理的现代知识生产体系，是否真正带来我们需要的知识和创新？高等教育在多大程度上还可以继续驱动就业，而不是被就业所驱动而被迫改革。

论文信息：Börner, Katy; Scrivner, Olga; Gallant, Mike; Ma, Shutian; Liu, Xiaozhong; Chewning, Keith; Wu, Lingfei; Evans, James A. (2018). Skill discrepancies between research, education, and jobs reveal the critical need to supply soft skills for the data economy. Proceedings of the National Academy of Sciences, 115(50), 12630-12637. https://doi.org/10.1073/pnas.1804247115

吴令飞于2013在香港城市大学获得传播学博士学位，现任芝加哥大学社会学系博士后，2018年开始担任南京大学新闻传播学院研究员（非全时），同时在腾讯研究院等机构兼职。作为一个计算社会科学（computational social science）研究者，他关心的核心问题是如何使用人工智能技术超越人类知识与技能的局限，释放人类社会的生产潜能以及寻找和构建文化意义的能力。他认为人类知识与技能系统是一个复杂的、由社会成员集体共同构建而成的系统。概念体系和思考范式等认知要素、语言和媒介等传播要素，一方面使得知识累积成为可能，另一方面也限制着知识可能的形状。因此，在表达方式、计算能力与传播载体等方面产生的技术变革，不仅影响着一个社会的价值、规范与结构，也决定了一个社会如何思考，以及最终能够知道些什么。

他之前的研究工作探索了20-21世纪传播技术变革的社会影响：移动计算，大数据，人工智能这些当代技术扩大了科研团队的边界，使团队更倾向于巩固而不是颠覆既有理论范式；想法，观念，和品味在更密集的人际交互中加速碰撞，收敛和极化；生产自动化和人工智能革命重新塑造我们对于工作技能价值的认知，并快速改变着就业版图；信息消费者和生产者的界限日趋模糊，集体注意力的流动速度越来越快。这些工作在Proceedings of the National Academy of Sciences, Scientific Reports, Physical Review E等期刊上发表，并被 New Scientists 和Science daily等科学媒体报道。他目前关注如何使用人工神经网络（artificial neural network）来推进管理学、传播学、社会学一些重大命题的理论和实践，例如使用机器学习来实现团队成员技能的自动化推荐（people2vec），定量描述小说与电影的叙事结构，以及使用机器辅助科学与技术创新等。

吴令飞同时是中国最大的非官方科学俱乐部之一集智俱乐部的核心成员。他积极促进跨越学科、地域、和行业的复杂系统思考和计算社会科学方法，在哈佛大学肯尼迪政府管理学院，芝加哥大学社会学系，清华大学公共管理学院，南京大学新闻与传播学院，腾讯研究院，知乎，彩云科技等机构主持讲座、读书会、工作坊、研读营等学术交流活动。他认为当前人类社会面临的最急迫问题之一是人类长期演化形成的心理和认知结构，以及与之对应的生活和工作模式在人工智能年代所面临的挑战。他致力于使用计算社会科学方法与技术来回应这个问题，希望能更好地理解和改善我们所生存的世界。