2025-2016年县域人工智能技术暴露度数据、县域人工智能技术暴露度数据

xiaoniu666 · 发表于 2023-8-27 09:49:20

1、资料名称：2025-2016年县域人工智能技术暴露度数据、人工智能技术暴露度（综合）、人工智能技术暴露度（文本处理）、人工智能技术暴露度（数据分析）、人工智能技术暴露度（编程开发）、招聘岗位数、覆盖企业数（省、省代码、地级市、地级市代码、县域、县域代码）

2、测算方式：
参考顶刊《管理世界》张丹丹（2025）的研究做法，本文利用文本分析法，通过上市公司在线招聘岗位的招聘岗位名称与职位描述中特定工作任务的披露频次来刻画县域人工智能技术暴露度（AI Exposure）。具体而言：借鉴Eloundou等（2024）与Felten等（2023）构建大语言模型人工智能技术暴露指数的思路，将招聘岗位的工作任务分为13大类别（文本处理、内容创作、数据分析、编程开发、信息检索、客户服务、财务会计、销售推广、人事行政、设计创意、教育培训、法务合规、物流操作），各类别基于其与AI/大语言模型技术的替代互补程度赋予差异化的暴露度权重（0.20~0.85）；通过关键词词频匹配计算加权综合得分，综合暴露度取值0~1，数值越大表示人工智能技术暴露度越高。县域层面以该县域当年招聘岗位综合暴露度的均值度量人工智能技术暴露度，并按"工作区域"依据GB/T 2260行政区划代码归属到县域，同时输出文本处理、数据分析、编程开发三个代表性任务维度的暴露度分解得分以及招聘岗位数、覆盖企业数等重要变量。

我们多做了几个变量（人工智能技术暴露度综合是核心变量，其余可以做稳健性检验，复现说明对此介绍的非常详细），如下图所示，包括核心变量或者稳健性检验及过程变量，数据全流程公开，每个原始数据及过程都清晰可查（非主观编造），大家可以做核心变量或者稳健性检验，多个数据更加容易显著！

3、资料范围：
2462个区县，17586个观测值，年份跨度2016-2025年。
样本已剔除退市公司（依据上市公司基本信息数据最新上市状态筛选；北交所/新三板存续公司保留）。
具体数据分布情况如下方描述性统计。
包括原始数据、计算代码（stata和python代码都有，真实代码，可以向期刊公布，每一步都可以复现和做重复实验）、完整的复现说明（教大家一步步复现，做法过程全部公开，无数据黑箱，并且对复现过程常见疑问做了解答）及最终结果（最终结果格式是excel电子表格格式，非常方便大家导入到自己数据里面），大家可以验证一下确保准确性！

4、参考文献：
[1]张丹丹,于航,李力行,胡佳胤,莫怡青,李泓孛.中国人工智能技术暴露度的测算及其对劳动需求的影响——基于大语言模型的新证据[J].管理世界,2025(7):59-83.
[2]Eloundou T, Manning S, Mishkin P, et al. GPTs are GPTs: Labor market impact potential of LLMs[J]. Science, 2024, 384(6702): 1306-1308.
[3]Felten E, Raj M, Seamans R. Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses[J]. Strategic Management Journal, 2021, 42(12): 2195-2217.

此数据为科研课题组自用数据，根据真实的公司招聘数据一步步做出来的，每一步都可以复现和做重复实验，非仅仅只有一堆文件胡编乱造（根据参考文献瞎编结果根本就没有研究价值，不能反映真正的人工智能技术暴露水平，实证围绕着错的结果根本就毫无意义浪费大家时间），真正的原创一手认真整理数据，数据处理较为复杂。