2026-2016年中国地级市生成式人工智能暴露度数据、城市GAI暴露度

xiaoniu666

1、资料名称：2026-2016年中国地级市生成式人工智能暴露度数据、城市GAI暴露度

2、测算方式：
参考顶刊《经济学（季刊）》张艺（2026）老师的做法，对 职 业 的 工 作 任 务 进 行 拆分; 其次, 依据职业 中 所 包 含 的 每 一 项 任 务 的 具 体 内 容 描 述, 借 助 大 语 言 模 型

Cha tGPT评估其受生成式 人 工 智 能 技 术 的 影 响 程 度, 根 据 职 业 中 每 个 任 务 受到生成式人工智 能 的 影 响 程 度, 将 其 划 分 为 四 个 等 级, 分 别 为 无 暴 露、 直 接 暴露、 间接暴露以及图像暴露 并 基 于 不 同 的 暴 露 等 级 赋 予 各 任 务 相 应 的 分 值;最后, 对同一职业下所有任务 的 分 值 进 行 加 权 平 均 处 理, 合 成 职 业 层 面 的 ，利用美国O*NET职业分类体系和《中华人民共和国职业分类大典2022》，将职业层面的GAI暴露度映射到企业招聘岗位数据中，从均值法（核心变量）、比例法和中位数法三个维度综合测算企业层面的生成式人工智能暴露度。

我们使用均值法是（核心变量）、比例法和中位数法三个维度综合测算，我们做了三个，大家可以做核心变量或者稳健型检验，多个数据会更加完整！

比例法是某公司某年度高 GAI 暴露度岗位（暴露度 ≥ 0.5）占全部招聘岗位的比例，而均值法和中位数法则是某公司某年度所有招聘岗位 GAI 暴露度的算术平均值或中位数，均值法是核心变量

3、资料范围：
300多个城市，3700多个个样本，年份跨度2016-2026年。2026年非全年数据
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（真实代码，可以向期刊公布，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问题做了解答）及最终结果，大家可以验证一下确保准确性！

4、参考文献：
张艺,姜珊.生成式人工智能对零工工资的影响[J].经济学(季刊),2026,26(3).

此数据为科研课题组自用数据，根据真实的招聘数据和官方职业分类标准一步步做出来的，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，不能反映真正的生成式人工智能暴露度，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，数据处理较为复杂大家可以自行试试。