社会技能在韩国劳动力市场中的重要性2024

June 10, 2024 社交技能在韩国劳动力市场中的重要性 Jiwoo Han · Soojung Chang · Samil Oh ① 随着人工智能和其他自动化技术的发展，各行各业对劳动力需求的结构性变化越来越明显。因此，了解哪些技能是当前需求并受到高度评价变得比以往任何时候都更为重要。本论文借鉴近期强调社会技能重要性的文献，定量测量国内劳动力市场中的社会任务和技能，并考察社会技能在劳动力投入和工资方面的重要性是否有所增加。 ② 在劳动投入方面，过去14年（2008-2022）间，社会技能密集型职业的比例上升了7个百分点（从49%增至56%）。相比之下，数学密集型职业的比例仅增加了5个百分点（从50%增至55%），而低社会技能-低数学密集型职业的比例则下降了8个百分点（从43%降至36%）。这表明，随着劳动力市场的整体技能水平提升，社会技能的重要性也在上升。 ③ 关于工资方面，社会技能在劳动力市场中的回报呈现上升趋势。2007年至2015年间，社会技能标准差的增加使实际小时工资提高了4.4%。而在2016年至2020年间，这一增幅达到了5.9%。另一方面，认知技能的回报似乎在近年来有所下降。 ④ 社交技能的重要性在美国劳动力市场中也日益凸显。这一现象可以解释为，社交互动基于难以编码的默会知识，因此难以通过其他方式替代。 自动化方面取得进展。因此，在自动化进程中较不易受到影响的社会技能，如团队合作和沟通能力，预计将在未来变得更为关键。 * 数据服务团队，数字创新办公室（jiwoo.han@bok.or.kr） ** 劳动力市场研究团队，研究部（crystalj@bok.or.kr） *** 劳动力市场研究团队，研究部（samil.oh@bok.or.kr） ▪免责声明：本文观点仅代表作者个人观点，并不一定反映韩国银行的官方观点。在报道或引用此论文时，应始终明确列出作者的姓名。▪作者感谢姜明春、金孙斌和金善完在准备本文过程中提供的帮助。任何剩余的错误均由作者独自负责。 Ⅰ. 导言 制造业4)这表明社会技能在国内劳动力市场中的重要性也在增加。 随着人工智能和其他自动化技术的发展，许多传统上由人类完成的任务正越来越被机器取代。因此，理解劳动力市场中最需要哪些能力和技能比以往任何时候都更加重要。众多研究1)已经证明了认知技能2)积极影响劳动力市场结果。然而，最近的研究表明，社交技能——有效沟通和与他人合作的能力——也在劳动力市场表现中发挥着重要作用。值得注意的是，迪明（2017）强调了在美国劳动力市场中社交技能日益重要的趋势。3). 研究社交技能的相关研究较为有限，主要原因是这些技能难以定义和量化。因此，本研究借鉴现有文献来量化和测量家务劳动市场中的社交任务和技能。本研究旨在通过分析劳动力投入和工资来确定社交技能的重要性是否确实有所增加。本研究的核心问题如下： 我们如何衡量社会任务和▪社交技能? 具有社交技能的重要性▪增加? 在韩国，企业在选拔候选人时越来越重视社交技能。如表1所示，越来越多的企业最近倾向于选择具有较强社交技能的候选人。候选人with坚强沟通能力和团队合作能力方面得到了强调，而对“ 专业知识”的重视程度与过去相比有所下降。这一结果令人意外，考虑到STEM（科学、技术、工程和数学）领域的高比例。技术,Engineering,数学) 在韩国的工作 ， 尤其是在 Ⅱ. 社会技能的重要性 ： 劳动投入视角 基于工人调查的数据，我们量化了职业中非常规分析任务（数学）、社交技能和常规任务的强度。6),7) 1. 非常规分析(数学) 任务的测量 ， 社会技能 ，and常规Task按职业组划分的强度 特别是，非常规分析（数学）任务强度通过以下方面进行测量：（i）数学推理能力，（ii）数学知识，以及（iii）完成任务所需的数学技能（详见表2）。社会技能强度则通过（i）协调能力和（ii）谈判能力来衡量。最终，常规任务强度衡量指标包括：(ⅰ) 工作自动化的程度，以及(ⅱ) 重复执行相同任务的重要性。所需的要素还包括：(ⅲ)说服力，以及(ⅳ) 社会洞察力，以完成一项任务。8) 遵循 Autor 等人 (2003) 的方法 ， 我们测量了非常规分析 (数学) 任务 ，5)社会技能和不同职业中常规任务的强度。美国劳工部开发的O*NET系统提供了广泛职业所需能力、技能和知识的详细信息。 2. 人工投入大幅增加的任务类别 t10)得出平均任务输入。该指标旨在显示劳动力输入的变化11)后续每年的每一项单独任务相对于2008年的基线进行比较。2008年的平均任务输入被构造设定为第50百分位。 为了识别在过去14年（2008-2022）期间劳动投入显著增加的职业类别，我们估计了2008年分布百分位数中的任务输入变化。利用2008年进行的区域就业调查数据，我们计算了三种任务强度的平均值。9)通过按照行业、教育水平和性别对受访工人进行分组，共形成了大约1,200个组。然后我们为每个组计算百分位数，并按劳动力投入加权这些百分位数。 如 < 图 1 > 所示 ，12)劳动输入在社会任务方面增幅最为显著。具体而言，2008年至2022年间，社会任务的劳动输入激增了9.6%，这一增幅在三大任务类别中最高。相比之下，数学任务的劳动输入仅上升了6.8%，而常规任务在此期间几乎没有变化，仅增加了1.1%。 4.7个百分点和2.3个百分点分别增加，导致所有社交技能密集型职业的就业份额总共增加了7.0个百分点（<图2>）。同时，数学密集型职业的就业份额仅温和增长了5.3个百分点。值得注意的是，低社交高数学职业的就业份额仅微增0.6个百分点，这表明对社交技能需求的增长是劳动力市场技能升级总体趋势的一个独特现象。此外，低社交低数学职业的就业份额下降了7.6个百分点，表明劳动力市场的整体技能水平有所提高。 注：1）均值任务输入按2008年分布的百分位数计算，其中每个任务在2008年的百分位数设定为50。数据来源：O*NET、区域就业调查、作者的计算。 然而，观察到社会技能强度与非常规分析（数学）任务强度之间存在正相关关系（+0.56），这表明社会技能重要性的上升可能是劳动力市场整体技能升级的反映。为了进一步探究这一现象，我们重新审视了劳动投入的变化，并将职业分为四个互斥的组别进行分析。13)基于社会技能和非例行分析（数学）任务强度的 中值，按照Deming（2017）的方法。社会技能强度高于中值的职业被分类为“高社会技能”，而低于中值的职业则被分类为“低社会技能”。作为“低社会 ” 。同样 ，根据数学任务强度 ， 职业被分为 “高数学 ” 或“ 低数学 ” 。14) 高社会数学职业和高社会数学职业的就业份额增加了 Ⅲ. 社会技能的重要性 ： 工资视角 价值在于确保该指标与认知技能水平成正比。随后，通过计算三个科目的平均得分并将其标准化为均值为0、方差为1的正态分布来得出认知技能指标。 1. 个体认知和社会技能的测量 个体工人的认知和社会技能通过青年面板（YP2007）的数据进行了定量测量。该面板从2007年到2020年跟踪了15-29岁之间的青少年和年轻人，共计14年。15)该调查提供了有关韩国青年从学校过渡到职场的宝贵见解，并可用于评估个人在进入劳动力市场之前所具备的技能和能力对其后续表现的影响。 借鉴Deming（2017）的研究，社交技能通过回答关于学校生活满意度、同伴群体特征和个人特征的问题来衡量。进行了Cronbach’s Alpha测试。18)进行了与学校生活和社会交往相关的调查项目，以识别出七个最可靠的社会技能指标（见表3）。学校生活的满意度指的是同伴关系的质量和对课外活动的满意度。同伴群体特征考虑的因素包括亲密朋友的数量、在校参与社交活动的程度以及同伴中的受欢迎程度。个人特征包括在公众面前讲话的能力和清晰表达自己想法的能力。对于每一道七个调查问题中的每一个，基于相同问题被询问的所有年份，计算出了每个个体的平均得分。19) 受访者的大学学习能力测试(CSAT) 结果被用作认知技能指标。16),17)受访者被要求将每个科目的百分等级测试成绩报告到五个类别中，我们使用了三个主要领域的测试成绩。科目:韩语语言,数学和英语语言。调查设计如下：较低的响应值 对应更高的测试分数。因此，我们转换了响应值。 最终，社会技能指标通过标准化每次调查问题的响应值并随后计算平均值来得出。 2. 认知和社会技能和工资 认知和社交技能 ： 工资效应和互补关系 为了评估个体认知和社会技能对工资的影响，进行了回归分析，参考了Deming的方法。 (2017) 。因变量 ()是实际小时工资的对数。解释变量包括认知技能() 、社交技能 () ， 以及交互认知和社交技能术语。该分析还控制性别、年龄和 结果仍然存在一致when非认知技能21)被纳入解释变量（<Table 4 (2)> ）。这表明，在各种非认知技能中，社交技能能够独立提供关于个体能力的信息。此外，当将教育水平作为解释变量加入模型以控制高等教育对工资提升的影响时，社交技能与工资之间的关系仍然具有统计显著性（<Table 4 (2)>）。 资料来源 ： YP2007 (2007 - 2020) ， 作者计算。注: 1) * * * p < 0.01, * * p < 0.05, * p < 0.10 。2) 归类为低于高中 ， 高中学校毕业 ， 大专毕业 ， 学士学位 ， 硕士学位学位和更高。 我们观察到认知技能和社会技能之间的互补关系。当认知技能和社交技能分别提高一个标准差时，工资增幅分别为10.0%和5.1%，而同时提高这两种技能则额外增加了1.1个百分点的工资增幅（<表4>（1））。这一发现表明，工人同时具备认知技能和社会技能有助于在劳动力市场上取得更好的结果。 为了理解社交技能回报随着时间变化的情况，我们估计了以下回归模型。关键变量与之前回归中使用的相同。为了更有效地捕捉时间变化，引入了一个虚拟变量（dummy variable）。) 被介绍给 代表总样本期 (2007 - 2020 年) 内的最近五年 (2016 - 2020 年) 。  21) 类似于Lee（2013）的研究，非认知技能通过青年面板问卷中的一个项目进行衡量，该项目要求当前不在劳动力市场中的受访者评估某些价值观（成就、利他主义、多样性、智力追求、自主性）在其职业决策中的重要性。 研究结果表明，在最近几年中劳动力市场的社会技能回报增加，而认知技能回报在同一时期下降。具体而言，社会技能每标准差的增加在2007-2015年间平均使工资提高了4.4%。这一比率在2016-2020年间上升至5.9%，相比前九年期间上升了1.5个百分点。相反，认知技能每标准差的增加在2007-2015年间使工资提高了10.9%，而在2016-2020年间降至9.3%，反映了与早期时期相比下降了1.6个百分点（<表5（1）>）。 这些发现表明，在劳动市场中社交技能的重要性已增加，不仅体现在就业比例上，也体现在工资水平上。22) 四、社会技能与职业选择 1. 社交技能高的工作者选择社交技能密集型工作吗? 为了确定工人是否根据技能进行分类，选择与个人技能相匹配的工作，使用了个体技能和职业任务强度进行了以下回归模型的估计。因变量（Dependent variable (）) 是常规任务和社交技能职业强度 ， 在上一节分析。解释变量包括认知技能 () 、社交技能() ， 以及认知的交互术语并且包括社会技能、性别、年龄、教育水平、年份、行业以及认知任务强度的O*NET控制变量     2. 技能匹配工作的工人获得更高的工资吗 ？ 接下来，我们估计那些技能与工作所需能力高度匹配的工人的实际小时工资是否更高。使用对数实际小时工资值作为回归模型的因变量。解释变量包括