2. 中山大学社会学与人类学学院
近年来,随着人口红利的消退,我国制造业面临用工短缺严重、人工成本上涨等挑战。为了促进制造业转型升级,2015年国务院提出“中国制造2025”的战略目标,推动企业用“技术红利”替代“人口红利”。使用先进自动化设备进行生产线技术改造,成为我国全面推进“智能制造”的关键一步。在技术升级的浪潮下,我国制造业企业开始大规模使用工业机器人、电脑数字控制机床等自动化生产设备。例如,2017年我国工业机器人销量达13.8万台,是全球最大的工业机器人应用市场[1]。因此,制造业自动化升级已经成为不可避免的发展趋势。
随着我国从低端制造业向先进制造业的转型,制造业劳动者也面临技能再形成的挑战。大量的劳动者需要通过培训学习新的技能,以适应改造后的生产线的需要。中国拥有世界上最大的制造业女性工人群体,2016年女性占全国制造业劳动力的40%。那么,在“智能制造”背景下,劳动者是否能获得更多的企业在岗培训?女性工人能否获得平等的技能提升机会?新一轮的技术革新是否能缓解性别技术隔离,使得女性实现“自我升级”?这些新问题需要进行深入的分析和讨论。但是,目前仅有少数研究分析了“智能制造”战略对工人的技能水平影响[2][3][4],而且这些研究存在“性别盲区”,忽视了技术革新对男性和女性的培训机会和技能提升的影响存在差异。
针对已有研究的不足,本文将从性别视角出发,分析技术升级背景下劳动者技能提升机会的性别差异,并探讨差异背后的原因。具体而言,本文将重点分析男性和女性在获得企业在职培训(on-the-job training)方面的差异。已有的研究表明,在职培训是提高员工的技能水平,进而增加工资报酬、获得升迁机会的有效途径[5][6]。为了分析自动化升级对在职培训机会的影响,本文将对比进行了自动化改造的企业和没有进行自动化改造的企业中在职培训次数的情况,以及两种类型的企业中男性和女性获得培训次数的差异。
本文的研究资料来自2018到2019年在广东省制造业开展的问卷调查和深入访谈资料。2018年7月到10月,作者参加了广东省人力资源和社会保障厅支持的《“机器换人”背景下广东省制造业劳动用工状况调研》,共获得有效企业问卷577份和有效员工问卷1748份。2018年4月到2019年3月,作者走访了广东省80家制造业企业,对超过100名企业管理者和70名一线工人进行了深入访谈。在上述调查的基础上,本文将呈现智能制造趋势下技能提升机会的性别差异,以及其影响因素和社会根源。具体而言,首先,本文将通过问卷调查数据呈现男性和女性获得在职培训次数的差异,以及自动化技术对培训次数性别差异的影响。其次,本文将通过实地调研和深入访谈资料,分析自动化技术对劳动力结构的影响和自动化技术的性别文化特征。在此基础上,本文将对当下我国制造业转型过程中性别与技术的关系进行探讨。
二、文献综述为了探讨技术升级对劳动者技能提升机会性别差异的影响,本文将从三个方面回顾已有的文献:首先是关于技术升级对劳动者技能的影响;其次是关于培训机会性别差异的情况和成因解释,以及技术升级对培训机会性别差异的影响;第三是探讨国内制造业自动化升级对劳动者技能形成的影响的研究。
首先,技术升级对劳动者技能水平的影响是经济学和社会学的研究热点之一,但学术界目前仍存在较大的争议。总体而言,已有的研究主要包括以下三派观点:第一是“去技能化”(deskilling)观点,该观点主要来源于马克思主义的劳动过程理论。布雷弗曼(Harry Braverman)指出,在前工业资本主义时期,工匠掌握了大量的生产知识,但是随着资本主义的发展,资方通过采用泰勒制管理方式和引入自动化生产设备,将生产知识转移管理者和专业人士手中,使得工人的技能水平下降,导致他们对劳动过程的控制权降低[7]。受布雷弗曼的启发,一些学者开始探讨技术革新引发劳动者去技能化的问题,指出数控机床等自动化设备的使用降低了资方对劳动者技能的需求,导致工人的技能降低、工会力量被削弱[8][9]。第二是“技能提升”(skill upgrading)观点,主要源于工业化理论和新古典经济学。该观点认为,技术革新会替代原有的低技术类工作[10][11],提高对较高教育水平的劳动者的需求[12][13],推动资方提供更多的培训机会进而提升劳动者技能[14][15]。其中,Autor等基于对美国劳动力市场的分析,指出电脑技术的应用替代了程序性、低技术工人的工作,同时增加了对非程序性的认知劳动的工人的需求[11]。Roshchin和Travkin通过分析俄罗斯企业提供培训的情况,指出在推行研发和技术升级的企业会为员工提供更多的在职培训机会[15]。第三是“混合效应”(mixed effect)观点,认为技术革新对劳动者技能的影响存在不确定性[16][17]。该观点批评前两种观点带有“技术决定论”色彩,强调了历史的特殊性视角。例如,Kelly的研究发现,自动化技术在西欧和美国对劳动者的技能造成不同的影响,新技术提升了西德劳动者的技能水平,却导致美国工人技能结构的两极分化,这主要是因为两国实施新技术的方式和劳动体制的差异[18]。因此,我们应该在特定的历史阶段和具体的社会环境中考察技术应用对工人技能的影响。
其次,国外学者对性别与在职培训机会的关系已经进行了大量的理论讨论和实证研究。已有的研究内容和结论包括两个方面:第一,已有的研究探讨了在职培训机会的性别差异。学者指出,男性和女性获得的企业在职培训机会存在明显差异,女性获得的培训机会显著低于男性[4][19][20]。国外学者主要从人力资本理论和性别文化理论剖析了培训机会存在性别差异的原因。一方面,人力资本理论从新古典经济学视角出发,主要讨论了经济主体投资教育和培训背后的动机[21]。该理论认为,雇主在决定是否对劳动者的技能培训进行投入时,主要考虑培训投入的成本(培训所需费用和时间等)和收益(增加的生产率)的情况。研究表明,由于女性需要承担更多的再生产劳动,她们的离职率通常高于男性,工作时间和职业生涯短于男性,使得企业对女性的在职培训投资的风险更大、预期收益率更低。因此,雇主更愿意将培训机会投资给男性员工,使得男性的技能水平总体高于女性[4][20]。另一方面,女性主义学者从文化视角出发,提出技术的男权文化特征是影响女性技能提升机会的重要原因[22][23]。学者指出,在西方社会中,人们通常将技术理解为客观的、强有力的、强调竞争和效率的领域,并认为承担技术类工作的劳动者需要具有理性、富有权威和创新能力、喜好竞争等特征。在主流的性别文化中,这些特征被视为男性气质的组成部分,因而雇主通常认为男性更可能在技术类工作方面取得成功,导致雇主更倾向于投资男性在技术方面的人力资本,为男性提供更多的培训和升迁机会[24]。第二,国外已有部分研究讨论了技术升级(technological upgrading)背景下培训机会性别差异的变化,但研究结论尚存在争议[25][26]。一些学者认为,技术革新为女性提供了更多的培训机会,缩小了培训机会方面的性别差距[27]。研究指出,电脑技术、信息技术、自动化技术等新技术减少了对工作中体力劳动的要求,从而弱化男性在工作中的比较优势,有利于女性进入以前由男性主导的岗位[28][29],从而增加女性接触电脑、互联网、自动化设备等先进技术的机会。由于女性工资通常低于男性,在职培训的成本相对较低,雇主也愿意通过培训女性工人使用新技术来替代男性,从而降低用工成本。例如,Simpson对美国20世纪90年代的劳动力市场的研究发现,电脑技术的普及使得雇主提高了对女性的培训投入,导致女性获得更多培训的机会[27]。但是,其他学者认为,技术升级并不会减少培训机会方面的性别差异,反而可能扩大性别不平等[25][26]。研究指出,在技术快速升级的背景下,女性面临更高的“技能折旧”(skill depreciation)的风险[26]。也就是说,当女性因结婚、生育等原因退出劳动力市场后,她们原有的技能可能会因为技术更新而失去效用,从而降低技能培训的收益。因此,在技术快速更新的情况下,雇主更倾向于投资工作时间长、离职率低的男性,导致培训机会的性别差异扩大。一些实证研究指出,虽然技术升级会创造出新的高技术含量工作,如软件工程师、机器修理工、自动化设备研发员等,但是女性很难获得相应的培训机会、实现工作技能提升[25][30]。例如,Gallie通过对20世纪80年代英国劳动力市场的分析,发现自动化技术和电脑技术虽然提高了劳动者的总体技能水平,但是男性比女性获得更多的培训机会,导致两性技能水平差距扩大[25]。
第三,从国内研究来看,目前已有少数前沿研究分析了我国制造业自动化升级对劳动者技能水平和培训机会的影响[2][4]。其中,Bulloto和Lüthje对佛山两家工厂的调查发现,在标准化操作管理制度下,工业机器人等自动化设备的应用对工人技能提升的空间有限[3]。Sharif和黄瑜对东莞8家工厂的调查发现,在引入先进自动化设备后,一些工厂工人被“去技术化”(deskilling)和被替代,但也有一些工厂为工人提供了在职培训,使得工人的技能可以适应新设备的需求[4]。但是,这些研究存在两点问题:第一,已有的研究没有具体分析技术升级对男性和女性获得在职培训机会的影响是否存在差异,存在“性别盲区”。第二,这些研究主要是基于少数几家工厂的案例研究。个案研究虽然能剖析技术升级背景下微观层面劳动关系的变化,但是不利于我们从总体上把握劳动者在职培训机会的变迁。
综上所述,国内外的经验表明,在技术升级趋势下,男性和女性在获得在职培训机会方面存在显著的性别差异。但是,国内十分缺乏从性别视角探讨自动化升级对在职培训机会影响的研究。针对已有研究存在的不足,本文将通过问卷调查数据和深入访谈资料,首先探讨自动化升级是否会增加工人获得的在岗培训机会,其次分析两性获得在岗培训机会的差异,从而探索技术升级与性别关系的内在联系。
三、数据来源本研究的调查地点是广东省。该省是我国制造业最为发达的省份,也是开展制造业技术升级的前沿地带。2016年,广东省规模以上制造业企业的工业总产值达到124828.73亿元,在全国各省份中排名第一。同年,广东省有41627家规模以上制造业企业[31],有约959.7万制造业员工,其中413.0万为女性[32](占43%)。2015年,广东省推出《广东省智能制造发展规划(2015-2025)》战略,积极推动制造业进行自动化改造。因此,广东省为我们了解制造业机器自动化改造和工人的技能再形成路径提供了很好的观察机会。
本研究的问卷数据来自《“机器换人”背景下广东省制造业劳动用工状况调研》数据库。问卷调查采取分层抽样的方法,共覆盖广东省的19个地级市。抽样方式与情况如下:首先,企业层面采取配额抽样,广州、深圳、东莞3市各抽取不低于50户企业;珠海、汕头、佛山、惠州、中山、江门、湛江、肇庆8市各抽取不低于30户企业;韶关、河源、梅州、阳江、清远、潮州、揭阳、云浮8市各抽取不低于21户企业。其次,员工层面采取配额加简单随机抽样的方式,在被调查的企业随机抽取不少于4名一线员工,其中男性、女性至少各2名。最终获得577个有效企业样本,包括291家进行了自动化改造的企业和286家没有进行自动化改造的企业,以及1748份有效员工样本,包括882名男性工人和866名女性工人。
本文重点关注企业应用自动化技术是否会缩小在职培训的性别差异。首先,通过企业问卷中的问题“你们企业有引入工业机器人或者自动化设备进行‘机器换人’吗?”来识别制造业企业进行自动化升级的情况,我们采用二值变量“自动化升级”,1表示进行了自动化升级,0表示未进行自动化升级,这是本文的核心解释变量。在岗培训变量通过员工问卷中的问题“自进入该企业以来,您获得过多少次有关机器操作的培训?”来识别。在本文中,我们重点分析与机器操作有关的培训,主要是因为在引入先进自动化设备的过程中,与机器操作有关的培训是企业技能培训的主要内容,也是一线员工获得技能提升、适应自动化生产的重要途径。
本文的访谈资料来自于作者在广东省的实地调研。两位作者共实地走访了广东省10个地级市的80家企业,包括使用机器人的企业和机器人生产集成企业,并走访了一家机器人培训学院,访谈了超过100名企业管理者(如企业技术部门经理、人力资源部经理等)。以外,作者对超过70名一线生产员工、机器人培训学院学员展开深入访谈,了解企业对雇佣员工的性别偏好,尤其是涉及到机器人操作、调试、维护相关的岗位,以及对在岗培训机会的性别分化,男性和女性对培训机会和技能提升的认知。
四、技能提升机会的性别差异现状接下来,本文将通过问卷调查数据,描述男性工人和女性工人在职培训机会的性别差异,并分析自动化技术对培训机会性别差异的影响。
1. 变量处理已有的研究表明,员工的个体特征和企业特征是影响在岗培训的主要因素[5][26]。在本文中,个体层面的控制变量包括:(1)教育年限。由于受教育程度较高的员工学习和适应新技术的能力通常更强,企业更倾向于将培训机会投资给教育程度相对较高的员工[33]。(2)专业。在员工问卷中,我们调查了大专及以上学历者的专业。我们认为,与人文社科类专业相比,有数控、机械设备等专业背景的员工更有可能获得在职培训机会。(3)年龄。研究指出,年龄是影响在职培训性别差异的重要因素,企业可能不倾向于对年轻的、育龄期妇女进行人力资本投资[27][34],本文利用匹配数据对这一观点进行验证。(4)户口。用于反映在职培训是否存在户籍差异。(5)工龄。通常认为,员工在某一家制造业企业的工作年龄较长,说明他的稳定性较高,可以降低企业对他进行人力资本投资的风险[27]。(6)平均每天工作时间。大量的研究指出,企业更倾向于投资给工作时间较长的员工,以获得更高的人力资本投资的收益率[20][35]。
企业层面的控制变量包括:(1)企业规模。研究指出,由于规模效应,规模较大的企业提供在职培训的人均成本低于规模较小的企业,因而更倾向于开展在职培训[36]。(2)企业年龄。企业的生存年龄越长说明该企业具有越高的市场统治能力,越有能力为员工提供在职培训机会。(3)所在行业。我们认为,与劳动密集型行业相比,资本和技术密集型企业更有可能为员工提供在职培训。(4)所在地区。我们将企业所在地区分为珠三角地区和非珠三角地区,以分析不同地区的制造业企业开展培训的情况是否存在差异。(5)企业所有制。研究表明,企业所有制(公有部门、私有部门等)对在职培训投入存在影响[37],因此本文控制了企业的所有制特征。变量的统计特征见表1。
![]() |
表 1 变量处理及描述(N=1748) |
在开展实证分析之前,我们先介绍自动化企业和非自动化企业中男性和女性工人的基本情况。第一,从年龄来看,自动化企业工人整体年龄更加年轻;此外,两种企业类型内部男性员工均大于女性员工,平均大2岁左右。第二,在工龄方面,自动化企业员工的工龄相对更长,各企业类型内部男性员工工龄也高于女性,平均高0.5年左右。第三,从工作时间来看,自动化企业员工日均工作时间稍长,各企业类型内部男性员工日均工作时长高于女性,平均高0.23小时左右。第四,在户口方面,两类企业员工城市户籍比例都不高,自动化企业中城市户籍员工比例更低。第五,在教育程度方面,两类企业员工平均教育年限均在12年左右,但自动化企业男性员工平均教育年限高于女性,非自动化企业则相反,男性平均受教育年限低于女性工人。第六,在专业方面,在自动化工厂中,分别有33%和6%的男性和女性学习过机械或数控类专业;在非自动化企业中,这一数据分别是27%和5%。这一数据显示自动化企业中男性工人学习过该专业的比例高于非自动化企业;同时两种类型企业中男性学习过机械或数控类专业的比例都远远高于女性(见表2)。
![]() |
表 2 自动化企业和非自动化企业中男性和女性工人的基本情况 |
其次,我们对两种企业类型中与机器操作有关的在职培训的性别差异进行了简要描述。表3显示,在两种类型的企业中,男性获得在职培训的次数都显著高于女性。从表格纵向来看,对于男性工人,自动化升级企业平均培训次数高于非自动化升级企业5.61次;对于女性工人,自动化升级企业平均培训次数只高1.55次。从表格横向来看,在自动化企业中,男性工人获得在职培训的次数比女性工人高5.934次;在非自动化企业中,男性工人获得在职培训的次数比女性工人只高1.86次。上述数据表明,自动化升级有益于增加男性和女性获得与机器有关的在职培训的次数。但是,女性获得的在职培训次数的增长幅度显著低于男性,因此自动化升级扩大了在职培训的性别差距。
![]() |
表 3 与机器操作有关的在职培训的性别差异比较(N=1748) |
回归分析结果显示了各项个体特征变量和企业特征变量对员工获得在职培训次数的影响(表4)。第一,性别变量的系数显著为正,表明在控制其他条件不变的情况下,男性工人获得相应的在职培训机会仍显著高于女性工人。因此,回归分析结果证明与机器操作有关的在职培训存在显著的性别不平等问题。第二,自动化变量的系数同样显著为正,说明企业开展自动化升级会显著提高员工获得与机器操作有关的培训次数。但是,如上所述,增加的培训机会大部分被男性工人获得,女性工人较少从自动化升级引发的技能升级中获益。
![]() |
表 4 员工培训情况回归模型 |
其他控制变量的估计结果与已有的研究发现较为接近。回归分析结果显示,在人力资本变量方面,机械或数控类专业、工作时间对培训次数具有正向作用,说明具有该专业背景、工作时间较长的员工获得的与机器操作有关的培训次数越多。工龄变量的系数显著为正,但是工龄平方变量的系数显著为负,说明随着工龄的增长,员工获得与机器操作有关的培训次数增加;但在工龄增长到一定的程度后,会对员工获得培训的次数产生负向作用。与已有研究的发现不同,教育程度变量的系数显著为负,表明学历越高,获得与机器操作有关的培训机会的可能性下降。这可能是因为自动化机器培训的难度不大,对员工的学历要求不高。此外,户口和年龄对工人获得在职培训的次数不存在显著影响。
总体而言,问卷数据显示,企业自动化升级显著增加了员工获得在职培训的次数。同时,自动化升级扩大了两性在职培训机会的差距,使得女性与机器操作有关的技能提升机会显著低于男性。此外,两性在人力资本方面的差异造成了在职培训次数的性别差距。由于女性具有机械或数控类专业的比例、工作时间、工龄均低于男性,导致女性获得的培训次数少于男性。
五、技能提升的性别差异原因分析上述问卷调查的数据分析结果显示男性工人获得的在职培训机会显著高于女性工人。在这一部分,我们将基于实地调研的田野资料和深入访谈资料,探讨自动化背景下两性培训机会存在差异的社会原因。
“智能制造”所驱动的企业自动化升级是对生产方式和生产流程的改造,其特征是引入工业机器人、数控机床等自动化设备对原有的以人工为主的生产线进行改造,从而实现以减员增效为目标的“机器换人”。生产线的自动化改造不仅导致了大量低技能、重复性的工作岗位被机器人取代,一些需要专门技能的操作岗位也纷纷被取代,例如焊接、车铣、打磨、抛光。而对另外一些技术类岗位的需求则不断增加,如机器(人)操作员、调试工程师、以及自动化工程师等研发人员。例如,在作者调研的一家高度自动化的手机外壳生产企业,车间里一千多台数字控制机床和数百台工业机器人相互配合完成所有的生产和加工作业:机器人负责给相应的机床投料和上下件,机床则按照既定程序完成打孔、车铣、打磨、焊接等十几道手机壳加工工序。工人数量屈指可数——为数不多的普工负责物料运输和补充;技术工人负责设备巡查和维护,每人负责五十台机器;另外还有少量工程师和管理人员负责整体运营。如此一来,企业的劳动分工发生重置,劳动力结构产生的巨大变化:大量的生产、操作类的岗位由工业机器人和其他自动化设备所替代,技术类岗位则愈发集中在数控、自动化、机器人应用等相关领域,其他的生产操作技能则被弱化。
Vallas基于对美国造纸厂的民族志研究,指出随着新的自动化生产系统的引入,工程师塑造了自身和体力劳动者之间的道德边界和文化边界,进而影响了工作场所中的权力关系和劳动分工[38]。一方面,工程师将自身定义为专业的劳动者,认为体力劳动者是不负责任的、粗心的;另一方面,他们将自身掌握的专业知识界定为理性的、具有创新性的科学知识,而体力劳动者的知识则被认为是次等的、非理性的。同时,体力劳动者积极挑战了工程师建构的道德边界,并策略性地接受了工程师的知识更为优越的论述。因此,车间场所里符号边界的建构和角力是工作组织变迁的重要环节。受这一研究的启发,我们从性别视角出发,分析了自动化升级背景下管理人员和工人如何区隔“男性能力”和“女性能力”并对其赋予不同的价值,从而重塑了工作场所的劳动秩序和两性分工,并造成了男性和女性获得的技能培训机会的差异。
上文指出,在控制其他变量的情况下,性别仍对培训次数存在显著影响。这说明当工人的教育水平、专业背景、年龄、户口、工龄、工作时长等特征相同的情况下,企业仍倾向于将与机器有关的培训机会投资给男性工人。访谈资料发现,企业在培训方面的“性别偏好”主要通过“能力偏好”得以显现。在企业管理者和高级技术人员的论述中,男性和女性分别具有不同的能力:男性被认为“天生”对机器更敏感、对钻研技术更感兴趣、动手能力和逻辑思维能力更强,这些能力优势使得男性更合适去学习自动化技术。相反,女性工人被认为在手指灵巧度、细心和耐心、沟通能力等方面具有优势,但是在动手能力和逻辑思维、理性思维能力方面都弱于男性,导致进行自动化技能培训的效率和收益差,从而合理化优先对男性进行培训的做法。例如,一位负责厂内培训工作的工程师在访谈中提到:
问:“公司在进行这种(机器操作)技能培训的时候,会优先培训男员工吗?”
答:“对,这个肯定是会的,因为他上手快啊,你一说,基本上像这种操作,动手能力的话,你说一遍,基本上摸索一下就能够直接干活了,是这样。因为女性来说的话,她的接受能力,确实是没有男的那么强。比如说在开车方面,男的确实上手快,因为他天生的动手能力强一点。”(JNGD-HY工程师,男,30岁)
另一名工程师也表达了类似的看法:
“可能跟爱好有关或者男女本来选择就不一样,像有的男生会比较喜欢运动,比较活泼一些嘛。女生可能稍微喜欢安静一点,不太习惯动手嘛。我们学机电一体化这方面,……这个偏向体力活儿嘛,然后逻辑性的要求比较高。……可能男生的那些逻辑能力会强一点吧,偏向理科方面的,动手能力这方面的东西可能会强。”(LBKJ-LY机器人工程师,男,29岁)
男性工人通常也赞同上述观点,通过突出男性和女性在能力方面的差异以巩固男性的优势地位。此外,男性工人在访谈中会提到,因为自动化设备的引入,车间里存在“噪音”、“脏”和“危险”等情况,这样的工作环境需要体魄更为强健、更能吃苦耐劳的男性才能胜任。因此,他们通过展现自身在身体素质、体能、忍耐力方面的能力强调男性的优势。同时,他们会通过贬低女性来凸显自动化技术和女性气质的矛盾。在访谈中,一些男性工人会强调女性存在“胆子小”、“恐惧机器”、“怕辛苦”等弱点,因此不合适参加和机器操作有关的培训。例如,男性工人提到:
“我们做的岗位还是有一定的危险程度的……像被机械手臂打到之类的,这些风险都是存在的。……女生胆子比较小吧,因为很多女生还是从个人心理方面,她认为这个设备可能会伤害到她……这个像车一样,为什么说女司机就是马路杀手,女生开车少呢,女生操作(机器)少,很多从心理上对(机器)设备有一点恐惧吧。”(LBKJ-WL机器维修工,男,30岁)
“基本上女的很少往技术方面发展……很少有女生愿意一辈子跟(机器)设备打交道,总是愿意往一些比较轻松一点的……不会说跟男生一样,动动手,脏点累点无所谓这样子。”(YLBZ-WFS技术工人,男,28岁)
面对生产车间中的性别能力区隔,一些女性工人通过分析自动化技术的新特点,指出女性能力和自动化技术并不存在矛盾,从而强调女性一样能胜任自动化岗位的工作,应该获得相应的技能培训机会。首先,一些女性工人指出自动化设备的引入降低了一些工作对体力劳动的要求,使得女性在体能方面的相对劣势被弱化,因而女性也能够操作自动化设备。访谈过程中,一名女性技术工人指出:
“我目前的岗位跟男生没什么区别,他能做的,我也能做。因为现在自动化后,我们工作也不是很累,主要是操作(机器)屏幕,没有什么体力活儿。……我感觉女的只要做技术方面,只要有专人培训的话,一样可以胜任的。但是现在都是,他们从一开始说要培训技术方面的人的时候,他(管理者)都是以男性为主的,……所以说女性的机会比较少。”(JKDZ-LCP技术员,女,28岁)
其次,一些女性工人指出“细心”、“善于社交”、“沟通能力好”等“女性能力”也是胜任自动化岗位的重要条件,凸显自身和自动化技术的关联。例如,一名女性技术员提出:
问:“您觉得女性她的编程能力、操作机器的能力会比男性弱吗?”
答:“这个不会的。……因为女性她比较细心一点。因为编程、操作机器也要细心,要是毛毛躁躁的,容易出错,那个工作就没意义了……还有社交也是,工作过程中总要和其他人打交道,要沟通工作上的问题,我感觉女性在这方面都处理得比较好……所以说我感觉女性还是有优势的。”(DSXW-XYL技术员,女,26岁)
尽管如此,女性工人较少挑战对于两性能力差异的刻板印象。她们通常也接受了两性在体能和思维能力上存在差异的观念,认同男性比自身更加理性、更有逻辑性、动手能力更强、更懂自动化设备、体魄更加强健的看法,进而强化了生产车间里的性别秩序。正如一名女性工人谈到:
“第一,男孩子对物理方面的东西,机器方面的这种东西,他的兴趣会比女生大。第二,男孩子的动手能力,肯定会比女孩子高一些。如果说一个家庭里面,你动手去修灯泡这些活儿,都是男孩子做嘛,女孩子一般很少做。这就是一种,也不是说规定的,但是它其实真的是普遍存在的现象。”(JNGD-HMX普工,女,26岁)
综上所述,在引入自动化技术的背景下,不同的行动者通过定义和强调“男性技能”和“女性技能”及其与自动化技术的关系,影响了在岗培训机会的性别差异。管理者和男性工人强调了身体力量、逻辑和理性思维等主要是男性具有的能力,认为自动化升级趋势下男性能力相对更为重要、更有价值,以合理化培训资源分配的性别不平等;女性工人则淡化了自动化技术的男性文化特征、强调了女性能力和自动化技术的契合度,从而争取更多的培训机会。但是,女性工人通常认同了主流的性别观念,对自身的理性思维、逻辑思维、体能等能力的主观评价较低,导致她们在一定程度上接受了管理者在安排技能培训时的性别偏好。
此外,性别差异在企业之外的技能培训上尤为明显。作者从一个商业的机器人培训学院了解到,参加过该学院培训的数百名学员中,有且仅有过1名女性学员。这些学员既有由企业出资的技术人员,也有自费参与的普通打工者以及职业学校的学生。不管是哪种类别的学员,几乎都是男性。据了解,参加一个月的该类商业培训所需学费、生活费约一万元,还不包括学员的误工损失,因此这类培训所需要的人力资本投资比企业内部的在职培训高出许多。我们的访谈资料也显示,几乎没有受访女性劳动者参加过商业性的机器操作相关的技能培训。由此可见,对于人力资本投入更高的商业性技能培训,两性所能获得的机会差异更为悬殊。
值得注意的是,我们虽然强调了男性工人比女性工人获得了更多技术赋权的机会,但是一线男性工人通过参加在岗培训实现技能提升和工作晋升的空间是非常有限的。普通男性工人经过企业在岗培训可以成为机器(人)操作工,但是他们很难通过内部劳动力市场晋升为研发人员和工程师。后者通常是有大学学历的男性,有自动化技术、软件工程等相关专业背景,掌握编程、软件开发、机械设计等更为复杂的技能,他们在工厂中获得的经济收入、声望和地位也显著高于前者。与此同时,研究人员和工程师通过区隔“低端技能”和“高端技能”塑造了不同男性气质的等级秩序和权力关系。与机器(人)操作员的男性气质相比,研发人员和工程师塑造的男性气质存在显著不同:前者更加强调体格强健、吃苦耐劳等体力劳动方面的优势,塑造了较为粗犷的工人阶级男性气质;而后者则更突出自己在创造性思维、研发能力、科学研究能力等脑力劳动方面的优势,并强调这些技能是更为稀缺、高级的技能,因此建构了更为精英的中产阶级男性气质。这也提醒我们,在引入自动化技术的背景下,男性劳动者塑造男性气质的路径并不是趋同的,而是根据学历、岗位、工作层级、经济收入、技能水平的不同存在显著差异。同时,对不同技能的区隔和赋值是塑造男性气质内部差异和权力关系的重要途径。由于篇幅的限制,本文将不具体讨论两种男性气质的建构过程和互动过程。但是,我们认为接下来的研究可以进一步探讨自动化升级趋势下不同男性气质的复杂关系。
总体而言,我们发现自动化技术的性别文化特征排斥了女性,自动化升级扩大了两性在技能形成上的差距,但值得注意的是,现阶段的劳动力相对短缺状况在一定程度上弥合了企业在岗位选择和技能培训上的差异和偏好。我们的调研数据显示,尽管实施了“机器换人”,但33.48%的企业仍反映存在严重的缺工,58.26%的企业表示还是有一点缺工,仅有8.26%的企业已不存在“用工难”问题。从企业的角度而言,他们往往期望用最低的培训成本雇佣到最合适的劳动者,因此具有机电、自动化相关专业背景和从业经验的男性通常较具优势。然而,近几年随着人口红利的消失以及年轻工人愈发不愿意进入制造业,企业在用工上的选择也减少了,大多数企业均放宽了对性别、年龄的限制,并且不惜提升培训成本自行培训员工。对于基础类的技术岗位如自动化操作员,由于对体力没有高要求,对于学历的要求也较低(初中以上即可),因此女性工人也开始变得常见了,这也解释了为什么自动化升级的企业相较未升级的企业为女性提供了更多的在职培训机会。然而,这种劳动力短缺的状况仍未能完全消弭根植于传统性别文化的“技术父权主义”。随着“机器换人”的普及化,当劳动力短缺得以缓解的时候,这种性别差异是逐渐消弭了还是加剧了,仍有待未来的进一步验证。
六、结论:“技术赋权”还是“技术父权”?新一轮的自动化升级浪潮正在深刻地影响我国制造业工人的技能形成体系,也在重塑着工作场合中的性别权力关系。本文通过问卷调查数据、实地调研和深入访谈资料,剖析了企业内技能提升机会的性别差异现状,自动化技术对企业的用工结构的影响,以及自动化技术的性别文化差异。我们的研究发现,总体上而言,企业自动化升级提高了男性和女性工人获得的与机器操作有关的在职培训等技能提升机会。但是,从问卷数据来看,这次技术革新给男性工人带来的培训次数显著高于女性。因此,尽管企业智能制造趋势和自动化改造给部分劳动者带来了“技术赋权”的机遇,部分劳动者(包括男性和女性在一定程度上获得了技能提升的机会,但“技术父权”仍然显著—男性工人获得的在职培训次数显著高于女性,导致男性和女性在技能提升机会方面的差距扩大。
“技术父权”存在的原因是复杂且相互关联的,其中重要的原因之一是对两性能力的界定和赋值差异。管理者通常认为,男性和女性具有的能力存在显著差异:男性工人在理性思维、逻辑思维、操作机器能力、体能等方面存在优势;而女性工人在手指灵巧度、社交能力、沟通能力等方面具有优势。在技术升级背景下,理性思维、逻辑思维等能力被认为更加符合自动化生产的需要,因此更适合培训男性工人学习自动化技术。相反,女性能力被认为不能契合自动化技术的需求,人力资本投入的收益较低。企业管理者通过塑造两性的“能力区隔”力图合理化他们对不同性别的偏好、掩盖性别歧视。与此同时,男性工人通过突出自身的体能优势和忍耐力,强化了车间里的性别能力区隔,凸显了女性的“能力不足”和自动化生产要求之间的矛盾。另一方面,女性工人积极挑战了资方和男性工人的性别论述,强调自动化技术对体力劳动的需求降低,从而削弱了女性在体能方面的相对劣势,同时指出女性能力如细心、沟通能力对自动化生产的重要性。但是,女性工人并没有从根本上挑战车间里的“性别能力区隔”,她们认同了两性能力存在差异的看法,并承认自身的逻辑能力、理性思维等方面弱于男性。因此,生产车间中围绕两性的能力区隔的角力是影响在岗培训机会的重要环节。
综上所述,本文认为,性别是影响工人的培训机会和技能形成路径的重要因素。在自动化升级背景下,女性仍然难以获得与男性完全平等的技能提升机会,这将不利于女性实现“自我升级”、适应自动化生产的需求,并可能造成制造业女性就业率下降、劳动力市场性别分隔加深、性别工资差距进一步扩大。妇女与发展理论认为,通过“意识唤起模式”(consciousness-raising model)对妇女进行培训是促进妇女发展的重要途径[39],即通过改变受传统文化影响的价值观、态度和行为对妇女进行赋权。因此,我们认为,在企业大规模引入工业机器人等先进设备的同时,需要推动性别意识培训,改变社会大众、企业管理者和工人对两性能力的刻板印象,让女性意识到自身在学习自动化技术方面的潜力,挑战车间场所中的性别能力区隔。企业管理者应积极鼓励女性工人发展和自动化技术有关的人力资本,为女性提供平等的在职技能培训机会;在基础教育和职业教育领域,国家教育部门和学校也应重视女性学习理工科知识和鼓励她们选择自动化相关学科,从而提升女性劳动者进入技术领域的机会,并最终推动教育及工作领域的性别平等,打破“技术父权”。
[1] |
国际机器人联盟. World Robotics 2018 Edition. https://ifr.org/downloads/press2018/Executive_Summary_WR_2018_Industrial_Robots.pdf.[2019–05–01].
|
[2] |
Huang Y. ,N. Sherif.. From ‘labour dividend’ to ‘robot dividend’: Technological change and workers' power in South China.
Agrarian South: Journal of Political Economy, 2017, 6(1): 53-78.
DOI: 10.1177/2277976017721284. |
[3] |
Bulloto F., B. Lüthje. ‘Made in China 2025’: Intelligent manufacturing and work. In K. Briken et al. (Eds.) The new digital workplace. Houndsmills: Palgrave. 2017: 42–61.
|
[4] |
Sherif, N. , Y. Huang.. Industrial automation in China's " workshop of the world”.
China Journal, 2018, 81(1): 1-22.
|
[5] |
Evertsson, M. Formal on-the-job training: A gender-typed experience and wage-related advantage?.
European Sociological Review, 2004, 20(1): 79-94.
DOI: 10.1093/esr/20.1.79. |
[6] |
Polavieja, J. C.. Socially embedded investments: Explaining gender differences in job-specific skills.
American Journal of Sociology, 2012, 118(3): 592-634.
DOI: 10.1086/667810. |
[7] |
[美]哈里•布雷弗曼. 劳动与垄断资本: 二十世纪中劳动的退化. 北京: 商务印书馆, 1978.
|
[8] |
Nobel, D. Forces of production: A social history of industrial automation. London: Transaction Publishers, 2011.
|
[9] |
Shaiken, H. Numerical control of work: Workers and automation in the computer age.
Radical America, 1979, 13(6): 29-45.
|
[10] |
Acemoglu, D., P. Restrepo. Robots and jobs: Evidence from US labor markets. IDEAS Working Paper Series from RePEc, 2017.
|
[11] |
Auto, D., Levy, F., Murnane, R. J.. The skill content of recent technological change: An empirical exploration.
The Quarterly Journal of Economics, 2003, 118(4): 1279-1333.
DOI: 10.1162/003355303322552801. |
[12] |
Doms, M., Dunne, T., Troske, K. R.. Workers, wages, and technology.
The Quarterly Journal of Economics, 1997, 112(1): 253-290.
DOI: 10.1162/003355397555181. |
[13] |
Alder, P. S.. Automation, skill and the future of capitalism.
Berkeley Journal of Sociology, 1988, 33: 1-36.
|
[14] |
Greenhalgh, C., Mavrotas, G.. Job training, new technology and labour turnover.
British Journal of Industrial Relations, 1996, 34(1): 131-150.
DOI: 10.1111/j.1467-8543.1996.tb00474.x. |
[15] |
Roshchin, S., Travkin, P.. Determinants of on-the-job training in enterprises: The Russian case.
European Journal of Training and Development, 2017, 41(9): 758-775.
DOI: 10.1108/EJTD-05-2017-0050. |
[16] |
Kelley, M. Programmable automation and the skill question: A reinterpretation of the cross-national evidence.
Human Systems Management, 1986, 6(3): 223-241.
|
[17] |
Form, W. On the degradation of skills.
Annual Review of Sociology, 1987, 13(1): 29-47.
DOI: 10.1146/annurev.so.13.080187.000333. |
[18] |
Kelley, M. New process technology, job design, and work organization: A contingency model.
American Sociological Review, 1990, 55(2): 191-208.
DOI: 10.2307/2095626. |
[19] |
Duncan, G. J., Hoffman, S.. On-the-job training and earnings differences by race and sex.
The Review of Economics and Statistics, 1979, 61(4): 594-603.
DOI: 10.2307/1935790. |
[20] |
Hallden, K. Taking training to task: Sex of the immediate supervisor and men's and women's time in initial on-the-job training.
Work and Occupations, 2015, 42(1): 73-102.
DOI: 10.1177/0730888414555583. |
[21] |
Becker, G. Human Capital. 2nd ed. New York: Columbia University Press, 1975.
|
[22] |
Acker, J. Hierarchies, jobs, bodies.
Gender & Society, 1990, 4(2): 139-158.
|
[23] |
Sappleton, N., H. Takruri-Rizk. The gender subtext of science, engineering, and technology organizations.
Women's Studies, 2008, 37(3): 284-316.
DOI: 10.1080/00497870801917242. |
[24] |
Eriksson-Zetterquist, U., D. Knights. Stories about men implementing and resisting new technologies.
New Technology, Work and Employment, 2004, 19(3): 192-206.
DOI: 10.1111/j.1468-005X.2004.00137.x. |
[25] |
Gallie, D. Patterns of skill change: Upskilling, deskilling or the polarization of skills?.
Work, Employment & Society, 1991, 5(3): 319-351.
|
[26] |
Dieckhoff M., Steiber, N.. A re-assessment of common theoretical approaches to explain gender differences in continuing training participation.
British Journal of Industrial Relations, 2011, 49(S1): 135-157.
|
[27] |
Simpson, P. A., Stroh, L. K.. Revisiting gender variation in training.
Feminist Economics, 2002, 8(3): 21-53.
DOI: 10.1080/0003684022000026656. |
[28] |
Weinberg, B. A.. Computer use and the demand of female workers.
ILR Review, 2000, 53(2): 290-308.
DOI: 10.1177/001979390005300206. |
[29] |
Juhn, C., Ujhelyi, G. and Villegas-Sanchez, C.. Men, women and machines.
Journal of Development Economics, 2014, 106: 179-193.
DOI: 10.1016/j.jdeveco.2013.09.009. |
[30] |
Hacker, S. L.. The culture of engineering.
Women's Studies, 1981, 4(3): 341-353.
|
[31] |
广东省统计局. 广东省统计年鉴. 北京: 中国统计出版社, 2017: 380.
|
[32] |
国家统计局. 中国劳动统计年鉴. 北京: 中国统计出版社, 2017: 165.
|
[33] |
Knoke, D., Ishio, Y.. The gender gap in company job training.
Work and Occupations, 1998, 25(2): 141-167.
DOI: 10.1177/0730888498025002002. |
[34] |
Green, F.. Sex discrimination in job-related training.
British Journal of Industrial Relations, 1991, 29(2): 295-304.
DOI: 10.1111/j.1467-8543.1991.tb00242.x. |
[35] |
Boll, C., E. Bublitz.. A cross-country comparison of gender differences in job-related training.
British Journal of Industrial Relations, 2018, 56(3): 503-555.
DOI: 10.1111/bjir.12299. |
[36] |
Black, D., Noel, B and Wang, Z.. On-the-job training, establishment size and firm size.
Southern Economic Journal, 1999, 66(1): 82-100.
DOI: 10.2307/1060836. |
[37] |
李实, 杨修娜. 我国农民工培训效果分析.
北京师范大学学报(社会科学版), 2015(6): 35-47.
|
[38] |
Vallas, S. Symbolic boundaries and the new division of labor: Engineers, workers and the restructuring of factory life.
Research in Social Stratification and Mobility, 2001, 18: 3-37.
DOI: 10.1016/S0276-5624(01)80021-4. |
[39] |
李小云,林志斌. 性别与发展理论述评.
社会学研究, 1999(5): 1-10.
|
2. School of Sociology and Anthropology, Sun Yat-sen University