基于生成式AI的成人孤獨癥就業平臺包容設計

關鍵詞：生成式人工智能；包容性設計；成年孤獨癥；就業服務平臺；個性化支持

一、研究背景

近年來，隨著孤獨癥譜系障礙（ASD）研究的深入，成年孤獨癥群體的就業與社會融入問題備受關注。據統計，中國孤獨癥患者超1000萬[1]，就業率僅5% ～ 15%[2]。其就業率長期偏低，崗位多集中于貨架整理、洗車等重復性、低技能工作，現有支持體系難以匹配個體能力特長，導致職業發展受限。近年來，中國一些地區探索了“融合教育+ 職業培訓”模式，例如廈門星緣艔咖啡工坊采用“導師制+ 崗位適配”模式，為孤獨癥人士提供職業培訓，提升就業適應能力。

從全球視角來看，《聯合國殘疾人權利公約》已將孤獨癥人士納入殘疾人權益保障范疇，強調其就業權利與社會服務。各國相繼出臺相關政策，如中國的《殘疾人就業促進條例》、美國的“神經多樣性就業計劃”等，鼓勵企業雇傭孤獨癥人士，并提供職業培訓與無障礙支持。國際研究表明，孤獨癥人士在邏輯分析、模式識別、數據處理等領域具有較強優勢。加拿大 Specialisterne 和 SAP Autism at Work 計劃已將孤獨癥群體引入數據分析、軟件測試等高技能行業[3]。然而，現有政策在執行過程中仍存在覆蓋面有限、個性化支持不足、培訓與市場需求脫節等問題[4]。

生成式人工智能為解決這些問題提供了新機遇。基于自然語言處理（NLP）的智能推薦可優化崗位匹配，情境模擬與社交訓練助力職場適應[5]，結合人機交互與個性化算法實現精準技能評估與職業規劃[6]。此外，包容性設計與無障礙設計提升平臺可訪問性，情境感知技術與可視化引導降低認知負擔，增強自主決策與職場適應能力[7]。

基于此，本研究提出智能化就業支持平臺“榆樹ELM”，整合崗位匹配、技能提升、社交輔助功能，旨在提升成年孤獨癥人士就業率與社會融入度。“榆樹”寓意堅韌與守護，ELM 代表賦能（Empower）、連接（Link）、激勵（Motivate），通過技術與設計融合優化社會資源配置，推動包容性就業環境發展。

二、文獻綜述

（一）成年孤獨癥人群就業支持體系的多方聯動模式：近年來，孤獨癥支持研究從單一主體扶持轉向多方協作模式，基于社會融合理論和多方協作理論，強調政府、社會組織、企業及家庭等多元主體的協同，通過資源整合與政策優化提升孤獨癥群體就業率與融入度[8]。

在中國，政府主導的就業支持體系已取得了一定進展。例如，上海“陽光就業計劃”由政府牽頭，聯合企業及社會組織，構建“培訓—就業—跟蹤”三位一體的支持模式，通過職業培訓、心理輔導和崗位適配，提高孤獨癥人士的就業穩定性和職場適應能力。北京市“星星就業工程”則依托政府政策引導與企業社會責任（CSR）相結合的方式，鼓勵企業開發適配崗位并提供長期職業支持。然而，這些模式仍面臨崗位供給有限、企業參與度不均衡的問題。

國際上，孤獨癥就業支持體系已形成較為成熟的實踐經驗。美國Autism Speaks 組織的“Workplace Inclusion Now （WIN）”項目，依托雇主聯盟建立從職業評估、技能培訓到在職支持的全流程閉環體系，強調企業內部的文化適應性建設。英國 Ambitious about Autism 組織通過專業化輔導、政策倡導與企業包容性文化塑造，提升孤獨癥人士的職業適配度。丹麥 Specialisterne 專注于高附加值行業（如軟件測試、數據分析），充分發掘孤獨癥人士在邏輯分析與專注力方面的優勢，顯著提升其就業穩定性和職業發展空間[9]。這些案例表明，政府引導、企業參與及社會組織支持的多方協作體系，可有效改善孤獨癥就業環境。

盡管多方協作模式展現出一定成效，但在實踐中仍面臨諸多挑戰：政策協調不足、企業參與度低、就業支持體系碎片化，以及缺乏系統性數據支撐和理論框架構建[10]。基于此，本研究將探索生成式人工智能如何優化就業匹配、提升資源配置效率，并結合包容性設計策略，構建智能化就業支持體系。

（二）生成式人工智能在就業支持中的應用：生成式人工智能，尤其是大型語言模型（LLMs），在就業支持領域展現出廣闊的應用潛力。憑借其強大的信息處理能力與自適應學習特性，生成式AI 在優化崗位推薦、提升職業發展支持及增強社交適應性等方面具有重要價值，為孤獨癥群體的就業支持提供了創新路徑[11]。

1. 生成式AI 在就業支持中的應用優勢

（1）精準崗位匹配與職業發展規劃：生成式AI 結合自然語言處理（NLP）和深度學習算法，可實現職位描述解析、簡歷信息提取、用戶畫像構建等功能，提升崗位匹配的精準度。基于用戶的技能特征、興趣偏好和職業目標，AI 可動態生成個性化就業推薦方案，并輔助求職者優化職業發展路徑[12]。

（2）智能社交輔導與情感支持：孤獨癥群體在職場環境中的社交障礙是影響就業穩定性的關鍵因素。生成式AI 結合情感計算（AffectiveComputing）技術，可提供虛擬社交訓練、職場交流模擬，并在對話交互中給予適應性指導，提升其溝通能力與社會融入感[13]。

（3）大數據驅動的就業資源優化：生成式AI 可通過大數據分析挖掘孤獨癥群體的就業需求趨勢，識別影響其就業質量的關鍵因素，并為政策制定者提供數據支持。此外，AI 還可優化企業崗位設置，幫助企業設計適合孤獨癥人士的工作任務，提升崗位適配性。

2. 生成式AI 在就業支持中的挑戰與局限

（1）數據偏差與公平性問題：現有AI 訓練數據主要基于普通求職者，孤獨癥群體的就業需求、社交特征等信息尚未充分納入，可能導致匹配模型的適用性不足，影響推薦結果的公平性和精準度[14]。

（2）情感理解能力有限：盡管AI 在語義分析、對話生成等方面取得一定進展，但在非結構化溝通場景下仍存在局限。例如，孤獨癥人士的表達方式與社交習慣不同于普通求職者，如何優化AI 對孤獨癥群體的情感理解能力，以提供真正有效的社交輔助，是當前研究的難點。

（3）系統穩定性與隱私保護：AI 系統的穩定性與可解釋性直接影響用戶信任度。如果匹配算法缺乏透明度或在求職建議中出現不可預測的偏差，可能影響用戶體驗和就業決策。此外，就業支持平臺涉及求職者的個人信息，如何確保數據安全、隱私保護與合規性，是AI 系統落地的重要挑戰[15]。

（四）綜述總結

文章分析了成年孤獨癥就業現狀、支持體系實踐及生成式AI 應用，明確了當前就業支持的主要問題。

1. 合作機制不足：政府、企業、公益機構協同不暢，資源整合有限，社會認知度低，阻礙可持續支持體系構建。

2. 就業困境突出：崗位選擇受限，職業培訓不完善，個性化支持不足，影響就業穩定性與發展。

3. AI 應用挑戰：數據精準度、情感理解及系統穩定性待優化，行業規范缺失限制技術推廣。

為此， 本研究設計了基于生成式AI 的就業支持平臺“ 榆樹ELM”，通過智能推薦與無障礙設計，為社會包容性發展提供創新路徑。創新點包括：

1. 智能崗位匹配：利用精準數據建模與AI 技術，實現高適配崗位推薦，提升求職效率。

2. 職業發展與情感支持：通過動態技能評估與AI 社交訓練，助力長期職業規劃與職場適應。

3. 可持續優化體系：結合AI 自適應機制與無障礙設計，促進企業參與與資源共享，推動可持續發展。

三、研究方法

本研究采用定性與定量相結合的方法，結合訪談、數據分析和用戶體驗測試，系統性探索成年孤獨癥群體就業支持的痛點與優化路徑。結合多方數據與技術應用，確保研究結果的可靠性，為構建包容性就業平臺提供實踐依據。

1. 文獻研究與案例分析：整理國內外就業支持體系、生成式 AI 應用及無障礙交互設計等相關研究，分析崗位適配度等數據，為平臺設計提供理論基礎。

2. 實地調研與深度訪談：對成年孤獨癥求職者、家屬、企業 HR 及公益機構進行訪談，分析其就業需求、適應難點與支持期待，結合用戶行為數據驗證需求與痛點的準確性。

3. 原型測試：搭建“榆樹ELM”交互原型，通過用戶測試評估無障礙設計、崗位推薦準確度及用戶體驗，迭代優化方案。

四、數據分析

（一）用戶需求分析

1. 用戶調研：成年孤獨癥人士因社交障礙難以清晰表達就業與社交需求。本研究通過訪談揭示了其潛在愿望與實際困難。調研在廈門市星緣艔咖啡工坊（福建省首家為心智障礙青年設計的就業實踐基地）進行，共訪談8 名成年孤獨癥人士（詳見附錄）。結果顯示，該群體渴望通過工作獲得社會認可與自我價值實現，薪資期望較低，更重視經濟獨立與社會融入。多數受訪者來自中低收入家庭，就業不僅能緩解家庭經濟壓力，還能提升其自信心與社會參與度。

2. 用戶畫像：目標用戶為有就業意向且具備一定獨立生活能力的成年孤獨癥人士，他們渴望通過工作減輕家庭負擔、穩定生活并實現自我價值。基于訪談數據，用戶畫像（見圖1）提煉出以下三大痛點：

（1）社交障礙：溝通能力不足影響日常生活與職場表現。

（2）資源困境：缺乏適配崗位信息與系統化職業指導。

（3）家庭壓力：經濟依賴加重家庭負擔，亟需通過就業改善現狀。

3. 用戶旅程圖：用戶在求職過程中常在信息篩選時感到困惑，因崗位要求不清而焦慮，并因溝通受限而受挫。平臺應簡化信息獲取，提供簡歷與面試輔助，并強化入職后指導，完善支持體系以優化用戶體驗（見圖2）。

（二）現有平臺分析：為明確市場現狀并識別改進方向，本研究調研了BOSS 直聘、Specialisterne 和 Hire Autism 3 個具有代表性的求職招聘平臺，并對其功能、市場定位、目標群體及優勢劣勢進行了系統性分析（見表1）。

盡管現有平臺在支持特殊群體就業方面做出了探索，但在針對成年孤獨癥群體的深度支持方面仍存在局限性，主要體現在以下4 個方面：

1. 個性化匹配不足：未充分考慮孤獨癥人士的特殊認知與需求。

2. 社交與情感支持缺乏：缺少針對性的訓練與輔助。

3. 長期穩定性不足：缺乏職業發展跟蹤等長期支持。

4. 區域性限制：缺乏中國本土化解決方案。

現有平臺在技術與包容性理念上有進展，但針對成年孤獨癥群體的深度支持不足。“榆樹ELM”將聚焦個性化匹配、社交支持與長期穩定性，通過生成式AI 與包容性設計，優化就業支持體系。

五、平臺開發與設計

（一）開發架構 ：本平臺采用前后端分離的開發模式，前端負責UI 界面開發與交互，后端專注于數據處理與業務邏輯實現。二者通過接口文檔進行通信，實現邏輯與界面的解耦，提升開發效率和可維護性。開發過程中，接口文檔需詳細規范每個請求的方法、參數以及響應內容，確保功能實現的精準性與一致性（見圖3）。

（二）前端服務：本平臺的前端服務分為網頁端與移動端。網頁端基于 Vue.js 框架構建，充分利用其組件化開發模式和響應式設計特性，實現高效開發與優異的用戶體驗。通過 Vue Router 進行路由管理，確保頁面的流暢切換；利用 Vuex 進行狀態管理，實現應用數據的集中管理，從而提升應用的可擴展性和性能。移動端則采用 Flutter 框架，實現跨平臺（iOS 和 Android）的高性能用戶界面。Flutter 的 Widget系統提供了豐富的視覺效果和流暢的交互體驗，通過 getx 管理頁面的狀態和路由，簡化了狀態管理和路由導航的復雜性。為確保平臺的可訪問性， 網頁端遵循 Web Accessibility Initiative - Accessible RichInternet Applications （WAI-ARIA） 標準，移動端則利用 Flutter 的語義化Widget，為包括成年孤獨癥人士在內的所有用戶提供無障礙的瀏覽體驗。

（三）界面設計：界面設計以成年孤獨癥人士為核心，遵循包容性設計的“可適應性”與“用戶中心”原則，以及無障礙交互設計的“可感知性”“可操作性”“可理解性”理念。針對其認知與感官特點，集成語音輸入、可視化圖標及無障礙動畫，降低操作難度；優化信息層級與交互細節，增強自主性。移動端UI 突出直觀性與包容性，減少學習成本（見圖4）。

（四）后端服務：后端開發環境是基于 Maven 構建的 SpringBoot框架，集成 MySQL 數據庫、星火大模型和多個開源組件助力業務邏輯實現。Maven 是管理和理解軟件項目的工具，依據項目對象模型，通過POM 文件自動管理項目構建、依賴下載、插件擴展和項目生命周期各階段，簡化開源庫管理。Spring 是輕量級 IOC、AOP 容器框架，為開發者專注業務邏輯提供基礎服務。SpringBoot 基于 Spring4.0，繼承其優秀特性并簡化配置，利于搭建和開發。

后端程序架構主要是分模塊架構和 SpringBoot 三層架構。分模塊架構把后端程序分為 common、pojo、server 三大類，模塊職責單一，可增強代碼的可維護性、擴展性與重用性。SpringBoot 三層架構包括接收請求等的 Controller、處理業務邏輯的 Service、執行數據庫交互的Dao，實現層間解耦，便于理解、測試和修改代碼。

MySQL 數據庫部署在云服務器，用于存儲業務邏輯必要數據，是受歡迎的關系型數據庫，性能高、可靠且易用。星火大模型用于生成用戶個性化推薦信息，是多功能認知智能大模型，具有強大的語言理解、內容生成和知識問答能力，注重個性化且持續進化。

此外，項目還用多種開源組件或技術。AOP 處理公共字段自動填充；Spring WebMVC、全局攔截器和 Jwt 令牌校驗用戶登錄；全局異常處理器統一處理異常；Mybatis 簡化持久層代碼編寫；阿里云 OSS 存儲云圖片；Redis 緩存數據；MD5 加密敏感信息；Slf4j 管理日志；Knife4j 生成和管理 API 文檔；FastJSON 解析和生成 JSON 數據。

六、平臺運營與優化

（一）運營策略：平臺運營圍繞大齡孤獨癥人士就業展開，整合多方資源提升服務效能。用戶獲取方面，依托公益機構、線下活動及社交平臺觸達目標群體，引導注冊集中人力資源。測評與培訓環節，與醫院及評估機構合作，建立就業檔案，并通過線上愛心地圖匹配職業培訓資源，強化就業能力。崗位匹配上，特需人士完成培訓后，系統推送就業檔案至匹配企業，企業可選擇線上或線下面試，平臺收取信息服務費。

針對崗位供給不穩定問題，平臺聯合政府、社區及公益組織創設愛心小店等項目，雇傭特需人士，并與高校、志愿組織合作推廣，收入用于工資發放與平臺運營。資金來源包括政府撥款、募捐、公益項目及企業服務費，并采用募捐分紅模式激勵長期公益參與。同時，社交化募捐增強用戶體驗，并探索就業公益保險，為平臺可持續運營提供保障。

（二）商業模式：平臺采用多邊服務模式，連接特需人士、公益組織和企業，提供就業支持、資源對接和招聘服務。平臺通過服務費和公益項目盈利，并通過社區互動和募捐增強用戶參與（見圖5）。

（三）系統部署：平臺部署于華為云 ECS（JDK 21、MySQL 8），集成 Nginx 作為反向代理，應對高并發。反向代理提升安全性（匿名、防攻擊）、負載均衡及緩存效率。

數據設計方面， 平臺主要存儲以下類型的數據：包括用戶的個人信息、職業技能、興趣偏好以及在平臺上的行為數據；企業的相關信息和發布的招聘信息；平臺上發布的職位描述和要求；提供的培訓課程及其進度信息；以及用戶在平臺上的社交互動數據。

為了保障數據的安全性，平臺對關鍵數據進行加密存儲。同時，平臺會定期對所有數據進行備份，以防止數據丟失，確保在發生意外情況時能夠快速恢復。

網絡安全采用 Https 協議，阿里云提供域名與 DNS，自制 SSL 證書配置 Nginx 加密數據，安全組僅開放必要端口（443），實時監控流量防異常。詳細部署流程如下：先使用 Maven plugin 將 Spring Boot 后端工程打包成。jar 文件在服務器啟動，再用 Node.js 打包并部署 Vue 前端工程，最后配置并啟動 Nginx，使其監聽域名請求、配置 Web 主頁并將請求轉發到后端服務器。

（四）用戶測試與優化：為驗證平臺在實際應用中的有效性，我們于福建省廈門市星緣艔咖啡廳進行了用戶測試，共有20 名成年孤獨癥志愿者參與。測試旨在評估平臺的操作流暢度、用戶情緒反應以及數據準確性，并針對就業與社交功能進行了場景化測試。測試結果顯示，在瀏覽崗位、投遞簡歷、模擬面試、發布動態和留言回復等功能中，用戶的成功率普遍較高，但不同功能的平均完成時間存在差異。

具體而言，瀏覽崗位的成功率在80% 至95% 之間，平均完成時間為35 秒至60 秒；投遞簡歷的成功率在75% 至90% 之間，平均完成時間為40 秒至65 秒；模擬面試的成功率在70% 至85% 之間，平均完成時間為55 秒至75 秒；發布動態的成功率在85% 至95% 之間，平均完成時間為25 秒至35 秒；留言回復的成功率在85% 至95% 之間，平均完成時間為18 秒至25 秒（見表2）。

基于用戶測試結果和用戶反饋意見，方案在以下幾個方面進行了修改提升：

（1）增加提示性設計，使用更直觀的圖標和觸發反饋（聲音或震動）。（2）將滑動操作優化為單點觸摸，以適應大齡孤獨癥用戶需求。（3）提供更安靜或半隔離的操作環境，增強用戶的專注度。（4）在就業功能中，添加更直觀的引導流程圖，明確每個步驟操作提示。（5）提升社交功能的交互體驗，增加更簡單直接的留言快捷模板。

結論

文章針對成年孤獨癥人士的就業困境，設計并初步實現了一個基于生成式人工智能的就業平臺“榆樹ELM”，為這一群體提供個性化的就業服務支持。平臺結合技術創新與社會資源整合，貢獻如下：

1. 職業匹配優化：利用生成式AI，結合多維用戶畫像與崗位分析，提升匹配精準度，適應復雜需求。

2. 資源整合：搭建企業、公益組織與用戶互動橋梁，優化就業支持體系協同效率。

3. 設計創新：遵循包容性設計原則（靈活性、公平性、可適應性），深化個性化需求分析與無障礙設計實踐（可感知性、可操作性、可理解性），通過語音輸入、可視化交互等功能實現從需求識別到職業推薦的閉環支持，推動特需人群就業模式的創新。

然而，平臺在實際運行中仍面臨一定局限性。例如，對數據質量和算法優化的依賴可能影響推薦效果的穩定性；同時，孤獨癥人士對技術的接受度差異可能限制推廣效果。

未來，“榆樹ELM”將基于包容性設計理念持續優化，收集反饋提升智能匹配精準度與穩定性，確保跨能力用戶的可訪問性；擴大企業與公益合作，豐富崗位類型，探索跨行業資源共享；進一步驗證區域適用性，通過技術與政策協同，推動生成式AI 在就業支持中的規模化應用，構建更具包容性的就業生態。

附錄

1. 用戶訪談基本信息

地點：福建省廈門市星緣艔咖啡工坊

時間：2024 年10 月21 日

目的：深入了解成年孤獨癥人群的就業意愿、期望及實際需求，為平臺設計提供依據

訪談對象：8 名在咖啡工坊工作的成年孤獨癥人士

訪談方式：半結構化訪談，結合開放性問題與觀察記錄