在美国读理工科很好找工作吗?答案是

纽约时报 2017-11-02 10:22+-

在美国读理工科很好找工作吗?答案是

在技术类专业中的毕业生的人数(蓝色,图为2015至2016年间毕业的本科、硕士和博士)往往会超过工作职缺(粉色,2014至2024年年化预测值),只有计算机科学专业例外。

  全美范围内,教育的重中之重可以被总结为由四个首字母构成的缩略词:STEM。这是情有可原的。精通科学(science)、技术(technology)、工程(engineering)和数学(mathematics),对任何一个想要促进经济增长、推动科技创新、创造工作岗位的国家来说都至关重要。

  STEM运动已开展多年,得到了秉持各种意识形态的政策制定者的支持,受到了各个地方的学校以及从基督教女青年会(YWCA)到男童子军(Boy Scouts)等诸多组织的欢迎。目前,这个由国家科学基金会(National Science Foundation)率先提倡和推广的概念,正被当成描述性识别符来使用。“她是一个STEM”,通常有恭维之意,指的是在大学入学资格大抽奖中具有优势的人。

  公众对STEM教育的很大一部分兴趣是基于这样一种假设:这些领域有大把的工作机会。有些的确有,有些则不然。STEM是很宽泛的范畴,跨越很多学科和职业,从软件工程师和数据科学家,到地质学家、天文学家和物理学家。

  最近的研究越来越清楚地表明,高薪STEM工作岗位中,“T”类岗位数量最大(尤其是计算机类)。

  今年早些时候,招聘网站Glassdoor按本科所学专业,对劳动者步入职场前五年的基本工资中位数做了排名。计算机科学位居榜单首位(70,000美元),第二名是电子工程(68,438美元)。该研究所涉专业工资垫底的是生物技术(48,442美元)和生物化学(46,466美元);研究还表明,在STEM专业中,女性的比例总体而言是偏低的。

  “计算机技术的地位与传统科学大相径庭,”Glassdoor的首席经济学家安德鲁·张伯伦(Andrew Chamberlain)说。

  领英(LinkedIn)的研究人员列出过需求量最大的技能。去年的前十名都是计算机类技能,其中包括云计算、数据挖掘、统计分析、编写智能手机应用程序等专门技能。

  在近期的分析中,华盛顿大学(University of Washington)的计算机科学教授爱德华·拉佐夫斯卡(Edward Lazowska)关注了美国劳工统计局(Bureau of Labor Statistics)对STEM领域的劳动用工预测。在截至2024年的10年间,新增的STEM工作岗位有73%会是计算机类职位,而物理科学和生命科学类职位分别只占3%。

在美国读理工科很好找工作吗?答案是

  科学教育与政策专家迈克尔·S·泰特鲍姆(Michael S. Teitelbaum)表示,所有美国人都应该掌握起码的科学和数学原理。但他认为,一些STEM的拥护者——通常是科技公司的高管和说客——发出的警告是有害处的,他们说美国正面临令人担忧的STEM劳动者短缺问题,然而这种警告所依据的短缺出现在相对较少的几个快速发展的领域内,比如数据分析、人工智能、云计算和计算机安全等。

  “将其泛化至STEM涉及的所有领域,会造成误导,”身为哈佛法学院(Harvard Law School)劳动和工作生活项目(Labor and Worklife Program)高级研究员的泰特鲍姆说。“我们在误导大批年轻人。”

  STEM专业的失业率或许很低,但并非所有本科毕业生最终都能找到与专业对口的工作:美国国家科学基金会(National Science Foundation)2013年的一项调查显示,生命科学毕业生只有13%找到了专业对口的工作,物理学只有17%。计算机科学是STEM领域唯一实现半数以上毕业生找到对口工作的学科。

  如果物理学家和生物学家想要在数字经济繁荣发展的时代分一杯羹,少数专家型初创公司会培训他们,为他们找到数据科学家、人工智能程序员之类的工作。

  洞见数据科学人才培养项目(Insight Data Science Fellows Program)在纽约、波士顿、西雅图和加州帕洛阿托都有办事处,于五年前开启了其第一个培训项目,目前已有900名受训者进入Facebook、领英、Airbnb、亚马逊(Amazon)和微软(Microsoft)等公司工作。该项目创始人是物理学家杰克·克拉姆卡(Jake Klamka),他之前总是听硅谷的高管们说他们考虑过聘请传统科学家,但把这些人变成技术专家似乎既耗时间又有风险。于是克拉姆卡判定,他可以创办一家公司,帮助科学家更顺畅地进入科技行业。

  卡洛斯·法哈姆(Carlos Faham)走的就是这条路。他的学术生涯成就卓著,获得过一系列助学奖和奖学金。他在布朗大学(Brown University)获得的博士学位是暗物质物理学方向。从那里毕业后,他曾在劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)从事博士后研究。

  法哈姆很喜欢在那里做研究,但过了近两年后,他感受到了生活的压力。那时他已经在大学、研究生院和硕博研究领域度过了12年。他的下一步将是在全国各地争取为数不多的终身教授职位。在消费水平很高的湾区,他赚的还不够。一名博士后研究员通常每年挣4万到6万美元。

  法哈姆为自己的物理学研究做过认真的计划。他申请过科技公司的一些职位,认为他们会渴望雇佣一个有他这种学术能力的人。但他得不到面试机会。他们说他的背景太学术化了。在几次电话筛选面试中,他表现得很笨拙,因为他并不熟悉统计和机器学习方面的问题。

  “感觉就像全速撞到一面墙上,真的很丢脸,”他回忆说。

  2015年,法哈姆参加了为期七周的洞见数据科学人才培养项目。该项目没有正式的课程。除了业内人士的一些指导课,剩下的时间都用来制作一个产品——他的产品是一个在视频中识别和跟踪人脸的软件——以及面试培训。后者涉及在白板上解决一个编程问题,并解释他的想法。“面试就像肌肉,必须反复练习,”他说。项目结束后,他得到了六个工作机会。他接受了LinkedIn的邀约(该项目不向参与者收费,招聘公司没有透露自己支付的费用)。

  如今,33岁的法哈姆是一名高级数据科学家,他所在的团队利用机器学习和统计模型来侦测社交网络上的非法活动,包括虚假招聘机会、广告欺诈、垃圾邮件和机器人攻击。

  他说,数据密集型侦查工作的范围“很广”,“发展速度比我之前的世界快得多”。他现在的薪水“相当不错,达到了六位数”,大约是他做博士后研究员时的五倍。

  该公司表示,在参与洞见数据科学人才培养项目的人中,约有90%的人得到了做数据分析师的工作,退学率约为3%。

  阿纳苏亚·达斯(Anasuya Das)也做了类似的职业转变,但并没有过多偏离自己的专业背景。项目结束后,拥有神经科学博士学位的达斯加入了纽约的纪念斯隆·凯特林癌症中心(Memorial Sloan Kettering Cancer Center),现在她是那里的高级数据科学家。她所在的团队为该中心的医生、护士和研究人员创建软件工具。目前的一个项目是根据每位癌症患者的病史、年龄、性别和基因,推荐最可能有效的临床试验。

  达斯说,数据科学与神经科学截然不同,但她使用的某些工具,比如一种被称为人工神经网络的机器学习技术,确实是受到大脑的启发。她的经历反映出一个更大的趋势:数据科学和人工智能等数字技术正越来越多地被应用于几乎所有学科。也就是说,技术和STEM的其他领域融合在了一起。

  加州大学伯克利分校(University of California, Berkeley)正是出于这方面的考虑,创设了全新的数据科学部。它是为回应学生需求和技术进步而设立的。伯克利分校的“数据科学基础”课程在上个学年吸引了50多个专业的1200名学生。

  暂任数据科学部主任的戴维·考勒(David Culler)解释说,称它为“部”(division)而非“学院”是为了强调它的思维。“我们希望它是整个大学的基础性部门,与其他学科共同创新,而不是与它们区别开来,”他说,“这是整体经济动向在学术界的反映。”