生成式人工智能职业顾问身份建构的语料库辅助话语分析——以DeepSeek与豆包对大学生就业焦虑的回应为例

Abstract

随着生成式人工智能进入求职咨询场景，除了传递就业信息，其也会在互动中扮演特定的“职业顾问”身份。本研究自建小型中文语料库，以四类大学生就业焦虑情境为提示词，在DeepSeek V4 Pro与豆包Seed 2.1上各生成三次回应，共24篇、8383个汉字，并切分为256个话语单元。研究采用语料库辅助话语分析，将回应信息的词汇指标与话语单元的多标签编码结合，借助互动身份理论与评价理论，考察模型如何通过共情安抚、专业诊断、行动建议、关系协商、权威指令、结构化组织等手段建构职业顾问身份。结果表明，两种模型都以行动建议为核心：DeepSeek与豆包每100个话语单元分别出现50.3次与67.0次行动建议，说明“把焦虑转化为任务”是其共同的身份基础。DeepSeek在语篇展开上分段更多、更依赖结构标记、量化工具和资源渠道，形成结构化的教练型顾问身份；豆包则展现了更高的在关系协商、权威指令、专业诊断和现实风险评估方面的频次，形成兼具柔和表达与强规范性的现实评估型顾问身份。情境比较进一步显示，两种模型虽能提供即时支持，但都倾向于将结构性就业压力转化为简历优化、情绪管理和自我提升。本研究部分展示了生成式人工智能职业建议的语言机制，为使用话语分析方法对生成式人工智能生成语篇的分析提供了案例。