职业结构一直是社会分层和不平等研究的核心。传统的研究表明，职业结构要么是分等级的（Treiman 1977；Hauser & Warren 1997），要么是基于稳定的阶级而组织起来的（Erikson & Goldthorpe 1992；Weeden & Grusky 2005）。但是，如何测量不同职业的等级，如何将不同职业归为不同阶级，或者如何将其置于动态的语境下研究一直处在争议之中。上周我们介绍的论文（Cheng and Park 2020）有效展示了流动性对于理解劳动力市场的结构之重要性。基于此，对于职业结构的研究出现了方法论的转向：将职业结构作为一个网络（network）进行分析——网络视角侧重于个体在职业之间的流动。

尽管这些研究都指向职业结构研究的网络转向，但在推进这一领域的研究时存在三个主要挑战。首先，网络分析主要被视为方法论干预（methodological intervention），而不是概念干预（conceptual intervention）。如果职业分类因算法而异，我们很快就会回到确定“真实”的阶级类别数量的难题。其次，有关流动性和边界之间关系的推论存在某种程度上的循环论证。研究人员通过缺乏流动性来观察“潜在边界”，然而他们也认为缺乏流动性是由于这些潜在边界造成的。什么促进或阻碍了人员的流动仍未得以解释。第三个问题，尽管先前的研究将职业结构描述为网络，但尚未检测该结构是否确实作为网络运行。

第一部分，基于美国劳动力市场的数据，作者通过评估三个不同时段/年代的职业网络的连通性（connectivity）发现：更连通的网络具有更高的职业交换（exchange）频率，职业与职业之间的流动具有更短的距离。结果表明，随着时间的推移，美国职业网络的连通性（connectivity）减弱。为了探索职业网络结构的演变，作者使用包括模块度最大化（modularity optimization）和随机游走（random walk）两类共五种社区检测（community detection）算法，来检测网络的集群的程度。虽然每个算法遵循不同的过程，但它们共享类似的解释：检测到的社区越多，劳动力市场就越分化（fragmented）。

第二部分，作者测试了职业网络是否遵循匹配性（assortativity）原则，即个体在职业之间的流动程度与职业的相似性相关。之前的研究表明，流动性更可能发生在地位相似的职业之间。然而，地位不太可能是决定流动性的唯一因素。由于网络视角不限于任何特定的职业属性，作者使用职业属性（attributes）来确定两个职业的相似程度，或导致职业分化的差异点。研究结果表明教育差异仍然在调节流动性方面非常重要。虽然性别、种族和教育的作用在不同时期没有显着差异，但年龄中位数的重要性增加了，老年职业和年轻职业之间的差距更大了；并且随着时间推移，个体的量化能力、创造性和社交技能的对职业流动的重要性不断增加。

第三部分：作者考虑相互关联（linked）的职业的属性是否存在传染（contagion）的情况，即研究一个职业具有的属性是否可能是与其他职业交换的结果。由于个人的流动，职业很可能共享类似的特征；对劳动力的竞争也可能导致雇佣惯例的趋同。其中一个发现是，工资可能因人员流动具有传染性：相互关联的职业的工资越高，则焦点（focal）职业的工资越高。当我们考虑到劳动力组成、职业内容、早期的中位数工资以及时间恒定的未观察特征（包括类别成员身份）时，这种相关性是稳健的。此外，研究结果还表明工资中位数与种族、教育程度相关，白人和大学毕业生占主导地位的职业通常比其他职业具有更高的工资中位数。

作者分析表明美国劳动力市场变得更加分化（fragmented），总体连通性（connectivity）下降，并且在工业和服务部门都出现了新的细分——这种分化是由内部交换的增加和职业社区之间交流减少导致的；职业网络遵循匹配性（assortativity）和传染性（contagion）；社区检测（community detection）算法可以用于描述职业结构，但作者的研究结果表明，这些社区之间的分化程度并非十分明确——社区数量在一定程度上由使用的算法所确定。

本文的职业网络是基于短期流动性构建的，未来的研究可以构建具有长期流动性的网络，比较不同时间尺度下的网络，并将轨迹概念（即过去经验如何影响未来流动）纳入网络视角；本文另一局限是许多职业特征（attribute）是不随时间而变化的，未来研究应关注职业特征的变动。作者重点关注美国的劳动力市场，但类似的方法可以扩展到其他国家、行业等——未来的研究应该着重研究流动性如何与不同经济、不同组织背景下的职位相互作用。