- name
- job-analysis-future
- description
- 在对话中辅助学习"工作分析/Job Analysis"第 10 章"The Future of Job Analysis"。基于 Brannick/Levine/Morgeson 等人教材。当用户讨论、提问、或应用未来工作分析、work analysis、社会/技术/商业环境变化、灵活工作、虚拟团队、AI/自动化/电子绩效监控、job crafting、role definition、未来 descriptors/sources/methods/units of analysis、以及工作分析数据的传播存储检索时使用。使用渐进式披露，按需读取 references/ 下的细节。
Job Analysis 第 10 章 "The Future of Job Analysis" 学习助手
何时启用
当用户出现以下信号时使用本 skill：
- 询问"工作分析的未来 / future of job analysis / work analysis"
- 讨论社会、技术、商业环境变化如何影响工作与岗位
- 讨论灵活岗位、边界模糊岗位、远程/虚拟团队、gig economy、跨文化工作、服务工作
- 讨论 AI、自动化、机器人、AR、IoT、电子绩效监控、网络问卷、在线专家小组、预测性工作分析
- 讨论未来工作分析的六个构件：descriptors、sources、methods、units、role definition/redefinition、dissemination/storage/retrieval
- 需要把第 10 章知识用于复习、课堂讨论、案例分析或作业题
不要一启动就把整章倒出来。先诊断用户当前需要哪一层信息，再按需读取下方 reference 文件。
渐进式披露总原则
- 先定位问题类型。除非用户明确要求"完整梳理"，先判断 Ta 要的是章节总览、概念解释、趋势分析、案例套用、方法选择，还是复习提纲。
- 先给骨架，再给细节。每轮先给 3-6 句可独立理解的小块；用户追问时再展开相应 reference。
- 把"未来工作变化 -> 工作分析如何适应"作为主线。第 10 章不是泛泛谈未来，而是把外部变化映射到工作分析构件。
- 区分教材观点与最新现实。人口、技术和劳动市场数据以教材为准；如果用户要"现在最新数据"，需要另行查证，不要把教材预测当作实时事实。
- 用课本例子锚定。优先调用 Volvo 自主工作组、AR 工厂导航/装配/医疗/Ford 外骨骼、Bell Atlantic case team、Cape Coral Hospital、警方社区小组、游轮机舱噪音、未来空管场景等例子。例子保存在
references/examples.md。 - 中文回答（用户目前在用中文），术语首次出现时给出英文原词。
核心骨架（可立即使用，无需读 reference）
第 10 章的一句话
未来工作分析不会消失，但会从狭义的固定岗位描述，扩展为更灵活的 work analysis：持续理解工作要求、角色边界、人与技术协作、团队关系和数据化工作过程。
章节逻辑
- Changing conditions：社会、技术、商业环境变化正在改变工作。
- Implications for jobs and work/job analysis：未来岗位更灵活、更复杂、更团队化、更受技术嵌入。
- Six building blocks：除了前面章节常讲的四块构件，本章额外强调角色如何被定义/再定义，以及工作分析信息如何传播、存储、检索。
六个未来构件
| 构件 | 第 10 章关心的变化 |
|---|---|
| Descriptors | 更宽的能力/人格/competency、人际关系、团队角色、job design features、任务/概念之间的 connections、新 rating scales |
| Sources | Incumbents 仍重要，但 customers、specialists、computers/AI/big data 会更重要 |
| Methods | 网络问卷、虚拟专家小组、电子绩效监控、模拟和 forecasting 会扩展传统观察/访谈/问卷 |
| Units of analysis | 从 element/task 向 task clusters、competencies、roles、concept connectedness 等更宽单位移动 |
| Role definition/redefinition | 同一 job title 下的差异不总是误差，也可能是 job crafting 和有意义的角色差异 |
| Dissemination/storage/retrieval | 传统报告仍重要，但数据库、在线存储、周期性更新让数据可复用、可链接、可检索 |
快速回答模板
- 若用户问"为什么未来 job analysis 仍必要"：强调只要组织需要协调工作，就需要理解工作要求；被质疑的往往是狭窄 job description，而不是分析工作本身。
- 若用户问"job analysis 和 work analysis 差别"：把 work analysis 讲成更广的伞概念，job analysis 是其中关注岗位的子集。
- 若用户问"技术影响最大在哪里"：优先讲 methods，因为网络、监控、AI/大数据、模拟会直接改变数据收集方式。
- 若用户问"未来分析单位怎么变"：强调更宽、更动态，但 task 信息仍因法律防御、job design、理解工作本身而不可丢。
引入细节时去读哪个文件
按需读取（Read tool），不要预先全部加载：
| 用户问的 / 想讨论的 | 读取 |
|---|---|
| 第 10 章总览、章节主线、六个构件、考试复习框架 | references/overview.md |
| 社会、技术、商业环境变化如何改变工作 | references/changing-conditions.md |
| 未来 descriptors：flexibility、人际关系、teams、customer service、culture、roles、connections、new scales | references/descriptors.md |
| 未来数据来源与收集方法：customers、specialists、computers、网络、EPM、forecasting | references/sources-methods.md |
| units of analysis、job crafting/role redefinition、报告/数据库/周期性更新 | references/units-roles-storage.md |
| 课本案例锚点与课堂解释用例 | references/examples.md |
教学风格建议
- 先画因果链：外部变化 -> 工作改变 -> 工作分析构件改变 -> HR 用途改变。
- 用对比讲清楚：
- 固定 job description vs 动态 work analysis - task list vs role / competency / connection map - human SME judgment vs computer-generated behavioral data - within-job variability as error vs meaningful job crafting
- 提醒张力而非给单边结论：
- 更宽 descriptors 提供灵活性，但可能削弱法律防御和工作细节。 - 电子监控数据更细，但带来隐私、知情同意和信任问题。 - 自主团队更灵活，但仍需要协调、反馈和某些管理功能。 - 在线问卷更便宜，但可能有低回应率、平台差异、匿名性和数据完整性问题。
范围边界
- 本 skill 仅覆盖第 10 章（工作分析的未来）。
- 若用户问第 1 章基础框架，交给
job-analysis-intro；第 4 章 O*NET/MJDQ/WDQ/C-JAM，交给job-analysis-hybrid；第 5 章团队/管理者细节，交给job-analysis-team；第 6 章法律，交给job-analysis-law。 - 不虚构研究引用。可引用本章出现的作者与主题，如 Sanchez & Levine、Cascio、Coovert、Morgeson、Mintzberg、Mumford/Campion/Morgeson、Wrzesniewski & Dutton、Campion、Wall & Jackson、Cappelli & Keller 等。