评估 LLM 在职业规划中的表现：非洲十国计算能力推荐的比较分析
计算机与社会
2026-02-02 v2 人工智能
摘要
雇主日益期望毕业生在职场中运用大型语言模型（LLM），然而，尽管非洲各国情境各不相同，但面向计算职业的能力要求仍不明确。本研究考察了六种 LLM（ChatGPT-4、DeepSeek、Gemini、Claude 3.5、Llama 3 和 Mistral AI）如何描述非洲十个国家中初级计算职业的期望。基于计算课程 2020 框架，运用数字殖民主义理论和 Ubuntu 哲学，对 60 份 LLM 回应进行内容分析，发现技术能力（如云计算和编程）覆盖较为一致，但在非技术能力（尤其是伦理与负责任 AI 使用）方面存在显著差异。各模型在识别国家特定因素方差异显著，包括本地技术生态系统、语言要求和国家政策，整体情境意识率仅为 35.4%。开源模型在情境意识方面表现更好，技术与专业技能的平衡度也更高，Llama（4.47/5）和 DeepSeek（4.25/5）超越了专有模型 ChatGPT-4（3.90/5）和 Claude（3.46/5）。然而，Mistral 的情境表现极差（0.00/4），尽管为开源模型，表明开发哲学本身并不保证情境响应性。本研究是首次对非洲计算学生职业规划中 LLM 的全面比较，揭示了 entrenched infrastructure assumptions and Western-centric biases，这些因素在技术建议与当地现实之间制造了鸿沟。研究结果挑战了在资源受限环境中 AI 工具质量的假设，强调在教育中需要去殖民化方法，强调情境相关性和混合人机指导模型。
引用
@article{arxiv.2510.18902,
title = {Evaluating LLMs for Career Guidance: Comparative Analysis of Computing Competency Recommendations Across Ten African Countries},
author = {Precious Eze and Stephanie Lunn and Bruk Berhane},
journal= {arXiv preprint arXiv:2510.18902},
year = {2026}
}
备注
42 pages, 5 figures, 5 tables. Submitted to Computers & Education Open