Короткий ответ: такая картина может отражать не «провал» технического образования как таковой, а сочетание структурных сдвигов в экономике, особенности рынка труда $сегментация,сигнализация$, несоответствия навыков и социальных сетей выпускников. Ниже — развернуто и по шагам: объяснение с опорой на теории стратификации и мобильности, конкретные гипотезы и способы их эмпирической проверки, а также оценка долгосрочных последствий для межпоколенной неравности.

Объяснения через понятия социальной стратификации и мобильности

Структурная трансформация и «сдвиг спроса»: в постиндустриальной экономике увеличивается спрос на услуги, креативный и коммуникативный труд; традиционные технические профессии $особенносвязанныеспроизводствомилирутиннымиоперациями$ сокращаются. Это пример структурной мобильности $structuralmobility$: изменения в структуре занятости приводят к снижению спроса на определённые квалификации.Сегментация рынка труда $primary/secondary$: технические выпускники могут попадать в «вторичный» сектор $высокаятекучка,низкиебарьеры,плохаязащита$, тогда как гуманитарии — в «первичный» сектор сервиса/администрации с гибкими контрактами и большим спросом. Это закрепляет стратификацию по типу занятости.Десквалификация и автоматизация: технические навыки рутинного характера быстрее автоматизируются или аутсорсятся; спрос на «передовые» технические навыки $IT,инженерияНИОКР$ остаётся, но они требуют более высокого уровня подготовки и непрерывного обновления квалификации.Несоответствие «учебной» и «рыночной» компетенций $skillmismatch$: программы тех. вузов могут не давать прикладных «employability» навыков $проектнаяработа,softskills,стажировки$, тогда как гуманитарные программы стимулируют презентабельность, коммуникацию, стажировки, что облегчает доступ к вакансиям в услугах.Сигнализация и культурный/социальный капитал $Bourdieu,Spence$: работодатели в быстрорастущих сервисных областях ценят мягкие навыки, коммуникации и престиж вузов; гуманитарии с «правильными» стажировками и сетями могут сигнализировать пригодность. Технические выпускники из менее престижных вузов или с меньшими связями получают худшие сигналы.Классовая селекция: возможно, в данном городе гуманитарные программы привлекают студентов из более высокостатусных семей $большесоциальныхсвязейиресурсов$, тогда их выпускники легче находят работу через сети — это механизм воспроизводства $socialreproduction$.Различие в форме занятости и статистике: гуманитарии чаще принимают временные/гиг-работы или удалёнку, которые официально не учитываются как безработица. Технические выпускники могут оставаться зарегистрированными безработными, что даёт статистический эффект.

Конкретные гипотезы
H1 $сдвигспроса$: Снижение занятости в отраслях, где традиционно работают технические выпускники, — главная причина их более высокой безработицы.
H2 $перепроизводство$: На рынок выходит больше технических выпускников, чем актуальных вакансий.
H3 $несоответствиенавыков$: Учебные программы технических специальностей не обеспечивают навыки, востребованные работодателями в локальной экономике.
H4 $социальныесетиикапиталы$: Гуманитарные выпускники имеют более сильные социальные сети и культурный капитал, что повышает их шанс трудоустройства.
H5 $сегментациятруда$: Технические выпускники трудоустроены чаще в неформальном/низкооплачиваемом секторе или остаются в ожидании подходящей работы.
H6 $автоматизацияиаутсорсинг$: Автоматизация и перенос технических работ ухудшают спрос именно на местные технические рабочие места.
H7 $учётнаяпроблема$: Разница — артефакт измерения $различиявучастииврынкетруда,учетзанятостивгиг-экономике$.

Методы эмпирической проверки $данныеианалитика$ A. Данные, которые нужно собрать

Административные данные: регистрация безработицы, налогооблагаемые доходы, трудоустройство по отраслям.Выборочные/панельные опросы выпускников вузов $graduatesurveys$ с информацией по специальности, времени до трудоустройства, типу занятости, зарплате, стажировкам, институту.Статистика по вакансиям $jobpostings$, отраслевым трендам занятости, данные по автоматизации/роботизации.Данные работодателей: критерии найма, требования к навыкам, источники найма.Косвенные: LinkedIn/резюме-биографические данные, данные по стажировкам и программам практики.Качественные интервью с работодателями и выпускниками.

B. Стратегии анализа

Описательная статистика: сравнить уровни безработицы/занятости по полю обучения, по времени после выпуска, по вузу, по полу, по социальному происхождению.Регрессии: зависимая переменная — вероятность быть безработным; ключевой регрессор — поле обучения $тех/гуманитарии$ + контрольные: возраст, пол, оценка, престиж вуза, стажировки, знание языка, место жительства. Это покажет, сохраняется ли эффект после контроля за наблюдаемыми характеристиками.Oaxaca–Blinder декомпозиция: разделить разницу в безработице на объяснимую $«заработанная»разницачерезхарактеристики$ и необъяснимую $возможно,дискриминацияилиструктурныеэффекты$.Propensity score matching: сопоставить тех и гуманитариев по наблюдаемым признакам и сравнить вероятности безработицы, чтобы уменьшить селекционную предвзятость.Анализ вакансий и соответствия навыков: текстовый анализ job postings для оценки требований; сверка с учебными программами.Event-history / survival analysis: время до первого трудоустройства по специализациям.Decomposition by industry: разложить занятость выпускников по отраслям и посмотреть, в каких секторах падает спрос.Натуральные эксперименты или разности-в-разницах: например, если в городе закрылся крупный завод, посмотреть, как это повлияло на тех/гуманитариев.Качественный анализ: интервью с работодателями о причинах найма; интервью с выпускниками о поиске работы, сетях, стажировках; этнография университетских карьерных служб.GIS-анализ: проверить географическое соответствие рабочих мест и проживания выпускников $spatialmismatch$.

C. Проверка специфических гипотез

H1/H6: секторальный анализ занятости + данные по роботизации/автоматизации; временные тренды.H2: соотношение выпускников по специальностям и числа вакансий; анализ выпуск–вакансии.H3: сравнение навыков в объявлениях и в учебных планах; опрос работодателей о пробелах.H4: сбор данных о сетях $какиеисточникинаймаиспользовались$ + меры социального капитала родителей.H5: анализ контрактов $временныеvsпостоянные$, уровней зарплат и текучести.H7/H1 альтернативная интерпретация: сравнить формальную безработицу и долю занятых в гиг/неформальном секторе.Оценка долгосрочных последствий для межпоколенной неравности
Механизмы влияния:
Доходный эффект и «scarring»: продолжительная безработица молодых специалистов снижает среднесрочные и долговременные заработки $earningsscarring$, ухудшает накопления и способность инвестировать в детей $образование,внешкольныезанятия$, что увеличивает межпоколенную трансмиссию неравенства.Социальная репродукция статуса: если технические специальности становятся менее доходными/престижными, семьи со средним и низким доходом, которые традиционно ставили ставку на техническое образование как путь к стабильности, окажутся в худшем положении; дети этих семей начнут с меньшим капиталом $экономическимикультурным$.Перекройка «лестницы мобильности»: структурный сдвиг может снизить возможности для восходящей мобильности через технические профессии; одновременно новые мобильные пути $секторуслуг,IT$ могут требовать других видов капитала $социального/культурного$, к которым доступ неравномерен.Усиление неравенства через рынки труда: если «лучшие» технические ниши (высококвалифицированная инженерия, R&D) доступны лишь тем, кто обучался в элитных институтах или имеет связи, а остальные технически образованные остаются без работы, это углубляет внутрипрофильное неравенство.Психологические и демографические эффекты: отложенные браки, снижение рождаемости в менее обеспеченных слоях, миграция молодежи — все это модифицирует структуру семьи и межпоколенные передачи.

Как количественно оценить:

Оценить потери жизненного цикла доходов $presentdiscountedvalue$ для разных групп — моделирование по панельным данным.Проследить связь между экономическим положением выпускников и образовательными инвестициями в их детей $экспериментальные/лабораторныеданные,опросыдомохозяйств$.Рассчитать межпоколенный коэффициент доходной эластичности $incomeelasticity$ для семей, где родители — тех или гуманитарии, и сравнить динамику.Моделирование «сценариев»: симуляции, как текущая разница в трудоустройстве повлияет на неравенство через 1–2 поколения.

Политические и практические импликации $коротко$

Работа с образовательными программами: модернизация учебных планов, рост практикоориентированных стажировок и кооперации с работодателями.Адаптационные политики: программы переподготовки и повышения квалификации, особенно в цифровые/междисциплинарные навыки.Развитие служб трудоустройства и стажировок, поддержка интернатуры, субсидирование найма молодых специалистов.Улучшение информации о рынке труда для абитуриентов $карьерноеориентирование$.Меры социальной поддержки для снижения эффектов «scarring» и предотвращения межпоколенной передачи бедности.

Практический план исследования $шаги$ 1) Сбор описательной статистики по выпускникам за последние 5–10 лет $пополюобучения,вузу,полу,социальномупроисхождению$.
2) Анализ вакансий и отраслевой структуры города $какиепрофессиирастут/снижаются$.
3) Регрессионный анализ и декомпозиция для оценки, объясняется ли разница наблюдаемыми факторами.
4) Качественные интервью с работодателями и выпускниками для выявления механизмов несоответствия навыков и сетей.
5) Панельный анализ жизненных доходов и моделирование последствий для детей выпускников.

Заключение
Разница в уровнях безработицы между техническими и гуманитарными выпускниками в постиндустриальном городе может сигнализировать о глубоких структурных трансформациях рынка труда и распределении социального капитала. Для достоверного объяснения нужны комбинированные данные $административные+выпускныеопросы+работодатели$ и методы $регрессии,декомпозиции,качественныйанализ$. Последствия без вмешательства — усиление межпоколенной неравности через снижения доходов, ухудшение возможностей для детей и закрепление нового варианта стратификации. Политики, фокусированные на актуализации навыков, связях с работодателями и поддержке перехода на новые рынки труда, могут смягчить эти эффекты.