每年美本申请季，家长们最关心的一个问题就是：这个专业好就业吗？
在很多人的认知里，只有CS、商科、EE这类热门专业，才配得上Google、Microsoft、Amazon的offer。
但事实真的如此吗？
不妨直接打开Google的招聘页面，看看他们为UX Researcher（用户体验研究员）这个岗位写的"Preferred qualifications"（优先资格）：
"Master's degree or PhD in Human-Computer Interaction, Cognitive Science, Statistics, Psychology, Anthropology, or related fields."
五个专业，没有一个传统意义上的"硬核工科"。但它们却有一个共同的特点：课程偏向社科/人文，但底层逻辑是科学。
这不是特例，也不是偶然。不仅是Google，其他科技公司同样也需要这样的人才。Google在这个岗位的要求里写得很清楚：他们要的不是只会写代码的人，而是能理解人类行为、设计实验、分析数据、洞察需求的人。
拆解大厂人才结构——Google需要什么样的人才
科技公司里可不只是满屋子的工程师对着屏幕敲代码。以Google为例，其全球员工中纯软件工程师约占40%，剩余60%的岗位涵盖了产品、运营、市场、销售、财务、法务、人力资源等多个职能领域。
AI时代下，能写代码的不只有人类，而解决问题的只有人类。
理解用户为什么点击？为什么不使用某个功能？为什么AI的回答能让人产生信任？怎样优化交互流程才符合人的认知规律？——这些问题的答案，就藏在那些“听起来像文科”的专业里。
盘点这5个“文科外壳，理科本质”的专业
心理学（Psychology）
→UX Researcher、PM
在国内心理学常常不受重视，被归为文科或者边缘学科。美国顶尖大学的心理学专业，核心训练是实验设计、统计分析、行为科学。它是一门用科学手段研究人类行为与认知的课程。
Google的UX Researcher（用户体验研究院）团队中，心理学背景占比极高。
产机构化本质上是一个行为实验——用户为什么更喜欢点击A不是B？为什么新功能使用频率低于预期？这些问题需要研究用户心理，通过实验设计和假设检验来回答。
代表院校：纽约大学（心理学专业提供B.A.和B.S.双学位路径，B.S.项目强调定量研究方法与实验设计，适合计划从事UX研究或行为科学方向的学生。）
认知科学（Cognitive science）
→AI产品经理、NLP工程师
认知科学整合了神经科学、心理学、计算机科学、语言学、人类学，这门学科是人工智能（AI）和自然语言处理（NLP）的理论源头之一。
AI浪潮下Google将研究重点早已转向：为什么AI的回答能让人产生信任？怎样设计对话系统才符合人的认知习惯？认知科学训练的系统性思维和对人类信息处理机制的理解，使其在AI产品设计、NLP（自然语言处理）工程等领域具备独特优势。
代表院校：宾夕法尼亚大学（设有“计算与认知”方向，将计算技术与认知科学研究深度结合。）
统计学(Statistics)
→数据科学家、营销分析师
统计学通常被视为文科数学的一部分，很容易被低估。统计学的核心是概率论、数理统计、统计分析，所以统计学思维可以说是一切数据驱动政策的底层语言。
这个新功能是否真的比旧版本优秀？答案不能靠直觉回答需要数据来佐证，Google每年运行数万次AB测试，统计学背景正是设计和解读这些测试的核心人才。
代表院校:华盛顿大学（统计学本科项目强调理论和实践结合。）
人类学（Anthropology）
→用户研究员、内容策略
人类学广义上确实属于人文社科领域，但它的核心方法是系统化观察、深度访谈、定性分析，这些方法在科技公司的User Research（用户研究）中得到了直接迁移。
人类学训练的核心能力可以进入语境去理解人类行为，这是传统定量数据无法覆盖的盲区。当问卷和点击流数据告诉你“是什么”的时候，人类学方法可以告诉你“为什么”。
代表院校：纽约大学（人类学本科专业在数字人类学、冲突与社会研究方面特色鲜明）
人机交互
（Human-computer interaction）
→UX设计师、产品设计师
HCI的核心理念是“以人为中心的设计”，其根基是认知心理学、计算机科学、行为科学。课程内容涉及可用性测试、交互原型开发、用户行为建模、计算社会科学等，同时需要具备编程能力。
交互流程的优化，要求从业者同时掌握技术实现能力和用户研究方法——这正是HCI背景的复合型人才的核心优势。
代表院校：卡内梅基隆大学大学（CMU的人机交互研究所HCII是全球该领域的开创者，其硕士项目MHCI是世界上第一个专门培养UX专业人才的学位项目）
从选专业到offer：需要做对哪三件事？
并不是学了这些专业就一定可以进大厂，大厂的人才需求正在发生变化：技术能力正在被“普惠化”，AI辅助编程降低了纯编码岗位的门槛，单纯靠“会写代码”就能进大厂的优势正在稀释。理解用户、推动协作的能力在AI时代反而更加稀缺。
1、硬技能学习必不可少
无论你主修什么专业，硬技能走到哪里都是硬通货：至少修一门统计学；至少修一门数据分析（SQL或Python入门）；至少参与一次产品/用户相关项目（课程项目、科研助理、实习）
2、实习经历比专业GPA更重要
对于非传统技术专业的学生，大厂的简历筛选非常明确：实习经历>项目经验>专业课GPA。
3、学会用语言表达专业价值
面试官不想知道你学了什么课程，他们更看重你解决问题的能力。比起：“我学了四年心理学”的阐述，“通过实验设计和统计分析，完成了关于用户行为模式的研究项目”更深得人心。
写在最后
如果你在五年前告诉大家“学心理学可以进Google”，恐怕没什么人相信。但在今天，科技公司已经从“技术驱动”走向“人文＋技术双轮驱动”，这些看似是文科的专业，更有施展空间，懂得“人”的人和懂得“代码”的人拥有同等话语权。
所以你想要进入大厂完成理想，不妨试试这些专业，有能力的人在哪个领域都会闪闪发光，Google的面试官会看到你的价值。
