論文の概要: Predicting Skill Shortages in Labor Markets: A Machine Learning Approach
- arxiv url: http://arxiv.org/abs/2004.01311v3
- Date: Wed, 26 Aug 2020 04:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 01:13:11.274545
- Title: Predicting Skill Shortages in Labor Markets: A Machine Learning Approach
- Title（参考訳）: 労働市場におけるスキル不足の予測 - 機械学習アプローチ
- Authors: Nik Dawson, Marian-Andrei Rizoiu, Benjamin Johnston and Mary-Anne
Williams
- Abstract要約: 本研究は,作業スキル不足の予測に高性能な機械学習手法を実装した。
オーストラリアでは2012年から2018年にかけて、労働需給と労働需給の雇用データの両方のユニークなデータセットを収集した。
職業広告データと雇用統計は、職業のスキル不足の変化を予測する上で、最もパフォーマンスの高い機能セットであった。
- 参考スコア（独自算出の注目度）: 7.503338065129185
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Skill shortages are a drain on society. They hamper economic opportunities
for individuals, slow growth for firms, and impede labor productivity in
aggregate. Therefore, the ability to understand and predict skill shortages in
advance is critical for policy-makers and educators to help alleviate their
adverse effects. This research implements a high-performing Machine Learning
approach to predict occupational skill shortages. In addition, we demonstrate
methods to analyze the underlying skill demands of occupations in shortage and
the most important features for predicting skill shortages. For this work, we
compile a unique dataset of both Labor Demand and Labor Supply occupational
data in Australia from 2012 to 2018. This includes data from 7.7 million job
advertisements (ads) and 20 official labor force measures. We use these data as
explanatory variables and leverage the XGBoost classifier to predict yearly
skills shortage classifications for 132 standardized occupations. The models we
construct achieve macro-F1 average performance scores of up to 83 per cent. Our
results show that job ads data and employment statistics were the highest
performing feature sets for predicting year-to-year skills shortage changes for
occupations. We also find that features such as 'Hours Worked', years of
'Education', years of 'Experience', and median 'Salary' are highly important
features for predicting occupational skill shortages. This research provides a
robust data-driven approach for predicting and analyzing skill shortages, which
can assist policy-makers, educators, and businesses to prepare for the future
of work.
- Abstract（参考訳）: 技能不足は社会に悪影響を及ぼす。
個人にとっての経済的機会を妨げ、企業の成長を鈍化させ、総じて労働生産性を損なう。
そのため、政策立案者や教育者には、事前にスキル不足を理解し予測する能力が重要である。
本研究は,作業スキル不足の予測に高性能な機械学習手法を実装した。
また,不足している職業のスキル要求や,スキル不足を予測する上で最も重要な特徴を分析する方法を示す。
本研究は,2012年から2018年までのオーストラリアにおける労働需要と労働供給の職業データの両方のユニークなデータセットをまとめたものである。
これには770万件の求人広告(広告)と20の公的労働力対策のデータが含まれる。
これらのデータを説明変数として利用し,xgboost分類器を用いて,132の標準化職業における年次スキル不足分類を予測した。
構築したモデルでは,マクロF1の平均性能スコアが最大83%に達する。
求人広告データと雇用統計は,職業における年次スキル不足の変化を予測する上で,最も優れた機能セットであった。
また,「勤務時間」,「教育年数」,「経験年数」,「サラリー年数」といった特徴は,職業的スキル不足を予測する上で非常に重要な特徴であることがわかった。
この研究は、スキル不足の予測と分析のための堅牢なデータ駆動アプローチを提供し、政策立案者、教育者、ビジネスが仕事の未来に備えられるように支援する。
関連論文リスト
- Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳（メタデータ） (2024-08-09T16:03:44Z) - F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - Job-SDF: A Multi-Granularity Dataset for Job Skill Demand Forecasting and Benchmarking [59.87055275344965]
Job-SDFは、ジョブスキルの需要予測モデルをトレーニングし、ベンチマークするために設計されたデータセットである。
2021年から2023年にかけて、中国の大手オンライン求人プラットフォームから集められた1035万件の求人広告に基づいている。
本データセットは,職業,企業,地域レベルなど,さまざまな粒度でのスキル需要予測モデルの評価を可能にする。
論文 参考訳（メタデータ） (2024-06-17T07:22:51Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳（メタデータ） (2023-04-07T23:51:07Z) - Long-term dynamics of fairness: understanding the impact of data-driven
targeted help on job seekers [1.357291726431012]
我々は、統計と機械学習を組み合わせたアプローチを用いて、労働市場の介入による長期的な公正効果を評価する。
我々は、求職者を選択的に支援する公共雇用機関による意思決定の影響を調べるためのモデルを開発し、利用する。
実世界のシステムにおけるトレードオフの定量化と長期的公正効果を評価するためには、周辺労働市場の慎重なモデリングが不可欠である。
論文 参考訳（メタデータ） (2022-08-17T12:03:23Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - What Should I Know? Using Meta-gradient Descent for Predictive Feature
Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。
この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。
本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文 参考訳（メタデータ） (2022-06-13T21:31:06Z) - Practical Skills Demand Forecasting via Representation Learning of
Temporal Dynamics [4.536775100566484]
急速な技術革新は、世界の労働力の多くを置き去りにする恐れがある。
政府や市場は、スキルの供給が需要の変化に反応する速度を早める方法を見つけなければならない。
本稿では,10年間の月次技術需要観測を用いて,複数段階の予測を未来に向けて一斉に行うパイプラインを提案する。
論文 参考訳（メタデータ） (2022-05-18T04:02:55Z) - Fairness in Algorithmic Profiling: A German Case Study [0.0]
本研究では、求職者の長期失業リスクを予測するための統計モデルを比較し、評価する。
これらのモデルは、競争力のある精度で長期失業を予測するために使用できることを示す。
異なる分類ポリシーは、非常に異なる公平性をもたらすことを強調する。
論文 参考訳（メタデータ） (2021-08-04T13:43:42Z) - Low-skilled Occupations Face the Highest Upskilling Pressure [0.0]
我々は,新しい技術がタスクに取って代わるにつれて,仕事の内容をいかに進化させるかを検討する。
スキル間の距離を考慮に入れた場合,再スキルのプレッシャーが低スキルの職業にとって最大であることが判明した。
大規模な雇用主や市場からの雇用は、小さな雇用主や市場に比べて少ない変化を経験した。
論文 参考訳（メタデータ） (2021-01-27T16:02:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。