論文の概要: Skill-driven Recommendations for Job Transition Pathways

• arxiv url: http://arxiv.org/abs/2011.11801v2
• Date: Tue, 10 Aug 2021 23:47:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 08:42:16.289627
• Title: Skill-driven Recommendations for Job Transition Pathways
• Title（参考訳）: 転職経路に対するスキル駆動型レコメンデーション
• Authors: Nikolas Dawson, Mary-Anne Williams, Marian-Andrei Rizoiu
• Abstract要約: 雇用の安全は当然のことではなく、特に急激で広まり、予期せぬ社会的・経済的な変化のときである。 そこで本研究では,その基盤となるスキルを用いて,職業間の類似度を測定する手法を提案する。 次に、職業間の最適な遷移経路を特定するためのレコメンデーションシステムを構築する。
• 参考スコア（独自算出の注目度）: 8.175175834134706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Job security can never be taken for granted, especially in times of rapid, widespread and unexpected social and economic change. These changes can force workers to transition to new jobs. This may be because new technologies emerge or production is moved abroad. Perhaps it is a global crisis, such as COVID-19, which shutters industries and displaces labor en masse. Regardless of the impetus, people are faced with the challenge of moving between jobs to find new work. Successful transitions typically occur when workers leverage their existing skills in the new occupation. Here, we propose a novel method to measure the similarity between occupations using their underlying skills. We then build a recommender system for identifying optimal transition pathways between occupations using job advertisements (ads) data and a longitudinal household survey. Our results show that not only can we accurately predict occupational transitions (Accuracy = 76%), but we account for the asymmetric difficulties of moving between jobs (it is easier to move in one direction than the other). We also build an early warning indicator for new technology adoption (showcasing Artificial Intelligence), a major driver of rising job transitions. By using real-time data, our systems can respond to labor demand shifts as they occur (such as those caused by COVID-19). They can be leveraged by policy-makers, educators, and job seekers who are forced to confront the often distressing challenges of finding new jobs.
• Abstract（参考訳）: 特に、急速に、広く、そして予期せぬ社会的、経済的な変化の時には、仕事の安全は当然のはずがない。 これらの変更は、労働者を新しい仕事に移行させる可能性がある。 これは、新しい技術が出現したり、生産が海外に移されたりするためかもしれない。 新型コロナウイルス(COVID-19)のような世界的な危機は、産業を閉鎖し、大量労働を廃止する可能性がある。 衝動にかかわらず、人々は新しい仕事を見つけるために職を移すという課題に直面しています。 成功している移行は通常、労働者が新しい職業で既存のスキルを利用するときに起こる。 本稿では,その基盤となるスキルを用いて,職業間の類似度を測定する手法を提案する。 次に,ジョブ広告(ads)データと縦断的な世帯調査を用いて,職業間の最適な移行経路を識別するためのレコメンダシステムを構築する。 その結果,作業の変遷を正確に予測できるだけでなく(精度=76%),作業間の非対称な移動の困難さを考慮し,作業の変遷を正確に予測できることがわかった。 また、新たな技術採用の早期警戒指標(人工知能(Showcasing Artificial Intelligence))も構築しています。 リアルタイムデータを使用することで、当社のシステムは労働需要の変化に対応することができる(COVID-19によって引き起こされるような)。 政策立案者、教育者、求職者に活用され、新しい仕事を見つけるという苦難の課題に直面することを余儀なくされる。

関連論文リスト

• Nasdaq-100 Companies' Hiring Insights: A Topic-based Classification Approach to the Labor Market [0.0]
  本稿では,現代のオンライン労働市場における職種分類のためのデータマイニング手法を提案する。 マーケティング、ブランディング、セールス、ソフトウェアエンジニアリング、ハードウェアエンジニアリング、産業エンジニアリング、プロジェクトマネジメントの13の職種が、最も頻繁に投稿される職種である。
  論文  参考訳（メタデータ） (2024-09-01T08:18:56Z)
• 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)
• Longitudinal Complex Dynamics of Labour Markets Reveal Increasing Polarisation [4.22389131271244]
  我々は,7年間の技術的,経済的,政策的な変化において,米国の労働市場の構造を経時的に分析する。 ネットワーク科学、自然言語処理、機械学習を活用して、労働市場の構造的変化を時間とともに明らかにしています。
  論文  参考訳（メタデータ） (2022-04-14T16:07:20Z)
• Hierarchical Skills for Efficient Exploration [70.62309286348057]
  強化学習において、事前訓練された低レベルスキルは、探索を大幅に促進する可能性がある。 下流タスクの以前の知識は、スキルデザインにおける一般性(きめ細かい制御)と特異性(より高速な学習)の適切なバランスをとるために必要である。 教師なしの方法で様々な複雑さのスキルを習得する階層的スキル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-20T22:29:32Z)
• Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
  FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。 本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-07-19T15:56:01Z)
• 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)
• Continuous Transition: Improving Sample Efficiency for Continuous Control Problems via MixUp [119.69304125647785]
  本稿では,連続的遷移を構築するための簡潔かつ強力な手法を提案する。 具体的には、連続的な遷移を線形に補間することにより、トレーニングのための新しい遷移を合成することを提案する。 また, 建設過程を自動案内する判別器を開発した。
  論文  参考訳（メタデータ） (2020-11-30T01:20:23Z)
• Latent Skill Planning for Exploration and Transfer [49.25525932162891]
  本稿では,この2つの手法を1つの強化学習エージェントに統合する方法について検討する。 テスト時の高速適応に部分的償却の考え方を活用する。 私たちは、困難なロコモーションタスクのスイートでデザイン決定のメリットを実演しています。
  論文  参考訳（メタデータ） (2020-11-27T18:40:03Z)
• COG: Connecting New Skills to Past Experience with Offline Reinforcement Learning [78.13740204156858]
  我々は、動的プログラミングによって新しいスキルを拡張するために、事前データを再利用できることを示します。 我々は、新しいタスクを解決するために、以前のデータセットに見られるいくつかの動作をチェーンすることで、アプローチの有効性を実証する。 我々は、高次元画像観察を低レベルのロボット制御コマンドにマッピングし、エンドツーエンドでポリシーを訓練する。
  論文  参考訳（メタデータ） (2020-10-27T17:57:29Z)
• Job2Vec: Job Title Benchmarking with Collective Multi-View Representation Learning [51.34011135329063]
  Job Title Benchmarking (JTB) は、様々な企業で同様の専門知識を持つ職種をマッチングすることを目的としている。 従来のJTBのアプローチは主に手作業による市場調査に依存しており、それは高価で労働集約的である。 我々はJTBをジョブ-グラフ上のリンク予測のタスクとして再編成し、ジョブタイトルにマッチするリンクはリンクを持つべきである。
  論文  参考訳（メタデータ） (2020-09-16T02:33:32Z)
• Learning Occupational Task-Shares Dynamics for the Future of Work [5.487438649316376]
  ビッグデータとAIは、2012年と2016年以来、高賃金の職業の中で著しく上昇している。 我々は,将来的な業務要求を予測するためのARIMAモデルを構築している。
  論文  参考訳（メタデータ） (2020-01-28T21:20:33Z)

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。