論文の概要: Low-skilled Occupations Face the Highest Upskilling Pressure
- arxiv url: http://arxiv.org/abs/2101.11505v4
- Date: Thu, 7 Dec 2023 22:10:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 19:45:37.250877
- Title: Low-skilled Occupations Face the Highest Upskilling Pressure
- Title（参考訳）: スキルの低い作業は高いプレッシャーに直面する
- Authors: Di Tong (Massachusetts Institute of Technology), Lingfei Wu
(University of Pittsburgh), James Allen Evans (University of Chicago)
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Substantial scholarship has estimated the susceptibility of jobs to
automation, but little has examined how job contents evolve in the information
age as new technologies substitute for tasks, shifting required skills rather
than eliminating entire jobs. Here we explore patterns and consequences of
changes in occupational skill and characterize occupations and workers subject
to the greatest re-skilling pressure. Recent work found that changing skill
requirements are greatest for STEM occupations. Nevertheless, analyzing 167
million online job posts covering 727 occupations over the last decade, we find
that re-skilling pressure is greatest for low-skilled occupations when
accounting for distance between skills. We further investigate the differences
in skill change across employer and market size, as well as social demographic
groups, and find that these differences tend to widen the economic divide. Jobs
from large employers and markets experienced less change relative to small
employers and markets, and non-white workers in low-skilled jobs are most
demographically vulnerable. We conclude by showcasing our model's potential to
precisely chart job evolution towards machine-interface integration using skill
embedding spaces.
- Abstract（参考訳）: 実質的な奨学金は、仕事の自動化に対する感受性を推定しているが、仕事全体を排除するのではなく、必要なスキルをシフトさせ、タスクに代わる新しい技術として、情報時代における仕事の内容がどのように進化するかについてはほとんど調査されていない。
ここでは,職業スキルの変化のパターンと結果について検討し,職業と労働者を最も高い再スキルプレッシャーに特徴づける。
最近の研究によると、スキル要件の変更はSTEMの職業にとって最大である。
しかし、過去10年間で727人の職業をカバーしたオンライン求人数16700万件を分析したところ、スキル間の距離を考慮に入れた場合、スキル回復のプレッシャーが最も高いことが判明した。
さらに, 雇用者と市場規模, 社会集団間のスキル変化の違いについて検討し, これらの差異が経済格差を拡げる傾向がみられた。
大企業の雇用主や市場からの雇用は、小規模の雇用主や市場に比べて変化が少なく、非白人の低熟練労働者は人口統計学的に脆弱である。
我々は、スキル埋め込み空間を用いたマシン・インタフェース統合に向けたジョブ進化を正確に表すモデルの可能性を示す。
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) - Social Skill Training with Large Language Models [65.40795606463101]
人々は紛争解決のような社会的スキルに頼り、効果的にコミュニケーションし、仕事と個人の生活の両方で繁栄する。
本稿では,専門分野に進出する上での社会的スキルの障壁を明らかにする。
本稿では,大規模言語モデルを用いた総合的なフレームワークによるソーシャルスキルトレーニングのソリューションを提案する。
論文 参考訳（メタデータ） (2024-04-05T16:29:58Z) - Skills or Degree? The Rise of Skill-Based Hiring for AI and Green Jobs [0.0]
本研究の目的は、雇用主が採用プロセスにおける正式な資格よりも個人スキルに力を入れ始めたかどうかを理解することである。
我々の発見は、雇用主がAIロールの「スキルベースの雇用」を開始した証拠となる。
AIスキルの需要が高い職業では、スキルのプレミアムが高く、学位に対する報酬は比較的低い。
論文 参考訳（メタデータ） (2023-12-19T08:40:45Z) - 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) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳（メタデータ） (2021-10-21T18:28:57Z) - Discovering Generalizable Skills via Automated Generation of Diverse
Tasks [82.16392072211337]
本稿では,多種多様なタスクの自動生成による一般化可能なスキルの発見手法を提案する。
教師なしスキル発見の先行研究とは対照的に,本手法では各スキルをトレーニング可能なタスクジェネレータが生成するユニークなタスクとペアリングする。
生成したタスクにおけるロボットの動作に定義されたタスク判別器を共同で訓練し、多様性目標の低いエビデンスを推定する。
学習スキルは階層的な強化学習アルゴリズムで構成され、目に見えない目標タスクを解決する。
論文 参考訳（メタデータ） (2021-06-26T03:41:51Z) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z) - Skill-driven Recommendations for Job Transition Pathways [8.175175834134706]
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。
論文 参考訳（メタデータ） (2020-11-23T23:58:26Z) - Young Adult Unemployment Through the Lens of Social Media: Italy as a
case study [108.33144653708091]
調査データとソーシャルメディアデータを用いて、イタリアにおける若い失業者の個性、道徳的価値、文化的要素を分析する。
調査の結果, 人格と道徳的価値には小さながら有意な差がみられ, 失業した男性は満足し難い傾向がみられた。
失業者は、より集団主義的な視点を持ち、グループ内の忠誠心、権威、純粋性の基盤を評価する。
論文 参考訳（メタデータ） (2020-10-09T10:56:04Z) - 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)
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。