論文の概要: Low-skilled Occupations Face the Highest Upskilling Pressure
- arxiv url: http://arxiv.org/abs/2101.11505v5
- Date: Thu, 06 Feb 2025 18:12:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-07 14:30:48.723692
- 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, Lingfei Wu, James Allen Evans,
- 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。
近年の研究では、2010年代におけるSTEMの職業にとって、スキル要件の変更が最も重要であることが判明している。
スキル間の距離を考慮に入れれば,低いスキルを持つ職業にとって,スキル変革が最善であることが分かっています。
- 参考スコア（独自算出の注目度）: 34.76292410250117
- License:
- 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 of occupational skill change and characterize occupations and workers subject to the greatest reskilling requirements. Recent work found that changing skill requirements are greatest for STEM occupations in the 2010s. Nevertheless, analyzing 167 million online job posts covering 727 occupations, we find that skill change 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. We find that jobs from small employers and markets experienced larger skill upgrades to catch up with the skill demands of their large employers and markets. Female and minority workers are disproportionately employed in low-skilled jobs and face the most significant skill adjustments. While these varied skill changes could create uneven reskilling pressures across workers, they may also lead to a narrowing of gaps in job quality and prospects. We conclude by showcasing our model's potential to chart job evolution directions using skill embedding spaces.
- Abstract（参考訳）: 実質的な奨学金は、自動化に対する雇用の感受性を見積もっているが、新しい技術が仕事の代わりとなり、仕事全体を排除するのではなく、必要なスキルをシフトするにつれて、情報時代における仕事の内容がどのように進化していくかは、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を探求し, 最大のリスキル要件の対象となる職業や労働者を特徴付ける。
近年の研究では、2010年代におけるSTEMの職業にとって、スキル要件の変更が最も重要であることが判明している。
それでも、727人の職業をカバーした1億6700万人のオンライン求職者を分析したところ、スキル間の距離を考慮に入れた場合、スキルの変化が低い職業にとって最善であることが判明した。
さらに、雇用主と市場規模、および社会人口集団におけるスキル変化の違いについて検討する。
我々は、小規模雇用主や市場からの雇用が、大規模な雇用主や市場のスキル要求に追いつくために、より大きなスキルアップグレードを経験したことを発見した。
女性やマイノリティの労働者は、低熟練の仕事に不当に雇用されており、最も重要なスキル調整に直面している。
これらのスキルの変化は、労働者間の不均一なスキルのプレッシャーを引き起こす可能性があるが、仕事の質と見通しのギャップを狭めることになるかもしれない。
我々は、スキル埋め込み空間を用いて、仕事の進化方向をグラフ化する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) - Learning Options via Compression [62.55893046218824]
そこで本研究では,スキル記述長に対するペナルティと,最大限の目標を組み合わさった新たな目的を提案する。
我々の目的は、最大化可能性のみから学んだスキルと比較して、下流のタスクを少ないサンプルで解くスキルを学ぶことである。
論文 参考訳（メタデータ） (2022-12-08T22:34:59Z) - 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) - 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) - Example-Driven Model-Based Reinforcement Learning for Solving
Long-Horizon Visuomotor Tasks [85.56153200251713]
長軸ビズモータタスクの完了に適したプリミティブスキルを学習するためのモデルベースRL手法EMBRを紹介する。
フランカ・エミカのロボットアームでは、EMBRによってロボットは85%の成功率で3つの長い水平視運動タスクを完了できることがわかった。
論文 参考訳（メタデータ） (2021-09-21T16:48:07Z) - 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) - 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) - Predicting Skill Shortages in Labor Markets: A Machine Learning Approach [7.503338065129185]
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。
論文 参考訳（メタデータ） (2020-04-03T00:15:10Z)
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。