論文の概要: Longitudinal Complex Dynamics of Labour Markets Reveal Increasing
Polarisation
- arxiv url: http://arxiv.org/abs/2204.07073v1
- Date: Thu, 14 Apr 2022 16:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:17:11.958697
- Title: Longitudinal Complex Dynamics of Labour Markets Reveal Increasing
Polarisation
- Title(参考訳): 労働市場の経時的複雑ダイナミクス : 分極化の進展を示唆
- Authors: Shahad Althobaiti, Ahmad Alabdulkareem, Judy Hanwen Shen, Iyad Rahwan,
Morgan Frank, Esteban Moro and Alex Rutherford
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.22389131271244
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we conduct a longitudinal analysis of the structure of labour
markets in the US over 7 decades of technological, economic and policy change.
We make use of network science, natural language processing and machine
learning to uncover structural changes in the labour market over time. We find
a steady rate of both disappearance of jobs and a shift in the required work
tasks, despite much technological and economic change over this time period.
Machine learning is used to classify jobs as being predominantly cognitive or
physical based on the textual description of the workplace tasks. We also
measure increasing polarisation between these two classes of jobs, linked by
the similarity of tasks, over time that could constrain workers wishing to move
to different jobs.
- Abstract(参考訳): 本稿では,米国における技術・経済・政策変化の70年以上にわたる労働市場構造について,縦断分析を行う。
我々は、ネットワークサイエンス、自然言語処理、機械学習を利用して、労働市場の構造変化を時間とともに解明する。
この期間の技術的・経済的な変化にもかかわらず、失業率と必要な作業タスクの変化は着実に見られます。
機械学習は、仕事の作業のテキスト記述に基づいて、主に認知的または物理的に仕事を分類するために使用される。
また、これらの2つのタイプのジョブ間の分極を、タスクの類似性によって、時間とともに測定することで、異なるジョブに移行したい労働者を制約することができる。
関連論文リスト
- Making Data: The Work Behind Artificial Intelligence [0.0]
本稿では,ブラジルにおけるマイクロワークの実態を報告し,労働者の肖像画を提供する。
これは、現状の不安定化を克服するための、より広範な努力の一歩である。
論文 参考訳(メタデータ) (2024-09-23T08:12:24Z) - Large-Scale Assessment of Labour Market Dynamics in China during the
COVID-19 Pandemic [39.687308338101005]
新型コロナウイルスのパンデミックが中国の労働市場に前例のない影響を与えた。
労働力の供給と需要は地域によって大きく変化した。
政策立案者にとって、ポストパンデミック労働市場の台頭するダイナミクスを理解することが重要になる。
論文 参考訳(メタデータ) (2023-04-29T08:54:19Z) - Multi-generational labour markets: data-driven discovery of
multi-perspective system parameters using machine learning [0.36832029288386137]
我々は、ビッグデータと機械学習を用いて、多世代労働市場におけるマルチパースペクティブパラメーターを発見する。
学術的視点のパラメータは、1958-2022年の間、Web of Scienceから35,000の論文を要約して発見されている。
データ駆動パラメータ発見のための完全な機械学習ソフトウェアツールが開発されている。
論文 参考訳(メタデータ) (2023-02-20T18:25:10Z) - 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) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳(メタデータ) (2021-10-14T15:14:33Z) - Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
理解の研究は、ロボットに世界が何を意味するのかを決定する。
人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。
ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
論文 参考訳(メタデータ) (2021-01-02T12:34:39Z) - Towards Coordinated Robot Motions: End-to-End Learning of Motion
Policies on Transform Trees [63.31965375413414]
人間による実証から構造化政策を学習し、マルチタスクの課題解決を提案します。
我々の構造化ポリシーは、異なる空間におけるサブタスクポリシーを組み合わせるためのフレームワークであるRMPflowにインスパイアされている。
マルチタスク問題に適したエンドツーエンドの学習目標関数を導き出します。
論文 参考訳(メタデータ) (2020-12-24T22:46:22Z) - 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) - 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) - Modeling Long-horizon Tasks as Sequential Interaction Landscapes [75.5824586200507]
本稿では,一連のデモビデオからのみ,サブタスク間の依存関係と遷移を学習するディープラーニングネットワークを提案する。
これらのシンボルは、画像観察から直接学習し、予測できることが示される。
我々は,(1)人間によって実行されるパズル片のブロック積み重ね,(2)物体のピック・アンド・プレイスとキャビネットドアを7-DoFロボットアームで滑らせるロボット操作という,2つの長期水平作業において,我々の枠組みを評価する。
論文 参考訳(メタデータ) (2020-06-08T18:07:18Z)
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。