論文の概要: Nasdaq-100 Companies' Hiring Insights: A Topic-based Classification Approach to the Labor Market
- arxiv url: http://arxiv.org/abs/2409.00658v1
- Date: Sun, 1 Sep 2024 08:18:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 13:09:07.831352
- Title: Nasdaq-100 Companies' Hiring Insights: A Topic-based Classification Approach to the Labor Market
- Title（参考訳）: Nasdaq-100 企業の雇用動向: トピックに基づく労働市場への分類アプローチ
- Authors: Seyed Mohammad Ali Jafari, Ehsan Chitsaz,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The emergence of new and disruptive technologies makes the economy and labor market more unstable. To overcome this kind of uncertainty and to make the labor market more comprehensible, we must employ labor market intelligence techniques, which are predominantly based on data analysis. Companies use job posting sites to advertise their job vacancies, known as online job vacancies (OJVs). LinkedIn is one of the most utilized websites for matching the supply and demand sides of the labor market; companies post their job vacancies on their job pages, and LinkedIn recommends these jobs to job seekers who are likely to be interested. However, with the vast number of online job vacancies, it becomes challenging to discern overarching trends in the labor market. In this paper, we propose a data mining-based approach for job classification in the modern online labor market. We employed structural topic modeling as our methodology and used the NASDAQ-100 indexed companies' online job vacancies on LinkedIn as the input data. We discover that among all 13 job categories, Marketing, Branding, and Sales; Software Engineering; Hardware Engineering; Industrial Engineering; and Project Management are the most frequently posted job classifications. This study aims to provide a clearer understanding of job market trends, enabling stakeholders to make informed decisions in a rapidly evolving employment landscape.
- Abstract（参考訳）: 新しい破壊的な技術の出現は、経済と労働市場をより不安定にする。
このような不確実性を克服し、労働市場をより理解できるようにするためには、主にデータ分析に基づく労働市場インテリジェンス技術を採用する必要がある。
企業は求職サイトを利用して求職機会を宣伝し、オンライン求職機会(OJVs)と呼ばれる。
LinkedInは労働市場の供給と需要の両面を合わせるために最も利用されているウェブサイトの1つであり、企業は求人ページに仕事の空白を投稿し、LinkedInは興味のある求職者にこれらのジョブを推奨している。
しかし、膨大な数のオンライン求職機会を抱える中、労働市場の過大な傾向を見極めることは困難になっている。
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。
提案手法として構造トピックモデリングを採用し,インデクシングされた企業のLinkedInにおけるオンラインジョブの空白を入力データとして使用した。
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ことがわかった。
本研究の目的は、急速に発展する雇用環境において、利害関係者が情報的な意思決定を行えるように、雇用市場の動向をより明確に理解することである。
関連論文リスト
- Understanding and Modeling Job Marketplace with Pretrained Language Models [46.05972662117288]
ジョブマーケットプレース(Job marketplace)は、メンバー(ジョブ・シーカー)、企業、およびジョブ間のインタラクションで構成される異質なグラフである。
既存のグラフニューラルネットワーク(GNN)に基づく手法は、関連するテキストの特徴と異種関係の理解が浅い。
PLM4Jobは、事前学習言語モデル(PLM)とジョブ市場グラフを密結合した求人市場基盤モデルである。
論文 参考訳（メタデータ） (2024-08-08T11:35:52Z) - 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) - WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。
WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。
BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文 参考訳（メタデータ） (2024-03-12T14:58:45Z) - Professional Network Matters: Connections Empower Person-Job Fit [62.20651880558674]
本稿では,プロフェッショナルネットワークをPerson-Job Fitモデルに組み込むことの重要性を強調する。
CSAGNNにジョブ固有のアテンション機構を導入し、ノイズの多いプロフェッショナルネットワークを処理する。
提案手法の有効性を,LinkedInの3つの実世界の採用データセットを用いて実験的に評価することで実証する。
論文 参考訳（メタデータ） (2023-12-19T06:44:44Z) - Detecting Fake Job Postings Using Bidirectional LSTM [0.0]
本研究は、偽の求人広告を特定するために、双方向長短期記憶(Bidirectional Long Short-Term Memory, Bi-LSTM)モデルを用いる。
提案したモデルは、0.91ROC AUCスコアと98.71%の精度で優れた性能を示す。
この研究の成果は、偽の求人投稿の拡散に対抗できる堅牢で自動化されたツールの開発に寄与する。
論文 参考訳（メタデータ） (2023-04-03T20:05:27Z) - A practical method for occupational skills detection in Vietnamese job
listings [0.16114012813668932]
正確でタイムリーな労働市場情報の欠如は、スキルミスマッチにつながる。
従来のアプローチは、既存の分類学および/または大きな注釈付きデータに依存している。
ベトナムの求人求職者におけるスキル検出のための実践的手法を提案する。
論文 参考訳（メタデータ） (2022-10-26T10:23:18Z) - 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) - 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) - Oblivion of Online Reputation: How Time Cues Improve Online Recruitment [77.34726150561087]
本稿では,雇用主を時間的評価の文脈にさらすことが,雇用決定の質の向上につながることを論じる。
335人の学生による実験室での研究では、現在の評価システムは時代遅れの評判を認識させるには不十分であることが示されている。
論文 参考訳（メタデータ） (2020-05-13T13:23:05Z)
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。