論文の概要: Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts?

• arxiv url: http://arxiv.org/abs/2511.16028v1
• Date: Thu, 20 Nov 2025 04:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.464171
• Title: Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts?
• Title（参考訳）: オンラインGenAIは労働市場シフトのベルウェザーとして生き残ることができるか
• Authors: Shurui Cao, Wenyue Hua, William Yang Wang, Hong Shen, Fei Fang,
• Abstract要約: 本稿では,大規模言語モデルに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを検討する。 我々は、公共の談話が雇用の変化の先駆けとなる領域と時間枠を特定するために、4つの異なる分析的アプローチを採用している。 調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。
• 参考スコア（独自算出の注目度）: 62.386835769570006
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of Large Language Models (LLMs) has generated considerable speculation regarding their transformative potential for labor markets. However, existing approaches to measuring AI exposure in the workforce predominantly rely on concurrent market conditions, offering limited predictive capacity for anticipating future disruptions. This paper presents a predictive study examining whether online discussions about LLMs can function as early indicators of labor market shifts. We employ four distinct analytical approaches to identify the domains and timeframes in which public discourse serves as a leading signal for employment changes, thereby demonstrating its predictive validity for labor market dynamics. Drawing on a comprehensive dataset that integrates the REALM corpus of LLM discussions, LinkedIn job postings, Indeed employment indices, and over 4 million LinkedIn user profiles, we analyze the relationship between discussion intensity across news media and Reddit forums and subsequent variations in job posting volumes, occupational net change ratios, job tenure patterns, unemployment duration, and transitions to GenAI-related roles across thirteen occupational categories. Our findings reveal that discussion intensity predicts employment changes 1-7 months in advance across multiple indicators, including job postings, net hiring rates, tenure patterns, and unemployment duration. These findings suggest that monitoring online discourse can provide actionable intelligence for workers making reskilling decisions and organizations anticipating skill requirements, offering a real-time complement to traditional labor statistics in navigating technological disruption.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な進歩は、労働市場への変革の可能性についてかなりの憶測を巻き起こしている。 しかし、労働力におけるAIの露出を測定する既存のアプローチは、主に同時市場条件に依存しており、将来の混乱を予測するための限られた予測能力を提供する。 本稿では,LLMに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを予測的に検討する。 我々は、公共の談話が雇用の変化の先駆けとなる領域や時間枠を特定するために、4つの異なる分析的アプローチを採用し、労働市場のダイナミクスに対する予測的妥当性を示す。 LLM議論のREALMコーパス、LinkedInのジョブ投稿、インクリメンタルな雇用指標、および400万以上のLinkedInユーザプロファイルを統合した包括的なデータセットに基づいて、ニュースメディアとRedditフォーラム間の議論の強度とその後の求人数の変化、仕事のネット変化率、仕事の終りパターン、失業期間、そして13の職業カテゴリーにわたるGenAI関連の役割への移行との関係を分析する。 調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。 これらの結果から, オンライン談話の監視は, 技能決定を行う作業者や, スキル要件を期待する組織に対して, 技術的破壊をナビゲートする従来の労働統計をリアルタイムに補完する, 行動可能なインテリジェンスを提供する可能性が示唆された。

関連論文リスト

• How AI Forecasts AI Jobs: Benchmarking LLM Predictions of Labor Market Changes [5.848712585343904]
  本稿では,大規模言語モデル(LLM)が仕事需要の変化をどの程度予測できるかを評価するためのベンチマークを紹介する。 当社のベンチマークでは、米国におけるセクターレベルの求職率の高頻度指標と、AIの採用による職業変化のグローバルデータセットの2つのデータセットを組み合わせています。 その結果、構造化タスクは予測安定性を継続的に改善し、ペルソナプロンプトは短期的な傾向に有利であることがわかった。
  論文  参考訳（メタデータ） (2025-10-27T14:08:27Z)
• FutureX: An Advanced Live Benchmark for LLM Agents in Future Prediction [92.7392863957204]
  FutureXは、将来の予測のための最大かつ最も多様なライブベンチマークである。 リアルタイムの日次更新をサポートし、質問収集と回答収集のための自動パイプラインを通じてデータの汚染を取り除く。 推論,検索機能,外部ツールの統合などを含む25のLLM/エージェントモデルを評価した。
  論文  参考訳（メタデータ） (2025-08-16T08:54:08Z)
• JobHop: A Large-Scale Dataset of Career Trajectories [43.84577100931558]
  ジョブホップ(JobHop)は、ベルギーのフランドルにある公共雇用サービスVDABが提供する匿名の履歴書から派生した大規模なパブリックデータセットである。 構造化されていない履歴データを処理し、構造化された経歴情報を抽出し、標準化された ESCO の職業コードに正規化する。 この結果、361,000人以上の履歴書から抽出され、グループ化された166万以上の作業経験の豊富なデータセットが得られた。
  論文  参考訳（メタデータ） (2025-05-12T15:22:29Z)
• Skill Demand Forecasting Using Temporal Knowledge Graph Embeddings [3.1515385358176817]
  オンライン求人広告から構築した時間的KGについて紹介する。 次に、時間的リンク予測のための異なる時間的KG埋め込みを訓練し、評価する。 本稿では,情報技術産業における労働者の技能選択に対する需要予測について述べる。
  論文  参考訳（メタデータ） (2025-04-09T19:18:29Z)
• The Imperative of Conversation Analysis in the Era of LLMs: A Survey of Tasks, Techniques, and Trends [64.99423243200296]
  会話分析(CA)は、会話データから重要な情報を発見し分析する。 本稿では,CAタスクの徹底的なレビューとシステム化を行い,既存の業務を要約する。 会話シーンの再構築,奥行きの属性分析,ターゲットトレーニングの実行,会話の生成から,CAの4つの重要なステップを導出した。
  論文  参考訳（メタデータ） (2024-09-21T16:52:43Z)
• "Generate" the Future of Work through AI: Empirical Evidence from Online Labor Markets [4.955822723273599]
  ChatGPTのようなLLM(Large Language Model)ベースの生成AIシステムは、幅広い下流タスクにわたってゼロショット学習能力を実証している。 これらのシステムは、労働市場のダイナミクスを再構築する可能性がある。 しかし、AIが需要と供給の両方に同時に影響していることを考えると、その正確な影響を予測することは難しい。
  論文  参考訳（メタデータ） (2023-08-09T19:45:00Z)
• 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)

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。