論文の概要: The Algorithmic Barrier: Quantifying Artificial Frictional Unemployment in Automated Recruitment Systems

• arxiv url: http://arxiv.org/abs/2601.14534v1
• Date: Tue, 20 Jan 2026 23:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.18172
• Title: The Algorithmic Barrier: Quantifying Artificial Frictional Unemployment in Automated Recruitment Systems
• Title（参考訳）: アルゴリズムバリア:自動リクルートシステムにおける人工摩擦失業の定量化
• Authors: Ibrahim Denis Fofanah,
• Abstract要約: 米国の労働市場は高い失業率と長期失業期間の持続的共存を示している。 本稿では,現代摩擦失業の非自明な部分は,自動採用システムによって人工的に引き起こされていることを論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The United States labor market exhibits a persistent coexistence of high job vacancy rates and prolonged unemployment duration, a pattern that standard labor market theory struggles to explain. This paper argues that a non-trivial portion of contemporary frictional unemployment is artificially induced by automated recruitment systems that rely on deterministic keyword-based screening. Drawing on labor economics, information asymmetry theory, and prior work on algorithmic hiring, we formalize this phenomenon as artificial frictional unemployment arising from semantic misinterpretation of candidate competencies. We evaluate this claim using controlled simulations that compare legacy keyword-based screening with semantic matching based on high-dimensional vector representations of resumes and job descriptions. The results demonstrate substantial improvements in recall and overall matching efficiency without a corresponding loss in precision. Building on these findings, the paper proposes a candidate-side workforce operating architecture that standardizes, verifies, and semantically aligns human capital signals while remaining interoperable with existing recruitment infrastructure. The findings highlight the economic costs of outdated hiring systems and the potential gains from improving semantic alignment in labor market matching.
• Abstract（参考訳）: 米国の労働市場は高い失業率と長期失業期間の持続的共存を示しており、これは労働市場理論が説明に苦慮するパターンである。 本稿では、現代摩擦失業の非自明な部分は、決定論的キーワードベースのスクリーニングに依存する自動採用システムによって人工的に誘導されると論じる。 労働経済学、情報非対称性理論、およびアルゴリズム採用の先行研究に基づいて、我々はこの現象を、候補能力の意味的誤解釈から生じる人工摩擦失業として定式化する。 本稿では,履歴書とジョブ記述の高次元ベクトル表現に基づいて,従来のキーワードベースのスクリーニングとセマンティックマッチングを比較した制御シミュレーションを用いて,この主張を評価する。 その結果、精度の低下を伴わずに、リコールと全体的なマッチング効率が大幅に向上した。 これらの知見に基づいて,既存の採用インフラとの相互運用性を維持しつつ,人的資本信号を標準化し,検証し,意味的に整合させる候補側労働力運用アーキテクチャを提案する。 この結果は、時代遅れの雇用システムの経済コストと、労働市場マッチングにおける意味的整合性の改善による潜在的な利益を浮き彫りにしている。

関連論文リスト

• A Sustainable AI Economy Needs Data Deals That Work for Generators [56.949279542190084]
  機械学習のバリューチェーンは、経済的なデータ処理の不平等のため、構造的に持続不可能である、と我々は主張する。 73の公開データ取引を分析し、アグリゲータに価値の大部分が蓄積されていることを示す。 参加者全員に利益をもたらす最小市場を実現するために、等価なData-Value Exchange Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-01-15T01:05:48Z)
• ERA-IT: Aligning Semantic Models with Revealed Economic Preference for Real-Time and Explainable Patent Valuation [0.0]
  本研究は,ERA-IT(Economic Reasoning Alignment via Instruction Tuning)フレームワークを提案する。 理論的には、特許更新履歴を明らかな経済的嗜好として概念化し、客観的な監視信号として活用する。 我々は、価値層を予測するだけでなく、構造化されていないテキストからEconomic Chain-of-Thoughtをリバースエンジニアリングするようにモデルを訓練した。
  論文  参考訳（メタデータ） (2025-12-14T23:04:07Z)
• Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts? [62.386835769570006]
  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。
  論文  参考訳（メタデータ） (2025-11-20T04:18:25Z)
• RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
  操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。 既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。 本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-27T17:41:38Z)
• 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)
• A theory-based AI automation exposure index: Applying Moravec's Paradox to the US labor market [0.0]
  本稿では,モラベックのパラドックスに基づく理論駆動型自動露光指数を開発する。 パフォーマンスのばらつき、暗黙の知識、データの豊富さ、アルゴリズム的なギャップについて、19,000のO*NETタスクを評価すると、マネジメント、STEM、科学の職業が最も露出率が高いことがわかります。 賃金と露光のポジティブな関係は、AIが労働者の代わりになる場合、スキルバイアスの技術的変化の概念に挑戦する。
  論文  参考訳（メタデータ） (2025-10-15T10:00:33Z)
• Harnessing the Reasoning Economy: A Survey of Efficient Reasoning for Large Language Models [51.85792055455284]
  大規模言語モデル(LLM)の最近の進歩は、複雑な推論タスクを実行する能力を大幅に強化している。 システム1推論は計算効率が良いが、最適以下の性能をもたらす。 システム2推論(System 2 reasoning)は、思考の遅さや非効率性、不必要な推論の振る舞いにより、かなりの計算コストを発生させることが多い。
  論文  参考訳（メタデータ） (2025-03-31T17:58:07Z)
• "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)
• An Uncertainty-based Human-in-the-loop System for Industrial Tool Wear Analysis [68.8204255655161]
  人間のループシステムにおけるモンテカルロのドロップアウトに基づく不確実性対策により,システムの透明性と性能が向上することを示す。 シミュレーション研究により、不確実性に基づく「ループ内人間システム」は、様々なレベルの人間の関与に対する性能を高めることが示されている。
  論文  参考訳（メタデータ） (2020-07-14T15:47:37Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。