論文の概要: NLP Occupational Emergence Analysis: How Occupations Form and Evolve in Real Time -- A Zero-Assumption Method Demonstrated on AI in the US Technology Workforce, 2022-2026

• arxiv url: http://arxiv.org/abs/2603.15998v1
• Date: Mon, 16 Mar 2026 23:17:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.035745
• Title: NLP Occupational Emergence Analysis: How Occupations Form and Evolve in Real Time -- A Zero-Assumption Method Demonstrated on AI in the US Technology Workforce, 2022-2026
• Title（参考訳）: NLP Occupational Emergence Analysis: Occupations Form and Evolve in Realtime -- A Zero-Assumption Method Demonstrated on AI in the US Technology Workforce, 2022-2026
• Authors: David Nordfors,
• Abstract要約: 作業は、分類システムが追跡できるものよりも早く形成され、進化します。 真の職業とは,共有された専門用語が実践者をグループとして結束させる自己強化構造(二部構造共役体)である。 この共トラクタの概念により、履歴データから職業発生を検出するゼロ推定法が実現される。
• 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: Occupations form and evolve faster than classification systems can track. We propose that a genuine occupation is a self-reinforcing structure (a bipartite co-attractor) in which a shared professional vocabulary makes practitioners cohesive as a group, and the cohesive group sustains the vocabulary. This co-attractor concept enables a zero-assumption method for detecting occupational emergence from resume data, requiring no predefined taxonomy or job titles: we test vocabulary cohesion and population cohesion independently, with ablation to test whether the vocabulary is the mechanism binding the population. Applied to 8.2 million US resumes (2022-2026), the method correctly identifies established occupations and reveals a striking asymmetry for AI: a cohesive professional vocabulary formed rapidly in early 2024, but the practitioner population never cohered. The pre-existing AI community dissolved as the tools went mainstream, and the new vocabulary was absorbed into existing careers rather than binding a new occupation. AI appears to be a diffusing technology, not an emerging occupation. We discuss whether introducing an "AI Engineer" occupational category could catalyze population cohesion around the already-formed vocabulary, completing the co-attractor.
• Abstract（参考訳）: 作業は、分類システムが追跡できるものよりも早く形成され、進化します。 本稿では,実践者がグループとして結束し,結束群が語彙を維持できる自己強化構造(両部共役体)を真の職業として提案する。 この共同トラクタの概念は、既定の分類学や職種を必要とせず、履歴データから職業的出現を検出するゼロ推定法を可能にし、語彙的結束と集団的結束を独立にテストし、語彙が人口を拘束するメカニズムであるかどうかを判断する。 820万の米国履歴書(2022-2026)に適用されたこの手法は、確立された職業を正しく識別し、AIの顕著な非対称性を明らかにする。 ツールが主流になると、既存のAIコミュニティは解散し、新しい語彙は新しい職業に縛られるのではなく、既存の職業に吸収された。 AIは普及しつつある職業ではなく、拡散する技術であるようだ。 我々は,「AIエンジニア」の職業カテゴリーの導入が,既に形成されている語彙の周囲の人口凝集を触媒し,共同トラクターを完成させるかどうかを議論する。

関連論文リスト

• Toward Human-Centered AI-Assisted Terminology Work [0.0]
  本稿では,人工知能に対する人間中心のアプローチが,用語学の作業に欠かせないものとなっていることを論じる。 このフレームワークは、拡張用語学者、倫理的AI、人間中心のデザインの3つの分野で構成されている。
  論文  参考訳（メタデータ） (2025-12-21T19:16:40Z)
• Neo-Grounded Theory: A Methodological Innovation Integrating High-Dimensional Vector Clustering and Multi-Agent Collaboration for Qualitative Research [5.848041907318412]
  Neo Grounded Theory (NGT)は、定性的研究のスケール深さパラドックスを解決するために、ベクトルクラスタリングとマルチエージェントシステムを統合する。 NGTは168倍の速度向上(3時間対3週間)、優れた品質(0.904対0.883)、96%のコスト削減を達成した。
  論文  参考訳（メタデータ） (2025-09-26T16:26:33Z)
• Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
  本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。 Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。 金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
  論文  参考訳（メタデータ） (2024-11-05T23:55:23Z)
• Integrating LLM, EEG, and Eye-Tracking Biomarker Analysis for Word-Level Neural State Classification in Semantic Inference Reading Comprehension [4.390968520425543]
  本研究は、意味的関係読解作業中の個人の神経状態に関する洞察を提供することを目的とする。 本研究では,LLM,視線,脳波(EEG)データを共同で分析し,読解中にキーワードに関連性のある単語をどのように処理するかについて検討する。
  論文  参考訳（メタデータ） (2023-09-27T15:12:08Z)
• National Origin Discrimination in Deep-learning-powered Automated Resume Screening [3.251347385432286]
  多くの企業や組織は、採用プロセスを支援するために、ある種のAI対応のオートマットツールを使い始めています。 AIシステムの根底にあるバイアスによって、候補者に対する不公平な扱いが懸念されている。 本研究では,近年の技術革新である深層学習手法について検討し,自動再開検診への応用に焦点をあてた。
  論文  参考訳（メタデータ） (2023-07-13T01:35:29Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• Enabling Classifiers to Make Judgements Explicitly Aligned with Human Values [73.82043713141142]
  性差別/人種差別の検出や毒性検出などの多くのNLP分類タスクは、人間の値に基づいている。 本稿では,コマンド内で明示的に記述された人間の値に基づいて予測を行う,値整合型分類のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-14T09:10:49Z)
• Self-Supervised Knowledge Assimilation for Expert-Layman Text Style Transfer [63.72621204057025]
  エキスパート・レイマン・テキスト・スタイル・トランスファー技術は、科学コミュニティと一般大衆とのコミュニケーションを改善する可能性がある。 専門家が生み出す高品質な情報は、しばしば難しいジャーゴンの平民が理解するのに苦労している。 これは医療分野において特に顕著な問題であり、レイマンはしばしばオンラインの医療テキストに混同される。
  論文  参考訳（メタデータ） (2021-10-06T17:57:22Z)
• Probing Across Time: What Does RoBERTa Know and When? [70.20775905353794]
  言語知識は、ドメイン間で高速、安定、そして堅牢に獲得されることを示す。 事実と常識はより遅く、ドメインに敏感です。 クロスタイム探索は、これらのモデルが生み出す複雑で混ざった学習を理解するのに役立ち、必要な学習を迅速に行うためのより効率的なアプローチへと導いてくれると信じています。
  論文  参考訳（メタデータ） (2021-04-16T04:26:39Z)

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。