論文の概要: Forecasting Green Skill Demand in the Automotive Industry: Evidence from Online Job Postings

• arxiv url: http://arxiv.org/abs/2605.05280v1
• Date: Wed, 06 May 2026 16:51:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.337945
• Title: Forecasting Green Skill Demand in the Automotive Industry: Evidence from Online Job Postings
• Title（参考訳）: 自動車業界におけるグリーンスキルの需要予測--オンライン求人情報から
• Abstract要約: 本研究では,メキシコの自動車産業の求人情報を用いて,グリーンスキルの需要を計測し,予測する計算手法を提案する。 多言語埋め込みとESCOバリデーションを組み合わせた2段階パイプラインは、8,576件で274のグリーンスキルを識別する。 その結果、現在の需要は運用持続可能性プラクティスに集中しており、最も急速に成長するスキルは再生可能エネルギー、リサイクル、水素技術である。
• 参考スコア（独自算出の注目度）: 2.629180414452215
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The global transition toward sustainable economies is reshaping labor markets, yet systematic methods for identifying and forecasting green skills remain limited. This study presents a computational framework to measure and predict green skill demand using online job postings from Mexico's automotive industry, which contributes about 4% of national GDP. We compile a dataset of job advertisements from Indeed Mexico, OCC Mundial, and LinkedIn (July 2024 to July 2025), yielding 204,373 skill records. A two-stage pipeline combining multilingual embeddings and ESCO validation identifies 274 unique green skills across 8,576 occurrences (4.22% of all skills). We benchmark 15 time series forecasting models using a rolling origin evaluation. Transformer-based models, especially FEDformer, Reformer, and Informer, achieve the best performance, with MAE around 2.5e-5 and relative RMSE below 15. We further propose a framework to classify skills by absolute and relative growth, identifying stable, emerging, and high-impact competencies. Results show current demand is concentrated in operational sustainability practices, while the fastest-growing skills relate to renewable energy, recycling, and hydrogen technologies. This pipeline supports data-driven workforce planning in the green transition.
• Abstract（参考訳）: 持続可能な経済への世界的転換は労働市場を変革させているが、グリーンスキルの特定と予測の体系的な方法はまだ限られている。 本研究では,メキシコの自動車産業からのオンライン求人情報を用いて,グリーンスキルの需要を測り,予測する計算手法を提案する。 私たちは、Indentual Mexico、OCC Mundial、LinkedIn(2024年7月から2025年7月まで)の求人広告のデータセットをコンパイルし、204,373件のスキル記録を作成しました。 多言語埋め込みとESCOバリデーションを組み合わせた2段階パイプラインは、8,576件(全てのスキルの4.22%)で274のグリーンスキルを識別する。 圧延原点評価を用いた15時系列予測モデルのベンチマークを行った。 トランスフォーマーベースのモデル、特にFEDformer、Reformer、Informerは最高性能を達成し、MAEは約2.5e-5で相対RMSEは15以下である。 さらに、絶対的かつ相対的な成長によってスキルを分類し、安定した、新しく、そして、インパクトの高い能力を特定するための枠組みを提案する。 その結果、現在の需要は運用持続可能性プラクティスに集中しており、最も急速に成長するスキルは再生可能エネルギー、リサイクル、水素技術である。 このパイプラインは、グリーン移行におけるデータ駆動型労働計画をサポートする。

関連論文リスト

• Economic Evaluations of Language Models [81.69183693497281]
  EconEvalsは、米国の労働経済におけるタスク、労働活動、職業に関連する能力を測定するためのオープンソースの評価スイートである。 われわれの評価は、米国占領の5%をカバーする既存の最先端技術であるOpenAIのGDPvalベンチマークを500倍のコストでカバーする。 われわれの推計では、現在のモデルでは労働者が仕事の少なくとも半分を47%で相当な時間を節約できる。
  論文  参考訳（メタデータ） (2026-06-26T22:26:40Z)
• Evidence Over Plans: Online Trajectory Verification for Skill Distillation [59.17625804241461]
  後方蒸留指数 (Posterior Distillation Index, PDI) は、タスク環境証拠に蒸留技術がどの程度うまく根付いているかを測る軌跡レベルの指標である。 SPARKはPDIを計算するのに使用される環境検証トラジェクトリを生成する。 本研究では,SPARK生成スキルが非スキルベースラインを一貫して上回り,学生モデルにおける人書きスキルを上回っていることを示す。
  論文  参考訳（メタデータ） (2026-05-09T22:15:13Z)
• An Industrial-Scale Retrieval-Augmented Generation Framework for Requirements Engineering: Empirical Evaluation with Automotive Manufacturing Data [0.5156484100374058]
  Retrieval-augmented Generation (RAG) は知識集約的なタスクを約束するが、産業用REのRAGを評価する以前の研究は行われていない。 本稿では,産業要求自動化のためのRAGの総合的実証評価について,自動車製造文書を用いた総合評価を行った。 RAGは、完全なトレーサビリティを持つ98.2%の抽出精度を達成し、それぞれ24.4%、19.6%のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-03-20T22:05:08Z)
• CharacterFlywheel: Scaling Iterative Improvement of Engaging and Steerable LLMs in Production [52.85500933801205]
  CharacterFlywheelは、大規模言語モデル(LLM)を生産的なソーシャルチャットアプリケーションで改善するための反復的なプロセスである。 内部および外部のリアルタイムトラフィックからのデータを使用して、15世代にわたってモデルを洗練しました。 7日間のA/Bテストを行い、一貫したエンゲージメントの改善を示した。
  論文  参考訳（メタデータ） (2026-03-02T15:27:31Z)
• 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)
• GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks [34.63352957472507]
  GDPvalは、実世界の経済的に価値のあるタスクでAI能力を評価するベンチマークである。 GDPvalは、米国労働統計局(U.S. Bureau of Labor Statistics Work Activity)の大多数をカバーしている。 我々は、人間の監視と組み合わせることで、フロンティアモデルの可能性を分析し、知らない専門家よりもGDPvalタスクを安価かつ高速に実行します。
  論文  参考訳（メタデータ） (2025-10-05T21:36:43Z)
• 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)
• The Energy Worker Profiler from Technologies to Skills to Realize Energy Efficiency in Manufacturing [1.290382979353427]
  Worker Profilerは、現在労働者が保有しているスキルをマッピングするソフトウェアである。 デジタルイノベーションと環境保全が課す新たな要求を満たすために、彼らが理想的に所有すべきものとの不一致を特定する。 このツールは、ユーザーフレンドリーで、スキルギャップの特定に効果的であり、他のコンテキストに容易に適応できることを示す。
  論文  参考訳（メタデータ） (2023-01-23T14:08:34Z)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)
• 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。