論文の概要: Career Mobility of Planning Alumni in the United States: Evidence from Professional Profile Data using Large Language Models
- arxiv url: http://arxiv.org/abs/2605.12618v1
- Date: Tue, 12 May 2026 18:06:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.606594
- Title: Career Mobility of Planning Alumni in the United States: Evidence from Professional Profile Data using Large Language Models
- Title（参考訳）: 米国におけるプランニング卒業生のキャリアモビリティ:大規模言語モデルを用いたプロのプロフィールデータから
- Authors: Yan Wang, Su Jeong Jo,
- Abstract要約: 本研究では,無境界キャリア理論,社会資本理論,空間機会モデルを用いて,同窓生のキャリアモビリティの分析を行う。
その結果, 境界のないキャリアパターン, 特にマルチセクター経験, 横方向, 産業スイッチング軌道を取り入れた卒業生は, 上向きのモビリティを著しく向上させることがわかった。
- 参考スコア（独自算出の注目度）: 4.2500636748409715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Problem, Research Strategy, and Findings: Planning professions in the United States navigate complex and dynamic career landscapes under rapid urban changes, yet comprehensive evidence regarding their career trajectories, advancement patterns, and the influence of social, spatial, organizational, and educational factors remains limited. This study draws on boundaryless career theory, social capital theory, and spatial opportunity models to analyze career mobility among more than 130,000 planning alumni. Using large language models to extract structured information from LinkedIn profiles, our results reveal that planning alumni who adopt boundaryless career patterns, specifically multisector experience or lateral and industry-switching trajectories, achieve significantly higher upward mobility. While technical competencies provide a foundational entry-level signal, soft skills leveraged through strategic lateral moves become increasingly decisive as planners reach senior stages. Geographic mobility and employment in larger, diverse metropolitan labor markets are both associated with advancement, though the latter provides modest benefits. Larger professional networks and greater organizational engagement are consistently associated with upward career transitions, while AI-related skills, now commonplace, present limited additional advantage. Limitations include reliance on LinkedIn data, which may underrepresent alumni without online profiles, and an individual-level focus that omits organizational factors.
- Abstract（参考訳）: 問題、研究戦略、発見:アメリカの計画職は、急速な都市化の下で複雑な、ダイナミックなキャリアの風景をナビゲートするが、彼らのキャリアの軌跡、進歩パターン、社会的、空間的、組織的、教育的要因の影響に関する包括的な証拠は限られている。
本研究では, 境界のないキャリア理論, ソーシャルキャピタル理論, 空間機会モデルを用いて, 1130,000人以上の卒業生のキャリアモビリティの分析を行う。
本研究では,LinkedInのプロフィールから構造化情報を取り出すために,大規模言語モデルを用いて,境界のないキャリアパターン,特にマルチセクタ体験や横方向・産業スイッチング・トラジェクトリを取り入れた卒業生を計画することで,上向きのモビリティが著しく向上することを明らかにする。
技術的能力は基本的なエントリーレベルの信号を提供するが、戦略的な横動きを通じて活用されるソフトスキルは、プランナーが上級段階に達するにつれてますます決定的になる。
大規模で多様な大都市労働市場における地理的モビリティと雇用はどちらも進歩と結びついているが、後者は控えめな利益をもたらす。
より大きなプロフェッショナルネットワークとより大きな組織的エンゲージメントは、常に上向きのキャリア移行と関連付けられている。
制限には、オンラインプロフィールのない卒業生を過小評価するLinkedInのデータへの依存や、組織的要因を省略する個人レベルのフォーカスが含まれる。
関連論文リスト
- 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) - Leveraging Large Language Models for Career Mobility Analysis: A Study of Gender, Race, and Job Change Using U.S. Online Resume Profiles [15.31824043202434]
本稿では,大学生のキャリアモビリティの大規模分析について述べる。
我々は、ジェンダー、人種、仕事の変化オプションが上向きのモビリティとどのように関連しているかを検討する。
論文 参考訳（メタデータ） (2025-11-15T03:26:57Z) - 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) - Federated Large Language Models: Current Progress and Future Directions [63.68614548512534]
本稿では,LLM(FedLLM)のフェデレーション学習について調査し,最近の進歩と今後の方向性を明らかにする。
ファインチューニングと迅速な学習という2つの重要な側面に注目し、既存の作業と関連する研究課題について議論する。
論文 参考訳（メタデータ） (2024-09-24T04:14:33Z) - The Career Interests of Large Language Models [35.18062121410434]
本研究は,Large Language Models (LLMs) に Occupation Network's Interest Profiler ショートフォームを適用することで,キャリアの関心事の側面に焦点を当てる。
LLMでは,特に社会的・芸術的領域において,キャリアへの関心が顕著であった。
心理測定器と高度統計ツールをLCM上で使用するこの新しいアプローチは、彼らの専門的な環境への統合について、新たな視点を浮き彫りにする。
論文 参考訳（メタデータ） (2024-07-11T14:54:46Z) - Occupation Life Cycle [16.618743552104192]
本稿では,職業の軌跡を探るため,Occupation Life Cycle (OLC)モデルを提案する。
中国最大の採用プラットフォームからの求人データを用いて、2018年から2023年にかけての労働市場の変動と新興トレンドを追跡します。
われわれの発見は、職業進化と経済要因の相互作用に関するユニークな視点を与えており、特に中国の労働市場に焦点を当てている。
論文 参考訳（メタデータ） (2024-04-15T03:13:51Z) - Career Path Prediction using Resume Representation Learning and
Skill-based Matching [14.635764829230398]
本稿では,作業履歴データに特化して設計された新しい表現学習手法であるCareerBERTを提案する。
キャリアパス予測のためのスキルベースモデルとテキストベースモデルを開発し,それぞれ35.24%,39.61%のリコール@10を得た。
論文 参考訳（メタデータ） (2023-10-24T08:56:06Z) - A Comprehensive Survey of Artificial Intelligence Techniques for Talent Analytics [46.025337523478825]
タレント分析は人的資源管理に応用されたデータ科学において有望な分野として現れてきた。
ビッグデータと人工知能技術の最近の発展は、人的資源管理に革命をもたらした。
論文 参考訳（メタデータ） (2023-07-03T07:53:20Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。
複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。
ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T18:42:50Z)
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。