論文の概要: Occupational Uniqueness and Wage Growth

• arxiv url: http://arxiv.org/abs/2610.28133v1
• Date: Tue, 20 Oct 2026 12:42:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.818996
• Title: Occupational Uniqueness and Wage Growth
• Title（参考訳）: 職業的特異性と賃金成長
• Abstract要約: 私たちは、タスクの専門知識やタスクの内容を超えた、仕事の変化の異なる次元を測定するためのフレームワークを開発します。 196563 タスクステートメントのデータセットを用いて,1977-2018 年における O*NET とDictionary of Occupational Titles のデータセットを用いて,タスク拡散,職業的特異性,タスクの追加と削除の異なる次元を測定した。
• 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: Changes in occupational task content may have different economic implications depending on whether the tasks gained or lost are occupation-specific or already widespread across the economy. Existing measures of occupational task change largely abstract from this distinction, treating occupations as self-contained task bundles rather than accounting for how tasks are distributed across occupations. We develop a framework to measure a distinct dimension of occupational change, one that goes beyond task expertise or task content: task structure. Using this new framework that tracks tasks across occupations and over time, we separate changes in task quantity from changes in occupational uniqueness, defined as the distinctiveness of an occupation's task bundle relative to other occupations. Using a harmonized dataset of 196563 task statements from the Dictionary of Occupational Titles and O*NET spanning 1977-2018, we measure task diffusion, occupational uniqueness, and distinct dimensions of task addition and removal. Occupations that become less unique are also associated with lower wage growth, and the wage associations of task additions and removals depend on how widely the affected tasks are performed elsewhere. Adding highly diffused tasks is associated with lower wage growth, as is removing occupation-specific tasks. At the economy-wide dimension, however, the pattern differs: the addition of new tasks is positively associated with wage growth, whereas the removal of tasks is negatively associated with it. Taken together, these results show that similar changes in the number of tasks performed by an occupation can reflect economically distinct processes. Incorporating the cross-occupational distribution of tasks, therefore, provides a richer account of occupational change and its relationship to the wage structure.
• Abstract（参考訳）: 職業的タスク内容の変化は、得られたタスクが職業特有であるか、既に経済全体に広まっているかによって異なる経済的影響を持つ可能性がある。 既存の作業変化対策は、作業が作業間でどのように分散されるかを考慮せずに、作業が自己完結したタスクバンドルとして扱われることから、この区別から大きく抽象化されている。 私たちは、タスクの専門知識やタスクの内容を超えた、仕事の変化の異なる次元を測定するためのフレームワークを開発します。 作業量の変化と,作業量の変化を,他の作業量に対する作業バンドルの特異性として定義した作業量の変化とを,この新たな枠組みを用いて分離する。 タスク拡散, 職業的特異性, タスク追加・削除の異なる次元を計測し, 196563タスクステートメントの調和データセットを用いて, 1977-2018年におけるO*NETとDictionary of Occupational Titlesの調和性について検討した。 独特でない職業も低い賃金成長に結びついており、タスクの追加や取り外しの賃金組合は、影響したタスクが他所でどれだけ広範囲に行われているかによって異なる。 高度に分散したタスクを追加することは、職業固有のタスクを取り除くことと同様に、賃金の伸びの低下と関連している。 しかし、経済全体において、新しいタスクの追加は賃金増加と肯定的に関連しているのに対し、タスクの削除はそれと否定的に関連している。 これらの結果は、職業によって行われるタスクの数に類似した変化が、経済的に異なる過程を反映していることを示している。 したがって、タスクの横断的な分配を取り入れることで、仕事の変化とその賃金構造との関係について、より豊かな説明が得られる。

関連論文リスト

• Estimating time spent on work tasks [47.41520136160483]
  約18,000のタスクの時間共有を推定する原理的手法を提案する。 時間共有を適用して、AIが米国の職業をどう露出するかを分析し、以前の結果が時間重みに敏感であることを見つけます。
  論文  参考訳（メタデータ） (2026-06-26T01:54:37Z)
• Task diversity produces systematic transfer but inhibits continual reinforcement learning [26.737932916319462]
  本研究では,タスクの多様性がエージェントの分散シフトを通じて学習を継続する能力を向上させるかどうかを検討する。 タスクの多様性因子を3つの独立制御可能な軸に分解する連続RLドメインであるBanyanを導入する。 シフトの数が増えるにつれて、この局所移動はそれ自体が持続的な学習をもたらすわけではない。
  論文  参考訳（メタデータ） (2026-05-30T20:31:25Z)
• Generative AI and the Reorganization of Labor Demand [2.7393130297104555]
  企業は、採用先や仕事の含み方、あるいはその両方を変えて調整するかどうかを調査する。 米国におけるジョブ投稿の全国的データセットを用いて、生成的AI暴露の尺度を構築した。 次に、全体的な露出の変化を2つのマージンに分解する: ジョブ間の需要配分の実現と、ジョブ内のタスクの再設計である。
  論文  参考訳（メタデータ） (2026-05-22T02:18:40Z)
• Leveraging sparse and shared feature activations for disentangled representation learning [112.22699167017471]
  本稿では,教師付きタスクの多種多様な集合から抽出した知識を活用し,共通不整合表現を学習することを提案する。 我々は6つの実世界分布シフトベンチマークと異なるデータモダリティに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2023-04-17T01:33:24Z)
• Task Aware Dreamer for Task Generalization in Reinforcement Learning [31.364276322513447]
  一般的な世界モデルのトレーニングは、タスクにおいて同様の構造を活用でき、より一般化可能なエージェントのトレーニングに役立つことを示す。 本稿では,タスク間の遅延特性を識別するために,報酬インフォームド機能を統合するタスク・アウェア・ドリーマー (TAD) という新しい手法を提案する。 画像ベースのタスクと状態ベースのタスクの両方の実験は、TADが異なるタスクを同時に処理するパフォーマンスを大幅に改善できることを示している。
  論文  参考訳（メタデータ） (2023-03-09T08:04:16Z)
• OCEAN: Online Task Inference for Compositional Tasks with Context Adaptation [150.1979017130774]
  構成タスクに対するオンラインタスク推論を行うための変分推論フレームワークを提案する。 本フレームワークは,タスク構造に関する事前の知識に基づいて,柔軟な潜伏分布をサポートし,教師なしで訓練することができる。
  論文  参考訳（メタデータ） (2020-08-17T04:50:34Z)
• Reparameterizing Convolutions for Incremental Multi-Task Learning without Task Interference [75.95287293847697]
  マルチタスクモデルを開発する際の2つの一般的な課題は、しばしば文献で見過ごされる。 まず、モデルを本質的に漸進的に可能にし、以前に学んだことを忘れずに新しいタスクから情報を継続的に取り入れる(インクリメンタルラーニング)。 第二に、タスク間の有害な相互作用を排除し、マルチタスク設定(タスク干渉)においてシングルタスクのパフォーマンスを著しく低下させることが示されている。
  論文  参考訳（メタデータ） (2020-07-24T14:44:46Z)

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。