Skip to content

GCRI · آیندهٔ کار و مهارت‌ها

هوش مصنوعی برای تحلیل بازار کار

Artificial intelligence and machine learning are both a driver of change in work and a tool for studying it. In this field they help analyse job postings and skills, match jobseekers to vacancies, and raise questions about algorithmic hiring and management.

01ثبت‌خانه

AI for labour market analysis on the record.

سابقهٔ روشروش STEM
  1. روشهوش مصنوعی و یادگیری ماشین
  2. به‌کاررفته درآینده کار و مهارت‌ها
  3. داده3 ورودی
  4. Canonical pageSTEM Commons
02درخواست

هوش مصنوعی و یادگیری ماشین در اینجا چه می‌کنند.

Artificial intelligence and machine learning develop algorithms that learn patterns from data to classify, predict or generate outputs. They are increasingly used for hazard detection, forecasting and decision support, and are themselves a source of risk. In work and skills, society and human development and artificial intelligence, machine learning can scale detection and forecasting across interconnected systems. Its own failure modes must be weighed when automated outputs inform consequential decisions. The canonical description is on the STEM Commons.

Skills extraction from job postings

Natural language processing extracts skills from job ads and maps them to taxonomies such as ESCO, tracking how demand for skills changes over time.

Job matching in employment services

Matching tools suggest vacancies to jobseekers, with evaluation of accuracy and fairness across groups before deployment.

ممیزی استخدام الگوریتمی

Hiring and screening algorithms are audited for disparate impact on protected groups using test data and outcome monitoring.

03روش‌ها و شواهد

How AI for labour market analysis is modelled, measured and tested.

مدل، مفروضات، داده‌ها و عدم قطعیت آن، به شکلی که دانشمند یا مهندس بررسی می‌کند. ساختارها از روش‌های منتشرشده پیروی می‌کنند. مقادیر ترسیم‌شده تبیینی‌اند، نه یافته.

مدل سامانه

The couplings between the systems in AI for labour market analysis: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.

++−++کارجامعههوش مصنوعیاجتماع‌هااقتصادR تقویتیتوازن B
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
04داده

آنچه روش مصرف می‌کند.

مجموعه‌داده‌ها و سوابقی که هوش مصنوعی و یادگیری ماشین در این سکو به کار می‌برند، همراه با نقش هر یک و برچسبی که مقادیر آن دارند. منابع در فهرست منابع.

دادهنقشبرچسب
آگهی‌های استخدام برخطSkills demandمشاهده‌شده
ESCO and O*NET taxonomiesSkills mappingآمارهای منتشرشده
سوابق خدمات اشتغالنتایج تطبیق‌یافتهآمارهای منتشرشده
05فرایند

نحوهٔ اجرای فرایند.

Process explorer · Process

AI for labour market analysis: AI risk management (NIST)

9 steps5 stages1 gate

فرایند

AI for labour market analysis: AI risk management (NIST)

هستهٔ AI RMF چهار کارکرد دارد: GOVERN، MAP، MEASURE و MANAGE، که GOVERN فراگیر است؛ ترتیب ترسیم‌شده یک خوانش رایج است، نه فهرست وارسی.

  1. 01 حکمرانی

    1. 01GOVERN: سیاست‌ها، نقش‌ها و پاسخ‌گوییگام · اتحادیهٔ کارگریGOVERN یک کارکرد فراگیر است. این کارکرد در سراسر مدیریت ریسک هوش مصنوعی نفوذ دارد و سایر کارکردها را امکان‌پذیر می‌سازد.
  2. 02 Map

    1. 02MAP: بافتار و کاربرد مورد نظرمجموعه‌دادهکارکرد MAP بافتاری را برای چارچوب‌بندی ریسک‌های مرتبط با یک سامانهٔ هوش مصنوعی، شامل مقاصد مورد نظر و پیامدها برای مردم، برقرار می‌کند.
  3. 03 اندازه‌گیری

    1. 03سنجش: ارزیابی ویژگی‌های قابل‌اعتمادمدلAI سامانه‌ها هوش مصنوعی از نظر ویژگی‌های اعتمادپذیری ارزیابی می‌شوند. این سامانه‌ها باید پیش از استقرار و به‌طور منظم در طول بهره‌برداری آزموده شوند.
    2. 04MEASURE: ریسک‌های شناسایی‌شده را در طول زمان پیگیری کنیدمدلسازوکارهایی برای پایش ریسک‌های شناسایی‌شدهٔ هوش مصنوعی در طول زمان برقرار است، از جمله ریسک‌های پیش‌بینی‌نشده و نوظهور.
  4. 04 مدیریت

    1. 05MANAGE: رسیدگی به ریسک‌هاگاممواجهه با ریسک واکنش به رخدادها، بازیابی از آن‌ها و اطلاع‌رسانی دربارهٔ آن‌ها را در بر می‌گیرند. منابع به ریسک‌های نگاشت‌شده و اندازه‌گیری‌شده اختصاص می‌یابند.
    2. 06ادامه یا توقف (MANAGE 1.1)دروازه · اتحادیهٔ کارگریتعیین می‌شود که آیا سامانه اهداف و مقاصد خود را برآورده می‌کند و آیا باید ادامه یابد. این چارچوب هیچ آستانه‌ای تعیین نمی‌کند.
    3. 07Deployment decisionDecision · Trade unionThe organisation that owns the system decides whether and under what conditions to deploy.
    4. 08پایش و رخدادهای پس از استقرارمدلطرح‌های پایش پس از استقرار اجرا می‌شوند. رخدادها و خطاها با بازیگران مرتبط هوش مصنوعی، از جمله جوامع متأثر، به اشتراک گذاشته می‌شوند.
  5. 05 سابقه

    1. 09فهرست سامانه‌های هوش مصنوعیمجموعه‌دادهGOVERN 1.6 سازوکارهایی برای سیاهه‌برداری از سامانه‌های هوش مصنوعی می‌طلبد. کارت مدل رویهٔ رایج است و در این چارچوب نام برده نشده است.

طرح کلی بی‌طرفانهٔ یک استاندارد یا روش خارجی منتشرشده، از نهاد صادرکنندهٔ آن. سابقهٔ عملیات نیست. Nexus هیچ‌یک از گام‌های نشان‌داده‌شده را انجام، گواهی یا تأیید نمی‌کند. هر دروازه یا تصمیم متعلق به طرفی است که منبع نام می‌برد. اقدام‌ها لزوماً مجموعه‌ای مرتب از گام‌ها نیستند. قانون هوش مصنوعی اتحادیهٔ اروپا در این جریان ترسیم نشده است.

06اعتبارسنجی

نتایج چگونه بررسی می‌شوند.

مدل‌ها بر دادهٔ کنارگذاشته‌شده‌ای ارزیابی می‌شوند که ساختار مکانی، زمانی و گروهی را رعایت می‌کند. استواری، واسنجی و انصاف در کنار دقت آزموده می‌شوند.

بررسیچگونه انجام می‌شود
Extraction accuracySkill extraction is checked against human-coded samples
Fairness testingTools are tested for disparate impact across groups
RepresentativenessPosting data are compared with published vacancy statistics

عملکرد هنگامی که شرایط استقرار با داده‌های آموزش متفاوت باشد افت می‌کند. مدل‌ها ممکن است سوگیری‌ها را در خود رمزگذاری کنند و در رخدادهای نادر بدون هشدار روشن از کار بیفتند.

08تولیت

چه کسی روش را نگهداری می‌کند.

هوش مصنوعی و سامانه‌های خودمختار متولی هوش مصنوعی و یادگیری ماشین برای کنسرسیوم است و چگونگی کاربرد آن را در سکوها بازبینی می‌کند.

10پرسش‌ها

پرسش و پاسخ.

محدودیت‌های هوش مصنوعی و یادگیری ماشین در این حوزه چیست؟
عملکرد هنگامی که شرایط استقرار با داده‌های آموزش متفاوت باشد افت می‌کند. مدل‌ها ممکن است سوگیری‌ها را در خود رمزگذاری کنند و در رخدادهای نادر بدون هشدار روشن از کار بیفتند.
نتایج چگونه بررسی می‌شوند؟
مدل‌ها بر دادهٔ کنارگذاشته‌شده‌ای ارزیابی می‌شوند که ساختار مکانی، زمانی و گروهی را رعایت می‌کند. استواری، واسنجی و انصاف در کنار دقت آزموده می‌شوند.
آیا مقادیر این صفحه واقعی‌اند؟
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
این روش در کجاهای دیگر به کار می‌رود؟
رصدخانهٔ صفحهٔ مرجع روش هر سکویی را که آن را به کار می‌گیرد فهرست می‌کند.
گزارش‌هامشارکت

شواهد را از همین صفحه ارسال کنید.

Reports نشریهٔ فصلی کنسرسیوم است. آنچه دربارهٔ این موضوع می‌دانید می‌تواند در ویراست بعدی به شواهد، یک مورد یا یک اصلاح تبدیل شود، به نام شما ثبت شود و در صورتی که کار خود شما باشد تحت CC BY 4.0 منتشر شود.

GCRIآینده کار و مهارت‌هاچشم‌انداز آینده‌نگریگزارش مختصر شواهد
آینده کار و مهارت‌ها

یک روش، یک مجموعه‌داده یا یک پرسش بیاورید.

اطلاعات و درخواست‌ها امروز باز است. هر درخواست یک شمارهٔ پیگیری می‌گیرد و گام بعدی را مشخص می‌کند؛ درخواست‌های عضویت، پرداخت‌ها، تخصیص رایانش و ثبت‌نام‌ها تنها زمانی باز می‌شوند که تیم، شرایط و ظرفیت داوری آن‌ها فراهم باشد.