Skip to content

GCRI · Masa Depan Pekerjaan dan Keterampilan

AI untuk analisis pasar tenaga kerja

Kecerdasan buatan dan pembelajaran mesin merupakan pendorong perubahan dalam dunia kerja sekaligus alat untuk mempelajarinya. Di bidang ini keduanya membantu menganalisis lowongan kerja dan keterampilan, mencocokkan pencari kerja dengan lowongan, serta menimbulkan pertanyaan tentang perekrutan dan manajemen algoritmik.

01Daftar

AI for labour market analysis on the record.

Catatan metodeMetode STEM
  1. MetodeKecerdasan buatan dan pembelajaran mesin
  2. Diterapkan diMasa Depan Kerja dan Keterampilan
  3. Canonical pageSTEM Commons
02Permohonan

Apa yang dilakukan kecerdasan buatan dan pembelajaran mesin di sini.

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.

Ekstraksi keterampilan dari lowongan kerja

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

Alat pencocokan menyarankan lowongan kepada pencari kerja, dengan evaluasi akurasi dan keadilan antarkelompok sebelum penerapan.

Mengaudit perekrutan algoritmik

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

03Metode dan bukti

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

Model, asumsi, data, dan ketidakpastiannya, dalam bentuk yang akan diperiksa ilmuwan atau insinyur. Strukturnya mengikuti metode yang dipublikasikan. Nilai yang digambar bersifat ilustratif, bukan temuan.

Model sistem

Keterkaitan antarsistem dalam AI untuk analisis pasar tenaga kerja: arah pengaruh, satu simpul penguat dan satu simpul penyeimbang, serta tautan silang tempat tekanan melompat.

++−++KerjaMasyarakatKecerdasan buatanKomunitasEkonomiR penguatB penyeimbang
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
04Data

Apa yang digunakan metode ini.

Set data dan catatan yang digunakan oleh kecerdasan buatan dan pembelajaran mesin di platform ini, beserta peran masing-masing dan label yang dibawa nilainya. Sumber dicantumkan dalam register sumber.

DataPeranLabel
Online job postingsPermintaan keterampilanTERAMATI
ESCO and O*NET taxonomiesPemetaan keterampilanStatistik terbitan
Employment service recordsMatching outcomesStatistik terbitan
05Proses

Bagaimana proses berjalan.

Process explorer · Process

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

9 steps5 stages1 gate

Proses

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

Inti AI RMF memiliki empat fungsi, yaitu GOVERN, MAP, MEASURE, dan MANAGE, dengan GOVERN bersifat lintas fungsi; urutan yang digambarkan adalah satu cara membaca yang umum, bukan daftar periksa.

  1. 01 Tata kelola

    1. 01GOVERN: kebijakan, peran, dan akuntabilitasLangkah · Serikat pekerjaGOVERN merupakan fungsi lintas bidang. Fungsi ini meresap ke seluruh manajemen risiko AI dan memungkinkan fungsi-fungsi lainnya.
  2. 02 Map

    1. 02MAP: konteks dan penggunaan yang dimaksudkanKumpulan dataFungsi MAP menetapkan konteks untuk membingkai risiko yang terkait dengan sistem AI, termasuk tujuan yang dimaksudkan dan dampaknya terhadap manusia.
  3. 03 Ukur

    1. 03MEASURE: evaluate trustworthy characteristicsModelAI systems are evaluated for trustworthy characteristics. They should be tested before deployment and regularly in operation.
    2. 04MEASURE: track identified risks over timeModelMechanisms for tracking identified AI risks over time are in place, including unanticipated and emergent risks.
  4. 04 Kelola

    1. 05KELOLA: tangani risikoLangkahPenanganan risiko mencakup respons terhadap insiden, pemulihan darinya, dan komunikasi mengenainya. Sumber daya dialokasikan untuk risiko yang telah dipetakan dan diukur.
    2. 06Proceed or not (MANAGE 1.1)Gate · Trade unionA determination is made whether the system meets its purposes and objectives, and whether to proceed. The framework sets no thresholds.
    3. 07Deployment decisionDecision · Trade unionThe organisation that owns the system decides whether and under what conditions to deploy.
    4. 08Post-deployment monitoring and incidentsModelPost-deployment monitoring plans are implemented. Incidents and errors are shared with relevant AI actors, including affected communities.
  5. 05 Catatan

    1. 09Inventaris sistem AIKumpulan dataGOVERN 1.6 meminta adanya mekanisme untuk menginventarisasi sistem AI. Kartu model merupakan praktik yang lazim dan tidak disebutkan dalam kerangka kerja tersebut.

Garis besar netral dari standar atau metode eksternal yang diterbitkan, dari badan penerbitnya. Bukan catatan operasi. Nexus tidak melaksanakan, menyertifikasi, atau menyetujui langkah mana pun yang ditampilkan. Gerbang atau keputusan menjadi milik pihak yang disebutkan oleh sumbernya. Tindakan-tindakan ini tidak harus merupakan rangkaian langkah yang berurutan. EU AI Act tidak digambarkan dalam alur ini.

06Validasi

Cara hasil diperiksa.

Model dievaluasi pada data uji tersisih yang menghormati struktur spasial, temporal, dan kelompok. Ketangguhan, kalibrasi, dan keadilan diuji di samping akurasi.

PemeriksaanCara pelaksanaannya
Akurasi ekstraksiSkill extraction is checked against human-coded samples
Pengujian keadilanTools are tested for disparate impact across groups
RepresentativenessData lowongan dibandingkan dengan statistik lowongan kerja yang dipublikasikan

Kinerja menurun ketika kondisi penerapan berbeda dari data pelatihan. Model dapat menyandikan bias dan gagal tanpa peringatan yang jelas pada kejadian langka.

08Pengelolaan

Siapa yang memelihara metode ini.

Kecerdasan Buatan dan Sistem Otonom mengelola kecerdasan buatan dan pembelajaran mesin untuk Konsorsium dan meninjau cara penerapannya di berbagai platform.

10Pertanyaan

Tanya jawab.

Apa batasan kecerdasan buatan dan pembelajaran mesin di bidang ini?
Kinerja menurun ketika kondisi penerapan berbeda dari data pelatihan. Model dapat menyandikan bias dan gagal tanpa peringatan yang jelas pada kejadian langka.
Bagaimana hasil diperiksa?
Model dievaluasi pada data uji tersisih yang menghormati struktur spasial, temporal, dan kelompok. Ketangguhan, kalibrasi, dan keadilan diuji di samping akurasi.
Apakah nilai di halaman ini nyata?
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.
Di mana lagi metode ini diterapkan?
Observatory Halaman metode kanonis mencantumkan setiap platform yang menerapkannya.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.

GCRIMasa Depan Kerja dan KeterampilanProspek Kajian Masa DepanRingkasan Bukti
Masa Depan Kerja dan Keterampilan

Bawa metode, dataset, atau pertanyaan.

Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.