Skip to content

GCRI · 仕事とスキルの未来

労働市場分析のための AI

人工知能と機械学習は、仕事の変化を促す要因であると同時に、それを研究するための道具でもあります。この分野では、求人情報とスキルの分析、求職者と求人のマッチングに役立つ一方、アルゴリズムによる採用や管理に関する問いも生じさせます。

01登録

AI for labour market analysis on the record.

手法の記録STEM の手法
  1. 手法人工知能と機械学習
  2. 適用先仕事とスキルの未来
  3. データ入力 3 件
  4. 正式なページSTEM コモンズ
02申請

人工知能と機械学習がここで果たす役割。

人工知能と機械学習は、データからパターンを学習し、分類、予測、出力の生成を行うアルゴリズムを開発します。ハザードの検知、予報、意思決定支援にますます用いられており、同時にそれ自体がリスクの発生源でもあります。仕事とスキル、社会と人間開発、人工知能の各分野では、機械学習は相互に連関した システム全体で検知と予測を拡大できます。自動化された出力が重大な意思決定に影響する場合には、機械学習自体の故障モードも考慮しなければなりません。正式な説明は STEM Commons.

Skills extraction from job postings

自然言語処理により、求人広告からスキルを抽出して ESCO などの分類体系に対応づけ、スキル需要が時間とともにどう変化するかを追跡します。

雇用サービスにおける求職者マッチング

マッチングツールは求職者に求人を提示します。導入前に、精度とグループ間の公平性が評価されます。

Auditing algorithmic hiring

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

03手法とエビデンス

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

モデル、その仮定、データ、不確実性を、科学者やエンジニアが確認する形で示します。構造は公表された手法に従っています。描かれた値は例示であり、知見ではありません。

システム・モデル

労働市場分析のための AI における各システム間の結合関係:影響の符号、強化ループと均衡ループ、およびストレスが飛躍的に伝播するクロスリンク。

++−++作業社会人工知能コミュニティ経済R 自己強化B バランス
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 原則・GO FAIR と FORCE11W3C PROV・World Wide Web Consortium不確実性の一貫した扱いに関するガイダンス・IPCCCEOS 解析即応データ・地球観測衛星委員会
04データ

手法が使用するもの。

このプラットフォームで人工知能と機械学習が用いるデータセットと記録。それぞれが果たす役割と、その値に付くラベルを示します。出典は 出典の登録簿.

データ役割ラベル
Online job postingsスキル需要観測
ESCO および O*NET の分類体系スキルのマッピング公表統計
Employment service recordsMatching outcomes公表統計
05プロセス

プロセスの進め方。

Process explorer · Process

労働市場分析のための AI:AI リスク管理(NIST)

9 steps5 stages1 gate

プロセス

労働市場分析のための AI:AI リスク管理(NIST)

AI RMF コアには、GOVERN、MAP、MEASURE、MANAGE の 4 つの機能があり、GOVERN は横断的である。図に示した順序は一般的な読み方の一例であり、チェックリストではない。

  1. 01 ガバナンス

    1. 01GOVERN: 方針、役割、説明責任ステップ · 労働組合GOVERN は分野横断的な機能である。AI リスク管理の全体に浸透し、他の機能を可能にする。
  2. 02 Map

    1. 02MAP:文脈と意図された用途データセットMAP 機能は、意図された目的や人々への影響を含め、AI システムに関連するリスクを捉えるための文脈を確立する。
  3. 03 測定

    1. 03MEASURE:信頼性に関わる特性を評価するモデル化するAI システム は、信頼性に関わる特性について評価されます。展開前に、また運用中も定期的にテストされるべきです。
    2. 04MEASURE: 特定されたリスクを経時的に追跡するモデル化する特定済みの AI リスクを、想定外のリスクや創発的なリスクも含めて、時間の経過に沿って追跡する仕組みが整備されています。
  4. 04 管理

    1. 05MANAGE: リスクを処理するステップリスク対応 計画は、インシデントへの対応、インシデントからの復旧、インシデントに関するコミュニケーションを対象とします。リソースは、特定され測定されたリスクに配分されます。
    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. 08展開後のモニタリングとインシデントモデル化する展開後モニタリング計画が実施されます。インシデントとエラーは、影響を受けるコミュニティを含む関係する AI アクターと共有されます。
  5. 05 記録

    1. 09AI システムの一覧データセットGOVERN 1.6 は、AI システムの一覧を作成する仕組みを求めている。モデルカードは一般的な慣行であるが、同フレームワークには明記されていない。

発行機関が公表した外部の標準または手法の中立的な概要です。運用の記録ではありません。Nexus は、示された手順のいずれも実施、認証、承認しません。ゲートや決定は、出典に記載された当事者に属します。これらの行動は、必ずしも順序立った手順ではありません。EU AI Act は、このフローには含まれていません。

06検証

結果の確認方法。

モデルは、空間、時間、グループの構造を考慮した検証用データで評価されます。正確さとともに、頑健性、較正、公平性も検証されます。

確認実施方法
Extraction accuracySkill extraction is checked against human-coded samples
公平性テストTools are tested for disparate impact across groups
Representativeness求人投稿データは、公表されている求人統計と比較されます

導入時の条件が学習データと異なると、性能は低下します。モデルはバイアスを内包することがあり、希少な事象では明確な警告なしに失敗することがあります。

07つながり

この手法に依拠するトピック。

08スチュワードシップ

手法を維持する者。

人工知能と自律システム は、コンソーシアムのために人工知能と機械学習のスチュワードを務め、プラットフォーム全体でのその適用をレビューします。

10質問

質問と回答。

この分野における人工知能と機械学習の限界は何ですか?
導入時の条件が学習データと異なると、性能は低下します。モデルはバイアスを内包することがあり、希少な事象では明確な警告なしに失敗することがあります。
結果はどのように確認されますか?
モデルは、空間、時間、グループの構造を考慮した検証用データで評価されます。正確さとともに、頑健性、較正、公平性も検証されます。
このページの値は実際のものですか?
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.
この手法は他にどこで適用されていますか?
社会を動かし続ける 正式な手法のページ には、それを適用するすべてのプラットフォームが掲載されています。
報告書貢献する

このページからエビデンスを提供する。

Reports はコンソーシアムの季刊刊行物です。このテーマについてあなたが知っていることは、次号でエビデンス、事例、または訂正となり得ます。あなたの名前を記し、あなた自身の著作物である場合は CC BY 4.0 で公表されます。

GCRI仕事とスキルの未来フォーサイト・アウトルックエビデンス・ブリーフ
仕事とスキルの未来

手法、データセット、または問いを持ち込んでください。

情報提供と問い合わせは本日から受け付けています。問い合わせには参照番号が付き、次の手順が示されます。申請、支払い、計算資源の割り当て、登録は、担当チーム、規約、審査体制が整ってから開始します。