Skip to content

GCRI · Futuro do trabalho e das competências

IA para análise do mercado de trabalho

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.

01Registrar

AI for labour market analysis on the record.

Registro do métodoMétodo CTEM
  1. MétodoInteligência artificial e aprendizado de máquina
  2. Aplicado emFuturo do trabalho e competências
  3. Página canônicaCommons CTEM
02Candidatura

O que a inteligência artificial e o aprendizado de máquina fazem aqui.

A inteligência artificial e o aprendizado de máquina desenvolvem algoritmos que aprendem padrões a partir de dados para classificar, prever ou gerar resultados. São cada vez mais usados na detecção de ameaças, na previsão e no apoio à decisão, e constituem eles próprios uma fonte de risco. No trabalho e nas competências, na sociedade e no desenvolvimento humano e na inteligência artificial, o aprendizado de máquina pode ampliar a escala da detecção e da previsão em sistemasinterconectados. Seus próprios modos de falha devem ser ponderados quando resultados automatizados orientam decisões de consequência. A descrição canônica está em o 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.

Intermediação de vagas em serviços de emprego

Ferramentas de correspondência sugerem vagas a pessoas em busca de emprego, com avaliação da precisão e da equidade entre grupos antes da implantação.

Auditing algorithmic hiring

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

03Métodos e evidência

Como a IA para análise do mercado de trabalho é modelada, medida e testada.

O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.

Modelo de sistema

Os acoplamentos entre os sistemas em IA para a análise do mercado de trabalho: sinais de influência, um ciclo de reforço e um de equilíbrio, e ligações cruzadas onde o estresse dá saltos.

++−++TrabalhoSociedadeInteligência artificialComunidadesEconomiaR de reforçoB equilíbrio
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
04Dados

O que o método consome.

Conjuntos de dados e registros usados pela inteligência artificial e pelo aprendizado de máquina nesta plataforma, com o papel que cada um desempenha e a etiqueta que seus valores levam. As fontes estão listadas no registro de fontes.

DadosFunçãoRótulo
Online job postingsDemanda por competênciasOBSERVADO
Taxonomias ESCO e O*NETMapeamento de competênciasEstatísticas publicadas
Employment service recordsMatching outcomesEstatísticas publicadas
05Processo

Como decorre o processo.

Process explorer · Process

IA para análise do mercado de trabalho: gestão de risco de IA (NIST)

9 steps5 stages1 gate

Processo

IA para análise do mercado de trabalho: gestão de risco de IA (NIST)

O núcleo do AI RMF tem quatro funções, GOVERN, MAP, MEASURE e MANAGE, com GOVERN de caráter transversal; a ordem representada é uma leitura comum, não uma lista de verificação.

  1. 01 Governar

    1. 01GOVERN: políticas, papéis e responsabilizaçãoEtapa · SindicatoGOVERN é uma função transversal. Ela permeia toda a gestão de riscos de IA e viabiliza as demais funções.
  2. 02 Map

    1. 02MAP: contexto e uso pretendidoConjunto de dadosA função MAP estabelece o contexto para delimitar os riscos relacionados a um sistema de IA, incluindo finalidades pretendidas e impactos sobre as pessoas.
  3. 03 Medir

    1. 03MEDIR: avaliar as características de confiabilidadeModeloAI sistemas de IA são avaliados quanto a características de confiabilidade. Devem ser testados antes da implantação e regularmente em operação.
    2. 04MEASURE: acompanhar os riscos identificados ao longo do tempoModeloHá mecanismos para acompanhar ao longo do tempo os riscos de IA identificados, incluindo riscos imprevistos e emergentes.
  4. 04 Gerenciar

    1. 05GERIR: tratar os riscosPassoTratamento do risco abrangem a resposta a incidentes, a recuperação e a comunicação sobre eles. Os recursos são destinados a riscos mapeados e medidos.
    2. 06Prosseguir ou não (MANAGE 1.1)Etapa de controle · SindicatoDetermina-se se o sistema cumpre seus propósitos e objetivos e se deve prosseguir. O quadro não estabelece limiares.
    3. 07Deployment decisionDecision · Trade unionThe organisation that owns the system decides whether and under what conditions to deploy.
    4. 08Monitoramento pós-implantação e incidentesModeloPlanos de monitoramento pós-implantação são executados. Incidentes e erros são compartilhados com os atores de IA relevantes, inclusive as comunidades afetadas.
  5. 05 Registro

    1. 09Inventário de sistemas de IAConjunto de dadosGOVERN 1.6 pede mecanismos para inventariar sistemas de IA. O cartão de modelo é prática comum e não é mencionado na estrutura.

Esboço neutro de uma norma ou método externo publicado, conforme o órgão emissor. Não é um registro de operação. O Nexus não executa, certifica nem aprova nenhuma etapa mostrada. Uma etapa de controle ou decisão pertence à parte indicada pela fonte. As ações não constituem necessariamente um conjunto ordenado de etapas. A Lei de IA da UE não é representada neste fluxo.

06Validação

Como os resultados são verificados.

Os modelos são avaliados com dados reservados que respeitam a estrutura espacial, temporal e de grupos. A robustez, a calibração e a equidade são testadas ao lado da exatidão.

VerificarComo é feito
Extraction accuracySkill extraction is checked against human-coded samples
Teste de equidadeTools are tested for disparate impact across groups
RepresentativenessPosting data are compared with published vacancy statistics

O desempenho se degrada quando as condições de implantação diferem dos dados de treinamento. Os modelos podem codificar vieses e falhar sem aviso claro em eventos raros.

08Gestão responsável

Quem mantém o método.

Inteligência artificial e sistemas autônomos é guardião da inteligência artificial e do aprendizado de máquina para o Consortium e revisa como são aplicados nas plataformas.

10Perguntas

Perguntas e respostas.

Quais são os limites da inteligência artificial e do aprendizado de máquina neste campo?
O desempenho se degrada quando as condições de implantação diferem dos dados de treinamento. Os modelos podem codificar vieses e falhar sem aviso claro em eventos raros.
Como os resultados são verificados?
Os modelos são avaliados com dados reservados que respeitam a estrutura espacial, temporal e de grupos. A robustez, a calibração e a equidade são testadas ao lado da exatidão.
Os valores desta página são reais?
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.
Onde mais este método é aplicado?
A página canônica do método lista todas as plataformas que o aplicam.
RelatóriosContribuir

Contribua com evidências a partir desta página.

Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.

GCRIFuturo do trabalho e competênciasPanorama prospectivoResumo de evidências
Futuro do trabalho e competências

Traga um método, um conjunto de dados ou uma pergunta.

A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.