Skip to content

GCRI · İşin ve Becerilerin Geleceği

İşgücü piyasası analizi için yapay zekâ

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.

01Sicil

AI for labour market analysis on the record.

Yöntem kaydıSTEM yöntemi
  1. YöntemYapay zekâ ve makine öğrenmesi
  2. Uygulandığı yerÇalışmanın Geleceği ve Beceriler
  3. Canonical pageSTEM Commons
02Başvuru

Yapay zekâ ve makine öğreniminin burada yaptıkları.

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.

İstihdam hizmetlerinde iş eşleştirme

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

Auditing algorithmic hiring

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

03Yöntemler ve kanıt

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

Model, varsayımları, verileri ve belirsizliği, bir bilim insanının veya mühendisin kontrol edeceği biçimde. Yapılar yayımlanmış yöntemleri izler. Çizilen değerler bulgu değil, açıklayıcıdır.

Sistem modeli

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.

++−++ÇalışmaToplumYapay zekâTopluluklarEkonomiR pekiştiriciB dengeleyici
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
04Veri

Yöntemin tükettikleri.

Bu platformda yapay zekâ ve makine öğrenimi tarafından kullanılan veri kümeleri ve kayıtlar; her birinin oynadığı rol ve değerlerinin taşıdığı etiketle birlikte. Kaynaklar kaynak sicilinde.

VeriRolEtiket
Online job postingsBeceri talebiGÖZLENEN
ESCO and O*NET taxonomiesBeceri haritalamaYayımlanmış istatistikler
Employment service recordsMatching outcomesYayımlanmış istatistikler
05Süreç

Sürecin nasıl işlediği.

Process explorer · Process

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

9 steps5 stages1 gate

Süreç

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

AI RMF Core dört işleve sahiptir: GOVERN, MAP, MEASURE ve MANAGE; GOVERN bunların tümünü kesen bir işlevdir. Çizilen sıra yaygın bir okumadır, bir kontrol listesi değildir.

  1. 01 Yönet

    1. 01GOVERN: policies, roles and accountabilityStep · Trade unionGOVERN is a cross-cutting function. It is infused throughout AI risk management and enables the other functions.
  2. 02 Map

    1. 02MAP: bağlam ve amaçlanan kullanımVeri kümesiMAP işlevi, amaçlanan kullanımlar ve insanlar üzerindeki etkiler dahil olmak üzere bir yapay zekâ sistemiyle ilgili riskleri çerçevelemek için bağlamı belirler.
  3. 03 Ölçme

    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 Yönet

    1. 05YÖNET: riskleri ele alAdımRisk işleme planları olaylara müdahaleyi, olaylardan toparlanmayı ve olaylara ilişkin iletişimi kapsar. Kaynaklar, haritalanmış ve ölçülmüş risklere yönlendirilir.
    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. 07Devreye alma kararıKarar · SendikaSistemin sahibi olan kuruluş, devreye alıp almayacağına ve hangi koşullarda alacağına karar verir.
    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 Kayıt

    1. 09Yapay zekâ sistemleri envanteriVeri kümesiGOVERN 1.6, yapay zekâ sistemlerinin envanterini çıkarmaya yönelik mekanizmalar öngörür. Model kartı yaygın bir uygulamadır ve çerçevede adıyla anılmaz.

Yayımlayan kuruluşundan alınan, yayımlanmış bir dış standardın veya yöntemin tarafsız ana hatları. Bir işletim kaydı değildir. Nexus gösterilen hiçbir adımı gerçekleştirmez, belgelendirmez veya onaylamaz. Bir kapı veya karar, kaynağın belirttiği tarafa aittir. Eylemler mutlaka sıralı bir adımlar kümesi değildir. AB Yapay Zekâ Yasası bu akışta gösterilmemiştir.

06Doğrulama

Sonuçlar nasıl kontrol edilir.

Modeller mekânsal, zamansal ve grup yapısına uyan ayrılmış veriler üzerinde değerlendirilir. Sağlamlık, kalibrasyon ve adillik doğrulukla birlikte test edilir.

Kontrol edinNasıl yapıldığı
Extraction accuracySkill extraction is checked against human-coded samples
Adalet testiTools are tested for disparate impact across groups
RepresentativenessPosting data are compared with published vacancy statistics

Kullanım koşulları eğitim verilerinden farklı olduğunda performans düşer. Modeller önyargıları kodlayabilir ve nadir olaylarda açık bir uyarı vermeden başarısız olabilir.

08Sorumlu yönetim

Yöntemi kimin sürdürdüğü.

Yapay Zekâ ve Otonom Sistemler , Konsorsiyum adına yapay zekâ ve makine öğreniminin sorumlu yönetimini üstlenir ve platformlar genelinde nasıl uygulandığını inceler.

10Sorular

Sorular ve yanıtlar.

Bu alanda yapay zekâ ve makine öğreniminin sınırları nelerdir?
Kullanım koşulları eğitim verilerinden farklı olduğunda performans düşer. Modeller önyargıları kodlayabilir ve nadir olaylarda açık bir uyarı vermeden başarısız olabilir.
Sonuçlar nasıl kontrol edilir?
Modeller mekânsal, zamansal ve grup yapısına uyan ayrılmış veriler üzerinde değerlendirilir. Sağlamlık, kalibrasyon ve adillik doğrulukla birlikte test edilir.
Bu sayfadaki değerler gerçek mi?
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.
Bu yöntem başka nerede uygulanıyor?
Toplumları ayakta tutan Kanonik yöntem sayfası onu uygulayan tüm platformları listeler.
RaporlarKatkıda bulunun

Bu sayfadan kanıt katkısında bulunun.

Reports, Konsorsiyumun üç ayda bir yayımlanan yayınıdır. Bu konu hakkında bildikleriniz bir sonraki sayıda kanıt, vaka veya düzeltme olabilir; size atfedilir ve kendi çalışmanızsa CC BY 4.0 kapsamında yayımlanır.

GCRIÇalışmanın Geleceği ve BecerilerÖngörü GörünümüKanıt Özeti
Çalışmanın Geleceği ve Beceriler

Bir yöntem, bir veri seti ya da bir soru getirin.

Bilgi ve başvurular bugün açıktır. Bir başvuru bir referans numarası alır ve bir sonraki adımı belirtir; başvurular, ödemeler, işlem kapasitesi tahsisleri ve kayıtlar yalnızca ekipleri, koşulları ve inceleme kapasiteleri mevcut olduğunda açılır.