Skip to content

GCRI · 工作与技能的未来

用于劳动力市场分析的人工智能

人工智能与机器学习既是工作变革的驱动因素,也是研究工作的工具。在该领域,它们有助于分析招聘信息和技能,将求职者与职位空缺相匹配,同时也引发了对算法招聘与管理的质疑。

01登记

人工智能用于劳动力市场分析的记录。

方法记录STEM 方法
  1. 方法人工智能与机器学习
  2. 应用于工作与技能的未来
  3. 规范页面STEM 公共资源
02申请

人工智能与机器学习在此处的作用。

人工智能和机器学习开发能从数据中学习模式的算法,用于分类、预测或生成输出。它们越来越多地用于危害检测、预测和决策支持,其本身也是风险来源。在工作与技能、社会与人类发展以及人工智能领域,机器学习可以在相互关联的 系统中扩大检测和预测的规模。当自动化输出为重大决策提供依据时,必须权衡其自身的失效模式。规范性说明见 STEM Commons.

Skills extraction from job postings

自然语言处理从招聘广告中提取技能并将其映射到 ESCO 等分类体系,以追踪技能需求随时间的变化。

Job matching in employment services

匹配工具向求职者推荐职位空缺,并在部署前评估其准确性和跨群体的公平性。

Auditing algorithmic hiring

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

03方法与证据

用于劳动力市场分析的 AI 如何建模、衡量和测试。

模型、其假设、数据和不确定性,以科学家或工程师会核查的形式呈现。结构遵循已发表的方法。所取数值仅为示意,不是研究发现。

系统模型

劳动力市场分析人工智能中各系统之间的耦合关系:影响方向、一个增强回路和一个平衡回路,以及压力出现跃升的交叉联系。

++−++工作社会人工智能社区经济R 增强B 平衡
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 指导原则 · GO FAIR 和 FORCE11W3C PROV · 万维网联盟关于一致处理不确定性的指南 · IPCCCEOS 分析就绪数据 · 地球观测卫星委员会
04数据

该方法使用的输入。

本平台上人工智能与机器学习所使用的数据集与记录,注明各自的作用及其数值所附的标签。来源列于 来源登记册.

数据角色标签
Online job postings技能需求观测
ESCO 与 O*NET 分类体系技能梳理已发布统计
Employment service records匹配结果已发布统计
05流程

流程如何运行。

Process explorer · Process

用于劳动力市场分析的人工智能:人工智能风险管理(NIST)

9 steps5 stages1 gate

流程

用于劳动力市场分析的人工智能:人工智能风险管理(NIST)

AI RMF 核心包含四项职能:GOVERN、MAP、MEASURE 和 MANAGE,其中 GOVERN 贯穿其他各项;图中所示顺序只是一种常见的解读方式,并非检查清单。

  1. 01 治理

    1. 01GOVERN:政策、角色与问责步骤 · 工会GOVERN 是贯穿各环节的职能。它渗透于人工智能风险管理的全过程,并为其他职能提供支撑。
  2. 02 Map

    1. 02MAP:背景和预期用途数据集MAP 职能建立背景,以界定与人工智能系统相关的风险,包括预期目的和对人的影响。
  3. 03 衡量

    1. 03衡量:评估可信特性建模AI 系统 需评估其可信特性。应在部署前以及运行期间定期对其进行测试。
    2. 04MEASURE:随时间跟踪已识别的风险建模已建立随时间跟踪已识别人工智能风险的机制,包括未预见的和新出现的风险。
  4. 04 管理

    1. 05MANAGE:处置风险步骤风险处置 计划涵盖事件的响应、恢复和沟通。资源将投向已绘制和已衡量的风险。
    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部署后监测与事件建模部署后监测计划已实施。事件和错误将与相关人工智能参与方共享,包括受影响的社区。
  5. 05 记录

    1. 09人工智能系统清单数据集GOVERN 1.6 要求建立 AI 系统清单编制机制。模型卡是常见做法,框架中并未提及。

对已发布的外部标准或方法的中立概述,内容来自其发布机构。并非运行记录。Nexus 不执行、认证或批准所示的任何步骤。关卡或决定归属于来源所指明的一方。这些行动不一定构成有先后顺序的步骤。本流程图未纳入欧盟《人工智能法案》。

06验证

结果如何核查。

模型在尊重空间、时间与群体结构的留出数据上进行评估。在测试准确性的同时,也测试稳健性、校准与公平性。

核查如何开展
Extraction accuracy技能提取以人工编码样本核验
公平性测试Tools are tested for disparate impact across groups
代表性Posting data are compared with published vacancy statistics

当部署条件与训练数据不同时,性能会下降。模型可能固化偏见,并在罕见事件上毫无明显预警地失效。

08管理责任

由谁维护该方法。

人工智能与自主系统 为 Consortium 管理人工智能与机器学习,并审查其在各平台上的应用情况。

10问题

问题与解答。

在该领域,人工智能与机器学习有哪些局限?
当部署条件与训练数据不同时,性能会下降。模型可能固化偏见,并在罕见事件上毫无明显预警地失效。
结果如何核查?
模型在尊重空间、时间与群体结构的留出数据上进行评估。在测试准确性的同时,也测试稳健性、校准与公平性。
本页面上的数值是真实的吗?
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.
该方法还应用于何处?
维持社会运转的 规范方法页面 列出应用该方法的每个平台。
报告贡献

从本页贡献证据。

Reports 是联合体的季刊。您对该主题的了解可以成为下一期中的证据、案例或更正,署名归您,并在属于您本人作品时以 CC BY 4.0 发布。

GCRI工作与技能的未来前瞻展望证据简报
工作与技能的未来

带来一种方法、一个数据集或一个问题。

信息和咨询现已开放。每项咨询都会获得一个编号,并告知下一步;申请、付款、算力分配和注册只有在相应团队、条款和审查能力就绪时才会开放。