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。
GCRI · 工作与技能的未来
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。
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.
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。
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。
Hiring and screening algorithms are audited for disparate impact on protected groups using test data and outcome monitoring.
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。
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。
| 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 |
Process explorer · Process
9 steps·5 stages·1 gate
流程
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。
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》。
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。
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。
切勿发送个人数据、敏感基础设施细节或您无权分享的任何内容。贡献在使用前会经过审查;发送贡献不赋予署名权或编辑权,赞助也绝不能换取研究结论。
本网站上的地图、数据和图表仅作为背景和一般信息展示。它们不是建议、预测或预警;信息的局限见免责声明和数据说明。