技能驱动的工作过渡途径建议

在这里，2019冠状病毒疾病爆发的澳大利亚，我们用“家庭清洁”职业作为一个例子来证明工作转换推荐系统。（上图）职业的二维空间（见图1），蓝色标记为“基本”职业，红色标记为“非基本”职业。（下面板）我们首先使用转移图来计算转移概率最高的职业（自身除外）。这些是图底部面板流程图右侧的节点，其中链接颜色图片发布频率百分比从2019年3月至2020年3月至4月发生变化。链接宽度代表2020年3月至4月的发布频率，以表示劳动力需求。2019冠状病毒疾病在科威特-19期都有显著下降；然而，在澳大利亚的CVID-19期间，“老年和残疾照顾者”也被归类为“必要的”职业。我们选择这一职业作为目标职业，然后提出个性化的技能建议。我们认为，当（1）技能非常重要，以及（2）需要很长的距离才能获得技能时，试图转行到另一个职业的工人应该投入时间和资源进行技能开发。相反，如果（1）技能重要性较低或（2）获得技能的距离较远，则工人不应专注于技能发展。2021年8月12日13／42FIG。1B我们使用Faethm AI[34]开发的分类将“基本”职业突出为蓝色节点，“非基本”职业突出为红色节点。

我们观察到，医疗职业集群（地图左下方）被认为是“必要的”，大多数食品生产工人也是如此（下图）。在这里，我们选择“家庭清洁工”作为“非必要”职业的一个例子，并在图5的底部面板中使用转换图来推荐具有最高转换概率的职业。这些是图5中的右侧离流图上的节点，按照转移概率的降序排列。分段宽度显示了Covid-19期间每个推荐职业的劳动力需求（通过张贴频率衡量）。段颜色代表2019年3月和4月与2020年同期相比的张贴频率的百分比变化；深红色表示招聘广告职位大幅减少，深蓝色表示职位大幅增加。“家庭清洁工”的前六个过渡建议都经历了负面需求，这并不奇怪，因为它们也被视为“非必要”服务。然而，第七项建议“老年和残疾护理人员”在新冠肺炎期间的需求显著增长，而且广告中有大量工作岗位“老年和残疾看护人”既是一个“基本”职业，也是一个高需求职业；因此，选择“家庭清洁工”作为目标职业转型为家庭清洁工是有意义的。通过整合技能推荐，我们进一步推进了工作过渡推荐系统。过渡到一个新的职业通常需要发展技能。我们认为，当一项技能（1）很大（也就是说，它相对难以获得）时，工人应该投资于开发该技能。形式上，对于目标技能（即“目标”职业中的技能），我们计算其对目标职业的重要性及其与源职业的距离。

我们使用公式（3）计算目标职业内所有招聘广告中技能重要性的平均RCA。我们将skilldistance计算为目标技能和“来源”职业技能集之间的距离为1- Θ（S，S）使用等式（4）（即，“目标”技能集由单一技能组成：目标技能）。最后，我们将习得综合得分作为重要性和距离的乘积，转换为百分位数，以说明量表的变化。就图5（下面板）中的“家庭清洁工”而言，在向“老年和残疾看护者”过渡的过程中，获得综合得分最高的技能是特殊的患者护理技能，如“患者卫生援助”。相反，不发展技能的原因是：（1）技能不重要或（2）与目标职业的距离很小。图5（下面板）显示，虽然一些“老年和残疾看护者”工作需要“商业分析”和“财务”技能，但这些技能对“老年和残疾看护者”职业的重要性较低，因此不应优先考虑。类似地，“老年和残疾看护”工作需要“熨烫”和“洗衣”等技能，但距离很小，因此“家庭清洁工”可能已经具备这些技能，或者他们可以轻松获得这些技能。

显然，对于后两种情况，习得综合得分的值都很低。人工智能应用的一个领先指标合并技术可以改变劳动力需求并加速强迫就业要想产生这些效果，必须首先被许多行业的公司广泛采用。比如劳动力需求的广泛变化和工作岗位的加速转换。然而，衡量技术采用率，这可能很困难，因为它通常取决于公司的私人活动，并受到一系列因素的影响（见SupplementaryAugust 12, 2021 14 /42公共教育和培训零售贸易信息媒体和电信制造业批发贸易、医疗保健和社会援助农业、林业和渔业住宿和食品服务其他服务业2019 2016 2013行政和支持服务文娱服务租赁、雇用和房地产服务运输、邮政和仓库电力、天然气、水和废物服务专业、科学和技术服务金融和保险服务图6。2013-2019年间，针对澳大利亚19个行业的人工智能技能。随着工业技能集与人工智能技能越来越相似，雷达图表的彩色区域将扩大。所有行业都提高了与人工智能技能的相似程度，尽管速度不同。我们认为，人工智能相似性水平越高，说明人工智能技能对行业内的企业越来越重要，而且与人工智能技能的差距也在缩小。获得这些技能加快了企业选择人工智能和有效利用这些技术的速度，这为人工智能的采用和这些行业内潜在的劳动中断提供了领先指标。信息）。

因此，衡量推动新兴技术应用的驱动因素（见补充信息）可以提供领先的采用指标，并加快其采用率，尤其是在技术增长的早期阶段[36]。技能空间提供了一种有用的方法，可以确定新兴技术技能的具体程度，缩小技能差距，减少采用新兴技术的障碍。当获得相关熟练劳动力的机会增加时，有助于加快收养率。因此，衡量行业内新兴技术的技能设置相似性的时间水平，可以为新兴技术的采用和不断变化的技能要求提供有用的指导，这些技能要求可能会导致行业内的劳动力中断，例如强迫工作转移。图6显示，从2013年到2019年，澳大利亚所有行业技能的增长都与aiskill相似——彩色区域的扩展说明了这一点。这一亮点12, 2021 A/42AI技能在澳大利亚劳动力市场的重要性日益增加。然而，相似性的比率分布不均。一些行业——比如金融业和人工智能技能相似率更高的行业。这表明，不仅这些行业内的公司规模要小得多。同样值得注意的是，与AI技能相似性之间的增长率差异。如图6所示，人工智能技能相似性在某些行业迅速增长，而在其他行业则更为温和。例如，“零售业”在与人工智能技能的相似性方面经历了最高水平的增长，从2013年到2019年增长了407%。这种增长的大部分发生在最近，这与澳大利亚的千年增长相吻合。通过调整技能空间方法，我们开发了一个领先指标，可以从实时招聘数据中检测员工的采纳情况。这样的措施可以作为人工智能增长的“早期预警”。

该指标可以帮助政策制定者和企业有力地监控人工智能技能（或其他新兴技术）的增长，这对行业（或其他劳动力市场群体）内人工智能的采用起到了促进作用。限制我们承认技能空间方法的一些局限性，以及本文给出的结果。首先，住户调查数据和招聘广告数据都存在数据限制。这些观察结果来自高质量的HILDA数据集，这是澳大利亚的观察数据，可以“学习”并预测未来的工作转换。纵向家庭调查也会受到面板损耗的影响，包括HILDA[38]。独立观察。我们的方法不依赖于个人的纵向职业道路。关于招聘广告数据，我们只能访问澳大利亚招聘广告数据集。因此，我们的分析和结果是针对特定区域的，因为它允许将分析与地理和时间劳动力市场联系起来——已经证明，劳动力市场可以是高度关联的[39]。通过应用来自招聘广告、就业统计数据和职业转换的同等国家特定劳动力市场数据，可以轻松评估我们为其他国家产生结果的方法。其次，本文给出的结果已被汇总到职业层面。也就是说，解释性特征按其4位数的职业分组，例如给定职业的工资中值和平均教育程度（有关特征的完整列表，请参阅补充信息）。

因此，本文中的工作转换预测是在分组的4位数职业水平上进行的，用于演示，这在相同的职业中没有区别。然而，鉴于适当数据源的可用性，本文提出的方法的灵活性可以应用于个人层面（或其他任意分组）。第三，除了本研究中用作解释变量的因素外，还有许多因素会导致个体在两个变量之间转换[13]。例如，研究表明，人格特征可以预测不同的职业类别[40]。2021年8月12日16／42:因此，人格特质和价值观不仅会影响工作间的意愿，也会影响工作转换的类型。类似地，存在一种马尔可夫假设，即工人被描述为特定行业和劳动力市场内的竞争动态、宏观经济条件以及个人家庭财务状况的变化等一系列技能，都会影响到在工作之间转换的人。未来的工作可能会将这些额外的变量结合起来，以帮助进一步解释和预测工作转换。最后，我们必须认识到，应用机械算法“学习”历史例子，并向人们提出相应的建议，例如建议的职业道路，可能会产生偏见。如果用于训练机器的数据反映了这些偏差。例如，劳动力市场存在影响就业结果的结构性偏见，包括基于性别[41]、种族[42]、年龄[43]和其他因素的偏见。由于澳大利亚劳动力市场并非不受系统性偏见的影响[44]，本研究所用的培训数据（HILDA——代表性住房调查）可能在一定程度上反映了这些系统性偏见。

因此，本文的研究结果应该被视为澳大利亚劳动力流动的“描述性”研究，而不是个人职业选择的“规定性”研究。为了帮助保护这些系统性偏见，我们在循环中添加了一个人来过滤生成的建议。我们在图5中设计的系统是一个决策辅助工具，它根据发布频率（链接颜色）过滤顶级推荐，以识别需求增长的职业。还可以应用其他过滤器，例如基于薪资、教育水平、所需经验年数、特定技能集、行业等的顶级推荐。虽然这些过滤器不能完全消除建议中的偏见，但它们确实为使用该系统的个人在探索潜在职业道路方面提供了更大的自主权。总结两套技能之间的差异。这使我们能够建立一个系统，既能在劳动力市场上推荐就业技术，又能加速被迫的工作转换。我们的工作过渡推荐系统有可能帮助工人、企业和政策制定者确定职业之间的有效过渡路径。这些有针对性和适应性的建议在经济危机期间尤其重要，当时劳动力流动增加，工人被迫转业。因此，工作转换推荐系统可以帮助COVID-19造成的当前劳动力危机。此外，它还可以帮助应对潜在的未来危机，比如人工智能劳动自动化导致的工作转换加速。我们通过将技能空间作为人工智能在劳动力市场中采用的衡量标准，进一步证明了技能空间的有用性和灵活性。这起到了“预警系统”的作用，即人工智能在工业中的采用和传播将导致即将到来的劳工中断。

这一措施可以补充人工智能采用的其他指标，帮助政策制定者和企业监控人工智能技术的增长及其加速工作转换的潜力。虽然工作的未来仍不明朗，但变化是不可避免的。新技术、经济危机和其他因素将继续改变劳动力需求，导致工人在工作之间流动。如果劳动力转移有效地发生，显著的生产力和8月12, 2021日17 / 42显著成本是承担给国家和个人。因此，为了工人、企业和政府的利益，劳动力转移是有效的，能够实现这些目标。感谢燃烧玻璃技术公司的Bledi Taska和Davor Miskulin提供反馈。我们感谢Stijn Broecke和经合组织的其他同事在这项工作的发展过程中提供的持续投入和指导。我们感谢Albert Carmon对语言和风格的编辑和反馈。在2019冠状病毒疾病的初期阶段，我们承认并感谢FaTim-ai的理查德乔治，以方便进入澳大利亚的“非必需”职业清单。参考文献1。Acemoglu D，Autor D.技能、任务和技术：对就业和收入的影响。摘自：《劳动经济学手册》。第四卷。爱思唯尔；2011年，第1043-1171.2页。第二个机器时代：在一个技术辉煌的时代，工作、进步和繁荣。WW诺顿公司；2014.3. 施瓦布K.第四次工业革命。通货2017.4.计算机化？技术预测和社会变革。2017;114:254–280.5.经济研究局；2018.6. Frank先生、Autor D、Bessen JE、Brynjolfsson E、Cebrian M、Deming DJ等。了解人工智能对分娩的影响。美国国家科学院学报，2019年；p、 201900949.7。西拉U。

澳大利亚的工作位移：希尔达调查的证据。经合组织；2019.8. 防抱死制动系统。澳大利亚劳动力；2020https://www.abs.gov.au/statistics/labour/employment-and-unemployment/labour-force-australia/latest-release.9.Nedelkoska L，Neffke F，Wiederhold S.技能错配和工作岗位置换的成本。年：美国经济协会年会；2015.10. Poletaev M，Robinson C.《人力资本专用性：来自1984-2000年职业头衔和失业工人调查的证据》。劳动经济学杂志。2008;26(3):387–420.11. 盖特曼·C，肖恩伯格U.人力资本有多普遍？基于任务的方法。劳动经济学杂志。2010;28(1):1–49.2021年8月12日18/4212。Nedelkoska L、Diodato D、Neffke F.我们的人力资本是否足以承受当前的技术变革浪潮？哈佛大学国际发展中心；2018.13. Bechichii N，Grundkei R，Jameti S，Squiccarini M.在工作之间移动：职业距离和技能需求分析。经合组织；2018. 52.14.社会研究。澳大利亚家庭、收入和劳动动态（HILDA）调查，限制发布18期（Waves 1-18）；2020.15. WEF。走向一场全新的革命，为所有人创造就业机会。世界经济论坛和波士顿咨询集团；2018.16. WEF。为了实现一场重新创造的革命，工业界为未来的工作采取了行动。世界经济论坛和波士顿咨询集团；2019.17. 澳大利亚就业、技能、小型和家族企业未来工作任务组。Reskill Australia：数据驱动的方法。澳大利亚政府；2019.18. Kyle Demaria KF，Wardrip K.探索基于技能的职业流动性方法。费城和克利夫兰联邦储备银行；2020.19.— 下面是它们的工作原理。ABC新闻。2020;.20.美国劳工部。O*NET；2020