使用在线空缺和求职者的数据来研究技能动态
劳工组织工作文件75 August/2022 ▶使用在线空缺和求职者的数据来研究技能动态 作者：FidelBennett,VerónicaEscudero,HannahLiepmann,AnaPodjanin 版权所有©国际劳工组织2022 这是根据知识共享署名3.0IGO许可证（http://creativecoommos。org/liceses/by/3.0/igo)。用户可以重复使用，共享，改编和构建原始作品，甚至用于商业目的，如许可证中所述。必须明确将国际劳工组织视为原始作品的所有者。禁止在用户的工作中使用国际劳工组织的标志。 翻译-如果要翻译本作品，则必须添加以下免责声明以及归属：此翻译不是由国际劳工组织（ILO）创建的，不应视为国际劳工组织的正式翻译。国际劳工组织对本翻译的内容或准确性不负责。 适应-在适应这项工作的情况下，必须添加以下免责声明与属性：这是对国际劳工组织(劳工组织)原创作品的改编。改编中表达的观点和意见的责任完全由改编作者或作者承担，劳工组织不认可。 有关权利和许可的所有查询均应向瑞士日内瓦22号CH-1211的ILO出版物（权利和许可）或通过电子邮件至rights@ilo.org。 ISBN:9789220376614(打印) ISBN:9789220376621(web-pdf)ISBN：9789220376638(epub)ISBN：9789220376645(mobi)ISBN：9789220376652(html) ISSN：2708-3446 https://doi.org/10.54394/EWWE6877 劳工组织出版物中采用的符合联合国惯例的名称及其材料的介绍，并不意味着国际劳工组织对任何国家、地区或领土或其权威的法律地位或对其边界的划界表示任何意见。 在署名文章、研究报告和其他贡献中表达的意见的责任完全在于其作者，出版并不构成国际劳工组织对其中表达的意见的认可。 提及公司名称以及商业产品和流程并不意味着它们得到了国际劳工组织的认可，任何未提及特定公司，商业产品或流程的行为都不是不赞成的迹象。 国际劳工组织工作文件总结了国际劳工组织正在进行的研究结果，并寻求激发对与工作世界有关的一系列问题的讨论。欢迎对本国际劳工组织工作文件的评论，可发送至RESEARCH@ilo.org，escudero@ilo.org，liepmann@ilo.org。 授权出版：RichardSamans，研究主任 国际劳工组织的工作文件可在以下网址找到：www.ilo.org/global/publications/working-papers 建议引用： 贝内特，F.，埃斯库德罗，V.，利普曼，H.，Podjanin，A.2022。使用在线空缺和求职者的数据来研究技能动态劳工组织第75号工作文件(日内瓦，劳工组织)。 Abstract 我们评估职位空缺和申请的在线数据是否是欧洲和美国以外学习技能动态的合适来源，那里有丰富的文献使用在线职位空缺数据研究了技能动态。然而，对于其他国家来说，关于技能动态的知识是稀缺的，无论其发展水平如何。我们首先提出了一个分类法，该分类法系统地汇总了三大类技能-认知，社会情感和手动-以及十四个常见的观察和可识别技能子类别，我们根据通过关键字和表达识别的独特技能来定义。我们的目标是开发一种全面而简洁的分类法，适合发展中国家和新兴经济体的劳动力市场现实，并适应在线空缺和申请人的数据 。然后，我们使用机器学习技术开发了一种方法，该方法允许在在线空缺和申请人的数据中实施技能分类，从而捕获供应方和需求方。使用来自就业委员会BscoJobs的乌拉圭数据实施该方法，我们将技能分配给64％的申请人就业咒语和94％的空缺。我们认为这是一个成功的实现，因为被利用的文本信息通常不遵循标准化的格式。我们的方法的优势在于它依赖于世界上许多国家目前可用的数据，从而允许针对特定国家的分析，而无需假设各国的职业技能束相同。据我们所知，我们是第一个在新兴经济体的背景下探索这一方法的人。 关于作者 菲德尔·贝内特是智利大学的经济学家，目前是智利劳工部国家就业局（BolsaNacioaldeEmpleo）的负责人。他还曾在智利大学和智利教育部担任经济专家，并作为国际劳工组织的顾问参与了不同的研究项目。他的研究重点是劳动经济学，教育经济学和公共干预的影响。 韦罗尼卡·埃斯库德罗她于2008年加入国际劳工组织研究部，现在是劳动力市场趋势和政策评估股的负责人。自2021年3月以来，她在加州大学伯克利分校担任CEGA（有效全球行动中心）访问学者。她是一个博士。D经济学家专门研究劳动力市场和社会政策的分析和评估。她目前的研究重点是评估劳动力市场和社会政策对工作资格和社会条件的有效性，并揭示利用政策之间的互补性是否可以促进其有益效果。最近，她一直在探索与促进向体面工作有效过渡所必需的技能有关的主题，重点是低收入和中等收入国家，方法是使用有关空缺和向劳工门户网站申请的在线数据。她拥有一个Ph。D.巴黎经济学院和高等高等科学学院(EHESS)的经济学学士学位。 汉娜·利普曼是国际劳工组织研究部的经济学家。她的研究兴趣是劳动经济学和应用微观经济学，重点是研究劳动力市场政策和结构变化如何影响边缘化群体融入高质量就业。她从柏林洪堡大学获得博士学位，在那里她还为“理性与竞争”合作研究中心工作。她是IZA研究会员，并且是加州大学伯克利分校研究与就业研究所和纽伦堡就业研究所（IAB）的客座研究员。 AnaPodjanin她是日内瓦国际劳工组织企业部的一名技术官员。她于2015年加入国际劳工组织，此前曾与研究、统计和就业政策部合作，专注于不同的主题，如货币和非货币贫困、劳动力市场统计以及确定技能需求预测的新方法。 目录 Abstract 01 关于作者 01 ▶ Introduction 05 ▶ 1 评估欧洲和美国以外的技能：用于研究目的的技能分类单元 08 ▶ 2 数据和描述性统计 17 2.1申请人和空缺数据的覆盖范围和适用性，以识别和衡量技能变量 18 2.2BuscoJobs申请人的数据 19 2.3BuscoJobs空缺数据 23 ▶ 3 技能分类法的实证实施 28 3.1文本挖掘模型 28 3.2变量编码的评价 30 3.3源类型的相关性以及与基于O-NET的结果的比较 34 ▶ Conclusions 38 附件 39 参考文献 44 Acknowledgments 50 数字列表 图1.加入的个体绝对数BuscoJobs在某一年,2010-202020 图2.年龄分布，BuscoJobs申请人的数据库与家庭调查相比 数据,202021 图3.申请人就业期间的职业分布比较 2020年全国职业就业分布(%)22 图4.的代表性BuscoJobs申请人数据中的职业，相对于职业- 乌拉圭家庭调查数据中的国家分布(2010-2020)23 图5.每个职位发布的绝对数量year24 图6：各个地区的职业分布比较BuscoJobs2020年职位空缺和全国职业就业分布(%)26 图7.的代表性BuscoJobs空缺数据中的职业，相对于职业- 乌拉圭家庭调查数据中的国家分布(2010-2020)27 图8.申请人和空缺数据的技能分布，比较初始关键字方法和依赖关键字和同义词的扩展方法，所有年33 Figure9.relativeimportanceofcognitive,socioemotionalandmanualskillsattheone-digitoccupationallevel,comparingO-NETdataandBuscoJobs申请人数据(2019)36 表列表 表1.技能、关键字和来源10 表2.实证实施成功的评价，所有年31 表3.已确定的技能子类别数量与数量之间的相关性 文字说明中可用的单词，所有年32 表4.空缺和申请人数据中已识别的关键字/表达式的数量-归因于不同类型的来源(所有年份的绝对值和%)35 表A1.2020年行业分布比较，BuscoJobs空缺与 住户调查数据39 表A2.每个技能子类别的初始关键字和表达式的字典(in西班牙语)40 表A3.关键字同义词词典(在西班牙语)41 ▶Introduction 技术进步和贸易等重大变革现象正在塑造劳动力市场。技能是这个过程中的一个重要因素。它们影响劳动力市场转型如何改变对不同工作和职业的相对需求。例如，对给定工作或职业的需求上升，如果它严重依赖与新引入的技术互补的技能。如果工作或职业需要替代技术创新的技能，那么同样的需求也会下降。因此，技能影响当代劳动力市场中某些工人群体的相对复原力，以及其他群体的相对脆弱性。 因此，丰富的文献研究了欧洲，特别是美国的技能动态。人们发现计算机技术可以取代可以常规化的工作，并补充非常规分析和间接工作 （Ator，Levy和Mrae2003；Goos，Maig和Salomos2014）。然而，最近，在美国，对非常规分析工作的需求不断增长已经逆转（Beadry，Gree和Sad2016）。一些研究预测，人工智能和机器人技术也将取代非常规的分析劳动，并导致大规模的工作破坏（Frey和Osbore，2017）。其他分析指出互动技能的重要性和不可复制性，预测净工作损失较小（Artz，Gregory和Zierah2016）或强调可能的创造就业潜力（Nübler2016）。考虑到劳动力市场的系统性差异，将美国和欧洲的调查结果直接推断到其他国家可能会产生误导。然而，新兴和发展中经济体缺乏技能动态知识。这主要是由于缺乏足够的数据来源。同时，这种知识将有助于了解需要哪些政策对策来更好地做好工人准备，并应对当代劳动力市场中雇主的需求。 在本文中，我们评估了有关职位空缺和求职委员会（或工作门户）的在线数据是否是研究迄今为止文献所关注的高收入经济体以外的技能动态的合适来源。这种方法的优点是它依赖于世界上许多国家目前可获得的数据，从而允许针对特定国家的分析，而不需要假设各国的职业技能是相同的。另一个可区分的特征是能够研究跨时间的详细技能动态，代表劳动力需求和供应。这从数据的面板性质和粒度的结果，这是不同于目前可用的调查数据从新兴和发展中经济体。最后，据我们所知，我们是第一个在新兴经济背景下探索这种方法的人。 本研究涉及越来越多的文献，这些文献使用来自美国的在线空缺数据来研究与技能动态相关的问题，因为我们在新兴经济体的背景下使用类似的分类方法和大数据。Demig和Kah(2018)研究了认知和社交技能在预测当地劳动力市场职业工资差异方面的核心作用。他们的结果表明，不同公司的工人薪酬和公司绩效的差异确实与这两种技能的需求有关。其他三项研究表明，经济衰退加速了对技能需求的变化，因为它们为公司提供了一个机会，以响应新技术而提高技能需求。这些影响在常规认知职业中更为明显，这些职业也表现出相对工资增长（Hershbei和Kah2018），在现有工人供应激增的州和职业（Modestio，Shoag和Ballace2020）以及工资较高的城市和职业（Blair和Demig2020）。最后，Demig和Noray（2020）使用在线空缺数据来研究科学，技术，工程和数学（STEM）专业的技能要求和技能回报。他们发现，STEM专业的大学毕业生的收入溢价在劳动力市场进入时最高，但下降速度很快，这促使这些毕业生在获得经验后离开技术密集型领域。在设计我们的分类法时，我们建立在这些研究的基础上，除了社会科学的其他参考文献（特别是关于技能偏见技术变革的文献，参见例如Acemogl和Ator2011）和心理学（例如参见Almld等人。2011). 更详细地说，我们的分类法系统地汇总了三大类技能-认知，社会-情感和手动-以及十四个常见的观察和可识别的技能子类别，我们根据通过关键字和表达式识别的独特技能来定义。1我们的目标是获得一个全面而简洁的分类法，适合发展中国家和新兴经济体的劳动力市场现实，
