通过人工智能驱动的文本挖掘识别扩展的绿色职位清单

通过 AI 驱动的文本挖掘识别绿色职位的扩展清单

核心观点： 本研究旨在通过纳入全球视角和结合当代资源来扩展绿色工作岗位的清单。研究利用自然语言处理技术，特别是检索增强生成模型，从学术文献中识别绿色工作岗位。

关键数据：

• 搜索了 Scopus 和 Web of Science 数据库中 2008 年之后发表的学术文献，共获得 1,067 篇文章。
• 从中识别出 695 个独特的潜在绿色职业标题。
• 17% 的职业标题与美国劳工部职业信息网络（O*NET）中的绿色职业标题完全匹配或几乎匹配。

研究方法：

• 使用 Scopus 和 Web of Science 的官方 API 搜索学术文献。
• 利用检索增强生成模型（RAG）识别文章中的绿色职业标题。
• 将识别的职位标题聚类为 25 个不同的部门，并与 O*NET 分类体系进行比较。

研究结论：

• RAG 模型在识别新兴绿色职位方面效果显著，为绿色经济转型提供了重要参考。
• 研究扩展了现有的绿色工作岗位列表，并提出了新的绿色经济部门，如绿色人力资源。
• 研究结果表明，AI 技术可以有效地识别和分类绿色工作岗位，为绿色经济转型提供支持。

局限性：

• 仅获取了部分文章的全文文本，可能存在遗漏。
• 模型将职位分为绿色或非绿色两类，未能捕捉到某些职位的复杂性。
• 缺乏背景信息和专家审查可能导致对绿色职位的误识别。