Использование больших данных при анализе рынка труда: теоретические подходы и методические инструменты

Рассмотрена возможность использования технологий больших данных и больших языковых моделей для анализа рынка труда в Республике Беларусь. Разработаны теоретические подходы с применением больших данных, что подразумевает определение как возможности в проведении аналитики рынка труда по данным онлайн-источников, так и эффективных инструментов для сбора и обработки информации о рынке труда с онлайн-источников. Применение больших данных и больших языковых моделей позволит улучшить качество и точность анализа рынка труда в республике, а использование передовых аналитических инструментов обеспечит более полное и детализированное понимание динамики рынка труда. Исследование основывается на анализе существующих теоретических подходов, практике использования больших данных и больших языковых моделей в зарубежных странах, а также на оценке текущих возможностей и ограничений применения этих технологий в Беларуси. В качестве инструментария использовались методы машинного обучения, анализа больших данных и моделирования. Результаты исследования могут быть применены для улучшения стратегий управления рынком труда, а также для разработки политик и программ занятости, ориентированных на современные вызовы и возможности цифровой экономики.

1. Mezzanzanica, M. Big Data for Labour Market Intelligence – An Introductory Guide / M. Mezzanzanica, F. Mercorio // European Training Foundation. 2019. https://www.etf.europa.eu/en/publications-and-resources/publications/big-data-labour-market-intelligence-introductory-guide.

2. Speaking the Same Language: A Machine Learning Approach to Classify Skills in Burning Glass Technologies Data / J. Lassébie [et al.] // OECD Social, Employment and Migration Working Papers. 2021. No 263. https://doi.org/10.1787/adb03746-en.

3. Samek, L. The Human Capital Behind AI: Jobs and Skills Demand from Online Job Postings / L. Samek, M. Squicciarini, E. Cammeraat // OECD Science, Technology and Industry Policy Papers. 2021. No 120. https://doi.org/10.1787/2e278150-en.

4. Djumalieva, J. An Open and Data-Driven Taxonomy of Skills Extracted from Online Job Adverts / J. Djumalieva, C. Sleeman // Developing Skills in a Changing World of Work. 2018. Р. 425–454.

5. Deming, D. Skill Requirements Across Firms and Labor Markets: Evidence from Job Postings for Professionals / D. Deming, L. B. Kahn // Journal of Labor Economics. 2018. Vol. 36, No S1. Р. S337–S369.

6. Djumalieva, J. Classifying Occupations According to Their Skill Requirements in Job Advertisements / J. Djumalieva, A. Lima, C. Sleeman // Economic Statistics Centre of Excellence. 2018. Р. 1–37.

7. Bayoán, J. Valuing the U. S. Data Economy Using Machine Learning and Online Job Postings U. S. / J. Bayoán, S. Calderón, D. G. Rassier // Bureau of Economic Analysis. 2022. https://www.bea.gov/research/papers/2022/valuing-us-data-economy-using-machine-learning-and-online-job-postings.

8. Cammeraat, E. Burning Glass Technologies’ Data Use in Policy-Relevant Analysis: An Occupation-Level Assessment / Е. Cammeraat, M. Squicciarini // OECD Science, Technology and Industry Working Papers. 2021. https://doi.org/10.1787/cd75c3e7-en.

9. Goldfarb, A. Machine Learning Be a General Purpose Technology? A Comparison of Emerging Technologies Using Data from Online Job Postings / А. Goldfarb, B. Taska, F. Teodoridis // SSRN. 2021. https://ssrn.com/abstract=3468822.

10. Brüning, N. What Skills do Employers Seek in Graduates? Using Online Job Posting Data to Support Policy and Practice in Higher Education / N. Brüning, P. Mangeol // OECD Education Working Papers. 2020. No 231. Р. 1–47. https://doi.org/10.1787/bf533d35-en.

11. Predicting Skill Shortages in Labor Markets: A Machine Learning Approach / N. Dawson [et al.] // 2020 IEEE International Conference on Big Data (Big Data). 2020. Р. 3052–3061.

12. Brown, P. The End of the Credential Society? An Analysis of the Relationship Between Education and the Labour Market Using Big Data / Р. Brown, M. Souto-Otero // Journal of Education Policy. 2018. Vol. 35, No 1. Р. 95–118. https://doi.org/10.1080/02680939.2018.1549752.

13. Beblavý, M. Demand for Digital Skills in the US Labour Market: The IT Skills Pyramid / М. Beblavý, Br. Fabo, K. Lenaerts // CEPS Special Report. 2016. No 154.

14. Fetsi, A. Changing Skills for a Changing World: Understanding Skills Demand in EU Neighbouring Countries / А. Fetsi, U. Bardak, F. Rosso // European Training Foundation. 2021. https://www.bollettinoadapt.it/wp-content/uploads/2021/02/wcms_771749.pdf.

15. Смирнов, А. Ю. Цифровая модель рынка труда: ключевые аспекты работы программного комплекса / А. Ю. Смирнов // Экономика труда. 2023. Т. 10, № 10. С. 1535–1552. DOI: 10.18334/et.10.10.119514.

16. Волгин, Н. А. Спрос на навыки: анализ на основе онлайн-данных о вакансиях* [Электронный ресурс] / А. Д. Волгин, В. Е. Гимпельсон. М.: Изд. дом Высшей школы экономики, 2021.

17. Терников, А. А. Искусственный интеллект и спрос на навыки работников в России / А. А. Терников // Вопросы экономики. 2023. № 11. С. 65–80.

18. Ванкевич, Е. В. Изменение подходов к анализу конъюнктуры рынка труда в условиях цифровизации экономики (на примере текстильной промышленности Республики Беларусь) / Е. В. Ванкевич, И. Н. Калиновская // Известия вузов. Технология текстильной промышленности. 2022. Т. 401, № 5. С. 27–37. DOI: 10.47367/0021-3497_2022_5_27.

19. Vankevich, A. Better Understanding of the Labour Market Using Big Data / А. Vankevich, I. Kalinouskaya // Economics and Law. 2021. Vol. 20, No 3. P. 677–692.

20. Козинец, А. Н. Применение интеллектуального анализа для прогнозирования успешности трудоустройства социально уязвимых групп / А. Н. Козинец // Цифровая трансформация. 2024. Т. 30, № 2. С. 33–42. http://dx.doi.org/10.35596/1729-7648-2024-30-2-33-42.

21. AI and Jobs: Evidence from Online Vacancies. National Bureau of Economic Research / D. Acemoglu [et al.] // NBER Working Paper. 2020. No 28257. P. 1–55. https://www.nber.org/papers/w28257.

22. Colombo, E. AI Meets Labor Market: Exploring the Link Between Automation and Skills / Е. Colombo, F. Mercorio, M. Mezzanzanica // Information Economics and Policy. 2019. Vol. 47. Р. 27–37. https://doi.org/10.1016/j.infoecopol.2019.05.003.

23. Estimating Industry 4.0 Impact on Job Profiles and Skills Using Text Mining / S. Fareri [et al.] // Computers in Industry. 2020. Vol. 118. https://doi.org/10.1016/j.compind.2020.103222.