Применение алгоритмов машинного обучения для сокращения информационной асимметрии и прогнозирования социальных изменений на рынке труда: вызовы и возможности

Автор: Рафикова К.Ф.

Журнал: Теория и практика общественного развития @teoria-practica

Рубрика: Социология

Статья в выпуске: 5, 2024 года.

Бесплатный доступ

Рассматривается влияние алгоритмов машинного обучения (ML) на сокращение информационной асимметрии на рынке труда и прогнозирование социальных изменений, представляющих вызовы и возможности для работодателей и соискателей. Освещаются проблемы информационной асимметрии, связанные с различием в доступе к данным между сторонами рынка труда, а также в качестве получаемой ими информации, что усложняет процесс найма и поиска работы. Рассматриваются теоретические основы больших данных и их анализа с помощью ML для выявления тенденций и закономерностей, способствующих более эффективному функционированию рынка труда. Представлены методы ML: прогностические модели, кластеризация, классификация и текстовый анализ: описано их применение для снижения информационной асимметрии и адаптации к изменяющимся требованиям рынка. Приводятся примеры использования алгоритмов ML в реальных бизнес-процессах; репрезентирован их вклад в оптимизацию процессов найма и управления персоналом, а также в прогнозирование будущих трендов в контексте значимых компетенций и навыков. Подчеркивается важность адаптации к новым вызовам и возможностям, которые предоставляют алгоритмы ML, для поддержания конкурентоспособности и устойчивого развития рынка труда.

Еще

Машинное обучение, информационная асимметрия, рынок труда, большие данные, прогностические модели, текстовый анализ, нейронные сети, социальные изменения, hr-технологии, искусственный интеллект

Короткий адрес: https://sciup.org/149145866

IDR: 149145866   |   DOI: 10.24158/tipor.2024.5.8

Список литературы Применение алгоритмов машинного обучения для сокращения информационной асимметрии и прогнозирования социальных изменений на рынке труда: вызовы и возможности

  • Акьюлов Р.И., Сковпень А.А. Роль искусственного интеллекта в трансформации современного рынка труда // Дискуссия. 2019. № 3 (94). С. 30–40. https://doi.org/10.24411/2077-7639-2019-10029.
  • Алетдинова А.А. Применение методов машинного обучения для анализа вакансий работников сельского хозяйства // Вызовы глобализации и развитие сельского хозяйства в условиях новой реальности. Новосибирск, 2023. С. 3–6.
  • Деев М.В., Финогеев А.Г., Финогеев А.А. Архитектура системы интеллектуального поиска и анализа требований работодателей // Методы, средства и технологии получения и обработки измерительной информации («Шляндинские чтения – 2020»). Пенза, 2020. С. 352–356.
  • Джункеев У. Прогнозирование безработицы в России с помощью методов машинного обучения // Деньги и кредит. 2022. Т. 81, № 1. С. 73–87. https://doi.org/10.31477/rjmf.202201.73.
  • Ильясов Б.Г., Габдуллина Э.Р., Сапаров А.Э. Алгоритмы машинного обучения при принятии решений по управлению занятостью населения // Управление экономикой: методы, модели, технологии. Уфа, 2020. С. 272–275.
  • Кричевский М.Л., Дмитриева С.В., Мартынова Ю.А. Методы машинного обучения в управлении человеческими ресурсами // Вопросы инновационной экономики. 2023. Т. 13, № 1. С. 405–420. https://doi.org/10.18334/vinec.13.1.117467.
  • Кушнеров А.В., Гершов М.Д. Прикладные задачи машинного обучения // Трансформация механико-математического и IT-образования в условиях цифровизации: в 2 ч. Минск, 2023. Ч. 2. С. 171–176.
  • Лялькова Е.Е., Богдашкина Е.А., Лобкова В.Э. Влияние искусственного интеллекта на рынок труда: анализ изменений в спросе на квалификации и обучении // E-Scio. 2023. № 5 (80). С. 541–549.
  • Минаев Д.В. Подходы к проектированию и актуализации компетентностных моделей образовательных программ на основе интеллектуального анализа вакансий работодателей // Управленческое консультирование. 2023. № 10 (178). С. 45–68. https://doi.org/10.22394/1726-1139-2023-10-45-68.
  • Морозевич Е.С., Коротких В.С., Кузнецова Е.А. Разработка модели формирования индивидуальных образовательных траекторий с использованием методов машинного обучения // Бизнес-информатика. 2022. Т. 16, № 2. С. 21–35. https://doi.org/10.17323/2587-814X.2022.2.21.35.
  • Морозова Ю.А. Интеллектуальный анализ данных о вакансиях для выявления актуальных потребностей рынка труда // Информатика и образование. 2022. Т. 37, № 5. С. 26–37. https://doi.org/10.32517/0234-0453-2022-37-5-26-37.
  • Моттаева А.Б., Кашинцева В.Л., Покровский О.Ю. Влияние искусственного интеллекта на рынок труда // Вестник Московского государственного областного университета. Серия: Экономика. 2020. № 4. С. 82–88. https://doi.org/10.18384/2310-6646-2020-4-82-88.
  • Титова А.В., Титова М.М. Цифровые технологии в прогнозировании и формировании востребованных рынком компетенций // Национальные концепции качества: подготовка кадров для цифровой трансформации промышленности и экономики. СПб., 2022. С. 218–225.
  • Филиппов В.Е., Боганюк Ю.В., Воробьева М.С. Разработка приложения для составления требований к профессиональным навыкам на основе методов анализа текстов // Математическое и информационное моделирование. Тюмень, 2020. С. 226–234.
  • Хохлова О.А., Хохлова А.Н., Чойжалсанова А.Ц. Разработка алгоритма анализа вакансий на рынке труда по данным из открытых источников // Вопросы статистики. 2022. Т. 29, № 4. С. 33–41. https://doi.org/10.34023/2313-6383-2022-29-4-33-41.
  • Marwala T., Hurwitz E. Artificial Intelligence and Asymmetric Information Theory. Cham, 2017. 204 р. https://doi.org/10.1007/978-3-319-66104-9.
Еще
Статья научная