我们评估关于职位空缺和求职委员会申请的在线数据是否是研究欧洲和美国以外的技能动态的合适来源，那里有大量文献使用在线空缺数据检查技能动态。 然而，其他国家无论其发展水平如何，都缺乏有关技能动态的知识。 我们首先提出了一个分类法，它系统地汇总了三大类技能——认知、社会情感和手动——以及十四个常见的可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这些子类别。 我们的目标是开发一个全面而简洁的分类法，适合发展中和新兴经济体的劳动力市场现实，并适应在线职位空缺和申请人数据。 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数据中实施技能分类，从而捕捉供需双方。 使用来自工作委员会 BuscoJobs 的乌拉圭数据实施该方法，我们将技能分配给 64% 的求职者就业期和 94% 的职位空缺。 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格式。 我们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，而无需假设不同国家的职业技能包是相同的。 据我们所知，我们是第一个在新兴经济体背景下探索这种方法的人。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入查阅下载3万+精选资料，年享1万+精选更新
（星球内含更多未发布精选报告.其它事宜可联系zzxz_88@163.com）
