在过去十年中,互联网技术在较低收入国家的快速扩散改变了雇主和工人在劳动力市场中的互动。虽然在线招聘中的初始繁荣,专注于高等工资职业,但现在存在在线搜索和匹配服务,从国内劳动到入门级零售业工作。利用这些数据可以提供实时劳动力市场的见解,这些劳动力市场洞察力难以通过基于调查的方法和对当前Covid-19危机期间的政策决策高度相关。
在这个项目中,它概述了一个计划首次组装印度的在线空缺的独特数据,然后使用一系列经验方法,包括机器学习技术,以了解由于Covid-19的在线招聘行为的变化以及这样的程度变化可以预测整体劳动力市场的变化。如果在线招聘行为是预测整体劳动力市场的预测,则项目团队计划开发一个在线交互式仪表板,并通过我们的分析进行结果。收集这些数据的额外福利将理解职业发布中的学位,可以向我们通报劳动力市场中基于性别的排除,以及目前的危机是否会进一步加剧这种排除。这些数据在印度将特别有价值,因为它目前缺乏用于收集实时劳动力市场数据的可靠基础设施,并且在危机面前已经遭受了女性劳动力参与下降的损害。
我们的数据收集计划有两个组件。首先,他们将利用印度最大的在线求职门户网站之一与Quikrjobs的现有伙伴关系,从2015年到现在,从2015年获得其宇宙的宇宙。Second, they will collate data from other sources where vacancies may be posted (e.g. job search portals, large company websites, etc) by using Internet archives available using the Wayback Machine and build scraping algorithms to continue collecting these data in future months.3These two approaches will give us a fairly comprehensive dataset on online vacancies across regions, sectors, and occupations, and over time. For example, QuikrJobs has extensive reach in India, both sectorally and geographically, with millions of active users in over 1000 cities and 100+ occupations.