许多类型的市场,包括劳动力市场,都是在互联网上进行的。因此,利用互联网作为社会科学,特别是劳动经济学的数据来源,是该研究任务的核心IDSCIZA的研究数据中心。
当市场发生在网上时,底层的信息和通信技术被用来优化供需匹配,这是任何市场的核心问题。由于数字技术的性质,在这样的市场中生成交易数据可以轻松高效地完成倒带和重播对市场的研究和理解很大程度上依赖于对这些数据的获取。
组织的尼科斯阿斯基达斯而且彼得·库恩,第四IDSC车间召集了来自全球各地的经济学家,在三个环节(搜索与匹配/空缺职位发布的证据/搜索行为)中展示了使用在线数据的研究,其中包括三个主题演讲(“薪资历史与雇主需求”/“新冠疫情中的在线职位空缺”/“算法招聘”)。今年研讨会的一个主要特点是有大量高质量、深入、多学科的就业市场论文,其中一些总结如下。
解决劳动力市场推荐系统的拥堵问题
设计劳动力市场推荐系统与设计产品推荐系统是一个根本不同的问题。这是因为大多数工人只能为一家公司工作,而公司往往可以同时为数百万客户服务。因此,虽然算法向大量客户推荐同一部电影是有道理的,但向所有公司推荐同一名工人将是灾难性的。根据法国公共就业服务局(PES)的数据,布鲁诺织物合著者提出并评估了现有算法的改进,以解决这一“拥堵”问题。利用最优运输的数学方法研究对产品型劳动力市场推荐算法进行了实质性改进。
从招聘启事的语言预测工资溢价
遵循经济学文献中应用享乐回归估计不同工作特征的工资溢价的丰富传统,莎拉·h·巴纳将自然语言处理(NLP)技术应用于工资信息数据格林威治。人力资源与招聘信息数据相关联燃烧玻璃技术建立一个模型,从招聘信息文本中预测工资。该模型解释了73%的变化,比使用职业和地点的固定效应模型高出10个百分点。结果是纸是企业和工人在双边市场中进行战略决策时匹配过程中的关键输入。
母校重要:大学质量的全球视野
虽然一些国家的大学有很受欢迎的排名体系,但迄今为止,很难比较不同国家大学学位的价值。使用Glassdoor网站大学毕业生的收入数据,以及顶尖大学毕业生越来越多地在国际上流动这一事实,杰森Sockin合著者能够解决这个可比性问题。虽然他们的大学排名与现有排名(如U.S. News)相关,但发展中国家的文理学院和顶尖理工科学院的排名要高得多。他们的纸这表明,后者的毕业生对世界创业和创新做出了巨大贡献,无论他们在哪个国家工作。
有关演示文稿的完整列表,请参见车间计划.