失业求职者的统计资料

大数据的日益可用性允许通过统计模型对失业求职者进行分析

谢菲尔德大学,英国,伊萨,德国

比利时根特大学

比利时古鲁汶

单页 全文

电梯游说

统计模型可以帮助公共就业服务部门确定与长期失业有关的因素和确定风险群体。随着大数据可用性的增加以及新的机器学习技术提高了它们的预测能力,此类剖析模型可能会变得更加突出。然而,为了取得最佳结果,数据分析师、决策者和个案工作者之间的持续对话是关键。事实上,在开发和实现这些工具时,需要规范性决策。分析实践可能会对许多人进行错误分类,它们可以强化但也可以防止现有的歧视模式。

统计分析在预测长期失业方面比彩票或简单的选择规则更准确

主要发现

赞成的意见

社会经济和社会人口变量之间的系统模式,以及利益的结果可以通过统计模型来揭示。

统计模型可以指导未来关于为什么某些群体面临更大风险以及如何缩小差距的研究。

统计分析模型提供了失业期潜在持续时间的指示。

在某些情况下,统计模型可以减少现有的歧视模式。

欺骗

当使用统计模型而不是彩票时,分析准确度的提高是适度的,许多人往往会被错误分类。

统计特征分析有可能强化现有的歧视模式。

目前的统计分析模型预测结果,但不揭示哪个程序为谁工作。

作者的主要信息

统计分析可以帮助识别有长期失业风险的个人,并突出适当的预测变量。然而,这些模型不能揭示这些关系背后的机制,因此不能直接提供解决长期失业问题的适当政策。评估有针对性的政策是否有效也并非易事。此外,那些考虑依靠统计侧写来指导求职者进行职业咨询、培训项目或其他社会项目的决策者应该评估其伦理含义:个人经常被错误分类,而统计侧写会强化歧视模式。

全部引用

全部引用

数据源

数据类型(年代)

方法

国家