山姆Desiere
比利时根特大学
IZA世界劳工角色
作者
当前位置
比利时根特大学经济系
研究的兴趣
劳动经济学,发展经济学
资格
2015年,根特大学农业经济学博士
选定的出版物
“使用人工智能对求职者进行分类:准确性与公平性的权衡。”《社会政策杂志》(2020年)(与L. Struyven合作)。
公共就业服务的统计分析:国际比较。经合组织工作文件(2019年)(与K. Langenbucher和L. Struyven合作)。
“合同农业提高小农收入:我们能从有效性研究中学到什么?”世界发展104(2018):46-64(与G. Ton、W. Villema、S. Weituschat和M. D'Haese合作)。
“土地生产力和土地面积:是测量误差导致了相反的关系吗?”《发展经济学杂志》(2018):84-98。
“当数据源写出结论时:评估农业政策。”发展研究杂志52:9(2016):1372-1387(与L. Staelens和M. D'Haese)。
-
失业求职者的统计分析
随着大数据的日益普及,人们可以通过统计模型对失业求职者进行分析
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,并确定有风险的群体。随着大数据的日益可用性和新的机器学习技术的结合,这种分析模型的预测能力可能会变得更加突出。然而,要达到最佳效果,数据分析师、政策制定者和案例工作者之间的持续对话是关键。实际上,在开发和实现这些工具时,需要规范的决策。侧写实践可能会对许多人进行错误的分类,它们可以加强但也可以防止现有的歧视模式。更多的少