banner large

Kata-kata penting: AI dapat memprediksi gaji berdasarkan teks posting pekerjaan online

Comment
X
Share

Kami sangat antusias untuk menghadirkan Transform 2022 kembali secara langsung pada 19 Juli dan 20 – 28 Juli secara virtual. Bergabunglah dengan AI dan pemimpin data untuk pembicaraan yang berwawasan luas dan peluang jaringan yang menarik. Daftar hari ini!


Lanskap pekerjaan di Amerika Serikat berubah secara dramatis: Pandemi COVID-19 telah mendefinisikan ulang pekerjaan penting dan memindahkan pekerja dari kantor. Teknologi baru mengubah sifat banyak pekerjaan. Globalisasi terus mendorong pekerjaan ke lokasi baru. Dan kekhawatiran perubahan iklim menambah pekerjaan di sektor energi alternatif sambil memotong mereka dari industri bahan bakar fosil.

Di tengah gejolak tempat kerja ini, pekerja, serta pengusaha dan pembuat kebijakan, dapat mengambil manfaat dari memahami karakteristik pekerjaan mana yang mengarah pada upah dan mobilitas yang lebih tinggi, kata Sarah Bana, rekan pascadoktoral di Lab Ekonomi Digital Stanford, bagian dari Institut Stanford untuk Berpusat pada Manusia. Kecerdasan buatan. Dan, dia mencatat, sekarang ada kumpulan data besar yang mungkin membantu memberikan pemahaman itu: teks jutaan posting pekerjaan online.

“Data online memberi kami peluang luar biasa untuk mengukur apa yang penting,” katanya.

Memang, menggunakan kecerdasan buatan (AI) dan pembelajaran mesin, Bana baru-baru ini menunjukkan bahwa kata-kata yang digunakan dalam kumpulan data lebih dari satu juta posting pekerjaan online menjelaskan 87% variasi gaji di sebagian besar pasar tenaga kerja. Ini adalah pekerjaan pertama yang menggunakan kumpulan data posting yang begitu besar dan untuk melihat hubungan antara posting dan gaji.

Bana juga bereksperimen dengan menyuntikkan teks baru – menambahkan sertifikat keterampilan, misalnya – ke dalam daftar pekerjaan yang relevan untuk melihat bagaimana kata-kata ini mengubah prediksi gaji.

“Ternyata kita dapat menggunakan teks daftar pekerjaan untuk mengevaluasi karakteristik pekerjaan yang relevan dengan gaji secara mendekati waktu nyata,” kata Bana. “Informasi ini dapat membuat melamar pekerjaan menjadi lebih transparan dan meningkatkan pendekatan kami terhadap pendidikan dan pelatihan tenaga kerja.”

Kumpulan data AI dari 1 juta lowongan pekerjaan

Untuk menganalisis bagaimana teks posting pekerjaan online terkait dengan gaji, Bana memperoleh lebih dari satu juta posting pekerjaan pra-pandemi dari Greenwich.HR, yang mengumpulkan jutaan posting pekerjaan dari platform papan pekerjaan online.

Dia kemudian menggunakan BERT, salah satu model pemrosesan bahasa alami (NLP) paling canggih yang tersedia, untuk melatih model NLP menggunakan teks lebih dari 800.000 lowongan pekerjaan dan data gaji terkait. Ketika dia menguji model menggunakan 200.000 daftar pekerjaan yang tersisa, model tersebut secara akurat memprediksi gaji terkait 87% dari waktu. Sebagai perbandingan, hanya menggunakan jabatan lowongan pekerjaan dan lokasi geografis menghasilkan prediksi yang akurat hanya 69% dari waktu.

Dalam pekerjaan lanjutan, Bana akan mencoba mengkarakterisasi kontribusi berbagai kata pada prediksi gaji. “Idealnya, kami akan mewarnai kata-kata dalam postingan dari merah ke hijau, di mana kata-kata merah yang lebih gelap dikaitkan dengan gaji yang lebih rendah dan warna hijau yang lebih gelap dikaitkan dengan gaji yang lebih tinggi,” katanya.

Nilai peningkatan keterampilan: Eksperimen injeksi teks

Untuk mengidentifikasi keterampilan mana yang penting untuk prediksi gaji, Bana menggunakan pendekatan teks-injeksi: Untuk posting pekerjaan tertentu yang relevan, dia menambahkan frasa singkat yang menunjukkan pekerjaan tersebut memerlukan sertifikasi karir tertentu, seperti yang tercantum di Indeed.com 10 Sertifikasi Karir yang Diminta (Dan Cara Mencapainya). Memperoleh sertifikasi ini bisa mahal, dengan harga mulai dari sekitar $225 hingga sekitar $2.000. Tapi, sampai sekarang, belum ada cara untuk menentukan apakah investasi itu layak dari sudut pandang gaji.

Eksperimen Bana mengungkapkan bahwa beberapa sertifikasi (seperti Sertifikasi Analisis Agile IIBA) menghasilkan keuntungan gaji yang berarti dengan cepat sementara yang lain (seperti Pakar Internetwork Bersertifikat Cisco) melakukannya lebih lambat – informasi berharga bagi pekerja yang ingin memiliki informasi yang lebih baik tentang bagaimana investasi dalam pelatihan keterampilan akan mempengaruhi gaji dan prospek mereka, kata Bana.

Karyawan bukan satu-satunya yang mendapat manfaat dari informasi ini, catat Bana. Pengusaha dapat menggunakan hasil ini untuk berinvestasi lebih baik dalam sumber daya manusia, katanya. Jika, misalnya, model pembelajaran mesin mengungkapkan pergeseran bertahap dari beberapa tugas ke tugas lain, pemberi kerja akan memiliki peringatan dini dan dapat melatih kembali karyawan tertentu.

Dan pembuat kebijakan yang mempertimbangkan program pelatihan kerja apa yang akan dipromosikan juga akan mendapat manfaat dari pemahaman keterampilan mana yang meningkat atau berkurang dalam nilai ekonomi.

Untuk itu, Bana dan rekan-rekannya saat ini sedang mengerjakan makalah pendamping yang mengidentifikasi tugas apa yang menghilang dari daftar pekerjaan seiring waktu dan tugas baru apa yang muncul.

Di masa depan, Bana berharap bahwa analisis tekstual dari posting pekerjaan dapat menghasilkan aplikasi berbasis web di mana pekerja atau perusahaan dapat meneliti nilai tambah dengan meningkatkan keterampilan atau dengan pindah ke lokasi geografis baru.

“Saat ini tidak banyak kejelasan seputar jalan menuju pendapatan yang lebih tinggi,” kata Bana. “Alat seperti ini dapat membantu pencari kerja meningkatkan prospek pekerjaan mereka, pengusaha mengembangkan tenaga kerja mereka, dan pembuat kebijakan merespons perubahan langsung dalam ekonomi.”

Katharine Miller adalah penulis yang berkontribusi untuk Stanford Institute for Human-Centered AI.

Kisah ini awalnya muncul di Hai.stanford.edu. Hak Cipta 2022

DataDecisionMakers

Selamat datang di komunitas VentureBeat!

DataDecisionMakers adalah tempat para ahli, termasuk orang-orang teknis yang melakukan pekerjaan data, dapat berbagi wawasan dan inovasi terkait data.

Jika Anda ingin membaca tentang ide-ide mutakhir dan informasi terkini, praktik terbaik, dan masa depan teknologi data dan data, bergabunglah dengan kami di DataDecisionMakers.

Anda bahkan mungkin mempertimbangkan untuk menyumbangkan artikel Anda sendiri!

Baca Lebih Lanjut Dari DataDecisionMakers

Leave a Reply

Your email address will not be published.