Gender mobility in the labor market with skills-based matching models

要約

スキルベースのマッチングは、労働市場における異なるセクターや職種間の労働者の流動性を約束します。
この場合、求職者はまだ経験はないが、関連するスキルを持っている仕事を探すことができます。
現在、性別分布が偏った職業が複数存在します。
スキルベースのマッチングの場合、職業間の性別分布の変化（ジェンダーモビリティと呼ばれます）が影響を受けるかどうか、またどのように影響を受けるかは不明です。
スキルベースのマッチングアプローチは、計算言語モデルや教師あり学習方法などのデータ駆動型になる可能性が高いと予想されます。
この研究は、まず、言語モデルに基づいた職業のスキル表現における性別分離の存在を示しています。
次に、シミュレートされたデータに基づいて、潜在的なアプリケーションにおけるこれらの表現の使用を評価し、性別の分離がさまざまなデータ駆動型のスキルベースのマッチング モデルによって伝播されることを示します。これらのモデルは、さまざまな言語表現 (バッグ オブ ワード、バッグ オブ ワード、
word2vec、BERT)、距離メトリクス (静的および機械学習ベース)。
したがって、スキルベースのマッチングアプローチを、マッチングのパフォーマンスと性別分離のリスクに関してどのように評価および比較できるかを示します。
モデルの性別分離バイアスをより明確にすることは、これらのモデルを実際に使用する際に健全な信頼を生み出すのに役立ちます。

要約(オリジナル)

Skills-based matching promises mobility of workers between different sectors and occupations in the labor market. In this case, job seekers can look for jobs they do not yet have experience in, but for which they do have relevant skills. Currently, there are multiple occupations with a skewed gender distribution. For skills-based matching, it is unclear if and how a shift in the gender distribution, which we call gender mobility, between occupations will be effected. It is expected that the skills-based matching approach will likely be data-driven, including computational language models and supervised learning methods. This work, first, shows the presence of gender segregation in language model-based skills representation of occupations. Second, we assess the use of these representations in a potential application based on simulated data, and show that the gender segregation is propagated by various data-driven skills-based matching models.These models are based on different language representations (bag of words, word2vec, and BERT), and distance metrics (static and machine learning-based). Accordingly, we show how skills-based matching approaches can be evaluated and compared on matching performance as well as on the risk of gender segregation. Making the gender segregation bias of models more explicit can help in generating healthy trust in the use of these models in practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google