Интеллектуальный анализ данных о вакансиях для выявления актуальных потребностей рынка труда
https://doi.org/10.32517/0234-0453-2022-37-5-26-37
Аннотация
В результате процессов цифровизации производства и перехода на новые технологии на рынке труда изменяются требования к навыкам и умениям специалистов. Наличие рабочей силы требуемой квалификации критически важно для стимулирования экономического роста. В октябре 2021 года Правительством Российской Федерации был утвержден федеральный проект «Развитие кадрового потенциала ИТ-отрасли» в составе национальной программы «Цифровая экономика Российской Федерации», который реализуется в рамках перечня инициатив социально-экономического развития Российской Федерации до 2030 года. В условиях изменяющихся технологических трендов одной из основных становится задача своевременной адаптации образовательных программ высших учебных заведений к подготовке специалистов, соответствующих потребностям рынка труда. В статье предлагается инструментарий интеллектуального анализа данных о вакансиях для выявления актуальных навыков и умений, требуемых на рынке труда. На примере рынка ИТ-труда на основе данных, собранных из сервиса hh.ru, были проанализированы ключевые навыки, указанные в размещенных на сайте вакансиях, а также выполнена кластеризация вакансий. Предложенный подход может использоваться на регулярной основе образовательными учреждениями для актуализации учебных планов образовательных программ.
Ключевые слова
Об авторе
Ю. А. МорозоваРоссия
Морозова Юлия Александровна, канд. экон. наук, доцент департамента бизнес-информатики, Высшая школа бизнеса
г. Москва
Список литературы
1. Дугарова Д. Ц., Старостина С. Е. Профессиональные стандарты как фактор гарантий качества подготовки выпускников образовательных организаций высшего и профессионального образования. Педагогическое образование в России. 2019;(3):5–14. DOI: 10.26170/po19-03-01
2. Omelchenko I., Antonova G., Danilina M., Popkov S., Botasheva L. Digitalization in the labor market in Russia. SHS Web of Conferences. 2021;(93):01021. DOI: 10.1051/shsconf/20219301021
3. Elias P., Purcell K. SOC (HE): A classification of occupations for studying the graduate labour market. Institute for Employment Research, University of Warwick, Coventry, UK: 2004. 46 p. Available at: http://www2.warwick.ac.uk/fac/soc/ier/research/completed/7yrs2/rp6.pdf
4. Litecky C. R., Arnett K. P., Prabhakar B. The paradox of soft skills versus technical skills in is hiring. Journal of Computer Information Systems. 2004;45(1):69–76. DOI: 10.1080/08874417.2004.11645818
5. Lee C. K., Han H. J. Analysis of skills requirement for entry-level programmer / analysts in Fortune 500 corporations. Journal of Information Systems Education. 2008;19(1):17–27. Available at: https://www.thefreelibrary.com/Analysis+of+skills+requirement+for+entry-level+programmer%2Fanalysts+in...-a0233828125
6. Stal J., Paliwoda-Pekosz G. Fostering development of soft skills in ICT curricula: A case of a transition economy. Information Technology for Development. 2019;25(2):250–274. DOI: 10.1080/02681102.2018.1454879
7. Stephany F. One size does not fit all: Constructing complementary digital reskilling strategies using online labour market data. Big Data & Society. 2021;8(1). DOI: 10.1177/20539517211003120
8. Zakaria N., Ismail N. N., Ana A. The relationship between employability skill and career choices among vocational skill students. Innovation of Vocational Technology Education. 2016;12(2):81–84. DOI: 10.17509/invotec.v12i2.6210
9. Jansen B. J., Jansen K. J., Spink A. Using the web to look for work: Implications for online job seeking and recruiting. Internet Research. 2005;15(1):49–66. DOI: 10.1108/10662240510577068
10. Boselli R., Cesarini M., Marrara S., Mercorio F., Mezzanzanica M., Pasi G., Viviani M. WoLMIS: A labor market intelligence system for classifying web job vacancies. Journal of Intelligent Information Systems. 2018;51(3):477–502. DOI: 10.1007/s10844-017-0488-x
11. Jackson M., Goldthorpe J. H., Mills C. Education, employers and class mobility. Research in Social Stratification and Mobility. 2005;(23):3–33. DOI: 10.1016/S0276-5624(05)23001-9
12. Jackson M. How far merit selection? Social stratification and the labour market. British Journal of Sociology. 2007;58(3):367–390. DOI: 10.1111/j.14684446.2007.00156.x
13. Dörfler L., van de Werfhorst H.G. Employers’ Demand for Qualifications and Skills. European Societies. 2009;11(5):697–721. DOI: 10.1080/14616690802474374
14. Kureková L. M., Beblavý M., Haita C. Qualifications or Soft Skills? Studying Job Advertisements for Demand for Low-Skilled Staff in Slovakia. NEUJOBS Working Paper D.4.3.3,2012. 36 p. DOI: 10.2139/ssrn.2402729
15. Kureková L. M., Beblavỳ M., Thum-Thysen A. Using online vacancies and web surveys to analyse the labour market: A methodological inquiry. IZA Journal of Labor Economics. 2015;(4):1–20. DOI: 10.1186/s40172-015-0034-4
16. Sasser Modestino A., Shoag D., Balance J. Upskilling: Do employers demand greater skill when workers are plentiful? The Review of Economics and Statistics. 2020;102(4):793–805. DOI: 10.1162/rest_a_00835
17. Beblavỳ M., Fabo B., Lenaerts K. Skills requirements for the 30 most-frequently advertised occupations in the United States: An analysis based on online vacancy data. Centre for European Policy Studies (CEPS). Special report. 2016. 41 p. Available at: http://ssrn.com/abstract=2749549
18. Carnevale A. P., Jayasundera T., Repnikov D. Understanding online job ads data: A technical report. Georgetown University, McCourt School on Public Policy, Center on Education and the Workforce. 2014. 20 p. Available at: https://cew.georgetown.edu/wp-content/uploads/2014/11/OCLM.Tech_.Web_.pdf
19. Föll P., Thiesse F. Aligning is curriculum with industry skill expectations: A text mining approach. Proceedings of the 25th European Conference on Information Systems (ECIS). 2017(6):2949–2959. Available at: https://core.ac.uk/download/pdf/301372478.pdf
20. Marrara S., Pasi G., Viviani M., Cesarini M., Mercorio F., Mezzanzanica M., Pappagallo M. A language modelling approach for discovering novel labour market occupations from the web. Proceedings of the International conference on Web intelligence WI ‘17, 2017:1026–1034. DOI: 10.1145/3106426.3109035
21. Poonnawat W., Pacharawongsakda E., Henchareonlert N. Jobs analysis for business intelligence skills requirements in the ASEAN region: A text mining study. Advances in Intelligent Informatics, Smart Technology and Natural Language Processing. iSAI-NLP 2017. Advances in Intelligent Systems and Computing. 2019;(807):187–195. DOI: 10.1007/978-3-319-94703-7_17
22. Pejic-Bach M., Bertoncel T., Meško M., Krstiić Ž. Text mining of industry 4.0 job advertisements. International Journal of Information Management. 2020;(50):416–431. DOI: 10.1016/j.ijinfomgt.2019.07.014
23. Ternikov A. A. Skill-based clustering algorithm for online job advertisements. Izvestiya of Saratov University. Mathematics. Mechanics. Informatics. 2022;22(2):250–265. DOI: 10.18500/1816-9791-2022-22-2-250-265
Рецензия
Для цитирования:
Морозова Ю.А. Интеллектуальный анализ данных о вакансиях для выявления актуальных потребностей рынка труда. Информатика и образование. 2022;37(5):26-37. https://doi.org/10.32517/0234-0453-2022-37-5-26-37
For citation:
Morozova Yu.A. Data mining of vacancy data to identify the current labor market needs. Informatics and education. 2022;37(5):26-37. (In Russ.) https://doi.org/10.32517/0234-0453-2022-37-5-26-37