Identification of an Expanded Inventory of Green Job Titles through AI-Driven Text Mining
世界银行·2024-09-20 07:03

报告行业投资评级 无相关内容 [无] 报告的核心观点 1) 本研究旨在通过整合全球视角和利用当代资源,扩大绿色工作岗位清单 [6][9][10] 2) 研究采用自然语言处理技术,特别是检索增强生成模型,识别绿色工作岗位 [11][12][17][18][19][20] 3) 研究从2009年1月至2024年4月发表的学术文献中检索到1,067篇文章,并从中识别出695个独特的潜在绿色工作岗位 [13][30][32][33] 4) 研究发现,与ONET绿色工作岗位清单相比,有17%的岗位完全或几乎完全匹配,同时也发现了一些潜在的新职位 [39][40][41][42][43][44][46] 5) 研究通过聚类分析将这些工作岗位划分为25个不同的行业领域,与ONET的12个领域相比有所扩展,包括绿色人力资源管理等新领域 [46] 分组1 - 研究采用检索增强生成(RAG)模型,利用自然语言处理技术从大量文献中识别绿色工作岗位 [17][18][19][20] - RAG模型具有可重复性,可以确保结果的一致性,并利用GPT-4模型的强大语言理解能力,准确识别文献中的绿色工作岗位 [18][19][21][22][23] - 研究通过两种方式验证了模型的有效性:1)检查未识别出绿色工作岗位的文章,确保没有遗漏;2)抽样检查识别出绿色工作岗位的文章,确保没有错误识别 [47][48][49][50][51] 分组2 - 研究发现,学术文献在数量和地域覆盖方面都有显著扩展,从2009年的44篇增加到2023年的162篇,且覆盖范围从最初的北美扩展到全球 [30][31] - 研究将识别出的绿色工作岗位与ONET进行比较,发现有17%完全或几乎完全匹配,同时也发现了一些潜在的新职位 [39][40][41][42][43][44][46] - 研究通过聚类分析将绿色工作岗位划分为25个不同的行业领域,相比ONET的12个领域有所扩展,包括绿色人力资源管理等新领域 [46]