Direkt zur Hauptnavigation springen Direkt zum Inhalt springen
info(at)avldigital.remove-this.de
Deutsch English
Filtern nach
Aktive Filter
Letzte Suchanfragen

Ergebnisse für *

Zeige Ergebnisse 1 bis 3 von 3.

  1. Occupational classifications
    a machine learning approach
    Autor*in: Ikudo, Akina; Lane, Julia; Staudt, Joseph; Weinberg, Bruce A.
    Erschienen: August 2018
    Verlag:  National Bureau of Economic Research, Cambridge, MA

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Signatur:
    W 1 (24951)
    Fernleihe:
    uneingeschränkte Fernleihe, Kopie und Ausleihe
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    Format: Druck
    Schriftenreihe: Working paper series / National Bureau of Economic Research ; 24951
    Schlagworte: Berufsgruppe; Klassifikation; Künstliche Intelligenz; Theorie; Hochschule; USA
    Umfang: 46 Seiten, Illustrationen
    Bemerkung(en):

    Erscheint auch als Online-Ausgabe
  2. Occupational classifications
    a machine learning approach
    Autor*in: Ikudo, Akina; Lane, Julia; Staudt, Joseph; Weinberg, Bruce A.
    Erschienen: August 2018
    Verlag:  IZA, Bonn, Germany

    Characterizing the work that people do on their jobs is a longstanding and core issue in labor economics. Traditionally, classification has been done manually. If it were possible to combine new computational tools and administrative wage records to... mehr

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Signatur:
    DS 4 (11738)
    Fernleihe:
    keine Fernleihe

     

    Characterizing the work that people do on their jobs is a longstanding and core issue in labor economics. Traditionally, classification has been done manually. If it were possible to combine new computational tools and administrative wage records to generate an automated crosswalk between job titles and occupations, millions of dollars could be saved in labor costs, data processing could be sped up, data could become more consistent, and it might be possible to generate, without a lag, current information about the changing occupational composition of the labor market. This paper examines the potential to assign occupations to job titles contained in administrative data using automated, machine-learning approaches. We use a new extraordinarily rich and detailed set of data on transactional HR records of large firms (universities) in a relatively narrowly defined industry (public institutions of higher education) to identify the potential for machine-learning approaches to classify occupations.

     
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Hinweise zum Inhalt
    Volltext (kostenfrei)
    Volltext (kostenfrei)
    Volltext (kostenfrei)
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    Format: Online
    Weitere Identifier:
    hdl: 10419/185198
    Schriftenreihe: Discussion paper series / IZA ; no. 11738
    Schlagworte: Berufsgruppe; Klassifikation; Künstliche Intelligenz; Theorie; Hochschule; USA
    Umfang: 1 Online-Ressource (circa 49 Seiten), Illustrationen
  3. Occupational classifications
    a machine learning approach
    Autor*in: Ikudo, Akina; Lane, Julia; Staudt, Joseph; Weinberg, Bruce A.
    Erschienen: August, 2018
    Verlag:  U.S. Census Bureau, Center for Economic Studies, Washington, DC

    Standort:
    ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
    Signatur:
    VS 539
    Fernleihe:
    keine Fernleihe
    Export in Literaturverwaltung   RIS-Format
      BibTeX-Format
    Hinweise zum Inhalt
    Volltext (kostenfrei)
    Volltext (kostenfrei)
    Quelle: Verbundkataloge
    Sprache: Englisch
    Medientyp: Buch (Monographie)
    Format: Online
    Schriftenreihe: Working papers / Center for Economic Studies, U.S. Census Bureau ; 18, 37 (August, 2018)
    Schlagworte: Berufsgruppe; Klassifikation; Künstliche Intelligenz; Theorie; Hochschule; USA
    Umfang: 1 Online-Ressource (circa 47 Seiten), Illustrationen