Algoritmos de análise de alinhamento de ofertas do mercado de trabalho

Abstract

A adoção de tecnologias digitais tem prometido a aceleração e agilidade das atividades laborais, processos e modelos de negócio. No entanto, as promessas de ganho estão associados a uma forte necessidade de profissionais qualificados que possuam a capacidade de aplicar o potencial da tecnologia de forma eficiente. Os contextos de trabalhos estão a ser remodelados à medida que novos modelos de interação e integração humana e tecnológica evoluem. Para ser possível aumentar a prontidão do mercado de trabalho em contextos de rápida mudança, é importante que os intervenientes nas empresas, profissionais e responsáveis por políticas públicas estejam cientes da dinâmica e das necessidades do mercado de trabalho. Isto pode ser observado pela lista de anúncios de emprego, contudo, o seu elevado número, requer ferramentas eficientes com o objetivo de os analisar e simplificá-los para que, consequentemente, seja possível retirar conclusões atempadamente e corretamente. Como as propostas de emprego possuem formulações distintas para postos semelhantes, dependendo das empresas que estão a contratar, surge o desafio de estabelecer um equilíbrio para a comparação de propostas de emprego. Neste trabalho, foi feita uma tentativa de mapeamento das propostas de emprego nas ocupações da ESCO (European Skills/Competences, qualifications and Occupations). ESCO é uma ontologia publicada pela União Europeia e as suas ocupações traduzem-se em cargos num determinado emprego e têm associadas as competências essenciais e facultativas ao exercício da ocupação. A ELK (Elasticsearch, Logstash, Kibana) stack foi usada para lidar com o grande volume de propostas de emprego. ELK é uma ferramenta estável que gere avultadas quantidades de dados e, a camada do Kibana, possibilita a rápida exploração dos dados e a criação de painéis de visualização. Os resultados mostram que a ELK stack é uma ferramenta adequada para providenciar uma interpretação visual das dinâmicas do mercado de trabalho. Foram testadas várias formas de alinhamento entre ofertas reais de emprego e as ocupações ESCO. Os melhores resultados revelaram um f1-score de mais de 0.8 no mapeamento de ofertas de emprego de ocupação de nível 1 da ESCO e uma exatidão de 63.75% quando houve a tentativa de prever a ocupação de nível 5. Estes resultados estão alinhados com o estado da arte presente na literatura e são bastante promissores, especialmente quando comparado ao patamar inicial de 40%, e mostra que a ESCO é um bom candidato para estabelecer esse equilíbrio em que permite a comparação das dinâmicas no mercado de trabalho para ambientes distintos.

The adoption of digital technologies promises to accelerate the transformation and the agility of processes, work activities and revenue models. Yet, the promised gains come together with dramatic needs for qualified professionals who can effectively leverage the technology potential. Job contexts are being reshaped as new models for the interaction and integration of humans and technologies take shape. To increase the readiness of the job market in fast-changing contexts all stakeholders {companies, professionals, policymakers must be aware of the job market dynamics and needs. These dynamics can be observed from the collection of job announcements, but its high volume requires effective tools for analyzing and simplifying it to draw timely and correct conclusions. As job announcements have distinct formulations for similar roles, depending on the hiring company, this raises the necessity of establishing a common ground for comparing the job offers. In this work, an attempt at mapping job offers to ESCO (European Skills/Competences, qualifications and Occupations) occupations is made. ESCO is an ontology published by the European Union and its occupations are job positions with the mandatory and optional skills associated. ELK (Elasticsearch, Logstash, Kibana) stack was used for dealing with the high volume of job announcements. ELK is a stable tool that can manage large quantities of data and has an effective text search algorithm, the Kibana layer enables the rapid exploration of data and creation of visualization dashboards. Results show that the ELK stack is a suitable tool for providing a visual interpretation of the job market dynamics. Several strategies were tested to align real job offerings with ESCO occupations and the best one revealed an f1 score of over 0.8 in mapping job offers to level 1 ESCO occupations and an accuracy of 63.75% when trying to predict the level 5 Occupation. These results are comparable to the state-of- the-art and are very promising, especially when compared to the baseline of 40%, and shows that ESCO is a good candidate as common ground to enable the comparison of job market dynamics for distinct environments.