Versione:1.0
Release:1.0
Disponibilità:accessibile
UniData prevede due tipi di accesso:
- accessibile
(tutti gli utenti possono accedere a questa indagine - può essere previsto un rimborso spese) - accesso limitato
(l'accesso all'indagine è soggetta a restrizioni - vedi più avanti)
Tipo di dato:
altro
Modalità di indagine:
altro
Lo studio riguarda la progettazione e l’utilizzo di algoritmi di intelligenza artificiale per l’analisi di informazioni sul mercato del lavoro. Il risultato è rappresentato da una nuova mappatura delle competenze professionali, che associa le skill rilevate attraverso l’indagine sulle competenze degli adulti condotta dall’OCSE nell’ambito del programma PIAAC (valutazione internazionale delle competenze degli adulti) e la classificazione ESCO delle competenze e delle abilità professionali in Europa.
In particolare, PIAAC2ESCO fornisce una classificazione del questionario di background PIAAC basata su ESCO Skills Pillar. Ciascuna domanda selezionata dal questionario di background PIAAC (versione 2010) è associata a un elenco di competenze ESCO (v1.0.8) in base alla loro similarity. Il collegamento viene effettuato utilizzando l’intelligenza artificiale in una cornice metodologica che combina vari metodi: embedding, selezione del miglior embedding, allineamento delle tassonomie e la convalida degli esperti.
Sono utilizzate le sezioni da F a I del questionario di background PIAAC, da cui sono estratte le domande rilevanti all’analisi (73 su 84) e sono estratti i migliori abbinamenti con le skill presenti in ESCO Skills Pillar (circa 13.600 elementi). Il dataset convalidato copre quindi 21 domande PIAAC e le skill ESCO mappate, che vengono arricchite utilizzando le corrispondenti ESCO alternative labels.
I dati possono essere scaricati liberamente, previa registrazione. Una volta registrati e loggati nel sito, cliccare sull’icona verde 
che apparirà nel box a destra.
Parole chiave: AI, competenze, embedding, ESCO, PIAAC
Topic Classification:
Unità geografica: non pertinente
Unità di analisi: altro
Universo: Nessun universo di riferimento
Campionamento: I dati non sono di tipo campionario
Peso: L'indagine non prevede pesi
Metodo di raccolta dati: altro
File forniti all'utente: UniData fornisce: 1 dataset in formato SPSS, 1 dataset in formato CSV, 1 file PDF con le note metodologiche (eng), 1 file PDF con il codebook (eng) (4 file)
Documentazione:
| Codebook (pdf): | 
| Note metodologiche (pdf): |
|
| Documentazione DDI: |  |
Pubblicazioni:
- Guo, Y., Langer, C., Mercorio, F., Trentini F. (2022) Skills Mismatch, Automation, and Training: Evidence from 17 European Countries Using Survey Data and Online Job Ads. EconPol Forum 23 (5), 11-15. CESifo, Munich, 2022
Restrizioni nell'uso dei dati:
I dati sono distribuiti secondo la licenza Creative Commons – Attribuzione 4.0, disponibile a questo indirizzo.
Contatto fonte: Francesco Trentini - Università degli Studi di Milano-Bicocca
Citazione:
Mercorio, Fabio. (2021-2022) PIAAC2ESCO – Una classificazione AI-driven del questionario PIAAC su ESCO Skills Pillar. Mezzanzanica, Mario [Producer]. Pallucchini, Filippo [Producer]. Trentini, Francesco [Producer]. Guo, Yuchen [Producer]. Langer, Christina [Producer]. UniData - Bicocca Data Archive, Milano. Codice indagine SI399. Versione del file di dati 1.0 doi:10.20366/unimib/unidata/SI399-1.0
Obblighi per l'utente:
L’utente è obbligato a citare i dati e la documentazione distribuiti da UniData all’interno delle proprie pubblicazioni, utilizzando le informazioni riportate sopra. L’utente è altresì tenuto ad inviare a UniData le eventuali indicazioni bibliografiche delle pubblicazioni che fanno uso dei dati distribuiti.
Disclaimer:
La fonte che ha prodotto i dati e UniData che li ha distribuiti non rispondono per alcun utilizzo improprio dei dati e delle elaborazioni pubblicate.