从职业到任务：基于 BERT 的自动化可行性预测新视角
计算机与社会
2025-02-14 v1
摘要
随着自动化技术在前所未有的速度下不断进步，关于工作 displacement 及未来职场的担忧日益增加。虽然现有研究主要关注自动化对职业层面的影响，但对 individual 任务可自动化性的探讨仍不足。本文通过提出一种基于 BERT 的分类器，来在粒度层面预测未来十年中各个任务的自动化可行性，充分利用任务的上下文和语义信息。我们利用三大公开数据集：O*NET 任务声明、ESCO 技能、澳大利亚劳动力市场洞察任务，并进行专家标注。我们基于任务声明数据微调的 BERT 分类器在传统机器学习模型、神经网络结构及其他变换模型方面表现优异。我们的发现还表明，O*NET 数据库中约有 25.1% 的职业面临显著的自动化风险，在不同行业之间呈现出多样化的自动化脆弱性。这项研究为评估自动化对劳动力市场的未来影响提供了强大的工具，为面对快速技术进步的政策制定者、工作者及行业领导者提供了宝贵的见解。
引用
@article{arxiv.2502.09021,
title = {From Occupations to Tasks: A New Perspective on Automatability Prediction Using BERT},
author = {Dawei Xu and Haoran Yang and Marian-Andrei Rizoiu and Guandong Xu},
journal= {arXiv preprint arXiv:2502.09021},
year = {2025}
}