.png){kind=icon}
返回
Endogenous labour flow networks
.png){kind=icon}
OA
AI
DOI：10.1140/epjds/s13688-025-00539-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在过去十年中，劳动力动态研究促使劳动力流动网络（LFNs）的引入，作为一种概念化工作间流动的方法，并推动了数学模型的发展，以探索这些网络化流动的动态。迄今为止，LFN模型依赖于网络结构静态的假设。然而，正如近期事件（工作场所自动化增加、COVID-19疫情、编程技能需求激增等）所示，我们正经历就业格局的急剧转变，这些转变正在改变个人在劳动力市场中导航的方式。在此，我们开发了一种新型模型，使LFNs从个体行为层面涌现，消除了未来工作间流动将沿历史上观察到相同路径进行的假设必要性。该模型基于经济理论和英国微观数据，能够以高精度生成经验性LFNs。我们利用该模型探索影响就业和工资基础分布的冲击如何改变LFN的拓扑结构。该框架代表了朝着开发能够回答瞬息万变世界中未来工作相关问题的模型的关键一步。
Keyword:
Labour market
Labour flow network
Agent computing
Labour mobility
Endogenous
期刊
IF:
2.5
论文数:
704
被引数:
1.6K
机构
引用论文
分享收藏Are your data gathered?您的数据收集完成了吗？.png)
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏The independent and joint effects of the skill and physical bases of relatedness in diversification
PREAI
分享收藏Understanding Unemployment in the Era of Big Data: Policy Informed by Data-Driven Theory大数据时代理解失业：基于数据驱动理论的政策
PREAI
分享收藏
查看更多内容