MétaCan
Menu
Retour à la cohorte
Enregistrement W3208032787 · doi:10.1136/oem-2021-epi.443

S-469 An Integrated Database of Occupational Information From O*NET-SOC and the Canadian Career Handbook

2021· article· en· W3208032787 sur OpenAlexaffabout
Vadym Babiuk, Anil Adisesh, Christopher J. O. Baker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésDatabaseRowComputer scienceSchema crosswalkInformation retrievalEngineering

Résumé

récupéré en direct d'OpenAlex

Introduction Information about occupations and job attributes is available in siloed databases. The lack of integrated data precludes ad-hoc querying and research investigating occupational determinants of health e.g. COVID-19 or stress. Core to integration of occupation data is taxonomic representation of job categories. In North America the official occupational taxonomies are the Canadian National Occupational Classification (NOC) and the United States Standard Occupational Classification (SOC). Objectives This study aimed to integrate job attribute data from the Canadian Career Handbook (CH) and O*NET database to facilitate cross-classification query capabilities and to prototype the creation of metrics for comparing occupations based on job attributes. Methods The integrated database was completed hierarchical structures of both occupational taxonomies were represented; job attributes were selected from the CH and O*NET-SOC; the database was populated with occupational descriptions; occupational codes from the CH and O*NET-SOC were linked using the Brookfield Institute NOC to O*NET-SOC crosswalk. Results The database consists of 1679 rows with unique occupations and 181 columns with occupational attributes. Rows contain a unique combination of hierarchical structures from the CH and O*NET-SOC. Rows also contain detailed occupational descriptions from CH and O*NET-SOC. We queried the integrated data checking O*NET-SOC to CH equivalence and cross-taxonomy selection of job attributes, e.g. Retrieve all or selected attributes for an occupation by CH code or equivalent code in O*NET-SOC. We ran queries for targeted scenarios to retrieve occupations: i) where work is done in physical proximity to others, ii) where incumbents are exposed to disease or infections, iii) at risk of back pain due to physical work factors, iv) where incumbents experience high work-related stressors. Conclusion We report a database combining selected information from the CH and O*NET-SOC that facilitates complex occupational health queries. Further we investigated work-related stressors on low back pain risk by occupation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,303

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0170,025
Études des sciences et des technologies0,0020,000
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0910,036

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,275
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCardiovascular Health and Risk FactorsTravaux en français237 207