Visualization of Latent Components Assessed in O*Net Occupations (VOLCANO): A robust method for standardized conversion of occupational labels to scale ratio format
Notice bibliographique
Résumé
Occupations are typically characterized in nominal form, a format that limits options for hypothesis testing and data analysis. We drew upon ratings of knowledge, skills, and abilities for 966 occupations listed in the US Department of Labor’s Occupational Classification Network (O*NET) database to create an accessible, standardized multidimensional space in which occupations can be quantitatively localized and compared. Principal components analysis revealed that the occupation space comprises three main dimensions that correspond to 1) the required amount of education and training, 2) the degree to which an occupation falls within a science, technology, engineering, and mathematics (STEM) discipline versus social sciences and humanities, and 3) whether occupations are more mathematically or health-related. Additional occupational spaces reflecting cognitive versus labour-oriented categories were created for finer grained characterization of dimensions within occupational sets defined by higher or lower required educational preparation. Data-driven groupings of related occupations were obtained with hierarchical cluster analysis (HCA). Proof-of-principle was demonstrated with a real-world dataset (470 participants from the Nathan Kline Institute – Rockland Sample; NKI-RS), whereby verbal and non-verbal abilities—as assessed by standardized testing—were related to the STEM versus social sciences and humanities dimension. Visualization of Latent Components Assessed in O*Net Occupations (VOLCANO) is provided to the research community as a freely accessible tool, along with a shiny app for users to extract quantitative scores along the relevant dimensions. VOLCANO brings much-needed standardization to unwieldy occupational data. Moreover, it can be used to create new occupational spaces customized to specific research domains.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,010 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».