COVID-19 Impacts on the IT Job Market: A Massive Job Ads Analysis
Notice bibliographique
Résumé
The Covid-19 pandemic has had a significant impact on many economic sectors. The most severe immediate financial effects of Covid-19 include job losses and decreased hiring, and we can expect generalized lower economic growth in the long term. While such phenomena are there for all to see, measuring their scope is complex. In this work, we performed a massive analysis of job postings (ads) taken from LinkUp, a popular job search web platform, to better understand the occupational trends in IT. We analyzed about nine million ads for computer and mathematical experts to measure the impact of the virus on the IT job market. We also extended our investigations to almost 109 million advertisements (about 300 GB of data) for all kinds of positions to overview the effects of Covid-19 on the job market at large. The results show that the Covid-19 crisis hit the job market during the first two quarters of 2020, causing the number of job advertisements to drop across all sectors (except one). Specifically, the IT sector lost between 15% and 48% of the ads, depending on the specific professional figure. Since the last quarter of 2020, the ad numbers have recovered for some sectors, and by the first 2021 quarter, all of them have more job ads than in the last five years. Finally, we used text analysis to understand the trends of interest in teleworking. We found that in the second quarter of 2020, the number of ads explicitly mentioning telework was almost three times the average of the previous quarters.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 tête enseignante, 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 ».