MétaCan
Menu
Retour à la cohorte
Enregistrement W4386296850 · doi:10.57017/jaes.v18.2(80).05

An Artificial Intelligence Cycle Model Against the Shortage of Skilled Professionals - An AI-based Holistic Solution Approach for Human Resources

2023· article· en· W4386296850 sur OpenAlexaff
Marina Tcharnetsky, Florian Vogt

Notice bibliographique

RevueJournal of Applied Economic Sciences (JAES) · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Management and Leadership
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageOrder (exchange)Action (physics)Human resourcesBusinessMarketingKnowledge managementPublic relationsComputer scienceManagementEconomicsPolitical scienceGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

In order to counter the impending shortage of skilled professionals in the aging societies of our time in many western countries such as Germany, solutions for business and society are urgently needed. Here, artificial intelligence (AI) can play an important role in mitigating the problem with the help of diverse applications. At the same time, it is important to consider both the needs of the respective employee and the company to ensure that the use of AI has a positive impact on the organization and finds social acceptance. In this article, we describe the newly developed OSQE model (Optimize, Secure, Qualify, Expand) shown in Figure 1 from Annex, which for the first time outlines an AI cycle against the shortage of skilled professionals in a holistic approach that focuses equally on people and companies. This can serve organizations as a guide for strategy development, decision-making for and implementation of AI-supported measures in an entire cycle of an employee's affiliation with a company. The model takes three driving forces into account: companies, professionals, and AI applications. In the model, the measures to be implemented are prioritized with ascending numbering based on what would be most urgent for a company to implement. All measures relate to areas of action that place people at the center and can be assigned to the classic cycle of belonging of an employee in the company. In this regard, the opportunities that AI offers to professionals and companies are highlighted.Copyright© 2023 The Author(s). This article is distributed under the terms of the license CC-BY 4.0., which permits any further distribution in any medium, provided the original work is properly cited.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,156
Tête enseignante GPT0,336
Écart entre enseignants0,180 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Economic Sciences (JAES)Même sujetCorporate Management and LeadershipTravaux en français237 207