Dynamics of the Digital Workforce: Assessing the Interplay and Impact of AI, Automation, and Employment Policies
Notice bibliographique
Résumé
The rapid integration of artificial intelligence (AI) and automation within various sectors poses challenges and opportunities for the global workforce. This study investigates the implications of AI and automation on employment patterns, skills requirements, and remote work infrastructures. Employing a quantitative research design, data was collected through a structured questionnaire administered to 482 professionals across the information technology, healthcare, and finance sectors. The analysis was conducted using Partial Least Squares Structural Equation Modeling (PLS-SEM) to test hypotheses related to the impact of technological advancements on employment. Major findings indicate a significant, albeit complex, impact of AI and automation on employment. Most respondents recognized AI and automation as catalysts for creating new job opportunities and enhancing productivity, particularly in sectors with high integration of digital technologies. However, the study also highlighted substantial concerns regarding the widening skills gap and the adequacy of current employment policies in managing the transition. Specifically, sixty-nine percent of respondents identified a significant skills gap necessitating urgent educational and training interventions. About half of the respondents viewed existing employment policies as inadequate in addressing the challenges of rapid technological changes. The study concludes that while AI and automation are reshaping the employment landscape, creating new types of jobs, and altering skill requirements, there is a critical need for proactive adaptation strategies. Recommendations include developing targeted reskilling programs, adaptive employment policies, and robust remote work infrastructures to support an increasingly digital workforce. These strategies are essential to harness the benefits of digital transformations while mitigating potential adverse effects on employment.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».