Determinants of Starting Salaries for Filipino Graduates: An Explainable Machine Learning Approach
تستخدم هذه الدراسة نهج تعلم آلي قابل للتفسير على بيانات استطلاع تم جمعها من الجمهور لتوضيح أن الدور الوظيفي والقطاع هما المحددان الرئيسيان لرواتب البداية للخريجين الفلبينيين، مما يتجاوز بشكل كبير مكانة المؤسسة التعليمية، ويشير إلى الحاجة إلى إعطاء الأولوية للمهارات النوعية المرتبطة بالقطاعات في التوجيه المهني والسياسات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في الفلبين، يجد عدد كبير من خريجي الجامعات أنفسهم بلا عمل، مما يخلق فجوة حادة بين السنوات التي قضوها في الفصول الدراسية وواقع سوق العمل. وبالنسبة لأولئك الذين يجدون وظائف بالفعل، فإن الراتب المبدئي الذي يحصلون عليه يعمل كإشارة واضحة لمدى تقدير الاقتصاد لخلفيتهم المحددة. تقليديًا، كان الباحثون يتتبعون هذه النتائج ببساطة عبر إحصاء عدد الخريجين الموظفين ومتوسط أجورهم، تمامًا مثل إجراء عملية تعداد في اجتماع للخريجين. ومع ذلك، فإن هذه الإحصاءات تخبرنا بما حدث، وليس لماذا حدث أو ما سيحدث للمجموعة التالية من الطلاب. لفهم الدوافع الحقيقية للأجور، يجب على المرء أن ينظر إلى ما وراء المتوسطات البسيطة ويتساءل عن العوامل المحددة التي ترفع الراتب أو تخفضه.
سعى فريق من الباحثين من جامعة الفلبين للإجابة على هذا السؤال من خلال تطبيق تقنيات تعلم حاسوبي حديثة على مجموعة فريدة من البيانات. لقد حللوا ردودًا من استطلاع تم جمعه عبر التعهيد الجماعي يسمى "First Pay"، والذي جمع معلومات من ما يقرب من ثلاثة آلاف خريج فلبيني حول وظائفهم الأولى. ولأن البيانات جاءت من نموذج عبر الإنترنت مفتوح، فقد كانت فوضوية وغير منظمة؛ حيث كُتبت المسميات الوظيفية بطرق مختلفة عديدة، وكانت بعض التفاصيل المهمة مثل حجم الشركة أو الموقع مفقودة. تعامل الباحثون مع هذه المعلومات المشوشة كأحجية، مستخدمين التعلم الآلي للتنبؤ بالفئة التي سيقع فيها راتب الخريج بناءً على تعليمه، وجنسه، وتفاصيل وظيفته. لم يكن هدفهم مجرد التنبؤ، بل استخدام طريقة تسمى الذكاء الاصطناعي القابل للتفسير لفهم أي قطع من المعلومات اعتمد عليها الحاسوب لاتخاذ قراره.
كشفت الدراسة عن حقيقة واضحة ومثيرة للدهشة نوعًا ما حول سوق العمل المحلي: إن الدور الوظيفي المحدد والقطاع الذي يدخله الخريج أكثر أهمية بكثير من سمعة الجامعة التي التحق بها. فعندما ترك الباحثون الحاسوب يحلل البيانات، تجاهل باستمرار سمعة المدرسة وركز بشكل شبه كامل على ما يفعله الشخص وأين يعمل. على سبيل المثال، تعلم الحاسوب أن الخريج الذي يعمل في قطاع معين مثل التعدين أو الإدارة من المرجح أن يتقاضى راتبًا أعلى بكما من شخص يعمل في البناء أو الأعمال المكتبية، بغض النظر عما إذا كان قد تخرج من جامعة خاصة أو حكومية. كانت هذه النتيجة قوية جدًا لدرجة أنها ظهرت عبر ثلاث طرق مختلفة لاختبار البيانات، مما يشير إلى أن السوق يكافئ المهارات الوظيفية والمواءمة القطاعية أكثر بكًا من مكافأة الاسم التجاري للشهادة.
ولضمان أن هذه النتيجة لم تكن محض صدفة، اختبر الباحثون نهجهم بعدة طرق مختلفة. أولاً، استخدموا تقنية تفكك التنبؤ لمعرفة أي مدخل ساهم بشكل أكبر، مما أكد أن المسميات الوالوظائف وأسماء القطاعات كانت المحركات الأساسية. ثانيًا، حاولوا تحسين قدرة الحاسوب على قراءة النص الفوضوي للأوصاف الوظيفية باستخدام أدوات لغوية متقدمة، ليجدوا أن الحاسوب لا يزال يعتمد بشكل أساسثل على الكلمات المحددة التي تصف الوظيفة والقطاع. وأخيرًا، حاولوا إعادة صياغة المشكلة بحيث يمكن للحاسوب التفكير في المعنى الاقتصادي لنطاق الراتب بدلاً من مجرد مطابقة الكلمات المفتاحية. وحتى مع اتباع نهج التفكير الأكثر تطورًا هذا، ظل الحاسوب يميل بشدة إلى النص الخام للدور الوظيفي والقطاع لاتخاذ أفضل تخميناته. تشير هذه الاستمرارية عبر الأساليب المختلفة إلى أن هيمنة الدور الوظيفي والقطاع هي سمة حقيقية في البيانات، وليست نتاج نموذج حاسوبي محدد.
اكتشف الباحثون أيضًا أن الصعوبة في التنبؤ بالرواتب الدقيقة لم تكن بسبب نقص في القدرة الحوسبية، بل بسبب قيود البيانات نفسها. نظرًا لأن الاستطلاع اعتمد على معلومات ذاتية التقرير وافتقر إلى تفاصيل مثل حجم الشركة أو سنوات الخبرة، فقد كان هناك سقف طبيعي لمدى دقة تنبؤ الحاسوب بالنتائج. كانت البيانات مشوشة بشكل خاص للخريجين الذين يتقاضون رواتب متوسطة، حيث تتداخل العديد من أنواع الوظائف في الأجور. وبينما وجد الباحثون أن تجميع الرواتب في فئات أوسع وذات معنى اقتصادي يحسن دقة الحاسوب، إلا أن الدرس الجوهري ظل كما هو: المسار المحدد الذي يسلكه الخريج يهم أكثر من المدرسة التي جاء منها.
في النهاية، يشير هذا العمل إلى ضرورة تحويل تركيز التوجيه المهني والسياسة التعليمية. فبدلاً من التأكيد على سمعة الجامعة، تشير الأدلة إلى أهمية مساعدة الطلاب على مواءمة مهاراتهم مع قطاعات وأدوار محددة ذات قيمة عالية. وتوضح الدراسة أنه بينما كانت البيانات غير مثالية، إلا أن الإشارة كانت واضحة بما يكفي لإظهار أن سوق العمل يقدر ما يفعله الخريج أكثر بكثير مما يدرسه. ومن خلال الانتقال لما وراء الأوصاف البسيطة لمعدلات التوظيف إلى فهم أعمق مدفوع بالبيانات لما يحرك الأجور، يقدم هذا البحث خريطة أوضح للخريجين والمعلمين وصناع السياسات الذين يبحرون في المشهد المعقد لسوق العمل الفلبيني.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.