JobHop v2: A Large-Scale Career Trajectory Dataset from Unstructured Resumes
Das Papier stellt JobHop v2 vor, einen öffentlich zugänglichen Datensatz aus über 355.000 Karriereverläufen, die aus pseudonymisierten mehrsprachigen Lebensläufen mittels einer robusten LLM-Extraktionspipeline abgeleitet wurden und reichhaltige Annotationen sowie verbesserte Zuverlässigkeit bieten, um die Personalplanung und die Arbeitsmarktforschung voranzutreiben.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Arbeitswelt als eine riesige, chaotische Bibliothek vor, in der jedes einzelne Buch ein Lebenslauf einer Person ist. Jahrelang waren Forscher, die verstehen wollten, wie Menschen von einem Job zum nächsten wechseln, festgefahren, weil diese „Bücher“ in verschiedenen Sprachen geschrieben waren, seltsame Formatierungen aufwiesen und voller Kritzeleien waren, die Computer nicht lesen konnten. Es war, als versuche man, eine Karte einer Stadt zu erstellen, die nur aus zerrissenen, handgeschriebenen Notizen besteht.
Früher waren die einzigen verfügbaren Karten entweder winzig (wie ein paar tausend Notizen), bestanden aus gefälschten Daten oder waren in privaten Tresoren eingeschlossen, die niemand sonst öffnen konnte. Es gab einen früheren Versuch namens „JobHop v1“, aber er war etwas fehlerhaft; manchmal wurde der Computer durch die unordentlichen Notizen verwirrt und spuckte kaputte Dateien aus, die er nicht verwenden konnte.
Hier kommt JobHop v2 ins Spiel, ein brandneuer, superintelligenter Bibliothekar, der mit einem massiven künstlichen Intelligenz (KI)-Gehirn gebaut wurde. Die Forscher gaben dieser KI einen Stapel von etwa 440.000 echten, anonymisierten Lebensläufen des Flämischen Public Employment Service (VDAB). Diese Lebensläufe waren ein chaotischer Mix aus Niederländisch, Französisch und Englisch, wobei Namen und Orte hinter <MASK>-Token verborgen wurden, um die Privatsphäre zu schützen.
Der magische Trick: Der Denk-Roboter
Anstatt nur zu raten, nutzt diese neue KI einen „reasoning-controlled“ (durch logisches Denken gesteuerten) Ansatz. Stellen Sie sich das wie einen Detektiv vor, der nicht nur einen Hinweis liest, sondern kurz innehält und denkt: „Warte mal, ergibt dieses Datum Sinn? Ist das ein Job oder ein Schulunterricht?“ Wenn die KI stecken bleibt oder eine unordentliche Datei produziert (wie ein JSON, das sich nicht öffnen lässt), hat sie einen speziellen „Retry“-Knopf. Sie versucht es erneut mit etwas mehr Fokus.
Das Ergebnis? Von den etwa 400.000 Lebensläufen, die die erste Reinigung überstanden haben, hat die KI 100 % von ihnen erfolgreich in ordentliche, organisierte digitale Dateien verwandelt. Das ist eine perfekte Punktzahl! Sie extrahierte 355.315 einzigartige Karrieregeschichten, die Details zu 1.993.291 Berufserfahrungen und 923.981 Bildungsabschlüssen enthielten.
Was ist in der Box?
JobHop v2 ist wie eine Schatzkiste voller Karrieredaten. Es listet nicht nur Jobtitel auf; es organisiert sie mithilfe eines standardisierten globalen Wörterbuchs namens ESCO. Es sagt Ihnen genau, wann jemand einen Job begonnen und beendet hat (bis auf das Quartal des Jahres genau, wie „Q1 2020“), welches Bildungsniveau die Person hat (von der Grundschule bis zum PhD) und sogar, welche spezifischen Werkzeuge sie verwendet haben (wie Python oder Spark).
Hat es wirklich besser funktioniert?
Die Forscher haben nicht nur gesagt „es ist gut“; sie haben es auf die Probe gestellt. Sie verglichen die Arbeit der KI mit drei verschiedenen Sätzen von menschlichen und KI-generierten „Goldstandard“-Antworten.
- Die Punktzahl: Die beste Version ihrer KI (die ein riesiges 120-Milliarden-Parameter-Modell nutzt) erreichte eine Punktzahl, die unglaublich nah an der „Decke“ dessen lag, worüber Menschen und andere KIs übereinkommen können. Sie war nur 1,1 bis 2,7 Prozentpunkte von der perfekten Übereinstimmungsgrenze entfernt.
- Das Duell: In einem Blindtest gegen das alte JobHop v1 (bei dem ein Richter nicht wusste, welche Version welche war), gewann das neue JobHop v2 68,3 % der Zeit, während die alte Version nur 29,9 % gewann. Der Richter stellte fest, dass v2 viel besser darin war, die unordentlichen, verborgenen Teile der Lebensläufe zu handhaben und Daten in verschiedenen Sprachen zu verstehen.
Was es NICHT ist
Es ist wichtig zu wissen, was dieser Datensatz nicht tut. Die Forscher schlossen explizit die Verwendung von gefälschten, erfundenen Lebensläufen oder vor-standardisierten Codes aus, die durch eine KI synthetisiert wurden, bevor die Extraktion stattfand. Sie wollten echten, rohen Text von echten Menschen. Außerdem waren sie sehr vorsichtig, nicht zu viel zu interpretieren: Etwa 6,9 % der Job-Einträge wurden als „unbekannt“ markiert, weil die KI entschied, dass es sicherer war, Unwissenheit zuzugeben, als falsch zu raten. Sie haben nicht versucht, alles einem Label zu erzwingen.
Das Fazit
JobHop v2 deutet darauf hin, dass wir endlich das chaotische, unstrukturierte Chaos von Millionen von Lebensläufen in einen sauberen, massiven Datensatz verwandeln können, der uns hilft zu verstehen, wie sich Karrieren tatsächlich entwickeln. Es ist keine magische Kristallkugel, die die Zukunft perfekt vorhersagt, aber es liefert die genaueste, groß angelegte Karte von Karrierewegen, die je aus echtem, unstrukturiertem Text erstellt wurde. Die Forscher stellen diese Karte und die Werkzeuge, mit denen sie gebaut wurde, der Öffentlichkeit zur Verfügung, in der Hoffnung, dass andere sie nutzen können, um Arbeitsmärkte und Jobempfehlungen zu untersuchen, ohne bei Null anfangen zu müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.