Determinants of Starting Salaries for Filipino Graduates: An Explainable Machine Learning Approach
यह अध्ययन क्राउड-सोर्स्ड सर्वेक्षण डेटा पर एक व्याख्यात्मक मशीन लर्निंग दृष्टिकोण का उपयोग करता है ताकि यह प्रदर्शित किया जा सके कि नौकरी की भूमिका और उद्योग फिलीपीनो स्नातकों के शुरुआती वेतन के प्राथमिक निर्धारक हैं, जो संस्थागत प्रतिष्ठा से काफी अधिक हैं और करियर मार्गदर्शन एवं नीति में क्षेत्र-विशिष्ट कौशल को प्राथमिकता देने की आवश्यकता का सुझाव देते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
फिलीपींस में, बड़ी संख्या में कॉलेज स्नातक बेरोजगार रह जाते हैं, जो कक्षा में बिताए गए वर्षों और नौकरी के बाजार की वास्तविकता के बीच एक गहरा अंतर पैदा करता है। जो लोग रोजगार पा भी लेते हैं, उन्हें मिलने वाला शुरुआती वेतन इस बात का स्पष्ट संकेत होता है कि अर्थव्यवस्था उनकी विशिष्ट पृष्ठभूमि को कितना महत्व देती है। पारंपरिक रूप से, शोधकर्ता इन परिणामों को केवल यह गिनकर ट्रैक करते रहे हैं कि कितने स्नातक कार्यरत हैं और उनका औसत वेतन क्या है, ठीक वैसे ही जैसे किसी स्कूल के पुनर्मिलन (reunion) में उपस्थिति दर्ज की जाती है। हालांकि, ये गणनाएं हमें यह बताती हैं कि क्या हुआ, न कि यह कि वह क्यों हुआ या छात्रों के अगले समूह के साथ क्या होगा। वेतन के वास्तविक प्रेरकों को समझने के लिए, व्यक्ति को साधारण औसत से परे देखना चाहिए और यह पूछना चाहिए कि कौन से विशिष्ट कारक वास्तव में वेतन को ऊपर ले जाते हैं या नीचे खींचते हैं।
फिलीपींस विश्वविद्यालय के शोधकर्ताओं की एक टीम ने आधुनिक कंप्यूटर लर्निंग तकनीकों को डेटा के एक अनूठे सेट पर लागू करके इस प्रश्न का उत्तर देने का प्रयास किया। उन्होंने "फर्स्ट पे" (First Pay) नामक एक क्राउड-सोर्स सर्वेक्षण के जवाबों का विश्लेषण किया, जिसने लगभग तीन हजार फिलीपीनो स्नातकों से उनकी पहली नौकरियों के बारे में जानकारी एकत्र की थी। चूंकि डेटा एक खुले ऑनलाइन फॉर्म से आया था, इसलिए यह अव्यवस्थित और असंरचित था; जॉब टाइटल को कई अलग-अलग तरीकों से लिखा गया था, और कंपनी के आकार या स्थान जैसी कुछ महत्वपूर्ण जानकारी गायब थी। शोधकर्ताओं ने इस शोर वाले डेटा को एक पहेली की तरह माना, और यह अनुमान लगाने के लिए मशीन लर्निंग का उपयोग किया कि एक स्नातक अपनी शिक्षा, लिंग और नौकरी के विवरण के आधार पर किस वेतन श्रेणी (salary bracket) में आएगा। उनका लक्ष्य केवल भविष्यवाणी करना नहीं था, बल्कि यह समझने के लिए 'एक्सप्लेनेबल आर्टिफिशियल इंटेलिजेंस' (explainable artificial intelligence) नामक पद्धति का उपयोग करना था कि कंप्यूटर ने निर्णय लेने के लिए किस विशिष्ट जानकारी पर भरोसा किया।
अध्ययन ने स्थानीय श्रम बाजार के बारे में एक स्पष्ट और कुछ हद तक आश्चर्यजनक सत्य का खुलासा किया: स्नातक जिस विशिष्ट नौकरी की भूमिका और उद्योग में प्रवेश करता है, वह उस विश्वविद्यालय की प्रतिष्ठा से कहीं अधिक महत्वपूर्ण है जहाँ से उसने पढ़ाई की है। जब शोधकर्ताओं ने कंप्यूटर को डेटा का विश्लेषण करने दिया, तो इसने लगातार स्कूल की प्रतिष्ठा को अनदेखा किया और लगभग पूरी तरह से इस बात पर ध्यान केंद्रित किया कि व्यक्ति वास्तव में क्या करता है और वह कहाँ काम करता है। उदाहरण के लिए, कंप्यूटर ने सीखा कि खनन या प्रबंधन जैसे विशिष्ट क्षेत्र में काम करने वाले स्नातक का वेतन निर्माण या क्लर्क के काम में लगे व्यक्ति की तुलना में काफी अधिक होने की संभावना है, चाहे वह निजी विश्वविद्यालय से स्नातक हो या सरकारी विश्वविद्यालय से। यह निष्कर्ष इतना मजबूत था कि यह डेटा के परीक्षण के तीन अलग-अलग तरीकों में दिखाई दिया, जो यह सुझाव देता है कि बाजार कार्यात्मक कौशल और क्षेत्र के तालमेल को डिग्री के ब्रांड नाम की तुलना में बहुत अधिक पुरस्कृत करता है।
यह सुनिश्चित करने के लिए कि यह परिणाम कोई इत्तेफाक नहीं है, शोधकर्ताओं ने कई अलग-अलग तरीकों से अपने दृष्टिकोण का परीक्षण किया। सबसे पहले, उन्होंने एक ऐसी तकनीक का उपयोग किया जो यह देखने के लिए भविष्यवाणी को तोड़ती है कि किस इनपुट ने सबसे अधिक योगदान दिया, जिससे पुष्टि हुई कि जॉब टाइटल और उद्योग के नाम प्राथमिक चालक थे। दूसरा, उन्होंने उन्नत भाषा उपकरणों का उपयोग करके जॉब डिस्क्रिप्शन के अव्यवस्थित टेक्स्ट को पढ़ने की कंप्यूटर की क्षमता में सुधार करने की कोशिश की, लेकिन पाया कि कंप्यूटर अभी भी नौकरी और उद्योग का वर्णन करने वाले विशिष्ट शब्दों पर ही सबसे अधिक निर्भर था। अंत में, उन्होंने समस्या को इस तरह से पुनर्गठित करने की कोशिश की ताकि कंप्यूटर केवल कीवर्ड मिलाने के बजाय वेतन सीमा के आर्थिक अर्थ के बारे में तर्क कर सके। इस अधिक परिष्कृत तर्क पद्धति के साथ भी, कंप्यूटर अभी भी नौकरी की भूमिका और उद्योग के कच्चे टेक्स्ट (raw text) पर गहराई से झुका रहा। विभिन्न तरीकों में यह निरंतरता यह सुझाव देती है कि नौकरी की भूमिका और उद्योग का प्रभुत्व डेटा की एक वास्तविक विशेषता है, न कि किसी विशिष्ट कंप्यूटर मॉडल का परिणाम।
शोधकर्ताओं ने यह भी पाया कि सटीक वेतन की भविष्यवाणी करने में कठिनाई कंप्यूटिंग शक्ति की कमी के कारण नहीं, बल्कि डेटा की सीमाओं के कारण थी। चूंकि सर्वेक्षण स्व-रिपोर्ट की गई जानकारी पर आधारित था और इसमें कंपनी के आकार या अनुभव के वर्षों जैसे विवरणों की कमी थी, इसलिए कंप्यूटर के परिणामों की सटीक भविष्यवाणी करने की एक स्वाभाविक सीमा थी। मध्य-श्रेणी के वेतन पाने वाले स्नातकों के लिए डेटा विशेष रूप से अस्पष्ट था, जहाँ कई प्रकार की नौकरियों का वेतन आपस में मिलता-जुलता है। हालांकि शोधकर्ताओं ने पाया कि वेतन को व्यापक, आर्थिक रूप से सार्थक श्रेणियों में समूहबद्ध करने से कंप्यूटर की सटीकता में सुधार हुआ, लेकिन मौलिक सबक वही रहा: स्नातक द्वारा चुना गया विशिष्ट पथ उस स्कूल से अधिक मायने रखता जहाँ से उसने पढ़ाई की है।
अंततः, यह कार्य सुझाव देता है कि फिलीपींस में करियर मार्गदर्शन और शिक्षा नीति को अपना ध्यान बदलना चाहिए। विश्वविद्यालय की प्रतिष्ठा पर जोर देने के बजाय, साक्ष्य इस ओर संकेत करते हैं कि छात्रों को अपने कौशल को विशिष्ट उच्च-मूल्य वाले क्षेत्रों और भूमिकाओं के साथ संरेखित करने में मदद करनी चाहिए। यह अध्ययन प्रदर्शित करता है कि भले ही डेटा त्रुटिपूर्ण था, लेकिन संकेत इतना स्पष्ट था कि यह दिखा सके कि श्रम बाजार इस बात को बहुत अधिक महत्व देता है कि एक स्नातक क्या करता है, बजाय इसके कि उसने कहाँ से पढ़ाई की है। रोजगार दरों के सरल विवरणों से आगे बढ़कर वेतन को संचालित करने वाली गहरी, डेटा-संचालित समझ की ओर बढ़कर, यह शोध फिलीपींस के जटिल जॉब मार्केट में नेविगेट करने वाले स्नातकों, शिक्षकों और नीति निर्माताओं के लिए एक स्पष्ट मानचित्र प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।