Springe zum Inhalt

Publikation

Predicting Re-Employment: Machine Learning Versus Assessments by Unemployed Workers and by Their Caseworkers

Beschreibung

"Der Beitrag nutzt drei Informationsquellen zur Wahrscheinlichkeit einer Wiederbeschäftigung innerhalb von sechs Monaten nach Eintritt in die Arbeitslosigkeit. Erstens wurden Arbeitslose kurz nach Beginn der Arbeitslosigkeit nach ihrer selbstwahrgenommenen Wiederbeschäftigungswahrscheinlichkeit gefragt. Zweitens werden die Ergebnisse eines Profilings durch Vermittlungsfachkräfte ausgewertet. Drittens wird die individuelle Wiederbeschäftigungswahrscheinlichkeit mit Methoden des maschinellen Lernens auf Basis von administrativen Daten vorhergesagt. Wir vergleichen die Prognosegüte dieser drei Ansätze und überprüfen, wie Kombinationen der Ansätze die Prognosegüte verbessern können. Die Ergebnisse zeigen, dass die Selbsteinschätzungen von Arbeitslosen (und in geringerem Maße auch die Einschätzungen der Vermittlungsfachkräfte) teilweise Informationen enthalten, die von dem Algorithmus für maschinelles Lernen nicht erfasst werden." (Autorenreferat, IAB-Doku)

Zitationshinweis

Berg, Gerard J. van den, Max Kunaschk, Julia Lang, Gesine Stephan & Arne Uhlendorff (2024): Predicting Re-Employment: Machine Learning Versus Assessments by Unemployed Workers and by Their Caseworkers. (IAB-Discussion Paper 03/2024), Nürnberg, 56 S. DOI:10.48720/IAB.DP.2403

Bezugsmöglichkeiten

Open Access