Heine et al. (2021) propongono un approccio per misurare la connettività tra diverse parti di una città utilizzando dati Twitter geolocalizzati come proxy per la co-occorrenza dei residenti. Lo studio si concentra su Stoccolma, Svezia, analizzando 281.863 tweet di 14.478 utenti nel periodo 2016-2019 per esaminare come la similarità socioeconomica tra quartieri influenzi i loro pattern di connettività.

Gli autori introducono una metrica denominata “linkage strength” per quantificare la connettività tra quartieri basata su utenti Twitter condivisi. L'analisi dimostra che la similarità socioeconomica costituisce un predittore della connettività: i quartieri con caratteristiche simili in termini di reddito mediano, livello di istruzione e storia migratoria mostrano connessioni più forti attraverso il movimento delle persone, anche controllando per fattori come tempi di viaggio, accessibilità e struttura urbana.

Approccio metodologico

La metodologia sviluppata include:

1. Creazione di una metrica “linkage strength” che definisce la connettività tra due aree attraverso la co-occorrenza delle persone

2. Utilizzo di regressione binomiale negativa per analizzare i determinanti della connessione tra luoghi

3. Controllo per fattori di struttura urbana inclusi distribuzione della popolazione, reti di trasporto e accessibilità

4. Esame delle variazioni tra quartieri attraverso modelli individuali per quartiere

L'approccio non richiede la stima della posizione di residenza, rendendolo applicabile a dataset più sparsi ed evitando questioni di privacy.

Risultati principali

1. I quartieri con caratteristiche socioeconomiche simili mostrano connessioni più forti attraverso il movimento dei residenti

2. Per ogni aumento di una deviazione standard nella differenza di reddito, la linkage strength diminuisce dell'8,9%

3. Per ogni aumento di una deviazione standard nella differenza di istruzione, la linkage strength diminuisce del 10,0%

4. L'effetto della similarità nel background migratorio risulta statisticamente significativo ma più debole (diminuzione del 3,4% per deviazione standard)

5. I tempi di viaggio tra aree hanno effetti significativi, suggerendo che miglioramenti infrastrutturali potrebbero rafforzare la connettività tra quartieri dissimili

6. La forza dell'omofilia socioeconomica varia tra quartieri

Classificazione dell'approccio

L'articolo può essere classificato come:

• Analisi di rete applicata alla mobilità urbana – utilizza la teoria delle reti per modellare la connettività tra aree urbane
• Studio sulla complessità urbana e segregazione – esamina come i fattori socioeconomici influenzino i pattern di mobilità
• Utilizzo di dati di rete sociale dinamici per catturare pattern strutturali – sfrutta dati Twitter per comprendere pattern di movimento
• Valutazione d'impatto di fattori socioeconomici sulla mobilità – quantifica come la similarità socioeconomica influenzi la connettività urbana

Contributo alla literature review

Lo studio contribuisce alla comprensione delle reti di mercato del lavoro e mobilità urbana dimostrando che l'omofilia socioeconomica si estende oltre la segregazione residenziale agli spazi di attività. Mentre la ricerca precedente si è concentrata sulla segregazione residenziale o ha utilizzato approcci individuali per studiare la co-localizzazione, Heine et al. adottano una prospettiva basata sui luoghi che rivela come i quartieri si connettono attraverso il flusso di persone.

I risultati indicano che, anche controllando per accessibilità fisica e struttura urbana, i fattori socioeconomici creano barriere invisibili alla connettività urbana. Questo ha implicazioni per le politiche di integrazione sociale, suggerendo che la desegregazione residenziale da sola potrebbe essere insufficiente per abbattere le barriere sociali. Lo studio contribuisce metodologicamente introducendo una metrica di connettività applicabile in contesti dove i dati di mobilità tradizionali potrebbero essere limitati.

Per i ricercatori che studiano i cambiamenti strutturali nei mercati del lavoro e nella mobilità urbana, questo lavoro dimostra come le reti di movimento possano rivelare pattern di segregazione che persistono oltre gli assetti residenziali, influenzando potenzialmente le opportunità del mercato del lavoro e lo sviluppo del capitale sociale.

Riferimento bibliografico

Heine, C., Marquez, C., Santi, P., Sundberg, M., Nordfors, M., & Ratti, C. (2021). Analysis of mobility homophily in Stockholm based on social network data. PLOS ONE, 16(3), e0247996. https://doi.org/10.1371/journal.pone.0247996

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Titolo

“A Dynamic Jobs-Skills Knowledge Graph”

Classificazione dell'approccio

• Analisi di rete applicata al mercato del lavoro
• Studio sulla complessità del mercato del lavoro
• Utilizzo di grafi dinamici per catturare cambiamenti strutturali
• Valutazione d'impatto delle relazioni competenze-lavoro

Elementi principali dello studio

Seif, Toh e Lee (2024) presentano una metodologia innovativa per la costruzione di un Jobs-Skills Knowledge Graph (JSKG) dinamico che evolve nel tempo per riflettere i cambiamenti del mercato del lavoro. Gli autori utilizzano il Singapore SkillsFuture Skills Framework (SFw) come fondamento e lo integrano con dati del mercato del lavoro provenienti da annunci di lavoro per creare un grafo completo di occupazioni, competenze e loro relazioni.

La metodologia comprende:

1. Costruzione di un grafo di proprietà con entità (occupazioni, competenze, corsi, ecc.) e le loro relazioni

2. Utilizzo di strumenti di elaborazione del linguaggio naturale per estrarre competenze e occupazioni dagli annunci di lavoro

3. Quantificazione delle relazioni tra occupazioni e competenze utilizzando metodi di ranking

4. Implementazione di un approccio di raffinamento temporale per aggiornare il grafo man mano che nuovi dati diventano disponibili

5. Utilizzo di Large Language Models (GPT-4o) per valutare e migliorare la qualità delle relazioni competenza-occupazione

Gli autori valutano il loro approccio confrontando le competenze inferite dal mercato del lavoro con quelle definite dagli esperti nel Singapore Skills Framework, mostrando livelli variabili di precisione e recall tra diversi gruppi occupazionali.

Contributi alla letteratura

Questo studio contribuisce in modo significativo alla letteratura sui mercati del lavoro:

1. Propone un metodo per superare le limitazioni delle tassonomie statiche di competenze e occupazioni, creando invece un sistema dinamico che evolve con il mercato del lavoro

2. Affronta la sfida di integrare conoscenze esperte con segnali del mercato del lavoro in tempo reale

3. Sviluppa metriche per identificare competenze “differenziatrici” che distinguono un'occupazione dalle altre

4. Presenta una metodologia pratica per l'aggiornamento delle relazioni nel grafo della conoscenza nel tempo

Schema per una literature review

1. Studi con valutazione d'impatto nel mercato del lavoro

Seif, Toh e Lee (2024) forniscono un contributo alla valutazione dell'impatto nel mercato del lavoro sviluppando metriche che quantificano la precisione delle relazioni competenza-occupazione estratte dagli annunci di lavoro rispetto alla conoscenza esperta. La loro metodologia consente di valutare come queste relazioni evolvono nel tempo e quanto accuratamente riflettono i cambiamenti reali nel mercato del lavoro.

2. Complessità del mercato del lavoro

Il lavoro di Seif, Toh e Lee (2024) dimostra come i grafi della conoscenza possano essere utilizzati per catturare le relazioni multiformi tra competenze e occupazioni, andando oltre gli approcci tassonomici tradizionali. Gli autori evidenziano la complessità delle relazioni di competenza, mostrando come queste varino significativamente tra diversi gruppi occupazionali e come evolvano nel tempo in risposta alle mutevoli esigenze del mercato.

3. Utilizzo di grafi dinamici per catturare cambiamenti strutturali

Seif, Toh e Lee (2024) offrono una metodologia pratica per l'aggiornamento delle relazioni nel grafo della conoscenza nel tempo, combinando approcci di finestra scorrevole con conoscenze esperte per creare una rappresentazione temporale robusta delle strutture del mercato del lavoro. Questo approccio dinamico consente di tracciare l'evoluzione delle competenze richieste per diverse occupazioni e di identificare tendenze emergenti nel mercato del lavoro.

Riferimento bibliografico

Seif, A., Toh, S., & Lee, H. K. (2024). A Dynamic Jobs-Skills Knowledge Graph. In RecSys in HR'24: The 4th Workshop on Recommender Systems for Human Resources, in conjunction with the 18th ACM Conference on Recommender Systems, October 14–18, 2024, Bari, Italy.

Verifica se è disponibile on-line

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

This study introduces an analytical framework based on network theory for analyzing professional mobility and evaluating unintended consequences of labor market policies.

You can find it at https://doi.org/10.5281/zenodo.15564382

The research conceptualizes the labor market as a complex network system, moving beyond traditional approaches based on individual supply-demand transactions.

The study applies centrality metrics to identify central professions in the professional mobility network. Analysis reveals that central professions are predominantly low-to-medium skilled occupations, characterized by high accessibility for entry and exit rather than economic importance or salary levels.

Results demonstrate how local modifications (single profession) propagate through the system generating spillover effects on interconnected professions.

The primary methodological contribution lies in integrating network science approaches with public policy analysis, offering a computational framework for understanding professional mobility dynamics and their systemic implications.

The approach represents an evolution toward a network paradigm in labor market complexity analysis, overcoming limitations of predefined classifications through empirical identification of organic structures emerging from data. This framework enables policymakers to anticipate collateral effects, quantify multiplier effects, identify professions requiring compensatory adjustments, and optimize resource allocation considering systemic interdependencies.

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Principali risultati

1. Impatto della struttura di rete: La struttura della rete di mobilità occupazionale influenza significativamente la disoccupazione, aumentandola di circa il 29% rispetto a un mercato del lavoro senza restrizioni di mobilità.

2. Dinamiche a livello macro: Il modello riproduce con successo la curva di Beveridge, una relazione negativa tra disoccupazione e tassi di posti vacanti nei mercati del lavoro.

3. Effetti specifici per occupazione: I lavoratori in occupazioni ad alto rischio di automazione ma con buone connessioni di rete verso settori in crescita possono avere prospettive occupazionali migliori rispetto ai lavoratori in occupazioni apparentemente “più sicure” con opportunità di transizione limitate.

4. Effetti distributivi: Le occupazioni a basso salario hanno maggiori probabilità di sperimentare effetti di rete negativi durante le transizioni di automazione, aumentando i loro tassi di disoccupazione a lungo termine.

5. Scenari di automazione: Testando due scenari di automazione (Frey & Osborne vs. Brynjolfsson et al.), gli autori rilevano che shock di automazione più eterogenei creano effetti di disoccupazione maggiori.

Classificazione

Questo articolo può essere classificato come:

1. Analisi di rete applicata ai mercati del lavoro: Utilizza la teoria delle reti per modellare la mobilità dei lavoratori

2. Valutazione d'impatto delle dinamiche del mercato del lavoro: Quantifica come l'automazione influisce sui tassi di disoccupazione

3. Studio sulla complessità del mercato del lavoro: Esamina le interazioni tra automazione, competenze e transizioni lavorative

4. Utilizzo di grafi dinamici per catturare cambiamenti strutturali: Applica l'analisi di rete per comprendere la ristrutturazione del mercato del lavoro

Contributo alla rassegna della letteratura

Del Rio-Chanona et al. (2021) forniscono un contributo significativo alla comprensione della complessa relazione tra cambiamento tecnologico e mercati del lavoro. A differenza degli studi precedenti che si concentrano esclusivamente sull'identificazione delle occupazioni suscettibili di automazione, questa ricerca offre una visione più olistica considerando come i lavoratori si riallochino nel mercato del lavoro a seguito di shock di automazione. L'approccio basato su reti degli autori rivela che la vulnerabilità di un lavoratore dipende non solo dal rischio di automazione della sua occupazione attuale, ma anche dalla sua capacità di transizione verso altre occupazioni con domanda crescente. Questa metodologia consente ai ricercatori di identificare potenziali attriti del mercato del lavoro e disallineamenti a livello granulare, offrendo approfondimenti più articolati per gli interventi di politica del lavoro. Il risultato che gli effetti di rete impattano in modo sproporzionato le occupazioni a basso salario ha importanti implicazioni per comprendere come il cambiamento tecnologico possa influenzare la disuguaglianza nel mercato del lavoro.

Verifica la disponibilità on-line

Riferimento bibliografico

del Rio-Chanona, R. M., Mealy, P., Beguerisse-Díaz, M., Lafond, F., & Farmer, J. D. (2021). https://doi.org/10.1098/rsif.2020.0898

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Sommario

Shibata (2019) introduce un modello di Markov nascosto (HMM) per analizzare le dinamiche del mercato del lavoro, sfidando l'approccio standard basato su processi di Markov del primo ordine (FOM) tipicamente utilizzato nella letteratura economica del lavoro. Utilizzando dati del Current Population Survey (CPS), l'autore dimostra che l'HMM supera significativamente i modelli tradizionali nella previsione delle transizioni del mercato del lavoro su un orizzonte di 15 mesi.

L'innovazione chiave di questo studio consiste nell'introduzione di “stati di attaccamento al mercato del lavoro” non osservati che catturano sia l'eterogeneità (lavoratori diversi con lo stesso stato attuale della forza lavoro che hanno differenti probabilità di transizione) sia la dipendenza dalla durata (le probabilità di transizione dello stesso lavoratore che cambiano nel tempo). L'autore identifica nove stati di attaccamento distinti attraverso le categorie di occupazione, disoccupazione e non partecipazione.

L'HMM migliora l'approccio FOM standard riducendo la deviazione media assoluta delle probabilità di transizione di un fattore pari a 30, anche quando confrontato con modelli FOM estesi che includono categorie dettagliate di occupazione. Il paper dimostra che l'attaccamento non osservato al mercato del lavoro dei lavoratori è fortemente correlato con caratteristiche osservabili come i guadagni, le ragioni della disoccupazione e i tipi dettagliati di stato della forza lavoro, ma queste variabili osservabili da sole non possono catturare completamente l'eterogeneità nelle transizioni del mercato del lavoro.

Classificazione Metodologica

Questo paper può essere classificato come:

1. Innovazione metodologica nell'analisi del mercato del lavoro – Introduce un approccio statistico innovativo per modellare le transizioni del mercato del lavoro

2. Studio sulla complessità del mercato del lavoro – Esamina le interazioni complesse tra lo stato osservato della forza lavoro e le caratteristiche non osservate dei lavoratori

3. Utilizzo di modelli dinamici per catturare cambiamenti strutturali – Impiega un approccio di modellazione dinamica (HMM) per comprendere l'evoluzione delle transizioni del mercato del lavoro

Applicazioni e Risultati

Il paper dimostra il valore dell'HMM attraverso quattro applicazioni:

1. Conseguenze a lungo termine della separazione dal lavoro: Il modello stima le perdite occupazionali derivanti dalla separazione da un impiego stabile che si allineano con i risultati degli studi basati sui dati della Social Security, ma utilizzando solo panel CPS a breve termine.

2. Tendenze nella stabilità occupazionale: L'analisi rivela che mentre i tassi di occupazione maschile sono diminuiti dagli anni '70, la loro stabilità occupazionale (condizionata all'essere occupati) è rimasta sostanzialmente invariata. Per le donne, la stabilità occupazionale è migliorata fino alla metà degli anni '90, ma questo miglioramento si è concentrato tra le donne più istruite.

3. Confronto tra recessioni: La Grande Recessione del 2007-09 ha mostrato flussi più ampi e persistenti di lavoratori verso lo stato di disoccupazione più persistente (U2), lo stato occupazionale meno stabile (E2) e gli stati di non partecipazione associati alla disoccupazione (O2), spiegando la ripresa più lenta rispetto alla recessione del 1981.

4. Importanza dell'eterogeneità non osservata: Il paper dimostra che economie con distribuzioni identiche dello stato osservato della forza lavoro ma con diverse distribuzioni degli stati di attaccamento possono sperimentare traiettorie di disoccupazione future drasticamente differenti.

Contributo alla Letteratura di Riferimento

In una rassegna della letteratura sugli approcci avanzati alle dinamiche del mercato del lavoro, Shibata (2019) rappresenta un significativo avanzamento metodologico. A differenza dei modelli tradizionali che assegnano probabilità di transizione identiche a tutti i lavoratori nello stesso stato della forza lavoro, l'approccio Hidden Markov di questo paper cattura con successo la persistenza empiricamente osservata nelle transizioni del mercato del lavoro.

Il framework HMM colma il divario tra modelli teorici e realtà empirica nella ricerca sul mercato del lavoro, offrendo una comprensione più sfumata dell'eterogeneità nelle transizioni dei lavoratori. Questo approccio è particolarmente utile per studiare gli impatti differenziali degli shock economici tra gruppi demografici diversi e per comprendere perché alcuni lavoratori sperimentano disoccupazione persistente mentre altri no.

Riferimento Bibliografico

Shibata, I. (2019). Labor Market Dynamics: A Hidden Markov Approach. IMF Working Paper No. 19/282, International Monetary Fund.

Verifica la disponibilità on line

#code

codice in R su github

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Il codice è disponibile a questo link: https://github.com/gmontaletti/labour-complexity/blob/main/R/Labour_market_competition.R

#code

Scopi dello Script

Lo script R implementa computazionalmente il framework metodologico presentato nel lavoro di Liu, Pant e Sheng (2023) “Predicting Labor Market Competition: Leveraging Interfirm Network and Employee Skills”. Gli obiettivi principali dello script sono:

1. Riproduzione Metodologica

Replicare fedelmente l'approccio innovativo degli autori per la predizione della competizione nel mercato del lavoro attraverso l'integrazione di:

• Dati sulle competenze dei dipendenti (skill-based metrics)
• Reti di flusso del capitale umano tra aziende (Human Capital Flow networks)
• Caratteristiche economiche e strutturali delle imprese

2. Validazione Empirica

Dimostrare l'efficacia predittiva superiore delle metriche basate su network rispetto agli approcci tradizionali di classificazione industriale, confermando i risultati originali che mostrano miglioramenti dell'AUC del 18-34%.

3. Operazionalizzazione del Framework 2-D

Implementare il modello bidimensionale di analisi competitiva che combina sovrapposizione nel mercato del prodotto (product market overlap) e sovrapposizione nel mercato del lavoro (labor market overlap) per identificare diversi tipi di competitor.

Principali Funzionalità e Collegamento al Lavoro Originale

Generazione di Dati Sintetici

Funzione: generate_synthetic_data()

Collegamento teorico: Replica la struttura del dataset LinkedIn utilizzato dagli autori, contenente 89.000+ profili di dipendenti di 3.467 aziende pubbliche (2000-2014).

Componenti implementati:

• Aziende con codici SIC e caratteristiche economiche
• Dipendenti con profili di competenze
• Movimenti inter-aziendali che simulano i flussi di capitale umano
• Distribuzione probabilistica dei movimenti basata su prossimità settoriale

Costruzione delle Metriche di Sovrapposizione del Capitale Umano

Skill-Based Labor Overlap

Funzioni: create_firm_skill_matrix(), create_skill_term_similarity_matrix()

Collegamento teorico: Implementa le metriche di sovrapposizione delle competenze esplicite attraverso:

• Ponderazione SF-IFF (Skill Frequency – Inverse Firm Frequency)
• Calcolo della similarità del coseno tra vettori di competenze aziendali
• Rappresentazione delle knowledge bases aziendali come distribuzioni su spazi di competenze

Skill Topic Modeling

Funzioni: create_skill_topics(), create_skill_topic_similarity_matrix()

Collegamento teorico: Operazionalizza l'approccio di topic modeling degli autori per catturare competenze latenti e conoscenze tacite attraverso:

• Clustering di competenze basato su pattern di co-occorrenza
• Aggregazione delle distribuzioni di topic a livello aziendale
• Misurazione della similarità tra knowledge portfolios aziendali

Analisi delle Reti di Flusso del Capitale Umano (HCF Networks)

Costruzione della Rete

Funzioni: create_hcf_network(), calculate_upstream_similarity(), calculate_downstream_similarity()

Collegamento teorico: Replica l'innovativa metodologia di network analysis che distingue tra:

• Upstream similarity: Competizione per le stesse fonti di talento
• Downstream similarity: Competizione per gli stessi target di acquisizione
• Community detection: Identificazione di cluster competitivi attraverso algoritmi di Louvain

Proprietà Strutturali della Rete

Funzioni: detect_communities(), create_community_similarity_matrix()

Collegamento teorico: Conferma empiricamente le proprietà “small-world” identificate dagli autori:

• Weak industrial homophily nelle reti HCF
• Mobilità cross-industriale estesa che trascende le classificazioni SIC tradizionali
• Necessità di metriche basate su network per catturare pattern globali di competizione

Modellazione Predittiva Multi-Dimensionale

Architettura dei Feature Sets

Funzione: evaluate_feature_sets()

Collegamento teorico: Implementa la strategia di validazione incrementale degli autori attraverso quattro categorie di variabili:

1. Economic Features: Caratteristiche finanziarie e dimensionali delle aziende

2. Product Market Features: Similarità basata su codici SIC

3. Labor Market Features: Metriche di sovrapposizione delle competenze

4. Network Features: Similarità strutturali nelle reti HCF

Machine Learning Pipeline

Funzioni: train_and_evaluate_rf(), prepare_prediction_data()

Collegamento teorico: Replica l'approccio di machine learning degli autori:

• Random Forest con 500 alberi per gestire non-linearità e interazioni
• Validazione temporale (training: 2000-2012, test: 2013-2015)
• Metriche binarie di competizione (δ=1: tutti i competitor, δ=2: competitor forti)
• Valutazione attraverso AUC e identificazione di nuovi competitor

Framework di Analisi Competitiva 2-D

Funzione: plot_2d_competition()

Collegamento teorico: Operazionalizza il modello bidimensionale degli autori che classifica i competitor in quattro categorie:

1. Direct Competitors: Alta sovrapposizione sia nel prodotto che nel lavoro

2. Indirect Competitors: Alta sovrapposizione nel prodotto, bassa nel lavoro

3. Potential Competitors: Bassa sovrapposizione nel prodotto, alta nel lavoro

4. Weak Competitors: Bassa sovrapposizione in entrambe le dimensioni

Validazione dei Risultati Metodologici

Lo script conferma i principali findings empirici del paper originale:

• Superiorità predittiva delle metriche di network: Le variabili basate su HCF network mostrano utilità predittiva superiore, migliorando l'AUC del 18-34%
• Complementarità delle dimensioni competitive: L'integrazione di product market e labor market metrics fornisce una visione più completa della competizione
• Robustezza cross-industriale: Il framework mantiene efficacia predittiva attraverso diversi settori industriali

Implicazioni Teoriche e Metodologiche

Lo script dimostra computazionalmente come:

1. I confini tradizionali dell'industria siano inadeguati per catturare la competizione per il capitale umano

2. Le reti di mobilità del personale rivelino dimensioni competitive nascoste non catturate dalle classificazioni SIC

3. L'integrazione di conoscenze esplicite e tacite attraverso skill-based metrics e network analysis fornisca una rappresentazione più accurata delle capabilities aziendali

4. Il machine learning applicato a dati di network possa identificare pattern competitivi non evidenti attraverso approcci tradizionali

Struttura Computazionale

Lo script è organizzato in cinque moduli principali:

1. Data Generation: Simulazione di ecosistemi aziendali realistici

2. Metrics Construction: Calcolo delle metriche di sovrapposizione multi-dimensionali

3. Network Analysis: Costruzione e analisi delle reti HCF

4. Predictive Modeling: Implementazione del pipeline di machine learning

5. Results Visualization: Rappresentazione grafica dei risultati e validazione empirica

Questa architettura modulare consente la replicazione sistematica della metodologia originale.

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Liu, Pant e Sheng sviluppano un modello per prevedere la competizione nel mercato del lavoro tra aziende, utilizzando dati sulle competenze dei dipendenti e reti di movimento dei lavoratori tra imprese.

Basandosi su un dataset derivato dai profili LinkedIn di oltre 89.000 dipendenti di 3.467 aziende pubbliche dal 2000 al 2014, costruiscono nuove metriche di sovrapposizione del capitale umano che migliorano significativamente la previsione della futura competizione nel mercato del lavoro.

Classificazione metodologica

1. Analisi di rete applicata al mercato del lavoro – Il lavoro costruisce e analizza una rete di flusso del capitale umano (HCF) basata sui movimenti dei dipendenti tra le aziende

2. Valutazione d'impatto della competizione nel mercato del lavoro – Quantifica quanto diverse metriche predicono efficacemente le future migrazioni dei dipendenti

3. Studio sulla complessità del mercato del lavoro – Esamina la natura multidimensionale della competizione per il capitale umano tra diversi settori

4. Utilizzo di grafi dinamici per catturare cambiamenti strutturali – Utilizza dati di rete temporali per comprendere le dinamiche competitive nei mercati del lavoro

Contributi principali

1. Gli autori sviluppano nuove metriche di sovrapposizione del capitale umano basate su:

   • Sovrapposizione di competenze: Misurazione della similarità nelle basi di conoscenza esplicita delle aziende utilizzando le competenze dei dipendenti
   • Sovrapposizione di rete HCF: Rilevamento della similarità nella conoscenza tacita ed esplicita attraverso l'analisi della struttura di rete

2. Validano queste metriche dimostrando il loro potere predittivo per la futura competizione nel mercato del lavoro, con:

   • Metriche basate su rete che mostrano particolare utilità predittiva, migliorando l'AUC del 18-34% tra i diversi modelli
   • Modelli Random Forest con set completo di caratteristiche che raggiungono AUC di 0,89 per la previsione di tutti i concorrenti

3. Operazionalizzano un framework di analisi bidimensionale della competizione che combina dimensioni di mercato del prodotto e mercato del lavoro, mostrando come diversi tipi di concorrenti (diretti, indiretti, potenziali o deboli) presentino dinamiche competitive differenti.

4. Scoprono che la rete HCF presenta proprietà “small-world” con debole omofilia industriale, indicando una diffusa mobilità dei dipendenti tra settori e la necessità di metriche basate su rete per catturare pattern globali.

Contributo alla letteratura

Questo studio contribuisce alla comprensione della competizione nel mercato del lavoro, collegando i framework teorici della competizione tra imprese con la misurazione empirica. Gli autori introducono metodi basati sui dati per identificare i concorrenti nel mercato del lavoro che vanno oltre le classificazioni industriali, mostrando che la competizione per il capitale umano spesso trascende i confini tradizionali dei settori.

Il loro approccio dimostra il valore dell'analisi di rete per comprendere le dinamiche del mercato del lavoro, rivelando come la conoscenza esplicita (competenze) e la conoscenza tacita (rilevata attraverso relazioni di rete) influenzino i modelli competitivi. La metodologia consente un'identificazione più precisa dei futuri concorrenti per il capitale umano, con implicazioni per le strategie di reclutamento e fidelizzazione dei talenti.

Il documento fornisce anche una validazione empirica della visione basata sulle risorse dell'impresa, mostrando come le configurazioni del capitale umano influenzino il posizionamento competitivo.

Riferimento bibliografico

Liu, Y., Pant, G., & Sheng, O. R. L. (2023). Predicting Labor Market Competition: Leveraging Interfirm Network and Employee Skills. Working Paper.

Verifica la disponibilità on-line

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Panoramica

López, Guerrero e Axtell (2020) sviluppano un quadro teorico basato sulle reti per comprendere i flussi di lavoro tra imprese.

Lo studio costruisce reti di flusso di lavoro (Labor Flow Networks, LFN) dove le imprese sono nodi e le connessioni rappresentano percorsi persistenti di mobilità lavorativa tra imprese. Utilizzando microdati amministrativi dalla Finlandia e dal Messico che coprono decenni, gli autori stabiliscono criteri per identificare flussi di lavoro significativi tra imprese e sviluppano un modello stocastico in cui i lavoratori navigano questa rete secondo regole specifiche.

Il loro framework produce due importanti intuizioni: (1) le distribuzioni delle dimensioni delle imprese emergono naturalmente dalla struttura di connettività delle imprese nella rete e dai loro tassi di separazione, specificamente Li ≈ CL * ki/λi (la dimensione dell'impresa è proporzionale al grado dell'impresa diviso per il suo tasso di separazione); e (2) un nuovo concetto di “disoccupazione specifica dell'impresa” che mostra come le singole imprese contribuiscano alla disoccupazione complessiva attraverso la loro posizione nella rete.

Classificazione metodologica

Questo articolo può essere classificato come:

1. Analisi di rete applicata ai mercati del lavoro – Utilizza la teoria delle reti per modellare la mobilità dei lavoratori tra imprese

2. Valutazione d'impatto delle dinamiche del mercato del lavoro – Quantifica come la struttura della rete influenzi la disoccupazione e le dimensioni delle imprese

3. Studio sulla complessità del mercato del lavoro – Esamina le interazioni tra le proprietà delle imprese e la mobilità dei lavoratori

4. Utilizzo di grafi dinamici per catturare cambiamenti strutturali – Modella il mercato del lavoro come una rete dinamica con flussi

Risultati principali

Gli autori dimostrano innanzitutto che i flussi di lavoro tra imprese presentano persistenza – se i lavoratori transitano dall'impresa A all'impresa B, questo aumenta significativamente la probabilità di future transizioni lungo lo stesso percorso. Sulla base di questo risultato, costruiscono LFN e sviluppano un modello stocastico in cui:

• I lavoratori possono separarsi dalle imprese con una probabilità specifica λi
• I lavoratori disoccupati possono fare domanda presso imprese vicine nella rete
• Le imprese accettano le domande con probabilità variabili

Questo modello produce diversi risultati importanti:

1. La distribuzione a legge di potenza delle dimensioni delle imprese emerge dalla struttura della rete e dai tassi di separazione

2. La disoccupazione specifica dell'impresa segue una distribuzione con coda pesante

3. La posizione di un'impresa nella rete influisce sia sulla sua dimensione che sul suo contributo alla disoccupazione

Contributo alla revisione della letteratura

López et al. (2020) forniscono un contributo significativo alla comprensione dei mercati del lavoro attraverso la teoria delle reti. Il loro approccio collega aree di ricerca precedentemente separate: la mobilità da lavoro a lavoro e le distribuzioni delle dimensioni delle imprese. Mentre i tradizionali modelli del mercato del lavoro sono spesso aggregati o a grana grossa, questo articolo fornisce un framework disaggregato che preserva la ricca eterogeneità delle imprese e delle transizioni dei lavoratori.

Il concetto di disoccupazione specifica dell'impresa è particolarmente innovativo, mostrando come la disoccupazione possa essere compresa come un fenomeno di rete locale piuttosto che solo come una condizione economica globale. Questa prospettiva rivela come certe imprese possano contribuire in modo sproporzionato alla disoccupazione in base alla loro posizione nella rete e alle loro proprietà.

I risultati degli autori sulle distribuzioni delle dimensioni delle imprese offrono una nuova interpretazione della ben nota legge di potenza nelle dimensioni delle imprese. Piuttosto che essere guidate dalla produttività o dai processi di crescita dell'impresa, il loro modello suggerisce che le dimensioni delle imprese emergono dalla struttura sottostante delle reti di mobilità dei lavoratori e dai tassi di separazione.

Per i ricercatori che studiano modelli di rete dinamici dei mercati del lavoro, questo articolo fornisce sia innovazioni metodologiche che validazioni empiriche utilizzando dati amministrativi completi. Il framework apre possibilità per interventi politici più mirati che considerino la struttura di rete dei mercati del lavoro.

Riferimento bibliografico

López, E., Guerrero, O. A., & Axtell, R. L. (2020). A network theory of inter-firm labor flows. EPJ Data Science, 9(1), 1-41. https://doi.org/10.1140/epjds/s13688-020-00251-w

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Titolo

“A network analytical approach to the study of labour market mobility”

Classificazione dell'approccio

• Analisi di rete applicata al mercato del lavoro
• Studio sulla complessità del mercato del lavoro
• Utilizzo di grafi dinamici per catturare cambiamenti strutturali
• Innovazione metodologica per l'analisi di segmentazione

Elementi principali dello studio

Toubøl, Larsen e Jensen (2013) presentano un innovativo approccio metodologico per l'analisi della mobilità nel mercato del lavoro. Il loro contributo principale consiste in due elementi:

1. MONECA (Mobility Network Clustering Algorithm): un algoritmo di clustering progettato per identificare gruppi coesi in reti dense, basato sul principio di connettività piuttosto che similarità.

2. Misura di Rischio Relativo (RR): una misura di peso per le connessioni di rete che determina l'intensità relativa dei flussi di mobilità tra diverse categorie occupazionali o settori.

Applicando questo approccio ai dati amministrativi danesi sulla mobilità lavorativa nel periodo 2001-2007, gli autori superano una limitazione fondamentale della teoria tradizionale sulla segmentazione del mercato del lavoro: invece di definire i segmenti a priori in base a teorie preesistenti, identificano empiricamente i segmenti attraverso l'osservazione diretta dei modelli di mobilità.

L'analisi rivela 26 segmenti distinti nel mercato del lavoro danese, ciascuno con livelli specifici di mobilità interna e coesione. Un risultato significativo è che il 51,1% della mobilità lavorativa avviene all'interno dello stesso settore industriale, evidenziando una forte strutturazione del mercato.

Contributi alla letteratura

Questo studio contribuisce in modo significativo alla letteratura sui mercati del lavoro fornendo un metodo empirico per identificare i segmenti e le barriere alla mobilità. Gli autori dimostrano che la segmentazione non segue una logica unica ma varia attraverso diversi settori, con principi organizzativi che possono includere tipi di occupazione, prodotti, posizione nel processo economico, e persino fattori demografici come il genere.

Implicazioni

I risultati suggeriscono che le classificazioni industriali standard (come NACE) non riflettono sempre accuratamente i modelli reali di mobilità lavorativa. L'approccio di rete sviluppato dagli autori permette una comprensione più fine della struttura del mercato del lavoro, con potenziali applicazioni in altre aree di studio della mobilità sociale, come la mobilità intergenerazionale e i modelli matrimoniali.

Schema per una literature review

1. Analisi di rete nei mercati del lavoro

Toubøl, Larsen e Jensen (2013) introducono un approccio basato sulla teoria delle reti per mappare la mobilità lavorativa, sviluppando un algoritmo specifico (MONECA) che identifica cluster di mobilità basati su flussi reali di lavoratori invece che su classificazioni predefinite.

2. Complessità del mercato del lavoro

Lo studio di Toubøl, Larsen e Jensen (2013) evidenzia la complessa strutturazione del mercato del lavoro danese, dimostrando come la mobilità sia tutt'altro che casuale e come i confini tra segmenti non seguano necessariamente le tradizionali linee di demarcazione settoriale.

3. Utilizzo di grafi dinamici per catturare cambiamenti strutturali

Toubøl, Larsen e Jensen (2013) applicano un'analisi di rete ponderata per identificare modelli di mobilità lavorativa, utilizzando la misura di Rischio Relativo per quantificare l'intensità dei flussi di mobilità tra diversi settori industriali e identificare strutture significative in una rete altrimenti densa.

4. Metodologia per la segmentazione del mercato del lavoro

Superando le limitazioni delle tradizionali teorie di segmentazione del mercato del lavoro, Toubøl, Larsen e Jensen (2013) propongono un metodo guidato dai dati che identifica empiricamente i segmenti del mercato attraverso l'osservazione diretta della mobilità, permettendo una mappatura più accurata delle barriere che strutturano la mobilità lavorativa.

Riferimento bibliografico

Toubøl, J., Larsen, A. G., & Jensen, C. S. (2013). A network analytical approach to the study of labour market mobility. Paper presented at XXXIII Sunbelt Social Networks Conference of the International Network for Social Network Analysis (INSNA), Hamburg, Germany.

Verifica la disponibilità online

Giampaolo Montaletti

Orcid LinkedIn montaletti.com

Panoramica dell'articolo

Saygin, Weber e Weynandt (2014) analizzano l'influenza delle reti sociali di origine lavorativa sui risultati della ricerca di impiego per i lavoratori licenziati a seguito delle chiusure aziendali.

Utilizzando dati amministrativi completi dai registri austriaci della previdenza sociale, che coprono 151.432 lavoratori licenziati da 27.960 aziende in chiusura tra il 1980 e il 2007, gli autori definiscono le reti sociali sulla base degli ex-colleghi con cui i lavoratori licenziati hanno condiviso un luogo di lavoro nei cinque anni precedenti il licenziamento.

Approccio metodologico

Gli autori esaminano gli effetti della rete da due prospettive complementari:

1. Prospettiva del lavoratore in cerca di impiego: Come le caratteristiche della rete (dimensione, tasso di occupazione, tipologia di aziende) influenzano i tassi di ricollocamento e i salari

2. Prospettiva dell'azienda che assume: Come i collegamenti con ex-colleghi influenzano le probabilità di assunzione

La loro strategia di identificazione confronta lavoratori licenziati dalla stessa azienda in chiusura ma con diverse caratteristiche di rete, consentendo di isolare gli effetti di rete da altri fattori confondenti.

Risultati principali

• La quota di membri della rete occupati aumenta significativamente i tassi di ricollocamento. Un aumento di una deviazione standard nella quota di ex-colleghi occupati incrementa il tasso di rischio di trovare un nuovo impiego del 4%.
• La tipologia di aziende in cui lavorano i contatti è rilevante:
  • Gli ex-colleghi in aziende in espansione facilitano l'aumento dei tassi di ricollocamento
  • Gli ex-colleghi nello stesso settore industriale sono particolarmente efficaci per trovare nuovi impieghi
  • Gli ex-colleghi in aziende con salari elevati aiutano i lavoratori licenziati a trovare posizioni meglio retribuite
• Evidenze sostanziali a favore del meccanismo di assunzione tramite referenze: i lavoratori con un collegamento diretto a un ex-collega in un'azienda connessa hanno una probabilità più che doppia di essere assunti da tale azienda rispetto a lavoratori simili privi di tale collegamento
• Circa il 21% dei lavoratori licenziati trova un nuovo impiego in un'azienda connessa alla precedente tramite reti di ex-colleghi
• Gli effetti di rete mostrano eterogeneità tra diversi gruppi di lavoratori:
  • I lavoratori impiegati beneficiano maggiormente rispetto agli operai
  • I lavoratori più anziani beneficiano maggiormente rispetto ai giovani
  • I cittadini austriaci beneficiano maggiormente rispetto ai non austriaci

Classificazione

Questo articolo può essere classificato come:

• Analisi di rete applicata ai mercati del lavoro: Utilizza la teoria delle reti per modellare la mobilità dei lavoratori
• Valutazione d'impatto delle dinamiche del mercato del lavoro: Quantifica come la struttura della rete influenzi la durata della disoccupazione e i salari di ricollocamento
• Studio sulla complessità del mercato del lavoro: Esamina le interazioni tra lavoratori, aziende e reti sociali
• Utilizzo di dati amministrativi dettagliati per analizzare le transizioni nel mercato del lavoro: Applica dati completi matched employer-employee per analizzare le transizioni dei lavoratori

Contributo alla revisione della letteratura

Questo articolo offre contributi significativi alla comprensione delle reti sociali nei mercati del lavoro, distinguendo tra diversi meccanismi di trasmissione dell'informazione. L'approccio innovativo a doppia prospettiva (esaminando sia i cercatori di lavoro che le aziende che assumono) fornisce evidenze convincenti che le referenze lavorative costituiscono il canale primario attraverso cui operano le reti, piuttosto che un semplice scambio generale di informazioni.

La scoperta che la qualità della rete (tipologia di aziende in cui lavorano i contatti) è importante quanto la quantità della rete (quota di contatti occupati) avanza la nostra comprensione del funzionamento delle reti. Ciò ha importanti implicazioni per i modelli di dinamica del mercato del lavoro e per le politiche mirate ai lavoratori licenziati.

Inoltre, i risultati sull'eterogeneità degli effetti di rete mettono in discussione la convinzione convenzionale che le reti informali avvantaggino principalmente i lavoratori meno qualificati. Al contrario, gli autori dimostrano che i lavoratori altamente qualificati, autoctoni e più anziani traggono maggior valore dalle loro reti professionali, suggerendo importanti sfumature su come diversi gruppi demografici utilizzino il capitale sociale nella ricerca di lavoro.

Riferimento bibliografico

Saygin, P. O., Weber, A., & Weynandt, M. A. (2014). Coworkers, Networks, and Job Search Outcomes. IZA Discussion Paper No. 8174. Institute for the Study of Labor (IZA). Verifica se è disponibile online.

#papers #ita

Giampaolo Montaletti

Orcid LinkedIn montaletti.com