Helpen automatiseringskansen om de toekomst van banen te voorspellen? | Amsterdam University Press Journals Online
2004
Volume 39, Issue 1
  • ISSN: 0169-2216
  • E-ISSN: 2468-9424

Abstract

Samenvatting

Frey en Osborne (2017) ontwikkelden een methode om de automatiseringskans van beroepen af te leiden uit de huidige taaksamenstelling van die beroepen. Daarmee voorspellen ze welke beroepen door technologie op termijn zullen groeien of verdwijnen. De vraag is wat de voorspellende waarde van de Frey en Osborne Index (FOI) is. Een vergelijking met een andere voorspellende methode, de Labouring Capacity Index (LCI) van Pfeiffer en Suphan (2015), kan deze vraag beantwoorden. De surveydata van de Vlaamse Werkbaarheidsmonitor 2013 zijn gebruikt om de automatiseringskansen van zes beroepen te berekenen gebaseerd op de twee indexen. De afwijking tussen de voorspelde en reële ontwikkeling in omvang van die beroepen, gemeten met de Labour Force Survey, geeft zicht op de voorspellende waarde van de FOI en LCI. De analyses laten zien dat de voorspellende waarde van de methoden beperkt is, en dat de LCI iets beter voorspelt. De conclusie is dat de toekomst van beroepen beter anderszins dan op basis van de huidige taaksamenstelling van beroepen moet worden geschat. Vooral onderzoek is nodig naar de toekomst van organisatievormen, omdat die zullen bepalen waarop regeltaken op alle organisatieniveaus over functies worden verdeeld.

Loading

Article metrics loading...

/content/journals/10.5117/TVA2023.1.008.DHON
2023-03-01
2024-07-21
Loading full text...

Full text loading...

References

  1. Autor, D. H. (2015). Why Are There Still So Many Jobs? The History and Future of Workplace Automation. Journal of Economic Perspectives, 29, 3-30. https://doi.org/10.1257/jep.29.3.3
    [Google Scholar]
  2. Bourdeaud’hui, R., Janssens, F., & Vanderhaeghe, S. (2019). Methodologie Vlaamse werkbaarheidsmonitor.
    [Google Scholar]
  3. Dhondt, S., Kraan, K. O., & Bal, M. (2021). Organisation, technological change and skills use over time: A longitudinal study on linked employee surveys. New Technology, Work and Employment. https://doi.org/10.1111/ntwe.12227
    [Google Scholar]
  4. Fernández-Macías, E., Klenert, D., & Antón, J. I. (2021). Not so disruptive yet? Characteristics, distribution and determinants of robots in Europe. Structural Change and Economic Dynamics, 58, 76-89. https://doi.org/10.1016/j.strueco.2021.03.010
    [Google Scholar]
  5. Foster-Johnson, L., & Kromrey, J. D. (2018). Predicting group-level outcome variables: An empirical comparison of analysis strategies. Behavior Research Methods, 50, 2461-2479. https://doi.org/10.3758/s13428-018-1025-8
    [Google Scholar]
  6. Foster-McGregor, N., Nomaler, Ö., & Verspagen, B. (2019). Job automation risk, economic structure and trade: a European perspective. In UNU-MERIT Working Paper Series (ISSN 1871-9872; Vol. 11). https://doi.org/10.20955/r.85.67
    [Google Scholar]
  7. Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation?. Technological Forecasting and Social Change, 114, 254-280. https://doi.org/10.1016/j.techfore.2016.08.019
    [Google Scholar]
  8. Heald, S., Smith, A., & Fouarge, D. (2019). Labour market forecasting scenario’s for automation risks: Approach and outcomes. https://technequality-project.eu/files/d14fdmethodologyscenariodesignv10pdf
    [Google Scholar]
  9. Josten, C., & Lordan, G. (2022). Automation and the changing nature of work. PLOS ONE, 17, e0266326. https://doi.org/10.1371/journal.pone.0266326
    [Google Scholar]
  10. Kuipers, H., Van Amelsvoort, P., & Kramer, E. (2020). New ways of organizing. Alternatives to bureaucracy. Acco Uitgeverij.
    [Google Scholar]
  11. Lorenz, E., & Valeyre, A. (2005). Organisational Innovation, Human Resource Management and Labour Market Structure: A comparison of the EU-15. The Journal of Industrial Relations, 47, 424-442.
    [Google Scholar]
  12. Nedelkoska, L., & Quintini, G. (2018). Automation, skills use and training. (OECD Social, Employment and Migration Working Papers, No. 202). OECD Publishing. https://doi.org/10.1787/2e2f4eea-en.
    [Google Scholar]
  13. Perez, C., & Murray Leach, T. (2022). Technological Revolutions: Which Ones, How Many and Why It Matters: a Neo-Schumpeterian View. (BEYOND4.0 deliverable D7.1). London: BEYOND4.0.
    [Google Scholar]
  14. Pfeiffer, S., & Suphan, A. (2015). The Labouring Capacity Index: Living Labouring Capacity and Experience as Resources on the Road to Industry 4.0. (Working Paper 2015 #2). University of Hohenheim – Chair for Sociology. https://www.sabine-pfeiffer.de/files/downloads/2015-PfeifferSuphan-EN.pdf
    [Google Scholar]
  15. Rijnks, R. H., Crowley, F., & Doran, J. (2022). Regional variations in automation job risk and labour market thickness to agricultural employment. Journal of Rural Studies, 91, 10-23. https://doi.org/10.1016/j.jrurstud.2021.12.012
    [Google Scholar]
http://instance.metastore.ingenta.com/content/journals/10.5117/TVA2023.1.008.DHON
Loading
/content/journals/10.5117/TVA2023.1.008.DHON
Loading

Data & Media loading...

This is a required field
Please enter a valid email address
Approval was a Success
Invalid data
An Error Occurred
Approval was partially successful, following selected items could not be processed due to error