Measuring employment readiness for hard-to-place individuals

Forskningsartiklen dokumenterer BIP progressionsmålingsredskabets evner til at forudsige, om ledige borgere finder beskæftigelse, starter uddannelse eller begynder jobsøgning.

Progressionsmålingsredskabet indeholder et unikt spørgeskema til hhv. borger og sagsbehandler med 11 spørgsmål til hver omhandlende for eksempel borgerens helbredsmestring, tro på at få job, samarbejdsevner og jobsøgningsadfærd.

Ved hjælp af nye Machine Learning metoder analyseres BIP-spørgsmålenes prædiktive egenskaber og sammenlignes med de prædiktive egenskaber af registerdata (for eksempel køn, alder, etnicitet, ledighedshistorik og arbejdsmarkedstilknytning).

De nye metoder bekræfter og styrker de offentliggjorte resultater fra BIP fra 2017.

På denne side kan du læse en kort opsummering af konklusioner og perspektiver i artiklen. Hvis du vil læse hele artiklen, kan du hente den længere nede på siden.

Konklusion

• BIP-spørgsmålene har en imponerende evne til at måle progression mod beskæftigelse. De er meget bedre end registerdata.
• Sagsbehandlerens tro på borgerens jobchancer er den indikator, som har den største påvirkning på borgerens jobsandsynlighed.
• Prædiktionen i et mindre sæt på 8 indikatorer er næsten lige så god som i det fulde sæt på 22 indikatorer.
• Progressionsmålingsredskabet kan være et vigtigt værktøj for beslutningstagere og praktikere i beskæftigelsesindsatsen, der vil bidrage til at øge arbejdsmarkedsdeltagelsen blandt ledige med sociale og helbredsmæssige udfordringer.

Datakilde og metode

Forskningsartiklen er udarbejdet på baggrund af data fra BIPs progressionsmålingsværktøj koblet med data fra STARs DREAM-register og Danmarks Statistik.

Forskningsartiklen anvender fire forskellige Machine Learning metoder til at undersøge spørgeskemadata og registerdatas evne til at forudsige jobsandsynlighed:

• Linear probability model
• Logistic regression model with LASSO
• Random forest model
• Extreme gradient boosting model

Det kan du læse om i artiklen

Forskningsartiklen indeholder forskellige ting, og du kan bl.a. dykke ned i:

• Præsentation af BIP indikatorerne – på engelsk benævnt ERIQ (the Employment Readiness Indicator Questionaire)
• Hvilke indikatorer, der har stærkest sammenhæng med overgang til beskæftigelse og jobsøgningsadfærd
• Tabeller og grafer, der viser, hvor meget af de ledige borgeres jobsøgningsadfærd og overgang til beskæftigelse og/eller uddannelse, der kan forklares med BIP indikatorerne (ERIQ) sammenlignet med registerdata, og hvor meget de to datasæt forklarer tilsammen.
• Variationer i forudsigelseskraft afhængig af om der testes på ledige over/under 30 år, hvilket mål der opsættes (beskæftigelse vs. uddannelse), og om spørgeskema til både borger og sagsbehandler inddrages.

Forfattere på artiklen

Forskningsartiklen er udarbejdet af en forskergruppe på Department of Economics and Business Economics, Aarhus Universitet, bestående af:

• Simon Tranberg Bodilsen, Postdoc
• Søren Albeck Nielsen, Adjunkt
• Michael Rosholm, Professor