有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
O*NET|职业信息数据集|劳动力市场数据集
收藏www.onetonline.org2024-10-30 收录
下载链接：
https://www.onetonline.org/
下载链接
链接失效反馈资源简介：
O*NET（Occupational Information Network）是一个综合性的职业信息数据库，提供了关于各种职业的详细描述，包括技能要求、工作活动、知识领域、工作环境等。该数据集被广泛用于职业分析、教育和劳动力市场研究。
提供机构：
www.onetonline.org
AI搜集汇总
数据集介绍
构建方式
O*NET数据集的构建基于对职业信息的广泛收集与系统整合。该数据集通过多渠道收集职业描述、技能要求、工作环境等信息，并采用标准化编码体系进行分类与归档。数据来源包括政府统计、行业报告、雇主调查及职业专家访谈，确保信息的全面性与权威性。
特点
O*NET数据集以其详尽的职业信息和多维度的数据结构著称。它不仅涵盖了职业的基本描述，还包括技能、知识、能力、工作活动等多个维度，为职业分析提供了丰富的数据支持。此外，该数据集定期更新，确保信息的时效性与准确性，适用于多种职业研究和人力资源管理应用。
使用方法
O*NET数据集可广泛应用于职业分析、教育培训、人力资源规划等领域。用户可通过在线查询工具或API接口访问数据，进行职业匹配、技能评估及职业发展路径规划。数据集的结构化设计使得数据提取与分析变得简便，支持定制化报告生成和深度数据挖掘，满足不同用户的需求。
背景与挑战
背景概述
O*NET（Occupational Information Network）数据集是由美国劳工部开发的一个综合职业信息数据库，旨在提供关于职业的详细描述和分类。该数据集创建于1998年，由国家职业信息协调委员会（NOICC）与劳工统计局（BLS）合作开发。O*NET的核心研究问题是如何系统地收集、分类和更新职业信息，以支持职业咨询、劳动力市场分析和教育培训项目。该数据集对职业研究领域产生了深远影响，成为职业分类和劳动力市场分析的标准工具。
当前挑战
O*NET数据集在构建过程中面临多项挑战。首先，职业信息的多样性和复杂性要求数据集必须不断更新以反映职业环境的变化。其次，数据收集的广泛性和准确性是另一大挑战，涉及从多个来源整合信息，确保数据的一致性和可靠性。此外，O*NET还需应对技术进步带来的职业结构变化，确保数据集能够及时反映新兴职业和技能需求。这些挑战共同构成了O*NET数据集在职业研究和劳动力市场分析中的重要课题。
发展历史
创建时间与更新
O*NET数据集最初由美国劳工部于1998年创建，旨在替代原有的职业名称词典（DOT）。自创建以来，O*NET经历了多次重大更新，最近一次主要更新发生在2021年，以确保数据集的时效性和准确性。
重要里程碑
O*NET的一个重要里程碑是其在2000年正式取代了职业名称词典（DOT），成为美国职业信息的标准来源。此外，2007年，O*NET推出了在线数据库，使得用户可以更方便地访问和查询职业信息。2012年，O*NET引入了职业分类系统（O*NET-SOC），进一步提升了数据集的结构化和标准化程度。
当前发展情况
当前，O*NET数据集已成为全球职业信息领域的重要参考资源，广泛应用于职业咨询、教育和人力资源管理等多个领域。其不断更新的数据和丰富的职业描述，为政策制定者、教育工作者和企业提供了宝贵的决策支持。O*NET的持续发展不仅推动了职业信息的标准化，还促进了跨领域的数据共享和应用创新。
发展历程
- 美国劳工部首次启动O*NET项目，旨在替代过时的职业信息网络（DOT）系统。
- O*NET数据库正式发布，包含超过1000种职业的详细信息。
- O*NET开始被广泛应用于职业咨询、教育和劳动力市场分析。
- O*NET数据库进行重大更新，增加了新的职业分类和技能描述。
- O*NET在线工具推出，提供用户友好的界面，方便公众访问和使用。
- O*NET数据库再次更新，引入了新的职业和技能标准，以反映劳动力市场的变化。
- O*NET发布最新版本，进一步优化了数据结构和用户界面，增强了数据的可访问性和实用性。
常用场景
经典使用场景
在职业研究领域，O*NET数据集被广泛用于分析和描述职业特征。该数据集提供了详尽的职业信息，包括技能要求、工作活动、知识领域和职业发展路径等。研究者利用这些数据进行职业分类、技能匹配和劳动力市场分析，从而为职业规划和教育培训提供科学依据。
衍生相关工作
基于O*NET数据集，许多经典研究工作得以开展。例如，研究者利用该数据集开发了职业技能匹配算法，帮助求职者找到最适合的工作。此外，O*NET还启发了关于职业流动性和技能迁移的研究，为理解劳动力市场的动态变化提供了新的视角。这些研究不仅丰富了职业研究的理论框架，也为实际应用提供了有力支持。
数据集最近研究
最新研究方向
在职业信息领域，O*NET数据集的最新研究方向主要集中在职业技能与人工智能（AI）技术的融合。随着AI技术的迅猛发展，研究者们正探索如何利用O*NET数据集中的职业技能描述，来预测和适应未来工作市场的变化。这一研究不仅有助于理解AI对现有职业的影响，还能为职业培训和教育提供科学依据，从而促进劳动力市场的灵活性和适应性。此外，O*NET数据集还被用于分析不同职业间的技能重叠，以优化职业转换路径，提升劳动力的就业能力和职业满意度。
相关研究论文
- 1O*NET: A New Deal for Online EmploymentU.S. Department of Labor · 2002年
- 2The O*NET Content Model: A Framework for the Development of Occupational StandardsU.S. Department of Labor · 2000年
- 3Using O*NET to Improve Career Guidance ServicesERIC · 2015年
- 4O*NET-SOC: A Comprehensive Structured Occupational Classification SystemU.S. Department of Labor · 2010年
- 5The Role of O*NET in Modern Labor Market AnalysisU.S. Bureau of Labor Statistics · 2018年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
基于站点观测的中国1km土壤湿度日尺度数据集（2000-2022）
本研究提供了中国范围1km高质量的土壤湿度数据集-SMCI1.0(Soil Moisture of China by in situ data, version 1.0)，SMCI1.0是包含2000-2022年、日尺度、以10厘米为间隔10层深度（10-100cm）的高时空分辨率土壤湿度，数据单位为0.001m³/m³，缺失值为-999，投影为WGS1984。该数据集是以中国气象局提供的1,648个站点观测10层土壤湿度作为基准，使用ERA5_Land气象强迫数据、叶面积指数（LAI）、土地覆盖类型（Landtypes）、地形（DEM）和土壤特性（Soil properties）作为协变量，通过机器学习方式获得。本研究进行了两组实验以验证SMCI1.0的精度，时间尺度上：ubRMSE为0.041-0.052，R为0.883-0.919；空间尺度上：ubRMSE为0.045-0.051，R为0.866-0.893。 由于SMCI1.0是基于实地观测的土壤湿度，它可以作为现有基于模型和卫星数据集的有效补充。该数据产品可用于各种水文、气象、生态分析和建模，尤其在需要高质量、高分辨率土壤湿度的应用上至关重要。有关数据集的引用及详细描述，请阅读说明文档。为便于使用，本研究提供了两种不同分辨率的版本：30 秒（~1km）和0.1度（~9km）。
国家青藏高原科学数据中心 收录
中国知识产权局专利数据库
该数据集包含了中国知识产权局发布的专利信息，涵盖了专利的申请、授权、转让等详细记录。数据内容包括专利号、申请人、发明人、申请日期、授权日期、专利摘要等。
www.cnipa.gov.cn 收录
btc
该数据集可能包含金融市场交易数据，具体包括时间戳、开盘价、最高价、最低价、收盘价和交易量等信息。数据集分为训练集，包含2465个样本，总大小为175324字节。
huggingface 收录
FMA (Free Music Archive)
免费音乐档案 (FMA) 是一个大型数据集，用于评估音乐信息检索中的多个任务。它包含 343 天的音频，来自 16,341 位艺术家的 106,574 首曲目和 14,854 张专辑，按 161 种流派的分级分类排列。它提供完整长度和高质量的音频、预先计算的功能，以及轨道和用户级元数据、标签和自由格式的文本，例如传记。作者定义了四个子集：Full：完整数据集，Large：音频限制为 30 秒的完整数据集 从轨道中间提取的剪辑（如果短于 30 秒，则为整个轨道），Medium：选择25,000 个具有单一根流派的 30 年代剪辑，小：一个平衡的子集，包含 8,000 个 30 年代剪辑，其中 8 种根流派中的每一个都有 1,000 个剪辑。官方分为训练集、验证集和测试集（80/10/10）使用分层抽样来保留每个流派的曲目百分比。同一艺术家的歌曲只是一组的一部分。资料来源：FMA：音乐分析数据集
OpenDataLab 收录