Aller au contenu

Aperçu

En savoir plus sur le Tableau de bord des tendances de l'emploi au Canada

Le Tableau de bord des tendances de l’emploi au Canada permet aux utilisateurs d’explorer l’information sur le marché du travail en fonction des tendances relevées dans les offres d’emploi en ligne de partout au Canada.

L’information trouvée dans les affichages de poste en ligne peut aider à suivre les tendances des exigences professionnelles, comme les compétences, les connaissances, les outils et les technologies, ainsi que la demande professionnelle.

Ce tableau de bord interactif est mis à jour chaque semaine avec de nouvelles données. Les données sur les offres d’emploi en ligne sont recueillies à partir de milliers de sites Web et de babillards d’emploi canadiens par Vicinity Jobs. Le CIMT intègre ces données dans son carrefour de données afin que le tableau de bord puisse donner accès à une IMT granulaire et opportune à toutes les personnes au Canada souhaitant explorer les tendances en matière d’emploi.

Pour apprendre à utiliser le tableau de bord, consultez cet aperçu et notre foire aux questions. Si vous ne trouvez toujours pas la réponse que vous cherchez, veuillez nous envoyer un courriel à info@lmic-cimt.ca.

Contexte

Le CIMT s’efforce de donner aux Canadiens les moyens de prendre des décisions éclairées en permettant l’accès à des données et à des renseignements de qualité, pertinents et complets dans l’écosystème pancanadien de l’information sur le marché du travail (IMT).

En 2018, le CIMT a mené une série d’enquêtes pour interroger les Canadiens au sujet de leurs besoins d’information sur le marché du travail. Nous avons constaté que les exigences en matière de travail et de compétences étaient le type d’IMT le plus recherché par presque tous les groupes interrogés.

Pour fournir aux Canadiens l’IMT dont ils ont besoin pour réussir sur le marché du travail, nous avons créé le tableau de bord des tendances de l’emploi au Canada.

Ce tableau de bord interactif est mis à jour chaque semaine et fournit des renseignements sur les liens entre les exigences professionnelles et les offres d’emploi en ligne partout au Canada.

Les offres d’emploi en ligne indiquent les exigences professionnelles détaillées par les employeurs. Les exigences professionnelles comprennent les compétences, les domaines de connaissance, les outils et les technologies.

Les données sur les offres d’emploi en ligne sont recueillies sur des milliers de sites Web et de babillards d’emploi canadiens par Vicinity Jobs.

Le CIMT intègre ces données de Vicinity Jobs dans son carrefour de données.

Les données de notre tableau de bord sont mises à jour chaque semaine et datent de janvier 2018.

Comment utiliser le tableau de bord

Le tableau de bord offre un aperçu de ce que les employeurs canadiens recherchent chez les employés potentiels. Il permet aux utilisateurs d’explorer des informations granulaires et opportunes sur le marché du travail en rapport avec les offres d’emploi en ligne.

Les utilisateurs peuvent explorer le type et la fréquence des professions et des exigences professionnelles dans n’importe quelles période (à partir de janvier 2018), région et niveau du code de la CNP.

Le tableau de bord propose deux façons de visualiser les données sur les offres d’emploi en ligne : par profession ou par exigence de travail. Ces deux affichages donnent un aperçu des professions ou des exigences professionnelles liées à la requête de recherche.

Le tableau de bord offre également différentes façons de rechercher des données : recherche générale ou recherche spécifique.

Professions

L’onglet des professions fournit le classement, le code de la CNP, la profession et les affichages (nombre d’affichages de postes en ligne dans lesquels apparaît votre recherche).

En cliquant sur une profession dans cette liste, vous obtiendrez les exigences professionnelles associées à celle-ci.

Exigences professionnelles

L’onglet des exigences professionnelles fournit le classement, la catégorie, les exigences professionnelles et la fréquence à laquelle les exigences professionnelles apparaissent dans les offres d’emploi en ligne.

En cliquant sur une exigence professionnelle dans la liste, vous obtiendrez les professions associées à celle-ci.

Recherche générale

Pour une recherche générale, laissez le champ de recherche vide, puis choisissez un lieu et une période de recherche. Vous obtiendrez ainsi une liste de toutes les professions correspondant à votre requête.

Recherche spécifique

Pour une recherche spécifique, saisissez un terme dans le champ de recherche, puis choisissez un lieu et une période de recherche. Vous obtiendrez ainsi une liste d’offres d’emploi correspondant au terme de recherche précis. Seules les professions correspondant à votre critère de recherche seront affichées.

Quelles sont les informations disponibles?

Le tableau de bord permet aux utilisateurs d’explorer des informations ponctuelles et granulaires sur le marché du travail en rapport avec les offres d’emploi en ligne.

Les utilisateurs peuvent explorer le type et la fréquence des exigences professionnelles dans n’importe quelles période (à partir de janvier 2018) et région.

Le CIMT classe les exigences professionnelles en quatre catégories basées sur la Taxonomie des compétences et capacités d’Emploi et développement social Canada (EDSC) : compétences, connaissances, outils et technologie et autres.

La taxonomie d’EDSC englobe sept catégories de compétences et de capacités. Nous avons regroupé les intérêts, les capacités et attributs personnels, les activités professionnelles et le contexte de travail dans la catégorie «autres».

Comment les informations sont-elles recueillies?

Les données relatives aux offres d’emploi en ligne sont fournies par Vicinity Jobs, une entreprise canadienne spécialisée dans l’analyse de mégadonnées et les technologies de recherche sur Internet. Elle recueille et analyse les offres d’emploi figurant sur des sites Web et babillards d’emplois puis associe chaque offre à une profession et à un ensemble d’exigences professionnelles.

Ces exigences professionnelles sont définies par la taxonomie exclusive à Vicinity Jobs, qui permet de classer les descriptions de travail en texte libre dans les offres d’emploi en ligne.

Ces données sont ensuite intégrées au carrefour de données du CIMT pour être utilisées dans le tableau de bord.

Les données du tableau de bord couvrent la période allant de janvier 2018 et à aujourd’hui.

Ces informations en temps quasi réel sur les emplois affichés et leurs exigences sont disponibles par profession détaillée (Guide sur les carrières) ainsi que par groupes professionnels agrégés, par mois, trimestre ou année et par lieu de travail.

À l’heure actuelle, 78 lieux infraprovinciaux ou infraterritoriaux fondés à quelques exception près sur les régions économiques de Statistique Canada, sont répertoriés.

Interprétation des données : mises en garde et limites

Il convient de tenir compte de certaines mises en garde et limites importantes lors de l’utilisation et de l’interprétation des données.

Toutes les offres d’emploi ne sont pas publiées en ligne

Les offres d’emploi ne sont pas toutes publiées en ligne. Certains employeurs peuvent rechercher du personnel avant qu’il n’y ait une offre d’emploi officielle. Cette recherche permet de créer un bassin de candidats à embaucher.

En outre, de nombreux emplois ouverts ne sont jamais publiés en ligne. Ces postes sont probablement pourvus à l’interne ou par le bouche-à-oreille.

Les exigences professionnelles ne sont pas toutes les mêmes

La liste des exigences professionnelles présentée n’indique pas l’importance de l’exigence pour la profession en question. Certaines exigences professionnelles ne sont pas obligatoires, mais cela n’est pas précisé dans l’offre d’emploi.

Il se peut également qu’une exigence de travail soit attendue pour cette offre d’emploi, mais qu’elle ne figure pas dans la liste.

Bien que nous ne puissions pas déterminer l’importance relative des exigences professionnelles pour une offre d’emploi, nous pouvons déterminer à quelle fréquence ces exigences apparaissent dans des offres d’emploi de même type.

Interprétation des données : offres d’emploi et postes vacants

Le tableau de bord présente un échantillon d’offres d’emploi en ligne. Bien que cet échantillon soit important, il ne constitue qu’un sous-ensemble de toutes les offres d’emploi. Même si de nombreux employeurs recrutent activement en ligne, les offres d’emploi ne coïncident pas exactement avec les postes vacants.

Les postes vacants désignent le nombre de postes disponibles qu’un employeur souhaite pourvoir. La principale source de données pour mesurer les postes vacants au Canada est l’Enquête sur les postes vacants et les salaires (EPVS) de Statistique Canada. Elle définit un poste vacant comme un poste qui est ou qui deviendra vacant au cours du prochain mois et pour lequel l’employeur recrute activement à l’extérieur de l’organisation.

Il y a trois mises en garde importantes lorsque l’on considère les affichages de postes dans le contexte des postes vacants :

  1. Tous les postes vacants ne sont pas affichés en ligne.
  2. Un décompte des offres d’emploi (en ligne et hors ligne) peut sous-estimer le nombre réel de postes vacants, car les employeurs peuvent chercher à pourvoir plusieurs postes vacants par le biais d’une seule offre.
  3. Le comptage des offres d’emploi peut surestimer le nombre de postes vacants si, par exemple, l’employeur ne retire pas une offre d’emploi qu’il ne cherche pas à pourvoir actuellement (auquel cas l’offre ne représente pas techniquement un poste vacant au sens de l’EPVS).

En général, le nombre de postes affichés dans notre tableau de bord sera différent du nombre total de postes vacants au Canada.

Interprétation des données : variations brutes et nettes de la demande d’emploi

Lorsque nous évaluons un secteur ou une profession en croissance, nous pensons à l’évolution nette de la demande d’emploi.

Par exemple, «Combien de nouveaux emplois en conception de sites Web y aura-t-il cette année?» est une question sur la variation nette de l’emploi.

À l’inverse, les changements bruts dans la demande d’emploi comprennent ces nouveaux emplois, plus les postes laissés vacants en raison du roulement du personnel (lorsque la personne précédente a quitté son poste).

Cette distinction est importante, car les offres d’emploi en ligne ne peuvent être utilisées, avec une certaine prudence, que comme indicateurs de la variation brute de la demande de main-d’œuvre et non pas des modifications nettes.

Dans le cas des offres d’emploi en ligne, il n’y a aucun moyen de savoir si le poste résulte de la croissance de l’organisation ou d’un besoin de pourvoir un poste existant qui est vacant.

Ainsi, la santé économique de différentes professions ne doit pas être estimée simplement à partir de la croissance du nombre d’offres d’emploi en ligne; la croissance peut ici refléter soit un dynamisme économique, soit un roulement de personnel particulièrement élevé.

Interprétation des données : fréquence des exigences professionnelles

La fréquence des exigences professionnelles n’indique pas nécessairement leur importance.

Chaque semaine, les offres d’emploi à l’échelle du Canada sont recueillies, nettoyées et structurées, afin d’en extraire les détails clés comme la profession, l’emplacement et les exigences professionnelles.

Comme ces données sont tirées d’offres d’emploi individuelles en ligne, il convient de noter que le langage utilisé par les employeurs ne suit pas le vocabulaire communément convenu.

Cette utilisation du langage dans le monde réel doit être interprétée avec prudence.

  1. Il n’est pas garanti que les employeurs énoncent explicitement toutes les exigences professionnelles dans les offres d’emploi. Dans de nombreux cas, ils peuvent supposer que certaines exigences sont évidentes pour les candidats potentiels et ne les mentionnent pas dans l’annonce.
  2. Il n’y a aucun moyen de savoir quelles exigences professionnelles sont essentielles pour le poste ou quelles sont les compétences nécessaires pour réussir dans l’emploi. Les données nous permettent seulement d’observer quelles exigences sont les plus fréquemment affichées par les employeurs.

Par exemple, Microsoft Excel a été associé à 22 % des offres d’emploi en ligne pour les économistes et les chercheurs et analystes en politique économique (CNP 4162) en 2019.

Cela signifie-t-il que les autres 78 % n’ont pas besoin d’expérience de Microsoft Excel pour réussir dans leur emploi? Probablement pas, mais nous ne sommes pas en mesure de le confirmer uniquement au moyen des données sur les offres d’emploi.

Interprétation des données : exigences professionnelles et compétences

Les données dans notre tableau de bord sont organisées en quatre catégories d’exigences professionnelles, elles-mêmes reposant sur la Taxonomie des compétences et des capacités d’EDSC :

  • Compétences : les capacités acquises que doit avoir une personne pour bien accomplir un travail ou une fonction, jouer un rôle ou effectuer ses tâches. Par exemple : la pensée critique et la résolution de problèmes.
  • Connaissances : les ensembles organisés d’informations servant dans l’exécution des tâches et des activités dans un domaine particulier. Par exemple : budgétisation et systèmes électriques.
  • Outils et technologie : les catégories d’outils et technologies utilisés pour effectuer les tâches du travail. Par exemple : Microsoft Excel et les diodes.
  • Autres : les exigences professionnelles qui ne sont pas prises en compte dans les trois autres catégories, y compris des activités professionnelles, le contexte de travail, les intérêts ainsi que les habiletés et attributs personnels.

Les exigences professionnelles d’un poste particulier sont une combinaison de compétences, de la connaissance d’un domaine et d’utilisation d’un outil ou d’une technologie en particulier. (Voir aussi : Qu’est-ce qu’une compétence?).

Étant donné la nature des catégories d’exigences professionnelles interdépendantes, mais distinctes, il est difficile de tirer des conclusions sur les compétences requises par les employeurs ou sur celles qui font défaut sur le marché du travail.

Collecte de données

Représentativité/biais

Lors du traitement du contenu des offres d’emploi en ligne, les données peuvent être biaisées en faveur de certains secteurs d’activité, professions, régions, tailles d’entreprises et niveaux de scolarité requis. Même si Vicinity Jobs s’efforce de saisir toutes les offres d’emploi en ligne vérifiables, il est impossible de le garantir.

Marché caché de l’emploi

De nombreux employeurs recrutent à l’interne ou par des moyens informels comme le bouche-à-oreille. Ces sources d’information sur la demande d’emploi ne peuvent être saisies dans les données sur les offres d’emploi en ligne ni dans les données des sondages sur les postes vacants.

Qualité des données

Les données sont recueillies à partir des offres d’emploi en ligne par le biais d’algorithmes de balayage qui visent à fournir un ensemble complet d’informations sur les offres d’emploi.

Les organisations qui collectent des données de cette manière développent généralement des algorithmes propriétaires pour nettoyer et structurer les données brutes. Bien que les données proviennent du même ensemble d’offres d’emploi en ligne, les informations sont structurées différemment selon les fournisseurs.

Malgré ces différences, l’assurance de la qualité demeure une partie essentielle du processus. À cette fin, Vicinity Jobs teste et révise fréquemment ses algorithmes de collecte, de nettoyage et de structuration des données brutes, en se basant à la fois sur des contrôles internes d’assurance de la qualité et sur les commentaires réguliers de partenaires, dont le CIMT.

Double affichage des offres d’emploi

L’un des principaux problèmes de qualité des données associés aux offres d’emploi en ligne est que de nombreux employeurs publient le même emploi sur plusieurs sites Web différents. En fait, on estime que 80 % des offres d’emploi sont des doublons.

Pour éviter le comptage multiple des offres d’emploi, la déduplication – qui consiste à supprimer les offres d’emploi apparaissant sur plusieurs sites – est essentielle.

Le processus n’est cependant pas parfait. Vicinity Jobs supprime environ 95 % des offres d’emploi en double chaque mois. Mais de légères variations dans une même offre, y compris dans la mise en page du site, signifient que certaines échappent à ce contrôle.

Méthodologie

Les données les plus recherchées dans les offres d’emploi en ligne sont les exigences professionnelles et les titres des postes.

Pour fournir aux utilisateurs les principales données qui les intéressent, l’analyse doit établir un lien entre les offres d’emploi et une profession (ou un titre de poste) et un ensemble d’exigences professionnelles. Pour y parvenir, le processus peut être divisé en quatre grandes étapes :

  • Collecte des données
  • Nettoyage des données
  • Structuration des données
  • Extraction des données

Bien que les quatre étapes se déroulent dans l’ordre, le peaufinage et l’optimisation de chaque étape nécessitent souvent de revoir les résultats d’une partie tout en testant de manière itérative une autre partie.

Par exemple, les étapes 3 et 4 (structuration et extraction) peuvent produire des informations précieuses qui permettront ensuite d’augmenter la précision des algorithmes de déduplication utilisés à l’étape 2 (nettoyage).

La méthode en quatre étapes pour transformer les offres d’emploi en ligne en informations et perspectives utiles sur le marché du travail est décrite ci-dessous.

Étape 1 : Collecte des données

La collecte des données fait référence au processus d’acquisition du texte des offres d’emploi en ligne. Ces offres d’emploi peuvent être extraites de babillards d’emplois, de sites Web d’agrégateurs d’emplois ou directement de sites Web d’entreprise.

La collecte des données fait généralement appel à diverses approches, dont le moissonnage du Web (téléchargement de texte brut à partir de sites Web) et l’accès au contenu des sites Web par la connexion API spécialisée de l’hôte.

Dans tous les cas, les données recueillies sont accessibles au public sans frais.

La technique souvent employée à cet effet est appelée analyse syntaxique du modèle objet de documents (DOM). Elle permet à l’utilisateur d’extraire des parties d’une page Web en fonction de sa structure HTML sous-jacente.

Plus précisément, les programmes de collecte de données peuvent extraire le contenu dynamique d’une page Web en faisant référence, par exemple, aux sélecteurs de feuille de style en cascade (CSS) associés à des parties précises de la page.

Il est important de noter que les protocoles d’assurance qualité sont mis en œuvre dès cette étape initiale grâce à la sélection des sites Web qui doivent faire l’objet d’un suivi.

Étant donné que les sites Web varient considérablement en termes de fiabilité des offres d’emploi publiées, Vicinity Jobs sélectionne ses sources d’emplois en procédant à un examen et à un contrôle minutieux avant de lancer le processus de collecte de données.

Étape 2 : Nettoyage des données

Une fois le texte brut téléchargé, il doit être traité sous une forme propice à une analyse statistique plus poussée. On appelle ce processus «l’extraction de caractéristiques».

En ce qui concerne les données textuelles, ce traitement comprend des tâches telles que la simplification de la ponctuation, la conversion des mots du pluriel au singulier, le remplacement des abréviations et le passage aux lettres minuscules.

Une autre phase du processus de nettoyage consiste à supprimer les doublons ou les fausses offres d’emploi.

Une solution utilisée par Vicinity Jobs pour résoudre le problème de la duplication des offres d’emploi est la déduplication, un processus pour supprimer les offres d’emploi en double. Ce processus est réalisé par un algorithme de traitement du langage naturel qui forme des modèles statistiques pour prédire si deux affichages font référence au même poste. Environ la moitié de toutes les offres d’emploi brutes sont identifiées comme des doublons et sont supprimées.

Étape 3 : Structuration des données

Une fois que les données des offres d’emploi sont recueillies et nettoyées, elles sont prêtes à être structurées et organisées en un ensemble précis de classifications ou de catégories.

Un exercice particulièrement important est la classification des offres d’emploi dans une taxonomie standard des professions. Parmi les exemples de taxonomies, citons la Classification nationale des professions (CNP) du Canada et la Classification type des professions (CTP) des États-Unis.

La plupart des algorithmes qui créent cette correspondance entre le texte brut et les classifications professionnelles le font en examinant le titre du poste dans l’annonce. Cette approche est limitée en raison de la forte variabilité des titres de postes utilisés par les employeurs.

Par exemple, un «programmeur» peut se référer à la catégorie 2173 de la CNP : ingénieurs/ingénieures et concepteurs/conceptrices en logiciel ou à la catégorie 2174 programmeurs/programmeuses et développeurs/développeuses en médias interactifs, selon les exigences réelles du poste.

De même, on attribue les catégories de la CNP différemment en fonction du secteur. Par exemple, un poste de représentant commercial sera attribué à différents codes à quatre chiffres de la CNP selon que le poste fait partie des services financiers, du commerce de détail ou du commerce de gros.

Des approches plus avancées utilisent à la fois l’intitulé et la description de l’emploi pour guider le processus de classification.

Une méthode de mise en correspondance des titres de postes et des professions nécessite une liste de référence des titres de postes connus et un corpus de termes utilisés pour décrire les professions.

Une de ces ressources est l’index 2010 de l’Office for National Statistics (ONS) du Royaume-Uni, qui recense près de 30 000 titres de postes alternatifs dans tous les groupes d’unités professionnelles. De même, les profils de la CNP pourraient être utilisés comme une liste de titres associés aux professions.

Ces listes de référence servent à nettoyer davantage le texte du titre de l’emploi en supprimant les mots du titre de l’emploi qui n’existent pas dans la liste des titres connus. Ensuite, ces titres de postes sont mis en correspondance avec une taxonomie standard des professions.

Une approche plus récente consiste à déployer des techniques d’apprentissage automatique pour construire un classificateur de texte permettant d’associer les offres d’emploi à des codes des professions (par exemple., ceux de la CNP).

Après avoir nettoyé les titres d’emploi comme on l’a décrit auparavant, le texte est converti en vecteurs de nombres (un processus appelé «intégration des mots»). L’un des modèles les plus simples et les plus souples d’intégration de mots est le modèle Bag-of-Words (BoW). Le modèle BoW s’appuie sur une méthode appelée encodage à chaud pour transformer le texte en vecteurs mathématiques. Une fois le texte converti en représentations vectorielles, un modèle d’apprentissage supervisé est mis en œuvre.

Cela nécessite un ensemble de données pour lesquelles la classification professionnelle est déjà connue.

Les offres d’emploi étiquetées sont ensuite testées selon les données à l’aide d’un classificateur linéaire de type machine à vecteurs de support (SVM). Lorsqu’on a bâti le classificateur et mesuré son efficacité, on peut l’utiliser sur les données recueillies pour attribuer des codes professionnels.

L’utilisation de données provenant d’offres d’emploi en ligne sert aussi à obtenir des informations sur les exigences (par exemple, les compétences) demandées par les employeurs.

Pour ce faire, il est souvent nécessaire de structurer le texte brut de la description du poste dans un format plus significatif. Comme pour la classification des offres d’emploi en unités professionnelles, le texte brut des compétences peut être classé selon une taxonomie prédéfinie.

Étape 4 : Extraction des données

La dernière étape du processus consiste à extraire des informations à partir des données structurées obtenues.

Par exemple, cela peut prendre la forme d’un calcul des exigences professionnelles les plus souvent demandées par profession et par région.

Puisque les «exigences professionnelles» constituent une vaste catégorie, il est utile de les organiser davantage en une classification hiérarchique.

À cette fin, nous classons les exigences professionnelles en quatre catégories basées sur la taxonomie des compétences et capacités d’EDSC : compétences, connaissances, outils et technologie et autres.

Nous avons regroupé les autres catégories d’intérêts, de capacités et d’attributs personnels, d’activités professionnelles et de contexte de travail dans autres.

Classification

L’approche de Vicinity Jobs pour associer les offres d’emploi à la CNP

Vicinity Jobs utilise un processus itératif qui tente d’abord d’associer les offres d’emploi à la CNP en fonction de leurs titres de poste. La répartition est ensuite affinée en utilisant des points d’ancrage supplémentaires issus du contenu de chaque offre d’emploi et des informations connues sur l’employeur.

Ce processus s’appuie sur la base de connaissances exclusive de Vicinity Jobs qui englobe des dizaines de milliers de titres de postes.

À l’origine, cette base de connaissances a été compilée à partir des sources de spécifications de la CNP disponibles (par exemple, les profils professionnels d’EDSC), puis peaufinée à l’aide des offres d’emploi historiques. D’autres raffinements dans l’établissement du lien entre l’offre d’emploi et la CNP sont ensuite apportés en incorporant des connaissances contextuelles (certains titres d’emploi ne peuvent être attribués à certaines professions que dans certains contextes précis).

Pour cerner les contextes appropriés, l’algorithme de Vicinity Jobs tente d’attribuer les offres d’emploi aux secteurs d’activité. Il le fait, en partie, en faisant correspondre les données de l’employeur (comme le nom et l’URL de l’employeur) aux profils d’employeurs connus stockés dans une vaste base de données actualisée d’employeurs canadiens connus.

Une fois que les offres d’emploi ont été classées dans les professions du Guide sur les carrières, il reste un ensemble d’affectations non attribuées. Le contenu et les titres des emplois de ces affichages ne sont pas suffisamment précis, ou la nature des emplois ne permet pas de les attribuer à une seule profession au Guide sur les carrières.

Au lieu de forcer ou de deviner, l’algorithme tente d’en attribuer autant que possible à la catégorie professionnelle générale moins spécifique (CNP à un chiffre).

Taxonomie des exigences professionnelles de Vicinity Jobs

Vicinity Jobs veille à ce que ses exigences professionnelles et ses rapports de certification répondent à ses normes de qualité tout en demeurant représentatifs des aspects uniques des marchés du travail canadiens.

L’entreprise a établi une taxonomie pour les exigences professionnelles qui combine l’apport important de ses clients et partenaires avec des informations provenant de sources accessibles au public, comme la taxonomie O*NET.

Les données provenant de sources publiques contiennent des outils et des technologies, des mots clés structurés sur les compétences publiées par certains sites Web ainsi que d’autres données sur les exigences professionnelles compilées à partir d’offres d’emploi et de recherches canadiennes en ligne.

Après avoir compilé une première version de sa taxonomie des exigences professionnelles, Vicinity Jobs utilise un algorithme propriétaire pour enrichir et affiner ses connaissances sur les exigences professionnelles et les constructions linguistiques qui les représentent.

Ce processus comporte une série d’étapes itératives. Dans chaque itération, la base de connaissances est mise à l’essai par rapport à un vaste ensemble d’offres d’emploi non structurées. Le contenu des offres d’emploi est ensuite utilisé pour déterminer les exigences professionnelles.

Les données résultantes sont examinées manuellement et fournissent un retour d'information permettant d'affiner les algorithmes.

La base de connaissances qui en résulte englobe des dizaines de milliers d’exigences professionnelles et de certifications. La base de connaissances comprend des étiquettes et des combinaisons de mots clés, ainsi qu’un cadre complexe d’interdépendances sous-jacentes et de définitions de contexte nécessaires pour garantir la détermination précise des exigences professionnelles.

Par exemple, le système saisit que certaines exigences professionnelles et certifications professionnelles peuvent s’appliquer à n’importe quel emploi, tandis que d’autres ne concernent que des professions particulières.

Nous contacter

350 Sparks Street
Suite 604
Ottawa, Ontario K1R 0A4

Veuillez entrer votre nom.
Veuillez entrer un message.
Veuillez vérifier le captcha pour prouver que vous n'êtes pas un robot.
Faire défiler vers le haut