预测汽车行业的绿色技能需求：来自在线招聘广告的证据

# 预测汽车行业绿色技能需求：来自在线招聘广告的证据

来源：https://arxiv.org/html/2605.05280

###### 摘要

向可持续经济的全球转型正在重塑劳动力市场，然而，用于识别、预测和分类绿色技能（green skills）的系统性方法在很大程度上仍然尚未开发。本研究提出了一个计算框架，用于衡量和预测绿色技能需求，以墨西哥汽车行业在线招聘广告为研究对象。汽车行业是一个具有关键经济意义的部门，约占全国 GDP 的 4%。我们构建了一个大规模的汽车行业招聘广告数据集，这些数据是从三个主要墨西哥招聘平台（Indeed México、OCC Mundial 和 LinkedIn）收集的，时间跨度为 2024 年 7 月至 2025 年 7 月，共提取了 204,373 条技能记录。绿色技能通过一个两阶段管道进行识别，该管道结合了多语言嵌入相似性与欧洲技能、能力、资格和职业分类（ESCO）验证，从而在 8,576 次出现中识别出 274 种独特的绿色技能，占所有检测到的技能的 4.22%。为了分析这些技能的时空动态，我们使用滚动起源评估方案，对 15 种最先进的时序预测模型进行了基准测试，这些模型涵盖了循环、线性分解和基于 Transformer 的架构。基于 Transformer 的模型，特别是 FEDformer、Reformer 和 Informer，始终表现最佳，其平均绝对误差（MAE）值约为 $2.5 \times 10^{-5}$，相对均方根误差（RMSE）低于 15%。基于这些预测，我们引入了一个二维分析框架，通过绝对和相对增长对技能进行分类，从而能够识别稳定、新兴和高影响力的技能。结果表明，汽车部门当前的绿色技能需求集中在运营可持续性实践上——如物流效率和环境监测——而增长最快的技能则与可再生能源系统、回收流程和氢能技术有关。除了这些实证发现外，本研究还展示了首个端到端管道，该管道集成了技能提取、语义分类、时间序列预测和战略性技能优先排序。所提出的框架提供了一种可扩展的方法，用于监测新兴劳动力能力，并在绿色转型背景下支持数据驱动的劳动力发展政策。

###### 关键词：绿色技能，劳动力市场分析，招聘广告数据，技能预测，时间序列预测，绿色转型

†† 期刊：Technological Forecasting and Social Change
\\affiliation \[label1\] 组织 = 墨西哥科技大学未来教育研究所，城市 = 蒙特雷，邮编 = 64849，国家 = 墨西哥
\\affiliation \[label2\] 组织 = 维多利亚理工学院，城市 = 维多利亚，国家 = 墨西哥
fn1 fn1 脚注文本：两位作者对本研究做出了同等贡献。

\{highlights\}
- 首个端到端管道，集成了绿色技能提取、语义分类、时间序列预测和战略优先排序
- 从 204,373 条墨西哥汽车行业招聘广告（2024 年 7 月–2025 年 7 月）中提取的技能记录中识别出 274 种独特的绿色技能
- 绿色技能占所有检测到的技能的 4.22%，集中在物流效率、环境监测和法规遵从方面
- 基于 Transformer 的模型（FEDformer, Reformer, Informer）优于循环和线性基线，实现 MAE $\approx 2.5 \times 10^{-5}$
- 二维增长框架将技能分类为明星、新兴、稳定和衰退类别，以用于劳动力规划

## 1 引言

向可持续经济的全球转型已成为我们时代最紧迫的任务之一，从根本上重塑了世界各地的劳动力市场。随着各国致力于雄心勃勃的气候目标，例如《巴黎协定》中将全球升温控制在 1.5°C 以内的目标，各个行业的产业都面临着前所未有的压力，需要调整其运营、技术和劳动力能力。这一转型催化了对所谓“绿色技能”需求的激增：发展和支持可持续、资源高效社会所需的知识、能力和技能，同时为子孙后代保护环境 \[13, 33\]。

现有文献大多从职业角度概念化绿色转型，并识别“绿色工作”或估计跨行业的就业变化 \[19, 26\]。这种方法的风险在于掩盖了技术变革重塑劳动力需求的微观动态。向可持续性的转型并不只是彻底消除或创造职业；相反，它重构了现有角色中的技能构成。工程师、物流经理、生产主管和技术人员越来越需要与新能力相关的技能，包括能源效率、环境监测、循环生产和可持续供应链管理 \[6\]。因此，技能——而非职业——构成了理解脱碳如何重塑劳动力市场的最合适分析单位 \[31, 64\]。技能层面的视角使得能够识别职业内的增量转型，在职业类别调整之前检测新兴能力，并设计与不断演变的技术轨迹相一致的针对性培训政策 \[38\]。

汽车行业在这一转型中占据着尤为关键的位置。作为全球最大的制造业部门之一，在显著贡献温室气体排放的同时推动技术创新，汽车行业既是环境影响的主要来源，也是实现可持续目标的关键杠杆。在墨西哥，汽车行业是国家经济的基石，约占 GDP 的 4%，直接雇佣超过 900,000 名工人 \[23, 13\]。汽车行业正在经历任何制造业部门中最深刻的技术转型之一，由电气化、电池技术、数字化和供应链脱碳驱动。这些转变从根本上改变了生产、物流和工程职能所需的技能构成。

尽管了解墨西哥汽车行业的绿色技能需求如何演变至关重要，但关于此主题的系统性研究仍然有限。现有的绿色技能研究主要集中在欧洲和北美的发达国家 \[33, 18, 13\]，相比之下，对于理解制造业活动日益集中的新兴经济体中的绿色技能动态关注较少。此外，虽然已有大量研究从静态、横截面的角度审视绿色技能 \[58\]，但迄今为止，尚无研究尝试预测绿色技能需求的时间演变，鉴于绿色转型所具有的技术和法规变化的迅速步伐，这是一个关键的空白。

预测绿色技能需求之所以特别关键，是因为劳动力发展系统存在显著的时间滞后 \[14\]。设计课程、更新认证标准、分配公共培训资金以及工人再技能需要数月甚至数年时间，才能产生可衡量的劳动力市场成果 \[53\]。在汽车制造等快速发展的行业中，法规变化、电气化和供应链脱碳可以迅速改变技能需求，反应性的政策回应可能会导致结构性技能错配。因此，前瞻性预测变得至关重要，它使得教育、工业政策和劳动力投资策略能够与绿色转型的预测轨迹保持一致，而不是其过去的表现 \[60\]。

解决绿色技能研究空白需要创新的方法论方法，既要捕捉招聘广告中技能描述的语义复杂性，又要捕捉技能需求的时间动态。自然语言处理（NLP）的最新进展，特别是诸如 GPT-4 等大型语言模型，为从不结构化的招聘广告文本中提取结构化技能信息提供了强大的新工具 \[12, 9\]。同时，复杂时间序列预测架构的开发，包括基于 Transformer 的模型、循环神经网络和混合方法，为以前所未有的准确性预测劳动力市场趋势开辟了新的可能性 \[32, 17, 49\]。

本研究为绿色技能和劳动力市场预测文献做出了几项重要贡献。首先，我们通过大规模网络抓取三个主要招聘平台（Indeed México、OCC Mundial 和 LinkedIn）在 2024 年 7 月至 2025 年 7 月一年期间的招聘广告，构建了墨西哥汽车行业绿色技能需求的综合数据集。其次，我们开发了一种识别和分类绿色技能的新方法，将语义嵌入技术 \[11, 12\] 与使用大型语言模型的情境验证相结合，利用 ESCO（欧洲技能、能力、资格和职业）分类法作为参考框架 \[28, 27\]。第三，我们实施并系统地比较了最先进的时序预测模型，以预测绿色技能需求的未来演变，包括传统架构（LSTM 等）和最新创新（PatchTST、Crossformer、TSMixer 等）。这一综合评估提供了关于哪些预测方法最适合捕捉汽车行业绿色技能需求所具有的复杂时间模式的见解。第四，我们引入了一个分析框架，根据技能的预测增长轨迹对其进行分类，区分表现出高绝对和相对增长的“明星技能”、显示强相对但适度绝对增长的“新兴技能”、需求坚实但增长潜力有限的“稳定技能”，以及面临市场相关性下降的“衰退技能”。

我们分析的实证结果揭示了墨西哥汽车行业绿色技能需求演变中的重要模式。我们在 8,576 次出现中识别出 274 种独特的绿色技能，约占所有检测到的技能的 4.22%。需求最频繁的绿技能与物流运营效率、环境监测和低影响生产过程有关——这些是向更可持续的汽车制造实践过渡所必需的能力。我们的预测结果表明，基于 Transformer 的模型，特别是 FEDformer 和 Reformer，与传统时间序列方法和更简单的神经网络架构相比，实现了更优越的预测性能。这些模型证明特别有效地捕捉了快速变化的市场中技能需求演变所具有的非平稳模式和结构断裂 \[5, 13\]。

本文的结构如下。第 2 节回顾有关绿色技能、劳动力市场预测以及 NLP 和深度学习技术在技能需求预测中应用的相关文献。第 3 节描述数据集构建过程，包括数据收集程序、技能提取、绿色技能识别和时间序列归一化策略。第 4 节介绍预测方法论，包括实验设置、模型规范和评估标准。第 5 节引入根据预测增长轨迹对技能进行分类的分析框架。第 6 节报告实证结果，包括模型性能比较和技能分类结果。第 7 节讨论发现的理论和实际意义，以及研究局限性和未来研究方向。第 8 节总结全文。

## 2 文献综述

### 2.1 劳动力市场文献中的绿色技能

虽然这些术语有时可以互换使用，但可持续性能力通常指更广泛的认知和行为能力，例如系统思维、道德责任和跨学科问题解决，以应对复杂的可持续性挑战；而绿色技能则指更具职业和任务特定的技术能力，使特定行业和生产过程中环境可持续实践的实施成为可能 \[47, 48\]。因此，本研究采用绿色技能的视角，这使得能够更精确、更数据驱动地分析环境转型如何转变嵌入在现有职业中的能力要求 \[36\]。

绿色技能的概念在政策和劳动经济学文献中被广泛讨论，但其操作性定义仍存在争议 \[8\]。国际劳工组织（ILO）、经合组织（OECD）和 CEDEFOP 等国际组织广泛将绿色技能定义为推动环境可持续经济活动所需的能力。先前的研究通常区分与直接与环境技术相关的“核心绿色技能”和使现有职业中的可持续性实践成为可能的“补充绿色技能” \[3, 55\]。然而，大多数实证分析依赖于基于职业的分类或预定义的分类法，这可能无法捕捉反映在实时劳动力市场信号（如招聘广告）中的新兴能力。虽然这种方法提供了有用的宏观层面见解，但它经常忽视这样一个事实：大多数环境能力嵌入在传统职业中，而不是全新的工作类别中。因此，最近的研究……