بایگانی روزانه: 2025-01-05

شغل‌هایی که تا چند سال آینده دیگر تقاضایی ندارند

شغل‌هایی که تا چند سال آینده دیگر تقاضایی ندارند

شغل‌هایی که تا چند سال آینده دیگر تقاضایی ندارند

بر اساس گزارش‌ها در فاصله سال‌های ۲۰۲۳ تا ۲۰۲۷ بسیاری از شغل‌های جدید از بین می‌روند و پیش‌بینی می‌شود عناوین شغلی نظیر کارشناس هوش مصنوعی، مهندس رباتیک و مهندس فناوری‌های مالی بیشترین سهم در میان مشاغل آینده را به خود اختصاص دهند.

به گزارش ایسنا، در آینده نزدیک بسیاری از مشاغل به سبب پیشرفت علم و تکنولوژی و ساخته‌شدن برنامه‌ها و اپلیکیشن‌های متفاوت از بین خواهند رفت و جزو شغل های کم درآمد در آینده خواهند شد و یا با مشاغل دیگری جایگزین خواهند شد. از سوی دیگر سیر تحول در عرصه تکنولوژی و تاثیر آن بر کیفیت زندگی انسان‌ها موجب شده در بسیاری از مشاغل موجود نیز تغییراتی حاصل شود.

با توجه به آنکه بسیاری از مشاغل آینده بر محور IT و اینترنت شکل خواهد گرفت، از این رو باید زیرساختهای مشاغل نوظهور را فراهم کنیم و همزمان با رشد اقتصادهای مدرن و ظهور تکنولوژی های جدید، چشم انداز دستیابی به مشاغل آینده و حرکت به سمت و سوی تکنولوژی های نوین را به سرعت ترسیم کنیم.

به اعتقاد کارشناسان به دلیل آنکه نیازهای انسان مدام درحال تغییر است و جابجایی تکنولوژی‌های نوین درحال رخ دادن است، شکل‌گیری مشاغل جدید و از بین رفتن مشاغل سنتی دور از انتظار نیست.

طراحان گرافیک، مهندسان، کارگران ساختمانی، آشپزها و نصاب‌های تجهیزات جزو مشاغلی به شمار می‌روند که در ‌آینده رشد اندکی خواهند داشت و باجه‌دار بانک، کارمند ثبت اطلاعات و تحصیل‌دار با کمترین میزان تقاضا در آینده روبه رو خواهند شد.

به زعم آنها تحولات ژنتیکی، هوش مصنوعی، رباتیک، فناوری نانو، چاپگرهای سه‌بعدی و چندبعدی، بیوتکنولوژی و نانوتکنولوژی، گزاره‌هایی هستند که در تولد مشاغل جدید به شدت تاثیرگذار است و انقلاب چهارم صنعتی را شکل داده و موجب تولد و رویش مشاغل جدید و حذف مشاغل فعلی و سنتی خواهد شد.

در عین حال پژوهش‌هایی نیز درباره شغل‌هایی که تا چند سال آینده در معرص خطر هوش مصنوعی قرار می‌گیرد صورت گرفته است.برخی منابع خارجی در تحقیقات خود ۷ دسته از مشاغل را معرفی کرده‌اند که در معرض خطر جایگزین شدن با هوش مصنوعی یا کامپیوتری شدن هستند.این شغل‌ها شامل حمل و نقل و جابه‌جایی مواد،فروش و شغل‌های مربوط به فروش،شغل‌های مربوط به خط تولید،پشتیبانی اداری و اجرایی،تهیه و خدمات غذا،عملیات مالی،نظافت و خدمات حفاظتی است..

کارهایی مثل توانبخشی، مراقبت بهداشتی و پزشکی، مددکار اجتماعی و مشاوره که مربوط به عواطف انسانی است و نیاز به تعامل عمیق انسانی و همدلی با انسانها دارد کمتر از هوش مصنوعی تاثیر می‌پذیرند و می‌توان گفت که بهترین شانس برای زنده ماندن در مقابل هوش مصنوعی را دارند.

برخی از شغل‌ها مانند روزنامه‌نگاری، تدریس در آموزش عالی، طراحی نرم‌افزار، گرافیک و حتی حسابداری نیز در خطر جایگزینی با هوش مصنوعی قرار دارند. پیش‌بینی می‌شود شغل‌هایی مثل بنگاه‌های املاک،آژانس‌های مسافرتی، آتلیه‌های عکاسی،کارکنان انتشارات و چاپخانه‌ها، بازاریابان تلفنی و ماموران آب و برق و گاز هم در آینده از بین بروند زیرا به سبب فضای آنلاین، فناوری‌های آی‌تی و تکنولوژی‌های جدید مورد نیاز آیندگان نیستند.

بدون شک برخی از مشاغل پرطرفدار این روزها، کدنویسی و برنامه‌نویسی کامپیوتری است ولی ربات‌ها برای این مهارت سخت هم کمین کرده‌اند.این مشاغل در توسعه هوش مصنوعی تاثیر بسزایی داشتند ولی همان هوش مصنوعی حالا درصدد منقضی کردن این شغل‌هاست.

شغل‌هایی که تا چند سال آینده دیگر تقاضایی ندارند

در همین راستا، غلامحسین محمدی – معاون وزیر کار و رئیس سازمان آموزش فنی و حرفه‌ای کشور از کاهش تقاضا برای برخی شغل‌ها و حذف‌ آنها تا چند سال آینده خبر داده و می‌گوید: در فاصله سال‌های ۲۰۲۳ تا ۲۰۲۷ بسیاری از شغل‌های جدید از بین می‌روند و پیش‌بینی می‌شود عناوین شغلی نظیر کارشناس هوش مصنوعی، مهندس رباتیک و مهندس فناوری‌های مالی بیشترین سهم در میان مشاغل آینده را به خود اختصاص دهند. 

به گفته وی عناوین شغلی نظیر طراحان گرافیک، مهندسان، کارگران ساختمانی، آشپزها و نصاب‌های تجهیزات با رشد اندکی روبه رو خواهند شد.

به گفته رئیس سازمان فنی و حرفه‌ای ۶۰ درصد نیروی کار تا سال ۲۰۲۷ به آموزش نیاز خواهند داشت و درحال حاضر تنها نیمی از آنها به این فرصت دسترسی دارند که به نظر می‌رسد در این بخش، کارآفرینان می‌توانند ایفای نقش جدی داشته‌باشند.معاون وزیر کار در عین حال از عناوین شغلی نظیر باجه‌دار بانک،کارمند ثبت اطلاعات و تحصیل‌دار به عنوان مشاغلی یاد کرد که به احتمال زیاد بیشترین کاهش تقاضا و تقلیل را داشته باشند.

وی می‌گوید:بر اساس گزارش مجمع جهانی اقتصاد سرمایه‌گذاری در یادگیری و آموزش حین‌کار، یکی از رایج‌ترین راهبردهای منافع منابع انسانی است که برای تحقق اهداف کسب و کار سازمان‌ها اتخاذ می‌شود.

 رئیس سازمان آموزش فنی و حرفه‌ای با بیان اینکه ۶۰ درصد نیروی کار تا سال ۲۰۲۷ به آموزش نیاز خواهند داشت، تاکید کرد: درحال حاضر تنها نیمی از آنها به این فرصت دسترسی دارند و به نظر می‌رسد که در این بخش، کارآفرینان می‌توانند ایفای نقش جدی داشته‌باشند.

هم اکنون بیش از ۹۵۰۰ استاندار آموزشی در دنیا وجود دارد و طبق پیش‌بینی سازمان جهانی کار، تعداد استانداردها به ۱۷ هزار استاندارد آموزشی خواهد رسید از این رو با توجه به ظهور مشاغل جدید که از حالا ردپای ورود آنها به بازار کار دیده می‌شود، نمی‌توان با ارائه آموزش‌های مهارتی به سبک قدیم و سنتی به موفقیتی در حوزه ارائه آموزش‌های مهارتی متناسب با بازار کار دست یافت.

خوشبختانه در سازمان آموزش فنی و حرفه‌ای بر مبنای سرنوشت مشاغل در آینده با نگاه بلند، مسیر کلان مهارت آموزی نرم افزاری و سخت افزاری آینده برای جوانان و دانش آموختگان در حال ترسیم است.

بی‌تردید سیاست‌گذاری آموزشی باید مبتنی بر آینده‌پژوهی و ویژگی‌های تحولات مشاغل آینده باشد زیرا با توجه به سرعت روز افزون تغییرات، نهادهای آموزشی وظیفه دارند علاوه بر مهارت‌های مورد نیاز امروز بازار کار، مهارت‌های مورد نیاز آینده را پیش‌بینی و نیروی کار را برای ایفای نقش موثرتر در آینده آماده کنند.

مجمع جهانی اقتصاد بر لزوم سرمایه‌گذاری در امر یادگیری و آموزش حین‌کار تاکید دارد و بر این باور است که حتی با حذف برخی از مشاغل، شغل‌های جدیدی روی کار خواهند آمد و علیرغم آنکه ممکن است ۸۵ میلیون شغل توسط هوش مصنوعی و رباتیک تا سال ۲۰۲۵ حذف شود اما احتمالا ۹۷ میلیون شغل دیگر از محل این تغییرات ایجاد شود.بر همین اساس مهارت‌آموزی باید یک قدم جلوتر از تحولات گام بردارد و با نوآوری، آینده و فناوری‌های آینده را بسازد.

به گزارش ایسنا، تا چند سال آینده شغل‌های زیادی هستند که با ورود هوش مصنوعی در معرض خطر قرار می‌گیرند و ممکن است از بین بروند اما همه شغل‌ها چنین سرنوشتی پیدا نمی‌کنند. با این حال اگر از ورود هوش مصنوعی نگرانید بهتر است به فکر کسب مهارت‌هایی باشد که خارج از توان هوش مصنوعی است.خود را به روز کنید تا از خطرات هوش مصنوعی در امان بمانید.

برگرفته از ایسنا

  •  
آموزش هوش مصنوعی پایان نامه نویسی مقاله نویسی
آموزش هوش مصنوعی پایان نامه نویسی مقاله نویسی
تحلیل آماری statistical analysis
تحلیل آماری statistical analysis
تحلیل آماری - پژوهش - کیفی - کمی - کامپیوتر
تحلیل آماری – پژوهش – کیفی – کمی – کامپیوتر

درمان قطعی زانو درد، بدون دارو، بدون تزریق، بدون جراحی! (پرسش‌نامه)

بدون هیچ جراحی و دارویی زانو درد خود را درمان کنید ◀ پرسش نامه ▶

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)
تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)
تحلیل آماری - پژوهش - کیفی - کمی - کامپیوتر
تحلیل آماری – پژوهش – کیفی – کمی – کامپیوتر
هوش مصنوعی
هوش مصنوعی

لطفا عدد مقابل را در جعبه متن وارد کنید

تحلیل آماری - پژوهش - کیفی - کمی - کامپیوتر
تحلیل آماری – پژوهش – کیفی – کمی – کامپیوتر

ارسال

avatar
avatar

avatar
avatar

تحلیل آماری statistical analysis

آزمون آماری گیمز-هول (Games-Howell Test)

آزمون آماری گیمز-هول (Games-Howell Test) یک روش آماری است که برای مقایسه میانگین‌های چند گروه مستقل استفاده می‌شود، به ویژه زمانی که فرض همگنی واریانس (Homogeneity of Variance) برقرار نیست. این آزمون به عنوان یک آزمون تعقیبی (Post Hoc) در تحلیل واریانس (ANOVA) کاربرد دارد و به محققان کمک می‌کند تا تفاوت‌های معناداری بین گروه‌ها را شناسایی کنند.

ویژگی‌های آزمون گیمز-هول

  1. کاربرد: آزمون گیمز-هول معمولاً پس از انجام آزمون ANOVA یک‌طرفه (One-Way ANOVA) استفاده می‌شود، زمانی که نتایج ANOVA نشان‌دهنده وجود تفاوت معنادار بین گروه‌ها باشد. این آزمون به مقایسه دقیق‌تر میانگین‌های گروه‌ها می‌پردازد.
  2. عدم نیاز به فرض همگنی واریانس: یکی از مزایای اصلی آزمون گیمز-هول این است که بر خلاف آزمون‌های دیگر مانند آزمون توکی (Tukey’s HSD)، نیازی به فرض همگنی واریانس ندارد. این ویژگی آن را به یک گزینه مناسب برای داده‌هایی که واریانس‌های نابرابر دارند، تبدیل می‌کند.
  3. محاسبه و تحلیل: در این آزمون، تفاوت میانگین‌ها بین هر جفت از گروه‌ها محاسبه می‌شود و سپس این تفاوت‌ها با استفاده از یک معیار خطای استاندارد اصلاح می‌شوند. این معیار به گونه‌ای تنظیم می‌شود که بر اساس اندازه گروه‌ها و واریانس‌های گروه‌ها متفاوت باشد.
  4. نتایج: نتایج آزمون گیمز-هول به صورت جدول مقایسه‌ای ارائه می‌شود که در آن میانگین‌های گروه‌ها و تفاوت‌های معنادار بین آن‌ها مشخص می‌شود.

مراحل انجام آزمون گیمز-هول

  1. جمع‌آوری داده‌ها: داده‌های مربوط به متغیر وابسته در گروه‌های مختلف جمع‌آوری می‌شوند.
  2. اجرای آزمون ANOVA: ابتدا یک آزمون ANOVA برای بررسی وجود تفاوت معنادار بین گروه‌ها انجام می‌شود.
  3. اجرای آزمون گیمز-هول: اگر آزمون ANOVA نشان‌دهنده وجود تفاوت معنادار باشد، آزمون گیمز-هول برای مقایسه دقیق‌تر میانگین‌ها انجام می‌شود.
  4. تحلیل نتایج: نتایج آزمون گیمز-هول تحلیل می‌شود و بر اساس آن می‌توان به نتیجه‌گیری‌های لازم دست یافت.
تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

آزمون گرین هاوس-گیسر (Greenhouse-Geisser Test)

آزمون گرین هاوس-گیسر (Greenhouse-Geisser Test) یک روش آماری است که برای بررسی اثرات متغیرهای مستقل بر روی یک متغیر وابسته در طراحی‌های آزمایشی با اندازه‌گیری‌های مکرر (Repeated Measures) استفاده می‌شود. این آزمون به ویژه در تحلیل واریانس (ANOVA) کاربرد دارد و به ما کمک می‌کند تا فرضیه‌های مربوط به اثرات متغیرها را بررسی کنیم.

مفهوم و کاربرد آزمون گرین هاوس-گیسر

  1. طراحی آزمایشی: این آزمون معمولاً در طراحی‌های مکرر یا مختلط (Mixed Designs) استفاده می‌شود، جایی که یک یا چند متغیر مستقل در طول زمان یا در شرایط مختلف اندازه‌گیری می‌شوند.
  2. فرضیه‌های آزمون: آزمون گرین هاوس-گیسر به طور خاص برای بررسی فرضیه‌های مربوط به اثرات متغیر مستقل بر روی متغیر وابسته طراحی شده است. این آزمون به ما کمک می‌کند تا بفهمیم آیا تغییرات در متغیر مستقل (مانند زمان یا شرایط آزمایشی) تأثیری بر متغیر وابسته دارند یا خیر.
  3. اصلاحات در ANOVA: یکی از مشکلات اصلی در ANOVA با اندازه‌گیری‌های مکرر، فرض همگنی واریانس (Sphericity) است. در صورتی که این فرض برقرار نباشد، نتایج آزمون می‌تواند نادرست باشد. آزمون گرین هاوس-گیسر به عنوان یک روش اصلاحی برای این مشکل عمل می‌کند و با استفاده از یک ضریب اصلاحی، نتایج آزمون ANOVA را بهبود می‌بخشد.
  4. محاسبه: در این آزمون، یک ضریب به نام “ضریب گرین هاوس-گیسر” محاسبه می‌شود که نشان‌دهنده میزان انحراف از فرض همگنی واریانس است. این ضریب به عنوان یک اصلاح برای درجات آزادی در آزمون ANOVA استفاده می‌شود.

مراحل انجام آزمون گرین هاوس-گیسر

  1. جمع‌آوری داده‌ها: داده‌های مربوط به متغیر وابسته در شرایط مختلف یا در زمان‌های مختلف جمع‌آوری می‌شوند.
  2. بررسی فرض همگنی واریانس: با استفاده از آزمون‌هایی مانند آزمون ماکویا (Mauchly’s Test) بررسی می‌شود که آیا فرض همگنی واریانس برقرار است یا خیر.
  3. اجرای آزمون ANOVA: اگر فرض همگنی واریانس برقرار باشد، می‌توان از ANOVA استاندارد استفاده کرد. در غیر این صورت، از آزمون گرین هاوس-گیسر استفاده می‌شود.
  4. تحلیل نتایج: نتایج آزمون تحلیل می‌شود و بر اساس آن می‌توان به نتیجه‌گیری‌های لازم دست یافت.
  5. آزمون آماری بی توکی یا Tukey’s b چیست؟
  6. نوشته
  7. تیپ شخصیتی شما کشاورز است یا شکارچی؟
  8. نوشته
  9. آزمون همبستگی اسپیرمن (Spearman’s Rank Correlation Coefficient)
  10. نوشته
  11. تغییرات ظاهر بدن با پشت میز نشینی
  12. نوشته
  13. آزمون علامت تک نمونه (Sign Test)
  14. نوشته
 تحلیل آماری