In een studie gepubliceerd in de Tijdschrift van de Royal Society Interface in januari 2021, SFI Extern hoogleraar Doyne Farmer, eerste auteur Maria del Rio-Chanona, en hun collega's van de Universiteit van Oxford onderzoeken de impact van automatisering op laagbetaalde werknemers. De COVID-19-pandemie versnelt het tempo van automatisering, en ze stelden vast dat werknemers met een laag loon een dubbele klap hebben:meer kans om hun baan te verliezen door automatisering en minder waarschijnlijk over de vaardigheden om over te schakelen naar nieuw gecreëerde banen.

Dit werk is gebaseerd op een gegevensgestuurd model dat is gemaakt om te analyseren hoe werknemers zich door een empirisch afgeleid beroepsmobiliteitsnetwerk verplaatsen als reactie op automatiseringsscenario's. Door de werknemers te identificeren die het grootste risico lopen op langdurige werkloosheid, het model van de onderzoekers kan zich beter richten op steun- en omscholingsprogramma's voor werknemers om laagbetaalde werknemers te helpen zich aan te passen aan de veranderende economie.

De studie toonde ook aan dat werkloosheidsrisico's niet beperkt zijn tot degenen die rechtstreeks worden verdreven door automatisering. Kinderopvang medewerkers, die een laag risico lopen op automatisering, zullen waarschijnlijk te maken krijgen met een veel uitdagendere arbeidsmarkt als gevolg van andere ontheemde werknemers die proberen hun bedrijfstak te betreden.

"Zonder de juiste actie, automatisering kan nog meer leed veroorzaken, ", zegt Farmer. "Maar met de juiste beleidskaders, inclusief gerichte steun voor laagbetaalde werknemers, het zou een betere economie voor iedereen kunnen stimuleren."

"Beroepsmobiliteit en automatisering:een datagedreven model" is gepubliceerd in de Tijdschrift van de Royal Society Interface .