← voltar para plataforma impacto

Recomendação de Empresas para Usuários da Plataforma La Bonne Boîte na França

Publicado em 25/09/2024 Atualizado em 27/09/2024
Compartilhe:

Qual o objetivo?

Direcionar a busca dos usuários para aumentar os níveis agregados de geração de emprego.

Onde e quando?

A plataforma La Bonne Boîte foi criada em 2015 pela agência nacional de emprego francesa. A iniciativa de aprimoramento da plataforma foi implementada na França, em 2019 e 2020, por meio de uma parceria entre essa agência e pesquisadores, no contexto de um estudo experimentalOs estudos experimentais utilizam mecanismos aleatórios (isto é, sorteios) para definir quem será e quem não será contemplado por um determinado programa ou política pública, garantindo que as diferenças futuras entre estes grupos possam ser atribuídas com maior credibilidade à intervenção em si — e não a diferenças entre quem é e quem não é "tratado". envolvendo aproximadamente 800 mil usuários e 39 mil empresas.

Como é o desenho?

A La Bonne Boîte é uma ferramenta de busca para usuários em busca por empregos. Após indicarem uma área geográfica e ocupação-alvo, a plataforma recomenda uma lista de empresas com altas chances de contratação, com e-mail e telefone para contato. A lista é construída por um algoritmo que usa dados administrativos de todos os estabelecimentos em funcionamento na França para predizer probabilidades de contratação para cada estabelecimento e ocupação, em uma determinada área geográfica.

O principal elemento da parceria entre a agência de emprego e os pesquisadores foi a incorporação de um modelo de otimização que selecionou probabilidades individuais de recomendações que maximizariam a criação de empregos em todas as áreas geográficas. Este modelo considerava como parâmetros do problema de otimização:

  1. as diferentes dinâmicas de contratação das empresas mapeadas pelos dados administrativos;
  2. os custos para usuários e empresas de transições ocupacionais;
  3. possíveis efeitos de congestão das empresas, caso muitos usuários se candidatassem às suas vagas em um período curto de tempo.

O uso do modelo para cômputo das probabilidades individuais permitiu, então, que recomendações personalizadas fossem enviadas por e-mail para usuários da plataforma, encorajando-os a se candidatarem a vagas.

O que aprendemos com o monitoramento e avaliação?

Foram documentadas, no artigo listado na seção abaixo, as seguintes evidências a respeito do impacto causal da iniciativa de encorajamento do uso da plataforma pelos e-mails:

  • aproximadamente 1 a cada 4 usuários que receberam recomendações, abriram o e-mail e clicaram em seus links [1];
  • aumento de 1% (ou de 0,14 pontos percentuaisO efeito de um programa em termos percentuais (%) é diferente do efeito do programa em pontos percentuais. Por exemplo, se uma variável binária tem média de 10%, um efeito de 5 pontos percentuais representa aumento de 50%.) na taxa de usuários que encontraram um emprego com contrato de curto prazo, no horizonte de até 4 meses, embora não tenham sido encontrados efeitos estatisticamente significantesChamam-se de estatisticamente significantes as estimativas de impacto que são distinguíveis do valor zero, após incorporada à análise as incertezas associadas à generalização para outras amostras de indivíduos. na taxa de usuários que encontraram um emprego com contrato de longo prazo [1]
  • o resultado positivo descrito acima foi impulsionado por um aumento de 18% nas chances de um match em vagas recomendadas de maneira personalizada pelos e-mails, indicando que as recomendações tiveram um alto potencial em redirigir a busca por emprego para empresas com boas chances de contratação [1];
  • a taxa de sucesso individual das candidaturas a vagas decresceu com o número total de candidaturas recebidas pelas empresas, o que sugere que os efeitos de congestão considerados pelo modelo de otimização tinham relevância prática no contexto do estudo [1].
  1. O estudo foi interrompido no 4° mês de duração devido ao início da pandemia do Covid-19.

Quais as fontes bibliográficas dessa informação?

  1. Behaghel, L., Dromundo, S., Gurgand, M., Hazard, Y., & Zuber, T. (2024). The Potential of Recommender Systems for Directing Job Search: A Large-Scale Experiment. SSRN Working Paper.

Estamos trabalhando para que as páginas contemplem toda a evidência documentada sobre o tema e estejam sempre atualizadas. Se você quiser sugerir algum artigo, entre em contato.