Praca w dobie AI: dane, zmiany, wyzwania 2400-ZEWW963-OG

Podczas kursu zgłębimy tematykę wpływu technologii, automatyzacji i AI na rynki pracy. Z jednej strony skupimy się na przeglądzie i krytycznej analizie najnowszych raportów i badań empirycznych. Z drugiej – będziemy pracować z rzeczywistymi danymi, samodzielnie je przetwarzać i interpretować. Jeśli więc chcesz zrozumieć, jak technologia zmienia świat pracy – w oparciu o dane i badania, a nie tylko medialne nagłówki – te zajęcia są dla Ciebie.
W ramach pierwszej części kursu:
zapoznamy się z wynikami badań empirycznych oraz raportami międzynarodowych instytucji analizujących wpływ technologii na rynki pracy,
omówimy mechanizmy stojące za tymi zmianami oraz porozmawiamy o tym, dlaczego – mimo postępującej automatyzacji – wciąż pracujemy,
przeanalizujemy kluczowe raporty dotyczące prognoz przyszłości pracy,
poznamy i krytycznie ocenimy najważniejsze wskaźniki ryzyka automatyzacji – ich założenia, ograniczenia i zastosowania,
zapoznamy się z aktualną literaturą dotyczącą wpływu sztucznej inteligencji (w tym generatywnej AI) na pracę,
przedyskutujemy konsekwencje ekspozycji na automatyzację – nie tylko w kontekście zatrudnienia i płac, ale również: percepcji i obaw pracowników, satysfakcji zawodowej, gotowości do doszkalania się i zmiany zawodu, a także preferencji politycznych.
W drugiej części kursu:
rozwiniemy praktyczne umiejętności pracy z danymi empirycznymi dotyczącymi transformacji cyfrowej rynku pracy, analizując m.in. zbiory danych OECD, Eurostatu (w tym DESI) oraz bazę O*NET,
przeanalizujemy różnice między wybranymi poznanymi wskaźnikami narażenia na automatyzację, z uwzględnieniem podziału na zawody, sektory i kraje,
zastosujemy te wskaźniki do danych ankietowych (np. dotyczących percepcji, obaw, gotowości do przekwalifikowania, satysfakcji z pracy), prowadząc własne analizy tematyczne,
będziemy pracować z danymi, a więc wymagane są podstawowe umiejętności pracy w Pythonie/R/Excel oraz korzystanie z własnego laptopa podczas kilku zajęć praktycznych.
Po ukończeniu kursu studenci i studentki będą potrafili krytycznie oceniać prognozy dotyczące przyszłości pracy oraz interpretować dane i wskaźniki stosowane w analizach wpływu technologii na rynek pracy.

Szacunkowy nakład pracy studenta: 3ECTS x 25h = 75h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
ćwiczenia (zajęcia): 30h (K) 0h (S)
przygotowanie do ćwiczeń: 0h (K) 25h (S)
przygotowanie pracy zaliczeniowej: 0h (K) 19,5h (S)
prezentacja pracy zaliczeniowej: 0,5h (K) 0h (S)
Razem: 30,5h (K) + 44,5h (S) = 75h

Rodzaj przedmiotu

ogólnouniwersyteckie

Koordynatorzy przedmiotu

Satia Rożynek
Katarzyna Śledziewska

Efekty kształcenia

WIEDZA
Student/ka:
zna główne procesy i mechanizmy związane z wpływem technologii, automatyzacji i sztucznej inteligencji na rynek pracy,
zna i rozumie założenia, ograniczenia oraz zastosowania najważniejszych wskaźników wykorzystywanych w badaniach nad automatyzacją i AI
ma wiedzę na temat aktualnych prognoz i raportów oraz potrafi je interpretować w kontekście przyszłości rynku pracy

UMIEJĘTNOŚCI
potrafi pozyskiwać, przetwarzać i analizować dane empiryczne z otwartych źródeł
umie stosować narzędzia analizy danych
potrafi porównywać i interpretować różne wskaźniki narażenia na automatyzację w ujęciu zawodowym, sektorowym i międzynarodowym
umie zastosować wybrane wskaźniki do danych ankietowych oraz formułować na ich podstawie własne wnioski badawcze

KOMPETENCJE SPOŁECZNE
Student/ka:
potrafi uczestniczyć w merytorycznej, opartej na danych i literaturze dyskusji
umie formułować i uzasadniać własne stanowisko

Kryteria oceniania

Aktywny udział w zajęciach oraz prezentacja zaliczeniowa.

Literatura

Arntz, M., Blesse, S., & Dörrenberg, P. (2022). The End of Work is Near, Isn’t It? Survey Evidence on Automation Angst. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4247981
Autor, D. H. (2022). The Labor Market Impacts of Technological Change: From Unbridled Enthusiasm to Qualified Optimism to Vast Uncertainty. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4122803
Autor, D., Chin, C., Salomons, A., & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. The Quarterly Journal of Economics, 139(3), 1399–1465. https://doi.org/10.1093/qje/qjae008
Brynjolfsson, E., Mitchell, T., & Rock, D. (2018). What Can Machines Learn, and What Does It Mean for Occupations and the Economy? AEA Papers and Proceedings, 108, 43–47. https://doi.org/10.1257/PANDP.20181019
Felten, E., Raj, M., & Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. https://doi.org/10.1002/smj.3286
Innocenti, S., & Golin, M. (2022). Human capital investment and perceived automation risks: Evidence from 16 countries. Journal of Economic Behavior and Organization, 195, 27–41. https://doi.org/10.1016/j.jebo.2021.12.027

Więcej informacji

Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 2400-ZEWW963-OG w USOSweb