Izvorni znanstveni članak
https://doi.org/10.18045/zbefri.2018.2.757
Prilagodljivost radne snage u Europi – promjene vještina u digitalnoj eri
Maja Jandrić
orcid.org/0000-0002-7817-919X
; University of Belgrade, Faculty of Economics, Belgrade, Serbia
Saša Ranđelović
; University of Belgrade, Faculty of Economics, Belgrade, Serbia
Sažetak
Digitalne tehnologije značajno utječu na tržište rada, pri čemu mogu biti komplementarne s radom ili ga supstituirati. To je potaknulo promjenu u skupu vještina koje se traže na tržištu rada. Sve veći značaj dobivaju vještine vezane za rješavanje problema, kreativnost, socio-emocionalne vještine, kao i funkcionalnu pismenost i tehničke vještine vezane za korištenje digitalnih tehnologija. Utjecaj digitalizacije na tržište rada i ekonomske performanse pojedinih zemalja ovise o prilagodljivosti radne snage, industrijskoj strukturi, strukturi zaposlenosti prema zanimanjima, o skupu znanja i vještina koje posjeduje radna snaga, organizaciji rada i trenutnom stupnju primjene digitalne tehnologije. Cilj ovog rada je ocijeniti stupanj prilagodljivosti vještina radne snage u 30 europskih zemalja, koristeći podatke OECD-a o postignućima u čitanju, matematici i prirodnim znanostima, kao i podatke o digitalnim kompetencijama, uključivanju u cjeloživotno učenje i subjektivnoj percepciji sposobnosti pronalaska novog posla. Naši rezultati sugeriraju pozitivan odnos između prilagodljivosti i PISA rezultata. Korištenjem analize glavnih komponenti, klaster analize i LCCA (latent class cluster analysis), možemo zaključiti da se europske zemlje mogu grupirati u tri klastera u smislu prilagodljivosti: klaster visokih performansi (Sjeverna i Zapadna Europa), klaster srednje uspješnih zemalja (Srednja Europa i baltičke zemlje) i klaster zemalja sa slabim performansama (Južna i Jugoistočna Europa). Za neke zemlje, niske razine prilagodljivosti radne snage mogu predstavljati važnu prepreku za budući rast i razvoj.
Ključne riječi
ržište rada; digitalizacija; cjeloživotno učenje; digitalne kompetencije; analiza glavnih komponenti; klaster analiza na osnovu klase latentnih modela
Hrčak ID:
213602
URI
Datum izdavanja:
28.12.2018.
Posjeta: 4.095 *