VOLVER

Share

Analizan el mercado laboral español mediante técnicas de Big Data

Según las conclusiones de este estudio, realizado por investigadores de las Universidades de Sevilla y Pablo de Olavide, han aparecido nuevos yacimientos de generación de empleo que apuntan a posibles cambios en la movilidad geográfica y sectorial de los trabajadores.

Fuente: Universidades de Sevilla y Pablo de Olavide


Sevilla |
22 de octubre de 2019

Investigadores de la Universidad Pablo de Olavide y de la Universidad de Sevilla han analizado, mediante técnicas computacionales, los cambios producidos en el mercado laboral español a partir de la última crisis económica. Sus conclusiones indican que han aparecido nuevos focos de generación de empleo que apuntan a posibles cambios en la movilidad geográfica y sectorial de los trabajadores. Sin embargo, el cambio no es radical, ya que, por ejemplo, siguen manteniendo su importancia los clústeres de generación de empleo caracterizados por la existencia de trabajadores no cualificados.

En este trabajo se procesan, mediante técnicas de Big Data, datos de creación de empleo, con el objetivo de describir la situación del mercado laboral español en los años de la crisis económica (2011-2013) y en los años posteriores de recuperación económica (2014-2016). La comparación de ambos periodos muestra que los focos de creación de empleo sufren tres posibles situaciones: algunos permanecen estables, otros se reestructuran y otros se separan.

La crisis económica que ha sufrido España ha motivado que se produzcan cambios en la movilidad geográfica y sectorial de los trabajadores.

Aproximadamente un tercio de los clústeres permanecen prácticamente sin cambios en su localización y en su sector de actividad tras la crisis económica. Por ejemplo, se mantiene la generación de empleo correspondiente a trabajadores no cualificados de los sectores del transporte, la hostelería y las comunicaciones en el centro de la península.

Al mismo tiempo, aparecen nuevos clústeres de generación de empleo creados a partir de dos o más clústeres del periodo anterior. Por ejemplo, dos clústeres de trabajadores no cualificados en la Administración Pública en el noroeste de la península (antes de la crisis) se han unido en uno solo en el nuevo periodo, disminuyendo su volumen de colocaciones y su presencia en actividades como la educación o la construcción. Otro ejemplo sería el cambio de estructura de un clúster de trabajadores no cualificados de la agricultura en el sur del país, por su integración con trabajadores de otros sectores de actividad o situación geográfica, lo que puede constituir una señal de que está aumentando la movilidad laboral.

Por último, entre los clústeres que se dividen en varios, encontramos uno que agrupa a trabajadores de actividades manufactureras en el norte de España, que se separa en dos grupos más pequeños en el nuevo periodo: uno que permanece con características similares en el noreste y otro, en el noroeste de la península, dedicado principalmente a los sectores de transporte y hostelería. Este tipo de divisiones podría reflejar una disminución de la movilidad de los trabajadores pertenecientes a los segmentos laborales del clúster inicial.

Este trabajo describe de manera clara y estructurada el proceso de generación de empleo y la movilidad laboral subyacente en el mercado de trabajo español. Este tipo de estudio puede ayudar a los intermediarios laborales públicos y a las agencias privadas de colocación a orientar, geográfica y sectorialmente/ocupacionalmente, la búsqueda de empleo por parte de los trabajadores.

Carlos Usabiaga, profesor de Economía, Métodos Cuantitativos e Hª Económica de la UPO, uno de los autores de este trabajo, junto con Fernando Núñez, del departamento de Organización Industrial y Gestión de Empresas I de la US y 
José Mª Luna, María Martínez y José C. Riquelme, del departamento de Lenguajes y Sistemas Informáticos de la US.

De las posibles técnicas de Big Data que la Inteligencia Artificial proporciona, se ha aplicado la conocida como clustering, cuyo objetivo es dividir un conjunto de registros en subgrupos o clústeres de manera que los elementos que pertenecen al mismo clúster guardan una elevada similitud entre ellos y, a su vez, se diferencian de los registros de los otros clústeres.

En este estudio se ha partido de dos grandes bases de datos, una para cada periodo analizado, extraídas de la Muestra Continua de Vidas Laborales (MCVL), procedente del Ministerio de Trabajo, Migraciones y Seguridad Social. La MCVL integra información de los registros de la Seguridad Social, información fiscal de la AEAT e información del Padrón Continuo facilitada por el INE. El uso de técnicas de Big Data resulta obligado por el elevado volumen de registros analizados, ya que el primer periodo, correspondiente a los años de crisis económica, presenta un total de 1.967.523 contrataciones, mientras que la base de datos del periodo 2014-2016 recoge 2.459.686 contrataciones.


Share

Últimas publicaciones

Los huevos de aves silvestres revelan la huella de los contaminantes en el medioambiente
Córdoba | 09 de junio de 2026

Un estudio de la Universidad de Córdoba revela que el monitoreo de huevos de aves silvestres como quebrantahuesos o águila imperial durante diez años demuestra la acumulación y persistencia de contaminantes ambientales en los ecosistemas.

Sigue leyendo
Diseñan un software que permite detectar posibles ataques en las estaciones de carga de vehículos eléctricos
Málaga | 08 de junio de 2026

Ante posibles ‘ciberamenazas’, investigadores del grupo NICS Lab de la Universidad de Málaga han ideado una solución innovadora que permite hacer frente a estos ataques informáticos, cada vez más frecuentes, en las estaciones de carga de vehículos eléctricos.

Sigue leyendo
Cuestionan la precisión de las cámaras submarinas que miden el carbono que absorbe el océano
Sevilla | 05 de junio de 2026

La oceanógrafa de la Universidad de Sevilla, Elena Ceballos, ha llevado a cabo una investigación que revela que funcionan bien a gran escala, pero presentan limitaciones importantes en condiciones complejas, lo que puede provocar errores en las estimaciones climáticas futuras.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido