Undersöka samband mellan SUN, SSYK och SNI maskinellt

Viktiga resultat som projektet gav

Syfte och mål med projektet är främst att skapa bättre förståelse för hur klassifikationerna SNI, SSYK och SUN är kopplade till varandra genom maskinella algoritmer och mått betraktat ur registerpopulationer i FDB (Företagsdatabasen), YREG (Yrkesregistret) och UREG (Utbildningsregistret) inom ramen för KLL. Vi använder här ett särskilt korrelationsmått för denna typ av data för att mäta bilaterala samband mellan två klassifikationer på olika nivåer. Projektet avser verka för att höja nyttan med klassifikationerna genom att höja kunskapsnivån för intressenter.

Långsiktiga effekter som förväntas

På ett mer automatiserat sätt åstadkomma och synliggöra mått på samband mellan SNI, SUN och SSYK för att möjliggöra en kunskapshöjning om hur sambanden mellan klassifikationerna. Ökad kunskapsnivå om sambanden mellan klassifikationerna på olika detaljnivåer inom domänerna arbetsmarknad- och utbildning ger goda möjligheter att bättre tillgodose det behov som ekosystemets intressenter har. Samtidigt kan ökad insikt göra samanvändbarheten bättre.

Upplägg och genomförande

Involverade samarbetsparter i projektet är Arbetsförmedlingen, Skolverket och Myndigheten för Yrkeshögskolan, samt SCB (projektledande myndighet).Identifierade kompetenser hos deltagarna i projektet är projektledning, metodstatistiker, AI/ML-kompetens, analytiker samt ämneskompetens. Projektet delades upp i fyra tidsmässiga faser 2023; Fas 1: feb-apr, Fas 2: maj-jun samt Fas 3: sep-okt - 19 projektmöten - 6 huvudaktiviteter - 23 delaktiviteter