Zuweisungsprozesse beim Eintritt in die Arbeitslosigkeit: Analysen auf Basis maschinellen Lernens und randomisierter Feldexperimente

• Antragstellerinnen / Antragsteller: Professor Dr. Gerard J. van den Berg; Professorin Dr. Gesine Stephan
• Fachliche Zuordnung: Wirtschaftspolitik, Angewandte Volkswirtschaftslehre
• Förderung: Förderung von 2017 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 387482412

Die Arbeitslosigkeit in Deutschland ist in den letzten Jahren gesunken. Dennoch ist es weiterhin eine zentrale Aufgabe von Politik und Arbeitsverwaltung, die Wiedereingliederung von Arbeitslosen in Beschäftigung zu fördern. Unser geplantes Projekt konzentriert sich auf wichtige Instrumente, die Vermittlungsfachkräfte zu Beginn und während des Vermittlungsprozesses einsetzen. Auf Basis eines Profilings ordnen sie Arbeitslose sogenannten Kundengruppen zu. Die Zuordnung ist dafür entscheidend, welche arbeitsmarktpolitischen Maßnahmen den Personen später angeboten werden bzw. in welche Maßnahmen diese zugewiesen werden.In unserem Projekt planen wir eine tiefergehende Analyse des Profilings von Arbeitslosen sowie heterogener Treatment-Effekte von Instrumenten, deren Einsatz eng mit den Profiling-Ergebnissen zusammenhängt. Hierzu wollen wir Methoden, die in der Ökonomie bisher relativ selten eingesetzt wurden, heranziehen. Erst vor kurzem haben Volkswirte begonnen, sich tiefergehend mit Data Mining und maschinellem Lernen zu befassen, um mit sogenannten Big Data zu arbeiten. Diese Techniken ermöglichen es unter anderem, hochspezifische Segmentierungen vorzunehmen und menschliche Entscheidungsfindung mit automatisierten Algorithmen zu unterstützen. Ein wichtiges Ziel unseres Vorhabens ist es, das Potenzial von Big Data Techniken zur Profilierung der Arbeitslosen und zur Identifizierung heterogener Behandlungswirkungen zu untersuchen:(1) In einem ersten Schritt wollen wir vergleichen, wie genau verschiedene ökonometrische Methoden und maschinelles Lernen die Dauer der Arbeitslosigkeit vorhersagen können, und die Ergebnisse mit denen des weichen Profilings durch Vermittlungsfachkräfte vergleichen. Dabei wird auch auf das komplexe Zusammenspiel zwischen den Profiling-Ergebnissen und der Evaluation von Instrumenten der aktiven Arbeitsmarktpolitik eingegangen. Abhängig von den Ergebnissen der Analysen streben wir an, im Rahmen eines randomisierten Feldexperiments ein Prognose-Tool zu testen, das die Dauer der erwarteten Arbeitslosigkeit von Arbeitslosen vorhersagt.(2) In einem zweiten Schritt verwenden wir Daten aus einem bereits durchgeführten, aber noch nicht ausgewerteten Felduexperiment. In diesem wurden zufällig a) die Nutzung von Eingliederungsvereinbarungen, b) eines neu entwickelten Vermittlungsinstruments und c) die Möglichkeit des Zugangs zu speziellen Teams von Vermittlungsfachkräften variiert. Diese Elemente des Vermittlungsprozesses sind eng mit den Ergebnissen des weichen Profilings durch die Vermittlungsfachkräfte verbunden. Das zentrale Ziel dieses zweiten Schrittes ist es, Gruppen mit heterogenen Treatment-Effekte mithilfe maschinellen Lernens zu identifizieren.Unser geplantes Projekt soll nicht nur einen wichtigen wissenschaftlichen Beitrag zur Literatur leisten, sondern dürfte auch für die politischen Entscheidungsträger und die Arbeitsverwaltung in Deutschland von großem Interesse sein.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1764: Der deutsche Arbeitsmarkt in der Globalisierung: Herausforderungen durch Handel, Technologie und Demografie
• Internationaler Bezug: Niederlande