آیا فناوری های دیجیتال در حال پایان دادن به عصر نیروی کار هستند؟

جملاتی که در حال حاضر می خوانید را روبات ها ننوشته اند، اما این شرایط می تواند عوض شود. تغییرات عمده در وضعیت نیروی کار و شرایط کار، باعث تغییر در جامعه، محیط زیست و شرایط سیاسی می شود. فقط همین یک مورد تخمین انجمن جهانی اقتصاد (World Economic Forum) را در نظر بگیرید: 65 درصد بچه هایی که الان در مدارس ابتدایی درس می خوانند، در آینده شغل هایی خواهند داشت که امروز اصلاً وجود ندارند.

سال گذشته، سباستین ترن (Sebastian Thrun) – یک کارآفرین – تصمیم گرفت تیم فروش خود را با استفاده از هوش مصنوعی تکمیل کند. ترن موسس و رئیس Udacity است؛ شرکتی آموزشی که دوره های آنلاین برگزار می کند. این شرکت در بخش فروش خود افرادی را بکار گرفته است تا به پرسش های کسانی که درباره ی شرکت در کلاس ها سوال دارند – یا به نوعی مشتریان بالقوه شرکت هستند – از طریق چت های آنلاین پاسخ بدهند. ترن که در دانشگاه استنفورد کالیفرنیا هم مسئولیت یکی از آزمایشگاه های علوم کامپیوتر را به عهده دارد، به همراه یکی از دانشجویانش رونوشتی از این چت ها را تهیه و بررسی کرد که کدام یک از این چت ها منجر به ثبت نام فرد مراجعه کننده در کلاس ها شده است. سپس این دسته از چت ها را به عنوان داده اولیه وارد الگوریتمی از نوع «یادگیری ماشینی» کرد و در نهایت این سیستم توانست برای انواع سوال های رایج مشتری ها، پاسخ هایی موثرتر پیدا کند.

در مرحله بعد، آنها این همکار دیجیتالی را در کنار نیروهای انسانی گذاشتند. وقتی درخواستی می آمد یا سوالی از سوی مشتریان پرسیده می شد، سیستم دیجیتال پاسخ مناسب را پیشنهاد می داد و نیروی انسانی حاضر در کنار آن، در صورت لزوم پاسخ را تصحیح یا تکمیل می کرد. در واقع این سیستمی آنلاین و سریع بود که در لحظه و در تمام مراحل توسط هر دو بخش دیجیتال و انسانی پشتیبانی می شد. این روش جواب داد و تیم جدید توانست دو برابر بیشتر از مقدار مورد انتظار به سوال های مراجعان پاسخ بدهد و تعداد بیشتری از آنها را به ثبت نام در کلاس ها – یا همان فروش محصول – سوق بدهد.

به گفته ترن این سیستم توانایی های بهترین افراد تیم را جمع آوری کرده است و در اختیار کل گروه می گذارد. از نظر او، این امکان جدید می تواند منجر به انقلابی در دنیای کار شود: «همانطور که موتور بخار و اتومبیل قدرت ماهیچه هایمان را تقویت کردند و آن را با مقادیری بسیار بزرگتر و بیشتر در اختیارمان گذاشتند، این شیوه نیز می تواند قدرت ذهنمان را تقویت کند و از لحاظ ذهنی از ما یک سوپرمن بسازد.»

در دهه گذشته پیشرفت های قابل توجهی در حوزه فناوری دیجیتال اتفاق افتاده است: هوش مصنوعی، روباتیک، محاسبات ابری، تحلیل داده ها و ارتباطات موبایلی. در طول دهه های آینده، این فناوری های جدید تقریباً تمامی صنایع را تغییر می دهد، از کشاورزی، پزشکی و خطوط تولید تا سیستم های فروش، سرمایه گذاری و حمل و نقل و همه این تغییرات، ماهیت شغل ها را تغییر خواهد داد. اریک برین جلفسون (Erik Brynjolfsson)، مدیر بخش نوآوری در اقتصاد دیجیتال (the Initiative on the Digital Economy) در موسسه فناوری ماساچوست (the Massachusetts Institute of Technology) در کمبریج می گوید: «میلیون ها شغل از بین می روند، میلیون ها شغل جدید ایجاد می شوند که مورد نیاز خواهند بود و تعداد خیلی بیشتری از مشاغل هم تغییر شکل می دهند.»

اما پیش بینی های خیلی دقیق و محکم در این زمینه سخت است. برین جلفسون معتقد است: «تکنولوژی پیش می رود و این اتفاق خوبی است، اما ما فاصله زیادی با درک پیامدهای این پیشرفت و تغییرات ناشی از آن داریم.» او می گوید: «در حال حاضر نیازی عظیم و البته فرصتی عظیم برای مطالعه این تغییرات به وجود آمده است.» محققان، کار در این زمینه را شروع کرده اند و شواهد جدیدی که بدست می آیند، دیگر با پیش بینی ها و داستان های ساده همخوانی ندارند. پیشرفت در فناوری دیجیتال احتمالاً باعث تغییراتی پیچیده و منحصر به فرد در دنیای کار می شود که هم فرصت ها و امتیازات و هم ضرر و زیان هایی را برای کارگران به دنبال خواهند داشت.

در اینجا سه سوال درباره آینده «کار» در دنیای دیجیتالی آینده مطرح است که پژوهشگران پاسخ به آنها را شروع کرده اند. در این مقاله شما می توانید با این سوالات و نتایجی که تا به حال بدست آمده است، آشنا شوید.

آیا الگوریتم های یادگیری ماشینی جایگزین نیروی کار ماهر می شوند؟
برین جلفسون می گوید: «در 40 – 50 سال گذشته امکان نداشت قبل از اینکه فعالیتی را بطور کامل و با جزئیات درک کنیم، بتوانیم آن را خودکار کنیم، اما امروزه دیگر اینطور نیست و ماشین ها خودشان می توانند فرآیندها را یاد بگیرند.» سیستم های یادگیری ماشینی می توانند سخنرانی ها را ترجمه کنند، تصاویر را برچسب گذاری کنند، تقلب و کلاهبرداری را شناسایی کنند و بیماری ها را تشخیص دهند؛ آنها در بسیاری از زمینه های جدید، بطور شگفت انگیزی می توانند با عملکرد انسانی رقابت کنند. ترن می گوید: «ماشین به نسبت انسان می تواند مقدار بسیار بسیار بسیار بیشتری نمونه های داده را بررسی کند.» او در اوایل سال جاری تیمی را مدیریت می کرد که توانست نشان دهد مجموعه ای 129 هزار تایی از تصاویر ضایعات پوستی، می تواند برای آموزش ماشینی استفاده شود تا بتواند سرطان پوست را (در حد دقت یک متخصص پوست با تجربه) تشخیص دهد.

این دست پیشرفت ها باعث شد نگرانی های زیادی ایجاد شود. آیا این سیستم ها به زودی می توانند (حتی در حوزه هایی که زمانی برای خودکار شدن، زیادی پیچیده به نظر می رسیدند) جایگزین نیروی کار انسانی شوند؟ برآوردهای اولیه ترسناک بود. در سال 2013، محققان برنامه آکسفورد مارتین در فناوری و اشتغال در دانشگاه آکسفورد انگلستان، پیشرفت ها و چالش های یادگیری ماشینی و روباتیک سیار (mobile robotics) را در بلندمدت بررسی کردند تا وضعیت و آینده ی 702 شغل مستعد اتومات شدن بوسیله این فناوری های جدید را بررسی کنند. نتایج تکان دهنده بود: 47 درصد مشاغل در ایالات متحده در معرض خطر دیجیتالی شدن بودند و بطور خاص، شغل ها در حوزه حمل و نقل، تدارکات، تولید و پشتیبانی اداره در دسته آسیب پذیرها قرار می گرفتند. این یعنی افرادی چون رانندگان تاکسی، منشی ها و کارمندان دبیرخانه ها قرار بود با مشکل روبرو شوند.

البته از آن زمان تاکنون محققان دیگری هم وارد این بحث شده اند؛ آنها معتقدند با توجه به انواع وظایفی که بر عهده نیروی کار در مشاغل مختلف است، 47 درصد رقمی بسیار بالا می باشد. اولریک زیرهن (Ulrich Zierahn)، محقق ارشد در مرکز تحقیقات اقتصادی اروپا در مانهایم (Mannheim) آلمان می گوید: «وقتی شما عمیق تر شوید و به ساختار وظایف افراد در محل کارشان دقیق تر نگاه کنید، آن وقت می فهمید برآوردها بسیار کمتر از این است.»

برین جلفسون اکنون به همراه تام میچل (Tom Mitchell)، متخصص علوم کامپیوتر در دانشگاه کارنگی ملون (Carnegie Mellon) مشغول بررسی عمیق تر روی تاثیرات یادگیری ماشینی است. این تیم روی ویژگی هایی از فعالیت های حرفه ای کار می کنند که باعث می شود برای اتوماسیون توسط سیستم های یادگیری ماشینی مناسب باشند. برای مثال سیستم های یادگیری ماشینی در اموری که شامل دریافت مجموعه ای از ورودی ها (مثلاً تصاویر ضایعات پوستی) و استخراج مجموعه ای از خروجی ها از آنها است توانا هستند. همچنین در جاهایی که نیاز است برای انجام امور، مجموعه ای از داده های دیجیتال برای آموزش مورد استفاده قرار گیرند، این سیستم ها بکار می آیند. برین جلفسون و میچل با استفاده از اطلاعات چندین پایگاه داده شغلی بزرگ، می خواهند مشخص کنند چگونه وظایف شغلی مختلف با توانایی های سیستم های یادگیری ماشینی مطابقت پیدا می کنند. البته حتی با در دست داشتن نتایج چنین تحلیل هایی، باز هم مشخص کردن عاقبت ماجرا برای بازار کار، امری پیچیده است.

صرف اینکه کاری می تواند اتومات شود، معنی اش این نیست که حتماً این اتفاق برایش می افتد؛ بکارگیری تکنولوژی های جدید اغلب نیاز به تغییرات سازمانی وقت گیر و پُر هزینه دارد. موانع قانونی، اخلاقی و اجتماعی هم می توانند باعث به تاخیر افتادن یا حتی جلوگیری از روند کاربردی شدن آنها شوند. فدریکو کبیتزا (Federico Cabitza)، پژوهشگر انفورماتیک بهداشت و درمان در دانشگاه میلانو – بیکوکا (Milano-Bicocca University) در ایتالیا می گوید: «هوش مصنوعی هنوز یک محصول حاضر و آماده برای استفاده نیست.» او معتقد است مثلاً در حوزه پزشکی، پیاده سازی سیستم های یادگیری ماشینی هم نیاز به آمادگی تکنولوژیک دارد و هم صرف هزاران نفر ساعت وقت برای آماده سازی و اجرایی کردن این سیستم ها و این تازه علاوه بر این است که در نهایت هم بیماران و هم کارکنان بخش بهداشت و درمان باید برای به نتیجه رسیدن کار، از این روند حمایت کنند. تحقیقات نشان می دهد که نیروی کار در برخورد با تکنولوژی های جدید انعطاف پذیر است و خود را با آن وفق می دهد. در نیمه دوم قرن بیستم، گسترش اتوماسیون سبب تغییراتی در مشاغل شد و کارمندان شروع به انجام کارهایی پیچیده تر و غیر روتین کردند. در آینده هم در بعضی موارد این تغییرات می تواند مثبت باشد؛ اگر سیستم های خودکار شروع به انجام تشخیص های معمول پزشکی کنند، آن وقت پزشکان می توانند زمان بیشتری را صرف تعامل با بیماران و کار روی موارد پیچیده تر کنند. میچل می گوید: «اینکه کامپیوترها در تشخیص های پزشکی در حال پیشرفت هستند، لزوماً معنی اش این نیست که پزشکان از گردونه شغلی حذف می شوند؛ شاید معنی اش این باشد که قرار است پزشکان بهتری داشته باشیم.» در واقع، احتمالاً بسیاری از افراد قرار است در کنار هوش مصنوعی کار کنند (همان اتفاقی که در بخش فروش Udacity افتاده است) نه اینکه توسط آن جایگزین شوند. برای مثال، خودروهای بدون راننده، هنوز نمی توانند تمام موقعیت ها را خودشان مدیریت کنند، برای همین کارخانه خودروسازی نیسان در حال کار روی یک راه حل انسان محور است. اگر یکی از این اتومبیل های بدون راننده با موقعیتی مواجه شود که نتواند آن را درک کند (مثلاً تعمیرات جاده ای یا حوادث رانندگی) با مرکز کنترل از راه دور تماس می گیرد؛ در این مرکز انسانی مستقر است که کنترل و مدیریت ماشین را تا گذر از نقطه مشکل ساز و بازگشت به موقعیت عادی بر عهده می گیرد.

پیترو میکلوچی (Pietro Michelucci)، مدیر اجرایی موسسه محاسبات انسانی در فیرفکس (Fairfax) ویرجینیا می گوید: «شیوه فکر کردن ماشین ها، از اساس با انسان ها متفاوت است و هر کدام از این روش ها، نقاط قوت خود را دارند. پس علی القاعده اتحادی محکم بین انسان ها و ماشین ها به وجود می آید.»

آیا اقتصاد گیگ (gig economy) باعث بالا رفتن بهره وری کارگران خواهد شد؟
انعطاف پذیری، تنوع و خودمختاری؛ اینها وعده های اقتصاد نوظهور گیگ است که در آن کارگران از پلتفرم های آنلاین استفاده می کنند تا شغل هایی کوچک و کوتاه مدت پیدا کنند. این دست کارها (که کارگر می تواند آنها را با کمک واسطه هایی (مثل Amazon Mechanical Turk) در فضای دیجیتال انتخاب و به عهده بگیرد) می تواند اشکال مختلفی داشته باشد: از رانندگی برای سیستم های تاکسی یابی مثل اوبر تا انجام وظایفی جزئی مثل گرفتن نظرسنجی یا ترجمه متون کوتاه یا برچسب گذاری تصاویر.

این پلتفرم های دیجیتال به کارگران این امکان را می دهند تا کارهای خود را در هر جایی که دوست دارند انجام بدهند، به این ترتیب بعضی موانع جغرافیایی برای داشتن شغل های مورد علاقه از میان برداشته می شود.

مارک گراهام (Mark Graham) متخصص جغرافیای دیجیتال در دانشگاه آکسفورد در این رابطه می گوید: «شخصی که در نایروبی زندگی می کند، دیگر مجبور نیست فقط در بازار کار محلی مشغول به کار شود.» گراهام و همکارانش چندین سال روی این نوع اقتصاد دیجیتال، در جنوب شرق آسیا و کشورهای جنوبی صحرای آفریقا کار کرده اند. آنها با بیش از 150 کارگر گیگ در این مناطق مصاحبه ی چهره به چهره داشته اند، وضعیت بیش از 500 نفر را بررسی کرده اند و صدها هزار مورد کار انجام شده از طریق پلتفرم های آنلاین شغل را مورد تجزیه و تحلیل قرار داده اند.

نتایج اولیه تحقیقات آنها نشان می دهد که این نوع مشاغل برای بعضی از کارگرهای گیگ واقعا موثر است؛ 68 درصد از شرکت کنندگان در نظرسنجی گفته اند که این کارها بخش مهمی از درآمد خانواده شان را تامین می کند.

پلتفرم های دیجیتال برای افراد زیادی امکان کار کردن را به وجود آورده اند که فرصت های شغلی شان به نوعی محدود شده است و چندان شرایط کار کردن بطور معمول را ندارند؛ از مادران خانه دار که باید برای مراقبت از فرزندان شان در منزل بمانند تا مهاجرانی که اجازه کار ندارند. گراهام معتقد است: «بعضی ها در این سیستم واقعاً موفق بوده اند، اما این موضوع درباره همه صادق نیست.» در این فضای جدید، تعداد نیروی متقاضی کار بسیار بیشتر از میزان کار موجود است، برای همین بسیاری از کارجویان مجبورند با نرخ هایی پایین تر از مقادیر مرسوم و عادلانه کار کنند. خیلی ها هم مجبورند ساعت های طولانی و با سرعت بسیار بالا کار کنند تا بتوانند به ضرب الاجل های فشرده تعیین شده توسط کارفرما برسند. گراهام می گوید: «بیشتر این افراد نسبت به موقعیت شان احساس خطر می کنند، برای همین هم نگرانند که به پیشنهاد کاری که به دستشان می رسد «نه» بگویند. ما به افرادی برخوردیم که مثلاً مجبور شده بودند 48 ساعت ممتد کار کنند تا بتوانند کار را به موقع تحویل بدهند.»

نابرابری های جغرافیایی مهمی همچنان باقی مانده اند. در سال 2014 گراهام و همکارانش بیش از 60 هزار مورد معامله صورت گرفته جهت انجام شغل های محوله در مارس 2013 در یک پلتفرم بزرگ را آنالیز کردند. بیشتر پیشنهادهای کار از طرف کارفرمایانی در کشورهای متمول بود و بیشتر این پیشنهادات توسط افرادی در کشورهای کم درآمد یا با درآمد متوسط انجام شده بود.

اما باز هم به نظر می آید کسانی که در منطقه ای نزدیک به کارفرما سکونت دارند، از امتیاز بیشتری برای دریافت موقعیت کار برخوردار هستند. سهم آنها از کارها بطور بی تناسبی بیشتر از کارگران خارجی است و مزد دریافتی شان هم به ازای کارهای مشابه بیشتر است (متوسط ساعتی 24.13 دلار در برابر ساعتی 11.66 دلار). در این میان کارگران در بعضی از کشورهای کم درآمد یا با درآمد متوسط هم بیشتر از دیگران توانسته اند این موقعیت های کاری را بدست بیاورند؛ در تحلیل های گراهام، هند و فیلیپین بالاترین رتبه را در این زمینه دارند.

دلیل بعضی از این نابرابری ها کاملاً به موارد عملیاتی بر می گردد. مثلاً تفاوت در زبان یا ساعت کشورهای مختلف، ممکن است دلیل آن باشد که بعضی کارفرمایان تمایلی به کار با نیروی ساکن خارج از کشور نداشته باشند یا سوابق حضور خارجی ها در هند و فیلیپین، ممکن است سبب این شده باشد که کار با نیروهایی از این کشورها برای کارفرماها جذاب تر باشد، اما به هر حال تبعیض هم (چه آگاهانه و چه ناآگاهانه) ممکن است در این بین نقش موثری داشته باشد؛ تیم گراهام فهرستی از کارها را پیدا کردند که در شرایط آنها به صراحت اعلام شده بود که افرادی از برخی کشورهای خاص نباید برای آنها درخواست بدهند. محمد امیر انوار (Mohammad Amir Anwar)، محققی از گروه گراهام می گوید: «با اینکه این تکنولوژی ها توانسته بخش های مختلف دنیا را به یکدیگر متصل کند، اما (حداقل آنقدر که ما انتظار داشتیم) نتوانسته پلی برای پُر کردن این دست فاصله ها ایجاد کند.»

با انجام یکی دیگر از مطالعات انسان شناسانه گسترده درباره کارگران گیگ، بتدریج معلوم شد که این دست کارها با چه ساز و کاری انجام می شود. همچنین در این مطالعه مشخص شد کارگران برای موفقیت در این فضای جدید به چه چیزهایی نیاز دارند.

بین سال های 2013 تا 2015 دو محقق ارشد Microsoft Research؛ ماری گری (Mary Gray) انسان شناسی از کمبریج ماساچوست و دانشمند علوم اجتماعی محاسباتی (computational social scientist) سیدهارت سوری (Siddharth Suri) از نیویورک، وضعیت حدود دو هزار کارگر گیگ در ایالات متحده و هند را مورد بررسی قرار دادند و با نزدیک به 200 نفر از آنها مصاحبه هایی طولانی ترتیب دادند.

یکی از اولین چیزهایی که آنها متوجه شدند این بود که با وجود اینکه کارگران گیگ معمولاً نیروهایی مستقل و بدون وابستگی به جایی تلقی می شوند، اما در واقعیت بسیاری از آنها با هم مرتبط هستند و با یکدیگر همکاری می کنند. آنها به یکدیگر کمک می کنند تا حساب های کاربری و پروفایل هایشان را تنظیم کنند، اطلاعات درباره کارفرمایان خوب و شغل های تازه اعلام شده را با یکدیگر به اشتراک می گذارند و از یکدیگر به لحاظ فنی و اجتماعی پشتیبانی می کنند. به گفته سوری، کارگران آگاهانه در تلاش هستند تا ارتباطاتی انسانی را به پشت پرده این سیستم اضافه کنند. آنها این کار را در زمان شخصی شان انجام می دهند، «پس اینکار باید برایشان با ارزش و مهم باشد.»

در مطالعه بعدی که بیشتر به جنبه های کمی ماجرا می پرداخت، گری، سوری و همکاران شان پس از دنبال کردن و ترسیم ارتباطات میان بیش از 10 هزار کارگر فعال در پلتفرم Amazon Mechanical Turk، به این نتیجه رسیدند که این نوع همکاری واقعاً می تواند در درآمد این افراد موثر باشد. کارگرانی که حداقل با یک نفر دیگر در پلتفرم در ارتباط هستند، نرخ های بالاتری دارند، امکان اینکه امتیازات بیشتری دریافت کنند و در رتبه بالاتری قرار بگیرند، بیشتر است و سریع تر از دیگران (که با هیچ فرد فعال دیگری در پلتفرم ارتباط ندارند) از کارهای جدید مطلع می شوند. به گفته گری، به نظر می رسد کسانی که می خواهند در این عرصه موفق تر باشند، «واقعاً نیاز به همکاری دارند. آنها به یکدیگر احتیاج دارند.»

آیا خلاء مهارت های دیجیتالی می تواند پُر شود؟
سال ها است که کارشناسان زنگ خطر را درباره ضعف در مهارت های دیجیتال به صدا در آورده اند. آنها هشدار داده اند که تعداد کارگران آموزش دیده برای پُر کردن موقعیت های شغلی مربوط به تکنولوژی های پیشرفته کم است و این ضعف در سواد پایه دیجیتالی می تواند مناطق جغرافیایی مشخص یا گروه های جمعیتی خاص تبدیل به مانعی شود برای رشد در حوزه اقتصاد دیجیتال. در واکنش به این مشکل، اجرای انواع برنامه های نوآورانه برای بالا بردن سواد و تقویت مهارت های دیجیتال در سراسر جهان گسترش یافته است. تحقیقات جدید به دنبال این است که بفهمد چه چیزهایی در این زمینه موثر است و چه چیزهایی نیست.

در این میان مستنداتی از آموزش های موفق در این حوزه وجود دارد. بیش از یک دهه قبل، آژانس پروژه های تحقیقات پیشرفته دفاعی آمریکا، دارپا (the US Defense Advanced Research Project Agency) برنامه ای کامپیوتری را توسعه داد که به عنوان راهنمای شخصی، تعاملی و سازگار در حوزه دیجیتال، نیروهای تازه وارد به نیروی دریایی آمریکا را برای تصدی شغل تکنسینی سیستم های فناوری اطلاعات آموزش می داد. شاگردان بطور تک نفره با این سیستم آموزشی کار می کردند، درس های مربوط به موضوعات مختلف را دنبال و تمرینات آن را حل می کردند. اولویت سیستم در یادگیری مفهومی و بازخوردگیری، باعث می شد شاگردان بطور مرتب آنچه را آموخته بودند، مرور کنند. هرگاه سیستم آموزشی به این نتیجه می رسید که کاربر به خوبی بر موضوع تسلط یافته، سراغ مبحث بعدی می رفت.

در بررسی ای که محققان موسسه آنالیز دفاعی (the Institute for Defense Analyses) در الکساندریا (Alexandria)، ویرجینا در سال 2014 روی این برنامه آموزشی انجام دادند، متوجه شدند که 12 نیروی جدید که دوره 16 هفته ای این آموزش را بطور کامل گذراندند، عملکرد بهتری نسبت به کسانی داشتند که در کلاس های آموزشی عادی IT در نیروی دریایی (با طول دوره ای بیش از دو برابر) آموزش دیدند. این 12 نفر، تقریباً در تمام بررسی ها، حتی نسبت به گروهی از تکنسین های ارشد IT نیروی دریایی (که هر کدام بطور متوسط 10 سال در این زمینه تجربه داشتند) هم عملکرد بهتری داشتند. دکستر فلچر (Dexter Fletcher)، نویسنده همکار این بررسی می پرسد: «اگر توانایی اجرای چنین چیزی را داریم، چرا از آن بیشتر استفاده نمی کنیم؟ چرا این شیوه را بطور جدی در آموزش نیروها بکار نمی گیریم؟»

در ادامه این مطالعه، نسخه بعدی همین نرم افزار با کمی اصلاحات، برای آموزش 100 کهنه سرباز مورد استفاده قرار گرفت تا بتوانند وارد مشاغل حوزه IT در فضای غیرنظامی شوند. بررسی های فلچر نشان داد که نتایج این آموزش تقریباً مشابه دوره قبل بوده است. در عرض شش ماه پس از اتمام برنامه آموزشی، 97 درصد از کهنه سربازها که به دنبال مشاغل مرتبط با IT بودند، توانستند آن را بدست بیاورند و درآمد سالانه ای تقریباً برابر با افرادی داشته باشند که در این حوزه بین سه تا پنج سال سابقه داشتند.

شیوه های فراوان دیگری برای بهبود مهارت های دیجیتال و امکان کاریابی رواج پیدا کرده است؛ دوره های گسترده آنلاین آزاد (MOOCs)، کلاس های دانشگاهی که از طریق اینترنت ارائه می شود و اردوهای فشرده و کوتاه کدنویسی که اصول اولیه برنامه نویسی کامپیوتری را در آن آموزش می دهند.

در بررسی ای که در سال 2016 روی 1400 کاربر MOOC در کلمبیا، فیلیپین و آفریقای جنوبی انجام شد، مشخص گردید 80 درصد این افراد از اقشار کم درآمد یا متوسط هستند و مهارت های کامپیوتری 41 درصد از آنها در حد پایه است. بیش از نیمی از این افراد (56 درصد) زن بودند و علوم کامپیوتر رایج ترین مبحثی بود که افراد در این دوره ها دنبال می کردند. ماریا گاریدو (Maria Garrido) یکی از نویسندگان همکار این گزارش در دانشکده اطلاعات دانشگاه واشنگتن می گوید: «زن ها در MOOCs بیشتر در حوزه هایی حضور پیدا می کنند که در حالت عادی خیلی جایی در آن ندارند.»

اما کیفیت این دوره ها هم می تواند بسیار متفاوت باشد و در موارد بسیار کمی مورد ارزیابی دقیق قرار گرفته است. اردوهای کدنویسی معمولاً هزینه های سنگینی دارند، زمان زیادی را باید صرف آن کرد و بیشتر در فضاهای فناورانه و شهرها تشکیل می شوند. به این ترتیب همچنان شکاف ها در بین اقشار مختلف باقی می ماند. در مطالعه ای در سال 2015 که روی بیش از 67 هزار شرکت کننده در MOOC انجام شد، دو پژوهشگر استنفورد در مقایسه شرکت کنندگان دختر در برابر پسر و شرکت کنندگان آفریقایی، آسیایی و آمریکای لاتین در برابر اروپایی، آمریکای شمالی و اقیانوسیه، دریافتند که دخترها و همچنین افراد آسیایی، آفریقایی و آمریکای لاتین کمتر به اهداف و مراحل مهم دوره ها (مثلاً دیدن 50 درصد از جلسات سخنرانی درسی) دست یافته اند و نمرات پایین تری هم دارند.

البته کسانی که دوره های مهارت آموزی دیجیتال را به پایان می رسانند هم، همچنان با موانع مختلفی برای پیدا کردن کار روبرو هستند. وقتی در سال 2004 پژوهشگران با تعدادی از دانشجویان یک دوره آموزشی کنیایی IT در دانشگاه استراثمور (Strathmore University) در نایروبی مصاحبه می کردند، بعضی از آنها می گفتند نگران این هستند که پس از فارغ التحصیلی و ورود به بازار کار محلی، تخصص شان ناشناخته باشد و شغل های مناسبی برای استفاده از این تخصص وجود نداشته باشد. لینت یارجر (Lynette Yarger)، متخصص علوم اطلاعات در دانشگاه ایالتی پنسیلوانیا (Pennsylvania State University) می گوید: «چنین وضعیتی بخصوص برای زنان وجود دارد.» او به عنوان یک دانشجو معتقد است: «چون من یک زن هستم، بعضی کارفرماها فکر نمی کنند که باید به من هم کاری در زمینه IT بدهند، در نتیجه احتمال دارد من هیچ وقت نتوانم از آنچه آموخته ام کامل استفاده کنم و کاری را که می خواهم بدست بیاورم.»

چیزی که این تحقیقات مشخص می کند این است که حتی گذراندن دوره های خوب و موثر آموزشی هم ممکن است نتواند منجر به موفقیت در دنیای کار دیجیتال شود. گاریدو می گوید: «واقعیت این است که داشتن مهارت های بهتر و اینکه بدانید چطور از کامپیوتر استفاده کنید، لزوماً منجر به این نمی شود که بتوانید شغل خوبی در این زمینه پیدا کنید. مهارت های دیجیتال یکی از قطعات مهم این پازل است، اما همه چیز نیست.»

[toggle title=”برای مشاهده منابع اینجا کلیک کنید.” state=”close” ]

مقاله علمی و آموزشی «آیا فناوری های دیجیتال در حال پایان دادن به عصر نیروی کار هستند؟»، نتیجه ی تحقیق و پژوهش، گردآوری، ترجمه و نگارش هیئت تحریریه پورتال یو سی (شما می توانید) می باشد. در این راستا مقاله نشریه نیچر ترجمه شده توسط فاطمه عرفانی از مجله دانستنیها، به عنوان منبع اصلی مورد استفاده قرار گرفته است.

[/toggle]