人口普查中行业和职业编码智能化——国际经验与中国进程

行业和职业编码是人口普查中行业和职业信息采集与量化分析之间必要的资料整理环节。随着信息技术的快速发展及其在社会管理工作中的广泛应用,人口普查行业和职业编码走上了智能化探索之路。智能化计算机编码极大减少编码工作对人工的依赖,显著降低编码成本,提高数据的时效性,控制编码环节的再生性误差。本文结合国内外相关研究,总结计算机编码的两种基本实现思路,阐述字典编码方法和模型编码方法的原理、技术及其在人口普查编码实践中的应用。我国在前六次人口普查中,行业和职业编码均由人工完成,第七次全国人口普查采用计算机辅助编码技术,初步实现行业和职业编码智能化。未来可以有针对性地借鉴其他国家社会调查编码工作的先进经验,向全面智能化方向迈进,进一步提高计算机编码方式在我国社会精准化管理中的服务水平。

机器学习在社会调查职业编码中的应用

问卷调查一般通过开放文本题采集职业信息。这种题型虽能提供丰富信息,但数据管理复杂,需要将原始数据进行编码。传统的人工编码法耗时耗力。本文首次尝试将机器学习中两个常见分类器“朴素贝叶斯”和“支持向量机”运用在中文职业文本编码上。结果显示,它们在职业大类编码上的表现令人满意,但在职业细类上性能不足,而且在不同职业类别间性能差异很大,其中“农林牧渔水利业生产人员”和“不便分类的其他人员”的分类效果较好。

社会调查中职业问题编码的方式与质量研究

职业是社会科学研究的重要变量,然而社会调查中的职业编码很容易出现偏差。目前我国社会调查中主要采用访员实地编码与访问结束后由编码员进行集中编码两种方式。基于经验数据分析发现,这两种编码方式的结果存在较大的差异。这些差异一方面受访员职业信息的记录质量、访员编码经验及访员自身特征的影响,另一方面也与不同职业类别的编码难度有关。因此,在社会调查中要注意监控访员职业信息的记录规范,并采用有质控的编码员集中编码的方式来提高职业问题编码的数据质量。