Oferty stypendium w grancie

jobs
polish
Oferta stypendium naukowego dla studentów i doktorantów
Author

Maciej Beręsewicz

Published

May 26, 2025

Zachęcamy studentów i doktorantów do pracy w grancie! Poniżej przedstawiamy najważniejsze informacje

Warunki finansowe i czas pracy

Warunki zatrudnienia (dodatkowe)

Wymagania

Stanowiska

Opis zadań

  • przetwarzanie danych ilościowych i jakościowych (tekstowych) pochodzących z ogłoszeń o pracy i innych źródeł
  • opracowanie nowych metod statystycznej oceny jakości danych online (m.in. błędy pokrycia, błędy pomiaru)
  • opracowanie nowych metod szacowania liczby wolnych miejsc pracy poprzez wykorzystanie m.in. probabilistycznego łączenie rekordów i metod capture-recapture (por. literatura na końcu ogłoszenia)
  • oszacowanie liczby wolnych miejsc pracy (ogółem i w wybranych przekrojach; m.in. wg typu umowy, przekrojów przestrzennych, zawodów)
  • programowanie w językach open source, tworzenie oprogramowania implementującego zaproponowane podejścia
  • przygotowanie artykułów naukowych opisujących zaproponowane podejścia
  • uczestnictwo w konferencjach naukowych z referatami / plakatami, uczestnictwo w seminariach, spotkaniach zespołów
  • wykonywanie ew. innych zadań zleconych przez kierownika projektu, dotyczących przetwarzania danych gromadzonych w ramach projektu
  • raportowanie wyników prac w ujęciu miesięcznym

Dodatkowe informacje

  • wybrani kandydaci mogą zostać zaproszeni drogą elektroniczną na rozmowę kwalifilacyjną po sprawdzeniu umiejętności (wynkonaniu zadan przesłanych przez kierownika projektu)
  • stypendysta otrzyma do dyspozycji laptop na potrzeby pracy w grancie (własność Katedry Statystyki UEP)
  • w ramach pracy w grancie przewidziane jest pełne finansowanie jednej/dwóch konferencji w roku i/lub wizyty w wybranym ośrodku naukowym
  • dysponujemy długim szeregiem czasowym indywidualnych ofert pracy z internetu oraz z rejestru CBOP, a także informacjami z badania Popyt na pracę
  • dysponujemy klasyfikatorem ofert pracy opisanym tutaj
  • wszelkie pytania proszę kierować na adres kierownika projektu maciej.beresewicz[at]ue.poznan.pl wpisując w temacie wiadomości OJALAB STYPENDIUM #1 (jest możliwość umówienia się na rozmowę przez MS Teams).
  • wybrana literatura:
    • Chen, B., Shrivastava, A., & Steorts, R. C. (2018). Unique entity estimation with application to the Syrian conflict. The Annals of Applied Statistics, 12(2), 1039-1067.
    • Beręsewicz, M., Wydmuch, M., Cherniaiev, H., & Pater, R. (2024). Multilingual hierarchical classification of job advertisements for job vacancy statistics. arXiv preprint arXiv:2411.03779.
    • Böhning, D., Bunge, J., & Heijden, P. G. (Eds.). (2018). Capture-recapture methods for the social and medical sciences. Boca Raton: CRC Press.
    • Klingwort, J., Buelens, B., & Schnell, R. (2021). Capture–recapture techniques for transport survey estimate adjustment using permanently installed highway-sensors. Social Science Computer Review, 39(4), 527-542.
  • przetwarzanie danych ilościowych i jakościowych (tekstowych) pochodzących z ogłoszeń o pracy i innych źródeł
  • programowanie w językach open source, praca nad rozwojem pakietu nonprobsvy, (por. https://cran.r-project.org/web/packages/nonprobsvy/index.html)
  • opracowanie nowych metod estymacji z wykorzystaniem prób nieprobabilistycznych uwzględniających m.in. błąd klasyfikacji czy pokrycia (m.in. wykorzystując metody przedstawione w literaturze na końcu ogłoszenia)
  • estymacja wskaźników statystycznej jakości danych dla prób nieprobabilistycznych
  • oszacowanie popytu na umiejętności i kompetencje na podstawie danych administracyjnych, online i badań częściowych
  • przygotowanie artykułów naukowych opisujących zaproponowane podejścia
  • uczestnictwo w konferencjach naukowych z referatami / plakatami, uczestnictwo w seminariach, spotkaniach zespołów
  • wykonywanie ew. innych zadań zleconych przez kierownika projektu, dotyczących przetwarzania danych gromadzonych w ramach projektu
  • raprotowanie wyników prac w ujęciu miesięcznym

Dodatkowe informacje

  • wybrani kandydaci mogą zostać zaproszeni drogą elektroniczną na rozmowę kwalifilacyjną po sprawdzeniu umiejętności (wynkonaniu zadan przesłanych przez kierownika projektu)
  • stypendysta otrzyma do dyspozycji laptop na potrzeby pracy w grancie (własność Katedry Statystyki UEP)
  • w ramach pracy w grancie przewidziane jest pełne finansowanie jednej/dwóch konferencji w roku i/lub wizyty w wybranym ośrodku naukowym
  • dysponujemy długim szeregiem czasowym indywidualnych ofert pracy z internetu oraz z rejestru CBOP, a także informacjami z badania Popyt na pracę
  • dysponujemy klasyfikatorem ofert pracy opisanym tutaj
  • wszelkie pytania proszę kierować na adres kierownika projektu maciej.beresewicz[at]ue.poznan.pl wpisując w temacie wiadomości OJALAB STYPENDIUM #2 (jest możliwość umówienia się na rozmowę przez MS Teams).
  • wybrana literatura:
    • Chrostowski, Ł., Chlebicki, P., & Beręsewicz, M. (2025). nonprobsvy–An R package for modern methods for non-probability surveys. arXiv preprint arXiv:2504.04255.
    • Battaglia, L., Christensen, T., Hansen, S., & Sacher, S. (2025). Inference for regression with variables generated by AI or machine learning. arXiv. https://arxiv.org/abs/2402.15585
    • Schennach, S. M. (2016). Recent advances in the measurement error literature. Annual review of economics, 8(1), 341-377.
    • Chen, X., Hong, H., & Tamer, E. (2005). Measurement error models with auxiliary data. The Review of Economic Studies, 72(2), 343-366.
    • Ludwig, J., Mullainathan, S., & Rambachan, A. (2025). Large language models: An applied econometric framework (No. w33344). National Bureau of Economic Research.
    • Torchiana, A. L., Rosenbaum, T., Scott, P. T., & Souza-Rodrigues, E. (2025). Improving estimates of transitions from satellite data: a hidden Markov model approach. Review of Economics and Statistics, 107(2), 426-441.
    • Beesley, L. J., & Mukherjee, B. (2022). Statistical inference for association studies using electronic health records: handling both selection bias and outcome misclassification. Biometrics, 78(1), 214-226.
    • Adhya, S., Roy, S., & Banerjee, T. (2022). Prediction of Finite Population Proportion When Responses are Misclassified. Journal of Survey Statistics and Methodology, 10(5), 1319-1345.

Wymagane dokumenty