Search

Die Studie setzt sich mit der Frage auseinander, wie beim RAV gemeldete Stellensuchende nach Stellen suchen und was eine erfolgreiche Suche ausmacht. Die Analyse wurde mittels Befragungen von Stellensuchenden (Anmeldungen 2019, bzw. wiederholte Befragung Anmeldungen Mai 2021) sowie Daten der Arbeitslosenstatistik durchgeführt. Im Durchschnitt setzen Stellensuchende wöchentlich etwa 19 Stunden für Bewerbungen ein, etwas weniger als die Hälfte (knapp neun Stunden) werden für die Identifikation von passenden Stellen aufgewendet, die weiteren knapp zehn Stunden werden in das Verfassen von Bewerbungen investiert. Über 95 Prozent der Stellensuchenden nutzen sowohl analoge als auch Online-Suchkanäle. Die Kanäle, welche am häufigsten genutzt werden, sind allgemeine Jobbörsen, Suchmaschinen im Internet, Webseiten von Arbeitgebern, das persönliche Netzwerk sowie Initiativ-bewerbungen. Rund 62 Prozent aller Befragten nutzen arbeit.swiss/Job-Room – die Jobplattform der öffentlichen Arbeitsvermittlung – mehrmals monatlich für die Stellensuche. Die Nutzung der Plattform ist bei Geringqualifizierten und Personen ohne Kenntnisse der Landessprachen bedeutend geringer. Generell selten werden beispielsweise Inserate in Zeitungen als Suchkanal genutzt. Rund drei Viertel der Stellensuchenden nutzen zwischen sieben und elf Kanäle parallel (von zwölf in dieser Studie differenzierten Suchkanälen). Am häufigsten kam der entscheidende Hinweis auf die Stelle, welche angetreten werden konnte, aus dem persönlichen Netzwerk oder die Stelle wurde auf einer allgemeinen Jobbörse identifiziert. Regelmässig werden die Stellensuchenden aber auch von Personalvermittlungsfirmen oder Arbeitgebern direkt kontaktiert und kommen so an eine neue Stelle. Es zeigen sich Auffälligkeiten nach Untergruppen: Stellensuchende ab 55 Jahren nutzen im Vergleich zu jüngeren Stellensuchenden etwas seltener Online-Kanäle, sichten dafür aber häufiger Zeitungsinserate. In Bezug auf den Erfolg von Suchkanälen weichen die ält

In 2002, Switzerland began to adopt free movement of workers with the European Union. We study the effects of the resulting immigration wave on resident workers. We focus on the level of national skill groups and propose an Instrumental Variable approach to address the endogeneity of immigration in this setting. Mostly relying on administrative data on the 2002–2011 period, we find that immigration of foreign workers reduced unemployment of residents and had limited adverse effects on their wages and employment. One reason is that younger residents changed to more demanding jobs as a response to the arrival of immigrants.

Education and skills should be the key determinants of whether a candidate gets a job or not, but in reality, gender, origin or race/ethnicity end up influencing hiring decisions. By leveraging big data from recruitment platforms and machine learning to study hiring discrimination, Dominik Hangartner, Daniel Kopp, and Michael Siegenthaler show that discrimination against immigrants depends, among other things, on their origin and time of day; and that both men and women face discrimination.

A depreciation is probably good news for low-skilled workers, write Boris Kaiser and Michael Siegenthaler

Women (compared to men) and individuals from minority ethnic groups (compared to the majority group) face unfavourable labour market outcomes in many economies1,2, but the extent to which discrimination is responsible for these effects, and the channels through which they occur, remain unclear3,4. Although correspondence tests5—in which researchers send fictitious CVs that are identical except for the randomized minority trait to be tested (for example, names that are deemed to sound ‘Black’ versus those deemed to sound ‘white’)—are an increasingly popular method to quantify discrimination in hiring practices6,7, they can usually consider only a few applicant characteristics in select occupations at a particular point in time. To overcome these limitations, here we develop an approach to investigate hiring discrimination that combines tracking of the search behaviour of recruiters on employment websites and supervised machine learning to control for all relevant jobseeker characteristics that are visible to recruiters. We apply this methodology to the online recruitment platform of the Swiss public employment service and find that rates of contact by recruiters are 4–19% lower for individuals from immigrant and minority ethnic groups, depending on their country of origin, than for citizens from the majority group. Women experience a penalty of 7% in professions that are dominated by men, and the opposite pattern emerges for men in professions that are dominated by women. We find no evidence that recruiters spend less time evaluating the profiles of individuals from minority ethnic groups. Our methodology provides a widely applicable, non-intrusive and cost-efficient tool that researchers and policy-makers can use to continuously monitor hiring discrimination, to identify some of the drivers of discrimination and to inform approaches to counter it.