arXiv cs.CLは2026年9月19日(現地時間)、情報時代スキルフレームワーク（SFIA）を用いたスキルと責任レベルの構造化抽出に関する研究論文を発表した。Ranuga Disansa (ラヌガ・ディサンサ) 氏らが執筆したこの論文は、既存のシステムがスキルを責任レベルの概念なしに単純なラベルとして扱う課題を指摘。SFIAが定義する147の専門スキルと7つの責任レベルを、大規模言語モデル (LLM) ベースでテキストから抽出する手法を検討した。
本研究は、自由記述テキストから（スキル、レベル）のペアを構造化予測するタスクを形式化し、三つの主要な疑問点に焦点を当てた。第一に、テキストをSFIAの閉じた語彙にどの程度正確にマッピングできるか。第二に、スキルとともに責任レベルを確実に予測する戦略は何か。第三に、エージェントベースのデザインが、より単純な検索およびプロンプティング手法と比較して優位性を持つか、という点である。
研究チームは、本課題に取り組むために五つの異なる戦略を評価した。これらには、語彙ベースの基準、LLMリランキングを伴う高密度検索、ゼロショットスキーマ制約LLM、単一エージェントによるRAG、そしてレトリーバー・マッチャー・ベリファイアーの三つのエージェントから成る「クルー」と呼ばれる構成が含まれる。これらの戦略の有効性は、専門家によってマッピングされた欧州のICTロールプロファイルと、完全に自動化されたエージェントパイプラインによって構築されたSFIA 9コーパスに基づいて検証された。
評価結果によると、検索ベースのマッチング手法が最も多くのスキルを特定する能力を示した一方で、生成戦略は著しく高い精度を達成した。スキルに付随する責任レベルを確実に予測できたのは、そのレベルを明示的な決定として割り当てる戦略のみであり、類似度ベースの選択は2倍以上不正確であったことが判明した。また、三つのエージェント構成は精度を改善することなくレイテンシを2倍に増加させ、エージェントロールの追加が閉じたタクソノミーのマッチングに自動的に寄与するわけではないことが示された。これらの結果は、情報時代スキルフレームワーク（SFIA）に対する構造化されたレベル認識型スキル抽出の再現可能な最初のベースラインを提供するとされている。
参考: arXiv cs.CL (アーカイブ) — 2026年9月30日 13:00 (JST)