Activity 2.1 概览（Describing the Job / Data Science Job Trends）

这次活动的核心：用真实的招聘信息与趋势工具来认识“数据科学家/数据分析”岗位。你会从搜索与对比（美国趋势 vs. 澳洲岗位热度）、到抓取与清洗（从招聘网站获取数据）、再到文本挖掘（手动与自动抽取技能/关键词），最后反思术语歧义、可扩展性与方法局限。

分步任务在做什么（逐步说明）

Step 1｜用 Google Trends 看长期趋势（美国）

• 在 Jobs & Education 分类中分别搜索 "Data Scientist", "Big Data", "Data Analyst"，再加入 "Data Science"。
• 时间范围设为 2004–present，观察四个关键词的长期热度对比与走向。

Step 2｜用澳洲招聘网站看当下热度（澳大利亚）

• 在 Seek（以及 Indeed）上分别搜索上述四个关键词，记录职位数量。
• 与美国的搜索趋势进行对照：虽然 Seek/Indeed没有时间序列，但可比较当前相对热度。

Step 3｜查阅更多澳洲资源（市场与薪酬背景）

• 浏览如 Hudson（薪资指南）、ABS、Jobs & Skills 等网站，了解岗位画像、薪酬区间、地区/行业信息与职业路径。

Step 4｜看英国市场与统计工具（Adzuna UK）

• 在 Adzuna UK 搜索“Data Scientist / Data Science”，进入 Stats/Map 页面查看：

  • 平均薪资、薪资随时间变化
  • 热门地区、招聘公司、常见技能标签
• 对比“Data Scientist”的薪资与全国平均薪资。

Step 5｜回到澳洲（Adzuna AU / Seek）并思考数据获取与清洗

• 在 Adzuna AU/Seek 搜索目标岗位，思考如何把网页上的结果变成数据（复制/脚本/导出等）。
• 讨论清洗（如去掉“Add to shortlist”等噪声）、结构化字段（职位、公司、地点、薪资、技能、资质）。

Step 6｜对照“数据科学技能地铁图”（Metromap）

• 熟悉图谱上的技能大类（如 data munging、text mining 等），思考一个典型数据科学家不可能全都会，明确岗位需要的“技能组合”。

Step 7｜对具体招聘广告做“手动信息抽取”

• 选取 5 条招聘信息，手动标注：公司/组织、职责、必备技能、加分技能、资质、薪酬、地点等关键术语。
• 反思：手动标注是否可扩展？标签是否一致？同义词（wrangling vs munging）与歧义词（“Apple”公司/水果/地名绰号）怎么处理？

Step 8｜用 OpenCalais 做“自动标签/实体识别”

• 将一条招聘文本粘贴到 OpenCalais，查看它识别的公司、技能、角色、技术名词等标签及正确性/误报。
• 了解其导出的 RDF 表示形式（知识表示/语义网的基本概念）。

Step 9｜讨论信息抽取/文本挖掘的挑战

• 为什么让计算机“读懂”招聘广告很难？涉及领域术语多样性、格式非结构化、上下文依赖与歧义、标签体系不统一等问题。

教学目的（Learning Objectives）

完成本活动后，你应能：

1. 理解岗位趋势与地域差异：能用 Google Trends、Seek/Indeed/Adzuna 等工具，比较美国长期趋势与澳洲/英国当下市场热度与薪酬格局。
2. 掌握招聘数据获取与清洗思路：知道从网页到数据表的几种路径（复制、脚本、半自动），并能进行基础的去噪与结构化。
3. 建立技能图谱意识：能将招聘广告中的技能需求映射到“数据科学技能地铁图”的技能大类/组合，形成岗位画像。
4. 练习术语抽取与同义消歧：通过手动抽取体会标注规范与可扩展性问题，识别同义词与歧义词带来的挑战。
5. 体验自动化文本标注工具：使用 OpenCalais 做实体识别与关系标注，理解其优缺点与 RDF 表达的基本含义。
6. 培养批判性与可扩展性思维：能评价不同方法（手动 vs 自动）在准确性、可扩展性、可维护性上的权衡，并提出改进方向（如统一术语表、正则/词典/ML/NLP 管线）。

一句话总结：这次活动把数据求职市场研究与文本挖掘实践结合起来，既要会“找数/清数/看数”，也要会“读文/抽词/辨义”，从而形成对“数据科学岗位”的数据驱动认知与方法论意识。