Interpretable machine learning for undeclared work prediction

Abstract

Undeclared work, a fundamental aspect of the informal economy, poses a complex socioeconomic challenge that undermines the well-being of workers, businesses, and the stability of the welfare state. Labor Inspectorates are tasked with combating this illegal employment practice, yet they often prove ineffective, struggling with limited resources and inadequate tools.This doctoral thesis seeks to enhance the capabilities of public labor law enforcement authorities in addressing undeclared work and other labor law violations through the design and development of an innovative machine learning system. This system generates interpretable predictive models targeting these violations and offers three primary benefits. First, by accurately predicting businesses likely to employ undeclared workers, it significantly aids in the efficient allocation of resources, facilitating effective planning of targeted onsite inspections and other deterrent and preventive measures. Second, by providing clear explanations for these predictions, it improves labor inspectors’ domain knowledge, actively involves them in the inspection planning process, and increases their acceptance and trust in the models’ outputs and recommendations. Third, by identifying and extracting predominant patterns associated with each violation, it offers actionable insights into labor market trends, thereby supporting efficient and strategic decision-making for policy interventions. This machine learning project is specifically tailored to meet the business needs and utilize the available data of the Hellenic Labour Inspectorate, though the suggested approaches and techniques can be applied in any labor law enforcement authority. It is comprehensively detailed across the six phases of the CRISP-DM methodology. It uses a dataset integrating real inspection, business, and employment data, and employs four algorithms of Associative Classification, an advanced machine learning method known for its high predictive accuracy and enhanced interpretability. Throughout three CRISP-DM life cycle iterations, the project develops a total of 96 classifiers targeting undeclared work and other violations, utilizing various data engineering techniques to address the class imbalance and class overlap issues often inherent in labor inspection datasets, aiming to improve their predictive strength and interpretability. It evaluates the models for both prediction performance and the clarity of the extracted local and global explanations. Furthermore, the project emphasizes the adaptability of machine learning techniques within the operational framework of a public institution, analyzing challenges and proposing solutions to facilitate the smooth integration and acceptance of such innovative approaches within the public sector. Overall, this research represents a comprehensive and detailed machine learning project designed for application within the business environment of a public institution tasked with effectively combating the illegal practice of undeclared work. It emphasizes advanced techniques and methods that achieve superior prediction performance, enhanced interpretability, and seamless integration into existing business processes. The ultimate aim is to promote the design, implementation, and eventual incorporation of such innovative approaches in responsible public institutions, thereby enhancing their ability to address labor law violations more effectively and strategically.

Η αδήλωτη εργασία, μια θεμελιώδης πτυχή της άτυπης οικονομίας, αποτελεί ένα περίπλοκο κοινωνικοοικονομικό ζήτημα που υπονομεύει την ευημερία των εργαζομένων, των επιχειρήσεων και τη σταθερότητα του κράτους πρόνοιας. Οι Επιθεωρήσεις Εργασίας είναι επιφορτισμένες με την καταπολέμηση αυτής της παράνομης πρακτικής της απασχόλησης, ωστόσο συχνά αποδεικνύονται ανεπαρκείς, αντιμετωπίζοντας ελλείψεις σε ανθρώπινους πόρους και κατάλληλα εργαλεία. Η παρούσα διδακτορική διατριβή επιδιώκει να ενισχύσει τις δυνατότητες των δημοσίων αρχών επιβολής του εργατικού δικαίου να αντιμετωπίσουν την αδήλωτη εργασία και άλλες παραβιάσεις του εργατικού δικαίου μέσω του σχεδιασμού και της ανάπτυξης ενός καινοτόμου συστήματος μηχανικής μάθησης. Αυτό το σύστημα δημιουργεί ερμηνεύσιμα μοντέλα πρόβλεψης για αυτές τις παραβιάσεις και προσφέρει τρία κύρια οφέλη. Πρώτον, μέσω της ακριβούς πρόβλεψης των επιχειρήσεων που ενδεχομένως απασχολούν αδήλωτους εργαζομένους, συμβάλλει σημαντικά στην αποδοτική κατανομή των πόρων της Αρχής, διευκολύνοντας τον αποτελεσματικό σχεδιασμό στοχευμένων επιτόπιων επιθεωρήσεων και άλλων αποτρεπτικών και προληπτικών μέτρων. Δεύτερον, μέσω της παροχής σαφών εξηγήσεων για αυτές τις προβλέψεις, βελτιώνει τις γνώσεις των επιθεωρητών εργασίας, τους εμπλέκει ενεργά στη διαδικασία σχεδιασμού επιθεωρήσεων και αυξάνει την εμπιστοσύνη και την αποδοχή τους στα αποτελέσματα και τις συστάσεις των μοντέλων. Τρίτον, μέσω του εντοπισμού και της εξαγωγής των κυρίαρχων προτύπων που σχετίζονται με κάθε παραβίαση, προσφέρει αξιόπιστες γνώσεις για τις επικρατούσες τάσεις στην αγορά εργασίας, υποστηρίζοντας έτσι την αποτελεσματική και στρατηγική λήψη αποφάσεων για παρεμβάσεις πολιτικής. Η ερευνητική μελέτη και εφαρμογή μηχανικής μάθησης είναι ειδικά προσαρμοσμένες στις επιχειρηματικές ανάγκες και διαθέσιμα δεδομένα της Ελληνικής Επιθεώρησης Εργασίας, ωστόσο οι προτεινόμενες προσεγγίσεις και τεχνικές, οι οποίες αναλύονται διεξοδικά κατά τις έξι φάσεις της μεθοδολογίας CRISP-DM, μπορούν να εφαρμοστούν σε οποιαδήποτε αρχή επιβολής διατάξεων της εργατικής νομοθεσίας. Για τους σκοπούς της μελέτης και εφαρμογής, χρησιμοποιείται ένα σύνολο πραγματικών δεδομένων που ενσωματώνει δεδομένα επιθεωρήσεων, επιχειρήσεων και απασχόλησης και επιστρατεύονται τέσσερις αλγόριθμοι συσχετιστικής ταξινόμησης (Associative Classification), μιας προηγμένης μεθόδου μηχανικής μάθησης που είναι γνωστή για την υψηλή προγνωστική της ακρίβεια και βελτιωμένη ερμηνευτικότητα. Κατά την εφαρμογή τριών επαναλήψεων του κύκλου ζωής μηχανικής μάθησης σύμφωνα με τη μεθοδολογία CRISP-DM, αναπτύσσονται συνολικά 96 μοντέλα πρόβλεψης αδήλωτης εργασίας και άλλων παραβιάσεων, χρησιμοποιώντας διάφορες τεχνικές μηχανικής δεδομένων για την αντιμετώπιση των ζητημάτων ανισορροπίας τάξεων και επικάλυψης τάξεων που συχνά ενυπάρχουν στα σύνολα δεδομένων επιθεώρησης εργασίας, με στόχο τη βελτίωση της προγνωστικής τους ισχύος και της ερμηνευσιμότητας των αποτελεσμάτων τους. Η μελέτη αξιολογεί τα μοντέλα τόσο για την απόδοση πρόβλεψης όσο και για τη σαφήνεια των εξαγόμενων τοπικών και καθολικών εξηγήσεων. Επιπλέον, δίνεται έμφαση στην προσαρμοστικότητα των τεχνικών μηχανικής μάθησης στο λειτουργικό πλαίσιο ενός δημόσιου ιδρύματος, αναλύοντας προκλήσεις και προτείνοντας λύσεις για τη διευκόλυνση της ομαλής ενσωμάτωσης και αποδοχής τέτοιων καινοτόμων προσεγγίσεων στον δημόσιο τομέα. Συνολικά, αυτή η έρευνα αντιπροσωπεύει ένα ολοκληρωμένο και λεπτομερές έργο μηχανικής μάθησης που έχει σχεδιαστεί για εφαρμογή στο επιχειρηματικό περιβάλλον ενός δημόσιου ιδρύματος υπεύθυνου για την αποτελεσματική καταπολέμηση της παράνομης πρακτικής της αδήλωτης εργασίας. Δίνει έμφαση σε προηγμένες τεχνικές και μεθόδους που επιτυγχάνουν ανώτερη απόδοση πρόβλεψης, βελτιωμένη εμηνευσιμότητα και απρόσκοπτη ενσωμάτωση στις υπάρχουσες επιχειρησιακές διαδικασίες. Ο απώτερος στόχος της παρούσας διδακτορικής διατριβής είναι να προωθήσει τον σχεδιασμό, την εφαρμογή και την ενσωμάτωση τέτοιων καινοτόμων προσεγγίσεων στις αρμόδιες δημόσιες αρχές, ενισχύοντας έτσι την ικανότητά τους να αντιμετωπίζουν τις παραβιάσεις της εργατικής νομοθεσίας πιο αποτελεσματικά και στρατηγικά.