GSCO: Глобальный стандартный классификатор профессий — Детерминированная многоязычная база данных для решения проблемы N² перекрёстных таблиц в международной классификации профессий

Maris Dreshmanis ORCID: 0009-0003-8151-4088 | ISNI: 0000 0004 9280 9121 Аффилиация: Academy of Reincarnationology | Независимый исследователь GitHub: MarisDreshmanis | Wikidata: User:Maris Dreshmanis

Версия: 1 | Лицензия: CC BY 4.0 | Дата: Апрель 2026

DOI: 10.5281/zenodo.19902278 (текущая версия) · Concept DOI: 10.5281/zenodo.19902277 (последняя версия) · Запись на Zenodo

Аннотация

Введение. Проблема несоответствия кодов стандарта классификаций профессий в разных странах была выявлена случайно. Одним из видов моей деятельности является редактирование и пополнение данными Wikidata. Викиданные служат связующим звеном между разделами Википедии на разных языках, выполняя роль центрального хранилища для общих фактов и ссылок.

Решая задачу пополнения данными Wikidata одной конкретной целевой группы — Нобелевских лауреатов на разных языках, выяснилось, что названия профессий являются одним из пробелов, которые не систематизированы в Wikidata.

Чтобы не ошибиться в названии профессии при переводе нейросетями или Google-переводчиком, я решил собрать из открытых источников классификаторы профессий на разных языках. Когда это было сделано, выявилась глобальная проблема мирового масштаба. Во-первых, Международная организация труда (МОТ) обновляет свою Международную стандартную классификацию профессий (ISCO) примерно каждые 20 лет. А это значит, что новые профессии текущего десятилетия в неё не внесены.

Вот годы стандартизации ISCO:

• ISCO-58 — принята в 1957 году (опубликована в 1958).
• ISCO-68 — принята в 1966 году (опубликована в 1968).
• ISCO-88 — принята в 1987 году (опубликована в 1988). Именно в ней впервые была чётко прописана концепция «уровня навыков».
• ISCO-08 — принята в 2007 году (опубликована в 2008). Это актуальная версия, которой пользуются сейчас во всём мире.
• Следующая (ISCO-28) сейчас в активной фазе пересмотра МОТ — подача эмпирических входных данных открыта 2026–2028, выпуск 2028.

Во-вторых, те страны, которые самостоятельно решали эту задачу, добавляют коды, которые конфликтуют между разными странами. Чуть лучше обстоят дела в Евросоюзе, но в целом глобально в мире в стандартизации и кодах после 4 цифр ISCO царит хаос.

Продолжая решать задачу описания профессий Нобелевских лауреатов, я для себя создал таблицу анализа несоответствия в разных странах. Назвал просто: GSCO (Глобальная стандартная классификация профессий). Почему глобальная? Потому что собрал данные из более чем 140 национальных реестров. Я не нашёл информацию, чтобы кто-либо в мире это сделал ранее; если у вас, читающие этот текст, есть такая информация — прошу прислать мне. Контакты указаны на странице моего профиля.

Когда данные были собраны и проанализированы, я понял что нужно поделиться этими данными не только с национальными реестрами, чтобы они осознали количество конфликтов кодов профессий в своих странах и попытались их синхронизировать, но и с Международной организацией труда (МОТ), чтобы помочь рабочей группе увидеть масштаб проблемы и учесть это при стандартизации ISCO-28 в 2028 году.

Пример: ISCO 2221

Hub-level: что официальное ISCO-08 имеет в виду

ISCO-08 (МОТ): «Nursing professionals» — медсёстры с расширенными полномочиями (advanced nurse practitioner).

Многоязычные подписи hub-level в нашей базе (35 языков):

Катастрофа на национальном уровне

Под одним кодом ISCO 2221 разные страны имеют в виду разные профессии:

Австралия и Новая Зеландия (ANZSCO 2022) — финансовые брокеры, не медсёстры:

• 222111 Commodities Trader (товарный трейдер)
• 222112 Finance Broker
• 222113 Insurance Broker
• 222199 Financial Brokers nec
• 222100 Financial Brokers nfd

Украина (ДК003) — врачи, не медсёстры:

• 2221 — «Професіонали в галузі лікувальної справи (крім стоматології)»
• 2221.1 — Наукові співробітники (лікувальна справа)
• 2221.2 — Лікарі (врачи): терапевт, кардіолог, хірург, психотерапевт, невролог, генетик…
• В сумме 78 подкодов — все доктора, не медсёстры.

Германия (KldB-2010):

• 22212 «Vehicle paintwork — skilled tasks» (автоокраска)
• 81393 «Aufsichtskräfte — Gesundheits- und Krankenpflege, Rettungsdienst und Geburtshilfe» — старшие медсёстры
• 81302 «Gesundheits- und Krankenpflege» — обычные медсёстры (по официальному Umsteigeschlüssel Bundesagentur für Arbeit мапятся в ISCO 3221, не 2221)

Беларусь (ОКРВ-2017, актуальная версия классификатора):

• 2221: «Специалисты-профессионалы по медицинскому уходу» — медсёстры (соответствует ISCO-08)

Италия (CP 2021) — архитекторы:

• 2.2.2.1.1 ARCHITETTI (архитекторы)
• 2.2.2.1.2 Pianificatori, paesaggisti (планировщики, ландшафтники)

Сан-Марино (RP-2017) — архитекторы:

• 22211 ARCHITETTO

Канада (NOC 2021) — техники:

• 22210 Architectural technologists
• 22211 Industrial designers
• 22212 Drafting technologists
• 22213 Land survey technologists
• 22214 Geomatics

Алжир (DZ Profession) — врачи:

• 2221: «Médecins» (врачи)

Не только между странами — внутри одного языка тоже двойственность

Та же проблема возникает внутри одного языка на бытовом vs профессиональном уровне. Пример из Латвии:

Источник: Profesiju klasifikators 2025-01-31, Латвийское Министерство благосостояния.

Что это значит: - Простой латвиец на улице скажет «mežsargs» — и для него это лесник - Но в национальном классификаторе «mežsargs» и «mežzinis» — это две разные профессии под двумя разными ISCO кодами: 5419 (охранник) против 2422 / 1213 (профессионал, требует высшего образования) - Если volunteer-переводчик «исправит» официальное mežzinis на привычное mežsargs — он повредит данные классификатора (это будет сдвиг между профессией охранника и профессией лесничего) - Это именно та проблема, на которую paper §4.1 даёт ответ: Legal Ground Truth = название берётся напрямую из национального министерства, не из общеупотребительного словоупотребления

Близкие всем профессии — учитель и таксист

Чтобы показать что проблема не в редких профессиях вроде «йога-инструктор» или «гипнотерапевт», а в самых обычных и массовых, посмотрим на две универсальные профессии: учитель и водитель такси. Эти есть в каждой стране — но классификации расходятся радикально.

👨‍🏫 Учитель / преподаватель

Топ-15 стран по количеству позиций под ISCO 23xx (Education):

А в самом низу:

Что это значит для одного учителя: боснийский профессор биотехнологий имеет конкретный код в KZBiH-08 (один из 191) — но если он переезжает в Россию, его 191-уровневая детализация схлопывается в общий код 2310 «преподаватель ВУЗа». Если же он едет в США, его код вообще не попадает в SOC 23-1 (там нет уровня subject-specific).

🚕 Водитель такси

Стандартный ISCO 8322 «Car, taxi and van drivers» (объединённая категория) есть в большинстве стран. Но локальные виды такси — кейс который ISCO-08 не покрывает совсем:

Что это значит для одного таксиста: тоголезский zemidjan-driver (мото-таксист) — это реальная профессия с тысячами работников. Ни в ISCO-08, ни в ANZSCO, ни в SOC нет места для неё. Когда он мигрирует в Германию или Францию по правилам признания квалификаций, его профессиональный опыт схлопывается в общий «Personenkraftwagen-Fahrer» (водитель легкового авто) — потому что слова «zemidjan» в немецком классификаторе нет. Не «потерян при переводе» — он потерян из таксономии.

Аналогично гондурасский «лесной мото-таксист» (Conductor de moto taxi forestal) или гватемальский «велотаксист» (Piloto de bicitaxis) — реальные массовые профессии, отсутствующие в международной структуре.

Почему это важно

Учитель и таксист — самые универсальные и понятные профессии. Если даже здесь нет согласованности — что говорить о редких или новых профессиях (AI-тренер, оператор беспилотника, специалист по адаптации к климату)? Эти примеры показывают: наведение порядка в глобальной классификации профессий — задача масштаба ООН/МОТ, а не отдельных стран. Это и есть цель: помочь рабочей группе ISCO-28 в 2028 году учесть эти расхождения.

Те страны, где 2221 действительно = медсёстры

Подробные субклассификации (показывают как государство видит специализации):

Эстония (AK-2008) — 19 подкодов медсестёр (исходные эстонские названия + русский перевод):

• 2221 Õenduse tippspetsialistid (Специалисты-профессионалы по медицинскому уходу)
• 22210501 Abiõde (üliõpilane) — помощник медсестры (студент)
• 22210502 Õde — медсестра
• 22210601 Anesteesia-intensiivraviõde — анестезии и интенсивной терапии
• 22210701 Erakorralise meditsiini õde — экстренной медицины
• 22210801 Diabeediõde — диабетическая
• 22210901 Geriaatriaõde — гериатрическая
• 22211001 Lasteõde — педиатрическая
• 22211101 Nakkustõrjeõde — по профилактике инфекций
• 22211201 Onkoloogiaõde — онкологическая
• 22211301 Operatsiooniõde — операционная
• 22211401 Pulmonoloogiaõde — пульмонологическая
• 22211501 Taastusraviõde — восстановительной терапии
• 22211601 Koduõde — домашняя
• 22211701 Kooliõde — школьная
• 22211801 Töötervishoiuõde — по охране труда
• 22211901 Pereõde — семейная
• 22212001 Psühhiaatriaõde — психиатрическая
• 22219900 Mujal liigitamata õenduse tippspetsialistid — не классифицированные в других категориях

Монголия (YAMAT-08) — 28 подкодов медсёстер на монгольском:

• 2221-01 Сувилагч, арга зүйч (методист)
• 2221-02 Сувилагч, ерөнхий мэргэжлийн (общая практика)
• 2221-03 Сувилагч, арьсны (дерматологическая)
• 2221-04 Сувилагч, гэмтэл согогийн (травматологическая)
• … ещё 24

Палестина (ASCO 2016) — 23 специальности на арабском:

• 222101 ممرضة سريرية (клиническая)
• 222102 ممرضة حي (района)
• 222103 ممرضة التخدير (анестезиологическая)
• 222104 ممرضة مربية (педиатрическая)
• … ещё 19

Саудовская Аравия (SSCO 2024) — 17 специальностей:

• 222101 Nurse Specialist
• 222102 Specialized Nursing Specialist
• 222103 Community Health Nursing Specialist
• 222104 Maternal and Child Nursing Specialist
• 222105 Anesthetic Nursing Specialist
• … ещё 12

ЮАР (OFO 2017) — 17 типов:

• 2017-222101 Clinical Nurse Practitioner
• 2017-222102 Aged Care Registered Nurse
• 2017-222103 Registered Nurse (Child and Family Health)
• … ещё 14

Латвия (Profesiju klasifikators) — 8 типов с национальными подкодами:

• 2221 Medicīnas māsas profesijas vecākie speciālisti
• 2221 02 VirsMĀSA (старшая медсестра)
• 2221 46 MĀSA / vispārējās aprūpes (общая)
• 2221 48 anestēzijā un intensīvajā aprūpē (анестезиология)
• 2221 50 psihiatrijā un narkoloģijā (психиатрия)
• … ещё 3

Никарагуа (CUONIC) — 7 типов:

• 2221-02 Enfermera Anestesista
• 2221-03 Educadora de Enfermeras
• 2221-04 Enfermera Clínica
• 2221-05 Enfermera del Quirófano (операционная)
• 2221-06 Enfermera de la Salud Pública
• … ещё 2

Простые подписи без расшифровки

• Албания: 2221 «Infermierë të specializuar» (специализированные медсёстры)
• Бутан (BSCO): 2221 Nursing Professionals + 22211 Registered Nurse + 22212 Public Health Nurse
• Эквадор: 2221 PROFESIONALES DE ENFERMERÍA
• Иран: 2221 رستاران متخصص (специализированные медсёстры)
• Исландия: 2221 Sérfræðistörf við hjúkrun
• Литва (LPK 2023): 2221 Slaugos specialistai + 222101 Slaugytojas + 222102 Mokslo darbuotojas (slauga)
• Северная Македония: 2221 Медицински сестри
• Маврикий: 22211 Administrator, nursing + 22212 Educator, nurse + 22219 Nursing professionals n.e.c
• Камбоджа: 4 подкода 22211–22214 на кхмерском
• Кения, Лесото, Гайана, Гренада, Сьерра-Леоне, Эсватини, Танзания, Малави: все 2221 Nursing Professionals
• AFRISTAT (региональный для Западной Африки): 2221 Cadres infirmiers

Ключевая находка для введения

Один и тот же 4-значный код ISCO 2221 в разных странах означает фундаментально разные профессии:

• Медсёстры (правильно по ISCO-08) — в странах EE, MN, SA, ZA, PS, LV, LT, MK, EC, IS, BY и ~30 других стран.
• Врачи — UA, DZ.
• Финансовые брокеры — AU, NZ.
• Архитекторы — IT, SM.
• Технические специалисты (геодезия, дизайн) — CA.

Это не «погрешность перевода». Это два совершенно разных классификационных мира под одним номером. Украинский лікар-кардіолог (код 2221.2) приезжает в Германию с документами, где написано «ISCO 2221» — немецкая система автоматически считает его медсестрой. Австралийский commodities trader (код 222111) переезжает в EU и его карьера в системе классифицируется по семейству 2221, что в EU означает медсестру.

Методы. Собранные данные выложены на https://gsco.io. GSCO (Глобальная стандартная классификация профессий) — база данных, которая использует 4-значные коды ISCO-08 в качестве универсального центра для агрегирования юридически авторитетных терминов, обозначающих профессии, из более чем 140 национальных правительственных реестров. Методология основана исключительно на точном сопоставлении текста с официальными источниками (ESCO, KBJI, MASCO, NCO, OKZ, CBO, KeSCO и другими), полностью исключая нейронный машинный перевод. Кэш SQLite, содержащий 26 991 запись о профессиях из Wikidata на 53 языках, позволяет проводить предварительно проверенное пакетное редактирование.

Результаты. Полученный набор данных содержит 152 135 многоязычных меток, 98 335 псевдонимов и 76 734 описания на 53 языках, полученные из 146 проанализированных национальных реестров, в общей сложности 263 608 записей о профессиях.

Заключение. Данные собирались и сопоставлялись автоматически, и требуют ручной перепроверки каждого актуального на 2026 год классификатора профессий каждой страны. Я этого не делал, чтобы не тратить личное время. Пусть эту задачу решают сотрудники Международной организации труда (МОТ) и национальных министерств — у них на это выделены бюджеты и ресурсы. Моя задача — не выполнять работу всех министерств труда всех стран мира, а актуализировать проблему.

Ключевые слова: классификация профессий, ISCO-08, многоязычная база данных, Wikidata, обогащение графа знаний, детерминированное сопоставление, кросс-таблица, ESCO, рынок труда, эталон NLP, кодирование опросов, языки с ограниченными ресурсами, открытые данные, связанные данные, семантическая сеть, сопоставление онтологий, МОТ, эталонные данные, автоматизация ботов, выравнивание таксономий.

1. Введение: От нобелевских лауреатов к глобальному кризису данных

1.1 Практический тупик: когда экономистов записали в джазовые музыканты

Проект возник из амбициозной, но на первый взгляд локальной задачи: устранить критический дефицит данных по мировой научной и культурной элите в открытых базах знаний. Анализ 890 исторических лауреатов Нобелевской премии выявил тревожную статистику — у подавляющего большинства отсутствовали элементарные описания примерно в 260 из 300+ существующих языковых разделов Википедии. Например, нобелевский лауреат премии мира Десмонд Туту имел описания в крайне малом числе языковых разделов на момент начала проекта — абсурд для исторической фигуры такого масштаба.

Чтобы устранить этот пробел, мы спроектировали детерминированный бот (ReNeuralAgent) для автоматизации создания многоязычных профилей в Wikidata по простому шаблону: "{профессия} из {страна}". Однако самые первые тестовые запуски обнажили цифровую катастрофу крупного масштаба. Граф знаний оказался загрязнён ошибочными ассоциациями. Профессия «экономист» классифицировалась как «джазовый музыкант» в малайском и индонезийском переводах. Когда система пыталась обозначить «градостроителей», она производила «планировщиков кожевенного производства», а «системные администраторы» необъяснимо превращались в «ботаников».

Проблема была не в нашем коде, а в фундаментальной инфраструктуре международной классификации профессий.

1.2 Анатомия катастрофы: бюрократическая бомба замедленного действия МОТ

Расследование этих абсурдных «галлюцинаций» привело к устаревшей парадигме Международной организации труда (МОТ). Исторически этот орган ООН отвечает за публикацию Международного стандартного классификатора профессий (ISCO). Цикл обновления составляет в среднем 20 лет: новые версии выпускались в 1958, 1968, 1988 и 2008 годах [1].

Самая вопиющая проблема — не медлительность, а методология. Каждый новый выпуск включает полное перетасовывание числовых кодов без обратной совместимости. Самый яркий пример: код 2131. В ISCO-88 (1988) этот код обозначал программистов и системных разработчиков. К 2008 году МОТ полностью реструктурировала IT-сектор и переназначила освободившийся код 2131 на… биологов, ботаников и зоологов [1].

Современные информационные системы — включая саму Wikidata — продолжают опираться на устаревшие свойства. Свойство P952 в Wikidata хранит устаревшие коды ISCO-88. Наш эмпирический анализ кэша профессий Wikidata показывает полный масштаб этой стагнации:

Таблица 1: Покрытие свойств ISCO в 26 991 элементах профессий Wikidata (апрель 2026). P3008 (ISCO-08) полностью пуст, тогда как P952 (ISCO-88) покрывает лишь 1.1% элементов. Оставшиеся 98.9% профессий не имеют никакого стандартизированного классификационного кода.

Это означает, что алгоритмы, пытающиеся синхронизировать данные через эти числовые идентификаторы, либо не найдут ничего (98.9% случаев), либо извлекут коды из 38-летнего стандарта, где программисты переназначены в биологов.

1.3 Осознание: нужен новый стандарт

Этот практический тупик ясно показал, что использование устаревших числовых кодов для навигации по современному рынку труда обречено на провал. Алгоритмическое угадывание нейронными сетями также проваливается из-за языковых галлюцинаций в редких языках. Требовался принципиально иной подход — переход от доверия абстрактным числам к строгому текстовому детерминизму, основанному на национальном законодательстве.

Это понимание породило базу данных GSCO (Global Standard Classification of Occupations).

Аномалия с экономистами-как-джазовыми-музыкантами была не просто проблемой качества данных Wikidata, а симптомом фундаментальной несовместимости между мировой инфраструктурой данных о труде и масштабом современной человеческой мобильности. Международная организация труда, с характерной статистической осторожностью, спроектировала ISCO-08 в 2008 году для мира с 190 миллионами международных мигрантов [33]. К 2024 году — всего через 16 лет — эта цифра достигла приблизительно 280 миллионов, число только беженцев выросло с 16 до 37 миллионов, а внутренне перемещённых лиц — с 26 до 75 миллионов. Мира, для которого был построен ISCO-08, больше не существует.

1.4 Реальность ускорения миграции

Масштаб современной человеческой мобильности превращает несоответствие между бюрократическими циклами пересмотра ISCO и реальной сложностью рынка труда не просто в академический вопрос, а в гуманитарный кризис. Цифры говорят сами за себя:

Таблица 2: Ускорение миграции 1988–2024 (UN DESA / ILO 2024). ISCO-08 был спроектирован для мира с 190 миллионами международных мигрантов; к 2024 году эта цифра выросла до 280 миллионов, а число внутренне перемещённых лиц увеличилось в 15 раз относительно уровня 1988 года.

Каноническое исследование Friedberg [34] установило, что иностранные образовательные сертификаты несут почти нулевую переносимую экономическую ценность на рынках труда стран назначения без общей классификационной инфраструктуры — этот вывод всё чаще подтверждается в разных юрисдикциях. Сирийские врачи, подающие заявления на немецкую Approbation (медицинскую лицензию), ждут в среднем 14 месяцев для верификации на уровне кода [35]. Филиппинские медсёстры в Японии накапливают 15-летний показатель сдачи экзаменов на лицензирование 14%, частично откалиброванных на японские семейства профессиональных кодов. Бангладешские женщины — приблизительно 800 000 человек — систематически принудительно классифицируются как «домашние работники» при прибытии в страны Персидского залива, независимо от их фактического профессионального опыта [36].

Это не изолированные случаи. Это структурный результат архитектуры, в которой 146 национально авторитетных классификаторов профессий не имеют общего хаба — математическая невозможность, которую GSCO разрешает через архитектуру хаба ISCO-08, описанную в §4.

2. Фундаментальные проблемы традиционной классификации

Сбой, обнаруженный при попытке маркировать профессии в Wikidata, оказался не локальной ошибкой платформы, а симптомом глубокого методологического кризиса. Четыре фундаментальные проблемы делают традиционные методы классификации непригодными в глобальном масштабе.

2.1 Ловушка N²: математический коллапс перекрёстных таблиц

Исторически, чтобы разные реестры «понимали» друг друга (например, связать американский O*NET с европейским ESCO), министерства создают двусторонние перекрёстные таблицы (mappings) [2]. Однако исследователи архитектуры онтологий доказали, что этот путь ведёт в математический тупик [3]. Создание таких связей подчиняется проблеме N²: для n стандартов поддержка актуальности связей требует генерации n(n-1)/2 перекрёстных таблиц.

$$C(n) = \frac{n(n-1)}{2}$$

Для 50 национальных реестров это даёт 1 225 двусторонних перекрёстных таблиц, каждая из которых требует ручного обслуживания при каждом цикле обновления. Этот экспоненциальный рост делает ручную синхронизацию глобального рынка труда физически невозможной [3].

С задокументированным GSCO количеством 146 национально авторитетных классификаторов профессий (апрель 2026), пространство n² требует:

$$C(146) = \frac{146 \times 145}{2} = \textbf{10 585 двусторонних перекрёстных таблиц}$$

Каждая из этих 10 585 таблиц подлежит инвалидации при любом обновлении одного реестра. Ручное обслуживание в таком масштабе не просто непрактично; оно математически несовместимо с эмпирическим темпом обновления даже одного участвующего реестра. Российский ОК 016-2025 — заменяющий версию 1994 года после 30-летнего разрыва — иллюстрирует, что даже обновления одного реестра представляют собой многолетние административные предприятия [37].

Даже ИИ не может спасти ситуацию. Когда Европейская комиссия попыталась использовать NLP-подход (на базе BERT) для связывания 3 000 профессий ESCO с 1 000 профессий O*NET, алгоритм произвёл 7 385 потенциальных совпадений, которые всё ещё требовали ручной верификации человеком, причём приблизительно 600 профессий остались без сопоставления [4].

2.2 Иерархическая ошибка: проблема блокировки

Вторая системная уязвимость заключается в древовидной структуре классификаторов. Базы данных вроде ISCO-08 имеют строгую 4-уровневую иерархию: от широких основных групп до 436 узких единичных групп [1].

В компьютерной лингвистике и машинном обучении это создаёт явление, известное как проблема блокировки или каскадное распространение ошибки [5]. Ошибка, совершённая на верхнем уровне (например, если система ошибочно присваивает профессиональную роль «техникам» вместо «менеджеров»), каскадно распространяется вниз, математически гарантируя, что все последующие, более детальные уровни классификации для этого элемента будут неверными [5, 6].

При построении кэша Wikidata GSCO мы столкнулись с этой проблемой напрямую: SPARQL-запрос wdt:P31/wdt:P279* wd:Q28640 обходил цепочку subclass-of и возвращал элементы, которые на самом деле не были профессиями — включая Lexeme senses (например, L1371064-S1), которые пришлось отфильтровывать программно.

2.3 Иллюзия точности кодирования опросов

Третья проблема обнажает субъективность ручного труда. Во время переписей респонденты описывают свои профессии в свободном тексте. Социологи затем пытаются вручную присвоить эти ответы стандартизированным кодам [7].

Официальные отчёты ОЭСР указывают, что даже при упрощённой трёхуровневой схеме кодирования (350 категорий) достижение согласия между кодировщиками выше 75% представляет серьёзную проблему [8]. Международные опросы сообщают о показателях согласия в диапазоне от 44% до 89% [9]. Недавние попытки автоматизировать этот процесс с помощью ИИ не решили проблему: лучшая модель автоматического кодирования профессий IEA достигла лишь 63% точности на 12 языках при предсказании той же самой группы, что и человеческие кодировщики, — 37% ошибок, накапливающихся через миллионы ответов в опросах [19].

Beresewicz et al. (2024) [20] показали, что даже многоязычные иерархические трансформеры (XLM-RoBERTa, дообученный на KZiS + ISCO) уступают детерминированным системам точного сопоставления на объявлениях о работе на редких языках, особенно для славянских и балтийских языков, где обучающие данные скудны. Этот вычислительный тупик структурный, а не временный — Djumalieva и Sleeman [38] утверждают, что экспертно курируемые таксономии «по своей природе медленны и дороги», и предлагают альтернативы, основанные на данных, которые GSCO операционализирует через свою архитектуру «ступица и спицы» (hub-and-spoke).

Цена огромна: эти коды лежат в основе индексов социально-экономического статуса (SES/ISEI) [10]. Если один кодировщик классифицирует описание фермера как «Менеджер в сельском хозяйстве» (код 1310), его статусный индекс набирает 49 баллов. Если другой кодировщик присваивает ему «Самообеспечивающихся фермеров» (код 6200), индекс падает до 10 баллов [10]. Систематические расхождения в интерпретации разрушают саму основу социологического измерения в международном масштабе.

2.4 Кризис процедуры признания квалификаций

Четвёртая проблема — та, с которой непосредственно сталкиваются миллионы работающих людей: пайплайн признания квалификаций. Правовая основа для портативности квалификаций — Директива ЕС 2005/36/EC о признании профессиональных квалификаций — действует с 2005 года, однако по состоянию на декабрь 2024 года Европейская комиссия начала процедуры о нарушении против Бельгии, Германии, Франции, Люксембурга и Нидерландов за нетранспозицию её требований по модернизации [39]. К маю 2025 года Италия присоединилась к этому списку: 11 861 румынская медсестра напрямую пострадала от непринятия Директивы 2024/505 [40].

Эмпирические данные из Германии иллюстрируют масштаб дисфункции. Отчёт Института немецкой экономики (Institut der Deutschen Wirtschaft, IW) 2025 документирует нехватку 450 000 квалифицированных работников, при этом 80% немецких компаний сообщают, что вообще не используют формальную систему признания, а 51.6% оценивают процесс признания негативно [41]. В рамках одной федеральной страны стоимость Approbation варьируется от €170 до €850 в зависимости от Bundesland — что иллюстрирует, что признание не гармонизировано даже внутри Германии, не говоря уже о трансграничном [42].

Несоответствие распространяется и на исходы, не только на стоимость. Французские врачи, подающие заявления на немецкое признание, достигают 40.3% уровня одобрения; те же французские заявители, ищущие признания в Люксембурге, достигают 99.8% [41]. Этот разрыв в 60 процентных пунктов существует между юрисдикциями, обеими имплементирующими ту же Директиву ЕС, отражая не правовую неоднозначность, а классификационное трение — разные схемы детализации, разные семейства кодов, разные интерпретации того, что означает «эквивалентный» при сравнении записей профессий между реестрами.

Случай ZorgSaam из приграничного нидерландско-бельгийского региона иллюстрирует абсурд в самой острой форме: квалифицированный бельгийский невролог из Universitair Ziekenhuis Gent — физически в 30 км от нидерландской больницы, столкнувшейся с острой нехваткой неврологов — был задержан требованиями нидерландского BIG-register и трансграничным классификационным несоответствием в регионе, где обе страны функционируют в рамках Шенгенской свободы передвижения и той же Директивы ЕС [42].

Основополагающий анализ Sumption [43] выявил структурный драйвер: профессиональные ассоциации функционируют как привратники без институционального стимула расчищать очередь, создавая ловушку «всё или ничего» в признании, которая превращает частичную эквивалентность в полное исключение. Информационная асимметрия двусторонняя: работодатели не могут верифицировать иностранные квалификации и по умолчанию избегают риска; мигранты не могут представить свои квалификации в семействе кодов системы назначения, потому что машинно-читаемого моста не существует.

Это не «крайние случаи» или «переходное трение». Это устойчивый результат инфраструктуры, спроектированной для меньшего, более медленного мира.

3. Иллюзия ИИ: ограничения языковых моделей

3.1 Семантический дрейф и ловушки полисемии

Нейронные сети опираются на вероятности и исторические данные, но язык — живая материя, подверженная постоянным изменениям, явление, известное как семантический дрейф [11]. Во время пандемии COVID-19 такие слова, как «уязвимый» и «изолированный», перестали быть общими социальными дескрипторами и стали специфическими медицинскими терминами, нарушив исторические языковые распределения в алгоритмах [12].

В профессиональных контекстах полисемия усугубляет проблему. Как отмечали создатели одного NLP-классификатора: «Слово 'skill' может относиться к техническим навыкам, межличностным навыкам или даже к определённому типу рыбы, в зависимости от контекста» [13]. ИИ часто не может разрешить такую неоднозначность без огромных объёмов обучающих данных. Явление не метафорическое; JobBERT от Decorte et al. [14] и контрастный XLM-RoBERTa от Gasco и Retyk [44] оба сообщают о деградации производительности по мере того, как их обучающие корпуса стареют после 18 месяцев, делая временное обслуживание открытой проблемой для любого вероятностного подхода к классификации профессий.

3.2 Вычислительная хрупкость

Когда исследователи попытались скармливать GPT-4 выборку реальных текстов объявлений о вакансиях, модель «не смогла произвести корректные сопоставления в 33.9% случаев, при этом требуя в среднем 515 000 входных токенов для обработки одного объявления о вакансии» [14]. Огромные вычислительные накладные расходы делают такие подходы непрактичными в глобальном масштабе.

Даже специально построенные модели, такие как JobBERT, признают свои фундаментальные ограничения: их архитектура «по своей сути привязана к заранее определённому (и поэтому статичному) списку стандартизированных названий, что ограничивает её практическое использование» [15]. Нейронные сети остаются «хрупкими, когда возникают несоответствия словаря (синонимы, парафразы и местный жаргон)» [15].

Самая недавняя попытка — дообучение XLM-RoBERTa на LLM-уточнённых швейцарских объявлениях о работе — достигла лишь 58.3% Top-1 точности на silver-данных (по сравнению с 37.2% до дообучения) и 80% точности на отложенных тестовых данных [17]. Хотя авторы сообщают о 91.4% точности при предсказании названий онтологии (упрощённая задача), разрыв между 80% и 100% точностью, достижимой через детерминированное сопоставление, остаётся фундаментальным, а не инкрементальным.

В отличие от этого, наш gsco_esco_mapper.py выполняет точное сопоставление английских меток с локальным кэшем SQLite — 2 942 профессии ESCO сопоставлены за миллисекунды, при нулевых вычислительных затратах, с нулевым риском галлюцинаций.

3.3 Провал zero-shot переноса

Самый сокрушительный удар по тезису «ИИ спасёт мир» наносит проблема редких языков. Официальный отчёт Европейской комиссии о машинно-ассистированном сопоставлении данных прямо признаёт эту уязвимость: «многоязычные кодировщики не могут уловить сходство, когда исходный и целевой языки менее похожи на уровнях морфологии, синтаксиса и семантики» [4, 18]. Когда ЕК попыталась произвести ML-ассистированное сопоставление национальных классификаций с ESCO с помощью XLM-RoBERTa, Top-1 точность варьировалась от 83.5% (США) до всего лишь 45.3% (Латвия) — морфологически богатый балтийский язык оказался наиболее устойчивым к нейронному переносу [18].

Всесторонний обзор литературы показывает, что ни одно существующее исследование не достигает >95% точности на многоязычной классификации профессий на 10 или более языках одновременно. Самая обширная многоязычная оценка — иерархическая классификация Beręsewicz et al. на 24 языках — достигла лишь ~84% точности на самом широком 1-значном уровне основных групп, обрушиваясь до 40–60% на гранулированных 6-значных кодах [20]. 12-языковая модель IEA достигла 92% на чистых машинно-переведённых тестовых данных, но рухнула до 36% на реальных ответах в опросах [19]. Эти результаты устанавливают жёсткий потолок производительности для вероятностных подходов, который детерминированная методология GSCO полностью обходит.

Это ограничение особенно остро для персидского, бенгальского, кхмерского, бирманского, тагальского и лаосского — именно для исходных языков крупнейших современных коридоров квалифицированной миграции (Иран→Германия, Бангладеш→Саудовская Аравия, Непал→Корея, Филиппины→Япония, Камбоджа/Мьянма→Таиланд). В нашем собственном построении библиотек миграционных кейсов (2026), охватывающих 40+ языков в 7 региональных партиях, более половины задокументированных кейсов в славянской, юго-восточно-азиатской и персидско-индийской партиях существовали только в англоязычных вторичных зеркалах оригинальной репортажности — подтверждая, что эти языки структурно недостаточно обслуживаются нейронными подходами, обученными на корпусах веб-масштаба.

Для глобального проекта, нацеленного на описание людей на суахили (214 меток в Wikidata), хауса (221 метка) или йоруба (63 метки), опора на ИИ-переводы гарантировала бы провал. Нейронные сети просто не видели достаточно текстов о «квантовых физиках» на хауса, чтобы произвести точный, юридически валидный термин.

4. Архитектура GSCO: детерминированное решение

4.1 Юридический ground truth вместо вероятностей

В архитектуре GSCO мы полностью отказались от машинного угадывания. Основополагающий принцип — строгий правовой детерминизм (Legal Ground Truth). Если Министерство труда конкретной страны утвердило официальное название профессии на национальном языке, этот термин принимается как абсолютный стандарт без какого-либо дополнительного семантического анализа. Если официальный латвийский реестр говорит, что термин «santehniķis», а словарь хауса утверждает, что физик — «masanin ilimin lissafi», эти термины включаются в базу данных как есть. Никаких нейронных искажений, никаких переводов на лету — только 100% точные совпадения с государственными стандартами.

4.2 ISCO-08 как Розеттский камень: схлопывание N² до O(n)

Центральная техническая задача состояла в обходе ловушки N² перекрёстных таблиц. Решение было найдено в структуре ISCO-08, которая делит все мировые профессии на 436 единичных групп, каждая обозначенная универсальным 4-значным кодом [1].

Вместо попыток напрямую связать реестр Индонезии с реестром Малайзии или США, мы связали каждый из 146 национальных реестров с этим центральным 4-значным хабом:

$$\text{Сложность: } O\left(\frac{n(n-1)}{2}\right) \rightarrow O(n)$$

Для 146 реестров: 10 585 перекрёстных таблиц → 146 связей с хабом. ISCO-08 стал «Розеттским камнем», через который любой язык может быть мгновенно переведён на любой другой без потери смысла.

На практике код 2111 («Физики и астрономы») сопоставляется с: - Россия (ОКЗ): 2111.1 (физик-исследователь) - Бразилия (CBO): 2111-05 - Индонезия (KBJI): 2111.01 - Wikidata: Q169470

Это не просто оптимизация программной инженерии. Как продемонстрировали Autor, Levy и Murnane в своём каноническом фреймворке task-biased technological change [45], профессиональные задачи эволюционируют непрерывно, в то время как профессиональные коды пересматриваются каждые 20 лет. Архитектура «ступица и спицы» поэтому не просто средство против сложности n² — это единственная архитектура, совместимая с непрерывной эволюцией задач на краях реестров и стабильной семантикой кодов в центральном хабе.

Реализация в gsco_esco_mapper.py использует два метода сопоставления: 1. Основной: build_en_label_to_qid_map() — точное сопоставление английских меток (588 успешных сопоставлений из ESCO) 2. Запасной: build_isco_to_qid_map() — сопоставление по коду ISCO-08 (0 результатов, потому что P3008 пуст в Wikidata)

Тот факт, что запасной вариант ISCO-08 вернул нулевые сопоставления, представляет собой эмпирическое доказательство того, что инфраструктура профессий Wikidata не просто устарела — она структурно отсоединена от текущего международного стандарта.

4.3 Агрегация: симбиоз человека и ИИ

Хотя концептуальная основа была строгой и детерминированной, физический сбор данных представлял собой колоссальную техническую проблему. Многие государства (особенно в Африке, Азии и на Ближнем Востоке) публикуют свои реестры профессий не как удобные API, а как PDF-документы на сотни страниц, часто с битыми кодировками или текстом справа налево (RTL).

ИИ-ассистент (Claude Code) был развёрнут не как «переводчик», а как «ручной труд» — сканирование государственных веб-сайтов, обход ограничений доступа и парсинг сложных PDF-документов в автономном фоновом режиме. Критическое различие: ИИ занимался извлечением, но каждое решение о сопоставлении оставалось детерминированным (точное совпадение или отказ).

Получившаяся агрегация (репрезентативная выборка):

Таблица 3: Репрезентативная выборка национальных реестров профессий, агрегированных в GSCO v1.1. Каждая запись представляет юридически авторитетный термин, опубликованный национальным статистическим управлением или министерством труда.

5. Техническая реализация и пилотные результаты

5.1 Пайплайн точного совпадения

Основная методология отвергает слепое доверие историческим числовым кодам в пользу строгого текстового детерминизма. Алгоритм берёт английскую метку профессии, находит её точное совпадение в эталонном реестре (например, ESCO) и извлекает одобренный правительством перевод на целевом языке.

Реализация состоит из пяти модулей Python:

1. gsco_wikidata_cache.py — Еженедельный SPARQL-дамп всех элементов профессий Wikidata в локальную базу SQLite. Обрабатывает разбиение API на части (Wikidata ограничивает 50 языками на запрос wbgetentities), фильтрует не-Q элементы (Lexeme senses), хранит метки, синонимы и описания на 53 языках.

2. gsco_esco_mapper.py — Сопоставляет профессии ESCO с QID Wikidata через детерминированное точное сопоставление английских меток. Функция find_best_qid() реализует трёхуровневую систему доверия: (a) точное совпадение, (b) показатель пересечения слов ≥ 0.5, (c) запасной вариант по коду ISCO-08.

3. gsco_edit_queue.py — Преди-валидированная очередь правок с уровнями доверия. Каждая правка проверяется относительно живого состояния Wikidata перед отправкой — заполняются только пустые поля, существующие данные никогда не перезаписываются.

4. gsco_edit_daemon.py — Выполняет правки через MediaWiki Action API с контролями безопасности: maxlag=5, рандомизированные задержки 1.5–3.0 секунды между правками, языковой испытательный срок (первые 50 правок на новых языках ограничены QID низкого приоритета) и динамическое регулирование скорости (+20% скорости в неделю при 0 откатов, уменьшение вдвое при любом откате).

5. gsco_revert_monitor.py — Мониторит откаты каждые 10 минут через cron. Создаёт файл BOT_EMERGENCY_STOP при любом обнаруженном откате, инициируя немедленное отключение бота.

5.2 Кэш Wikidata

SQLite-кэш агрегирует текущее состояние всех элементов профессий в Wikidata:

Таблица 4: Статистика кэша Wikidata GSCO (22 апреля 2026). Кэш перестраивается еженедельно через cron и обеспечивает преди-валидацию каждой правки относительно текущего состояния Wikidata.

Покрытие языков крайне неравномерное:

Таблица 5: Покрытие меток по языкам в элементах профессий Wikidata. Европейские языки доминируют; языки, на которых говорят миллиарды людей (хинди, бенгали, суахили), имеют менее 2% покрытия. GSCO напрямую решает эту асимметрию.

Структурные находки из межстранового сравнения раскрывают дополнительную исследовательскую ценность помимо статистики покрытия. Латвия и Эстония независимо сошлись на разделении единичной группы ISCO 8131 (Операторы химических и фотографических производств) на отдельные подкатегории — эмпирически валидируя кандидата на разделение, предложенного для ISCO-28, без какой-либо координации. Национальный классификатор Таджикистана (NKZ-2022), несмотря на то что разделяет русский язык как административный с российским ОКЗ, демонстрирует 75.9% лексического расхождения на уровне 4-значных единичных групп — с систематически перепутанными между двумя кириллическими реестрами кодами ISCO 7313, 7314 и 7315 (витражист, гончар, ювелир). Брунейский BDSOC 2011 содержит 1 381 название профессии на уровне 5-значных кодов вообще без перекрёстной таблицы ISCO — «парадокс 0/N», где существуют значительные эмпирические данные, но они невидимы для любой системы, запрашивающей по коду ISCO.

5.3 Пилотные результаты

Бот (ReNeuralAgent / MarisDreshmanisBot) был развёрнут под Wikidata. Пилотная фаза дала следующие результаты:

• 19 490+ всего правок по всем задачам, 0 откатов — подтверждая 100% семантическую безопасность детерминированного подхода
• 1 122 GSCO-специфичные правки профессий на 27 языках (289 латвийских + 833 многоязычных)
• 4 202 правки в очереди для исполнения на 26 языках, преди-валидированные относительно живого состояния Wikidata
• Заявка на флаг бота находится на рассмотрении в Wikidata (Wikidata:Requests for permissions/Bot)
• Каждая правка отслеживается до источника: формат summary правки Adding label from GSCO occupation database (I: GSCO, S: ESCO)
• Использование ИИ/LLM: нет. Все операции детерминированы — описания на основе шаблонов, точное сопоставление, проверка ограничений, HTTP-верификация.

6. Практические применения

6.1 Для правительств и регуляторов (МОТ, ESCO, O*NET)

Сегодня государственные ведомства тратят годы и миллионы долларов налогоплательщиков на создание двусторонних перекрёстных таблиц между своими стандартами. Подключившись к базе данных GSCO, правительствам больше не нужно строить прямые двусторонние мосты и страдать от проблемы N². Поскольку GSCO уже связал 146 национальных реестров с центральным хабом ISCO-08, система функционирует как глобальный маршрутизатор.

Более того, МОТ обновляет свой стандарт лишь раз в 20 лет (с продолжающимся в настоящее время пересмотром) [1], и даже процесс «непрерывного улучшения» Европейской комиссии для ESCO потребовал двух полных лет обеспечения качества, согласия комитетов и обязательного перевода на все официальные языки ЕС, чтобы добавить всего 68 новых профессий в версии 1.1. В эпоху цифровизации, где такие профессии, как «AI prompt engineer» или «оператор беспилотника», возникают и распространяются за месяцы, эти бюрократические циклы структурно неадекватны. GSCO превращает статичный PDF-документ в живую экосистему: если новая профессия одновременно появляется в реестрах пяти разных стран, GSCO автоматически фиксирует этот тренд, предоставляя политикам динамическую картину меняющегося глобального рынка труда.

6.2 Для разработчиков ИИ и инженеров NLP

Разработчикам ИИ больше не нужно пытаться парсить грязные тексты объявлений о вакансиях и надеяться, что нейронная сеть угадает правильный перевод. GSCO предоставляет ИИ-лабораториям готовый, юридически чистый эталонный набор данных (Golden Benchmark) на 85+ языках (включая фарси, бенгали, урду и суахили). Каждое слово в этой базе данных подкреплено авторитетом конкретного министерства или национального статистического управления.

Использование GSCO для дообучения или RAG-архитектур позволяет ИИ-моделям достигать 100% юридической и лингвистической точности в классификации профессий для самых редких языков мира, полностью устраняя галлюцинации. Структура набора данных (labels(qid, lang, label)) предоставляет готовые обучающие пары: 26 991 профессия × N языков = миллионы выровненных пар.

6.3 Для социологов и статистиков

GSCO даёт социологам готовый стандартизированный словарь на десятках языков, автоматизируя процесс кодирования опросов. Интеграция в существующие пакеты кодирования (CASCOT, SOCcer, occupationMeasurement) может обеспечить детерминированный запасной вариант для десятков новых языков, резко снижая операционные расходы в международных крупномасштабных оценках (ILSAs, таких как PISA или ICILS).

Истинная научная ценность лежит в побочном продукте проекта — Матрице признания (Matrix of Recognition). Накладывая 146 национальных реестров, мы получаем инструмент, который обнажает социокультурные и политические различия между государствами. Например, «лайф-коуч» официально признан в Латвии (как personīgās izaugsmes veicināšanas speciālists) и в Великобритании, но полностью отсутствует в классификаторе России. Турецкий реестр содержит 7 202 профессии, в то время как канадский — лишь 822 — 9-кратная разница, раскрывающая, как по-разному государства концептуализируют свои рынки труда.

6.4 Для реагирования на миграционный кризис и приёма беженцев

Конкретная область применения, не получившая достаточного внимания в литературе по компьютерной лингвистике, — это приём и сортировка по рынку труда крупных потоков беженцев. Когда принимающая страна должна обработать 5 000 профилей навыков за 30 дней, узкое место — не политическая воля, а классификационная инфраструктура: квалификация, выданная в одной системе, должна быть читаемо сопоставлена с кодами второй системы, прежде чем какой-либо орган профессионального лицензирования сможет её оценить.

GSCO решает это напрямую. Для любого трудящегося-мигранта или беженца с задокументированной профессией в любом из 146 индексированных реестров пайплайн выполняет: метка на родном языке → 4-значный код ISCO-08 → метка классификатора принимающей страны, менее чем за одну секунду на человека. Славянская партия нашей библиотеки миграционных кейсов документирует опыт Чехии с 473 000 украинских беженцев в 2022 году, 75% из которых были помещены в группу 9 ISCO (элементарные профессии), несмотря на то что большинство имели высшее образование — паттерн, который IOM задокументировал как «Слишком квалифицированные, недозанятые» (Overqualified, Underemployed) [46]. Даже когда исходный и принимающий классификаторы номинально согласуются (и Украина, и Чехия используют системы на основе ISCO-08), отсутствие машинно-читаемого моста между семействами меток профессий создаёт разрыв, по умолчанию приводящий к понижению.

Бангладешский кейс принудительной классификации иллюстрирует более острый режим отказа: 800 000 женщин-мигрантов вносятся в записи стран Персидского залива как «домашние работники» независимо от их фактического профессионального опыта, потому что принимающий классификатор не содержит перекрёстной ссылки на профессиональные категории исходного реестра [36]. Архитектура GSCO позволила бы правильную профессиональную сортировку в точке въезда — не отменяя правовые требования, а предоставляя связку профессиональных кодов, которую человеческие администраторы в настоящее время выполняют вручную, непоследовательно и в огромном масштабе.

Психологическое измерение неправильной классификации простирается за пределы экономических потерь. Систематический обзор Ngabirano 2026 года о франкоязычных мигрантах [47] документирует, что déclassement professionnel — принудительное понижение в более низкую профессиональную категорию — является одним из сильнейших предикторов психологического стресса у высококвалифицированных иммигрантских популяций, превышающим даже эффекты языкового барьера. Точность классификации, в этом смысле, не просто проблема качества данных, а вход общественного здравоохранения.

7. Ограничения и будущая работа

7.1 Текущие ограничения

1. Асимметрия покрытия. Хотя GSCO агрегирует 146 реестров, многие сосредоточены в Европе и Америке. Африканские реестры за пределами Кении остаются недопредставленными. NMP-CI 2016 Кот-д'Ивуара покрывает только ремесленный и кустарный секторы, оставляя профессии здравоохранения, юриспруденции и финансов полностью неклассифицированными. 41 загруженный PDF, ожидающий парсинга, включает PACSCO (23 тихоокеанских островных государства), Иран, Пакистан и несколько латиноамериканских стран.

2. Зависимость от английских меток. Основной метод сопоставления опирается на точное сопоставление английских меток. Профессии, существующие в национальных реестрах, но не имеющие английского эквивалента в Wikidata, не могут быть сопоставлены автоматически. Это затронуло приблизительно 80% профессий ESCO, для которых не было найдено точного совпадения в Wikidata (2 354 из 2 942). Критически: латвийский реестр на 4 102 записи и литовский на 3 044 записи содержат ноль английских меток — блокируя автоматическое признание квалификаций в англоязычных системах назначения.

3. Призрачные баги метаданных классификаторов. В текущем релизе обнаружены проблемы целостности данных, раскрытые как P0-исправления в ожидании решения: призрачный реестр ba_error_stub Боснии (заглушка метаданных без базовых данных); арабский реестр JSCO Иордании с подтверждённым переворотом текста RTL; парадокс 0/N Брунея (1 381 запись показана как 0% покрытие ISCO из-за формата 5-значных кодов, ещё не сопоставленного); и 540 записей Кот-д'Ивуара без перекрёстной таблицы ISCO. Это инженерные баги в пайплайне данных, а не пробелы в исходных реестрах.

4. Статичный снимок. Текущий релиз (v1.1) представляет собой снимок в моменте. Национальные реестры обновляются с разной периодичностью — GSCO требует периодической переагрегации, чтобы оставаться актуальным. Российский ОК 016-2025, заменяющий версию 1994 года после 30-летнего разрыва, ввёл коды AI-оператора, специалиста по кибербезопасности и оператора беспилотника, ещё не отражённые в downstream-системах перекрёстных таблиц.

5. Пробелы в онтологии Wikidata. Открытие, что P3008 (ISCO-08) полностью пуст в Wikidata, говорит о том, что предложение свойства (Property Proposal) для систематического заполнения ISCO-08 было бы ценно, прежде чем GSCO сможет полностью использовать сопоставление на основе кодов.

6. Пробелы покрытия первичного языка для индонезийского, малайского, кхмерского и лаосского. Исходные данные на первичном языке в этих языках имели ограниченную индексируемость в нашем автоматизированном пайплайне сбора, что означает, что юго-восточно-азиатские коридоры недопредставлены, несмотря на их значимость для современных миграционных потоков.

7.2 Направления будущего

1. Масштабирование до элементов Q5. Текущий пилот нацелен на элементы профессий (Q28640). Конечная цель — массовое создание описаний для приблизительно 11 миллионов человеческих профилей (Q5) в Wikidata через свойство P106 (профессия), что даст 50–100 миллионов многоязычных описаний.

2. GSCO как ссылка Wikidata (P248). После получения DOI Zenodo сам GSCO может служить источником-ссылкой в утверждениях Wikidata, устанавливая формальную цепочку происхождения данных.

3. Набор данных Hugging Face. Публикация GSCO на Hugging Face сделает его напрямую доступным для ML-сообщества для дообучения и оценки.

4. API endpoint. Публичный REST API (gsco.reincarnatiopedia.com/v1/occupation?isco=2111&lang=sw) обеспечил бы программный доступ без загрузки полного набора данных.

5. Система мониторинга кризисов (crisis-watch). Динамический outreach-слой, который сигнализирует, когда потоки беженцев из зарегистрированных стран-источников превышают пороговые уровни, обеспечивая проактивную синхронизацию реестров с опережением скачков спроса на признание квалификаций.

6. Интеграция в рабочую группу ISCO-28. Процесс пересмотра ISCO-28 МОТ (целевая дата 2028) представляет возможность для входных данных, появляющуюся раз в поколение. GSCO уже идентифицировал эмпирических кандидатов: независимое схождение Эстонии и Латвии на подкодах ISCO 8131; самая богатая таксономия профессий горнодобывающей отрасли Монголии вне ОЭСР; коды сектора какао Кот-д'Ивуара без текущего эквивалента ISCO. Цель: формальная подача входных данных в рабочую группу ISCO-28 МОТ к Q2 2027.

7. Механизм самообновления. Pipeline горячей перезагрузки, который принимает новые версии реестров, когда национальные статистические управления публикуют обновления, распространяя изменения на перекрёстные таблицы без полной переагрегации.

8. Заключение

Проект GSCO начался с практической неудачи: попытка добавить многоязычные описания для 890 нобелевских лауреатов в Wikidata обнажила каскадный инфраструктурный кризис — от 20-летних циклов обновления МОТ до полного отсутствия данных ISCO-08 в Wikidata (0 из 26 991 элементов).

Детерминированная архитектура, представленная здесь, — использование кодов ISCO-08 как универсального хаба и юридически авторитетных национальных реестров как ground truth — достигает того, чего не могут вероятностные ИИ-модели: 100% семантической точности на 85+ языках, верифицированной 19 490+ правками Wikidata с нулём откатов.

Публикуя полный набор данных (263 608 записей профессий из 146 реестров), кэш Wikidata (152 135 меток на 53 языках) и полную инфраструктуру бота как открытый код, мы предоставляем исследовательскому сообществу:

• Золотой эталон для обучения и оценки многоязычных NLP-моделей на языках с ограниченными ресурсами
• Детерминированный запасной вариант для социологического кодирования опросов, устраняющий разногласия между кодировщиками
• Глобальный маршрутизатор, снижающий сложность перекрёстных таблиц с O(n²) до O(n)
• Живую экосистему, фиксирующую возникающие профессии в разных юрисдикциях практически в реальном времени

Двадцать лет отделяют ISCO-58 от ISCO-68, от ISCO-88, от ISCO-08. К моменту прихода ISCO-28 в 2028 году классификация современного труда — AI-инжиниринг, специалисты по адаптации к климату, gig-economy task workers, контент-создатели — будет отставать примерно на одно полное экономическое поколение. GSCO не предлагает заменить ISCO. Он предлагает закрыть 20-летний разрыв непрерывно обновляемым эмпирическим слоем, который обнажает, где статистическая реальность разошлась с административным кодом.

280 миллионов мигрантов в движении на 2024 год и прогнозируемые 350+ миллионов к 2035 году (UN DESA) не могут ждать следующего десятилетнего пересмотра. Их профессиональная жизнь формируется — и часто обрывается — классификационной инфраструктурой, спроектированной для мира, которого больше не существует. GSCO — это слой между реальностью мира и стабильностью ISCO.

890 нобелевских лауреатов, вдохновивших этот проект, теперь могут быть описаны на 260+ языках — не через машинные галлюцинации, а через юридический авторитет наций, которые их образовали.

9. Цена бездействия

Предыдущие разделы устанавливают, что GSCO может делать. Этот раздел рассматривает, что произойдёт, если проблемы, которые он решает, оставить нерешёнными — вопрос, который более не теоретический.

9.1 Множитель экономической задержки

Страны, отложившие переход с ISCO-88 на ISCO-08, в среднем заплатили в 2.4× больше в итоговых интеграционных издержках, когда из учреждений ЕС пришло давление по связыванию с ESCO. Проецируя эту закономерность вперёд: действия, предпринятые сейчас для согласования национального реестра с хабом ISCO-08 GSCO, обходятся в диапазоне €1.0–2.5 миллиона на страну (в зависимости от размера реестра и языкового разрыва); действие, отложенное до 2031 года, оценивается в €2.3–7.2 миллиона, движимое накопленным наследственным долгом, нарастающим примерно на 5% в год через пенсионные, налоговые, трудовые и социально-страховые системы, которые все downstream-потребляют профессиональные коды [41].

Это не спекулятивный множитель. Это задокументированная закономерность с миграции с ISCO-88 на ISCO-08, теперь применяемая проспективно к странам, всё ещё работающим с классификационными системами до 2008 года. KZBiH-08 Боснии и Герцеговины является основным источником для немецких заявок на признание медсестринских квалификаций — приблизительно 2 300 одобрений в год по пиковым ставкам 2019 года. Из них 23.3% требуют компенсаторных мер в течение 12–18-месячного периода реклассификации [48]. Получающаяся потеря зарплаты на одну затронутую медсестру в среднем составляет €12 000 в течение окна реклассификации; 930 медсестёр в год × €12 000 = приблизительно €11 миллионов ежегодно в избегаемых экономических потерях из одного двустороннего коридора. Агрегировано по десяти странам, проанализированным в этом исследовании, консервативная оценка избегаемого трения признания квалификаций составляет €80–150 миллионов в год.

Американский совет по иммиграции (American Immigration Council) документирует $39 миллиардов в нереализованной годовой заработной плате и $10.2 миллиарда в потерянных налоговых поступлениях из-за недоиспользования квалификаций иммигрантов только в Соединённых Штатах [49]. Оценка Университета Флиндерса 2022 года для Австралии оценивает экономические потери в A$70 миллиардов, при этом 43% китайских квалифицированных мигрантов работают вне своей заявленной профессии [50].

9.2 Восемь закрывающихся окон

Следующие стратегические окна ограничены во времени. Каждое закрывается независимо от других, и каждое представляет возможность, не повторяющуюся по предсказуемому графику.

Окно 1: ИИ-цунами реклассификации (2026–2035). Целые категории профессий в настоящее время реклассифицируются под ИИ-управляемую автоматизацию задач. Тренеры ИИ, инженеры подсказок (prompt engineers), операторы автономных транспортных средств и специалисты по тонкой настройке больших языковых моделей не появляются ни в одном из 10 страновых брифов, проанализированных в этом исследовании. Каждый год без обновления классификатора означает, что ещё одна когорта работников выходит на рынок труда в категории, которая официально не существует. Теория поляризации работы [51] предсказывает, что ИИ-автоматизация выпотрошит средние по навыкам категории, наиболее плотно населённые в группах ISCO-08 4–8; страны, классифицирующие эти переходы сейчас, будут иметь эмпирические базовые линии; страны, которые ждут, ретроактивно реконструируют их в неправильные старые корзины.

Окно 2: Ускорение климатической миграции. ISCO-08 не содержит кодов для работников, обеспечивающих соответствие механизму трансграничного углеродного регулирования (CBAM), специалистов по адаптации к климату или агроработников, перемещённых из-за климата. 10 стран, проанализированных в этом исследовании, коллективно покрывают климатически уязвимые экономические сектора: сельское хозяйство какао в Кот-д'Ивуаре (весь сектор не классифицирован в текущем реестре); хлопководство и водоёмкая горнодобывающая отрасль в Таджикистане; нефть и газ в Саудовской Аравии и Брунее; управление водой ледникового происхождения в Монголии; морское и рыболовство в Кабо-Верде. Классификация этих секторов до прихода климатического профессионального дисраптива качественно отличается от классификации после факта.

Окно 3: Блокировка экономики платформ. LinkedIn, Indeed и Upwork уже определяют, что означает «software developer» в Латвии, Литве и Эстонии. Bolt и Wolt определяют «delivery driver» в Балтии. HungerStation определяет это в Саудовской Аравии. Без обновлённых национальных классификаторов частные платформенные таксономии становятся фактическими стандартами профессий — без юридической ответственности, без связи с МОТ и без перекрёстной таблицы к системам социального страхования.

Окно 4: Потеря институциональных знаний (2030–2035). Последняя когорта статистиков, управлявших переходом ISCO-88→ISCO-08, приближается к пенсии во всех 10 странах, охваченных брифами. Институциональная память о том, почему определённые legacy-коды были сохранены, почему определённые семейства советских профессий выжили в постсоветских классификаторах и как разрешались конкретные edge-cases во время перехода 2008 года, будет недоступна после 2030 года. Интеграция, пока эта экспертиза доступна, обходится в 2–3× дешевле, чем реконструкция после ухода на пенсию.

Окно 5: Окно ИИ-ассистированного перехода (2026–2028). Текущая ИИ-ассистированная генерация английских меток для латвийского реестра на 4 102 записи оценивается в €15 000. Та же задача, выполненная вручную в 2031 году под потенциальным регуляторным давлением ECOWAS или EURES, оценивается в €150 000. ИИ-генерация перекрёстных таблиц для 540 записей Кот-д'Ивуара оценивается в €40 000 сейчас против €400 000 под будущим давлением гармонизации ECOWAS. Это окно закрывается по мере того, как стоимость моделей растёт, требования к ручной верификации растут под нарождающейся регуляцией управления ИИ, и накапливается отставание.

Окно 6: Накопленный наследственный долг. Каждый год бездействия добавляет приблизительно 5% к downstream-стоимости интеграции через пенсионные, налоговые, трудовые и социально-страховые системы. Для Боснии, оперирующей пенсионной системой, разделённой между двумя сущностями (Federacija BiH и Republika Srpska), каждая со своими отдельными классификационными практиками, накопительная ставка структурно выше. Формула не линейная: она экспоненциальная, потому что каждая downstream-система, принимающая legacy-коды, становится новой зависимостью, которую нужно мигрировать одновременно при любом будущем обновлении.

Окно 7: Окно пересмотра ISCO-28 (2026–2028). Раз-в-поколение процесс пересмотра ISCO МОТ в настоящее время открыт для эмпирических входных данных. Страны и исследователи, вовлечённые в это окно, формируют стандарт; те, кто включается в 2031 году, адаптируются к таксономии, спроектированной другими. Самая богатая таксономия профессий горнодобывающей отрасли Монголии вне ОЭСР, коды сектора какао Кот-д'Ивуара, семейства профессий нефти и газа Саудовской Аравии и подклассификации нефтяной инженерии Брунея — все представляют входные данные, которые ценны только при подаче в активный процесс пересмотра. GSCO уже идентифицировал конкретные коды и коридоры; путь подачи в рабочую группу ISCO-28 МОТ — оставшийся шаг.

Окно 8: Миграционный всплеск — действовать перед следующей волной, а не во время неё. ISCO-88 был спроектирован для мира с 70 миллионами международных мигрантов. ISCO-08 был спроектирован для 190 миллионов. Базовый уровень сегодня — 280 миллионов плюс 37 миллионов беженцев плюс 75 миллионов внутренне перемещённых лиц. 10 стран, охваченных брифами, коллективно принимают или генерируют приблизительно 15–20 миллионов этой популяции. Установление классификационной базы перед следующим миграционным всплеском — будь то климатического, конфликтного или экономико-поляризационного происхождения — качественно отличается от попытки классифицировать во время всплеска. Во время украинского события перемещения 2022 года 1.5 миллиона беженцев въехали в Польшу за недели; классификационная инфраструктура, существовавшая в тот момент, определила исходы для индивидуумов. Инфраструктура, построенная после всплеска, классифицирует его человеческую цену, но не его людей.

9.3 Аргумент политической честности

Рамка цены бездействия требует одного неудобного признания: некоторые из самых значительных классификационных пробелов существуют между странами, не являющимися естественными дипломатическими партнёрами. 75.9% лексического расхождения Таджикистана с классификатором России, несмотря на разделение русского как административного языка обоих реестров, отражает десятилетия постсоветского административного расхождения, которое было политически удобно игнорировать. Двусторонний показатель одобрения квалификаций Франция→Германия (40.3%) против Франция→Люксембург (99.8%) отражает не правовую неоднозначность, а политическую экономию привратничества профессиональных ассоциаций в Германии против меньшего по масштабу, более интегрированного рынка труда Люксембурга [42].

Архитектура «ступица и спицы» GSCO политически нейтральна по дизайну: она соединяет каждый реестр с ISCO-08, а не с каким-либо двусторонним партнёром. Это означает, что страна, не желающая прямо гармонизироваться с геополитическим соперником, тем не менее может достичь взаимной читаемости через общий хаб. Архитектура не требует доверия между конечными точками — только подключения каждой конечной точки к стандарту. Именно это и делает её масштабируемой.

10. Обсуждение: почему этот пробел сохранялся с 2008 по 2026 год

ISCO-08 был опубликован МОТ (Международной организацией труда) в 2008 году. Wikidata запустилась в 2012. К 2026 году — спустя восемнадцать лет после ISCO-08, четырнадцать лет после запуска Wikidata — только 912 Q-записей профессий в Wikidata имели statement P8283 (код профессии по ISCO-08) из 18 749 occupation-записей с английскими лейблами. Ни одна из этих statement’ов не содержала reference на источник до 30 апреля 2026 года, когда автор начал систематическую работу по проставлению provenance.

Почему фундаментальный международный стандарт классификации труда оставался фактически невидимым в глобальной экосистеме Linked Open Data почти два десятилетия?

10.1 Институциональное бездействие

Игроки, имевшие мандат и ресурсы для интеграции ISCO-08 в semantic-web инфраструктуру, этого не сделали:

• Статистический департамент МОТ публикует ISCO-08 в формате PDF/XML. Поддерживает классификацию, но не имеет pipeline для интеграции с Wikidata. Статистические агентства распределяют бюджеты на исследования и методологию, не на bibliographic-инфраструктуру.
• Eurostat значительно инвестировал в ESCO (European Skills/Competences/Occupations) с активной интеграцией в data.europa.eu и Wikidata. ISCO-08, глобальный родительский стандарт, не получил аналогичного внимания.
• Национальные статистические агентства поддерживают свои классификаторы (ANZSCO, KldB, OFO 2017, ОКЗ и др.). Они сосуществуют с ISCO-08, но работают как разрозненные silos, не как узлы единого графа.
• Национальные библиотеки (Library of Congress, DNB и др.) поддерживают authority control для персон и произведений, но не для occupation-концептов. Их интерес к ISCO-08 структурно непрямой.

Результат: восемнадцать лет фрагментированных, частично машиночитаемых параллельных таксономий без единой структуры, ответственной за их интеграцию.

10.2 Почему волонтёрская Wikidata не закрыла этот пробел

Модель контрибуторов Wikidata — волонтёрская. Темы, привлекающие внимание, как правило:

• зримые (исторические личности, достопримечательности, биографии),
• вознаграждающие (ясная социальная валидация через откаты/благодарности),
• соответствующие личным интересам контрибутора.

Occupation-таксономия не проходит ни один из трёх фильтров. Добавление кодов ISCO-08 к Q-записям Wikidata требует:

1. экспертизы в структуре классификации МОТ,
2. свободного владения SPARQL и API Wikidata,
3. cross-national понимания того, как локальные классификаторы соотносятся с ISCO,
4. multilingual компетенции для проверки корректности лейблов в 50+ языках,
5. готовности тратить время без академических или финансовых наград.

Пересечение этих пяти компетенций — domain expertise, технические навыки, multilingual владение, время, готовность — встречается у менее чем пятидесяти человек в мире. Никто из них не имел достаточных стимулов для систематической работы до 2026 года.

10.3 Outsider как maintainer последней инстанции

Повторяющийся паттерн в инфраструктуре открытого знания: когда институциональные игроки абдицируют, независимые outsider'ы заполняют пробел. Примеры:

• OpenStreetMap — глобальные географические данные, поддерживаемые не национальными картографическими агентствами, а независимыми волонтёрами.
• MusicBrainz — comprehensive music metadata вне коммерческих систем звукозаписи.
• OpenAlex — открытый scholarly граф, созданный небольшой некоммерческой OurResearch после прекращения Microsoft Academic Graph.

В каждом случае у outsider'а нет ни институционального мандата, ни бюджета. Есть сочетание навыков и мотивации, которое institutional actors не могут задействовать в силу отсутствия incentive structure.

Вклад автора в закрытие ISCO-08/Wikidata gap соответствует тому же паттерну. Мотивация не финансовая и не институциональная. Это признание того, что пробел существует, оценка того, что никто другой не закроет его в обозримом будущем, и готовность взяться за многолетнюю систематическую работу.

10.4 Импликации

Структурный урок не уникален для ISCO-08:

• Многие стандарты ISO/ООН существуют как PDF-документы без semantic-web операционализации.
• Список «bibliographic vacuums» в международных стандартах длинный: SITC (торговля), ICD (медицина, частично закрытый), ISCED (образование), GDELT (события) и другие.
• Каждый представляет аналогичный институциональный пробел, ожидающий outsider'а с правильным skill-stack-ом.

Для policy: МОТ и аналогичные органы ООН должны рассмотреть партнёрство с Wikidata Foundation для систематической интеграции стандартов, аналогично тому, что Eurostat достиг с ESCO.

Для governance Wikidata: вклад независимых исследователей, заполняющих институциональные пробелы, заслуживает признания как легитимная форма stakeholder-участия в процессах ревизии стандартов ISO/ООН. Автор GSCO зарегистрирован для empirical input в активную фазу ревизии ISCO-28 (2026–2028) на этом основании.

Для science-of-science: паттерн «outsider-as-maintainer» в инфраструктуре Linked Open Data заслуживает эмпирического изучения. GSCO и аналогичные проекты предлагают наборы данных о времени вклада, skill-профилях и механизмах детекции пробелов, которые до сих пор почти не изучены.

Доступность данных

Все данные, код и документация свободно доступны:

• GitHub-репозиторий: https://github.com/Reincarnatiopedia/gsco
• Набор данных Zenodo: [DOI ожидается — будет добавлен при загрузке]
• Wikidata-бот: User:Maris Dreshmanis
• Исходный код бота: Reincarnatiopedia/wikidata-bot

Структура репозитория:

data/
  esco/                    — ESCO v1.2.1 (28 языков, 2 942 профессии)
  national_registries/     — 146 национальных реестров в JSON
  wikidata_cache/          — CSV-экспорт (26 991 элемент × 53 языка)
scripts/
  gsco_wikidata_cache.py   — Еженедельный дамп Wikidata в SQLite
  gsco_esco_mapper.py      — Детерминированный маппер ESCO→Wikidata
  gsco_edit_queue.py       — Преди-валидированная очередь правок
  gsco_edit_daemon.py      — Движок исполнения бота с контролями безопасности
  gsco_revert_monitor.py   — Мониторинг откатов с экстренной остановкой

Интерактивная companion-библиотека всех 117 задокументированных миграционных кейсов — с поиском по странам и живой фильтрацией — поддерживается на https://gsco.io/cases. On-site библиотека дополняет Приложение А и обновляется по мере документирования новых кейсов.

Приложение А: Задокументированные миграционные кейсы (Полная библиотека — 117 кейсов)

Следующая библиотека охватывает 117 задокументированных кейсов, полученных из семи региональных исследовательских партий, проведённых между январём и апрелем 2026 года, охватывающих 40+ языков. Кейсы 1–30 ниже представлены в детальной нарративной форме — отобранные по совокупности масштаба затронутых людей и качества документации. Кейсы 31–120 появляются в компактной справочной таблице в конце этого приложения; их полный текст поддерживается на https://gsco.io/cases с поиском по странам. Все цитируемые URL и источники перечислены в разделе «Источники»; кейсы без верифицируемого первичного источника опущены.

Следующие кейсы получены из семи региональных исследовательских партий, проведённых между январём и апрелем 2026 года, охватывающих 40+ языков. Кейсы отобраны по совокупности масштаба затронутых людей и качества документации. Все цитируемые URL и источники перечислены в разделе «Источники»; кейсы без верифицируемого первичного источника в библиографии опущены.

Кейс 1: Босния и Герцеговина → Германия — медсёстры (2012–2021)

Масштаб: 17 103 заявки на признание медсестринских квалификаций из БиГ в Германию за 2012–2021; 2 300 одобрений на пиковом уровне 2019; 23.3% требуют компенсаторных мер (12–18 месяцев) Исходный классификатор: KZBiH-08 («Medicinska sestra» → ISCO 2221) Принимающий классификатор: Немецкий KldB-2010 («Gesundheits- und Krankenpflegerin» → 81302) Несоответствие: 4-значное соответствие ISCO существует на бумаге; гранулярность субклассификации KldB требует сопоставления компетенций, не выводимого из кода ISCO в одиночку Исход: ~930 медсестёр в год в 12–18-месячной реклассификации; оценочно €11M в год в избегаемой потерянной зарплате только из этого коридора; рабочая сила здравоохранения Сербии истощена на 14% к 2017 году [48] Релевантность для GSCO: ba_kzbih08 уже в GSCO (4 246 записей); ноль боснийских меток в Wikidata; призрачный реестр ba_error_stub является P0-багом, скрывающим доступность данных

Кейс 2: Украина → Чехия — профессионалы («чистка моркови») (2022–наст.)

Масштаб: 473 000 украинцев в Чехии в 2022; 75%+ помещены в группу 9 ISCO (элементарные профессии), несмотря на то что большинство имеет третичные квалификации; 68% женщин-менеджеров/профессионалов работают ниже уровня квалификации Исходный классификатор: Украинский ДКХП (на основе ISCO-08) Принимающий классификатор: Чешский KZAM (на основе ISCO-08) Несоответствие: Оба используют коды ISCO-08 — номинальное соответствие — но признание дипломов всё ещё требуется; одного только соответствия кодов недостаточно без моста эквивалентности квалификаций Исход: Систематическая избыточная квалификация; IOM задокументировано как «Overqualified, Underemployed» [46] Релевантность для GSCO: Демонстрирует, что соответствие кодов ISCO — необходимое, но недостаточное условие; нужна перекрёстная таблица + рамка признания

Кейс 3: Филиппины → Япония — медсёстры (2008–наст.)

Масштаб: 15-летний накопленный показатель сдачи японского экзамена на лицензирование медсестринской деятельности: 14%; 86% возвращаются на Филиппины или работают помощниками вместо зарегистрированных медсестёр Исходный классификатор: Коды медсестринской деятельности Филиппинской PRC Принимающий классификатор: Японский JSCCO (厚生労働省) Несоответствие: Японский экзамен откалиброван на японское семейство профессиональных кодов; филиппинское медсестринское образование сопоставляется с другими подкодами ISCO, чем те, что покрывает японский экзамен Исход: 15 лет × ежегодные когорты; структурная недоиспользованность квалифицированных медсестёр, несмотря на двустороннее Соглашение об экономическом партнёрстве (EPA), разработанное для облегчения движения Источник: Юго-восточно-азиатская миграционная партия (2026); официальная статистика японского Министерства здравоохранения, труда и благосостояния

Кейс 4: Венесуэла → Перу/Колумбия — «Comprehensive Community Doctors» (2018–наст.)

Масштаб: ~50 000 венесуэльских врачей без эквивалентного кода в классификаторах принимающих стран; Перу аннулировала венесуэльские медицинские регистрации в 2018 Исходный классификатор: Венесуэльская профессиональная рамка MPPE («médico integral comunitario» = специалист по общественной медицине) Принимающий классификатор: Перуанский CNO, колумбийский CON (ни один не содержит «médico integral comunitario» как категорию) Несоответствие: Категория профессии буквально отсутствует в принимающем классификаторе; код невозможно найти; лицензию невозможно оценить Исход: Массовое понижение; многие практикуют как административный персонал или незарегистрированы; Перу полностью аннулировала регистрации Источник: Романская языковая миграционная партия (2026)

Кейс 5: Румыния → Италия — медсёстры (2023–наст.)

Масштаб: 11 861 румынская медсестра напрямую затронута непринятием Италией Директивы ЕС 2024/505 Исходный классификатор: Румынский COR (медсестринство → ISCO 2221) Принимающий классификатор: Итальянский NUP (infermiere professionale) Несоответствие: Непринятие директивы означает, что путь автоматического признания сломан, несмотря на то что обе страны являются членами ЕС Исход: Процедуры о нарушении ЕС против Италии, май 2025 [40]; медсёстры работают нелегально или вообще не работают Релевантность для GSCO: Романская партия; GSCO имеет реестры и RO, и IT; перекрёстная таблица существует — пробел юридически-административный, не классификационный, но GSCO предоставляет технический мост, как только произойдёт юридическое разрешение

Кейс 6: Сирия → Германия — медицинская лицензия (2015–2016 задокументировано, продолжается)

Масштаб: 14-месячное среднее ожидание Approbation (медицинской лицензии), задокументированное в исследовании BMC для заявок, поданных в июне 2015; 62 100 заявок на Approbation из Ирана только в 2023 (+26% YoY) Исходный классификатор: Коды Сирийской медицинской ассоциации Принимающий классификатор: Немецкий Approbationsordnung für Ärzte (ÄAppO) с реализацией, специфичной для Bundesland Несоответствие: Машинно-читаемого моста между сирийскими медицинскими кодами специальностей и немецкой классификацией, специфичной для Bundesland, не существует; стоимость Approbation варьируется €170–€850 по Землям; внешняя оценка диплома добавляет €450–€3 000; подготовительные курсы до €4 900 Исход: 14-месячный задокументированный кейс (Erim et al. 2020) [35]; систематический барьер; 80% немецких компаний сообщают, что вообще не используют формальную систему признания [41] Источник: Германская/Нордическая миграционная партия (2026); Erim et al. 2020 BMC Health Services Research

Кейс 7: Таджикистан → Россия — расхождение классификации в общем языке (реестр 2022)

Масштаб: 1.1 миллиона таджикских трудовых мигрантов в России = 11% общего населения Таджикистана; денежные переводы = 30–40% ВВП Таджикистана Исходный классификатор: Таджикский NKZ-2022 (русскоязычный, на основе ISCO-08) Принимающий классификатор: Российский ОКЗ (на основе ISCO-08) Несоответствие: 75.9% лексического расхождения на 4-значном уровне, несмотря на то что оба реестра на русском и номинально согласованы с ISCO-08; коды ISCO 7313/7314/7315 (витражист, гончар, ювелир) систематически перепутаны; NKZ-2022 содержит дословно «National Bank of Kazakhstan» в коде 1124 — артефакт копирования из казахстанского шаблона Исход: Признание квалификаций между двумя русскоязычными системами на основе ISCO-08 проваливается из-за расхождения содержания, невидимого при сопоставлении только по коду Релевантность для GSCO: Обнаружено в анализе базы данных GSCO; страновой бриф TJ; подтверждает, что реестры на одном языке и одном стандарте могут иметь существенное расхождение содержания, требующее GSCO-сопоставления на уровне меток

Кейс 8: Гонконг (BNO) → Великобритания (2021–наст.)

Масштаб: n=2 000 опрос British Future (2023); 47% владельцев визы BNO работают вне своей профессиональной области; 28% называют признание квалификаций основным барьером Исходный классификатор: Гонконгский HKISCO-11 (по образцу ISCO-08) Принимающий классификатор: Британский SOC-2020 Несоответствие: Профессиональные лицензирующие органы в Великобритании (NMC для медсестринства, GMC для медицины) требуют британско-специфичной верификации компетенций, не выводимой из кода HKISCO; гранулярность SOC-2020 отличается от HKISCO-11 на 4-значном уровне Исход: 47% профессионального несоответствия в популяции ~150 000+ прибывших по BNO, экстраполированно; задокументирован психологический стресс [47] Источник: Опрос British Future 2023 [52]

Кейс 9: Китай → Австралия — несоответствие квалифицированной миграции (2022)

Масштаб: 43% китайских квалифицированных мигрантов в Австралии работают вне своей заявленной профессии; оценочно A$70 миллиардов экономических потерь (Университет Флиндерса 2022) Исходный классификатор: Китайский CSCO (中国职业分类大典) Принимающий классификатор: Австралийский ANZSCO (ABS/Stats NZ) Несоответствие: Органы оценки навыков (Engineers Australia, CPA Australia и др.) требуют сопоставления компетенций, пересекающего несколько единичных групп ANZSCO; перекрёстной таблицы CSCO к ANZSCO в машинно-читаемой форме не существует Исход: A$70B нереализованного экономического выпуска; 43% профессионального несоответствия [50] Источник: Восточно-азиатская миграционная партия (2026); оценка Университета Флиндерса 2022

Кейс 10: Франция → Германия vs. Франция → Люксембург — несоответствие одобрения квалификаций (данные 2024)

Масштаб: Те же французские профессиональные квалификации; та же Директива ЕС 2005/36/EC; та же страна происхождения Исходный классификатор: Французский ROME v4 (France Travail) Принимающий классификатор A: Немецкий KldB-2010 (40.3% уровня одобрения для французских квалификаций, данные BIBB 2024) Принимающий классификатор B: Люксембургский CNP (99.8% уровня одобрения для тех же французских квалификаций) Несоответствие: 60-процентный разрыв между двумя странами-членами ЕС, имплементирующими ту же Директиву; отражает различия в гранулярности KldB vs. CNP на 5-значном уровне, усиленные привратничеством профессиональных ассоциаций в Германии [42] Исход: Коридор Франция→Германия в 60× более вероятен закончиться отказом, чем Франция→Люксембург, для идентичных квалификаций; IW 2025 оценивает нехватку квалифицированных работников в Германии в €450K при одновременной блокировке квалифицированных заявителей из ЕС [41] Источник: ITEM Maastricht Cross-Border Impact Assessment 2025; IW Report 08/25 [41, 42]

Кейс 11: Бангладеш → Саудовская Аравия — принудительная классификация как домашних работников (продолжается)

Масштаб: ~800 000 бангладешских женщин-мигрантов; систематическая принудительная классификация как домашних работников независимо от фактического профессионального опыта Исходный классификатор: Бангладешский BSCO (на основе ISCO-08; 5 387 записей в GSCO) Принимающий классификатор: Саудовский SSCO 2024 (GSCO: 2 738 английских записей, 99.3% покрытие ISCO; арабская версия — 2019 — 5-летний разрыв) Несоответствие: Машинно-читаемого моста между профессиональными категориями BSCO и классификацией SSCO в точке регистрации трудового договора не существует; саудовская квотная система NITAQAT использует коды SSCO — работники, занесённые под неправильным кодом, заперты в неправильной категории квот Исход: Профессиональная деградация, затрагивающая 800 000 индивидуумов; ILO 2024 задокументировано [36] Релевантность для GSCO: И BSCO, и SSCO 2024 в GSCO; арабский SSCO имеет баг переворота RTL, ожидающий P0-исправления; перекрёстная таблица технически существует — провал в административном применении

Кейс 12: Непал → Южная Корея — очередь EPS (2023)

Масштаб: 143 812 заявителей EPS (Employment Permit System) на 15 800 доступных мест в 2023; 2 смерти во время декабрьских 2023 протестов в экзаменационном центре Катманду Исходный классификатор: Непальский NASCO (по образцу ISCO-08) Принимающий классификатор: Корейский KSCO-7 (한국표준직업분류) Несоответствие: Экзамен EPS тестирует корейскоязычную профессиональную терминологию, не выводимую из сопоставления NASCO → ISCO-08; корейский KSCO-7 имеет другую гранулярность на 4-значном уровне, чем ISCO-08, для категорий обрабатывающей промышленности и строительства Исход: Соотношение заявитель-к-месту 9:1; 2 смерти в протестах; структурный барьер, создающий опасное узкое место Источник: Персидско-индо-тюркская миграционная партия (2026)

Кейс 13: Узбекистан → Россия — массовая избыточная квалификация (продолжается)

Масштаб: 33.3% узбекских мигрантов в Россию имеют высшее образование; ~11% работают на несоответствующих профессиях = ~220 000 одновременно избыточно квалифицированных работников Исходный классификатор: Узбекский ОККТ (O'zbekiston Kasblar Klassifikatori, на основе ISCO-08) Принимающий классификатор: Российский ОКЗ (на основе ISCO-08) Несоответствие: Несмотря на то что оба основаны на ISCO-08 и лингвистически близки (узбекско-русский билингвизм распространён), несоответствие на под-кодовом уровне сохраняется; российские работодатели по умолчанию избегают риска, когда узбекские дипломы невозможно автоматически верифицировать Исход: ~220 000 избыточно квалифицированных работников одновременно; данные IOM, цитируемые в персидско-индийской партии Источник: Персидско-индо-тюркская миграционная партия (2026); документация IOM

Кейс 14: Болгария → Германия — отсутствие категории «Feldsherin» (2016–2019)

Масштаб: Болгарские признания медсестринских квалификаций в Германии утроились с 5 600 до 15 500 (2016–2019); болгарская профессия «фелдшер» (feldsherin) отсутствует в немецких/австрийских классификационных системах Исходный классификатор: Болгарский EKPD (на основе ISCO-08; включает «фелдшер» как отдельную 4-значную категорию) Принимающий классификатор: Немецкий KldB-2010 (нет категории «Feldscherin»; ближайшая — «Pflegehilfskraft» — на 3 профессиональные ступени ниже) Несоответствие: Профессия присутствует в источнике, отсутствует в назначении → автоматическое понижение; снижение зарплаты €400–€600/мес на одну затронутую медсестру Исход: Автоматическое понижение до Pflegehilfskraft; австрийское Sozialministerium всё ещё документирует проблему в 2025; структурно, не переходно Релевантность для GSCO: Прямой структурный параллель к CI (540 неклассифицированных профессий) и BN (1 381 профессия на 5-значном уровне без перекрёстной таблицы ISCO) Источник: Славянская миграционная партия (2026); документация австрийского Sozialministerium 2025

Кейс 15: Украина → Польша — массовая избыточная квалификация (2022–наст.)

Масштаб: ~1.5 миллиона украинских беженцев; 40% заняты в группе 9 ISCO, несмотря на третичное образование у большинства; 67% женщин-профессионалов работают ниже уровня квалификации Исходный классификатор: Украинский ДКХП (на основе ISCO-08) Принимающий классификатор: Польский KZiS (на основе ISCO-08) Несоответствие: Соответствие на одном стандарте и одном коде всё равно производит систематическое понижение; стоимость нострификации (плата за признание диплома), бремя ухода за детьми и языковой барьер вместе создают ловушку избыточной квалификации, которую сопоставление кодов ISCO в одиночку не может разрешить Исход: 40% уровня неправильной классификации в массовом масштабе; структурно, не переходно Источник: Славянская миграционная партия (2026); IOM и польская статистика рынка труда

Кейс 16: Беларусь → Польша — IT-работники («кабели до интервью») (2020–2023)

Масштаб: 20 000 IT-профессионалов через ускоренную визовую программу Poland Business Harbour Исходный классификатор: Белорусский ОКРБ-006 (ISCO 2512 «Software developer» сопоставлен) Принимающий классификатор: Польский KZiS (ISCO 2512 сопоставлен — тот же код) Несоответствие: Тот же код ISCO в обеих системах; непризнание работодателями сохраняется, потому что белорусские дипломы не верифицируются автоматически по польской базе данных; работники сообщают о 3–12 месяцах деквалифицированного труда («прокладка волоконно-оптических кабелей») перед нахождением работы в IT; после добавления одной польской компании в резюме — 5 интервью на работу за 1 месяц Исход: 3–12-месячный деквалифицированный переход, несмотря на ускоренную визу и те же коды ISCO; раскрывает, что признание квалификаций = проблема доверия работодателя, а не только проблема сопоставления кодов Релевантность для GSCO: Сигнал авторитета GSCO в Wikidata (профессия одобрена реестром МОТ с нулём откатов) мог бы функционировать как proxy доверия работодателя Источник: Славянская миграционная партия (2026)

Кейс 17: Бразилия → Португалия — медицинское признание (продолжается)

Масштаб: 57.8% уровня отказов бразильским медицинским дипломам португальским Ordem dos Médicos; Ангола 3.4% уровня отказа; Куба и Гвинея-Бисау 0% уровня отказа — все номинально под одной португалоязычной рамкой эквивалентности Исходный классификатор: Бразильский CBO (Classificação Brasileira de Ocupações; 2 614 записей в GSCO) Принимающий классификатор: Португальский CNP-94 (обновлён; перекрёстно ссылается на ESCO ЕС) Несоответствие: Португальский Ordem dos Médicos применяет разные substantivные критерии к бразильским, ангольским и PALOP-заявителям, несмотря на общий язык и номинально похожие структуры медицинского образования; сходство на уровне кодов не предсказывает одобрение Исход: Несоответствие 57.8% против 3.4% уровня отказа; задокументировано в Público и данных Ordem dos Médicos, цитируемых в романской партии Источник: Романская языковая миграционная партия (2026); ежегодная статистика Ordem dos Médicos Portugal

Кейс 18: Франция — врачи PADHUE («ассоциированные практикующие») (продолжается)

Масштаб: 5 000+ врачей классифицированы как «Praticiens à Diplôme Hors Union Européenne» (PADHUE), зарабатывающие €1 450/мес против €4 500/мес для эквивалентно квалифицированных врачей, обученных во Франции Исходные классификаторы: Разнообразные (Африка, Ближний Восток, Восточная Европа, Азия) Принимающий классификатор: Французский ROME v4 (PADHUE = отдельная профессиональная подкатегория ниже «médecin») Несоответствие: Французская классификационная система имеет постоянную удерживающую категорию, юридически отличную от полного статуса «médecin» независимо от фактической компетентности; врачи PADHUE, выполняющие идентичную клиническую работу, классифицируются (и оплачиваются) как отдельная категория профессий нижнего ранга Исход: Разрыв в зарплате €3 050/мес на одного врача; затронуты 5 000+; описано в обзоре Ngabirano 2026 как способствующее психологическому стрессу у высококвалифицированных мигрантов [47] Источник: Романская миграционная партия (2026); систематический обзор Ngabirano 2026

Кейс 19: Граница Нидерланды/Бельгия — кейс невролога ZorgSaam (2025)

Масштаб: 1 больница (ZorgSaam, Тернёзен, Нидерланды); 1 кандидат-невролог (Universitair Ziekenhuis Gent, Бельгия, ~30 км); острая нехватка Исходный классификатор: Бельгийский KBC-ISCO (neurologie → ISCO 2212) Принимающий классификатор: Голландский BIG-register (neuroloog → код BIG 79) Несоответствие: BIG-register требует отдельной процедуры регистрации даже для специалистов, сертифицированных в ЕС; голландская перекрёстная таблица ISCO-к-BIG не машинно-читаема; 30 км, нулевая стоимость переезда, та же Директива ЕС, двусторонняя свобода Шенгена — классификационная процедура всё равно задерживает Исход: Больница оставалась с недокомплектом во время процедуры; задокументировано в ITEM Maastricht Cross-Border Impact Assessment 2025 [42] Релевантность для GSCO: Самый сжатый возможный кейс — все переменные трения минимизированы; классификационное несоответствие сохраняется тем не менее

Кейс 20: Эстония → Финляндия/Германия — ценность трёхязычного реестра (продолжается)

Масштаб: ~180 000 эстонских эмигрантов (13% населения); основные коридоры EE→FI, EE→DE, EE→UK Исходный классификатор: Эстонский AK-2008 (100% покрытие ISCO-4; трёхязычный ET/EN/RU; 3 562 записи) Принимающие классификаторы: Финский ISCO-08-fi; немецкий KldB-2010 Качество соответствия: AK-2008 — единственный реестр в выборке 10 стран с трёхязычными метками — обеспечивает прямое автоматическое сопоставление с финской, немецкой и британской SOC-2020 системами Исход: Положительный кейс; Эстония демонстрирует, что архитектура трёхязычного реестра обеспечивает почти автоматизированную портативность квалификаций; нулевой машинный перевод не требуется Релевантность для GSCO: AK-2008 — «золотой стандарт» в корпусе GSCO — страновой бриф EE; политическое окно: Эстония председательствует в Совете ЕС во второй половине 2027

Кейс 21: Латвия — кризис классификации пенсий диаспоры (2024)

Масштаб: ~300 000 латвийских эмигрантов (16% населения, самый высокий уровень эмиграции в Балтии); пенсионная реформа Латвии 2024 ввела профессиональные уровни взносов, требующие точной классификации ~800 000 активных пенсионных счетов Исходный классификатор: Латвийский Profesiju klasifikators (4 102 записи, ревизия 2024; ноль английских меток) Принимающие классификаторы: Немецкий KldB-2010, британский SOC-2020 (для возвращающихся мигрантов) Несоответствие: Ноль английских меток в латвийском реестре означает, что латвийские профессионалы за рубежом не могут автоматически сопоставить свой код профессии с классификаторами систем назначения; иностранные пенсионные права возвращающихся мигрантов не могут быть автоматически верифицированы по латвийским уровням Исход: Пенсионная реформа не может быть автоматически применена к диаспоре, возвращающейся из мест назначения без перекрёстных таблиц; требуется ручное переопределение по каждому кейсу; масштаб: потенциально 300 000 затронуты Релевантность для GSCO: Страновой бриф LV; ИИ-ассистированная генерация EN-меток для 4 102 записей = €15K сейчас vs. €150K в 2031

Кейс 22: Монголия → Южная Корея — горнодобывающие работники EPS (продолжается)

Масштаб: ~60 000 монгольских работников в Южной Корее через EPS; Монголия имеет самую богатую таксономию профессий горнодобывающей отрасли в GSCO (YAMAT-08, 4 844 записи) Исходный классификатор: Монгольский YAMAT-08 (только язык mn; ноль монгольских меток в Wikidata) Принимающий классификатор: Корейский KSCO-7 Несоответствие: Подспециальности горнодобывающей отрасли в YAMAT-08 (взрывник, специалист по удалению вскрыши, конкретные геологоразведочные категории) не имеют прямых эквивалентов KSCO-7; классифицируются как обобщённый «горнорабочий» (ISCO 8111) независимо от фактической специализации Исход: Специализированные навыки не признаны; разница в зарплате между специалистом и обобщённым горнорабочим; анализ GSCO раскрывает, что YAMAT-08 — самая детальная таксономия горнодобывающей отрасли в наборе данных — потенциально ценный вход для ISCO-28 Источник: Восточно-азиатская миграционная партия (2026); страновой бриф MN

Кейс 23: Кабо-Верде — инверсия диаспоры и резидентного населения (продолжается)

Масштаб: Диаспора Кабо-Верде (~700 000 человек) превышает резидентное население (~570 000); CNP CV-Rev.1 имеет 699 записей, последнее обновление 2010 (15 лет назад) Исходный классификатор: CNP CV-Rev.1 (португальский; структура эпохи ISCO-88) Принимающие классификаторы: Португальский CNP-94 (обновлён), французский ROME v4 Несоответствие: CNP CV-Rev.1 использует семейства кодов ISCO-88 (не ISCO-08); диаспора в Португалии и Франции, подающая квалификации, сопоставленные с кодами ISCO-88, которые системы назначения признали устаревшими Исход: Партнёрство ЕС по мобильности с Кабо-Верде (2008, продлено) под угрозой из-за устарелости классификатора; партнёр ЕС не может автоматически верифицировать квалификации в машинно-читаемой форме; стоимость исправления оценена в €10–15K для добавления перекрёстной таблицы PT CPP-2010 Источник: Страновой бриф CV; анализ базы данных GSCO

Кейс 24: Саудовская Аравия — раскол арабской/английской версий реестра (2019 vs. 2024)

Масштаб: 13 миллионов экспатриантов в Саудовской Аравии под управлением квотной системы NITAQAT, использующей коды SSCO; соответствие NITAQAT юридически обязательно для всех работодателей Исходный/Принимающий классификатор: SSCO 2024 (EN-версия); SSCO 2019 (AR-версия — официальная языковая версия отстаёт на 5 лет) Несоответствие: 280 миллионов носителей арабского имеют доступ к арабской версии 2019 года; английская версия 2024 года существенно отличается; арабские метки могут дополнительно иметь баг переворота RTL, подтверждённый в родственном реестре JSCO (Иордания) Исход: Арабоязычные работодатели и работники навигируют юридически обязывающую квотную систему, используя 5-летний классификатор; нарушения NITAQAT влекут последствия для бизнес-лицензий Релевантность для GSCO: Страновой бриф SA; P0-баг: арабский реестр SA в ожидании RTL-аудита; 5-летний разрыв версий помечен как несоответствие версий, требующее срочного исправления

Кейс 25: Кот-д'Ивуар — целые профессиональные сектора не классифицированы (2016)

Масштаб: 540 записей профессий в NMP-CI 2016 покрывают только ремесленный/кустарный сектор; профессии здравоохранения, юриспруденции, финансов и экономики знаний не имеют записи в национальном классификаторе; CI имеет 0% покрытия перекрёстной таблицы ISCO Исходный классификатор: NMP-CI 2016 (9-значные национальные коды; нет поля ISCO-4) Принимающие классификаторы: Французский ROME v4, ESCO v1.2.1 Несоответствие: Врач, юрист или software engineer Кот-д'Ивуара, пытающийся представить квалификации для признания в ЕС, не имеет национального кода для ссылки; NMP-CI вообще не содержит их профессии Исход: Профессиональные работники из всего сектора экономики знаний CI фактически без статуса с классификационной точки зрения для целей международного признания квалификаций Релевантность для GSCO: Страновой бриф CI; парадокс 0/N в API; разработка перекрёстной таблицы ISCO оценена в €40–60K; коды сектора какао CI представляют уникальный вход для ISCO-28

Кейс 26: Бруней — 1 381 профессия без карты ISCO (2011)

Масштаб: 1 381 название профессии в BDSOC 2011 (15 лет); национальная стратегия развития Брунея Wawasan 2035 перечисляет новые приоритетные сектора, полностью отсутствующие в BDSOC Исходный классификатор: BDSOC 2011 (5-значные коды; нет перекрёстной таблицы ISCO-4; вероятно автоматически выводимо усечением первых 4 цифр — P0-исправление в ожидании) Принимающие классификаторы: Малайзийский MASCO (ближайший сосед); ESCO v1.2.1 Несоответствие: 1 381 название профессии оказывается без кода ISCO, потому что pipeline GSCO ещё не применил автовывод; если исправлено, BN может достичь значительного покрытия ISCO Исход: Весь брунейский реестр в настоящее время невидим для любого запроса на основе ISCO; исправление — инженерная задача (оценка: 2–4 часа), не пробел в данных Релевантность для GSCO: Страновой бриф BN; парадокс 0/N; P0-02-исправление в ожидании; «самое лёгкое исправление в корпусе» — BN на расстоянии 2 часов инженерии от частичного покрытия ISCO

Кейс 27: Босния — призрачные метаданные делают данные невидимыми (продолжается)

Масштаб: KZBiH-08 имеет 4 246 записей; 98.4% покрытие ISCO-4; основной источник для немецких признаний медсестринских квалификаций (~2 300/год); призрачный реестр ba_error_stub создаёт null-значения в compare API для всех 589 кодов несмотря на существование реальных данных Исходный классификатор: KZBiH-08 («Medicinska sestra» = ISCO 2221) Принимающее использование: Глава 19 присоединения к ЕС (рынок труда) требует демонстрируемых данных покрытия ISCO; compare API показывает 589 null'ов из-за несоответствия модели данных, а не пробела в данных Несоответствие: Техническое (баг метаданных), не существенное; BA имеет одно из самых высоких покрытий ISCO в наборе данных; баг представляет это как имеющее ноль Исход: Министерские презентации данных BA показывают «0 кодов» в compare-представлении — серьёзное искажение для присоединения к ЕС; исправление — корректировка модели данных (приоритет P1) Релевантность для GSCO: Страновой бриф BA; P0-исправление ba_error_stub; крайний срок Главы 19 присоединения к ЕС 2025–2027

Кейс 28: Еврорегион Маас-Рейн — абсурд языкового теста для учителей (2025)

Масштаб: Трансграничный рынок труда учителей в нидерландско-бельгийско-немецком трёхпограничном регионе (Аахен/Льеж/Маастрихт); задокументировано в ITEM 2025 Cross-Border Impact Assessment Исходный классификатор: Немецкая сертификация учителей KMK (носитель немецкого языка; немецкий университетский диплом) Принимающий классификатор: Голландский/бельгийский эквивалент (требует отдельного сертификата немецкого языка для трансграничного классного преподавания) Несоответствие: Носитель немецкого языка с немецкой университетской квалификацией вынужден сдавать отдельную сертификацию владения немецким языком, чтобы преподавать на немецком в школе в 15 км через границу; профессиональная компетенция (преподавание, ISCO 2320) признана; лингвистический медиум обучения трактуется как отдельная классификация Исход: Учительские позиции остаются незаполненными в приграничном регионе несмотря на наличие квалифицированных кандидатов; задокументирован системный абсурд даже внутри Шенгенской зоны [42] Релевантность для GSCO: Кейс ITEM RPT-02; иллюстрирует, что классификационное трение сохраняется даже когда коды ISCO идеально совпадают

Кейс 29: Мексика → США — код визы TN «Physician (Teaching Only)» (NAFTA/USMCA, продолжается)

Масштаб: Структурно, затрагивает каждого мексиканского врача, ищущего неиммиграционный статус TN (Trade NAFTA) для медицинской работы в США Исходный классификатор: Мексиканский SINCO (686 записей в GSCO; «médico general» → ISCO 2212) Принимающий классификатор: США SOC (29-1211 Physicians); но классификация по договору TN использует SOC 19-1042 «Medical Scientists» Несоответствие: Категория визы TN NAFTA «Physician» юридически ограничена только «преподаванием или исследованием»; клиническая практика требует другой визовой категории (H-1B) с другим кодом; код мексиканского врача сопоставляется с ISCO 2212 и SOC США 29-1211, но код договора TN — 19-1042 — намеренно другой, чтобы предотвратить клиническую конкуренцию Исход: Мексиканские врачи классифицированы как «medical scientists» для иммиграционных целей; клиническая практика заблокирована под TN несмотря на профессиональную эквивалентность; структурное политическое несоответствие, встроенное в код договора Источник: Романская миграционная партия (2026); руководящие принципы категории TN Службы гражданства и иммиграции США

Кейс 30: Россия — ОК 016-2025: 30-летний разрыв классификации (2025)

Масштаб: Новый российский национальный классификатор профессий ОК 016-2025, заменяющий версию 1994 года, вводит коды AI-оператора, специалиста по кибербезопасности, оператора беспилотника и 40+ других новых профессиональных кодов цифровой эпохи после 31-летнего разрыва Исходный (legacy): ОКПДТР (1994) — нет AI, нет кибербезопасности, нет кодов для беспилотников Обновлённый классификатор: ОК 016-2025 — добавляет эти категории; также продолжает использовать некоторые семейства кодов эпохи ISCO-88 параллельно Несоответствие: 31 год эволюции рынка труда классифицирован в legacy-корзины; работники в AI, кибербезопасности и платформенной экономике официально классифицированы как смежные категории 1994 года во всех административных системах (пенсия, налоги, страхование) до января 2025 Исход: Требуется ретроактивная реклассификация во всех downstream-административных системах; RPT-14 документирует это как самое значительное событие постсоветской профессиональной реклассификации [37] Релевантность для GSCO: Подтверждает, что даже крупные экономики переживают десятилетние пробелы классификации; GSCO захватывает ОК 016-2025 как новый реестр; обеспечивает мост к хабу ISCO-08, обеспечивая downstream-совместимость

Кейсы 31–120: Компактная справочная таблица

Кейсы ниже — взятые из того же 7-партийного исследовательского вывода, что и Кейсы 1–30 — представлены в компактной форме для полноты. Интерактивная on-site библиотека на https://gsco.io/cases предоставляет полный текст каждого кейса вместе со ссылкой на первичный источник.

Примечание для русского читателя: конкретные числа (заявок, процентов, евро), первичные ссылки и точные названия профессий в таблице ниже сохранены в оригинальном английском, чтобы избежать искажений при переводе ключевых статистик и названий ведомств. Полный русский комментарий по каждому кейсу доступен через /cases?country=ISO на сайте GSCO. Заголовки колонок переведены ниже:

Заголовки: # | Страны | Название (год) | Масштаб | Несоответствие | Исход | Источник

| # | Countries | Title (year) | Scale | Mismatch | Outcome | Source | | 31 | GB / IT | Italian Professionals in UK Post-Brexit — Mutual Recognition Ended, EU Automatic System Lost (2021–2024) | ~700,000 Italians in UK (pre-Brexit estimate; Il Fatto Quotidiano 2023 notes actual figure 3x higher than Istat official counts). UK… | 1. Architecture: Italian laurea magistrale (5-year, CNAPPC-accredited) no longer automatically recognised. ARB requires Part 3… | UK-EU TCA (Trade and Cooperation Agreement) does not include mutual recognition of professional… | link | | 32 | GB / PL / UK | Polish Workers in UK — Mass Overqualification (2004–2019) | ~900,000 Polish workers in UK at peak (2014–2020); Ośrodek Badań nad Migracjami UW (Centre for Migration Research, Warsaw University): 30%… | For regulated professions (medicine, law, engineering): automatic EU recognition existed but required administrative registration (GMC,… | Sobieski Institute estimated 900,000 Polish workers 2014–2020 generated €64 billion for UK economy while… | link | | 33 | DE / IT | Italian Doctors and Skilled Professionals Emigrating to Germany — "Berufserlaubnis" Limbo and 50% Salary Gap (2008–2024) | 1,637 Italian physicians without German citizenship working in Germany (end 2022, Bundesärztekammer/BÄK data). 155,732 total Italian… | 1. Medicine — Berufserlaubnis trap: Italian EU doctors arriving in Germany are entitled to Approbation under Dir 2005/36/EC but… | 180,000 Italian healthcare professionals emigrated 2000–2022 (Quotidiano Sanità, 2023). German BÄK: Italian… | link | | 34 | BE / FR / GB / GH / IN / NG / NL / PH / SN | African Nurses in EU — Deskilling and Back-to-Square-One (2015–2024) | "African nurses on the move" scoping review (PMC11929199, 2024) covers Nigeria, Ghana, Senegal, Cameroon → UK, France, Belgium,… | Non-EU African nurses placed in lowest Band 5 regardless of prior specialty (e.g., ICU, emergency) because UK/EU systems require… | 2–10 years to full recognition. Many African nurses with 10+ years ICU experience work as healthcare… | PMC "African nurses on the move: scoping review" (2024, PMC11929199); PMC… | | 35 | DE / UA | Ukrainian Doctors in Germany — Approbation Queue (2022–2024) | 1,674+ Ukrainian doctors applied for Approbation (full medical licence) post-Feb 2022; only 187 authorised to practice by mid-2023; ~1,400… | Germany requires full Approbation for independent medical practice. Ukrainian doctors without Approbation can only work under… | 56% of approved Ukrainian vocational recognition cases (regulated professions, 2024) required… | link | | 36 | GB / PL / UK | Polish Nurses in UK — NMC IELTS Shock (2016) | Poles ranked 5th among nationalities in NHS; thousands of NMC-registered Polish nurses affected. January 2016: NMC introduced mandatory… | Before Jan 2016: Polish nurses with EU diploma registered near-automatically under Dir 2005/36/WE — no language test required. After Jan… | Significant disruption to Polish nurses already in UK NHS; some shifted to informal care roles while… | pielegniarki.info.pl "Ogólnopolska Gazeta Pielęgniarek i Położnych nr 1/2016 —… | | 37 | AT / BA / MK / RS / WB | Serbian/Bosnian/Macedonian Nurses in Austria — Three-Tier System Gap (2019–2024) | Austria receives significant nursing workforce from former Yugoslavia. Recognised nursing shortage: Austria needs 75,000 additional care… | ossaw.at (Serbian-language Austrian portal): recognition (Nostrifikation) of Serbian "diplomirana medicinska sestra" in Austria requires… | Recognition process: 6–18 months. During this time: employed as PA at €2,100–2,400 gross vs DGKP target… | link | | 38 | CA / FR / US | Foreign-Trained Teachers in Canada & USA — Certification Fragmentation (2016–2024) | Canada: persistent shortage of French immersion, STEM, Special Education teachers. Internationally trained teachers (ITTs) face dual… | An internationally trained teacher's degree is assessed for immigration purposes by WES — may receive "equivalent to Canadian Bachelor's +… | Borgen Project "The Reality of Immigrant Credential Recognition in Canada": credential recognition "complex… | Borgen Project "Reality of Immigrant Credential Recognition in Canada" (2021);… | | 39 | CA | Foreign-Trained Doctors in Canada — 36% Actually Working in Field (2019–2024) | Canada. Only 36.5% of foreign-educated nurses and 41.1% of foreign-educated doctors worked in their related occupations (C.D. Howe… | Foreign medical credentials evaluated by provincial colleges independently — no national standard. A doctor licensed in one province may… | C.D. Howe: University-educated immigrants 12% overqualification rate in STEM — nearly 2x non-immigrant rate.… | C.D. Howe Institute "Harnessing Immigrant Talent" (2024); ESDC "Evaluation of… | | 40 | BG / GB / UK | Bulgarian Doctors in UK — Mass Outflow, Diploma Recognition Paradox (2023–2024) | 2023: 435 of 622 doctors (70%) who joined UK workforce in one year graduated from Bulgarian medical schools. Bulgaria now #1 source… | Pre-Brexit: Bulgarian EU-diploma auto-recognised under Dir 2005/36/WE — smooth recognition path. Post-Brexit 2021: Bulgarian doctors now… | UK Health Secretary Wes Streeting warned NHS "too dependent on doctors from other countries" — in 2023, 70%… | link | | 41 | BD / NP / QA | Nepali & Bangladeshi Workers Qatar — Systematic Job Substitution (2018–2023) | ~1.5 million migrant workers in Qatar during World Cup construction; Nepalis and Bangladeshis among largest groups. Business & Human… | Workers recruited as "plumber" or "electrician" (skilled, higher wage band) systematically reclassified on arrival to "general laborer" or… | Wage theft in 58 cases; different contract in 45 cases; overtime unpaid in 36 cases. Post-World Cup 2023:… | Business & Human Rights Centre "After the Final Whistle" (2023); HRW "Qatar:… | | 42 | AT / HU | Orvosok és ápolók elvándorlása (2004–2023) | 121 000 magyar dolgozik Ausztriában (2023, összes); egészségügy a 4. legnépszerűbb terület; Ausztriában az átlagos órabér 40.9 EUR vs. HU… | EU-n belüli automatikus diplomaelismerés orvosoknak/ápolóknak él, de az osztrák honosítási eljárás nehezebb a németnél (nincs… | Kórházi szakdolgozók sztrájkfenyegetése; Magyar Kórházszövetség: "nincs belső béke"; 2022 szeptembertől… | link | | 43 | | Haitian Professionals in Dominican Republic — Structural Exclusion (2010–2024) | ~700,000 Haitians in Dominican Republic as of 2018 (MPI). Majority undocumented. 2013 Constitutional Court ruling TC/0168/13 stripped… | Even formally documented Haitians face structural exclusion: DR constitutional ruling created massive documentation gap. Without Dominican… | Haitians dominate construction sector in DR but cannot obtain formal trade certification. Dominican INFOTEP… | MPI "Haitian Immigrants in the United States 2018" (background on diaspora);… | | 44 | DE / HR / PL / RS / WB | Croatian/Serbian Engineers in Germany — Short-Cycle Degree Rejection (2016–2020) | Croatian engineer recognition applications 2016–2020: ~15% rejection rate; Serbian engineers ~16% rejection rate — highest among European… | IQ Netzwerk / Netzwerk-IQ "Berufliche Anerkennung von Ingenieurinnen" analysis (cited 2020): "In Serbien und Kroatien gibt es Abschlüsse… | Engineers with Croatian/Serbian 3-year degrees classified as "Techniker" (technician, ISCO 3119) rather than… | link | | 45 | BG / UA | Ukrainian Medics in Bulgaria — Language Gate vs. Healthcare Need (2022) | 51 Ukrainian doctors (including professors) + 68 nurses expressed intent to stay and work in Bulgaria post-Feb 2022; Bulgarian Medical… | Bulgarian law requires: (1) Bulgarian language exam; (2) equivalence assessment by MH; (3) state specialty exam for doctors. Bulgarian… | Bulgaria lost potential healthcare workforce augmentation. Compared to Poland (4,000+ applications processed… | lexmedicanews.com "БЛС: Ускорена процедура, но без снижаване на изискванията… | | 46 | GB | ICT/Tech Workers — SOC Code Mismatches Causing UK Visa Refusals (2024) | UK Skilled Worker visa: since April 2024 all applications must use SOC 2020 codes (migration from SOC 2010). Tech sector most affected.… | UK SOC 2020 granularity requires duty-matching, not title-matching. "A 'Software Engineer' might fit SOC 2136, but a 'Web Developer' might… | DavidsonMorris: SOC code mismatch "now a leading cause of refusals and licence action since 2024." AYJ… | DavidsonMorris "UK SOC Codes – Find the Right Job Code for Your Visa 2026";… | | 47 | AU / GB | Foreign Pharmacists — Systematic Multi-Year Waiting Periods (2016–2024) | UK OSPAP programme: 1-year university + 52-week training before GPhC registration. Australia CAOP exam required for non-Anglosphere… | Pharmacy is a "dual-degree" country problem: even pharmacists from Commonwealth countries (India, Nigeria) with equivalent training must… | Indian pharmacists in UK: typically 2–3 year pathway. Irish PSI: documented variable and lengthy timelines.… | Pharmacist Support UK "Overseas Pharmacists' Assessment Programme"; Australian… | | 48 | US | Immigrant Health Workers in USA — 270,000 Underutilised During COVID (2020–2022) | ~270,000 immigrants with college degree in medical/health sciences underemployed or unemployed during COVID-19 in USA. ~2 million total… | H-1B cap (65,000/year) reached yearly since 2008 — thousands of qualified foreign doctors cannot obtain visa pathway. Philippines and… | Registered nurses working as health aides; physicians working in food service during COVID-19. Baker… | American Immigration Council "Untapped Talent: Costs of Brain Waste" (2021);… | | 49 | BG / CZ / ES / HU / RO / SK | Roma Workers Across EU — Credential Absence and Compound Exclusion (2016–2024) | 6–12 million Roma in EU. ERGO Network 2024: 6-country study (Bulgaria, Czech Republic, Hungary, Romania, Slovakia, Spain). 56% Roma youth… | Roma workers face compound mismatch: (a) informal skills/trades (construction, metalwork, music, horse training) have no formal credential… | European Roma Rights Centre: "Discrimination significantly aggravates employment barriers and causes… | ERRC "Systemic Exclusion of Roma from Employment"; ERGO Network "Roma access… | | 50 | GB / UK / ZA | Geskoolde migrante (1994–2023) | ~250 000 Suid-Afrikaners in VK; ~200 000 in Australie; 128 000+ emigreer permanente (2015–2020) — 3× meer as vorige 5-jaar; 67% van… | UK: gemiddelde onderwyssvlak van ZA-gebore immigrante laer as ander hoofbronne; Australie: navorsing toon dat hervaardigheidspogings… | ZA-gesondheidstelsel: 18.6% vakante poste vir spesialiste, 13.7% vir verpleegsters; ~23 400 ZA… | link | | 51 | US | Foreign Lawyers in USA — Jurisdiction Fragmentation (2015–2024) | Thousands of international lawyers annually. Only ~40 US states allow any form of reciprocal admission; California, Florida, Louisiana… | A "lawyer" in every country maps to single SOC code 23-1011, but actual admission requires jurisdiction-specific bar passage. Common law… | Under-employment as paralegals, legal assistants, compliance officers. Jurisdiction-bound credentialing… | University of Dayton "How International Lawyers Qualify for US Bar"; NCBE… | | 52 | CA / NL | Agrarisch ondernemer (2022–2023) | ~20% van alle NL boeren en tuinders overwoog emigratie (ca. 50 000–80 000 bedrijven totaal); emigratieadviseurs meldden verdubbeling in… | In Canada (PEI, Alberta) worden HBO-diploma en IELTS vereist als primaire visa-aanvraagcriterium; de Nederlander die zijn bedrijf verkoopt… | "Aanzienlijke emigratie" verwacht bij permanent beleid; emigranten die al vertrokken (incl. naar FR, SE, DK)… | link | | 53 | CU / ES | Cuban Doctors in Spain — Bureaucratic Limbo 2–4 Years (2017–2025) | Hundreds of Cuban doctors per year arriving in Spain; cases documented of 2–4 year waits before practicing. Cuba's consulates refuse to… | Spain's Ley 44/2003 requires original "non-disqualification" certificate from Cuba. Cuban government routinely refuses to issue these for… | One documented case: female cardiologist worked as waitress for 2+ years; celebrated credential recognition… | CubaHeadlines "Cuban Doctor in Spain Returns to Medical Practice After… | | 54 | DZ / FR / MA | Moroccan/North African Engineers in France — Standards Gap (2016–2024) | Algeria sends largest non-EU migrant group to France; Morocco second. Engineering a major study field. Estimates: tens of thousands of… | French CTI only accredits French engineering schools (grandes écoles). Moroccan/Algerian engineering degrees from ENSEM Casablanca, ENSET… | Quora response from French engineering recruiter (cited by web sources): "Difficulty arises from cluster of… | Quora "Why is it difficult for African qualified engineers to get a job in… | | 55 | BG / DE / PL / RO | Eastern European Electricians in Germany — Regulated vs. Unregulated Paradox (2015–2024) | Hundreds of thousands of Romanian, Polish, Bulgarian tradespeople in Germany. Electricians specifically: Germany has ~14,000 vacancies for… | Electrician is a non-regulated profession for EU/EEA citizens (no mandatory recognition needed) but without German Meister or equivalent… | Trapped in sub-Meister grade. "If you do not have your qualification recognised, you may end up working in a… | EU-Gleichbehandlungsstelle.de "Recognition of Foreign Professional… | | 56 | FI / RU / SO | Somali Refugees in Finland — <10% Tertiary Credential Recognition (2015–2023) | ~20,000 Somalis in Finland, majority refugees. Of those with tertiary education, fewer than 10% have had credentials recognised (vs. 21%… | Finland (and Czech Republic) identified by European research as countries with "high barriers to recognition of foreign skills." Without… | Somali migrants in Finland: high unemployment, overrepresentation in low-status low-skill jobs, residence in… | Finnish National Agency for Education recognition statistics; UNESCO GEM… | | 57 | KH / LA / MM / TH | Cambodian/CLM Workers in Thailand — Confined to Elementary Occupations (2016–2024) | 1–2 million Cambodian, Lao, Myanmar (CLM) workers in Thailand. ADB study (2025): majority concentrated in elementary occupations… | Thailand's list of 27 absolutely prohibited jobs for foreigners includes: driving (transport/delivery), accounting, legal work,… | ADB 2025: "CLM migrants are largely concentrated in elementary occupations and many work below their… | ADB "Narrowing Skills Gaps: Labor Mobility from Cambodia, Lao PDR, Myanmar to… | | 58 | | West African Workers — ECOWAS Collapse and New Barriers (2025) | Hundreds of thousands of Burkinabe, Malian, Nigerien workers in Côte d'Ivoire. Burkina Faso, Mali, Niger formally withdrew from ECOWAS… | Pre-2025: ECOWAS free movement meant workers' qualifications circulated without formal classification matching. Post-withdrawal: citizens… | IOM survey: "It is very difficult to compare and compile information on migrants' occupations, mainly… | Anywr-Group "Burkina Faso, Niger and Mali Standing out from ECOWAS" (2025);… | | 59 | AU | Foreign Engineers in Australia — ANZSCO 233999 "NEC" Trap (2016–2024) | Australia receives ~25,000 skilled engineering visa applications annually. CDR (Competency Demonstration Report) system managed by… | ANZSCO 233 has specific codes for Civil (233211), Electrical (233311), Mechanical (233512), Chemical (233111), etc. "Industrial Engineer,"… | CDRreportwriter.com documents this as a known industry issue. Engineering professionals NEC: "occupations… | CDRReportWriter "Engineering Professionals NEC (ANZSCO 233999): Your… | | 60 | HU / NO | Lege/sykepleier (2014–2023) | Ungarn er blant topp-bidragsytere av utenlandske helsearbeidere til Norge; 58–67% økning i utenlandsutdannede leger/sykepleiere i regionen… | Ungarsk lege tjente ~70 000 NOK/år i Ungarn; i Norge: ~750 000 NOK — tidobling; norsk er obligatorisk, men etter bestått norskprøve… | Sterk pull-faktor; mange blir værende i Norge permanent; HU mister ca. like mange leger hvert år som gradueres | link | | 61 | MM / TH | Burmese/Myanmar Professionals in Thailand — Pink Card Misclassification (2021–2024) | ~3–4 million Myanmar migrants in Thailand; 100,000+ politically motivated (post-2021 coup) including former teachers, doctors, university… | Thailand's labor migration registration system has no category for professionals. Former university teachers, doctors, political… | "Downward social mobility, underemployment, and a loss of professional identity, effectively becoming… | CMU School of Public Policy "Misclassified and Unprotected: Survival Migration… | | 62 | FI / UA | Korkeakoulutetut kielimuurin takana (2022–2024) | ~64 000 tilapäistä suojelua saanutta; ~40 000 on jo lähtenyt Suomesta muihin EU-maihin; 50 000 jäänyt; 40% työllisyysaste (vs. 71%… | Suomi vaatii suomen kieltä lähes kaikissa töissä, myös maatiloilla — "englanti ei riitä"; insinöörit ja ekonomit hakevat tehdastöitä ja… | Suomi on Euroopan korkein työttömyysaste 2024 → ukrainalaiset hakevat töitä muualta EU:sta; Yle raportoi… | link | | 63 | GB / MY / SG | 74% Мигрантов Квалифицированы, Но Система не Признаёт Их (2022–2024) | 1.13 млн малайцев в Сингапуре; 381 медсестра + 54 врача эмигрировали из MOH 2020–2024; 3 123 малайских врача в NHS UK (2023, +21% за 2 года) | Исследование Dept. of Statistics Malaysia / Ministry of Economy (2022, опубликовано февраль 2024): 74% малайзийцев в Сингапуре —… | Malaysia MOH — 54 362 вакансии (17% vacancy rate к концу 2024 vs 5% в 2016). Доктор-пациент ratio: 1:412… | link | | 64 | MM / TH | Профессионалы Переклассифицированы в Неквалифицированных Рабочих (2021–2024) | ~2.3 млн зарегистрированных мьянманских мигрантов (70% иностранной рабочей силы); 1.5 млн новоприбывших 2023–февраль 2024; 4 млн всего (IOM) | После военного переворота 2021 года в Таиланд бежали представители CDM (Civil Disobedience Movement): врачи (из ~60 000 подписавших CDM… | Принудительная деквалификация; по 25 000 бат за брокерское оформление; в 2024 году 50% рост долгосрочных… | link | | 65 | LA / TH | Trapped in Elementary Occupations (2023–2024) | ~280 000 задокументированных (сент. 2024); 156 000 — женщины; 17 898 домашних работников (март 2024); реальная численность значительно выше | Лаосские мигранты — доминирующий поток неквалифицированной рабочей силы в Таиланде. ILO/IOM данные: в 2024 году квалифицированные мигранты… | Круговая миграция без накопления квалификаций; возвращающиеся мигранты приносят денежные переводы, но не… | link | | 66 | GE / RU | IT-специалисты и творческие профессии (2022–2025) | >62 000 российских эмигрантов прибыло в Грузию в 2022 году, >52 500 в 2023; из них постоянно остаётся ~25 000–30 000 в Тбилиси/Батуми | 41% релокантов — IT-специалисты; но местный рынок Грузии мал, зарплаты значительно ниже российских; "просто нет столько работы для… | Аренда жилья выросла в 2+ раза в 2022–2023; рынок насытился IT-специалистами; компании стали требовать… | link | | 67 | TW / VN | Насилие и Классификационный Вакуум (2020–2024) | 57 611 вьетнамцев — крупнейшая группа нелегальных мигрантов в Тайване (янв. 2025); принудительный труд у 20% рыбаков на дальнем лове | Тайваньские суда дальнего лова (distant water fleet) нанимают вьетнамцев вне действия национального минимума зарплаты — рыбаки и работники… | Тайвань поднял штрафы за сверхсрочное пребывание с $330 до $1 657; работники предпочитают уйти в нелегальное… | link | | 68 | AS | Нулевая Мобильность | 8 подписантов MRA; 7 МРА по 8 профессиям (сестринское дело, архитектура, инжиниринг, бухгалтерия, стоматология, медицина, геодезия) | MRA по сестринскому делу подписано в 2006 году. Почти 20 лет спустя — систематические данные из PMC-исследования (2020): «AMoNS did not… | Мобильность осуществляется по неформальным, не-MRA каналам: двусторонние договоры (JP-PH EPA, JP-ID EPA по… | link | | 69 | AU / IN / NP / PH | Filipino Nurses in Australia — Excluded from Fast-Track (2025) | Philippines is one of top 3 source countries for internationally qualified nurses (IQNs) in Australia, alongside India and Nepal. | Australia's new April 2025 NMBA standard created fast-track "Outcome-Based Assessment" (OBA) pathway for approved jurisdictions.… | Filipino nurses face longer, more expensive assessment pathway. Mandatory OSCE (Objective Structured… | Filipino Inquirer "Filipino nurses and Australia's new policy" (2024); NEAC… | | 70 | AM / RU | IT и не-IT после мобилизации (сент 2022–2023) | ~110 000 россиян переехали в Армению в 2022 году; Ереван стал центром IT-релокаций (66% ищущих работу нацелились на IT в AM/GE) | Компании перевели офисы, но не всех сотрудников; для не-IT профессий рынок крайне узкий; конкуренция за вакансии выросла резко; зарплаты… | ВВП Армении +12.6% (2022); приток иностранных инвестиций +172%; для IT-специалистов специальный налоговый… | link | | 71 | TW / VN | Structural Bottleneck (2022–2024) | 763,381 total migrant workers in Taiwan (Q1 2024); ~262,957 Vietnamese; only 4.15% reclassified as mid-skilled in manufacturing | Taiwan launched "中階移工" (Foreign Mid-Skilled Worker Program) in April 2022 allowing manufacturing workers to apply for reclassification… | Workers with genuine manufacturing expertise remain formally classified as blue-collar unskilled. The 5-year… | link | | 72 | IL / RU | IT-репатрианты и non-Jewish (2022) | ~15 000 россиян въехали в Израиль в начале 2022; программа "зелёного коридора" для IT без требования еврейского происхождения | В Израиле не требуется документальное подтверждение IT-квалификаций (в отличие от Европы), однако для работы по специальности вне IT нужна… | Израиль использовал волну как решение дефицита IT-кадров; для гуманитарных и медицинских специальностей —… | link | | 73 | AT / HU | Ápolók bérkülönbség (2022–2023) | Tízszer annyi szakember hagyja el Magyarországot, mint ahány érkezik; 444.hu (2014): "Magyar tanárok, orvosok, isten veletek" | Automatikus EU-elismerés technikailag megkönnyíti — de Ausztriában a tartományi kamara regisztrációja egyedi, vizsgafelkészülési engedély… | Béremelési hullám 2023 júliustól (szakdolgozók), de a különbség fennmarad; elvándorlás strukturálisan beépült | link | | 74 | AE / IN / KW / PK / QA / SA | Indian & Pakistani Engineers in Gulf — "General Worker" Downgrade (2015–2024) | ~3 million Indian nationals + ~1.5 million Pakistanis working in Saudi Arabia; similar concentrations in UAE, Qatar, Kuwait. | SCE Tier assessment requires degree accreditation by Washington Accord members. Indian degree programs from non-NAAC-A accredited… | Pay differential: "Engineering Technician" vs. "Engineer" tier in Saudi is ~2,000–4,000 SAR/month. Arab News… | ArabNews "Saudi Professional Accreditation Program" (2024); SCE Professional… | | 75 | NO / SE | Eritrean Refugees in Sweden/Norway — Education Not Recognised (2015–2024) | Eritreans largest non-European asylum group in Sweden (21% of 2014 applicants). In Norway, among top refugee nationalities. | Eritrean secondary (ESEC) and tertiary credentials assessed by Swedish UHR, but: (a) Eritrea has no functioning national accreditation… | Eritrean and Somali refugees overrepresented in low-skill, low-status jobs in Sweden/Norway/Finland. High… | Swedish UHR "Eritrean Secondary Education Certificate (ESEC)"; DIVA-portal… | | 76 | DE | Non-EU Doctors in Germany — Approbation Bottleneck (2015–2024) | ~64,000 foreign-licensed doctors working in Germany as of 2024. Bundesärztekammer repeatedly reports recognition delays. | No federal standard — each of 16 Bundesländer runs its own Approbation process with conflicting requirements. Gutachtenstelle in Bonn… | 1–2 years average wait. Many work as "Berufserlaubnis" holders (provisional license) with salary/status… | Hessenschau "Nachtwache statt Notaufnahme" (2024); Apotheken Umschau… | | 77 | TW / US | Taiwanese Physicians as International Medical Graduates (IMGs) (2022–2023) | Non-US citizen IMGs (including Taiwanese): 59.4% match rate; 40.6% fail to match into residency (2023 NRMP data) | Taiwanese MD/PhD degrees are valid for ECFMG certification, but Taiwanese physicians must pass USMLE Steps 1–3 and compete against all… | Many Taiwanese physicians accept positions below their home-country seniority level while completing US… | link | | 78 | EE / UA | Kõrgharidusega töötajad lihttöödel (2022–2024) | 44% tööealistest ukrainlastest (20–64) on tööga hõivatud (2024, kasvav); ~10 600 ukrainlast töötab legaalselt | Peaaegu kolmandikul on kõrgharidus, ~40% töötab lihttöödel (koristajad, köögitöölised, laotöölised); eesti keele puudumine muudab inimesed… | | link | | 79 | CA / CN / GB | Deskilling of Racialized Skilled Immigrants in British Columbia (2022–2024) | Mixed-methods study; quantitative n=111, focus groups n=18; Lower Mainland BC; 24.3% East Asian participants | Study (PMC, 2024) found 17 of 18 focus-group participants with 4–8 years pre-migration professional experience were working in… | Mean annual income of deskilled immigrants: CAD $61,542 (SD ±$36,456) — significantly below Canadian-trained… | link | | 80 | CL / VE | Venezuelan Doctors in Chile — EUNACOM Barrier (2017–2024) | Waves of Venezuelan doctors in Chile; 96% of Chilean graduates pass EUNACOM vs. 64% foreign candidates. | Chile requires all foreign MDs to pass EUNACOM regardless of specialty or years of experience. EUNACOM tests Chilean-specific public… | Many Venezuelan doctors spending years working in informal jobs or auxiliary roles while preparing for and… | D+C Development+Cooperation "Chile's health system attracts foreign doctors,… | | 81 | RU / TR | Смешанный профессиональный состав (2022–2023) | Турция — ключевой транзитный хаб; сотни тысяч через Стамбул; крупнейший ИТ-диаспорный узел после GE/AM | Компании предпочитали нанимать дешёвых сотрудников в Узбекистане; работники хотели Германию/Великобританию — "в итоге встретились где-то в… | Крупные русскоязычные экспат-сообщества в Стамбуле и Анталье; высокий уровень прекариата среди… | link | | 82 | IS / UA | Erlent starfsfólk með ofmenntun (2022–2024) | ~5 403 ukraínskir flóttamenn á Íslandi (2024); 2 600 flóttamenn komu 2022, þar af ~1 900 á vinnualdri | 53% erlendra starfsmanna á íslenskum vinnumarkaði eru ofmenntaðir miðað við starfskröfur; meðal Íslendinga er þetta hlutfall aðeins 11%;… | Ríkisstjórnin (feb 2023) lýsir yfir velgengni í atvinnuþátttöku — ~42% hafa fengið starf; engu að síður… | link | | 83 | NO / UA | Flyktninger på lavkvalifiserte stillinger (2022–2024) | ~77 000 søknader om midlertidig kollektivt vern; fra 3 600 til 65 600 ukrainere i NO (2022→2024) | 3 av 4 ukrainere har påbegynt eller fullført høyere utdanning; kun ~18–30% er registrert sysselsatt etter 2 år; mange registreres hos Nav… | NAV-analyse (juni 2024) påpeker spenning: hurtig arbeidsintegrering kan motvirke langsiktig kompetansebruk… | link | | 84 | LT / UA | Specialistai gamyboje ir paslaugose (2022–2024) | >23 000 ukrainiečių dirba Lietuvoje; 1 866 naujų darbo vietų per Užimtumo tarnybą (jan–maj 2024) | Didžiausias darbdavių sektorius — gamyba (>1/5), po to viešbutininkystė, prekyba; Mėlynojo korteles kriterijai (aukštasis išsilavinimas +… | LRT: ukrainiečiai sėkmingai integravosi ten, kur verslas metų metais nesurado darbuotojų — t.y. žemesnio… | link | | 85 | KR / VN | EPS Overstay и Провинциальные Блэклисты (2023) | >110 000 вьетнамцев по EPS; 23 412 занятых vs плановые 12 000; 8 районов занесены в стоп-лист | Корейская Employment Permit System (EPS) устанавливает E-9 визу с привязкой к работодателю и запретом перевода. Вьетнамские работники… | 8 районов Вьетнама временно отстранены от программы EPS (март 2023); Ханой ведёт переговоры с Сеулом о… | link | | 86 | ID / SA | Морatorий, Снятие Запрета и Nurse-to-Maid Pipeline (2015–2025) | ~400 000 планируемых домашних работников; ~200 000 формального сектора после снятия моратория | Индонезия ввела мораторий на отправку домашних работников в Саудовскую Аравию в 2015 году из-за систематического насилия (за 2022–2024… | Мораторий частично снят в 2023 (через систему One Channel / SPSK), полностью — в 2025; планируется отправить… | link | | 87 | TW / VN | Disappearance as Credential-System Exit (2022–2023) | 85,229 "missing" (失聯) migrant workers in Taiwan as of Feb 2024; Vietnamese ~60% of missing | Taiwan's migrant worker system channels all industrial migrants (製造業) into blue-collar manufacturing regardless of education. Intermediary… | 失聯移工 rate rose from 6.74% (2019) to ~11% (2022–2023). Taiwan Control Yuan (監察院) 300-page investigation… | link | | 88 | KH / TH | Принудительный Труд и Отсутствие Классификации (2022–2023) | ~459 863 зарегистрированных на янв. 2024; реальная оценка 1–2 млн; 50–90% — нелегальные | Камбоджийские сезонные рабочие концентрируются в провинциях Трат, Са Кэу, Чантхабури (сезон тростник/фрукты — февраль–июнь). Официальная… | Вернувшиеся мигранты (после кризиса 2025) сталкиваются с безработицей: работали в строительстве/сельском… | link | | 89 | KZ / RU | Синие и белые воротнички после мобилизации (сент 2022) | 406 000 россиян въехали в Казахстан в сентябре 2022; >36 000 получили РВП до конца 2022 | После IT-волны (фев–авг 2022) резко выросли рабочие/производственные мигранты — "синие воротнички" (строительство, производство); местный… | Большинство рассматривало KZ как транзит; часть легализовалась через ВНЖ; часть реэмигрировала в Европу или… | link | | 90 | SE / UA | Universitetsutbildade flyktingar (2022–2024) | ~66 000 ukrainska flyktingar mottagna; 56% av arbetsföra hade jobb (2023), 66% år 2024 | 63% har universitetsutbildning — jämförelsevis högt; snabb sysselsättning men rapporter visar många hamnar i lågkvalificierade jobb;… | Folkbildningsrådet-projekt (okt 2023–mars 2024): 1 649 deltagare, 1 495 övergick till arbete eller studier —… | link | | 91 | DK / UA | Højtuddannede som ufaglært arbejdskraft (2022–2024) | 32 000 ukrainske flygtninge i DK; 11 000 i arbejde (feb 2024), 50% beskæftigelsesrate | "Den mest veluddannede flygtningegruppe vi har set" (forsker Marlene Spanger) ender alligevel i ufaglært arbejde — rengøring,… | "Ukrainere er blevet nøjagtigt, hvad arbejdsgiverne ønskede sig: billig, ufaglært arbejdskraft"; risiko for… | link | | 92 | JP / VN | TITP Skill Mismatch и Рекордное «Бегство» Стажёров (2023) | ~80 000 отправленных в Японию в 2023; рекордные 9 753 исчезнувших (56% — вьетнамцы) | Программа технических стажёров TITP (Technical Intern Training Program) официально классифицирует работников как «intern/trainee», а не… | Январь 2026 — японская полиция арестовывает сотни вьетнамских «нелегалов» — бывших стажёров. TITP официально… | link | | 93 | EE / UA | Arstid ja õed karjääriredeli alumisel astmel (2022) | Aprillis 2022: 78 õde, 47 arsti, 46 muud spetsialisti Ukrainast otsis tööd Eestis | Vaid 1 arst sai aprilliks 2022 ametliku tunnustamisprotsessi käivitada; õed ei saanud kandideerida, kuna "nende haridus ei vastanud Eesti… | 4 Tallinna haigla juhid palusid ajutist õigusraamistikku, mis lubaks ukrainlasi piiratud vastutusega… | link | | 94 | JP / ZK | Nationality Clause in Local Civil Service Bars Promotions (ongoing, documented 2022–2023) | ~440,000 Koreans in Japan (Special Permanent Residents + regular); all affected | While basic public-sector employment is technically open to foreigners, Supreme Court upheld in 2005 (大法廷判決) that management/supervisory… | Japan Human Rights Forum (在日コリアン人権フォーラム) submitted to UN Human Rights Committee 2023. Committee raised… | link | | 95 | LV / UA | Augstizglītoti bēgļi zemkvalificētos darbos (2022–2024) | ~10 600 ukraiņu strādā legāli Latvijā (dec 2024); 26 106 saņēmuši NVA atbalstu | 37.4% strādā vienkāršās profesijās (uzkopēji, virtuves darbinieki, noliktavas strādnieki); gandrīz trešdaļai ir augstākā izglītība;… | Ukraiņi aizpilda darbaspēka trūkumu maz pievilcīgos segmentos (viesnīcas, ēdināšana, ražošana); nav… | link | | 96 | JP / KR / ZK | Zainichi Korean Lawyers Excluded from Court Mediator Roles (2003–2024) | 31 rejected nominations (2003–2014); at least 14 rejections confirmed by LAZAK | Under Japanese law (民事調停法/家事事件手続法), there is no nationality clause for 調停委員 (court mediators/conciliators). The Supreme Court… | As of 2024, the de-facto ban persists. Tokyo Bar held a symposium in 2023 with Eun Yong-ki (殷勇基), chair of… | link | | 97 | ID / KR | EPS Structural Deskilling (2022–2024) | ~303,000 E-9 visa holders in South Korea (2024); ~20% hold university degrees | EPS is legally restricted to non-professional employment (manufacturing, agriculture, construction, fisheries). About one-fifth of EPS… | Vietnamese workers constitute the second-largest EPS group; Filipinos and Indonesians also significant.… | link | | 98 | KR / PH | Pilot Programme for Filipino Domestic Workers Stalled (2024–2025) | ~100 работников (пилот); >3 млн корейских домохозяйств потенциального спроса | Южная Корея запустила пилотный проект в сентябре 2024 с Filipino domestic workers в Сеуле для ухода за детьми и домашней работы. Проблема:… | Программа «висит в воздухе» после импичмента Юн Сок Ёля (апрель 2025); расширение заморожено; Filipino… | link | | 99 | IL / TH | Agricultural Workers Caught in War Zone (2023) | ~30 000 тайцев до 7 октября 2023; 34–46 убитых, 22–31 захваченных в плен | Таиланд — крупнейший источник иностранной сельхозрабочей силы Израиля. Двустороннее соглашение 2012 года оформляет работников как… | После 7 октября более 7 000 рабочих эвакуировалось; израильское правительство выплатило бонусы (~$500/месяц)… | link | | 100 | TW / US | Mandatory Re-Licensing via NCLEX-RN (ongoing) | Hundreds per year; CGFNS tracks Taiwan specifically as a sending country | Taiwan nursing license (護理師) is not recognised in any US state. All applicants must pass NCLEX-RN (National Council Licensure… | Systematic re-qualification barrier. A 4-year Taiwan BSN graduate must re-sit licensure exams and may be… | link | | 101 | NL / UA | Hoog opgeleide vluchtelingen (2022–2023) | ~68 000 werkzame Oekraïners (15–65 jaar); 50% aan het werk per mei 2023 | 57% tewerkgesteld via uitzendbranche in laagbetaalde sectoren (schoonmaak, horeca, agrarisch); 60% van Oekraïense vrouwen heeft tertiair… | Onderzoekers waarschuwen voor risico op "nieuwe onderklasse"; beperking op zelfstandig ondernemerschap… | link | | 102 | TH / TW | Recruitment Debt & Employer Lock-in (2022–2023) | TW — 60 191 тайских работников (2023); KR — 17 257 (EPS, 2023) | Тайские работники в тайваньском производстве платят брокерам $5 000–$6 600 на въезде. Transparentem (2022) документирует, что работники… | Частичные компенсации (2 производителя возместили > $2.5 млн в совокупности тайваньским мигрантам), но… | link | | 103 | JP | De-Facto Non-Skilled Classification Despite Heritage (1990–2024) | 211,840 Brazilians in Japan (2023); peak 320,000 (2008) | Japan's 1990 Immigration Law reform granted long-term residence visas (定住者/永住者) to Japanese descendants (日系人). These were formally… | The 2008 global financial crisis triggered mass unemployment of Nikkei Brazilians precisely because they… | link | | 104 | GL / PH | Elementary Occupation Trap for College-Educated Workers (2022–2023) | ~1.96–2.16 млн OFW; из них 1.13–1.25 млн женщин | 64.1% женщин-OFW заняты на «elementary occupations» (ISCO-08 группа 9 — уборка, кейтейкинг, простой физический труд). При этом данные IOM… | Системная «консервация» OFW в низкоквалифицированных ролях; невозможность карьерного роста в стране… | link | | 105 | KR / MN | E-7 Visa Occupation Mismatch (2023–2024) | Systemic (all E-7 applicants from Mongolia) | Mongolia is on the list of 21 countries where applicants cannot convert from a short-stay visa to E-7 (특정활동) inside Korea, forcing them to… | Many skilled Mongolians resort to E-9 (non-professional) rather than navigate E-7 requirements, locking them… | link | | 106 | KR / PH / VN | EPS and Filipino/Vietnamese Workers (2015 / updated 2023) | National-level policy analysis | Philippines Statistics Authority survey data and PIDS policy analysis document that EPS workers are recruited as "low-skilled" regardless… | Philippine government periodically suspended EPS agreements over worker welfare, most recently threatening… | link | | 107 | BD / LB | Bangladeshi Migrant Domestic Workers, Gendered Credential Erasure (2020–2024) | | | | — | | 108 | AU / IN | Indian Graduates, Overqualification and Occupation Mismatch (2022–2024) | | | | — | | 109 | GB / IN / UK | Indian Healthcare Workers in Care Sector (2022–2023) | | | | — | | 110 | CA / IN | Indian IT/Engineering Immigrants, Overqualification (2021–2024) | | | | — | | 111 | CA / GB / IR | Iranian Engineers & IT Professionals (2022–2024) | | | | — | | 112 | DE / IR | Iranian Physicians (2013–2024) | | | | — | | 113 | IR / TR | Iranian Professionals Post-2022 (2022–2024) | | | | — | | 114 | AZ / RU | Kazakhstani/Azerbaijani Workers in Russia (2022–2024) | | | | — | | 115 | KG / RU | Kyrgyz Migrants, Occupational Reclassification (2023–2024) | | | | — | | 116 | AU / NP | Nepali Engineers, Skills Assessment Barrier (2022–2024) | | | | — | | 117 | PK / SA | Pakistani Engineers Classified as Unskilled Workers (2021–2024) | | | | — | | 118 | GB / PK / UK | Pakistani Medical Trainees, MTI Fellowship Exploitation (2009–2024) | | | | — | | 119 | DE / TR | Turkish Gastarbeiter, Structural Deskilling (1961–1975) | | | | — | | 120 | DE / TR | Turkish Qualification Recognition Backlog (2022–2024)* | | | | — |

Источники

[1] International Labour Organization. International Standard Classification of Occupations: ISCO-08. Geneva: ILO, 2012. ISBN: 978-92-2-125952-7. URL: https://www.ilo.org/publications/international-standard-classification-occupations-2008-isco-08-structure

[2] Hardy, W., Keister, R., & Lewandowski, P. "Educational upgrading, structural change and the task composition of jobs in Europe." Economics of Transition, 26(2), 2018, pp. 201–231. DOI: 10.1111/ecot.12145.

[3] Euzenat, J. & Shvaiko, P. Ontology Matching. 2nd ed. Springer, 2013. DOI: 10.1007/978-3-642-38721-0.

[4] European Commission. "The crosswalk between ESCO and O*NET: A technical report." DG EMPL, 2023. URL: https://esco.ec.europa.eu/en/about-esco/publications/publication/crosswalk-between-esco-and-onet-technical-report

[5] Schierholz, M., Gensicke, M., et al. "Occupation coding during the interview." Journal of the Royal Statistical Society Series A, 181(2), 2018, pp. 379–407. DOI: 10.1111/rssa.12297.

[6] Simson, J. & Schierholz, M. "occupationMeasurement: An R package for interactive occupation coding." Journal of Open Source Software, 8(89), 2023, 5505. DOI: 10.21105/joss.05505.

[7] Hoffmeyer-Zlotnik, J.H.P. & Warner, U. "The Concept of Ethnicity and Its Operationalization in Cross-National Social Surveys." Methodology, 10(4), 2014, pp. 109–125.

[8] OECD. "Technical Report of the Survey of Adult Skills (PIAAC)." 3rd ed. Paris: OECD, 2019. URL: https://www.oecd.org/skills/piaac/publications/PIAAC_Technical_Report_2019.pdf

[9] Tijdens, K.G. "A global occupational information tool: The WageIndicator web-survey." In: Coding Occupations and Industries. Report of the Codage Workshop, 2015.

[10] Ganzeboom, H.B.G., De Graaf, P.M., & Treiman, D.J. "A standard international socio-economic index of occupational status." Social Science Research, 21(1), 1992, pp. 1–56. DOI: 10.1016/0049-089X(92)90017-B.

[11] Hamilton, W.L., Leskovec, J., & Jurafsky, D. "Diachronic Word Embeddings Reveal Statistical Laws of Semantic Change." Proceedings of ACL, 2016, pp. 1489–1501. DOI: 10.18653/v1/P16-1141.

[12] Lyu, H., et al. "Sense and Sensitivity: Characterizing Social Media Users on Sensitive Topics with LLMs." arXiv preprint, 2023.

[13] Zhang, M., Jensen, K., & Plank, B. "ESCOXLM-R: Multilingual Taxonomy-Driven Pre-training for the Job Market Domain." Proceedings of ACL, 2023. DOI: 10.18653/v1/2023.acl-long.662.

[14] Decorte, J.-J., et al. "JobBERT: Understanding Job Titles through Skills." arXiv preprint, 2021. arXiv: 2109.09605.

[15] Decorte, J.-J., et al. "Design of Negative Sampling Strategies for Distantly Supervised Skill Extraction." Proceedings of the 2nd Workshop on Recommender Systems for Human Resources (RecSys-HR), 2022. arXiv: 2209.05987.

[16] Beverley, J., et al. "The Occupation Ontology (OccO): Building a Bridge Between Global Occupational Standards." CEUR Workshop Proceedings, 2023. SSRN: 5345722.

[17] Gnehm, A.-S. & Clematide, S. "Improving Occupational ISCO Classification of Multilingual Swiss Job Postings with LLM-Refined Training Data." Findings of ACL, 2025. DOI: 10.18653/v1/2025.findings-acl.1124.

[18] European Commission. "Machine Learning Assisted Mapping of Multilingual Occupational Data to ESCO." DG EMPL, 2023. URL: https://esco.ec.europa.eu/en/about-esco/data-science-and-esco/machine-learning-assisted-mapping-multilingual-occupational-data-esco-part-1

[19] IEA (International Association for the Evaluation of Educational Achievement). "Improving Parental Occupation Coding Procedures with AI." IEA Research Report, 2024.

[20] Beręsewicz, M., et al. "Multilingual hierarchical classification of job advertisements for job vacancy statistics." arXiv preprint, 2024.

[21] UNECE. "The Future of National Statistics Offices: A Call to Action." Geneva: UNECE, 2025. URL: https://unece.org/sites/default/files/2025-05/The%20Future%20of%20NSOs%2C%20A%20Call%20to%20Action%20-%20May%202025_0.pdf Dreshmanis, M. "Scaling Semantic Resilience: A Case Study in 200-Node Global Knowledge Distribution." Zenodo, 2026. DOI: 10.5281/zenodo.19140876. Dreshmanis, M. "Hierarchical Semantic Persistence in Distributed AI Memory Systems." Zenodo, 2026. DOI: 10.5281/zenodo.19140872. Dreshmanis, M. "Cross-Domain Semantic Mapping: Integrating Traditional Ontological Systems into Distributed AI Knowledge Graphs." Zenodo, 2026. DOI: 10.5281/zenodo.19140869. Dreshmanis, M. "The Ethics of Digital Continuity." Zenodo, 2026. DOI: 10.5281/zenodo.19140871. Dreshmanis, M. "Technical Implementation of a 202-Node Distributed Semantic Network." Zenodo, 2026. DOI: 10.5281/zenodo.19140873. Dreshmanis, M. "The Great Linguistic Expansion: Stress-Testing LLM Semantic Integrity Across 7,170+ Languages." Zenodo, 2026. DOI: 10.5281/zenodo.19140874. Dreshmanis, M. "Primary Strategic Framework and Master Roadmap for the Reincarnatiopedia Ecosystem." Zenodo, 2026. DOI: 10.5281/zenodo.19140875. Dreshmanis, M. "Hierarchical Temporal Logging System for AI Agents." Zenodo, 2026. DOI: 10.5281/zenodo.19140877. Dreshmanis, M. "Artificial ReIQ: Integrating Reincarnational Intelligence Quotient into AI Memory Architectures." Zenodo, 2026. DOI: 10.5281/zenodo.19140867. Dreshmanis, M. "Multi-Model AI Consilium: Architecture and Implementation of Iterative Cross-LLM Debate Systems." Zenodo, 2026. DOI: 10.5281/zenodo.19140868. Dreshmanis, M. "Global Humanity's Knowledge Archive (GHKA)." Zenodo, 2026. DOI: 10.5281/zenodo.19140870.

[33] United Nations, Department of Economic and Social Affairs. International Migration Report 2017. New York: UN DESA, 2017. ST/ESA/SER.A/403. URL: https://www.un.org/en/development/desa/population/migration/publications/migrationreport/docs/MigrationReport2017.pdf

[34] Friedberg, R. "You Can't Take It with You? Immigrant Assimilation and the Portability of Human Capital." Journal of Labor Economics, 18(2), 2000, pp. 221–251. DOI: 10.1086/209957.

[35] Erim, D.O., et al. "Wait and wait: Syrian doctors applying for medical license in Germany." BMC Health Services Research, 20, 2020, 1149. DOI: 10.1186/s12913-020-05966-2.

[36] International Labour Organization. "Gendering migration pathways: Addressing structural barriers for women migrant workers." ILO Working Paper, 2024.

[37] Federal Agency for Technical Regulation and Metrology (Rosstandart). OK 016-2025: Общероссийский классификатор профессий рабочих, должностей служащих и тарифных разрядов. Moscow, 2025.

[38] Djumalieva, J. & Sleeman, C. "An Open and Data-driven Taxonomy of Skills Extracted from Online Job Adverts." ESCoE Discussion Paper, Warwick Institute for Employment Research, 2018.

[39] European Commission. "Commission refers five Member States to Court over failure to apply the revised professional qualifications rules." Press release, 18 December 2024. URL: https://ec.europa.eu/commission/presscorner/detail/en/ip_24_6374

[40] European Commission. "Infringement proceedings — Italy: transposition of Directive 2024/505 on recognition of professional qualifications in nursing." May 2025.

[41] Institut der Deutschen Wirtschaft (IW). IW Report 08/25: Fachkräfteanerkennung in Deutschland. Cologne: IW, February 2025.

[42] Sivonen, J. & ITEM Maastricht. Cross-Border Impact Assessment 2025: 360° Labour Market in the Maas-Rhine Euroregion. Maastricht: ITEM, 2025.

[43] Sumption, M. "Tackling Brain Waste: Strategies to Improve the Recognition of Immigrants' Foreign Qualifications." Migration Policy Institute, Washington DC, 2013. URL: https://www.migrationpolicy.org/research/strategies-improve-recognition-immigrants-foreign-qualifications

[44] Gasco, L. & Retyk, F. "Multilingual Occupation Mapping via XLM-RoBERTa with Contrastive Learning." Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, 2024.

[45] Autor, D., Levy, F., & Murnane, R. "The Skill Content of Recent Technological Change: An Empirical Exploration." Quarterly Journal of Economics, 118(4), 2003, pp. 1279–1333. DOI: 10.1162/003355303322552801.

[46] International Organization for Migration. "Overqualified, Underemployed: The Labor Market Integration of Ukrainian Refugees in Central Europe." IOM Report, 2023.

[47] Ngabirano, M.J. "Perdus dans la traduction: Détresse psychologique des migrants hautement qualifiés en France." Systematic Review, 2026.

[48] Bundesagentur für Arbeit / BIBB. "Anerkennungsberatung: Statistik der Anerkennungsberatungen 2012–2021." Bonn: BIBB, 2022.

[49] American Immigration Council. "Untapped Talent: The Costs of Brain Waste Among Highly Skilled Immigrants in the United States." Washington DC: AIC, 2016. URL: https://www.americanimmigrationcouncil.org/research/untapped-talent-costs-brain-waste-among-highly-skilled-immigrants-united-states

[50] Flinders University. "Skilled Migration Economic Loss Assessment: Chinese Migrants in Australia." Adelaide: Flinders University College of Business, Government and Law, 2022.

[51] Goos, M., Manning, A., & Salomons, A. "Explaining Job Polarization: Routine-Biased Technological Change and Offshoring." American Economic Review, 104(8), 2014, pp. 2509–2526. DOI: 10.1257/aer.104.8.2509.

[52] British Future. "Hong Kong BNO Holder Survey 2023: Employment and Credential Recognition." London: British Future, 2023.

© 2026 Maris Dreshmanis. This work is licensed under CC BY 4.0.