Entity Resolution in NLRB Data

מאגרי הנתונים של ה־National Labor Relations Board (NLRB) מהווים מקור מרכזי לחקר התאגדות עובדים, בחירות לאיגודים מקצועיים והפרות של דיני עבודה בארצות הברית. מאגרים אלה אינם כוללים מזהים אחידים של פירמות, מוסדות או יחידות עובדים. כתוצאה מכך, חוקרים המבקשים לקשר בין בחירות לאיגודים מקצועיים לבין תביעות משפטיות נגד מעסיקים, או לבצע אגרגציה ברמת המוסד או הפירמה, נדרשים להתמודד עם בעיית Entity Resolution- זיהוי מצבים שבהם רשומות שונות מתייחסות לאותה ישות בעולם האמיתי. המחקר מציג יישום שיטת מחקר מתקדמת לזיהוי ישויות המבוססת על Large Language Models (LLMs), המשתמשת בניתוח אשכולות לצורך זיהוי וריאציות שונות של שמות מקומות העבודה. מעבר לכך, המחקר עוסק בשאלת ההערכה של תהליכי Entity Resolution בנתוני עתק במצבים שבהם לא קיימים ground truths. באמצעות מקרה הבוחן של נתוני ה־NLRB, נדגים כי איכות הזיהוי אינה תכונה אבסולוטית של השיטה, אלא תלויה במשימה המחקרית שלשמה היא מיועדת, בין אם מדובר במשימת חיבור רשומות או אגרגציה ברמת הפירמה או המוסד.