Inleiding
Hoe het arbeidsaanbod aansluit op de vraag vanuit werkgevers is van belang om de ontwikkeling en verdeling van werk en inkomen te begrijpen. Voor werkenden, werkgevers en overheden kan het een bron van zorg zijn als er sprake is van onvoldoende aansluiting tussen arbeidsvraag en -aanbod, waardoor de arbeidsmarkt inefficiënt werkt. Bij het analyseren van hoe bijvoorbeeld de energietransitie, technologische verandering of internationale handel de inkomensverdeling en de werkgelegenheid beïnvloedt, is de interactie tussen (het aanbod van) vaardigheden en (de vraag naar) opkomende werktaken van cruciaal belang (Acemoglu en Autor, 2011; Elsayed et al. 2017; Ter Weel, 2018; Autor et al., 2024).
Economische theorie
Werkenden voeren een veelheid aan taken uit, maar de empirische meting van de kennis en vaardigheden nodig voor het uitvoeren van die taken is vaak eendimensionaal, waarbij vooral wordt vertrouwd op opleidingsoriëntatie, zoals praktisch geschoolden en theoretisch geschoolden, als inschatting voor kennis en vaardigheden. Opleidingsoriëntatie is echter een input in plaats van de uitkomst van het proces van vaardigheidsvorming. Als gevolg hiervan wordt de volledige set van vaardigheden van werkenden slechts geschat door het meten van opleidingsoriëntatie.
Niettemin vormt het werk van Mincer (1958), Schultz (1961) en Becker (1964) de start van de ontwikkeling van de huidige theorie en empirie die de (marginale) opbrengst van scholing meet. Het besef dat kennis en vaardigheden de productiviteit, gezondheid en inkomens van werkenden verhogen, werd door hen voor het eerst theoretisch onderbouwd door te stellen dat sprake is van een voorraad menselijk kapitaal waarop rendement wordt behaald en waarop wordt afgeschreven. Ook werd het rendement op scholing empirisch vastgesteld, waaruit blijkt dat extra jaren scholing een hoger inkomen opleveren. Jonge mensen besteden tijd en geld en steken moeite in het verwerven van een voorraad van kennis en vaardigheden. Dit heeft economische waarde omdat mensen met meer kennis en vaardigheden een grotere kans op werk hebben en een hoger inkomen genieten (Ben-Porath, 1967). Tinbergen (1975) voegt hieraan toe dat de opbrengsten van verschillende typen scholing afhangen van de relatieve verhouding tussen vraag en aanbod en de stand van de technologie, waarbij het er in de tweede helft van de twintigste eeuw op lijkt dat personen met minder jaren scholing achterblijven. Dat dit gemiddeld zo is geweest lijdt geen twijfel, maar het is wel een grove manier van analyseren waar vraag en aanbod elkaar vinden (Katz & Murphy, 1992; Goldin & Katz, 2008).
Kortom, het uitvoeren van taken vraagt om vaardigheden en de combinatie van taken en vaardigheden bepaalt de productiviteit en daarmee het inkomen van werkenden.
In de jaren ’00 is het takenraamwerk ontwikkeld, met als theoretische notie dat binnen een baan taken dienen te worden uitgevoerd (Autor et al., 2003 en Borghans & Ter Weel, 2004). Van belang hierbij is dat een taak een werkactiviteit is die output produceert. Vaardigheid maakt het mogelijk taken uit te voeren. Werkenden benutten hun vaardigheden om taken uit te voeren in ruil voor loon. Veel onderzoek op basis van scholingsjaren stelt vaardigheden en taken aan elkaar gelijk, terwijl vaardigheden worden toegepast om taken uit te voeren. Vaardigheden zelf produceren immers niet direct output, dat gebeurt pas als ze worden ingezet om taken uit te voeren. Dit onderscheid is niet van belang als werknemers over een bepaalde vaardigheid beschikken en altijd dezelfde taak uitvoeren. Het is wel relevant wanneer de koppeling van vaardigheden aan taken aan verandering onderhevig is door bijvoorbeeld technologische ontwikkelingen, energietransitie of veranderingen van internationale handelsstromen.
Hierdoor verandert het relatieve voordeel van werkenden in het uitvoeren van bepaalde taken. Door de inzet van ICT is het bijvoorbeeld minder relevant geworden om brieven te typen, maar juist belangrijker om interpersoonlijke contacten te onderhouden (Deming, 2017). De energietransitie wakkert de vraag naar technische vaardigheden aan (Weterings et al., 2023). Internationale handel leidt tot ketens waarin werktaken worden uitgevoerd daar waar dat het meest efficiënt is (Burstein & Vogel, 2017). Kortom, het uitvoeren van taken vraagt om vaardigheden en de combinatie van taken en vaardigheden bepaalt de productiviteit en daarmee het inkomen van werkenden. Nieuwe technologie en handel kan een aantal taken overnemen, een aantal taken belangrijker maken en voor nieuwe taken zorgen (Akçomak et al., 2011).
Met de komst van dit nieuwe raamwerk is behoefte ontstaan aan het beter meten van het aantal taken dat op het werk wordt uitgevoerd, het belang ervan in verschillende situaties en beroepen en de vaardigheden van werkenden om taken effectief uit te voeren.
Meten
Er is op drie manieren gepoogd om het belang van werktaken te meten. De eerste manier is om gedetailleerd naar beroepen te kijken als bundeling van werktaken. Op die manier kan (de ontwikkeling van) werkgelegenheid en inkomen worden gemeten en worden ingedeeld in categorieën. Een nadeel hiervan is dat in verschillende beroepen vaak een aantal vergelijkbare taken wordt uitgevoerd, waardoor het meten van veranderingen niet kan worden toegewezen aan veranderingen binnen beroepen. Ook blijven verschillen in de ontwikkeling van werktaken binnen beroepen op deze manier ongezien.
Een alternatieve manier is een beroepenanalyse op basis van een beroepengids met informatie over de inhoud van het werk. Een voorbeeld hiervan is O*NET, waarin deskundigen de vereisten van een groot aantal beroepen beschrijven. Deze deskundigen werken op basis van een vast protocol en iedere deskundige beoordeelt meerdere beroepen. Zo ontstaan onderling goed vergelijkbare maten van de eisen die een beroep aan een werknemer stelt en van de werkzaamheden die van meer of minder belang zijn. Een nadeel van deze manier van analyseren is dat bij de vertaling naar de beroepsbevolking als geheel de veronderstelling moet worden gemaakt dat iedere persoon in hetzelfde beroep ook geconfronteerd wordt met dezelfde eisen. Variatie binnen een beroep en geleidelijke veranderingen in de tijd worden daarom niet goed waargenomen. Bovendien leent een dergelijke inventarisatie zich niet voor het vaststellen van de vaardigheden die werkenden daadwerkelijk bezitten.
Analyses van vacatureteksten kunnen ook worden gebruikt om de vraag naar vaardigheden in beroepen in kaart te brengen (Deming & Kahn, 2018), een aanpak die ook centraal staat in CompetentNL. Maar ook dit geeft geen inzicht in de mate waarin werkenden vaardigheden bezitten en de effectieve match tussen gevraagde vaardigheden en competenties blijft ook ongezien (Fouarge, 2022).
Vaardighedenmetingen gebaseerd op uniforme toetsen geven verschillen tussen personen goed weer. De PIAAC-studies geïnitieerd door de OESO zijn een voorbeeld hiervan. Een nadeel van deze aanpak is dat die zich enkel leent voor algemene vaardigheden die goed met een uniforme toets te meten zijn. Vaardigheden die afhankelijk zijn van de context waarin ze worden gebruikt, grote verschillen vertonen (zoals technische vaardigheden) en vaardigheden die moeilijk te meten zijn met een uniforme toets (zoals omgaan met mensen) lenen zich niet voor deze aanpak. Ook kan met toetsen geen beeld worden verkregen van de eisen die een beroep stelt.
Een instrument dat het belang van en de effectiviteit waarmee taken in beroepen worden uitgevoerd meet, is daarom een belangrijke aanvulling op deze bestaande meetinstrumenten. De aanpak waarbij voor een groot aantal werktaken wordt vastgesteld wat het belang van die taak is op het werk en de mate waarin werkenden deze taken effectief kunnen uitvoeren, geeft een breed beeld van de taken die van belang zijn en de veranderingen die hierin optreden. Ook kunnen vraag en aanbod van vaardigheden goed tegenover elkaar worden gezet. Naast standaardvragen over beroep, opleiding, leeftijd en overige achtergrondkenmerken, worden vragen over het takenpakket van de baan gesteld in (onder andere) Duitsland en het Verenigd Koninkrijk. Een belangrijk voordeel van dergelijke enquêtes is dat zij het mogelijk maken om de heterogeniteit van taken tussen werknemers met eenzelfde beroep te belichten door het belang van taken en de effectiviteit waarmee werknemers ze uitvoeren in kaart te brengen. Bovendien vinden er van diverse enquêtes frequente updates plaats die gedegen analyses van de inhoud van banen in de tijd mogelijk maken. Een mogelijk nadeel van deze aanpak is het subjectieve karakter van de antwoorden omdat ze gebaseerd zijn op zelfrapportage.
Nederlandse Skills Survey (NSS)
In Nederland wordt sinds 2012 onderzoek gedaan naar werktaken onder duizenden werkenden. Dit heeft geleid tot drie waves van de Nederlandse Skills Survey (NSS) die zijn afgenomen in het LISS panel: in 2012 zijn 3.883 werkenden benaderd voor deelname aan de NSS-enquête (respons: n=2.780; 71,6 procent), in 2017 5.106 panelleden (respons: n=4.220; 82,6 procent) en in 2024 4.620 panelleden (respons: n=2.874; 62,2 procent).
In termen van vraag en aanbod, lijkt het erop dat de arbeidsvraag is toegenomen ten opzichte van het aanbod. Over het algemeen is het belang van werktaken toegenomen, wat betekent dat de eisen die door werkgevers worden gesteld zijn toegenomen.
De NSS is geïnspireerd op de Engelse versie van deze survey, de British Skills Survey (BSS), die in de jaren ’90 is ontwikkeld in het Verenigd Koninkrijk (Ashton et al., 1999). Deze BSS heeft in Nederland navolging gekregen (Ter Weel & Kok, 2013 en Van den Berg et al., 2018). Het is een gevalideerd instrument om met een survey zowel arbeidsvraag als -aanbod te meten.
De NSS bevat in de basis dezelfde vragen bij iedere meting om daarmee de ontwikkelingen in de tijd in kaart te brengen. Er is echter een aantal kleine aanpassingen gedaan die aansluiten bij de ontwikkelingen op de arbeidsmarkt. Zo is er in de meting van 2017 een tweetal taken toegevoegd met betrekking tot interpersoonlijke vaardigheden en computervaardigheden. In 2024 is het aantal taken met betrekking tot computervaardigheden verder uitgebreid, waarmee tegemoetgekomen wordt aan de recente ontwikkeling van nieuwe technologieën op de arbeidsmarkt (waaronder kunstmatige intelligentie).
De survey inventariseert 36 werktaken die in alle beroepen kunnen voorkomen. Om de vraag naar werktaken in beeld te brengen wordt gemeten wat het belang is van deze taken in het uitvoeren van het werk (op een schaal van 1 tot en met 5). Om het aanbod te meten, wordt van dezelfde taken de effectiviteit waarmee ze worden uitgevoerd gemeten onder werkenden die die taken uitvoeren (op een schaal van 1 tot en met 5). In dit artikel clusteren we de werktaken in acht categorieën volgens Borghans et al. (2008): Interpersoonlijke taken, Fysieke behendigheid, Kennis van de organisatie, Probleemoplossend vermogen, Plannen en organiseren, Taalvaardigheden, Rekenvaardigheden en Computervaardigheden.
Belang en effectiviteit
Tabel 1 geeft een overzicht van het belang van en de effectiviteit in werktaken. Bij de meeste werktaken is sprake van een stijging van het absolute belang tussen 2012 en 2024. Dit geldt voor interpersoonlijke vaardigheden, probleemoplossend vermogen, taalvaardigheden en rekenvaardigheden, fysieke behendigheid en kennis van de organisatie. Voor computervaardigheden is het absolute belang gedaald wat vooral komt doordat werkenden aangeven dat kennis van kunstmatige intelligentie vooralsnog niet van substantieel belang is.
Ten aanzien van de absolute effectiviteit is geen eenduidige ontwikkeling zichtbaar tussen 2012 en 2024. Bij vier werktaken is de absolute effectiviteit gedaald: interpersoonlijke taken, probleemoplossend vermogen, plannen en organiseren en taalvaardigheden. Bij drie werktaken is er geen ontwikkeling (fysieke behendigheid, kennis van de organisatie en computervaardigheden) en bij rekenvaardigheden is sprake van een stijging van de effectiviteit.
Tabel 1. Veranderingen in vraag en aanbod op taakniveau.
Noot: Het belang betreft het gemiddelde van een vijfpunt-Likertschaal, waarbij 1=helemaal niet/niet van toepassing; 2=niet erg belangrijk; 3=redelijk belangrijk; 4=erg belangrijk; 5=cruciaal. De effectiviteit betreft het gemiddelde van een vijfpunt-Likertschaal, waarbij 1=bijna nooit; 2=soms; 3=vaak; 4=bijna altijd; 5=altijd.
In termen van vraag en aanbod, lijkt het erop dat de arbeidsvraag is toegenomen ten opzichte van het aanbod. Over het algemeen is het belang van werktaken toegenomen, wat betekent dat de eisen die door werkgevers worden gesteld zijn toegenomen. Tegelijkertijd is de effectiviteit waarmee taken worden uitgevoerd min of meer gelijk gebleven en soms zelfs gedaald in de periode 2012-2024.
Deze ontwikkeling wijst op veranderingen op de Nederlandse arbeidsmarkt. Een belangrijke mogelijke verandering is dat als het belang van bepaalde taken toeneemt, de werkgelegenheid van beroepen waarin deze taken belangrijk zijn sterker stijgt dan die van beroepen waarin deze taken minder van belang zijn. Vooral waar het gaat om (toekomstige) ontwikkelingen van technologie kan dit van belang zijn.
Werkgelegenheidsontwikkelingen op taakniveau
Door de NSS-taken te koppelen aan de ontwikkeling in het aantal werkenden per beroep, zoals gemeten in de Enquête Beroepsbevolking (EBB), is voor de periode 1996-2023 een beeld te geven van de mate waarin de vraag naar bepaalde taken zich ontwikkelt. Er moet hierbij rekening worden gehouden met een aanzienlijke wijziging in de EBB in 2021 (Vos, 2020) die zorgt voor een trendbreuk in onze resultaten. Daarnaast is sprake van lockdowns tijdens de coronapandemie in 2020-2021 die de arbeidsvraag in enkele sectoren en daarmee de (structuur van de) werkgelegenheid sterk hebben beïnvloed. We hebben daarom een lijn getrokken in onderstaande figuren en zijn van mening dat de resultaten in de jaren ’20 minder betrouwbaar zijn dan die tot 2020.
Uit de figuur blijkt dat de werkgelegenheid in beroepen waar veel belang wordt gehecht aan interpersoonlijke vaardigheden relatief sterk is toegenomen ten opzichte van beroepen waar deze taken van minder belang zijn. Ook de werkgelegenheid in beroepen met een hoog belang van plannen en organiseren is relatief toegenomen.
De arbeidsvraag in de tijd kan worden benaderd door naar het taakbelang in beroepen te kijken. Figuur 1 laat zien hoe het belang van taken in beroepen zich heeft ontwikkeld voor de acht werktaken. Het belang van taken is weergegeven als de relatieve werkgelegenheid in beroepen met een hoog of laag belang van de betreffende taak. Beroepen met een belang onder het mediaanniveau worden bestempeld als “laag belang” en beroepen met een minimaal mediaanniveau als “hoog belang” in de betreffende taak. Uit de figuur blijkt dat de werkgelegenheid in beroepen waar veel belang wordt gehecht aan interpersoonlijke vaardigheden relatief sterk is toegenomen ten opzichte van beroepen waar deze taken van minder belang zijn. Ook de werkgelegenheid in beroepen met een hoog belang van plannen en organiseren is relatief toegenomen ten opzichte van beroepen met een minder belang van deze taken. Voor de overige werktaken is sprake van een relatief stabiele trend.
Figuur 1. Werkgelegenheid neemt toe in beroepen waarin taakbelang van interpersoonlijke en computervaardigheden stijgt (1996=1).
De ontwikkeling van de kwaliteit van het arbeidsaanbod vanaf 2012 is gemeten met de verandering van de taakeffectiviteit. Figuur 2 toont de relatie tussen werkgelegenheid en de effectiviteit waarmee taken worden uitgevoerd. In de periode tot 2020 bestaat een toenemend verschil in de werkgelegenheid in beroepen met hoge of lage gemiddelde effectiviteit in interpersoonlijke vaardigheden, taalvaardigheden en fysieke behendigheid. Daarbij geldt voor fysieke behendigheid juist dat de werkgelegenheid toeneemt in beroepen waar men hier niet effectief in is, en voor de andere taken geldt het tegenovergestelde. Voor probleemoplossend vermogen, rekenvaardigheden en computervaardigheden is vanaf 2017 een stijging zichtbaar in de werkgelegenheid van beroepen waarin werkenden een hoge effectiviteit hebben. Deze ontwikkeling kan waarschijnlijk niet los worden gezien van het toenemende belang van technologie op de arbeidsmarkt. Blijkbaar stijgt de kans op werk als werkenden effectiever zijn in het uitvoeren van deze taken.
Figuur 2. Effectiviteit en werkgelegenheid van rekenen, problemen oplossen en computervaardigheden stijgen vanaf 2017 (1996=1).
Automatiseringsrisico
Een indicatie om te laten zien in hoeverre het arbeidsaanbod de veranderingen in arbeidsvraag bijbeent is door te kijken naar automatiseringsrisico’s. In veel landen bestaat een negatieve correlatie tussen werkgelegenheidsgroei en het automatiseringsrisico van beroepen. Bij de OESO hebben Arntz et al. (2016) en Nedelkoska en Quintini (2018) het automatiseringsrisico van beroepen bepaald. Dit risico wordt bepaald op basis van de combinatie van taken in een beroep.
Figuur 3 laat de relatie tussen werkgelegenheidsgroei en automatiseringsrisico zien door een koppeling van de NSS met de EBB. De lijnen geven aan dat de groei van het aantal werkenden hoger is in beroepen met een laag automatiseringsrisico, terwijl de werkgelegenheid in beroepen met een hoog risico nauwelijks verandert. Met andere woorden: het werkgelegenheidsaandeel van beroepen met een hoog automatiseringsrisico is in de afgelopen drie decennia gedaald. Vooral vanaf 2017 is een toename in het aantal werkenden in beroepen met een laag automatiseringsrisico te zien: in de afgelopen jaren is het aantal werkenden in deze beroepen sterker gegroeid dan in de twintig jaren daarvoor (hoewel deze data wel met voorzichtigheid moeten worden geïnterpreteerd vanwege de wijzigingen in de EBB). Het automatiseringsrisico is significant negatief gecorreleerd met het belang van alle groepen taken, behalve met fysieke behendigheid, waar een positieve correlatie bestaat.
Figuur 3. Werkgelegenheidsgroei in beroepen met taken met een laag automatiseringsrisico.
In 2024 is in de NSS via een informatie-experiment aan een deel van de respondenten informatie gegeven over automatiseringsrisico’s. Sommige respondenten kregen neutrale algemene informatie over mogelijke gevolgen van de inzet van robots en kunstmatige intelligentie, anderen specifieke informatie gericht op en passend bij hun beroep. Alle respondenten is gevraagd een risico-inschatting te maken van het eigen beroep. Gemiddeld volgt hieruit dat men verwacht dat een vijfde van de werktaken door robots zal worden overgenomen en een kwart door kunstmatige intelligentie. Ook vindt men dat robots en kunstmatige intelligentie voor een kwart van het werk ondersteuning bieden. Uit nadere analyses blijkt dat respondenten die informatie hebben ontvangen tot 2 procentpunt negatiever zijn over robotisering en tot 5 procentpunt over kunstmatige intelligentie dan degene die geen informatie hebben ontvangen.
Conclusie
De NSS laat zien dat het belang van werktaken over het algemeen toeneemt, wat wijst op een hogere arbeidsvraag. Dit is consistent met een krappere arbeidsmarkt in 2024 in vergelijking met eerdere jaren. Ook blijkt dat werktaken die al belangrijk waren in 2012 aan belang hebben gewonnen. Vooral het belang van analytische en interpersoonlijke werktaken neemt toe. Voor de effectiviteit waarmee taken worden uitgevoerd lijkt dit minder sterk te gelden, waarbij het wel zo is dat de gemiddelde effectiviteit in het uitvoeren van werktaken met een groter belang stijgt.
Beroepen met een hoog risico op automatisering dalen in relatieve werkgelegenheid, terwijl de werkgelegenheid in beroepen met een laag automatiseringsrisico sterk groeit. Er zijn aanwijzingen dat technologische veranderingen in het werk correleren met het belang van analytische taken. Informatie over algemene trends in risico’s vergroten de gepercipieerde vervangbaarheid van taken binnen iemands beroep en specifiek in de eigen baan. Het informatie-experiment laat zien dat het belangrijk is om mensen te informeren, zodat ze zich kunnen bij- of omscholen en daarmee weerbaar zijn op de arbeidsmarkt.
Het volledige rapport 'TAKEN EN VAARDIGHEDEN OP HET WERK, 2012-2024' is te lezen op de website van SEO economisch onderzoek.
Referenties
Acemoglu, D. & D.H. Autor (2011). Skills, tasks and technologies: Implications for employment and earnings. Handbook of Labor Economics, 4, 1043-1171.
Akçomak, İ.S., L. Borghans & B. ter Weel (2011). Measuring and interpreting trends in the division of labour in the Netherlands. De Economist, 159(4), 435-482.
Arntz, M., T. Gregory, & U. Zierahn (2016). The risk of automation for jobs in OECD countries: A comparative analysis. Parijs: OESO.
Ashton, D, B. Davies, A. Felstead & F. Green (1999). Work skills in Britain. Oxford: SKOPE.
Autor, D.H, F. Levy & R.J. Murnane (2003). The skill content of recent technological change: An empirical exploration. Quarterly Journal of Economics, 118(4),1279-1333.
Autor, D.H., C. Chin, A. Salomons & B. Seegmiller (2024). New frontiers: The origins and content of new work, 1940-2018. Quarterly Journal of Economics, 139(3), 1399-1465.
Becker, G.S. (1964). Investment in human capital: a theoretic analysis. Journal of Political Economy, 70(5), 9-49.
Ben-Porath, Y. (1967). The production of human capital and the life cycle of earnings. Journal of Political Economy, 75(4), 352-365.
van den Berg, E., P. van Eldert, D. Fouarge & B. ter Weel (2018). Taken en vaardigheden op het werk. Bevindingen uit de eerste en tweede Nederlandse Skills Survey. Maastricht/Amsterdam: ROA/SEO.
Borghans, L. & B. ter Weel (2004). What happens when agent T gets a computer? The labor market impact of cost efficient computer adoption. Journal of Economic Behavior & Organization, 54(2), 137-151.
Borghans, L., Ter Weel, B., & Weinberg, B. (2008). Interpersonal styles and labor market outcomes. Journal of Human Resources, 43(4), 815-858.
Burstein, A., & Vogel, J. (2017). International trade, technology, and the skill premium. Journal of Political Economy, 125(5), 1356-1412.
Deming, D. J. (2017). The growing importance of social skills in the labor market. The quarterly journal of economics, 132(4), 1593-1640.
Deming, D., & Kahn, L. (2018). Skill requirements across firms and labor markets: Evidence from job postings for professionals. Journal of Labor Economics, 36(S1), S337-S369.
Elsayed, A., de Grip, A., & Fouarge, D. (2017). Computer use, job tasks and the part‐time pay penalty. British Journal of Industrial Relations, 55(1), 58-82.
Fouarge, D, (2022). Vaardigheden op de Nederlandse arbeidsmarkt. Tijdschrift voor Arbeidsvraagstukken, 38(2), 218 – 236.
Goldin, C.D. & L.F. Katz (2008). The race between education and technology. Cambridge, MA: Harvard University Press.
Katz, L.F. & K.M. Murphy (1992). Changes in relative wages, 1963–1987: Supply and demand factors. Quarterly Journal of Economics, 107(1), 35-78.
Mincer, J. (1958). Investment in human capital and personal income distribution. Journal of Political Economy, 66(4), 281-302.
Nedelkoska, L., & G. Quintini (2018). Automation, skills use and training. Parijs: OESO.
Schultz, T.W. (1961). Investment in human capital. American Economic Review, 51(1), 1-17.
Tinbergen, J. (1975). Income distribution: Analysis and policies. New York, NY: North-Holland Publishing Company.
Vos, S. (2020). Onderzoek naar beroepsbevolking in 2021 vernieuwd. Den Haag: CBS.
ter Weel, B. (2018). Nieuwe technologie transformeert de vraag naar arbeid. Economisch Statistische Berichten, 103(4766), 472-475.
ter Weel, B. & S.J. Kok (2013). De Nederlandse arbeidsmarkt in taken. Eerste bevindingen uit de Nederlandse Skills Survey. Den Haag: Centraal Planbureau.
Weterings, A., J. Bakens, S Den Nijs, O. Ivanova, & N. Pestel (2023). Tekort aan technici voor de energietransitie vergt prioritering in investeringen. ESB, 108(4821), 222-225.