6. Vraag naar arbeidskrachten met AI-vaardigheden
Om zicht te krijgen op de arbeidsmarkt rond AI is het van belang een beeld te hebben van de vraag naar arbeidskrachten met AI-vaardigheden. Indien het aanbod van arbeidskrachten met AI-vaardigheden lager is dan de vraag kan dit o.a. leiden tot een vertraagde opname van AI-technologieën door bedrijven en instanties. Een manier om deze vraag te meten is door het aantal AI-vacatures in Nederland in kaart te brengen. Bij het tellen van vacatures wordt vaak gebruik gemaakt van standaardclassificaties, zoals de ISCO-beroepenclassificatie, om vacatures voor specifieke beroepsgroepen te kunnen onderscheiden. De gangbare classificaties bevatten echter geen specifieke categorie voor AI. Dit hoofdstuk onderzoekt daarom de effectiviteit en haalbaarheid van een alternatieve methode die, op basis van vacatureteksten en modellering, AI-vacatures onderscheidt van niet-AI-vacatures. Daartoe wordt eerst een conceptuele afbakening gemaakt van de term AI-vacature in paragraaf 6.1. Vervolgens worden verschillende methodes om AI-vacatures te identificeren omschreven en vergeleken in paragraaf 6.2. Op basis hiervan volgt een oordeel over de haalbaarheid van het identificeren van AI-vacatures op basis van vacaturetekst data. In de laatste paragraaf, 6.3, worden de resultaten van het best presterende model getoond; hier wordt ingegaan op de kenmerken van de gevonden populatie AI-vacatures.
6.1 Conceptuele afbakening AI-vacatures
Voor de identificatie van AI-vacatures is het van belang een conceptuele afbakening te maken, de begrippen ‘AI-systeem’ en ‘AI-vacature’ te definiëren en deze te operationaliseren.
6.1.1 Definitie AI-systeem
Net als in hoofdstuk 3 is ervoor gekozen om de meest recente definitie van een AI-systeem te hanteren zoals die in 2023 is opgesteld door de Organisatie voor Economische Samenwerking en Ontwikkeling (OESO). Het CBS sluit hierbij aan bij de definitie van AI uit de Europese AI-verordening (2024/1689)35) die sinds 1 augustus 2024 van kracht is. Volgens deze definitie is een AI-systeem: ‘Een op een machine gebaseerd systeem dat is ontworpen om met verschillende niveaus van autonomie te werken en dat na het inzetten ervan aanpassingsvermogen kan vertonen, en dat, voor expliciete of impliciete doelstellingen, uit de ontvangen input afleidt hoe output te genereren zoals voorspellingen, inhoud, aanbevelingen of beslissingen die van invloed kunnen zijn op fysieke of virtuele omgevingen.’ Een niet uitputtende set aan voorbeelden van een AI-systeem onder deze definitie zijn: autonome robots, zelfrijdende auto's, machine learning modellen die gebruikt worden voor data analyse, AI-gedreven beeldanalyse en generatieve AI modellen die op basis van een prompt tekst en/of afbeeldingen produceren.
6.1.2 Definitie AI-vacature
Een AI-vacature is als volgt gedefinieerd: ‘Een vacature voor een baan waarbij het gebruik of de productie van AI-systemen (volgens de OESO-definitie) centraal staat. Hierbij is vereist dat de baan, zoals omschreven in de vacaturetekst, alleen kan worden uitgevoerd door een persoon met (diepgaande) kennis van AI-systemen.’ Een groot gedeelte van het takenpakket bestaat dus uit het produceren of gebruiken van AI-systemen. Bij het produceren van AI-systemen kan gedacht worden aan het schrijven van code voor het ontwikkelen, onderhouden of verbeteren van AI-systemen, het testen van al bestaande AI-systemen of het inhoudelijk meewerken aan het ontwikkelproces van AI-systemen. Bij het gebruik van AI-systemen kan gedacht worden aan data-analyse met machine learning (ML) modellen of onderzoek doen gebruik makende van AI-systemen.
Vacatures voor arbeidskrachten die betrokken zijn bij het produceren van AI-systemen maar hierbij geen kennis over AI-systemen nodig hebben, zoals managers, IT-specialisten of arbeidskrachten die een vakinhoudelijke bijdrage leveren op het toepassingsgebied van het AI-systeem worden niet gezien als AI-vacature. Hetzelfde geldt voor vacatures voor arbeidskrachten die wel (diepgaande) kennis van AI-systemen hebben maar niet direct betrokken zijn bij de productie of het gebruik van AI-systemen, zoals ethici, juristen en journalisten op het gebied van AI-systemen.
6.1.3 Operationalisatie AI-vacature
Bij de handmatige classificatie van vacatures is de volgende operationalisatie gebruikt: ‘De vacaturetekst en titel geven er blijk van dat de vacature voldoet aan de definitie van een AI-vacature.’ Bij de handmatige identificatie is het onmogelijk te ontkomen aan enige subjectiviteit. Dit geldt voornamelijk voor het bepalen van de volgende zaken: of uit de vacature blijkt dat AI-systemen centraal staan voor een baan, of AI-systemen een groot gedeelte van het takenpakket beslaan en of (diepgaande) kennis van AI-systemen een vereiste is.
6.1.4 Databron: verschil online baanadvertentie en vacature
Voor dit onderzoek is een levering van ruim 7,5 miljoen online baanadvertentieteksten van het bedrijf Textkernel gebruikt die tussen het eerste kwartaal van 2018 en het tweede kwartaal van 2024 op het internet zijn gepost. De modelmatige aanpak die wordt ontwikkeld om AI-vacatures te identificeren (paragraaf 6.2) maakt direct gebruik van deze online baanadvertentieteksten. Om te komen tot landelijk representatieve vacaturecijfers (paragraaf 6.3) wordt een weegmodel toegepast op het gevonden aantal online baanadvertentieteksten voor AI-arbeidskrachten. Een gedetailleerde beschrijving van dit weegmodel is hier te vinden. Onder een vacature wordt verstaan: een arbeidsplaats waarvoor buiten een onderneming of instelling personeel wordt gezocht dat onmiddellijk of zo spoedig mogelijk geplaatst kan worden. Online baanadvertenties, die vanaf nu worden aangeduid als advertenties, zijn meldingen van openstaande vacatures die online gepost worden door werkgevers. Voor één enkele vacature kunnen geen, één, of meerdere online baanadvertenties worden geplaatst.
6.2 Methodologie identificatie AI-advertenties
In deze sectie worden de twee geteste methodes, een ML classificatiemodel en een zoektermenmodel, gepresenteerd. De resultaten van deze modellen worden met elkaar en met een eerder door TNO en Jobdigger ontwikkelde methode vergeleken. Op basis van dit onderzoek wordt een oordeel gegeven over de betrouwbaarheid en haalbaarheid van de modelmatige identificatie van AI-vacatures. Er is in dit onderzoek voor gekozen om alleen advertenties met Nederlandse of Engelse vacatureteksten te bekijken, ook worden betaalde stageplekken en internships niet meegenomen in de geanalyseerde populatie.
6.2.1 Machine learning model
Voor de identificatie van AI-vacatures zijn verschillende machine learning (ML) classificatiemodellen ontwikkeld. Deze paragraaf geeft een beknopt overzicht van het best presterende ML model. Voor verdere technische details en een overzicht van andere geteste ML modellen wordt verwezen naar de Technische annex bij H6 .
Encoding
Omdat ML classificatiemodellen een numerieke input gebruiken, worden de vacatureteksten met een encoding methode omgezet naar numerieke waardes. Van de verschillende methoden die hiervoor getest zijn was term frequency - inverse document frequency (tf-idf) encoding onderdeel van de best presterende combinatie encoding methode en ML classificatiemodel. Bij deze aanpak wordt geteld hoe vaak relevante woorden voorkomen in de vacaturetekst. Dit aantal wordt gewogen op basis van de frequentie waarmee vacatureteksten normaliter deze woorden bevatten. Naast de standaard tf-idf encoding zijn aanvullende informatie over kenmerken van de advertentie en word embedding-vectoren toegevoegd. Word embedding-vectoren brengen de onderlinge samenhang tussen woorden binnen de vacaturetekst in kaart.
Classificatiemodel
Het best presterende classificatiemodel is een ensemble van regularized logit-modellen. Een regularized logit-model is een standaard logit model dat op basis van een algoritme de meest relevante features in de dataset selecteert. In het geval van tf-idf encoding corresponderen individuele features met woorden. Dit betekent dat het model eerst een subselectie maakt van relevante woorden en vervolgens bepaalt in hoeverre de aanwezigheid van deze woorden in de vacaturetekst samenhangt met de kans dat de advertentie voldoet aan onze definitie van AI-advertentie. Voor elke input geeft het logit model een waarschijnlijkheidsscore tussen 0 en 1. Hoe hoger deze score, hoe groter de kans dat de vacaturetekst een AI-vacature is volgens het model. Net als in hoofdstuk 3 is er gekozen om met een ensemble van modellen die getraind zijn op verschillende datasets te werken. De gemiddelde waarschijnlijkheidsscore van vier modellen wordt berekend; als deze score hoger is dan 0.5 classificeert het ensemble de advertentie als AI-advertentie.
Selectie proces
Om de best presterende combinatie van encoding methode en ML classificatiemodel te selecteren is een handmatig gelabelde dataset samengesteld bestaande uit 807 advertenties, waarvan 235 AI-advertenties. Van deze dataset is 20 procent gebruikt als testdata en 80 procent als trainingsdata. De testdata is gebruikt om de prestatie van de modellen te meten en is het hele proces ongewijzigd gebleven. De trainingsdata is gebruikt om de classificatiemodellen mee te trainen en is gedurende het proces meermaals aangevuld.
Op basis van de eerste handmatige gelabelde dataset zijn meerdere combinaties van encoding methoden en ML classificatiemodellen getest. De best presterende combinaties zijn op nieuwe ongelabelde data uit de volledige dataset toegepast. De advertenties die hieruit voortkwamen als potentiële AI-advertenties zijn handmatig gelabeld. Op deze manier is de handmatig gelabelde set tweemaal uitgebreid, eerst tot 958 met 253 AI-advertenties, daarna tot 1092 met 274 AI-advertenties. Deze iteratieve stappen zijn ondernomen om de trainingsdataset aan te vullen met advertenties waarvoor het niet overduidelijk is of het gaat om een AI-advertentie of niet. Deze lastig te classificeren vacatures zijn waardevol bij het verbeteren van de modelprestatie. Op basis van alle verzamelde datasets is uiteindelijk de best presterende combinatie van encoding methode en ML classificatiemodel gekozen.
6.2.2 Zoektermenmodel
Er is ook onderzoek gedaan naar een simpeler zoektermenmodel dat enkel kijkt of bepaalde AI-gerelateerde woorden voorkomen in de vacaturetekst. Hiervoor is een initiële lijst met AI-termen samengesteld. Vervolgens zijn verschillende subselecties gemaakt door een willekeurige hoeveelheid AI-termen uit de initiële lijst te nemen. Simultaan werd bepaald wat het minimaal aantal vereiste woorden uit een subselectie is dat moet voorkomen in de vacaturetekst om deze te classificeren als AI-vacature. De beste combinatie van gekozen AI-gerelateerde woorden en aantal vereiste woorden is gekozen door de prestaties van elke geteste combinatie op de handmatig gelabelde dataset te vergelijken. De initiële woordenlijst en de uiteindelijk geselecteerde woordenlijst zijn te vinden in Bijlage 2.
6.2.3 TNO-Zoektermenmodel
Het CBS heeft eerder meegewerkt aan onderzoek naar AI-vacatures. In dit onderzoek werden door TNO en Jobdigger AI-vacatures geïdentificeerd (o.b.v. Jobdigger vacaturedata) en gaf het CBS een statistische beschrijving van de bedrijven met deze vacatures. In het onderzoek werd een lijst van advertenties samengesteld, die voldeden aan één van de volgende twee voorwaarden. 1) Minimaal één van de gebruikte woorden in de vacaturetekst komt voor in een vooraf opgestelde woordenlijst (zie woordenlijst B2.2.1 in Bijlage 2), of 2) minimaal één van de door Jobdigger gespecificeerde vaardigheden van de advertentie komt voor in een vooraf opgestelde lijst met AI-vaardigheden. Vervolgens werd gekeken naar de ISCO-code (internationale classificatie van beroepen) van elke advertentie in de lijst. Wanneer deze ISCO-code voorkwam in een vooraf vastgestelde selectie van AI-gerelateerde ISCO-codes (zie B2.2.2 in Bijlage 2) werd de advertentie geïdentificeerd als AI-advertentie.
Om te kunnen evalueren of de modellen die in dit project worden ontwikkeld beter presteren dan de door TNO en Jobdigger ontwikkelde methode is deze aanpak ook toegepast op de Textkernel data die in dit huidige project wordt gebruikt. Omdat de door Jobdigger gespecificeerde vaardigheden geen onderdeel zijn van de Textkernel data kan de aanpak van TNO en Jobdigger echter niet volledig nagebootst worden. In de vergelijking zullen twee versies van deze methode worden gepresenteerd; met en zonder de ISCO-code vereiste.
6.2.4 Resultaten haalbaarheidsonderzoek
Vergelijking geteste model
De verschillende methoden zijn vergeleken op basis van hun balanced accarucy score36) op de testdataset. Daarnaast is gekeken naar het aantal positieve advertenties dat is geïdentificeerd door het model toe te passen op de gehele dataset. Deze resultaten zijn te zien in tabel 6.2.4.1.
| Methode | Balanced accuracy (testdata) | Aantal AI-vacatures geïdentificeerd |
|---|---|---|
| ML classificatie model | 0,934 | 9 430 |
| Zoektermenmodel | 0,856 | 19 335 |
| TNO Zoektermenmodel | 0,75 | 655 955 |
| TNO Zoektermenmodel + ISCO filter | 0,529 | 102 090 |
De best presterende methode is het ML model. Dit model behaalt de hoogste balanced accarucy score. Hiermee lijkt het model de meest realistische afbakening te geven. Opvallend is dat deze methode ook het kleinste aantal AI-vacatures identificeert. Dit suggereert dat de andere modellen een overschatting maken van het aantal AI-vacatures. Alhoewel het zoektermenmodel slechter presteert kan het in sommige situaties te prefereren zijn vanwege de eenvoud en snelheid van de methode.
Beide versies van het door TNO ontwikkelde zoektermenmodel identificeren een veel hoger aantal AI-vacatures dan de nieuw ontwikkelde modellen. De voornaamste reden hiervoor is dat de gebruikte woordenlijst met mogelijke AI-termen erg uitgebreid is. De lijst bevat meerdere termen die ook buiten AI-advertenties van toepassing kunnen zijn, zoals: ‘statistics’, ‘cloud’ en ‘data cleaning’. Hierdoor wordt verwacht dat deze modellen een aanzienlijke overschatting maken van het aantal AI-advertenties. Het model met ISCO filter heeft weliswaar minder AI-advertenties geïdentificeerd, maar behaalt een significant lagere balanced accuracy score dan wanneer er geen ISCO filter wordt toegepast. Dit komt doordat de ISCO-codelijst die gebruikt is om te filteren te beperkt lijkt. Veel AI-advertenties hebben ISCO codes buiten de vooraf opgestelde filterlijst. Een voorbeeld is ISCO code 3314, die niet behoort tot de filter lijst. In paragraaf 6.3.2 is te zien dat dit een van de meest voorkomende ISCO-codes is voor AI-vacatures gevonden met het ML classificatiemodel.
Prestatie best geteste model
Het percentage vals positieve classificaties (onterecht aangemerkte als AI-vacature) gemaakt door het ML classificatiemodel is geëvalueerd met een steekproef van 150 door het model aangemerkte AI-advertenties. Na handmatige controle bleek dat 13 advertenties (9 procent) onterecht waren aangemerkt als AI-advertentie. Van deze 13 waren er 11 erg AI-verwant zonder dat ze voldeden aan de specifieke operationalisatie van AI-vacature. Een voorbeeld hiervan is een advertentie voor een data engineer positie die een datapipeline ontwikkelt in nauwe samenwerking met AI-specialisten. Hoewel de data-engineer bijdraagt aan een AI-systeem is er geen AI-kennis nodig voor deze baan.
Omdat AI-vacatures ‘zeldzaam’ zijn is het niet goed mogelijk met eenzelfde steekproef-methode het percentage vals negatieve classificaties (onterecht aangemerkte als niet AI-vacature) vast te stellen. Een evaluatie op alle handmatig gelabelde AI-advertenties liet echter zien dat 15 procent van de positieve gevallen door het model niet als dusdanig werd geïdentificeerd. Hier bovenop komen nog de AI-advertenties die gemist worden doordat ze niet goed gerepresenteerd zijn in de trainingsdataset. We concluderen dat de modelmatige identificatie van AI-advertenties het werkelijke aantal advertenties waarschijnlijk licht onderschat.
6.2.5 Verbeterpunten
Binnen dit project is een betrouwbaar ML classificatiemodel ontwikkeld om AI-vacatures te identificeren. Er is echter ruimte de modelmatige aanpak in de toekomst te verbeteren. In deze paragraaf wordt een aantal verbeter- en aandachtspunten benoemd.
Context in encoding
De gebruikte encoding methode tf-idf telt hoe vaak woorden voorkomen in de vacatureteksten en weegt deze vervolgens. Bij deze encoding methode wordt dus geen enkele vorm van context meegenomen. Context kan zich uiten op drie niveaus, op woord niveau, woorden kunnen meerdere betekenissen hebben; zin niveau, zinnen bevatten informatie die wel of geen betrekking heeft op de gezochte baan kandidaat; en paragraaf niveau, paragrafen bevatten informatie die wel of geen betrekking heeft op de gezochte baan kandidaat. Veel bruikbare informatie gaat verloren door het ontbreken van context in de huidige methode. Daarom is het relevant om in vervolg onderzoek te kijken of model prestaties verbeteren wanneer een encoding methode wordt gebruikt die wel context meeneemt. In het huidige onderzoek is hier niet naar gekeken, omdat dit, met de rekenkracht die beschikbaar is bij het CBS, niet binnen een realistisch tijdspad kon worden uitgevoerd voor de gehele dataset.
Afhankelijkheid van trainingsdataset
Bij het gebruik van tf-idf encoding wordt op basis van de trainingsdataset een set woorden bepaald die als features worden gebruikt in het classificatiemodel. Alleen woorden die in meer dan m vacatureteksten uit de gehele trainingsdataset voorkomen, worden meegenomen in de uiteindelijke input van het classificatiemodel; m is een parameter die vooraf gekozen wordt. Op deze wijze wordt gezorgd dat weinig voorkomende en minder relevante woorden niet verstorend werken tijdens de classificatie procedure. Een nadeel hiervan is dat de resultaten extra afhankelijk zijn van de gebruikte trainingsdataset. De samenstelling van de trainginsdataset heeft directe invloed op welke woorden relevant worden geacht voor de classificatie. Het probleem dat kan ontstaan is dat AI-advertenties met taal die afwijkt van wat er in de trainingsdataset beschikbaar is, gemist kunnen worden door het model. Opnieuw zou een mogelijke oplossing zijn om een complexere encoding methode toe te passen, die minder encodeert op basis van losse woorden, maar op het gehele en verwante taalgebruik van de vacatureteksten.
Concept drift
Een probleem dat verwant is aan het hiervoor omschreven punt is concept drift. De ontwikkelingen rond AI-technologieën volgen elkaar snel op en daarmee groeien de mogelijke toepassingen continu. Dit betekent ook dat hoe een gebruikelijke AI-advertentie eruit zag in de periode 2018-2024, verschilt van hoe dit zal zijn in de toekomst. Dit is terug te zien in de gebruikte termen in de vacature, het soort geadverteerde banen en de soort werkgevers. Het is daarom van belang dat, wanneer het model gebruikt zal worden in de komende jaren, de trainingsdata aangevuld worden met relevante nieuwe (AI)-advertenties. Wellicht zal het ook nodig zijn om langzamerhand oude niet meer relevante advertenties uit eerdere jaren uit de trainingsdata te halen. Binnen de in dit project gebruikte dataset is al enige mate van concept drift te zien. In de meest recente jaren is machine learning vaak een vereiste in geavanceerde data scientist vacatures, terwijl dit in eerdere jaren (2018/2019) veel minder vaak het geval was. De relatie tussen de concepten data scientist en AI verandert over tijd.
6.2.6 Conclusie
Het best presterende ML classificatiemodel in dit onderzoek identificeert AI-vacatures goed genoeg om betrouwbare cijfers over het aantal AI-vacatures in Nederland te produceren. Het model maakt nog wel fouten, zowel aan de vals positieve als vals negatieve kant. Naar verwachting kan het model in de toekomst nog verder verbeterd worden zodat het percentage vals positieve en vals negatieve beoordelingen verder teruggedrongen wordt. Wanneer er meer rekenkracht beschikbaar komt, kan de grootste verbetering naar verwachting worden gemaakt door een complexere encoding methode in te zetten die context meeneemt en niet naar individuele woorden kijkt maar naar breder taalgebruik. Indien in een vervolgonderzoek andere encoding methoden worden uitgetest, is het van belang ook weer opnieuw uit te testen welk ML classificatiemodel hier het best op aansluit.
6.3 Statistische beschrijving AI-vacature
Deze paragraaf geeft een beschrijving van de AI-vacatures die zijn geïdentificeerd met het ML classificatiemodel. De figuren geven een goed beeld van enkele mogelijke toepassingen van de AI-vacature identificatie die is onderzocht in dit hoofdstuk. De cijfers hebben een voorlopig karakter aangezien het modeleringsproces nog verbeterd zou kunnen worden. De cijfers zijn afgerond naar het dichtstbijzijnde vijftal. De gepresenteerde aantallen hebben betrekking op vacatures in Nederland, en zijn verkregen door de gelabelde resultaten van online baanadvertenties te wegen met de eerder genoemde weegmethode. Conform het weegmodel corresponderen de 9430 gevonden online baanadvertenties met in totaal 8725 vacatures.
6.3.1 Aantallen AI-vacatures over tijd
In figuur 6.3.1.1 is het aantal AI-vacatures te zien vanaf het eerste kwartaal van 2018 tot en met het tweede kwartaal van 2024. Gedurende de periode 2018 tot 2022 is een stijging van het aantal AI-vacatures te zien met een piek aan het begin van 2022. Hierna daalt het aantal, waarna het blijft schommelen rond een waarde van 430. Over de bekeken tijdsperiode varieerde het aandeel geïdentificeerde AI-vacatures tussen de 0,05 en 0,13 procent van het totaal aantal vacatures in Nederland.
| quarter,weight 18q1,140 18q2,160 18q3,180 18q4,215 19q1,275 19q2,240 19q3,250 19q4,300 20q1,260 20q2,230 20q3,280 20q4,295 21q1,345 21q2,390 21q3,385 21q4,445 22q1,500 22q2,460 22q3,465 22q4,390 23q1,440 23q2,375 23q3,385 23q4,435 24q1,460 24q2,425 | weight (Aantal) |
|---|---|
| 2018, eerste kwartaal | 140 |
| 2018, tweede kwartaal | 160 |
| 2018, derde kwartaal | 180 |
| 2018, vierde kwartaal | 215 |
| 2019, eerste kwartaal | 275 |
| 2019, tweede kwartaal | 240 |
| 2019, derde kwartaal | 250 |
| 2019, vierde kwartaal | 300 |
| 2020, eerste kwartaal | 260 |
| 2020, tweede kwartaal | 230 |
| 2020, derde kwartaal | 280 |
| 2020, vierde kwartaal | 295 |
| 2021, eerste kwartaal | 345 |
| 2021, tweede kwartaal | 390 |
| 2021, derde kwartaal | 385 |
| 2021, vierde kwartaal | 445 |
| 2022, eerste kwartaal | 500 |
| 2022, tweede kwartaal | 460 |
| 2022, derde kwartaal | 465 |
| 2022, vierde kwartaal | 390 |
| 2023, eerste kwartaal | 440 |
| 2023, tweede kwartaal | 375 |
| 2023, derde kwartaal | 385 |
| 2023, vierde kwartaal | 435 |
| 2024, eerste kwartaal | 460 |
| 2024, tweede kwartaal | 425 |
| * Voorlopige cijfers | |
6.3.2 Kenmerken AI-vacatures
Figuur 6.3.2.1 toont dat het totaal aantal AI-vacatures vanaf het eerste kwartaal van 2018 tot het tweede kwartaal van 2024 het grootst was in Noord-Holland (2770), Zuid-Holland (1435) en Noord-Brabant (1205). In Zeeland, Flevoland, Drenthe en Friesland was het aantal AI-vacatures het laagst (minder dan 100).
| Provincies | Statcode |
|---|---|
| Groningen (PV) | 190 |
| Friesland (PV) | 65 |
| Drenthe (PV) | 15 |
| Overijssel (PV) | 220 |
| Flevoland (PV) | 20 |
| Gelderland (PV) | 625 |
| Utrecht (PV) | 765 |
| Noord-Holland (PV) | 2770 |
| Zuid-Holland (PV) | 1435 |
| Zeeland (PV) | 40 |
| Noord-Brabant (PV) | 1200 |
| Limburg (PV) | 215 |
| * Voorlopige cijfers Van 1155 AI-vacatures is de provincie onbekend. | |
In figuur 6.3.2.2 is het totaal aantal AI-vacatures per beroepsgroep volgens de International Standard Classification of Occupations (ISCO) gepresenteerd. De meeste AI-vacatures vallen in een beperkt aantal beroepsgroepen. De vijf meest voorkomende groepen zijn: 2511 Systeemanalisten, 3314 Vakspecialisten op statistisch en wiskundig gebied e.d., 2512 Softwareontwikkelaars, 2310 Professoren en andere onderwijsgevenden in het hoger onderwijs en 1330 Leidinggevende functies op het gebied van informatie- en communicatietechnologie. De top 5 beroepsgroepen zijn goed voor meer dan 70 procent van alle gevonden AI-vacatures, de overige 30 procent is verdeeld over 192 andere ISCO codes.
| isco_code,weight 2511,2563 3314,1746 2512,812 2310,689 1330,314 2521,272 2149,225 2431,135 2421,118 2513,71 2152,67 2514,66 2424,60 2523,59 1223,58 other,1471 | Aantal (Aantal) |
|---|---|
| 2511: Systeemanalisten | 2565 |
| 3314: Vakspecialisten op statistisch en wiskundig gebied e.d. | 1745 |
| 2512: Softwareontwikkelaars | 810 |
| 2310: Professoren en andere onderwijsgevenden in het hoger onderwijs | 690 |
| 1330: Leidinggevende functies op het gebied van informatie- en communicatietechnologie | 315 |
| 2521: Ontwerpers en beheerders van databanken | 270 |
| 2149: Ingenieurs, niet elders geclassificeerd | 225 |
| 2431: Specialisten op het gebied van reclame en marketing | 135 |
| 2421: Bedrijfs- en organisatieanalisten | 120 |
| 2513: Web- en multimediaontwikkelaars | 70 |
| 2152: Elektronica-ingenieurs | 65 |
| 2514: Applicatieprogrammeurs | 65 |
| 2424: Specialisten op het gebied van personeelsopleidingen | 60 |
| 2523: Netwerkspecialisten | 60 |
| 1223: Leidinggevende functies op het gebied van speur- en ontwikkelingswerk | 60 |
| overig | 1470 |
| * Voorlopige cijfers Beroepsgroepen zijn o.b.v. ISCO-classificatie. | |
Ongeveer 75 procent van de AI-vacatures heeft een Engelse tekst, de overige 25 procent heeft een Nederlandse tekst. Deze verdeling is significant anders dan de taal verdeling over alle vacatures, waar 84 procent Nederlands is en maar 16 procent Engels. In figuur 6.3.2.3 is te zien dat meer dan 72 procent van de AI-vacatures valt onder beroepsniveau 4, wat wordt omschreven als ‘zeer complexe gespecialiseerde taken waarvoor een hoger of wetenschappelijk onderwijsniveau is vereist’. Ongeveer 23 procent van de AI-vacatures valt onder beroepsniveau 3, wat omschreven wordt als ‘Complexe taken waarvoor een middelbaar of hoger onderwijsniveau is vereist’. AI-vacatures zijn dus vrijwel volledig gericht op personen met een hoger onderwijsniveau.
| Beroepsniveau,weight 1,40 2,283 3,2058 4,6344 | weight (Aantal) |
|---|---|
| 1: Eenvoudige routinematige taken waarvoor een elementair of lager onderwijsniveau is vereist | 40 |
| 2: Weinig tot middelmatig complexe taken waarvoor een lager of middelbaar onderwijsniveau is vereist | 285 |
| 3: Complexe taken waarvoor een middelbaar of hoger onderwijsniveau is vereist | 2060 |
| 4: Zeer complexe gespecialiseerde taken waarvoor een hoger of wetenschappelijk onderwijsniveau is vereist | 6345 |
| * Voorlopige cijfers | |
6.3.3 Kenmerken bedrijven met AI-vacatures
In figuur 6.3.3.1 is het aantal AI-vacatures naar bedrijfstak van de bedrijven die de vacatures uitzetten getoond. De bedrijfstakken met de meeste AI-vacatures zijn P Onderwijs, J Informatie en communicatie, M Specialistische zakelijke diensten, G Handel en C Industrie. Deze 5 groepen zijn samen goed voor 71 procent van het totaal aantal AI-vacatures. In de grootste bedrijfstak, Onderwijs, valt 91 procent van de AI-vacatures in de subcategorie Universitair hoger onderwijs.
Wanneer figuur 6.3.3.1 naast figuur 5.3.2 (Hoofdstuk 5) wordt gelegd is te zien dat de uitstroom van AI-studenten en het aantal AI-vacatures een vergelijkbare verdeling naar bedrijfstakken hebben. Opvallend is dat bedrijfstak P Onderwijs bij AI-vacatures de grootste bedrijfstak is, terwijl deze bij de uitstroom van AI-studenten minder groot is. Een mogelijke verklaring hiervoor is dat onder deze categorie veel posities voor PhD’s, postdocs en professoren vallen. Deze posities worden regelmatig vervuld door internationale kandidaten en niet alleen door de uitstroom van AI-studenten uit het Nederlandse onderwijs. In hoofdstuk 5 bleek dat relatief veel AI-studenten komen te werken in het openbaar bestuur of bij overheidsdiensten (figuur 5.3.2), maar het aantal AI-vacatures in deze bedrijfstak is relatief klein (figuur 6.3.3.1). Dit zou verklaard kunnen worden doordat AI-studenten wel gewenst zijn voor banen bij de overheid, maar de overheid daarbij niet specifiek naar AI-vaardigheden vraagt.
| sbi_code_hoofd | weight (Aantal) |
|---|---|
| A Landbouw, bosbouw en visserij | 0 |
| B Delfstoffenwinning | 0 |
| C Industrie | 555 |
| D Energievoorziening | 50 |
| E Waterbedrijven en afvalbeheer | 10 |
| F Bouwnijverheid | 40 |
| G Handel | 670 |
| H vervoer en opslag | 130 |
| I Horeca | 55 |
| J Informatie en communicatie | 1795 |
| K Financiële dienstverlening | 545 |
| L Verhuur en handel van onroerend goed | 40 |
| M Specialistische zakelijke diensten | 1530 |
| N Verhuur en overige zakelijke diensten | 435 |
| O Openbaar bestuur en overheidsdiensten | 130 |
| P onderwijs | 2155 |
| Q Gezondheids- en welzijnszorg | 355 |
| R Cultuur, sport en recreatie | 75 |
| S Overige dienstverlening | 155 |
| T Huishoudens | 0 |
| * Voorlopige cijfers | |
Van alle AI-vacatures kon 86 procent aan een bedrijf of organisatie worden toegewezen. De 10 organisaties met de meeste AI-vacatures op hun naam hebben gezamenlijk 2000 AI-vacatures uitgestuurd in de onderzochte periode. Van deze top 10 organisaties zijn zeven een Nederlandse universiteit. Zoals al te zien was in figuur 6.3.3.1 zijn veel AI-vacatures verbonden aan universitair onderzoek en onderwijs.
In figuur 6.3.3.2 is de verdeling van AI-vacatures over de bijbehorende bedrijven en organisaties te zien. De x-as correspondeert met het percentage van het totaal aantal bedrijven en organisaties, de y-as het percentage van het totaal aantal AI-vacatures. Te zien is dat 20 procent van de bedrijven 80 procent van de AI-vacatures uitstuurt. Het aantal AI-vacatures is dus onevenredig verdeeld over bedrijven en organisaties. Vanaf ongeveer 40 procent is een lange staart te zien van bedrijven met 2 of minder AI-vacatures.
| % bedrijven met AI-vacatures | % totaal AI-vacatures | |
|---|---|---|
| 0,0 | 0,0 | |
| 0,1 | 5,6 | |
| 0,2 | 9,6 | |
| 0,3 | 13,0 | |
| 0,4 | 15,4 | |
| 0,5 | 17,6 | |
| 0,6 | 19,7 | |
| 0,7 | 21,6 | |
| 0,8 | 23,5 | |
| 0,8 | 25,1 | |
| 0,9 | 26,7 | |
| 1,0 | 28,3 | |
| 1,1 | 29,9 | |
| 1,2 | 31,4 | |
| 1,3 | 32,7 | |
| 1,4 | 33,9 | |
| 1,5 | 35,1 | |
| 1,6 | 36,2 | |
| 1,7 | 37,2 | |
| 1,8 | 38,2 | |
| 1,9 | 39,1 | |
| 2,0 | 39,9 | |
| 2,1 | 40,7 | |
| 2,2 | 41,4 | |
| 2,3 | 42,1 | |
| 2,4 | 42,6 | |
| 2,4 | 43,2 | |
| 2,5 | 43,8 | |
| 2,6 | 44,4 | |
| 2,7 | 44,9 | |
| 2,8 | 45,3 | |
| 2,9 | 45,8 | |
| 3,0 | 46,3 | |
| 3,1 | 46,8 | |
| 3,2 | 47,2 | |
| 3,3 | 47,7 | |
| 3,4 | 48,2 | |
| 3,5 | 48,6 | |
| 3,6 | 49,1 | |
| 3,7 | 49,5 | |
| 3,8 | 50,0 | |
| 3,9 | 50,4 | |
| 4,0 | 50,8 | |
| 4,0 | 51,2 | |
| 4,1 | 51,6 | |
| 4,2 | 51,9 | |
| 4,3 | 52,3 | |
| 4,4 | 52,7 | |
| 4,5 | 53,0 | |
| 4,6 | 53,4 | |
| 4,7 | 53,7 | |
| 4,8 | 54,0 | |
| 4,9 | 54,3 | |
| 5,0 | 54,7 | |
| 5,1 | 55,0 | |
| 5,2 | 55,3 | |
| 5,3 | 55,6 | |
| 5,4 | 55,9 | |
| 5,5 | 56,2 | |
| 5,6 | 56,5 | |
| 5,6 | 56,8 | |
| 5,7 | 57,1 | |
| 5,8 | 57,3 | |
| 5,9 | 57,6 | |
| 6,0 | 57,9 | |
| 6,1 | 58,1 | |
| 6,2 | 58,4 | |
| 6,3 | 58,7 | |
| 6,4 | 58,9 | |
| 6,5 | 59,2 | |
| 6,6 | 59,4 | |
| 6,7 | 59,7 | |
| 6,8 | 59,9 | |
| 6,9 | 60,1 | |
| 7,0 | 60,4 | |
| 7,1 | 60,6 | |
| 7,2 | 60,8 | |
| 7,3 | 61,1 | |
| 7,3 | 61,3 | |
| 7,4 | 61,5 | |
| 7,5 | 61,8 | |
| 7,6 | 62,0 | |
| 7,7 | 62,2 | |
| 7,8 | 62,4 | |
| 7,9 | 62,6 | |
| 8,0 | 62,9 | |
| 8,1 | 63,1 | |
| 8,2 | 63,3 | |
| 8,3 | 63,5 | |
| 8,4 | 63,7 | |
| 8,5 | 64,0 | |
| 8,6 | 64,2 | |
| 8,7 | 64,4 | |
| 8,8 | 64,6 | |
| 8,9 | 64,8 | |
| 8,9 | 65,0 | |
| 9,0 | 65,2 | |
| 9,1 | 65,4 | |
| 9,2 | 65,6 | |
| 9,3 | 65,8 | |
| 9,4 | 66,0 | |
| 9,5 | 66,2 | |
| 9,6 | 66,4 | |
| 9,7 | 66,6 | |
| 9,8 | 66,8 | |
| 9,9 | 67,0 | |
| 10,0 | 67,2 | |
| 10,1 | 67,4 | |
| 10,2 | 67,6 | |
| 10,3 | 67,8 | |
| 10,4 | 67,9 | |
| 10,5 | 68,1 | |
| 10,5 | 68,3 | |
| 10,6 | 68,5 | |
| 10,7 | 68,6 | |
| 10,8 | 68,8 | |
| 10,9 | 69,0 | |
| 11,0 | 69,2 | |
| 11,1 | 69,3 | |
| 11,2 | 69,5 | |
| 11,3 | 69,6 | |
| 11,4 | 69,8 | |
| 11,5 | 70,0 | |
| 11,6 | 70,1 | |
| 11,7 | 70,3 | |
| 11,8 | 70,4 | |
| 11,9 | 70,6 | |
| 12,0 | 70,7 | |
| 12,1 | 70,9 | |
| 12,1 | 71,0 | |
| 12,2 | 71,2 | |
| 12,3 | 71,3 | |
| 12,4 | 71,5 | |
| 12,5 | 71,6 | |
| 12,6 | 71,7 | |
| 12,7 | 71,9 | |
| 12,8 | 72,0 | |
| 12,9 | 72,1 | |
| 13,0 | 72,3 | |
| 13,1 | 72,4 | |
| 13,2 | 72,5 | |
| 13,3 | 72,7 | |
| 13,4 | 72,8 | |
| 13,5 | 72,9 | |
| 13,6 | 73,1 | |
| 13,7 | 73,2 | |
| 13,7 | 73,3 | |
| 13,8 | 73,4 | |
| 13,9 | 73,6 | |
| 14,0 | 73,7 | |
| 14,1 | 73,8 | |
| 14,2 | 73,9 | |
| 14,3 | 74,1 | |
| 14,4 | 74,2 | |
| 14,5 | 74,3 | |
| 14,6 | 74,4 | |
| 14,7 | 74,6 | |
| 14,8 | 74,7 | |
| 14,9 | 74,8 | |
| 15,0 | 74,9 | |
| 15,1 | 75,0 | |
| 15,2 | 75,1 | |
| 15,3 | 75,3 | |
| 15,3 | 75,4 | |
| 15,4 | 75,5 | |
| 15,5 | 75,6 | |
| 15,6 | 75,7 | |
| 15,7 | 75,8 | |
| 15,8 | 76,0 | |
| 15,9 | 76,1 | |
| 16,0 | 76,2 | |
| 16,1 | 76,3 | |
| 16,2 | 76,4 | |
| 16,3 | 76,5 | |
| 16,4 | 76,6 | |
| 16,5 | 76,7 | |
| 16,6 | 76,8 | |
| 16,7 | 76,9 | |
| 16,8 | 77,0 | |
| 16,9 | 77,1 | |
| 16,9 | 77,2 | |
| 17,0 | 77,3 | |
| 17,1 | 77,4 | |
| 17,2 | 77,5 | |
| 17,3 | 77,6 | |
| 17,4 | 77,7 | |
| 17,5 | 77,8 | |
| 17,6 | 77,9 | |
| 17,7 | 78,0 | |
| 17,8 | 78,1 | |
| 17,9 | 78,2 | |
| 18,0 | 78,3 | |
| 18,1 | 78,4 | |
| 18,2 | 78,5 | |
| 18,3 | 78,6 | |
| 18,4 | 78,6 | |
| 18,5 | 78,7 | |
| 18,5 | 78,8 | |
| 18,6 | 78,9 | |
| 18,7 | 79,0 | |
| 18,8 | 79,1 | |
| 18,9 | 79,2 | |
| 19,0 | 79,3 | |
| 19,1 | 79,3 | |
| 19,2 | 79,4 | |
| 19,3 | 79,5 | |
| 19,4 | 79,6 | |
| 19,5 | 79,7 | |
| 19,6 | 79,8 | |
| 19,7 | 79,8 | |
| 19,8 | 79,9 | |
| 19,9 | 80,0 | |
| 20,0 | 80,1 | |
| 20,1 | 80,2 | |
| 20,2 | 80,2 | |
| 20,2 | 80,3 | |
| 20,3 | 80,4 | |
| 20,4 | 80,5 | |
| 20,5 | 80,5 | |
| 20,6 | 80,6 | |
| 20,7 | 80,7 | |
| 20,8 | 80,8 | |
| 20,9 | 80,9 | |
| 21,0 | 80,9 | |
| 21,1 | 81,0 | |
| 21,2 | 81,1 | |
| 21,3 | 81,2 | |
| 21,4 | 81,2 | |
| 21,5 | 81,3 | |
| 21,6 | 81,4 | |
| 21,7 | 81,5 | |
| 21,8 | 81,5 | |
| 21,8 | 81,6 | |
| 21,9 | 81,7 | |
| 22,0 | 81,7 | |
| 22,1 | 81,8 | |
| 22,2 | 81,9 | |
| 22,3 | 82,0 | |
| 22,4 | 82,0 | |
| 22,5 | 82,1 | |
| 22,6 | 82,2 | |
| 22,7 | 82,2 | |
| 22,8 | 82,3 | |
| 22,9 | 82,4 | |
| 23,0 | 82,4 | |
| 23,1 | 82,5 | |
| 23,2 | 82,6 | |
| 23,3 | 82,6 | |
| 23,4 | 82,7 | |
| 23,4 | 82,8 | |
| 23,5 | 82,8 | |
| 23,6 | 82,9 | |
| 23,7 | 83,0 | |
| 23,8 | 83,0 | |
| 23,9 | 83,1 | |
| 24,0 | 83,2 | |
| 24,1 | 83,2 | |
| 24,2 | 83,3 | |
| 24,3 | 83,4 | |
| 24,4 | 83,4 | |
| 24,5 | 83,5 | |
| 24,6 | 83,6 | |
| 24,7 | 83,6 | |
| 24,8 | 83,7 | |
| 24,9 | 83,7 | |
| 25,0 | 83,8 | |
| 25,0 | 83,9 | |
| 25,1 | 83,9 | |
| 25,2 | 84,0 | |
| 25,3 | 84,1 | |
| 25,4 | 84,1 | |
| 25,5 | 84,2 | |
| 25,6 | 84,2 | |
| 25,7 | 84,3 | |
| 25,8 | 84,4 | |
| 25,9 | 84,4 | |
| 26,0 | 84,5 | |
| 26,1 | 84,5 | |
| 26,2 | 84,6 | |
| 26,3 | 84,7 | |
| 26,4 | 84,7 | |
| 26,5 | 84,8 | |
| 26,6 | 84,8 | |
| 26,6 | 84,9 | |
| 26,7 | 84,9 | |
| 26,8 | 85,0 | |
| 26,9 | 85,0 | |
| 27,0 | 85,1 | |
| 27,1 | 85,2 | |
| 27,2 | 85,2 | |
| 27,3 | 85,3 | |
| 27,4 | 85,3 | |
| 27,5 | 85,4 | |
| 27,6 | 85,4 | |
| 27,7 | 85,5 | |
| 27,8 | 85,5 | |
| 27,9 | 85,6 | |
| 28,0 | 85,6 | |
| 28,1 | 85,7 | |
| 28,2 | 85,7 | |
| 28,2 | 85,8 | |
| 28,3 | 85,8 | |
| 28,4 | 85,9 | |
| 28,5 | 85,9 | |
| 28,6 | 86,0 | |
| 28,7 | 86,0 | |
| 28,8 | 86,1 | |
| 28,9 | 86,2 | |
| 29,0 | 86,2 | |
| 29,1 | 86,3 | |
| 29,2 | 86,3 | |
| 29,3 | 86,4 | |
| 29,4 | 86,4 | |
| 29,5 | 86,4 | |
| 29,6 | 86,5 | |
| 29,7 | 86,5 | |
| 29,8 | 86,6 | |
| 29,8 | 86,6 | |
| 29,9 | 86,7 | |
| 30,0 | 86,7 | |
| 30,1 | 86,8 | |
| 30,2 | 86,8 | |
| 30,3 | 86,9 | |
| 30,4 | 86,9 | |
| 30,5 | 87,0 | |
| 30,6 | 87,0 | |
| 30,7 | 87,1 | |
| 30,8 | 87,1 | |
| 30,9 | 87,1 | |
| 31,0 | 87,2 | |
| 31,1 | 87,2 | |
| 31,2 | 87,3 | |
| 31,3 | 87,3 | |
| 31,4 | 87,4 | |
| 31,5 | 87,4 | |
| 31,5 | 87,5 | |
| 31,6 | 87,5 | |
| 31,7 | 87,5 | |
| 31,8 | 87,6 | |
| 31,9 | 87,6 | |
| 32,0 | 87,7 | |
| 32,1 | 87,7 | |
| 32,2 | 87,8 | |
| 32,3 | 87,8 | |
| 32,4 | 87,8 | |
| 32,5 | 87,9 | |
| 32,6 | 87,9 | |
| 32,7 | 88,0 | |
| 32,8 | 88,0 | |
| 32,9 | 88,0 | |
| 33,0 | 88,1 | |
| 33,1 | 88,1 | |
| 33,1 | 88,2 | |
| 33,2 | 88,2 | |
| 33,3 | 88,2 | |
| 33,4 | 88,3 | |
| 33,5 | 88,3 | |
| 33,6 | 88,4 | |
| 33,7 | 88,4 | |
| 33,8 | 88,4 | |
| 33,9 | 88,5 | |
| 34,0 | 88,5 | |
| 34,1 | 88,6 | |
| 34,2 | 88,6 | |
| 34,3 | 88,6 | |
| 34,4 | 88,7 | |
| 34,5 | 88,7 | |
| 34,6 | 88,7 | |
| 34,7 | 88,8 | |
| 34,7 | 88,8 | |
| 34,8 | 88,9 | |
| 34,9 | 88,9 | |
| 35,0 | 88,9 | |
| 35,1 | 89,0 | |
| 35,2 | 89,0 | |
| 35,3 | 89,0 | |
| 35,4 | 89,1 | |
| 35,5 | 89,1 | |
| 35,6 | 89,2 | |
| 35,7 | 89,2 | |
| 35,8 | 89,2 | |
| 35,9 | 89,3 | |
| 36,0 | 89,3 | |
| 36,1 | 89,3 | |
| 36,2 | 89,4 | |
| 36,3 | 89,4 | |
| 36,3 | 89,4 | |
| 36,4 | 89,5 | |
| 36,5 | 89,5 | |
| 36,6 | 89,5 | |
| 36,7 | 89,6 | |
| 36,8 | 89,6 | |
| 36,9 | 89,7 | |
| 37,0 | 89,7 | |
| 37,1 | 89,7 | |
| 37,2 | 89,8 | |
| 37,3 | 89,8 | |
| 37,4 | 89,8 | |
| 37,5 | 89,9 | |
| 37,6 | 89,9 | |
| 37,7 | 89,9 | |
| 37,8 | 90,0 | |
| 37,9 | 90,0 | |
| 37,9 | 90,0 | |
| 38,0 | 90,1 | |
| 38,1 | 90,1 | |
| 38,2 | 90,1 | |
| 38,3 | 90,2 | |
| 38,4 | 90,2 | |
| 38,5 | 90,2 | |
| 38,6 | 90,3 | |
| 38,7 | 90,3 | |
| 38,8 | 90,3 | |
| 38,9 | 90,4 | |
| 39,0 | 90,4 | |
| 39,1 | 90,4 | |
| 39,2 | 90,4 | |
| 39,3 | 90,5 | |
| 39,4 | 90,5 | |
| 39,5 | 90,5 | |
| 39,5 | 90,6 | |
| 39,6 | 90,6 | |
| 39,7 | 90,6 | |
| 39,8 | 90,7 | |
| 39,9 | 90,7 | |
| 40,0 | 90,7 | |
| 40,1 | 90,8 | |
| 40,2 | 90,8 | |
| 40,3 | 90,8 | |
| 40,4 | 90,8 | |
| 40,5 | 90,9 | |
| 40,6 | 90,9 | |
| 40,7 | 90,9 | |
| 40,8 | 91,0 | |
| 40,9 | 91,0 | |
| 41,0 | 91,0 | |
| 41,1 | 91,1 | |
| 41,1 | 91,1 | |
| 41,2 | 91,1 | |
| 41,3 | 91,1 | |
| 41,4 | 91,2 | |
| 41,5 | 91,2 | |
| 41,6 | 91,2 | |
| 41,7 | 91,3 | |
| 41,8 | 91,3 | |
| 41,9 | 91,3 | |
| 42,0 | 91,3 | |
| 42,1 | 91,4 | |
| 42,2 | 91,4 | |
| 42,3 | 91,4 | |
| 42,4 | 91,5 | |
| 42,5 | 91,5 | |
| 42,6 | 91,5 | |
| 42,7 | 91,5 | |
| 42,7 | 91,6 | |
| 42,8 | 91,6 | |
| 42,9 | 91,6 | |
| 43,0 | 91,6 | |
| 43,1 | 91,7 | |
| 43,2 | 91,7 | |
| 43,3 | 91,7 | |
| 43,4 | 91,7 | |
| 43,5 | 91,8 | |
| 43,6 | 91,8 | |
| 43,7 | 91,8 | |
| 43,8 | 91,9 | |
| 43,9 | 91,9 | |
| 44,0 | 91,9 | |
| 44,1 | 91,9 | |
| 44,2 | 92,0 | |
| 44,3 | 92,0 | |
| 44,4 | 92,0 | |
| 44,4 | 92,0 | |
| 44,5 | 92,1 | |
| 44,6 | 92,1 | |
| 44,7 | 92,1 | |
| 44,8 | 92,1 | |
| 44,9 | 92,2 | |
| 45,0 | 92,2 | |
| 45,1 | 92,2 | |
| 45,2 | 92,2 | |
| 45,3 | 92,3 | |
| 45,4 | 92,3 | |
| 45,5 | 92,3 | |
| 45,6 | 92,3 | |
| 45,7 | 92,4 | |
| 45,8 | 92,4 | |
| 45,9 | 92,4 | |
| 46,0 | 92,4 | |
| 46,0 | 92,5 | |
| 46,1 | 92,5 | |
| 46,2 | 92,5 | |
| 46,3 | 92,5 | |
| 46,4 | 92,6 | |
| 46,5 | 92,6 | |
| 46,6 | 92,6 | |
| 46,7 | 92,6 | |
| 46,8 | 92,7 | |
| 46,9 | 92,7 | |
| 47,0 | 92,7 | |
| 47,1 | 92,7 | |
| 47,2 | 92,7 | |
| 47,3 | 92,8 | |
| 47,4 | 92,8 | |
| 47,5 | 92,8 | |
| 47,6 | 92,8 | |
| 47,6 | 92,9 | |
| 47,7 | 92,9 | |
| 47,8 | 92,9 | |
| 47,9 | 92,9 | |
| 48,0 | 93,0 | |
| 48,1 | 93,0 | |
| 48,2 | 93,0 | |
| 48,3 | 93,0 | |
| 48,4 | 93,0 | |
| 48,5 | 93,1 | |
| 48,6 | 93,1 | |
| 48,7 | 93,1 | |
| 48,8 | 93,1 | |
| 48,9 | 93,2 | |
| 49,0 | 93,2 | |
| 49,1 | 93,2 | |
| 49,2 | 93,2 | |
| 49,2 | 93,2 | |
| 49,3 | 93,3 | |
| 49,4 | 93,3 | |
| 49,5 | 93,3 | |
| 49,6 | 93,3 | |
| 49,7 | 93,4 | |
| 49,8 | 93,4 | |
| 49,9 | 93,4 | |
| 50,0 | 93,4 | |
| 50,1 | 93,4 | |
| 50,2 | 93,5 | |
| 50,3 | 93,5 | |
| 50,4 | 93,5 | |
| 50,5 | 93,5 | |
| 50,6 | 93,6 | |
| 50,7 | 93,6 | |
| 50,8 | 93,6 | |
| 50,8 | 93,6 | |
| 50,9 | 93,6 | |
| 51,0 | 93,7 | |
| 51,1 | 93,7 | |
| 51,2 | 93,7 | |
| 51,3 | 93,7 | |
| 51,4 | 93,7 | |
| 51,5 | 93,8 | |
| 51,6 | 93,8 | |
| 51,7 | 93,8 | |
| 51,8 | 93,8 | |
| 51,9 | 93,9 | |
| 52,0 | 93,9 | |
| 52,1 | 93,9 | |
| 52,2 | 93,9 | |
| 52,3 | 93,9 | |
| 52,4 | 94,0 | |
| 52,4 | 94,0 | |
| 52,5 | 94,0 | |
| 52,6 | 94,0 | |
| 52,7 | 94,0 | |
| 52,8 | 94,1 | |
| 52,9 | 94,1 | |
| 53,0 | 94,1 | |
| 53,1 | 94,1 | |
| 53,2 | 94,1 | |
| 53,3 | 94,2 | |
| 53,4 | 94,2 | |
| 53,5 | 94,2 | |
| 53,6 | 94,2 | |
| 53,7 | 94,2 | |
| 53,8 | 94,2 | |
| 53,9 | 94,3 | |
| 54,0 | 94,3 | |
| 54,0 | 94,3 | |
| 54,1 | 94,3 | |
| 54,2 | 94,3 | |
| 54,3 | 94,4 | |
| 54,4 | 94,4 | |
| 54,5 | 94,4 | |
| 54,6 | 94,4 | |
| 54,7 | 94,4 | |
| 54,8 | 94,5 | |
| 54,9 | 94,5 | |
| 55,0 | 94,5 | |
| 55,1 | 94,5 | |
| 55,2 | 94,5 | |
| 55,3 | 94,5 | |
| 55,4 | 94,6 | |
| 55,5 | 94,6 | |
| 55,6 | 94,6 | |
| 55,6 | 94,6 | |
| 55,7 | 94,6 | |
| 55,8 | 94,7 | |
| 55,9 | 94,7 | |
| 56,0 | 94,7 | |
| 56,1 | 94,7 | |
| 56,2 | 94,7 | |
| 56,3 | 94,7 | |
| 56,4 | 94,8 | |
| 56,5 | 94,8 | |
| 56,6 | 94,8 | |
| 56,7 | 94,8 | |
| 56,8 | 94,8 | |
| 56,9 | 94,9 | |
| 57,0 | 94,9 | |
| 57,1 | 94,9 | |
| 57,2 | 94,9 | |
| 57,3 | 94,9 | |
| 57,3 | 94,9 | |
| 57,4 | 95,0 | |
| 57,5 | 95,0 | |
| 57,6 | 95,0 | |
| 57,7 | 95,0 | |
| 57,8 | 95,0 | |
| 57,9 | 95,0 | |
| 58,0 | 95,1 | |
| 58,1 | 95,1 | |
| 58,2 | 95,1 | |
| 58,3 | 95,1 | |
| 58,4 | 95,1 | |
| 58,5 | 95,1 | |
| 58,6 | 95,2 | |
| 58,7 | 95,2 | |
| 58,8 | 95,2 | |
| 58,9 | 95,2 | |
| 58,9 | 95,2 | |
| 59,0 | 95,2 | |
| 59,1 | 95,3 | |
| 59,2 | 95,3 | |
| 59,3 | 95,3 | |
| 59,4 | 95,3 | |
| 59,5 | 95,3 | |
| 59,6 | 95,3 | |
| 59,7 | 95,3 | |
| 59,8 | 95,4 | |
| 59,9 | 95,4 | |
| 60,0 | 95,4 | |
| 60,1 | 95,4 | |
| 60,2 | 95,4 | |
| 60,3 | 95,4 | |
| 60,4 | 95,5 | |
| 60,5 | 95,5 | |
| 60,5 | 95,5 | |
| 60,6 | 95,5 | |
| 60,7 | 95,5 | |
| 60,8 | 95,5 | |
| 60,9 | 95,6 | |
| 61,0 | 95,6 | |
| 61,1 | 95,6 | |
| 61,2 | 95,6 | |
| 61,3 | 95,6 | |
| 61,4 | 95,6 | |
| 61,5 | 95,6 | |
| 61,6 | 95,7 | |
| 61,7 | 95,7 | |
| 61,8 | 95,7 | |
| 61,9 | 95,7 | |
| 62,0 | 95,7 | |
| 62,1 | 95,7 | |
| 62,1 | 95,7 | |
| 62,2 | 95,8 | |
| 62,3 | 95,8 | |
| 62,4 | 95,8 | |
| 62,5 | 95,8 | |
| 62,6 | 95,8 | |
| 62,7 | 95,8 | |
| 62,8 | 95,9 | |
| 62,9 | 95,9 | |
| 63,0 | 95,9 | |
| 63,1 | 95,9 | |
| 63,2 | 95,9 | |
| 63,3 | 95,9 | |
| 63,4 | 95,9 | |
| 63,5 | 96,0 | |
| 63,6 | 96,0 | |
| 63,7 | 96,0 | |
| 63,7 | 96,0 | |
| 63,8 | 96,0 | |
| 63,9 | 96,0 | |
| 64,0 | 96,0 | |
| 64,1 | 96,1 | |
| 64,2 | 96,1 | |
| 64,3 | 96,1 | |
| 64,4 | 96,1 | |
| 64,5 | 96,1 | |
| 64,6 | 96,1 | |
| 64,7 | 96,1 | |
| 64,8 | 96,2 | |
| 64,9 | 96,2 | |
| 65,0 | 96,2 | |
| 65,1 | 96,2 | |
| 65,2 | 96,2 | |
| 65,3 | 96,2 | |
| 65,3 | 96,2 | |
| 65,4 | 96,2 | |
| 65,5 | 96,3 | |
| 65,6 | 96,3 | |
| 65,7 | 96,3 | |
| 65,8 | 96,3 | |
| 65,9 | 96,3 | |
| 66,0 | 96,3 | |
| 66,1 | 96,3 | |
| 66,2 | 96,4 | |
| 66,3 | 96,4 | |
| 66,4 | 96,4 | |
| 66,5 | 96,4 | |
| 66,6 | 96,4 | |
| 66,7 | 96,4 | |
| 66,8 | 96,4 | |
| 66,9 | 96,5 | |
| 66,9 | 96,5 | |
| 67,0 | 96,5 | |
| 67,1 | 96,5 | |
| 67,2 | 96,5 | |
| 67,3 | 96,5 | |
| 67,4 | 96,5 | |
| 67,5 | 96,5 | |
| 67,6 | 96,6 | |
| 67,7 | 96,6 | |
| 67,8 | 96,6 | |
| 67,9 | 96,6 | |
| 68,0 | 96,6 | |
| 68,1 | 96,6 | |
| 68,2 | 96,6 | |
| 68,3 | 96,7 | |
| 68,4 | 96,7 | |
| 68,5 | 96,7 | |
| 68,5 | 96,7 | |
| 68,6 | 96,7 | |
| 68,7 | 96,7 | |
| 68,8 | 96,7 | |
| 68,9 | 96,7 | |
| 69,0 | 96,8 | |
| 69,1 | 96,8 | |
| 69,2 | 96,8 | |
| 69,3 | 96,8 | |
| 69,4 | 96,8 | |
| 69,5 | 96,8 | |
| 69,6 | 96,8 | |
| 69,7 | 96,9 | |
| 69,8 | 96,9 | |
| 69,9 | 96,9 | |
| 70,0 | 96,9 | |
| 70,1 | 96,9 | |
| 70,2 | 96,9 | |
| 70,2 | 96,9 | |
| 70,3 | 96,9 | |
| 70,4 | 97,0 | |
| 70,5 | 97,0 | |
| 70,6 | 97,0 | |
| 70,7 | 97,0 | |
| 70,8 | 97,0 | |
| 70,9 | 97,0 | |
| 71,0 | 97,0 | |
| 71,1 | 97,0 | |
| 71,2 | 97,1 | |
| 71,3 | 97,1 | |
| 71,4 | 97,1 | |
| 71,5 | 97,1 | |
| 71,6 | 97,1 | |
| 71,7 | 97,1 | |
| 71,8 | 97,1 | |
| 71,8 | 97,1 | |
| 71,9 | 97,2 | |
| 72,0 | 97,2 | |
| 72,1 | 97,2 | |
| 72,2 | 97,2 | |
| 72,3 | 97,2 | |
| 72,4 | 97,2 | |
| 72,5 | 97,2 | |
| 72,6 | 97,2 | |
| 72,7 | 97,3 | |
| 72,8 | 97,3 | |
| 72,9 | 97,3 | |
| 73,0 | 97,3 | |
| 73,1 | 97,3 | |
| 73,2 | 97,3 | |
| 73,3 | 97,3 | |
| 73,4 | 97,3 | |
| 73,4 | 97,4 | |
| 73,5 | 97,4 | |
| 73,6 | 97,4 | |
| 73,7 | 97,4 | |
| 73,8 | 97,4 | |
| 73,9 | 97,4 | |
| 74,0 | 97,4 | |
| 74,1 | 97,4 | |
| 74,2 | 97,5 | |
| 74,3 | 97,5 | |
| 74,4 | 97,5 | |
| 74,5 | 97,5 | |
| 74,6 | 97,5 | |
| 74,7 | 97,5 | |
| 74,8 | 97,5 | |
| 74,9 | 97,5 | |
| 75,0 | 97,6 | |
| 75,0 | 97,6 | |
| 75,1 | 97,6 | |
| 75,2 | 97,6 | |
| 75,3 | 97,6 | |
| 75,4 | 97,6 | |
| 75,5 | 97,6 | |
| 75,6 | 97,6 | |
| 75,7 | 97,6 | |
| 75,8 | 97,7 | |
| 75,9 | 97,7 | |
| 76,0 | 97,7 | |
| 76,1 | 97,7 | |
| 76,2 | 97,7 | |
| 76,3 | 97,7 | |
| 76,4 | 97,7 | |
| 76,5 | 97,7 | |
| 76,6 | 97,8 | |
| 76,6 | 97,8 | |
| 76,7 | 97,8 | |
| 76,8 | 97,8 | |
| 76,9 | 97,8 | |
| 77,0 | 97,8 | |
| 77,1 | 97,8 | |
| 77,2 | 97,8 | |
| 77,3 | 97,8 | |
| 77,4 | 97,9 | |
| 77,5 | 97,9 | |
| 77,6 | 97,9 | |
| 77,7 | 97,9 | |
| 77,8 | 97,9 | |
| 77,9 | 97,9 | |
| 78,0 | 97,9 | |
| 78,1 | 97,9 | |
| 78,2 | 97,9 | |
| 78,2 | 98,0 | |
| 78,3 | 98,0 | |
| 78,4 | 98,0 | |
| 78,5 | 98,0 | |
| 78,6 | 98,0 | |
| 78,7 | 98,0 | |
| 78,8 | 98,0 | |
| 78,9 | 98,0 | |
| 79,0 | 98,0 | |
| 79,1 | 98,1 | |
| 79,2 | 98,1 | |
| 79,3 | 98,1 | |
| 79,4 | 98,1 | |
| 79,5 | 98,1 | |
| 79,6 | 98,1 | |
| 79,7 | 98,1 | |
| 79,8 | 98,1 | |
| 79,8 | 98,1 | |
| 79,9 | 98,2 | |
| 80,0 | 98,2 | |
| 80,1 | 98,2 | |
| 80,2 | 98,2 | |
| 80,3 | 98,2 | |
| 80,4 | 98,2 | |
| 80,5 | 98,2 | |
| 80,6 | 98,2 | |
| 80,7 | 98,2 | |
| 80,8 | 98,3 | |
| 80,9 | 98,3 | |
| 81,0 | 98,3 | |
| 81,1 | 98,3 | |
| 81,2 | 98,3 | |
| 81,3 | 98,3 | |
| 81,4 | 98,3 | |
| 81,5 | 98,3 | |
| 81,5 | 98,3 | |
| 81,6 | 98,4 | |
| 81,7 | 98,4 | |
| 81,8 | 98,4 | |
| 81,9 | 98,4 | |
| 82,0 | 98,4 | |
| 82,1 | 98,4 | |
| 82,2 | 98,4 | |
| 82,3 | 98,4 | |
| 82,4 | 98,4 | |
| 82,5 | 98,5 | |
| 82,6 | 98,5 | |
| 82,7 | 98,5 | |
| 82,8 | 98,5 | |
| 82,9 | 98,5 | |
| 83,0 | 98,5 | |
| 83,1 | 98,5 | |
| 83,1 | 98,5 | |
| 83,2 | 98,5 | |
| 83,3 | 98,5 | |
| 83,4 | 98,6 | |
| 83,5 | 98,6 | |
| 83,6 | 98,6 | |
| 83,7 | 98,6 | |
| 83,8 | 98,6 | |
| 83,9 | 98,6 | |
| 84,0 | 98,6 | |
| 84,1 | 98,6 | |
| 84,2 | 98,6 | |
| 84,3 | 98,6 | |
| 84,4 | 98,7 | |
| 84,5 | 98,7 | |
| 84,6 | 98,7 | |
| 84,7 | 98,7 | |
| 84,7 | 98,7 | |
| 84,8 | 98,7 | |
| 84,9 | 98,7 | |
| 85,0 | 98,7 | |
| 85,1 | 98,7 | |
| 85,2 | 98,7 | |
| 85,3 | 98,8 | |
| 85,4 | 98,8 | |
| 85,5 | 98,8 | |
| 85,6 | 98,8 | |
| 85,7 | 98,8 | |
| 85,8 | 98,8 | |
| 85,9 | 98,8 | |
| 86,0 | 98,8 | |
| 86,1 | 98,8 | |
| 86,2 | 98,9 | |
| 86,3 | 98,9 | |
| 86,3 | 98,9 | |
| 86,4 | 98,9 | |
| 86,5 | 98,9 | |
| 86,6 | 98,9 | |
| 86,7 | 98,9 | |
| 86,8 | 98,9 | |
| 86,9 | 98,9 | |
| 87,0 | 98,9 | |
| 87,1 | 98,9 | |
| 87,2 | 99,0 | |
| 87,3 | 99,0 | |
| 87,4 | 99,0 | |
| 87,5 | 99,0 | |
| 87,6 | 99,0 | |
| 87,7 | 99,0 | |
| 87,8 | 99,0 | |
| 87,9 | 99,0 | |
| 87,9 | 99,0 | |
| 88,0 | 99,0 | |
| 88,1 | 99,1 | |
| 88,2 | 99,1 | |
| 88,3 | 99,1 | |
| 88,4 | 99,1 | |
| 88,5 | 99,1 | |
| 88,6 | 99,1 | |
| 88,7 | 99,1 | |
| 88,8 | 99,1 | |
| 88,9 | 99,1 | |
| 89,0 | 99,1 | |
| 89,1 | 99,1 | |
| 89,2 | 99,2 | |
| 89,3 | 99,2 | |
| 89,4 | 99,2 | |
| 89,5 | 99,2 | |
| 89,5 | 99,2 | |
| 89,6 | 99,2 | |
| 89,7 | 99,2 | |
| 89,8 | 99,2 | |
| 89,9 | 99,2 | |
| 90,0 | 99,2 | |
| 90,1 | 99,2 | |
| 90,2 | 99,3 | |
| 90,3 | 99,3 | |
| 90,4 | 99,3 | |
| 90,5 | 99,3 | |
| 90,6 | 99,3 | |
| 90,7 | 99,3 | |
| 90,8 | 99,3 | |
| 90,9 | 99,3 | |
| 91,0 | 99,3 | |
| 91,1 | 99,3 | |
| 91,1 | 99,3 | |
| 91,2 | 99,4 | |
| 91,3 | 99,4 | |
| 91,4 | 99,4 | |
| 91,5 | 99,4 | |
| 91,6 | 99,4 | |
| 91,7 | 99,4 | |
| 91,8 | 99,4 | |
| 91,9 | 99,4 | |
| 92,0 | 99,4 | |
| 92,1 | 99,4 | |
| 92,2 | 99,4 | |
| 92,3 | 99,4 | |
| 92,4 | 99,5 | |
| 92,5 | 99,5 | |
| 92,6 | 99,5 | |
| 92,7 | 99,5 | |
| 92,7 | 99,5 | |
| 92,8 | 99,5 | |
| 92,9 | 99,5 | |
| 93,0 | 99,5 | |
| 93,1 | 99,5 | |
| 93,2 | 99,5 | |
| 93,3 | 99,5 | |
| 93,4 | 99,5 | |
| 93,5 | 99,6 | |
| 93,6 | 99,6 | |
| 93,7 | 99,6 | |
| 93,8 | 99,6 | |
| 93,9 | 99,6 | |
| 94,0 | 99,6 | |
| 94,1 | 99,6 | |
| 94,2 | 99,6 | |
| 94,3 | 99,6 | |
| 94,4 | 99,6 | |
| 94,4 | 99,6 | |
| 94,5 | 99,6 | |
| 94,6 | 99,6 | |
| 94,7 | 99,7 | |
| 94,8 | 99,7 | |
| 94,9 | 99,7 | |
| 95,0 | 99,7 | |
| 95,1 | 99,7 | |
| 95,2 | 99,7 | |
| 95,3 | 99,7 | |
| 95,4 | 99,7 | |
| 95,5 | 99,7 | |
| 95,6 | 99,7 | |
| 95,7 | 99,7 | |
| 95,8 | 99,7 | |
| 95,9 | 99,7 | |
| 96,0 | 99,7 | |
| 96,0 | 99,8 | |
| 96,1 | 99,8 | |
| 96,2 | 99,8 | |
| 96,3 | 99,8 | |
| 96,4 | 99,8 | |
| 96,5 | 99,8 | |
| 96,6 | 99,8 | |
| 96,7 | 99,8 | |
| 96,8 | 99,8 | |
| 96,9 | 99,8 | |
| 97,0 | 99,8 | |
| 97,1 | 99,8 | |
| 97,2 | 99,8 | |
| 97,3 | 99,8 | |
| 97,4 | 99,9 | |
| 97,5 | 99,9 | |
| 97,6 | 99,9 | |
| 97,6 | 99,9 | |
| 97,7 | 99,9 | |
| 97,8 | 99,9 | |
| 97,9 | 99,9 | |
| 98,0 | 99,9 | |
| 98,1 | 99,9 | |
| 98,2 | 99,9 | |
| 98,3 | 99,9 | |
| 98,4 | 99,9 | |
| 98,5 | 99,9 | |
| 98,6 | 99,9 | |
| 98,7 | 99,9 | |
| 98,8 | 99,9 | |
| 98,9 | 100,0 | |
| 99,0 | 100,0 | |
| 99,1 | 100,0 | |
| 99,2 | 100,0 | |
| 99,2 | 100,0 | |
| 99,3 | 100,0 | |
| 99,4 | 100,0 | |
| 99,5 | 100,0 | |
| 99,6 | 100,0 | |
| 99,7 | 100,0 | |
| 99,8 | 100,0 | |
| 99,9 | 100,0 | |
| 100,0 | 100,0 | |
| Categorie | % bedrijven met AI-vacatures (% bedrijven met AI-vacatures) | % totaal aantal AI-vacatures (% totaal aantal AI-vacatures) |
| 0,0 | 0,0 | 0,0 |
| 0,1 | 0,1 | 5,6 |
| 0,2 | 0,2 | 9,6 |
| 0,3 | 0,3 | 13,0 |
| 0,4 | 0,4 | 15,4 |
| 0,5 | 0,5 | 17,6 |
| 0,6 | 0,6 | 19,7 |
| 0,7 | 0,7 | 21,6 |
| 0,8 | 0,8 | 23,5 |
| 0,8 | 0,8 | 25,1 |
| 0,9 | 0,9 | 26,7 |
| 1,0 | 1,0 | 28,3 |
| 1,1 | 1,1 | 29,9 |
| 1,2 | 1,2 | 31,4 |
| 1,3 | 1,3 | 32,7 |
| 1,4 | 1,4 | 33,9 |
| 1,5 | 1,5 | 35,1 |
| 1,6 | 1,6 | 36,2 |
| 1,7 | 1,7 | 37,2 |
| 1,8 | 1,8 | 38,2 |
| 1,9 | 1,9 | 39,1 |
| 2,0 | 2,0 | 39,9 |
| 2,1 | 2,1 | 40,7 |
| 2,2 | 2,2 | 41,4 |
| 2,3 | 2,3 | 42,1 |
| 2,4 | 2,4 | 42,6 |
| 2,4 | 2,4 | 43,2 |
| 2,5 | 2,5 | 43,8 |
| 2,6 | 2,6 | 44,4 |
| 2,7 | 2,7 | 44,9 |
| 2,8 | 2,8 | 45,3 |
| 2,9 | 2,9 | 45,8 |
| 3,0 | 3,0 | 46,3 |
| 3,1 | 3,1 | 46,8 |
| 3,2 | 3,2 | 47,2 |
| 3,3 | 3,3 | 47,7 |
| 3,4 | 3,4 | 48,2 |
| 3,5 | 3,5 | 48,6 |
| 3,6 | 3,6 | 49,1 |
| 3,7 | 3,7 | 49,5 |
| 3,8 | 3,8 | 50,0 |
| 3,9 | 3,9 | 50,4 |
| 4,0 | 4,0 | 50,8 |
| 4,0 | 4,0 | 51,2 |
| 4,1 | 4,1 | 51,6 |
| 4,2 | 4,2 | 51,9 |
| 4,3 | 4,3 | 52,3 |
| 4,4 | 4,4 | 52,7 |
| 4,5 | 4,5 | 53,0 |
| 4,6 | 4,6 | 53,4 |
| 4,7 | 4,7 | 53,7 |
| 4,8 | 4,8 | 54,0 |
| 4,9 | 4,9 | 54,3 |
| 5,0 | 5,0 | 54,7 |
| 5,1 | 5,1 | 55,0 |
| 5,2 | 5,2 | 55,3 |
| 5,3 | 5,3 | 55,6 |
| 5,4 | 5,4 | 55,9 |
| 5,5 | 5,5 | 56,2 |
| 5,6 | 5,6 | 56,5 |
| 5,6 | 5,6 | 56,8 |
| 5,7 | 5,7 | 57,1 |
| 5,8 | 5,8 | 57,3 |
| 5,9 | 5,9 | 57,6 |
| 6,0 | 6,0 | 57,9 |
| 6,1 | 6,1 | 58,1 |
| 6,2 | 6,2 | 58,4 |
| 6,3 | 6,3 | 58,7 |
| 6,4 | 6,4 | 58,9 |
| 6,5 | 6,5 | 59,2 |
| 6,6 | 6,6 | 59,4 |
| 6,7 | 6,7 | 59,7 |
| 6,8 | 6,8 | 59,9 |
| 6,9 | 6,9 | 60,1 |
| 7,0 | 7,0 | 60,4 |
| 7,1 | 7,1 | 60,6 |
| 7,2 | 7,2 | 60,8 |
| 7,3 | 7,3 | 61,1 |
| 7,3 | 7,3 | 61,3 |
| 7,4 | 7,4 | 61,5 |
| 7,5 | 7,5 | 61,8 |
| 7,6 | 7,6 | 62,0 |
| 7,7 | 7,7 | 62,2 |
| 7,8 | 7,8 | 62,4 |
| 7,9 | 7,9 | 62,6 |
| 8,0 | 8,0 | 62,9 |
| 8,1 | 8,1 | 63,1 |
| 8,2 | 8,2 | 63,3 |
| 8,3 | 8,3 | 63,5 |
| 8,4 | 8,4 | 63,7 |
| 8,5 | 8,5 | 64,0 |
| 8,6 | 8,6 | 64,2 |
| 8,7 | 8,7 | 64,4 |
| 8,8 | 8,8 | 64,6 |
| 8,9 | 8,9 | 64,8 |
| 8,9 | 8,9 | 65,0 |
| 9,0 | 9,0 | 65,2 |
| 9,1 | 9,1 | 65,4 |
| 9,2 | 9,2 | 65,6 |
| 9,3 | 9,3 | 65,8 |
| 9,4 | 9,4 | 66,0 |
| 9,5 | 9,5 | 66,2 |
| 9,6 | 9,6 | 66,4 |
| 9,7 | 9,7 | 66,6 |
| 9,8 | 9,8 | 66,8 |
| 9,9 | 9,9 | 67,0 |
| 10,0 | 10,0 | 67,2 |
| 10,1 | 10,1 | 67,4 |
| 10,2 | 10,2 | 67,6 |
| 10,3 | 10,3 | 67,8 |
| 10,4 | 10,4 | 67,9 |
| 10,5 | 10,5 | 68,1 |
| 10,5 | 10,5 | 68,3 |
| 10,6 | 10,6 | 68,5 |
| 10,7 | 10,7 | 68,6 |
| 10,8 | 10,8 | 68,8 |
| 10,9 | 10,9 | 69,0 |
| 11,0 | 11,0 | 69,2 |
| 11,1 | 11,1 | 69,3 |
| 11,2 | 11,2 | 69,5 |
| 11,3 | 11,3 | 69,6 |
| 11,4 | 11,4 | 69,8 |
| 11,5 | 11,5 | 70,0 |
| 11,6 | 11,6 | 70,1 |
| 11,7 | 11,7 | 70,3 |
| 11,8 | 11,8 | 70,4 |
| 11,9 | 11,9 | 70,6 |
| 12,0 | 12,0 | 70,7 |
| 12,1 | 12,1 | 70,9 |
| 12,1 | 12,1 | 71,0 |
| 12,2 | 12,2 | 71,2 |
| 12,3 | 12,3 | 71,3 |
| 12,4 | 12,4 | 71,5 |
| 12,5 | 12,5 | 71,6 |
| 12,6 | 12,6 | 71,7 |
| 12,7 | 12,7 | 71,9 |
| 12,8 | 12,8 | 72,0 |
| 12,9 | 12,9 | 72,1 |
| 13,0 | 13,0 | 72,3 |
| 13,1 | 13,1 | 72,4 |
| 13,2 | 13,2 | 72,5 |
| 13,3 | 13,3 | 72,7 |
| 13,4 | 13,4 | 72,8 |
| 13,5 | 13,5 | 72,9 |
| 13,6 | 13,6 | 73,1 |
| 13,7 | 13,7 | 73,2 |
| 13,7 | 13,7 | 73,3 |
| 13,8 | 13,8 | 73,4 |
| 13,9 | 13,9 | 73,6 |
| 14,0 | 14,0 | 73,7 |
| 14,1 | 14,1 | 73,8 |
| 14,2 | 14,2 | 73,9 |
| 14,3 | 14,3 | 74,1 |
| 14,4 | 14,4 | 74,2 |
| 14,5 | 14,5 | 74,3 |
| 14,6 | 14,6 | 74,4 |
| 14,7 | 14,7 | 74,6 |
| 14,8 | 14,8 | 74,7 |
| 14,9 | 14,9 | 74,8 |
| 15,0 | 15,0 | 74,9 |
| 15,1 | 15,1 | 75,0 |
| 15,2 | 15,2 | 75,1 |
| 15,3 | 15,3 | 75,3 |
| 15,3 | 15,3 | 75,4 |
| 15,4 | 15,4 | 75,5 |
| 15,5 | 15,5 | 75,6 |
| 15,6 | 15,6 | 75,7 |
| 15,7 | 15,7 | 75,8 |
| 15,8 | 15,8 | 76,0 |
| 15,9 | 15,9 | 76,1 |
| 16,0 | 16,0 | 76,2 |
| 16,1 | 16,1 | 76,3 |
| 16,2 | 16,2 | 76,4 |
| 16,3 | 16,3 | 76,5 |
| 16,4 | 16,4 | 76,6 |
| 16,5 | 16,5 | 76,7 |
| 16,6 | 16,6 | 76,8 |
| 16,7 | 16,7 | 76,9 |
| 16,8 | 16,8 | 77,0 |
| 16,9 | 16,9 | 77,1 |
| 16,9 | 16,9 | 77,2 |
| 17,0 | 17,0 | 77,3 |
| 17,1 | 17,1 | 77,4 |
| 17,2 | 17,2 | 77,5 |
| 17,3 | 17,3 | 77,6 |
| 17,4 | 17,4 | 77,7 |
| 17,5 | 17,5 | 77,8 |
| 17,6 | 17,6 | 77,9 |
| 17,7 | 17,7 | 78,0 |
| 17,8 | 17,8 | 78,1 |
| 17,9 | 17,9 | 78,2 |
| 18,0 | 18,0 | 78,3 |
| 18,1 | 18,1 | 78,4 |
| 18,2 | 18,2 | 78,5 |
| 18,3 | 18,3 | 78,6 |
| 18,4 | 18,4 | 78,6 |
| 18,5 | 18,5 | 78,7 |
| 18,5 | 18,5 | 78,8 |
| 18,6 | 18,6 | 78,9 |
| 18,7 | 18,7 | 79,0 |
| 18,8 | 18,8 | 79,1 |
| 18,9 | 18,9 | 79,2 |
| 19,0 | 19,0 | 79,3 |
| 19,1 | 19,1 | 79,3 |
| 19,2 | 19,2 | 79,4 |
| 19,3 | 19,3 | 79,5 |
| 19,4 | 19,4 | 79,6 |
| 19,5 | 19,5 | 79,7 |
| 19,6 | 19,6 | 79,8 |
| 19,7 | 19,7 | 79,8 |
| 19,8 | 19,8 | 79,9 |
| 19,9 | 19,9 | 80,0 |
| 20,0 | 20,0 | 80,1 |
| 20,1 | 20,1 | 80,2 |
| 20,2 | 20,2 | 80,2 |
| 20,2 | 20,2 | 80,3 |
| 20,3 | 20,3 | 80,4 |
| 20,4 | 20,4 | 80,5 |
| 20,5 | 20,5 | 80,5 |
| 20,6 | 20,6 | 80,6 |
| 20,7 | 20,7 | 80,7 |
| 20,8 | 20,8 | 80,8 |
| 20,9 | 20,9 | 80,9 |
| 21,0 | 21,0 | 80,9 |
| 21,1 | 21,1 | 81,0 |
| 21,2 | 21,2 | 81,1 |
| 21,3 | 21,3 | 81,2 |
| 21,4 | 21,4 | 81,2 |
| 21,5 | 21,5 | 81,3 |
| 21,6 | 21,6 | 81,4 |
| 21,7 | 21,7 | 81,5 |
| 21,8 | 21,8 | 81,5 |
| 21,8 | 21,8 | 81,6 |
| 21,9 | 21,9 | 81,7 |
| 22,0 | 22,0 | 81,7 |
| 22,1 | 22,1 | 81,8 |
| 22,2 | 22,2 | 81,9 |
| 22,3 | 22,3 | 82,0 |
| 22,4 | 22,4 | 82,0 |
| 22,5 | 22,5 | 82,1 |
| 22,6 | 22,6 | 82,2 |
| 22,7 | 22,7 | 82,2 |
| 22,8 | 22,8 | 82,3 |
| 22,9 | 22,9 | 82,4 |
| 23,0 | 23,0 | 82,4 |
| 23,1 | 23,1 | 82,5 |
| 23,2 | 23,2 | 82,6 |
| 23,3 | 23,3 | 82,6 |
| 23,4 | 23,4 | 82,7 |
| 23,4 | 23,4 | 82,8 |
| 23,5 | 23,5 | 82,8 |
| 23,6 | 23,6 | 82,9 |
| 23,7 | 23,7 | 83,0 |
| 23,8 | 23,8 | 83,0 |
| 23,9 | 23,9 | 83,1 |
| 24,0 | 24,0 | 83,2 |
| 24,1 | 24,1 | 83,2 |
| 24,2 | 24,2 | 83,3 |
| 24,3 | 24,3 | 83,4 |
| 24,4 | 24,4 | 83,4 |
| 24,5 | 24,5 | 83,5 |
| 24,6 | 24,6 | 83,6 |
| 24,7 | 24,7 | 83,6 |
| 24,8 | 24,8 | 83,7 |
| 24,9 | 24,9 | 83,7 |
| 25,0 | 25,0 | 83,8 |
| 25,0 | 25,0 | 83,9 |
| 25,1 | 25,1 | 83,9 |
| 25,2 | 25,2 | 84,0 |
| 25,3 | 25,3 | 84,1 |
| 25,4 | 25,4 | 84,1 |
| 25,5 | 25,5 | 84,2 |
| 25,6 | 25,6 | 84,2 |
| 25,7 | 25,7 | 84,3 |
| 25,8 | 25,8 | 84,4 |
| 25,9 | 25,9 | 84,4 |
| 26,0 | 26,0 | 84,5 |
| 26,1 | 26,1 | 84,5 |
| 26,2 | 26,2 | 84,6 |
| 26,3 | 26,3 | 84,7 |
| 26,4 | 26,4 | 84,7 |
| 26,5 | 26,5 | 84,8 |
| 26,6 | 26,6 | 84,8 |
| 26,6 | 26,6 | 84,9 |
| 26,7 | 26,7 | 84,9 |
| 26,8 | 26,8 | 85,0 |
| 26,9 | 26,9 | 85,0 |
| 27,0 | 27,0 | 85,1 |
| 27,1 | 27,1 | 85,2 |
| 27,2 | 27,2 | 85,2 |
| 27,3 | 27,3 | 85,3 |
| 27,4 | 27,4 | 85,3 |
| 27,5 | 27,5 | 85,4 |
| 27,6 | 27,6 | 85,4 |
| 27,7 | 27,7 | 85,5 |
| 27,8 | 27,8 | 85,5 |
| 27,9 | 27,9 | 85,6 |
| 28,0 | 28,0 | 85,6 |
| 28,1 | 28,1 | 85,7 |
| 28,2 | 28,2 | 85,7 |
| 28,2 | 28,2 | 85,8 |
| 28,3 | 28,3 | 85,8 |
| 28,4 | 28,4 | 85,9 |
| 28,5 | 28,5 | 85,9 |
| 28,6 | 28,6 | 86,0 |
| 28,7 | 28,7 | 86,0 |
| 28,8 | 28,8 | 86,1 |
| 28,9 | 28,9 | 86,2 |
| 29,0 | 29,0 | 86,2 |
| 29,1 | 29,1 | 86,3 |
| 29,2 | 29,2 | 86,3 |
| 29,3 | 29,3 | 86,4 |
| 29,4 | 29,4 | 86,4 |
| 29,5 | 29,5 | 86,4 |
| 29,6 | 29,6 | 86,5 |
| 29,7 | 29,7 | 86,5 |
| 29,8 | 29,8 | 86,6 |
| 29,8 | 29,8 | 86,6 |
| 29,9 | 29,9 | 86,7 |
| 30,0 | 30,0 | 86,7 |
| 30,1 | 30,1 | 86,8 |
| 30,2 | 30,2 | 86,8 |
| 30,3 | 30,3 | 86,9 |
| 30,4 | 30,4 | 86,9 |
| 30,5 | 30,5 | 87,0 |
| 30,6 | 30,6 | 87,0 |
| 30,7 | 30,7 | 87,1 |
| 30,8 | 30,8 | 87,1 |
| 30,9 | 30,9 | 87,1 |
| 31,0 | 31,0 | 87,2 |
| 31,1 | 31,1 | 87,2 |
| 31,2 | 31,2 | 87,3 |
| 31,3 | 31,3 | 87,3 |
| 31,4 | 31,4 | 87,4 |
| 31,5 | 31,5 | 87,4 |
| 31,5 | 31,5 | 87,5 |
| 31,6 | 31,6 | 87,5 |
| 31,7 | 31,7 | 87,5 |
| 31,8 | 31,8 | 87,6 |
| 31,9 | 31,9 | 87,6 |
| 32,0 | 32,0 | 87,7 |
| 32,1 | 32,1 | 87,7 |
| 32,2 | 32,2 | 87,8 |
| 32,3 | 32,3 | 87,8 |
| 32,4 | 32,4 | 87,8 |
| 32,5 | 32,5 | 87,9 |
| 32,6 | 32,6 | 87,9 |
| 32,7 | 32,7 | 88,0 |
| 32,8 | 32,8 | 88,0 |
| 32,9 | 32,9 | 88,0 |
| 33,0 | 33,0 | 88,1 |
| 33,1 | 33,1 | 88,1 |
| 33,1 | 33,1 | 88,2 |
| 33,2 | 33,2 | 88,2 |
| 33,3 | 33,3 | 88,2 |
| 33,4 | 33,4 | 88,3 |
| 33,5 | 33,5 | 88,3 |
| 33,6 | 33,6 | 88,4 |
| 33,7 | 33,7 | 88,4 |
| 33,8 | 33,8 | 88,4 |
| 33,9 | 33,9 | 88,5 |
| 34,0 | 34,0 | 88,5 |
| 34,1 | 34,1 | 88,6 |
| 34,2 | 34,2 | 88,6 |
| 34,3 | 34,3 | 88,6 |
| 34,4 | 34,4 | 88,7 |
| 34,5 | 34,5 | 88,7 |
| 34,6 | 34,6 | 88,7 |
| 34,7 | 34,7 | 88,8 |
| 34,7 | 34,7 | 88,8 |
| 34,8 | 34,8 | 88,9 |
| 34,9 | 34,9 | 88,9 |
| 35,0 | 35,0 | 88,9 |
| 35,1 | 35,1 | 89,0 |
| 35,2 | 35,2 | 89,0 |
| 35,3 | 35,3 | 89,0 |
| 35,4 | 35,4 | 89,1 |
| 35,5 | 35,5 | 89,1 |
| 35,6 | 35,6 | 89,2 |
| 35,7 | 35,7 | 89,2 |
| 35,8 | 35,8 | 89,2 |
| 35,9 | 35,9 | 89,3 |
| 36,0 | 36,0 | 89,3 |
| 36,1 | 36,1 | 89,3 |
| 36,2 | 36,2 | 89,4 |
| 36,3 | 36,3 | 89,4 |
| 36,3 | 36,3 | 89,4 |
| 36,4 | 36,4 | 89,5 |
| 36,5 | 36,5 | 89,5 |
| 36,6 | 36,6 | 89,5 |
| 36,7 | 36,7 | 89,6 |
| 36,8 | 36,8 | 89,6 |
| 36,9 | 36,9 | 89,7 |
| 37,0 | 37,0 | 89,7 |
| 37,1 | 37,1 | 89,7 |
| 37,2 | 37,2 | 89,8 |
| 37,3 | 37,3 | 89,8 |
| 37,4 | 37,4 | 89,8 |
| 37,5 | 37,5 | 89,9 |
| 37,6 | 37,6 | 89,9 |
| 37,7 | 37,7 | 89,9 |
| 37,8 | 37,8 | 90,0 |
| 37,9 | 37,9 | 90,0 |
| 37,9 | 37,9 | 90,0 |
| 38,0 | 38,0 | 90,1 |
| 38,1 | 38,1 | 90,1 |
| 38,2 | 38,2 | 90,1 |
| 38,3 | 38,3 | 90,2 |
| 38,4 | 38,4 | 90,2 |
| 38,5 | 38,5 | 90,2 |
| 38,6 | 38,6 | 90,3 |
| 38,7 | 38,7 | 90,3 |
| 38,8 | 38,8 | 90,3 |
| 38,9 | 38,9 | 90,4 |
| 39,0 | 39,0 | 90,4 |
| 39,1 | 39,1 | 90,4 |
| 39,2 | 39,2 | 90,4 |
| 39,3 | 39,3 | 90,5 |
| 39,4 | 39,4 | 90,5 |
| 39,5 | 39,5 | 90,5 |
| 39,5 | 39,5 | 90,6 |
| 39,6 | 39,6 | 90,6 |
| 39,7 | 39,7 | 90,6 |
| 39,8 | 39,8 | 90,7 |
| 39,9 | 39,9 | 90,7 |
| 40,0 | 40,0 | 90,7 |
| 40,1 | 40,1 | 90,8 |
| 40,2 | 40,2 | 90,8 |
| 40,3 | 40,3 | 90,8 |
| 40,4 | 40,4 | 90,8 |
| 40,5 | 40,5 | 90,9 |
| 40,6 | 40,6 | 90,9 |
| 40,7 | 40,7 | 90,9 |
| 40,8 | 40,8 | 91,0 |
| 40,9 | 40,9 | 91,0 |
| 41,0 | 41,0 | 91,0 |
| 41,1 | 41,1 | 91,1 |
| 41,1 | 41,1 | 91,1 |
| 41,2 | 41,2 | 91,1 |
| 41,3 | 41,3 | 91,1 |
| 41,4 | 41,4 | 91,2 |
| 41,5 | 41,5 | 91,2 |
| 41,6 | 41,6 | 91,2 |
| 41,7 | 41,7 | 91,3 |
| 41,8 | 41,8 | 91,3 |
| 41,9 | 41,9 | 91,3 |
| 42,0 | 42,0 | 91,3 |
| 42,1 | 42,1 | 91,4 |
| 42,2 | 42,2 | 91,4 |
| 42,3 | 42,3 | 91,4 |
| 42,4 | 42,4 | 91,5 |
| 42,5 | 42,5 | 91,5 |
| 42,6 | 42,6 | 91,5 |
| 42,7 | 42,7 | 91,5 |
| 42,7 | 42,7 | 91,6 |
| 42,8 | 42,8 | 91,6 |
| 42,9 | 42,9 | 91,6 |
| 43,0 | 43,0 | 91,6 |
| 43,1 | 43,1 | 91,7 |
| 43,2 | 43,2 | 91,7 |
| 43,3 | 43,3 | 91,7 |
| 43,4 | 43,4 | 91,7 |
| 43,5 | 43,5 | 91,8 |
| 43,6 | 43,6 | 91,8 |
| 43,7 | 43,7 | 91,8 |
| 43,8 | 43,8 | 91,9 |
| 43,9 | 43,9 | 91,9 |
| 44,0 | 44,0 | 91,9 |
| 44,1 | 44,1 | 91,9 |
| 44,2 | 44,2 | 92,0 |
| 44,3 | 44,3 | 92,0 |
| 44,4 | 44,4 | 92,0 |
| 44,4 | 44,4 | 92,0 |
| 44,5 | 44,5 | 92,1 |
| 44,6 | 44,6 | 92,1 |
| 44,7 | 44,7 | 92,1 |
| 44,8 | 44,8 | 92,1 |
| 44,9 | 44,9 | 92,2 |
| 45,0 | 45,0 | 92,2 |
| 45,1 | 45,1 | 92,2 |
| 45,2 | 45,2 | 92,2 |
| 45,3 | 45,3 | 92,3 |
| 45,4 | 45,4 | 92,3 |
| 45,5 | 45,5 | 92,3 |
| 45,6 | 45,6 | 92,3 |
| 45,7 | 45,7 | 92,4 |
| 45,8 | 45,8 | 92,4 |
| 45,9 | 45,9 | 92,4 |
| 46,0 | 46,0 | 92,4 |
| 46,0 | 46,0 | 92,5 |
| 46,1 | 46,1 | 92,5 |
| 46,2 | 46,2 | 92,5 |
| 46,3 | 46,3 | 92,5 |
| 46,4 | 46,4 | 92,6 |
| 46,5 | 46,5 | 92,6 |
| 46,6 | 46,6 | 92,6 |
| 46,7 | 46,7 | 92,6 |
| 46,8 | 46,8 | 92,7 |
| 46,9 | 46,9 | 92,7 |
| 47,0 | 47,0 | 92,7 |
| 47,1 | 47,1 | 92,7 |
| 47,2 | 47,2 | 92,7 |
| 47,3 | 47,3 | 92,8 |
| 47,4 | 47,4 | 92,8 |
| 47,5 | 47,5 | 92,8 |
| 47,6 | 47,6 | 92,8 |
| 47,6 | 47,6 | 92,9 |
| 47,7 | 47,7 | 92,9 |
| 47,8 | 47,8 | 92,9 |
| 47,9 | 47,9 | 92,9 |
| 48,0 | 48,0 | 93,0 |
| 48,1 | 48,1 | 93,0 |
| 48,2 | 48,2 | 93,0 |
| 48,3 | 48,3 | 93,0 |
| 48,4 | 48,4 | 93,0 |
| 48,5 | 48,5 | 93,1 |
| 48,6 | 48,6 | 93,1 |
| 48,7 | 48,7 | 93,1 |
| 48,8 | 48,8 | 93,1 |
| 48,9 | 48,9 | 93,2 |
| 49,0 | 49,0 | 93,2 |
| 49,1 | 49,1 | 93,2 |
| 49,2 | 49,2 | 93,2 |
| 49,2 | 49,2 | 93,2 |
| 49,3 | 49,3 | 93,3 |
| 49,4 | 49,4 | 93,3 |
| 49,5 | 49,5 | 93,3 |
| 49,6 | 49,6 | 93,3 |
| 49,7 | 49,7 | 93,4 |
| 49,8 | 49,8 | 93,4 |
| 49,9 | 49,9 | 93,4 |
| 50,0 | 50,0 | 93,4 |
| 50,1 | 50,1 | 93,4 |
| 50,2 | 50,2 | 93,5 |
| 50,3 | 50,3 | 93,5 |
| 50,4 | 50,4 | 93,5 |
| 50,5 | 50,5 | 93,5 |
| 50,6 | 50,6 | 93,6 |
| 50,7 | 50,7 | 93,6 |
| 50,8 | 50,8 | 93,6 |
| 50,8 | 50,8 | 93,6 |
| 50,9 | 50,9 | 93,6 |
| 51,0 | 51,0 | 93,7 |
| 51,1 | 51,1 | 93,7 |
| 51,2 | 51,2 | 93,7 |
| 51,3 | 51,3 | 93,7 |
| 51,4 | 51,4 | 93,7 |
| 51,5 | 51,5 | 93,8 |
| 51,6 | 51,6 | 93,8 |
| 51,7 | 51,7 | 93,8 |
| 51,8 | 51,8 | 93,8 |
| 51,9 | 51,9 | 93,9 |
| 52,0 | 52,0 | 93,9 |
| 52,1 | 52,1 | 93,9 |
| 52,2 | 52,2 | 93,9 |
| 52,3 | 52,3 | 93,9 |
| 52,4 | 52,4 | 94,0 |
| 52,4 | 52,4 | 94,0 |
| 52,5 | 52,5 | 94,0 |
| 52,6 | 52,6 | 94,0 |
| 52,7 | 52,7 | 94,0 |
| 52,8 | 52,8 | 94,1 |
| 52,9 | 52,9 | 94,1 |
| 53,0 | 53,0 | 94,1 |
| 53,1 | 53,1 | 94,1 |
| 53,2 | 53,2 | 94,1 |
| 53,3 | 53,3 | 94,2 |
| 53,4 | 53,4 | 94,2 |
| 53,5 | 53,5 | 94,2 |
| 53,6 | 53,6 | 94,2 |
| 53,7 | 53,7 | 94,2 |
| 53,8 | 53,8 | 94,2 |
| 53,9 | 53,9 | 94,3 |
| 54,0 | 54,0 | 94,3 |
| 54,0 | 54,0 | 94,3 |
| 54,1 | 54,1 | 94,3 |
| 54,2 | 54,2 | 94,3 |
| 54,3 | 54,3 | 94,4 |
| 54,4 | 54,4 | 94,4 |
| 54,5 | 54,5 | 94,4 |
| 54,6 | 54,6 | 94,4 |
| 54,7 | 54,7 | 94,4 |
| 54,8 | 54,8 | 94,5 |
| 54,9 | 54,9 | 94,5 |
| 55,0 | 55,0 | 94,5 |
| 55,1 | 55,1 | 94,5 |
| 55,2 | 55,2 | 94,5 |
| 55,3 | 55,3 | 94,5 |
| 55,4 | 55,4 | 94,6 |
| 55,5 | 55,5 | 94,6 |
| 55,6 | 55,6 | 94,6 |
| 55,6 | 55,6 | 94,6 |
| 55,7 | 55,7 | 94,6 |
| 55,8 | 55,8 | 94,7 |
| 55,9 | 55,9 | 94,7 |
| 56,0 | 56,0 | 94,7 |
| 56,1 | 56,1 | 94,7 |
| 56,2 | 56,2 | 94,7 |
| 56,3 | 56,3 | 94,7 |
| 56,4 | 56,4 | 94,8 |
| 56,5 | 56,5 | 94,8 |
| 56,6 | 56,6 | 94,8 |
| 56,7 | 56,7 | 94,8 |
| 56,8 | 56,8 | 94,8 |
| 56,9 | 56,9 | 94,9 |
| 57,0 | 57,0 | 94,9 |
| 57,1 | 57,1 | 94,9 |
| 57,2 | 57,2 | 94,9 |
| 57,3 | 57,3 | 94,9 |
| 57,3 | 57,3 | 94,9 |
| 57,4 | 57,4 | 95,0 |
| 57,5 | 57,5 | 95,0 |
| 57,6 | 57,6 | 95,0 |
| 57,7 | 57,7 | 95,0 |
| 57,8 | 57,8 | 95,0 |
| 57,9 | 57,9 | 95,0 |
| 58,0 | 58,0 | 95,1 |
| 58,1 | 58,1 | 95,1 |
| 58,2 | 58,2 | 95,1 |
| 58,3 | 58,3 | 95,1 |
| 58,4 | 58,4 | 95,1 |
| 58,5 | 58,5 | 95,1 |
| 58,6 | 58,6 | 95,2 |
| 58,7 | 58,7 | 95,2 |
| 58,8 | 58,8 | 95,2 |
| 58,9 | 58,9 | 95,2 |
| 58,9 | 58,9 | 95,2 |
| 59,0 | 59,0 | 95,2 |
| 59,1 | 59,1 | 95,3 |
| 59,2 | 59,2 | 95,3 |
| 59,3 | 59,3 | 95,3 |
| 59,4 | 59,4 | 95,3 |
| 59,5 | 59,5 | 95,3 |
| 59,6 | 59,6 | 95,3 |
| 59,7 | 59,7 | 95,3 |
| 59,8 | 59,8 | 95,4 |
| 59,9 | 59,9 | 95,4 |
| 60,0 | 60,0 | 95,4 |
| 60,1 | 60,1 | 95,4 |
| 60,2 | 60,2 | 95,4 |
| 60,3 | 60,3 | 95,4 |
| 60,4 | 60,4 | 95,5 |
| 60,5 | 60,5 | 95,5 |
| 60,5 | 60,5 | 95,5 |
| 60,6 | 60,6 | 95,5 |
| 60,7 | 60,7 | 95,5 |
| 60,8 | 60,8 | 95,5 |
| 60,9 | 60,9 | 95,6 |
| 61,0 | 61,0 | 95,6 |
| 61,1 | 61,1 | 95,6 |
| 61,2 | 61,2 | 95,6 |
| 61,3 | 61,3 | 95,6 |
| 61,4 | 61,4 | 95,6 |
| 61,5 | 61,5 | 95,6 |
| 61,6 | 61,6 | 95,7 |
| 61,7 | 61,7 | 95,7 |
| 61,8 | 61,8 | 95,7 |
| 61,9 | 61,9 | 95,7 |
| 62,0 | 62,0 | 95,7 |
| 62,1 | 62,1 | 95,7 |
| 62,1 | 62,1 | 95,7 |
| 62,2 | 62,2 | 95,8 |
| 62,3 | 62,3 | 95,8 |
| 62,4 | 62,4 | 95,8 |
| 62,5 | 62,5 | 95,8 |
| 62,6 | 62,6 | 95,8 |
| 62,7 | 62,7 | 95,8 |
| 62,8 | 62,8 | 95,9 |
| 62,9 | 62,9 | 95,9 |
| 63,0 | 63,0 | 95,9 |
| 63,1 | 63,1 | 95,9 |
| 63,2 | 63,2 | 95,9 |
| 63,3 | 63,3 | 95,9 |
| 63,4 | 63,4 | 95,9 |
| 63,5 | 63,5 | 96,0 |
| 63,6 | 63,6 | 96,0 |
| 63,7 | 63,7 | 96,0 |
| 63,7 | 63,7 | 96,0 |
| 63,8 | 63,8 | 96,0 |
| 63,9 | 63,9 | 96,0 |
| 64,0 | 64,0 | 96,0 |
| 64,1 | 64,1 | 96,1 |
| 64,2 | 64,2 | 96,1 |
| 64,3 | 64,3 | 96,1 |
| 64,4 | 64,4 | 96,1 |
| 64,5 | 64,5 | 96,1 |
| 64,6 | 64,6 | 96,1 |
| 64,7 | 64,7 | 96,1 |
| 64,8 | 64,8 | 96,2 |
| 64,9 | 64,9 | 96,2 |
| 65,0 | 65,0 | 96,2 |
| 65,1 | 65,1 | 96,2 |
| 65,2 | 65,2 | 96,2 |
| 65,3 | 65,3 | 96,2 |
| 65,3 | 65,3 | 96,2 |
| 65,4 | 65,4 | 96,2 |
| 65,5 | 65,5 | 96,3 |
| 65,6 | 65,6 | 96,3 |
| 65,7 | 65,7 | 96,3 |
| 65,8 | 65,8 | 96,3 |
| 65,9 | 65,9 | 96,3 |
| 66,0 | 66,0 | 96,3 |
| 66,1 | 66,1 | 96,3 |
| 66,2 | 66,2 | 96,4 |
| 66,3 | 66,3 | 96,4 |
| 66,4 | 66,4 | 96,4 |
| 66,5 | 66,5 | 96,4 |
| 66,6 | 66,6 | 96,4 |
| 66,7 | 66,7 | 96,4 |
| 66,8 | 66,8 | 96,4 |
| 66,9 | 66,9 | 96,5 |
| 66,9 | 66,9 | 96,5 |
| 67,0 | 67,0 | 96,5 |
| 67,1 | 67,1 | 96,5 |
| 67,2 | 67,2 | 96,5 |
| 67,3 | 67,3 | 96,5 |
| 67,4 | 67,4 | 96,5 |
| 67,5 | 67,5 | 96,5 |
| 67,6 | 67,6 | 96,6 |
| 67,7 | 67,7 | 96,6 |
| 67,8 | 67,8 | 96,6 |
| 67,9 | 67,9 | 96,6 |
| 68,0 | 68,0 | 96,6 |
| 68,1 | 68,1 | 96,6 |
| 68,2 | 68,2 | 96,6 |
| 68,3 | 68,3 | 96,7 |
| 68,4 | 68,4 | 96,7 |
| 68,5 | 68,5 | 96,7 |
| 68,5 | 68,5 | 96,7 |
| 68,6 | 68,6 | 96,7 |
| 68,7 | 68,7 | 96,7 |
| 68,8 | 68,8 | 96,7 |
| 68,9 | 68,9 | 96,7 |
| 69,0 | 69,0 | 96,8 |
| 69,1 | 69,1 | 96,8 |
| 69,2 | 69,2 | 96,8 |
| 69,3 | 69,3 | 96,8 |
| 69,4 | 69,4 | 96,8 |
| 69,5 | 69,5 | 96,8 |
| 69,6 | 69,6 | 96,8 |
| 69,7 | 69,7 | 96,9 |
| 69,8 | 69,8 | 96,9 |
| 69,9 | 69,9 | 96,9 |
| 70,0 | 70,0 | 96,9 |
| 70,1 | 70,1 | 96,9 |
| 70,2 | 70,2 | 96,9 |
| 70,2 | 70,2 | 96,9 |
| 70,3 | 70,3 | 96,9 |
| 70,4 | 70,4 | 97,0 |
| 70,5 | 70,5 | 97,0 |
| 70,6 | 70,6 | 97,0 |
| 70,7 | 70,7 | 97,0 |
| 70,8 | 70,8 | 97,0 |
| 70,9 | 70,9 | 97,0 |
| 71,0 | 71,0 | 97,0 |
| 71,1 | 71,1 | 97,0 |
| 71,2 | 71,2 | 97,1 |
| 71,3 | 71,3 | 97,1 |
| 71,4 | 71,4 | 97,1 |
| 71,5 | 71,5 | 97,1 |
| 71,6 | 71,6 | 97,1 |
| 71,7 | 71,7 | 97,1 |
| 71,8 | 71,8 | 97,1 |
| 71,8 | 71,8 | 97,1 |
| 71,9 | 71,9 | 97,2 |
| 72,0 | 72,0 | 97,2 |
| 72,1 | 72,1 | 97,2 |
| 72,2 | 72,2 | 97,2 |
| 72,3 | 72,3 | 97,2 |
| 72,4 | 72,4 | 97,2 |
| 72,5 | 72,5 | 97,2 |
| 72,6 | 72,6 | 97,2 |
| 72,7 | 72,7 | 97,3 |
| 72,8 | 72,8 | 97,3 |
| 72,9 | 72,9 | 97,3 |
| 73,0 | 73,0 | 97,3 |
| 73,1 | 73,1 | 97,3 |
| 73,2 | 73,2 | 97,3 |
| 73,3 | 73,3 | 97,3 |
| 73,4 | 73,4 | 97,3 |
| 73,4 | 73,4 | 97,4 |
| 73,5 | 73,5 | 97,4 |
| 73,6 | 73,6 | 97,4 |
| 73,7 | 73,7 | 97,4 |
| 73,8 | 73,8 | 97,4 |
| 73,9 | 73,9 | 97,4 |
| 74,0 | 74,0 | 97,4 |
| 74,1 | 74,1 | 97,4 |
| 74,2 | 74,2 | 97,5 |
| 74,3 | 74,3 | 97,5 |
| 74,4 | 74,4 | 97,5 |
| 74,5 | 74,5 | 97,5 |
| 74,6 | 74,6 | 97,5 |
| 74,7 | 74,7 | 97,5 |
| 74,8 | 74,8 | 97,5 |
| 74,9 | 74,9 | 97,5 |
| 75,0 | 75,0 | 97,6 |
| 75,0 | 75,0 | 97,6 |
| 75,1 | 75,1 | 97,6 |
| 75,2 | 75,2 | 97,6 |
| 75,3 | 75,3 | 97,6 |
| 75,4 | 75,4 | 97,6 |
| 75,5 | 75,5 | 97,6 |
| 75,6 | 75,6 | 97,6 |
| 75,7 | 75,7 | 97,6 |
| 75,8 | 75,8 | 97,7 |
| 75,9 | 75,9 | 97,7 |
| 76,0 | 76,0 | 97,7 |
| 76,1 | 76,1 | 97,7 |
| 76,2 | 76,2 | 97,7 |
| 76,3 | 76,3 | 97,7 |
| 76,4 | 76,4 | 97,7 |
| 76,5 | 76,5 | 97,7 |
| 76,6 | 76,6 | 97,8 |
| 76,6 | 76,6 | 97,8 |
| 76,7 | 76,7 | 97,8 |
| 76,8 | 76,8 | 97,8 |
| 76,9 | 76,9 | 97,8 |
| 77,0 | 77,0 | 97,8 |
| 77,1 | 77,1 | 97,8 |
| 77,2 | 77,2 | 97,8 |
| 77,3 | 77,3 | 97,8 |
| 77,4 | 77,4 | 97,9 |
| 77,5 | 77,5 | 97,9 |
| 77,6 | 77,6 | 97,9 |
| 77,7 | 77,7 | 97,9 |
| 77,8 | 77,8 | 97,9 |
| 77,9 | 77,9 | 97,9 |
| 78,0 | 78,0 | 97,9 |
| 78,1 | 78,1 | 97,9 |
| 78,2 | 78,2 | 97,9 |
| 78,2 | 78,2 | 98,0 |
| 78,3 | 78,3 | 98,0 |
| 78,4 | 78,4 | 98,0 |
| 78,5 | 78,5 | 98,0 |
| 78,6 | 78,6 | 98,0 |
| 78,7 | 78,7 | 98,0 |
| 78,8 | 78,8 | 98,0 |
| 78,9 | 78,9 | 98,0 |
| 79,0 | 79,0 | 98,0 |
| 79,1 | 79,1 | 98,1 |
| 79,2 | 79,2 | 98,1 |
| 79,3 | 79,3 | 98,1 |
| 79,4 | 79,4 | 98,1 |
| 79,5 | 79,5 | 98,1 |
| 79,6 | 79,6 | 98,1 |
| 79,7 | 79,7 | 98,1 |
| 79,8 | 79,8 | 98,1 |
| 79,8 | 79,8 | 98,1 |
| 79,9 | 79,9 | 98,2 |
| 80,0 | 80,0 | 98,2 |
| 80,1 | 80,1 | 98,2 |
| 80,2 | 80,2 | 98,2 |
| 80,3 | 80,3 | 98,2 |
| 80,4 | 80,4 | 98,2 |
| 80,5 | 80,5 | 98,2 |
| 80,6 | 80,6 | 98,2 |
| 80,7 | 80,7 | 98,2 |
| 80,8 | 80,8 | 98,3 |
| 80,9 | 80,9 | 98,3 |
| 81,0 | 81,0 | 98,3 |
| 81,1 | 81,1 | 98,3 |
| 81,2 | 81,2 | 98,3 |
| 81,3 | 81,3 | 98,3 |
| 81,4 | 81,4 | 98,3 |
| 81,5 | 81,5 | 98,3 |
| 81,5 | 81,5 | 98,3 |
| 81,6 | 81,6 | 98,4 |
| 81,7 | 81,7 | 98,4 |
| 81,8 | 81,8 | 98,4 |
| 81,9 | 81,9 | 98,4 |
| 82,0 | 82,0 | 98,4 |
| 82,1 | 82,1 | 98,4 |
| 82,2 | 82,2 | 98,4 |
| 82,3 | 82,3 | 98,4 |
| 82,4 | 82,4 | 98,4 |
| 82,5 | 82,5 | 98,5 |
| 82,6 | 82,6 | 98,5 |
| 82,7 | 82,7 | 98,5 |
| 82,8 | 82,8 | 98,5 |
| 82,9 | 82,9 | 98,5 |
| 83,0 | 83,0 | 98,5 |
| 83,1 | 83,1 | 98,5 |
| 83,1 | 83,1 | 98,5 |
| 83,2 | 83,2 | 98,5 |
| 83,3 | 83,3 | 98,5 |
| 83,4 | 83,4 | 98,6 |
| 83,5 | 83,5 | 98,6 |
| 83,6 | 83,6 | 98,6 |
| 83,7 | 83,7 | 98,6 |
| 83,8 | 83,8 | 98,6 |
| 83,9 | 83,9 | 98,6 |
| 84,0 | 84,0 | 98,6 |
| 84,1 | 84,1 | 98,6 |
| 84,2 | 84,2 | 98,6 |
| 84,3 | 84,3 | 98,6 |
| 84,4 | 84,4 | 98,7 |
| 84,5 | 84,5 | 98,7 |
| 84,6 | 84,6 | 98,7 |
| 84,7 | 84,7 | 98,7 |
| 84,7 | 84,7 | 98,7 |
| 84,8 | 84,8 | 98,7 |
| 84,9 | 84,9 | 98,7 |
| 85,0 | 85,0 | 98,7 |
| 85,1 | 85,1 | 98,7 |
| 85,2 | 85,2 | 98,7 |
| 85,3 | 85,3 | 98,8 |
| 85,4 | 85,4 | 98,8 |
| 85,5 | 85,5 | 98,8 |
| 85,6 | 85,6 | 98,8 |
| 85,7 | 85,7 | 98,8 |
| 85,8 | 85,8 | 98,8 |
| 85,9 | 85,9 | 98,8 |
| 86,0 | 86,0 | 98,8 |
| 86,1 | 86,1 | 98,8 |
| 86,2 | 86,2 | 98,9 |
| 86,3 | 86,3 | 98,9 |
| 86,3 | 86,3 | 98,9 |
| 86,4 | 86,4 | 98,9 |
| 86,5 | 86,5 | 98,9 |
| 86,6 | 86,6 | 98,9 |
| 86,7 | 86,7 | 98,9 |
| 86,8 | 86,8 | 98,9 |
| 86,9 | 86,9 | 98,9 |
| 87,0 | 87,0 | 98,9 |
| 87,1 | 87,1 | 98,9 |
| 87,2 | 87,2 | 99,0 |
| 87,3 | 87,3 | 99,0 |
| 87,4 | 87,4 | 99,0 |
| 87,5 | 87,5 | 99,0 |
| 87,6 | 87,6 | 99,0 |
| 87,7 | 87,7 | 99,0 |
| 87,8 | 87,8 | 99,0 |
| 87,9 | 87,9 | 99,0 |
| 87,9 | 87,9 | 99,0 |
| 88,0 | 88,0 | 99,0 |
| 88,1 | 88,1 | 99,1 |
| 88,2 | 88,2 | 99,1 |
| 88,3 | 88,3 | 99,1 |
| 88,4 | 88,4 | 99,1 |
| 88,5 | 88,5 | 99,1 |
| 88,6 | 88,6 | 99,1 |
| 88,7 | 88,7 | 99,1 |
| 88,8 | 88,8 | 99,1 |
| 88,9 | 88,9 | 99,1 |
| 89,0 | 89,0 | 99,1 |
| 89,1 | 89,1 | 99,1 |
| 89,2 | 89,2 | 99,2 |
| 89,3 | 89,3 | 99,2 |
| 89,4 | 89,4 | 99,2 |
| 89,5 | 89,5 | 99,2 |
| 89,5 | 89,5 | 99,2 |
| 89,6 | 89,6 | 99,2 |
| 89,7 | 89,7 | 99,2 |
| 89,8 | 89,8 | 99,2 |
| 89,9 | 89,9 | 99,2 |
| 90,0 | 90,0 | 99,2 |
| 90,1 | 90,1 | 99,2 |
| 90,2 | 90,2 | 99,3 |
| 90,3 | 90,3 | 99,3 |
| 90,4 | 90,4 | 99,3 |
| 90,5 | 90,5 | 99,3 |
| 90,6 | 90,6 | 99,3 |
| 90,7 | 90,7 | 99,3 |
| 90,8 | 90,8 | 99,3 |
| 90,9 | 90,9 | 99,3 |
| 91,0 | 91,0 | 99,3 |
| 91,1 | 91,1 | 99,3 |
| 91,1 | 91,1 | 99,3 |
| 91,2 | 91,2 | 99,4 |
| 91,3 | 91,3 | 99,4 |
| 91,4 | 91,4 | 99,4 |
| 91,5 | 91,5 | 99,4 |
| 91,6 | 91,6 | 99,4 |
| 91,7 | 91,7 | 99,4 |
| 91,8 | 91,8 | 99,4 |
| 91,9 | 91,9 | 99,4 |
| 92,0 | 92,0 | 99,4 |
| 92,1 | 92,1 | 99,4 |
| 92,2 | 92,2 | 99,4 |
| 92,3 | 92,3 | 99,4 |
| 92,4 | 92,4 | 99,5 |
| 92,5 | 92,5 | 99,5 |
| 92,6 | 92,6 | 99,5 |
| 92,7 | 92,7 | 99,5 |
| 92,7 | 92,7 | 99,5 |
| 92,8 | 92,8 | 99,5 |
| 92,9 | 92,9 | 99,5 |
| 93,0 | 93,0 | 99,5 |
| 93,1 | 93,1 | 99,5 |
| 93,2 | 93,2 | 99,5 |
| 93,3 | 93,3 | 99,5 |
| 93,4 | 93,4 | 99,5 |
| 93,5 | 93,5 | 99,6 |
| 93,6 | 93,6 | 99,6 |
| 93,7 | 93,7 | 99,6 |
| 93,8 | 93,8 | 99,6 |
| 93,9 | 93,9 | 99,6 |
| 94,0 | 94,0 | 99,6 |
| 94,1 | 94,1 | 99,6 |
| 94,2 | 94,2 | 99,6 |
| 94,3 | 94,3 | 99,6 |
| 94,4 | 94,4 | 99,6 |
| 94,4 | 94,4 | 99,6 |
| 94,5 | 94,5 | 99,6 |
| 94,6 | 94,6 | 99,6 |
| 94,7 | 94,7 | 99,7 |
| 94,8 | 94,8 | 99,7 |
| 94,9 | 94,9 | 99,7 |
| 95,0 | 95,0 | 99,7 |
| 95,1 | 95,1 | 99,7 |
| 95,2 | 95,2 | 99,7 |
| 95,3 | 95,3 | 99,7 |
| 95,4 | 95,4 | 99,7 |
| 95,5 | 95,5 | 99,7 |
| 95,6 | 95,6 | 99,7 |
| 95,7 | 95,7 | 99,7 |
| 95,8 | 95,8 | 99,7 |
| 95,9 | 95,9 | 99,7 |
| 96,0 | 96,0 | 99,7 |
| 96,0 | 96,0 | 99,8 |
| 96,1 | 96,1 | 99,8 |
| 96,2 | 96,2 | 99,8 |
| 96,3 | 96,3 | 99,8 |
| 96,4 | 96,4 | 99,8 |
| 96,5 | 96,5 | 99,8 |
| 96,6 | 96,6 | 99,8 |
| 96,7 | 96,7 | 99,8 |
| 96,8 | 96,8 | 99,8 |
| 96,9 | 96,9 | 99,8 |
| 97,0 | 97,0 | 99,8 |
| 97,1 | 97,1 | 99,8 |
| 97,2 | 97,2 | 99,8 |
| 97,3 | 97,3 | 99,8 |
| 97,4 | 97,4 | 99,9 |
| 97,5 | 97,5 | 99,9 |
| 97,6 | 97,6 | 99,9 |
| 97,6 | 97,6 | 99,9 |
| 97,7 | 97,7 | 99,9 |
| 97,8 | 97,8 | 99,9 |
| 97,9 | 97,9 | 99,9 |
| 98,0 | 98,0 | 99,9 |
| 98,1 | 98,1 | 99,9 |
| 98,2 | 98,2 | 99,9 |
| 98,3 | 98,3 | 99,9 |
| 98,4 | 98,4 | 99,9 |
| 98,5 | 98,5 | 99,9 |
| 98,6 | 98,6 | 99,9 |
| 98,7 | 98,7 | 99,9 |
| 98,8 | 98,8 | 99,9 |
| 98,9 | 98,9 | 100,0 |
| 99,0 | 99,0 | 100,0 |
| 99,1 | 99,1 | 100,0 |
| 99,2 | 99,2 | 100,0 |
| 99,2 | 99,2 | 100,0 |
| 99,3 | 99,3 | 100,0 |
| 99,4 | 99,4 | 100,0 |
| 99,5 | 99,5 | 100,0 |
| 99,6 | 99,6 | 100,0 |
| 99,7 | 99,7 | 100,0 |
| 99,8 | 99,8 | 100,0 |
| 99,9 | 99,9 | 100,0 |
| 100,0 | 100,0 | 100,0 |
*Voorlopige cijfers
35) Europese Unie (2024), Verordening (EU) 2024/1689 van het Europees parlement en de raad.
36) De balanced accuracy is een score voor het aantal correct geclassificeerde vacatures. Deze score weegt het percentage correcte labels voor de groep positieve gevallen en negatieve gevallen even zwaar.