Διακρίσεις στην εργασία

Εισαγωγή

Η αναζήτηση εργασίας είναι το επόμενο βήμα στη ζωή ενός πρόσφατου απόφοιτου. Έτσι και εγώ έχω ξεκινήσει εδώ και κάμποσο καιρό να αναζητώ μία εργασία. Αυτό το διάστημα που έμπαινα σε σχετικές πλατφόρμες σε καθημερινή βάση παρατηρούσα έναν σημαντικό αριθμό αγγελιών οι οποίες έθεταν αρκετά αμφιλεγόμενους όρους. Από τη μία μεριά μπορεί κάποιος να ισχυριστεί ότι μπορεί ο εκάστοτε εργοδότης να θέτει τις δικές του προϋποθέσεις για το προσωπικό που θα απαρτίζει την επιχείρησή του. Αυτό είναι απολύτως λογικό. Το πρόβλημα ξεκινάει όταν υπάρχουν όροι το προσωπικό μας να έχει κάποιο συγκεκριμένα χαρακτηριστικά τα οποία είναι έμφυτα, γεννιόμαστε με αυτά και (ως επί το πλείστον) δεν μπροούμε να τα αλλάξουμε. Φύλο, εθνικότητα, ηλικία ή ακόμα και γονίδια «ομορφιάς» είνα μερικές σχετικές απαιτήσεις που θα διαβάσουμε σε αρκετές αγγελίες. Προφανώς τα παραπάνω αποτελούν σοβαρές μορφές διακρίσεων οι οποίες κυριαρχούν ακόμα και σήμερα.

Αυτή η αρχική εντύπωση υποστηρίζεται και από τα στατιστικά στοιχεία. Ας ερευνήσουμε το φαινόμενο διακρίσεων φύλου το οποίο είναι και ιδιαίτερα εκτεταμένο. Για αυτό το σκοπό θα αναζητήσουμε τα ποσοστά ανεργίας μεταξύ των φύλων και θα διαπιστώσουμε μία διαχρονική και συνεχιζόμενη μέχρι και σήμερα υψηλότερη ανεργία των γυναικών έναντι των ανδρών. Από το 1998 ποτέ ο δείκτης ανεργίας του εργατικού δυναμικού των γυναικών δεν ήταν σε ίδια επίπεδα. Παρά την αρνητική εικόνα του δείκτη παρατηρείται ότι από το 1998, όπου η διαφορά στην ανεργία μεταξύ των φύλων ήταν στο 10% σταδιακά αυτό το χάσμα αρχίζει να μειώνεται. Πλέον, το 2025 αυτή η διαφορά έχει πέσει στο 4% όπου είναι ενα αισιόδοξο σημάδι αλλά συνάμα μία υπενθύμιση για την ύπαρξη ενός δυσάρεστου φαινομένου προκαταλήψεων και μη ισότιμης ευκαιρίας και στα δύο φύλα.

library(readr)
library(dplyr)
library(lubridate)
library(highcharter)
unempl_gender_eu_grc <- read_csv("unempl_gender_eu_grc.csv") %>% 
  select(sex, geo, TIME_PERIOD, OBS_VALUE) %>%
  dplyr::filter(geo == "EL") %>%
  dplyr::mutate(TIME_PERIOD = lubridate::ym(TIME_PERIOD)) %>%
  dplyr::mutate(year = year(TIME_PERIOD)) %>%
  group_by(sex, year) %>%
  summarise(mean = mean(OBS_VALUE)) %>%
  mutate(mean = round(mean, 1)) %>%
  mutate(
    sex = recode(sex,
                 "M" = "Άνδρες",
                 "F" = "Γυναίκες")
  )



highchart() %>%
  hc_chart(
    type = "line"
  ) %>%
  
  # Custom colors (professional palette)
  hc_colors(c("#1f77b4","#e15759")) %>%
  
  # Data
  hc_add_series(
    data = unempl_gender_eu_grc,
    type = "line",
    hcaes(x = year, y = mean, group = sex),
    marker = list(
      enabled = TRUE,
      radius = 4
    ),
    lineWidth = 3
  ) %>%
  
  # Titles
  hc_title(
    text = "Ποσοστό ανεργίας ανά φύλο",
    style = list(fontSize = "18px", fontWeight = "bold")
  ) %>%
  
  hc_subtitle(
    text = "Διαχρονική σύγκριση ανεργίας στην Ελλάδα (1998 - 2025)"
  ) %>%
  
  # Axes
  hc_xAxis(
    title = list(text = "Year"),
    tickLength = 0,
    gridLineWidth = 0
  ) %>%
  
  hc_yAxis(
    title = list(text = "Ανεργία (%)"),
    gridLineDashStyle = "Dash",
    gridLineColor = "#e6e6e6"
  ) %>%
  
  # Tooltip styling
  hc_tooltip(
    shared = TRUE,
    crosshairs = TRUE,
    valueDecimals = 2,
    backgroundColor = "rgba(255,255,255,0.95)",
    borderRadius = 8,
    valueSuffix = " %"
  ) %>%
  
  # Legend styling
  hc_legend(
    align = "center",
    verticalAlign = "bottom",
    layout = "horizontal",
    itemStyle = list(fontWeight = "bold")
  ) %>%
  
  # Smooth animation
  hc_plotOptions(
    series = list(
      animation = list(duration = 800),
      states = list(
        hover = list(
          lineWidthPlus = 1
        )
      )
    )
  )

library(readr)
library(dplyr)
library(forcats)
library(stringr)
library(stringi)
library(lubridate)
library(highcharter)

data = readr::read_csv("https://github.com/stesiam/scraping-job-postings-xe/releases/download/v1.2/job-posts.csv")
data = data %>%
  select(spc, type, wage, loc, exp, descr, p_date)

months_gr <- c(
    "Ιανουαριου" = "January",
    "Φεβρουαριου" = "February",
    "Μαρτιου" = "March",
    "Απριλιου" = "April",
    "Μαιου" = "May",
    "Μαΐου" = "May",
    "Ιουνιου" = "June",
    "Ιουλιου" = "July",
    "Αυγουστου" = "August",
    "Σεπτεμβριου" = "September",
    "Οκτωβριου" = "October",
    "Νοεμβριου" = "November",
    "Δεκεμβριου" = "December"
)

clean_data = data %>% 
    mutate(type = tolower(type)) %>%
    mutate(workingHours = case_when(
      str_detect(type, "πλήρης") ~ "Πλήρης",
      str_detect(type, "μερική")  ~ "Μερική",
      .default = "Αδιευκρίνιστο")
    ) %>%
    mutate(presence = case_when(
      str_detect(type, "φυσική") ~ "Φυσική",
      str_detect(type, "υβριδική")  ~ "Υβριδική",
      str_detect(type, "αποστάσεως")  ~ "Εξ' αποστάσεως",
      .default = "Αδιευκρίνιστο")
    ) %>%
     mutate(contractType = case_when(
      str_detect(type, "αορίστου") ~ "Αορίστου χρόνου",
      str_detect(type, "ορισμένου")  ~ "Ορισμένου χρόνου",
      .default = "Αδιευκρίνιστο")
    ) %>%
  select(-type) %>%
  relocate(workingHours, presence, contractType, .after = spc) %>%
   mutate(exp = case_when(
      str_detect(exp, "Δεν απαιτείται") ~ "0-1",
      str_detect(exp, "Λιγότερο από 1 έτος")  ~ "0-1",
      str_detect(exp, "1-2 έτη") ~ "1-2",
      str_detect(exp, "2-3 έτη")  ~ "2-3",
      str_detect(exp, "3-5 έτη") ~ "3-5",
      str_detect(exp, "5-10 έτη")  ~ "5-10",
      .default = NA)
    ) %>%
  relocate(exp, .after = contractType) %>%
  mutate(
        date = p_date %>%
            str_remove("^[^ ]+\\s+") %>%     # remove weekday
            str_to_lower() %>%               # lowercase
            stringi::stri_trans_general("NFD; [:Nonspacing Mark:] Remove; NFC") %>% 
            str_replace_all(months_gr) %>%   # translate months
            str_squish() %>%
            dmy()
    ) %>%
  select(-p_date)

Warning: There was 1 warning in `mutate()`.
ℹ In argument: `date = `%>%`(...)`.
Caused by warning:
! All formats failed to parse. No formats found.

clean_data = clean_data %>%
  mutate(
    exp = fct_relevel(
        exp,
        "0-1", "1-2", "2-3", "3-5", "5-10"
))

Περιγραφικά στοιχεία

library(htmltools)
t = table(clean_data$exp)
v=t %>% as.data.frame() |>
  mutate(pct = 100* (Freq / sum(Freq)) ) |>
  mutate( pct = round(pct, 1))

data_points <- list_parse(
  data.frame(
    y = v$pct,            # y-axis value
    category = v$Var1,     # optional, but explicit
    freq = v$Freq
  )
)

chart = highchart() |>
    hc_chart(
        type = "column"    ) |>
    hc_title(
        text = "Απαιτούμενη προϋπηρεσία",
        style = list(fontSize = "18px", fontWeight = "bold")
    ) |>
    hc_subtitle(
        text = "Εργασιακή εμπειρία (σε έτη)",
        style = list(color = "#666666")
    ) |>
    hc_xAxis(
        categories = v$Var1,
        tickLength = 0,
        lineWidth = 0
    ) |>
    hc_yAxis(
        title = list(text = "Παρατηρήσεις"),
        gridLineColor = "none"
    ) |>
    hc_add_series(
        name = "Πλήθος",
        data = data_points
    ) |>
    hc_plotOptions(
        column = list(
            borderWidth = 00
        )
    ) |>
    hc_tooltip(
    useHTML = TRUE,
    headerFormat = "",
    pointFormat = paste0(
      "<b>Έτη εμπειρίας:</b> {point.category}<br>",
      "<b>Ποσοστό θέσεων:</b> {point.y} %<br>",
      "<b>Πλήθος θέσεων:</b> {point.freq}"
    )
  ) |>
    hc_legend(enabled = FALSE)

div(
  class = "lazy-highchart",
  `data-widget` = as.character(chart)
)

Σχήμα 1: SSW

freqWorkingHours = table(clean_data$workingHours) %>%
  as.data.frame()


chart2 = highchart() %>%
    hc_chart(
        type = "pie",
        backgroundColor = "transparent"
    ) %>%
    hc_title(
        text = "Κατανομή θέσεων ανά ωράριο εργασίας",
        style = list(
            fontSize = "18px",
            fontWeight = "bold"
        )
    ) %>%
    hc_subtitle(
        text = "Αριθμός πρατηρήσεων και ποσοστό (%) επί του συνόλου των αγγελιών",
        style = list(fontSize = "12px")
    ) %>%
    hc_add_series(
        name = "Percentage",
        data = freqWorkingHours %>%
            mutate(y = Freq, name = Var1) %>%
            select(name, y) %>%
            list_parse(),
        size = "80%",
        innerSize = "50%",   # donut style (remove if you want classic pie)
        dataLabels = list(
            enabled = TRUE,
            format = "<b>{point.name}</b>: {point.percentage:.1f} %",
            style = list(fontSize = "11px")
        )
    ) %>%
    hc_tooltip(
        pointFormat = "<b>{point.y}</b> θέσεις εργασίας <br><b>Ποσοστό:</b> {point.percentage:.1f}%"
    ) %>%
    hc_plotOptions(
        pie = list(
            allowPointSelect = TRUE,
            cursor = "pointer",
            borderWidth = 0,
            showInLegend = TRUE
        )
    ) %>%
    hc_legend(
        align = "center",
        verticalAlign = "bottom",
        layout = "horizontal"
    ) %>%
    hc_colors(c(
        "#2E86AB", "#A23B72", "#F18F01", "#C73E1D"
    )) %>%
    hc_credits(enabled = FALSE)

div(
  class = "lazy-highchart",
  `data-widget` = as.character(chart2))

freqWorkingHours = table(clean_data$contractType) %>%
  as.data.frame()


highchart() %>%
    hc_chart(
        type = "pie",
        backgroundColor = "transparent"
    ) %>%
    hc_title(
        text = "Κατανομή θέσεων ανά ωράριο εργασίας",
        style = list(
            fontSize = "18px",
            fontWeight = "bold"
        )
    ) %>%
    hc_subtitle(
        text = "Αριθμός πρατηρήσεων και ποσοστό (%) επί του συνόλου των αγγελιών",
        style = list(fontSize = "12px")
    ) %>%
    hc_add_series(
        name = "Percentage",
        data = freqWorkingHours %>%
            mutate(y = Freq, name = Var1) %>%
            select(name, y) %>%
            list_parse(),
        size = "80%",
        innerSize = "50%",   # donut style (remove if you want classic pie)
        dataLabels = list(
            enabled = TRUE,
            format = "<b>{point.name}</b>: {point.percentage:.1f} %",
            style = list(fontSize = "11px")
        )
    ) %>%
    hc_tooltip(
        pointFormat = "<b>{point.y}</b> θέσεις εργασίας <br><b>Ποσοστό:</b> {point.percentage:.1f}%"
    ) %>%
    hc_plotOptions(
        pie = list(
            allowPointSelect = TRUE,
            cursor = "pointer",
            borderWidth = 0,
            showInLegend = TRUE
        )
    ) %>%
    hc_legend(
        align = "center",
        verticalAlign = "bottom",
        layout = "horizontal"
    ) %>%
    hc_colors(c(
        "#2E86AB", "#A23B72", "#F18F01", "#C73E1D"
    )) %>%
    hc_credits(enabled = FALSE)

freqWorkingHours = table(clean_data$presence) %>%
  as.data.frame()


highchart() %>%
    hc_chart(
        type = "pie",
        backgroundColor = "transparent"
    ) %>%
    hc_title(
        text = "Κατανομή θέσεων ανά ωράριο εργασίας",
        style = list(
            fontSize = "18px",
            fontWeight = "bold"
        )
    ) %>%
    hc_subtitle(
        text = "Αριθμός πρατηρήσεων και ποσοστό (%) επί του συνόλου των αγγελιών",
        style = list(fontSize = "12px")
    ) %>%
    hc_add_series(
        name = "Percentage",
        data = freqWorkingHours %>%
            mutate(y = Freq, name = Var1) %>%
            select(name, y) %>%
            list_parse(),
        size = "80%",
        innerSize = "50%",   # donut style (remove if you want classic pie)
        dataLabels = list(
            enabled = TRUE,
            format = "<b>{point.name}</b>: {point.percentage:.1f} %",
            style = list(fontSize = "11px")
        )
    ) %>%
    hc_tooltip(
        pointFormat = "<b>{point.y}</b> θέσεις εργασίας <br><b>Ποσοστό:</b> {point.percentage:.1f}%"
    ) %>%
    hc_plotOptions(
        pie = list(
            allowPointSelect = TRUE,
            cursor = "pointer",
            borderWidth = 0,
            showInLegend = TRUE
        )
    ) %>%
    hc_legend(
        align = "center",
        verticalAlign = "bottom",
        layout = "horizontal"
    ) %>%
    hc_colors(c(
        "#2E86AB", "#A23B72", "#F18F01", "#C73E1D"
    )) %>%
    hc_credits(enabled = FALSE)

Μεθοδολογία πειράματος

Εφαρμογή

Αποτελέσματα

Gagolewski, M. (2022). stringi: Fast and portable character string processing in R. Journal of Statistical Software, 103(2), 1–59. https://doi.org/10.18637/jss.v103.i02

Gagolewski, M. (2025). stringi: Fast and Portable Character String Processing Facilities. Ανακτήθηκε από https://stringi.gagolewski.com/

Grolemund, G., & Wickham, H. (2011). Dates and Times Made Easy with lubridate. Journal of Statistical Software, 40(3), 1–25. Ανακτήθηκε από https://www.jstatsoft.org/v40/i03/

Kunst, J. (2022). highcharter: A Wrapper for the Highcharts Library. Ανακτήθηκε από https://jkunst.com/highcharter/

R Core Team. (2025). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. Ανακτήθηκε από https://www.R-project.org/

Spinu, V., Grolemund, G., & Wickham, H. (2024). lubridate: Make Dealing with Dates a Little Easier. Ανακτήθηκε από https://lubridate.tidyverse.org

Wickham, H. (2025a). forcats: Tools for Working with Categorical Variables (Factors). Ανακτήθηκε από https://forcats.tidyverse.org/

Wickham, H. (2025b). stringr: Simple, Consistent Wrappers for Common String Operations. Ανακτήθηκε από https://stringr.tidyverse.org

Wickham, H., François, R., Henry, L., Müller, K., & Vaughan, D. (2023). dplyr: A Grammar of Data Manipulation. Ανακτήθηκε από https://dplyr.tidyverse.org

Wickham, H., Hester, J., & Bryan, J. (2025). readr: Read Rectangular Text Data. Ανακτήθηκε από https://readr.tidyverse.org