1. Броницкий Г. Т., Вакуленко Е. С. (2022). Прогнозирование миграции из России в Германию с использованием Google-трендов // Демографическое обозрение. Т. 9, № 3. С. 75-92. DOI: 10.17323/demreview.v9i3.16471 EDN: CDWOSX
2. Ванкевич Е. В., Зайцева О. В. (2020). Онлайн-порталы вакансий: перспективы использования в практике регулирования рынка труда Республики Беларусь // Цифровая трансформация. № 2 (11). С. 33-42. DOI: 10.38086/2522-9613-2020-2-33-42 EDN: PBSRMI
3. Ванкевич Е. В., Зайцева О. В. (2023). Развитие рынка труда Республики Беларусь на современном этапе: тенденции и приоритеты // Общество и экономика. № 5. С. 75-100. DOI: 10.31857/S020736760025548-1 EDN: WZSIKW
4. Зубарев А. В., Голованова Е. А. (2021). Использование Google Trends для прогнозирования: обзор и применение для прогнозирования розничных продаж: препринт. Москва: РАНХиГС. 30 с.
5. Калабихина И. Е., Банин Е. П., Архангельский В. Н., Абдуселимова И. А., Клименко Г. А., Колотуша А. В.,… Шамсутдинова В. Ш. (2020). Краткосрочное прогнозирование демографических тенденций на основе данных Google Trends // Прикладная информатика. Т. 15, № 6. С. 91-118. DOI: 10.37791/2687-0649-2020-15-6-91-118 EDN: TXMLOJ
6. Королецкая Е. С. (2021). Прогнозирование молодежной безработицы и меры по ее регулированию // Бюллетень Министерства труда и социальной защиты Республики Беларусь. № 8. С. 48-53.
7. Куровский Г. С. (2019). Использование текстовой информации для прогнозирования в макроэкономике // Вестник Московского университета. Серия 6. Экономика. № 6. С. 39-58. DOI: 10.38050/01300105201965 EDN: KBJKVL
8. Петрова Д. А., Трунин П. В. (2020). Прогнозирование основных макроэкономических показателей с использованием поисковых интернет запросов. Москва: РАНХиГС. 71 c.
9. Слаут А. И., Цехан О. Б. (2019). Построение ARIMA-моделей для анализа и прогнозирования уровня безработицы по Республике Беларусь // Тенденции экономического развития в XXI веке: материалы Международной научной конференции (г. Минск, 28 февраля 2019 г.). Минск: Белорусский государственный университет. С. 283-286.
10. Юревич М. А., Ахмадеев Д. Р. (2021). Возможности прогнозирования уровня безработицы на основе анализа статистики запросов (в поисковых системах) // Terra Economicus. Т. 19, № 3. С. 53-64. DOI: 10.18522/2073-6606-2021-19-3-53-64 EDN: OHKUCZ
11. Adu W. K., Appiahene P., Afrifa S. (2023). VAR, ARIMAX and ARIMA models for nowcasting unemployment rate in Ghana using Google Trends. Journal of Electrical Systems and Information Technology, vol. 10, 12. DOI: 10.1186/s43067-023-00078-1
12. Askitas N., Zimmermann K. F. (2009). Google econometrics and unemployment forecasting. Applied Economics Quarterly, vol. 55, issue 2, pp. 107-120. DOI: 10.3790/aeq.55.2.107
13. Borup D., Christian E., Schütte M. (2020). In search of a job: Forecasting employment growth using Google Trends. Journal of Business & Economic Statistics, vol. 40, issue 1, pp. 186-200. DOI: 10.1080/07350015.2020.1791133 EDN: FRQZZF
14. Choi H., Varian H. (2009). Predicting the present with Google Trends. (Technical report). Mountain View: Google. 23 p. DOI: 10.2139/ssrn.1659302
15. Claveria O. (2019). Forecasting the unemployment rate using the degree of agreement in consumer unemployment expectations. Journal for Labour Market Research, vol. 53, 3. DOI: 10.1186/s12651-019-0253-4
16. Costa E. A., Silva M. E., Galvão A. B. (2024). Real-time nowcasting the monthly unemployment rates with daily Google Trends data. Socio-Economic Planning Sciences, vol. 95, 101963.
17. D’Amuri F., Marcucci J. (2010). ‘Google It!’ Forecasting the US unemployment rate with a Google job search index (FEEM Working Paper no. 31.2010). Milan: Fondazione Eni Enrico Mattei. 58 p. DOI: 10.2139/ssrn.1594132
18. D’Amuri F., Marcucci J. (2017). The predictive power of Google searches in forecasting unemployment. International Journal of Forecasting, vol. 33, issue 4, pp. 801-816. DOI: 10.1016/j.ijforecast.2017.03.004
19. Dilmaghani M. (2019). The racial ‘digital divide’ in the predictive power of Google trends data for forecasting the unemployment rate. Journal of Economic and Social Measurement, vol. 43, no. 1. DOI: 10.3233/JEM-180458
20. Ettredge M., Gerdes J., Karuga G. (2005). Using web-based search data to predict macroeconomic statistics. Communications of the ACM, vol. 48, issue 11, pp. 87-92. DOI: 10.1145/1096000.1096010
21. Fondeur Y., Karamé F. (2013). Can Google data help predict French youth unemployment? Economic Modelling, vol. 30, pp. 117-125. DOI: 10.1016/j.econmod.2012.07.017
22. González-Fernández M., González-Velasco C. (2018). Can Google econometrics predict unemployment? Evidence from Spain. Economics Letters, vol. 170, pp. 42-45. DOI: 10.1016/j.econlet.2018.05.031
23. Mulero R., Garcia-Hiernaux A. (2023). Forecasting unemployment with Google Trends: Age, gender and digital divide. Empirical Economics, vol. 65, pp. 587-605. DOI: 10.1007/s00181-02202347-w EDN: FGMDBB
24. Naccarato A., Falorsi S., Loriga S., Pierini A. (2018). Combining official and Google Trends data to forecast the Italian youth unemployment rate. Technological Forecasting and Social Change, vol. 130, pp. 114-122. DOI: 10.1016/j.techfore.2017.11.022
25. Nagao S., Takeda F., Tanaka R. (2019). Nowcasting of the U.S. unemployment rate using Google Trends. Finance Research Letters, vol. 30, pp. 103-109. DOI: 10.1016/j.frl.2019.04.005
26. Simionescu M. (2020). Improving unemployment rate forecasts at regional level in Romania using Google Trends. Technological Forecasting & Social Change, vol. 155, 120026. DOI: 10.1016/j.techfore.2020.120026
27. Simionescu M. (2024). Is Google Trends useful in nowcasting unemployment rate during the pandemic at regional and national level in Romania? Romanian Statistical Review, no. 1, pp. 65-84.
28. Simionescu M., Cifuentes-Faura J. (2022). Forecasting national and regional youth unemployment in Spain using Google Trends. Social Indicators Research, vol. 164, pp. 1187-1216. DOI: 10.1007/s11205-022-02984-9 EDN: PPCSZD
29. Vankevich A., Kalinouskaya I. (2021). Better understanding of the labour market using Big Data. Ekonomia i Prawo. Economics and Law, vol. 20, issue 3, pp. 677-692. DOI: 10.12775/EiP.2021.040 EDN: CZYHDX
30. Vankevich A., Kalinouskaya I., Zaitsava V., Alyakseeva A. (2023). Theoretical and methodological approaches to analysis and forecasting of the labour market within the framework of sustainable development. Proc. 2nd Int. Conf. on Environmental Sustainability Management and Green Technologies (E3S Web of Conf., vol. 451, 05019). Novosibirsk: Novosibirsk State Technical University. 11 p. DOI: 10.1051/e3sconf/202345105019 EDN: UUHBZT