Bildungsbedarfsanalyse auf Grundlage von Stellenanzeigen. Prof. Dr. Frank Bensberg Department für Wirtschaft

Transkript

1 Bildungsbedarfsanalyse auf Grundlage von Stellenanzeigen Prof. Dr. Frank Bensberg Department für Wirtschaft

2 Agenda Motivation Herausforderungen und Instrumente des Bildungsbedarfsmanagements Technische Grundlagen des Text Mining Fragestellungen und Ergebnisse des Projekts Fazit 2

3 Motivation HfT Leipzig in privater Trägerschaft durch die Deutsche Telekom AG Studiengänge der Nachrichtentechnik, Telekommunikationsinformatik, Wirtschaftsinformatik und Informations- und Kommunikationstechnik sämtliche Abschlüsse staatlich anerkannt und akkreditiert direkte, duale und berufsbegleitende Bachelor / Master Studiengänge 3

4 Technologiedynamik als Herausforderung für IT-orientierte Studiengänge Hype Cycle for Emerging Technologies Quelle: Gartner (2011). 4

5 Wissenserosion Halbwertszeit von IT-Wissen 100% Wissensbestand 50% IT-Wissen Hochschulwissen 0% 0 Jahre 5 Jahre 10 Jahre Gültigkeitsdauer des Wissens Quelle: nach Mohr, M. et al. (2006), S. 6. 5

6 Entwicklung von Bildungsangeboten zwei (extreme) Paradigmen Traditionelle Entwicklung Marktorientierte Entwicklung Interessen- und Forschungsgebiete von Lehrenden prägen Bildungsinhalte und -angebot Ausrichtung des Angebots an den Motivations- und Interessenprofilen der bestehenden Lehrressourcen "Inputorientierung" Arbeitsmarktbezug prägt die Bildungsinhalte Ausrichtung des Angebots an den Bedürfnissen der Studierenden und den gesellschaftlichen Anforderungen "Outputorientierung" 6

7 Marktorientierte Entwicklung von Bildungsprodukten erfordert die Analyse des Bildungsbedarfs Konkurrenzanalyse Analyse der Angebote konkurrierender Bildungseinrichtungen Prozessanalyse empirische Analyse der Arbeitsprozesse in Unternehmen Bedarfsanalyse Expertenbefragung Befragung von Experten mit entsprechendem Domänenwissen Stellenanzeigenanalyse Inhaltsanalyse von Stellenanzeigen Quelle: in Anlehnung an Hörmann, C. (2007), S

8 Job-Portal der Deutschen Telekom AG Jobsuche Ergebnisliste Quelle: 8

9 Struktur einer Stellenanzeige 9

10 Struktur einer Stellenanzeige Stellenbezeichnung & Detailangaben 10

11 Struktur einer Stellenanzeige Stellenbeschreibung 11

12 Struktur einer Stellenanzeige Anforderungen 12

13 Struktur einer Stellenanzeige Unternehmensbereich 13

14 Struktur einer Stellenanzeige Chance 14

15 Architekturmodell für Text Mining-Systeme Text Mining-System Crawler Rohdatenbestand Dokumentprozessoren Analysemethoden Analysedatenbestand Benutzerschnittstelle Dokumente Administrationskomponente Anwender 15 Quelle: Abbildung in enger Anlehnung an Feldman, R; Sanger, J (2006), S. 15.

16 Text Mining-Prozess zur Stellenanzeigenanalyse Informationsbedarf erheben Informationsbedarf Text Mining- Datengrundlage festlegen Text Mining- Methoden festlegen Akademische Abschlüsse Wie verteilen sich die geforderten akademischen Abschlüsse auf die Stellenanzeigen? Stellenanzeigen extrahieren Stellenanzeigen vorverarbeiten Text Mining- Methoden anwenden Text Mining- Ergebnisse visualisieren Text Mining- Ergebnisse interpretieren Fachliche Ausbildungsinhalte Zeitliche Entwicklung von Themen Welche fachlichen Ausbildungsinhalte werden im Rahmen der Stellenanzeigen als Anforderungen an potenzielle Bewerber formuliert? Können Aussagen über die zeitliche Entwicklung von geforderten Ausbildungsinhalten getroffen werden, um Trends möglichst frühzeitig zu erkennen? 16

17 Analyse der akademischen Abschlüsse Verteilung der Studiengänge 0% 5% 10% 15% 20% 25% 30% Wirtschaftsinformatik 13% Informatik 27% Betriebswirtschaftslehre 24% Nachrichten- oder Elektrotechnik 7% 17

18 Analyse der fachlichen Ausbildungsinhalte Quelle: Bensberg, F. (2012), S

19 Analyse der fachlichen Ausbildungsinhalte Kategorie Konzepte & Methoden Sprachen Hersteller & Produkte Kategorie 1: Konzepte & Methoden längerfristig gültiges Wissen aus informatikorientierten Fachdisziplinen (z. B. SOA, ITIL, ) Kategorie 2: Sprachen Programmier-, Datenabfrage-, Auszeichnungs- und Modellierungssprachen (z. B. UML, Java) Kategorie 3: Hersteller & Produkte Marken- und Produktbezeichnungen aus dem ICT-Sektor (z. B. IBM, Microsoft, ) 19

20 Analyse der fachlichen Ausbildungsinhalte Hersteller & Produkte Kategorie Sprachen Konzepte & Methoden Quelle: Bensberg, F. (2012), S

21 Konzepte & Methoden Kategorie 1: Konzepte & Methoden 21

22 Sprachen Kategorie 2: Sprachen 22

23 Hersteller & Produkte Kategorie 3: Hersteller & Produkte 23

24 Analyse der zeitlichen Entwicklung von Themen Quelle: Bensberg, F. (2012), S

25 Fazit Nutzeffekte des Text Mining-Projekts Unterstützung beim Design neuer Bildungsangebote Steigerung der marktrelevanten Themen im Bildungsangebot Unterstützung bei der Überprüfung bestehender Bildungsangebote schnellere Anpassung an Technologietrends und Marktanforderungen Kostenersparnis durch automatische Informationsbeschaffung und Analyse sowie Reduktion von Sekundärquellen 25

26 Literaturverzeichnis Bensberg, F. (2012), Bildungsbedarfsanalyse auf Grundlage von Stellenanzeigen Potenziale des Text Mining für das Lern-Service-Engineering, in: Mattfeld, D. C., Robra-Bissantz, S. (Hsrg.): Multikonferenz Wirtschaftsinformatik 2012 Tagungsband der MKWI 2012, Berlin 2012, S Feldman, R., Sanger, J. (2006), The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data, New York Hörmann, C. (2007), Die Delphi-Methode in der Studiengangsentwicklung - Entwicklung und Erprobung eines Modells zur empirisch gestützten Studiengangsentwicklung, Dissertation, Pädagogische Hochschule Weingarten, Mohr, M., Wittges, H., Nicolescu, V., Krcmar, H., Schrader, H. (2006), Einbindung und Motivation informeller Multiplikatoren im IT-Training am Beispiel Education Service Providing, Multikonferenz Wirtschaftsinformatik, Passau, S

27 Kontakt Prof. Dr. Frank Bensberg Hochschule für Telekommunikation Leipzig (HfTL) Gustav-Freytag-Str D Leipzig Tel.: XING: WWW: 27