In dieser Blogreihe berichten Expert:innen über Lösungsansätze zu methodischen Herausforderungen, die bei der Analyse von Online-Stellenanzeigen (OJA – Online Job Advertisement) entstehen können. Die Vortragsvideos stammen vom OJV Forum, welches vom Bundesinstitut für Berufsbildung und der Bertelsmann Stiftung im November 2021 ausgerichtet wurde. Das Forum hat zum Ziel, Expert:innen für die Analyse von OJA miteinander zu vernetzen, über methodische Herausforderungen zu diskutieren und sich gegenseitig auf den aktuellen Forschungsstand zu bringen. Darüber hinaus soll es dazu beitragen, das Potential der OJA-Analyse weiter auszuschöpfen und den Weg für weitere Studienideen und Kooperationen zu bereiten.  

Video: Taxonomien von Anforderungsdimension in OJVs – eine psychologische Perspektive 

Wie können aus Online-Stellenanzeigen Taxonomien von Kompetenzen gewonnen werden? Dieser Frage geht Prof. Dr. Matthias Ziegler von der Humboldt-Universität zu Berlin aus psychologischer Perspektive nach. In der Psychologie gibt es verschiedene Ansätze, wie man von einer Theorie zu beobachtbaren und messbaren Ergebnissen kommt. Während beim Bottom-Up-Ansatz in Daten nach Mustern gesucht wird, werden beim Top-Down-Ansatz Expert:innenwissen oder Theorien genutzt, um daraus Taxonomien abzuleiten. Diese Ansätze werden oft in Kombination angewendet und können auch auf die Analyse von Online-Stellenanzeigen übertragen werden. Beim Bottom-Up-Ansatz werden die Texte der Online-Stellenanzeigen anhand von Text-Mining-Verfahren in einzelne Bestandteile zerlegt. Im Anschluss findet man mit Korrelationsanalysen und Clusterbildung Zusammenhänge und generiert Taxonomien. Beim Top-Down-Ansatz werden Expert:innen des Arbeitsmarktes befragt und ihr Wissen dann genutzt, um Algorithmen zu trainieren und Informationen in den Online-Stellenanzeigen zu finden. Wichtig ist, dass die Ergebnisse der Algorithmen reliable und valide sind.  

 

Weitere spannende Arbeiten und Kontaktdaten von Herrn Prof. Dr. Ziegler bzw. dem Institut für Psychologie der Humboldt-Universität zu Berlin finden Sie unter den folgenden Links: 

 

Weitere Beiträge aus der Reihe „Gewusst wie: Analyse von Online-Stellenanzeigen“:

Gewusst wie: Analyse von Online-Stellenanzeigen (1/11) – Aufbereitung eines Datenschatzes

Gewusst wie: Analyse von Online-Stellenanzeigen (2/11) – Erkennung von Dubletten

Gewusst wie: Analyse von Online-Stellenanzeigen (3/11) – Sicherung der Qualität

Gewusst wie: Analyse von Online-Stellenanzeigen (4/11) – Wie repräsentativ sind die Daten?

‎Gewusst wie: Analyse von Online-Stellenanzeigen (5/11) – Evaluation

Gewusst wie: Analyse von Online-Stellenanzeigen (6/11) – Aufdecken von versteckten Informationen

Gewusst wie: Analyse von Online-Stellenanzeigen (7/11) – Mit Machine Learning zur Antwort

Gewusst wie: Analyse von Online-Stellenanzeigen (8/11) – Zuordnung von Berufe

Gewusst wie: Analyse von Online-Stellenanzeigen (9/11) – Gewinnung von Taxonomien

Gewusst wie: Analyse von Online-Stellenanzeigen (10/11) – Genese und Anreicherung von Kompetenzwörterbüchern

Gewusst wie: Analyse von Online-Stellenanzeigen (11/11) – Werben mit Nachhaltigkeit in Azubistellen