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: Qualitätssicherung durch Struktur- und Outputanalyse 

Dr. Martina Rengers vom Statistischen Bundesamt (Destatis) berichtet in ihrem Vortrag von verschiedenen Herausforderungen, die bei der Analyse von Online-Stellenanzeigen in den letzten Jahren aufgetreten sind und aktuell noch auftreten. Anschaulich zeigt sie am Beispiel von Datensätzen des Europäischen Zentrums für die Förderung der Berufsbildung (CEDEFOP), welche Indikatoren im Rahmen einer Datenstrukturanalyse herangezogen werden können: Von der Art der Datengewinnung über die Auswahl der Jobportale bis hin zum Umgang mit Dubletten und der monatlichen Volatilität. All diese Indikatoren können helfen, einen Datensatz und dessen Struktur besser zu verstehen und zu bewerten. Am praktischen Beispiel des Indexes EXDAT – berechnet aus den CEDEFOP Daten – zeigt Frau Dr. Rengers auf, dass die Daten großen Schwankungen unterliegen. Der Rückgang von Online-Stellenanzeigen aufgrund von Corona und die anschließende Erholung fallen bei diesen Daten stärker ins Gewicht als beispielsweise bei Daten von Indeed oder Textkernel. Am Ende Ihres Vortrages zeigt Frau Dr. Rengers Voraussetzungen auf, damit die Datenqualität beurteilt werden kann und welche Methoden dabei angewendet werden können.  

 

Weitere spannende Arbeiten von Frau Dr. Rengers bzw. dem Statistischen Bundesamt 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