Zum Hauptinhalt springen

Qualifikationsentwicklungsforschung

Aufbereitung, Annotation und Auswertung eines großen Korpus von Stellenanzeigen

Die Kooperation baut auf zwei bereits durchgeführten Vorstudien (2014) auf und läuft seit dem Oktober 2015 in jeweils 18-monatigen Projektphasen.

Die Daten der Stellenanzeigen der Bundesagentur für Arbeit (BA) werden dem Arbeitsbereich 2.2 des BIBB bereits seit 2011 für wissenschaftliche Zwecke überlassen. In der Regel handelt es sich dabei um mehrere hunderttausend Anzeigen pro Jahr. Die Daten bilden in einzigartiger Weise das Arbeitsmarktgeschehen ab. Sie spiegeln die Suchprozesse der Unternehmen wider und zeigen frühzeitig Arbeitsmarktentwicklungen u. a. in Hinblick auf Tätigkeiten und Anforderungen an, bevor diese in anderen Statistiken sichtbar werden können. Somit eignen sich die Daten der Stellenanzeigen in hohem Maße für die Früherkennung von Arbeitsmarktentwicklungen. Insbesondere für neue und dynamische Veränderungsprozesse, die für den Arbeitsmarkt von Bedeutung sind, bieten die Stellenanzeigen hohes Analysepotential. Dieses große Analysepotential ist gleichzeitig die größte Herausforderung. Während viele Informationen standardisiert vorliegen (bspw. Beruf, Wirtschaftszweig, Ausbildung etc.), ist der größere Teil der Informationen nicht standardisiert in einem Freitext hinterlegt. Für die Arbeit des BIBB sind gerade diese nicht standardisierten Informationen von Interesse. Dabei handelt es sich beispielsweise um Anforderungen an die Bewerber*innen (KompetenzenQualifikationenFertigkeiten und Fähigkeiten) oder das Tätigkeitsprofil der zu besetzenden Stelle.

Die Stellenanzeigen als Datengrundlage eröffnen dem BIBB die Möglichkeit, mit wissenschaftlichen Methoden Entwicklungen im Rahmen der betrieblichen Qualifikationsanforderungen, des Fachkräftebedarfs und spezifischer Ausprägungen der einzelnen beruflichen Anforderungen sowohl im Quer-, als auch im Längsschnitt analysieren zu können. Dabei soll näher untersucht werden, welche Anforderungen welche Relevanz für die Berufsausbildung und Berufsbildung haben. Dies kann für einzelne Berufe als Forschungsplanung oder Forschungsauftrag im BIBB formuliert werden, jedoch auch für Berufszweige. Unterschieden werden die Anforderungsanalysen auch nach Branchen. Daneben werden auch Statistiken aus dem Material erstellt, die dazu dienen, der Politik Planungssicherheit zu gewähren. Das BIBB ist zur Politikberatung des BMBF und auch des BMI und des BMAS verpflichtet. Die Rückschlüsse aus den Analysen münden in Empfehlungen für den Ausgleich defizitärer Bildungsangebote oder Neuordnungsverfahren.

Ehemalige Projektmitarbeiter*innen

Johanna Binnewitt

Alena Geduldig

Andreas Vogt

Dokumentationen

Dokumentation auf githubb.io

Anne Gerlach (2021):“Entwicklung eines Verfahrens zur Dublettenerkennung bei Stellenanzeigen. Ein Methodenvergleich.” Masterarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Schäfer, Christine (2021): Evaluation von Extraktionsmustern im Kontext von Text Mining auf Stellenanzeigen. Bachelorarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Binnewitt, Johanna (2020):Concept Mining – Disambiguierung extrahierter Terme am Beispiel von Stellenausschreibungen. Masterarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Geduldig, Alena et al. (2020): Berufsbildung 4.0 - Fachkräftequalifikationen und Kompetenzen für die digitalisierte Arbeit von morgen : Säule 3: Monitoring- und Projektionssystem zu Qualifizierungsnotwendigkeiten für die Berufsbildung 4.0. Wissenschaftliche Diskussionspapiere 214, Bundesinstitut für Berufsbildung.   

Binnewitt, Johanna (2019): Erstellung einer XML-Datei als Ressource für berufliche Kompetenzen. Projektarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Binnewitt, Johanna (2018): Expansion von Morphemkoordinationen zur Verbesserung der Informationsextraktion. Projektarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Binnewitt, Johanna (2017): Machine-Learning-Verfahren zur Klassifikation von Stellenausschreibungen. Bachelorarbeit, Informationsverarbeitung, Institut für Digital Humanities, Universität zu Köln.

Geduldig, Alena (2017): Muster und Musterbildungsverfahren für domänenspezifische Informationsextraktion. Ein Bootstrapping-Ansatz zur Extraktion von Kompetenzen aus Stellenanzeigen. Masterarbeit, Informationsverarbeitung, Institut für Linguistik, Universität zu Köln.

Hermes, Jürgen & Manuel Schandock (2016): Stellenanzeigenanalyse in der  Qualifikationsentwicklungsforschung.  Die Nutzung maschineller Lernverfahren zur Klassifikation von Textabschnitten. In: Fachbeiträge in Internet, Bundesinstitut für Berufsbildung. 

Neumann, Mandy (2015): Analyse von Anforderungsprofilen. Eine Studie zur Informationsextraktion aus Stellenanzeigen. Masterarbeit, Informationsverarbeitung, Institut für Linguistik, Universität zu Köln.

Qualifikationsentwicklungsforschung auf GitHub

GitHub Repository quenfo (Abschnittsklassifikation, Informationsextraktion, Java)

GitHub Repository quenfo_py (Abschnittsklassifikation, Informationsextraktion, Python)

GitHub Repository dupli (Doublettenerkennung, Python) 

Verwendete Technologie

Informationsextraktion aus Stellenanzeigen

Projektverantwortlicher:

Dr. Jürgen Hermes
Sprachliche Informationsverarbeitung
Institut für Digital Humanities
Universität zu Köln

Gefördert durch:

Bundesinstitut für Berufliche Bildung

Förderzeitraum:

Phase I 10/2015 – 04/2017 

Phase II 05/2017 – 10/2018

Phase III 11/2018 – 04/2020

Phase IV 05/2020 – 10/2021

Projektmitarbeiter*innen:

Anne Gerlach

Christine Schäfer