Eine neue Perspektive auf Berufswahltheorien: Wie Künstliche Intelligenz Interessensstrukturmodelle anhand menschlicher Sprache versteht
Loading...
Authors
Author (Corporation)
Publication date
04.09.2025
Typ of student thesis
Master
Course of study
Master of Science FHNW in Angewandter Psychologie
Collections
Type
11 - Student thesis
Editors
Editor (Corporation)
Supervisor
Parent work
Special issue
DOI of the original publication
Link
Series
Series number
Volume
Issue / Number
Pages / Duration
Patent number
Publisher / Publishing institution
Hochschule für Angewandte Psychologie FHNW
Place of publication / Event location
Olten
Edition
Version
Programming language
Assignee
Practice partner / Client
Hochschule für Angewandte Psychologie APS
Abstract
Ein wichtiger Meilenstein im Leben jedes Menschen ist die Wahl eines geeigneten Berufes, die massgeblich durch individuelle Interessen beeinflusst wird. Das Forschungsfeld der Berufsinteressen beschäftigt sich mit der Frage, wie ein passender Beruf gefunden werden kann. Eine der etabliertesten Theorien dieses Bereichs ist Hollands Theorie, auch bekannt als RIASEC-Modell. Basierend auf dieser wurden zahlreiche Messinstrumente zur Erfassung von Berufsinteressen entwickelt. Eines davon ist der Verb-Interessenstest (VIT), welcher Berufsinteressen mithilfe kontextloser Tätigkeitsverben erfasst. Diese Verben sind jeweils einer der sechs RIASEC-Dimensionen zugeordnet und repräsentieren diese. Gleichzeitig stellt sich durch das Voranschreiten künstlicher Intelligenz (KI) in verschiedenste Bereiche die Frage nach deren Anwendung im Kontext der Berufsinteressen. Das Verfahren der Word-Embeddings aus dem Bereich der KI erlaubt nicht nur die Abbildung von Wortbedeutungen in einem Vektorraum, sondern auch das Entdecken latenter Bedeutungsstrukturen. Ziel dieser Arbeit ist es zu untersuchen, inwiefern sich die Struktur des RIASEC-Modells in einem Word-Embedding widerspiegelt. Zur Beantwortung dieser Frage wurden die Verben des VITs in einem vortrainierten Word-Embedding analysiert. Mittels Hauptkomponentenanalyse wurden aus den Vektoren der Verben sechs Faktoren extrahiert. Die Analyse der Faktoren erfolgte anhand der Mittelwerte der Faktorladungen der Verben pro RIASEC-Dimension, sowie der Verben mit den zehn stärksten positiven und negativen Faktorladungen. Keiner der extrahierten Faktoren spiegelte dabei eine Dimension des Modells eindeutig wider. Von den sechs Faktoren konnten die ersten beiden am deutlichsten interpretiert werden, während die restlichen Mischfaktoren darstellten. Die Ergebnisse deuten insgesamt auf eine geringere Trennschärfe zwischen den RIASEC-Dimensionen sowie auf komplexere, gemischte Interessensräume hin.
Keywords
Künstliche Intelligenz (KI), Natural Language Processing (NLP) Word-Embedding, Berufsinteressen, RIASEC-Modell, Verb-Interessenstest (VIT), Hauptkomponentenanalyse
Subject (DDC)
Event
Exhibition start date
Exhibition end date
Conference start date
Conference end date
Date of the last check
ISBN
ISSN
Language
German
Created during FHNW affiliation
Yes
Strategic action fields FHNW
Publication status
Review
Open access category
License
Citation
Hêche, N. (2025). Eine neue Perspektive auf Berufswahltheorien: Wie Künstliche Intelligenz Interessensstrukturmodelle anhand menschlicher Sprache versteht [Hochschule für Angewandte Psychologie FHNW]. https://doi.org/10.26041/fhnw-14249