Eine neue Perspektive auf Berufswahltheorien: Wie Künstliche Intelligenz Interessensstrukturmodelle anhand menschlicher Sprache versteht
Lade...
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
04.09.2025
Typ der Arbeit
Master
Studiengang
Master of Science FHNW in Angewandter Psychologie
Sammlung
Typ
11 - Studentische Arbeit
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Hochschule für Angewandte Psychologie FHNW
Verlagsort / Veranstaltungsort
Olten
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Hochschule für Angewandte Psychologie APS
Zusammenfassung
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.
Schlagwörter
Künstliche Intelligenz (KI), Natural Language Processing (NLP) Word-Embedding, Berufsinteressen, RIASEC-Modell, Verb-Interessenstest (VIT), Hauptkomponentenanalyse
Fachgebiet (DDC)
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Deutsch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Begutachtung
Open Access-Status
Lizenz
Zitation
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