Eine neue Perspektive auf Berufswahltheorien: Wie Künstliche Intelligenz Interessensstrukturmodelle anhand menschlicher Sprache versteht

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.