Mapping Curricula to Occupational Work Activities Using a Shared DWA Ontology: Evidence from the Course-Skill Atlas and O*NET
यह अध्ययन एक पाठ्यक्रम विश्लेषण ढांचे (curriculum analytics framework) को प्रस्तुत करता है जो एक साझा विस्तृत कार्य गतिविधि (Detailed Work Activity) ऑन्टोलॉजी का उपयोग करके कंप्यूटर विज्ञान पाठ्यक्रमों के संकेतों को डेटा साइंटिस्ट की व्यावसायिक आवश्यकताओं के साथ मैप करता है, जिससे यह पता चलता है कि हालांकि पाठ्यक्रम सभी आवश्यक कार्यों को कवर करता है, फिर भी यह उनके सापेक्ष भार (relative weighting) में एक महत्वपूर्ण महत्व अंतराल (emphasis gap) प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि एक ही क्षेत्र का वर्णन करने के लिए दो अलग-अलग मानचित्र (मैप) बने हैं। एक मानचित्र विश्वविद्यालयों द्वारा बनाया गया है, जो एक छात्र की शिक्षा के मार्ग (पाठ्यक्रम) को दर्शाता है। दूसरा मानचित्र नियोक्ताओं (employers) द्वारा बनाया गया है, जो एक विशिष्ट नौकरी के दैनिक कार्यों (व्यवसाय) को दर्शाता है।
समस्या यह है कि इन दोनों मानचित्रों की भाषा और प्रतीक पूरी तरह से अलग हैं। एक विश्वविद्यालय किसी कक्षा को "सांख्यिकीय मॉडलिंग" (Statistical Modeling) कह सकता है, जबकि एक जॉब डिस्क्रिप्शन उसी कौशल को "रुझानों की पहचान करने के लिए डेटा का विश्लेषण करना" कह सकता है। केवल शब्दों को पढ़कर इन्हें मिलाने की कोशिश करना, फ्रेंच में लिखी गई रेसिपी को जापानी रेसिपी से केवल उनके शीर्षकों को देखकर मिलाने जैसा है—यह बहुत अव्यवस्थित है और अक्सर गलतियों का कारण बनता है।
यह शोध पत्र एक चतुर समाधान पेश करता है: एक यूनिवर्सल ट्रांसलेटर जिसे DWA-ID कहा जाता है।
यूनिवर्सल ट्रांसलेटर (साझा ऑन्टोलॉजी)
सिलेबी (syllabi) के अव्यवस्थित टेक्स्ट को जॉब डिस्क्रिप्शन के अव्यवस्थित टेक्स्ट से मिलाने के बजाय, लेखकों ने एक ऐसी प्रणाली बनाई है जहाँ दोनों पक्ष अपने विचारों को एक एकल, आधिकारिक कोड में अनुवादित करते हैं: डिटेल्ड वर्क एक्टिविटी (DWA) ID।
DWA-ID को एक यूनिवर्सल बारकोड की तरह समझें।
- विश्वविद्यालय अपने पाठ्यक्रम (syllabus) को लेता है, वह देखता है कि वह क्या सिखा रहा है, और उसे एक विशिष्ट बारकोड प्रदान करता है (जैसे, समस्याओं को हल करने के लिए गणित लागू करने के लिए "बारकोड 4.A.2.a.4.I04.D01")।
- नौकरी (विशेष रूप से, O*NET डेटाबेस से "डेटा साइंटिस्ट" की भूमिका) अपने दैनिक कार्यों की सूची लेती है और उन्हें ठीक वही बारकोड असाइन करती है।
अब, भ्रमित करने वाले वाक्यों की तुलना करने के बजाय, शोधकर्ता केवल बारकोड की सूचियों की तुलना कर रहे हैं। यह तुलना को निष्पक्ष, पता लगाने योग्य और सटीक बनाता है।
मुख्य खोज: यह गायब नहीं है, यह बस शांत है
शोधकर्ताओं ने इस बारकोड सिस्टम का उपयोग कंप्यूटर साइंस की डिग्री की तुलना डेटा साइसेंटिस्ट की नौकरी से करने के लिए किया।
यहाँ उन्होंने एक सरल उपमा (analogy) का उपयोग करते हुए क्या पाया, इसे देखें:
कल्पना कीजिए कि आप एक बुफे (buffet) (विश्वविद्यालय पाठ्यक्रम) को देख रहे हैं ताकि यह देख सकें कि क्या इसमें एक विशिष्ट सिग्नेचर डिश (डेटा साइंटिस्ट की नौकरी) बनाने के लिए आवश्यक सभी सामग्रियां मौजूद हैं।
- अच्छी खबर: बुफे में उस डिश के लिए आवश्यक हर एक सामग्री मौजूद है। यदि आप सूची की जाँच करते हैं, तो आप देखते हैं कि "मैदा," "चीनी," "अंडे," और "चॉकलेट" मौजूद हैं। कुछ भी गायब नहीं है। शोध पत्र में, इसे "फुल नोमिनल कवरेज" (Full Nominal Coverage) कहा गया है।
- बुरी खबर: हालाँकि सामग्रियां वहाँ हैं, लेकिन वे पेंट्री के पिछले हिस्से में छिपी हुई हैं या अन्य भोजन के ढेर के नीचे दबी हुई हैं। "सिग्नेचर डिश" की सामग्रियां कुल बुफे का एक बहुत ही छोटा सा हिस्सा बनाती हैं। बुफे का मुख्य ध्यान वास्तव में "ब्रेड" और "सूप" (अन्य कंप्यूटर साइंस विषय जैसे एल्गोरिदम या थ्योरी) पर है।
निष्कर्ष: डिग्री और नौकरी के बीच का अंतर एक "एब्सेंस गैप" (Absence Gap) (विश्वविद्यालय कौशल नहीं सिखा रहा है) नहीं है। यह एक "एम्फसिस गैप" (Emphasis Gap) है। कौशल वहाँ हैं, लेकिन वे आधिकारिक पाठ्यक्रम दस्तावेजों में नौकरी की आवश्यकताओं की तीव्रता से मेल खाने के लिए पर्याप्त रूप से हाइलाइट या प्राथमिकता नहीं दिए गए हैं।
उन्होंने अपने काम की जाँच कैसे की
यह सुनिश्चित करने के लिए कि उनका "बारकोड ट्रांसलेटर" टूटा हुआ नहीं था, उन्होंने कई परीक्षण किए:
"पॉजिटिव कंट्रोल" टेस्ट: उन्होंने देखा कि क्या सिस्टम स्पष्ट मिलानों के लिए काम करता है।
- क्या "अकाउंटिंग" की डिग्री "अकाउंटेंट" की नौकरियों के साथ सबसे अच्छा मेल खाती है? हाँ।
- क्या "मैथ" की डिग्री "सांख्यिकीविद्" (Statistician) की नौकरियों के साथ सबसे अच्छा मेल खाती है? हाँ।
- क्या "कंप्यूटर साइंस" की डिग्री "सॉफ्टवेयर डेवलपर" की नौकरियों के साथ सबसे अच्छा मेल खाती है? हाँ।
- परिणाम: सिस्टम काम करता है। यह गणित-प्रधान नौकरी और कोडिंग-प्रधान नौकरी के बीच अंतर कर सकता है।
"स्ट्रेस टेस्ट": उन्होंने नियमों को थोड़ा बदल दिया (जैसे कि किसी सामग्री को गिनने से पहले उसके "फ्लेवर" की अधिक तीव्रता की मांग करना)। परिणाम समान रहे, जिससे सिद्ध होता कि उनके निष्कर्ष ठोस हैं।
इसका क्या अर्थ है (और क्या नहीं)
यह शोध पत्र एक बहुत ही महत्वपूर्ण अंतर स्पष्ट करता है: यह मेनू का मानचित्र है, भोजन की रिपोर्ट नहीं।
- यह क्या है: यह देखने का एक तरीका कि विश्वविद्यालय अपने आधिकारिक दस्तावेजों (सिलेबी) में क्या सिखाने का दावा करते हैं। यह दिखाता है कि भले ही कंप्यूटर साइंस प्रोग्रामों में डेटा साइंस के कौशल शामिल हैं, लेकिन वे आधिकारिक पाठ्यक्रम में मुख्य फोकस होने के बजाय गहराई में दबे हुए हैं।
- यह क्या नहीं है: यह इस बात का माप नहीं है कि छात्र वास्तव में कितनी अच्छी तरह सीखते हैं, शिक्षक कितने अच्छे हैं, या क्या छात्र नौकरी के लिए तैयार हैं। एक छात्र लैब या प्रोजेक्ट में बहुत कुछ सीख सकता है जो आधिकारिक सिलेबस "मेनू" में कभी नहीं आता।
मुख्य निष्कर्ष (Takeaway)
लेखकों ने एक ऐसा उपकरण बनाया है जो विश्वविद्यालयों और नियोक्ताओं को एक ही भाषा बोलने में मदद करता है। इन "बारकोडों" का उपयोग करके, उन्होंने पाया कि कंप्यूटर साइंस की डिग्रियाँ डेटा साइंस सिखाने में विफल नहीं हो रही हैं; वे बस उन्हें बहुत शांति से, कई अन्य चीजों के साथ मिलाकर सिखा रही हैं। यदि विश्वविद्यालय डेटा साइंस की नौकरियों के लिए छात्रों को बेहतर ढंग से तैयार करना चाहते हैं, तो उन्हें उन विशिष्ट कौशलों को केवल आधिकारिक पाठ्यक्रम में कहीं छिपा रखने के बजाय, उन्हें अधिक दृश्यमान और प्रमुख बनाने की आवश्यकता हो सकती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।