Measuring Curriculum–Labor Market Alignment at the Scale of a Program Portfolio
Dit artikel presenteert een grootschalige, op een taxonomie gebaseerde analyse van een portfolio aan computerprogramma's die 1.922 leerdoelen van cursussen vergelijkt met meer dan 100.000 competenties voor beroepen om systematische curriculumkloven in belangrijke technische gebieden en een consistente mismatch te onthullen waarbij het academisch onderwijs ongeveer één Bloom-niveau onder de marktvraag ligt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een chef bent die een enorme kookschool runt. Je hebt vijf verschillende klassen: één voor patisserie, één voor grillen, één voor het bakken van brood, één voor soepen en één voor salades. Je gaat ervan uit dat omdat je vijf verschillende menu's hebt, je precies onderwijst wat de restaurants in de wereld nodig hebben. Maar hier is het probleem: de voedingsindustrie verandert sneller dan jij je tekstboeken kunt herschrijven. Een restaurant kan volgende maand een nieuw type pittige saus nodig hebben, maar jouw curriculum wordt pas over drie jaar bijgewerkt.
Om dit op te lossen, vragen scholen meestal een paar lokale chefs om advies of wachten ze tot ze zien of hun studenten worden aangenomen. Maar dat is alsof je probeert te navigeren op een stormachtige oceaan met een papieren kaart; het is traag, het dekt slechts een klein stukje water af, en het is moeilijk te kopiëren voor de volgende klas. Onlangs zijn wetenschappers begonnen met het gebruik van krachtige computerbreinen (Large Language Models) om duizenden vacatures te lezen en deze direct te vergelijken met wat de scholen onderwijzen. Ze gebruiken een "woordenboek" van vaardigheden (zoals een gigantisch, gestandaardiseerd menu van kooktermen) om ervoor te zorgen dat ze appels met appels vergelijken. De grote vraag is: leren onze kookscholen eigenlijk de juiste gerechten, of serveren we alleen maar een hoop chique garnering terwijl de klanten hunkeren naar het hoofdgerecht?
Dit artikel neemt die vraag en schaalt deze op. In plaats van naar slechts één kookles te kijken, bekeken de onderzoekers een volledige "College of Information Technology" als één grote keuken. Ze wilden zien of de vijf verschillende opleidingen die ze aanboden (Computer Science, Computer Engineering, Data Science, Information Security en Information Technology) daadwerkelijk verschillend waren van elkaar op de manieren die de arbeidsmarkt nodig had, of dat ze allemaal slechts variaties van hetzelfde waren die dezelfde belangrijke vaardigheden misten.
De Grote Keukenaudit
De onderzoekers hebben niet alleen het menu gelezen; ze keken naar wat de studenten daadwerkelijk aten. Ze realiseerden zich dat een schoolcatalogus als een buffet is met 500 gerechten, maar een student krijgt er slechts 10 te eten. Als je het hele buffet telt, denk je dat de school alles leert. Maar als je kijkt naar wat een student daadwerkelijk opeet, kom je er misschien achter dat ze nooit de pittige vleugeltjes of de exotische desserts hebben aangeraakt. Het team bouwde een speciaal "realized-attainment" model om precies te bepalen wat een student gegarandeerd leert op basis van de regels van hun opleiding, waarbij ze de gerechten negeerden die ze misschien zouden kiezen maar waarschijnlijk niet zullen eten.
Vervolgens gingen ze op een digitale speurtocht. Ze verzamelden 5.186 unieke vacatures van vier verschillende vacaturesites in hun regio. Ze gebruikten een computerbrein om elke vacature en elke cursusbeschrijving te lezen, waarbij ze specifieke vaardigheden (zoals "het coderen van een database" of "het beheren van een project") woord voor woord extraheerden. Ze zorgden ervoor dat de computer niets verzocht; als de vaardigheid niet in de tekst stond, verzon de computer deze niet. Ze controleerden vervolgens hun werk met menselijke experts om te controleren of de computer het goed had, en de computer zat er bijna altijd naast (ongeveer 99% nauwkeurigheid).
Wat ze vonden: Het "Systemische" Tekort
De resultaten waren alsof je ontdekt dat al je vijf kooklessen dezelfde drie essentiële ingrediënten missen.
- De tekorten zijn overal, niet alleen in één klas: De onderzoekers ontdekten dat de ontbrekende vaardigheden niet een probleem waren voor slechts één opleiding. Of je nu studeerde om een security-expert te worden of een data scientist, het curriculum miste dezelfde toegepaste vaardigheden die de arbeidsmarkt eist. De grootste tekorten zaten in Software Engineering, Systems and Infrastructure, Web Development en Security. De arbeidsmarkt vroeg om deze vaardigheden in een tempo dat 1,5 tot 4 keer hoger lag dan wat de scholen aanboden.
- De "Gedeelde Kern" is te licht: Alle vijf de opleidingen delen een gemeenschappelijke set basislessen (de "college core"). De onderzoekers ontdekten dat deze gedeelde kern slechts ongeveer één derde van de vaardigheden dekte die de arbeidsmarkt daadwerkelijk nodig heeft. Het was geweldig in het onderwijzen van de basis en algemene vaardigheden, maar liet het zware, praktische werk over aan de specifieke major-lessen. Helaft was zelfs de specifieke major-lessen niet in staat om dit gat te dichten.
- Andere namen, dezelfde ontbrekende stukjes: De vijf programma's waren weliswaar verschillend van elkaar in hun specifieke onderwerpen (wat goed is!). Een Computer Science-student leerde andere dingen dan een Information Technology-student. Echter, ze waren allemaal "homogeen" in hun zwaktes. Ze faalden allemaal in het aanleren van dezelfde praktische vaardigheden. Het is alsof je vijf verschillende automodellen hebt die allemaal een geweldige motor hebben, maar allemaal een lekke band.
- Het "Diepte"-probleem: Dit was de meest verrassende bevinding. Zelfs wanneer de scholen een vaardigheid wel onderwezen, deden ze dat op een veel lager niveau dan de arbeidsmarkt verwachtte. De onderzoekers maten dit met behulp van een "Bloom's Taxonomy" schaal, die een ladder van denkvaardigheden is van "Onthouden" tot "Creëren". De arbeidsmarkt wilde dat studenten aan de top van de ladder stonden (creëren en analyseren), maar de scholen onderwezen voornamelijk aan de onderkant (onthouden en begrijpen). Gemiddeld lag het curriculum één volledige stap onder wat de markt vereiste. Dit gold met name voor "Systems" en "Artificial Intelligence".
De Conclusie
De studie concludeert dat het probleem niet is dat één specifieke klas slecht is; het probleem is het hele systeem. Het college investeert te veel in theoretische fundamenten (zoals algoritmen en wiskunde) en algemene vaardigheden, terwijl het te weinig investeert in de praktische, toegepaste vaardigheden waar werkgevers om schreeuwen. Omdat het gat hetzelfde is bij alle vijf de programma's, zal het oplossen ervan niet vijf verschillende oplossingen vereisen. In plaats daarvan moet het college de "gedeelde kern" die elke student volgt veranderen, door ervoor te zorgen dat de praktische vaardigheden in de basis van elke graad worden gebakken, in plaats van ze als optionele extra's achter te laten.
De onderzoekers benadrukken dat dit een momentopname is van één college op één specifiek moment (juli 2026), dus andere scholen kunnen andere problemen hebben. Maar de tool die ze hebben gebouwd — de manier waarop ze het gat maten met echte studentenpaden en de verificatie van de computergestuurde analyse — is een nieuwe, krachtige manier voor scholen om te stoppen met gissen en te beginnen met verbeteren op basis van hard bewijs. Ze hebben niet alleen een probleem gevonden; ze hebben een kaart gebouwd die precies laat zien waar ze moeten graven.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.