Mapping Curricula to Occupational Work Activities Using a Shared DWA Ontology: Evidence from the Course-Skill Atlas and O*NET

Resumo Técnico: Mapeamento de Currículos para Atividades de Trabalho Ocupacional Usando uma Ontologia DWA Compartilhada

Definição do Problema
As universidades enfrentam uma pressão crescente para demonstrar como os programas acadêmicos preparam os alunos para ocupações intensivas em dados e impulsionadas por IA. No entanto, há evidências limitadas sobre como os sinais curriculares documentados podem ser sistematicamente comparados com atividades de trabalho específicas da ocupação ao nível do programa. Os desafios existentes incluem a dificuldade de traduzir a linguagem acadêmica (ementas, descrições de cursos) em taxonomias ocupacionais (tarefas do cargo) devido a diferenças de vocabulário, granularidade e convenções de documentação. A correspondência direta de texto entre características curriculares e declarações de tarefas ocupacionais é frequentemente frágil e carece de rastreabilidade. Além disso, embora existam frameworks de competências, eles não mostram empiricamente como essas expectativas são representadas em sinais de currículo documentados em diferentes instituições. O problema central é a falta de uma abordagem de ontologia compartilhada e rastreável para alinhar dados curriculares de larga escala com requisitos ocupacionais derivados de tarefas sem depender de correspondência superficial de texto.

Metodologia
O estudo desenvolve um framework de análise curricular que mapeia sinais do lado do currículo provenientes do Course-Skill Atlas (CSA) e requisitos de tarefas do lado da ocupação do O*NET em um espaço DWA (Detailed Work Activity) compartilhado, utilizando identificadores oficiais de DWA como a ontologia comum.

• Fontes de Dados:
  • Lado do Currículo: O conjunto de dados CSA, que infere sinais de habilidades a partir de mais de três milhões de ementas de ensino superior dos EUA. O estudo utiliza registros de instituição-campo-ano e uma ampla matriz de pontuação de características ao nível de atividade.
  • Lado da Ocupação: O banco de dados O*NET 30.3, especificamente as Declarações de Tarefas (Task Statements), Tarefas para DWAs (Tasks to DWAs) e arquivos de Referência de DWA. A ocupação focal é Cientista de Dados (SOC 15-2051.00).
• Construção de Vetores:
  • Vetor de Currículo: Os rótulos de características do CSA são mapeados para IDs de DWA oficiais do O*NET. Os pesos brutos do currículo são calculados como a média ponderada pelo número de ementas dos scores do CSA, sendo então normalizados por L2 para representar a ênfase relativa.
  • Vetor de Ocupação: As declarações de tarefas do O*NET são vinculadas aos IDs de DWA via arquivo de Tarefas para DWAs. As contagens são agregadas por ID de DWA e, em seguida, normalizadas por L2 para criar um perfil de ocupação derivado de tarefas.
• Métricas de Alinhamento:
  • Similaridade de Cosseno: Mede a similaridade direcional da ênfase relativa entre os vetores de currículo e de ocupação.
  • Coverage@K (Cobertura@K): Uma medida nominal que indica se os top K DWAs do lado da ocupação aparecem no vetor do currículo (presença/ausência).
  • Índice de Lacuna de Habilidade (SGI - Skill Gap Index): Uma medida de déficit ponderada pela ocupação que captura a magnitude da sub-ênfase para DWAs de alta prioridade na ocupação.
• Estratégia de Validação:
  • Uma matriz de validação 8 × 8 compara oito grupos curriculares (ex: Ciência da Computação, Matemática, Negócios) contra oito perfis ocupacionais (ex: Desenvolvedores de Software, Estatísticos, Contadores).
  • Verificações de controle positivo baseadas em ranking verificam se os grupos curriculares teoricamente esperados (ex: Contabilidade para Contadores) ranqueiam mais alto em similaridade de cosseno.
  • Análises de sensibilidade testam a robustez contra variações nos limiares de cobertura e esquemas de ponderação (ex: pesos binários vs. pesos de contagem de vínculo de tarefa).
  • Verificações de robustez de coorte agregam grupos curriculares em coortes "Core" (técnica/quantitativa) e "Applied" (orientada para negócios).

Principais Resultados

• Caso Focal (Ciência da Computação vs. Cientistas de Dados):
  • Cobertura Nominal Total: Todos os 16 DWAs derivados de tarefas de Cientista de Dados estavam presentes no vetor curricular de Ciência da Computação (Coverage@10, @20, @30 = 1.000).
  • Alinhamento Fraco de Ênfase Relativa: Apesar da cobertura total, a Similaridade de Cosseno foi baixa (0,114) e o Índice de Lacuna de Habilidade foi alto (0,886).
  • Lacuna de Ênfase: As maiores lacunas ocorreram em DWAs de alto peso, como "Aplicar princípios matemáticos ou abordagens estatísticas" (Peso do Cargo: 0,459 vs. Peso do Currículo: 0,031). O estudo conclui que a lacuna é de ênfase, não de ausência; as atividades de Cientista de Dados estão presentes, mas recebem um peso relativamente baixo nos sinais de currículo documentados em comparação com sua importância no perfil da ocupação.
• Matriz de Validação:
  • O framework recuperou com sucesso padrões teoricamente plausíveis. A Ciência da Computação ranqueou mais alto para Desenvolvedores de Software e Arquitetos de Banco de Dados; a Matemática ranqueou mais alto para Estatísticos e Analistas de Pesquisa Operacional; a Contabilidade ranqueou mais alto para Contadores.
  • Notavelmente, a Matematica apresentou a maior similaridade de cosseno com o perfil de Cientista de Dados, reforçando a natureza quantitativa do perfil de tarefas derivado do O*NET.
• Robustez: Os resultados permaneceram estáveis em esquemas alternativos de ponderação e limiares de cobertura. A coorte Core (CS, Matemática, Engenharia, Física) mostrou consistentemente maior alinhamento com ocupações técnicas, enquanto a coorte Applied alinhou-se melhor com funções orientadas para negócios.

Principais Contribuições

1. Framework de Ontologia Compartilhada Rastreável: O estudo introduz um método para o alinhamento currículo–ocupação que utiliza IDs de DWA oficiais como uma chave compartilhada, evitando a correspondência direta de texto e garantindo a auditabilidade desde os dados brutos até as métricas finais.
2. Distinção entre Cobertura e Ênfase: A análise reformula as lacunas currículo–ocupação. Ela demonstra que um currículo pode cobrir totalmente os tipos de atividades exigidas por uma ocupação (cobertura nominal) enquanto sub-enfatiza significativamente essas atividades em relação às suas próprias prioridades (alinhamento ponderado).
3. Ferramenta Diagnóstica para Avaliação de Programas: O framework fornece uma abordagem reproduzível e baseada em dados para examinar como os sinais de currículo documentados correspondem às atividades de trabalho ocupacional, servindo como um ponto de partida para a revisão curricular, em vez de uma medida definitiva de qualidade de ensino ou aprendizagem do aluno.

Significância e Alegações
O artigo alega que esta abordagem de alinhamento por ID de DWA oferece uma maneira estruturada e rastreável de comunicar as prioridades curriculares aos stakeholders (empregadores, formuladores de políticas, órgãos de acreditação). Ao separar a cobertura nominal da ênfase relativa, o framework ajuda a identificar "lacunas de ênfase" específicas onde os sinais curriculares podem não refletir a intensidade ou a centralidade das atividades de trabalho da ocupação.

Os autores declaram explicitamente que o alinhamento por ID de DWA não deve ser interpretado como uma medida direta de qualidade de ensino, aprendizagem do aluno ou prontidão ocupacional. Em vez disso, serve como uma ferramenta diagnóstica para examinar como os sinais documentados do currículo (ementas) comunicam atividades de aprendizagem. O estudo enfatiza que as lacunas observadas refletem a representação das atividades na documentação do curso, que pode diferir da instrução praticada ou do domínio do aluno. O framework é apresentado como uma abordagem reutilizável para comunicação baseada em evidências e análise curricular no ensino superior, particularmente para campos interdisciplinares emergentes, como a ciência de dados.