Μοντέλο Ανάλυσης C.L.A.I.M.
Ένα πλαίσιο υποστηριζόμενο από ΤΝ που βοηθά τις ευρωπαϊκές ΜΜΕ να προβλέπουν αναδυόμενες δεξιότητες, να εντοπίζουν κενά δεξιοτήτων και να τα μετατρέπουν σε στοχευμένες και εξατομικευμένες διαδρομές κατάρτισης, σε ευθυγράμμιση με τις ανάγκες της αγοράς εργασίας.
Από τα κενά δεξιοτήτων σε εφαρμόσιμη κατάρτιση
Το Μοντέλο Ανάλυσης CLAIM είναι ένα πλαίσιο υποστηριζόμενο από Τεχνητή Νοημοσύνη, που αναπτύχθηκε για να βοηθήσει τις ευρωπαϊκές ΜΜΕ να αντιμετωπίσουν τις προκλήσεις της ψηφιακής και της πράσινης μετάβασης. Δημιουργήθηκε στο πλαίσιο του έργου CLAIM και παρέχει μια δομημένη και προληπτική προσέγγιση για τον εντοπισμό κενών δεξιοτήτων και τη μετατροπή τους σε στοχευμένες και εξατομικευμένες δράσεις κατάρτισης.
Βασισμένο σε μια προσέγγιση με επίκεντρο τις δεξιότητες και με προσανατολισμό στο μέλλον, το μοντέλο υποστηρίζει την πρόβλεψη αναδυόμενων δεξιοτήτων, την ανάλυση τρεχόντων και μελλοντικών κενών επάρκειας και τον σχεδιασμό διαδρομών αναβάθμισης και επανειδίκευσης — ενώ παράλληλα προωθεί τη δια βίου μάθηση στις ΜΜΕ και στα συστήματα ΕΕΚ.
Στρατηγικοί τομείς δεξιοτήτων
Ψηφιακές δεξιότητες που υποστηρίζουν την υιοθέτηση τεχνολογίας, πρακτικές βασισμένες σε δεδομένα και την ικανότητα αποτελεσματικής λειτουργίας σε ολοένα πιο ψηφιοποιημένα εργασιακά περιβάλλοντα.
Δεξιότητες που επιτρέπουν βιώσιμη λήψη αποφάσεων, περιβαλλοντική υπευθυνότητα και ετοιμότητα για την πράσινη μετάβαση σε διαδικασίες, προϊόντα και υπηρεσίες.
Επιχειρηματικές δεξιότητες (πρωτοβουλία, δημιουργικότητα, δημιουργία αξίας) συμπληρωμένες από εγκάρσιες ήπιες δεξιότητες, όπως επικοινωνία, συνεργασία, διαπραγμάτευση και διαχείριση έργων.
Μεθοδολογία
Μεθοδολογικά, το μοντέλο βασίζεται στο πλαίσιο Conf4People και ενσωματώνει εργαλεία βασισμένα σε ΤΝ από την πλατφόρμα TaiLENT. Το βασικό του στοιχείο είναι ένα σύστημα αυτοαξιολόγησης δεξιοτήτων με υποστήριξη ΤΝ, το οποίο χρησιμοποιεί δομημένα ερωτηματολόγια για την αξιολόγηση επιπέδων επάρκειας. Αλγόριθμοι μηχανικής μάθησης αναλύουν τα δεδομένα ώστε να εντοπίζουν κενά δεξιοτήτων σε ατομικό και οργανωσιακό επίπεδο και να προτείνουν αυτόματα σχετικούς μαθησιακούς πόρους και διαδρομές κατάρτισης. Με αυτόν τον τρόπο, το μοντέλο συμβάλλει στη δημιουργία ευέλικτων, καταρτισμένων και έτοιμων για το μέλλον οργανισμών.
