K-means-Clusterung von Studierendenprofilen liefert gezielte Karriereberatung

Mit dem rasanten Fortschritt der Informationstechnologie eröffnet die Anwendung von künstlicher Intelligenz und maschinellem Lernen im Bildungsbereich neue Perspektiven. Ein aktuelles Forschungsprojekt nutzt genau diese Technologien, um Studierenden eine präzise Karriereberatung zu ermöglichen.

Die Studie untersucht, wie der K‑means‑Clustering‑Algorithmus eingesetzt werden kann, um individuelle Lern- und Persönlichkeitsprofile zu analysieren und daraus maßgeschneiderte Berufswege abzuleiten. Dabei liegt der Fokus nicht nur auf der Vorhersage von Karrierepfaden, sondern auch darauf, wie gut verschiedene Kombinationen von Merkmalen zu bestimmten Berufsfeldern passen.

Für die Analyse wurden Daten von über 3.000 Studierenden herangezogen, die Informationen zu ihren CET‑4‑Ergebnissen, ihrem GPA, Persönlichkeitsmerkmalen und ihrer Erfahrung als studentische Führungskräfte enthielten. Mit dem K‑means‑Algorithmus wurden die Studierenden in vier Hauptgruppen eingeteilt, wobei die intra‑Cluster‑Fehler minimiert und die Unterschiede zwischen den Clustern maximiert wurden.

Auf Basis der Clusterergebnisse wurden für jede Gruppe gezielte Karriereempfehlungen entwickelt. Die Ergebnisse zeigen deutlich, dass Studierende mit unterschiedlichen Merkmalenkombinationen besser zu bestimmten Berufsfeldern passen. Diese Erkenntnisse liefern eine wissenschaftliche Grundlage für personalisierte Karriereberatung und steigern die Erfolgsquote bei der Jobsuche.

Zukünftige Forschungen sollen die Genauigkeit der Clusterbildung weiter erhöhen, indem die Stichprobengröße erweitert, zusätzliche Merkmale einbezogen und externe Einflussfaktoren berücksichtigt werden. Dadurch könnte die Effektivität der Beratung noch weiter gesteigert werden.