MATCH. Informal and non-formal competences matching device for migrants employability and active citizenship LLP IT-GRUNDTVIG-GMP

Transcript

1 MATCH Informal and non-formal competences matching device for migrants employability and active citizenship LLP IT-GRUNDTVIG-GMP 1

2 MATCH Informal and non-formal competences matching device for migrants employability and active citizenship LLP IT-GRUNDTVIG-GMP Informazioni sul progetto Acronimo del progetto: MATCH Titolo del progetto: Informal and non-formal competences matching device for migrants employability and active citizenship Numero del progetto: LLP IT-GRUNDTVIG-GMP Programma: Programma di apprendimento permanente - Progetto GRUNDTVIG Multilaterale 2010 Sito web del progetto: Piattaforma LO-MATCH: Coordinatore del progetto: Fondazione Giacomo Rumor - Centro Produttività Veneto (CPV) Editore Fondazione Giacomo Rumor - Centro Produttività Veneto (CPV) Via E. Montale, Vicenza (IT) Tel: +39 (0) Fax: +39 (0) Coordinamento editoriale: Susanna Casellato, Fondazione Giacomo Rumor - Centro Produttività Veneto (CPV) Stampato in Italia, 2013 Una versione elettronica gratuita di questa pubblicazione è disponibile all'indirizzo: Questo progetto è stato finanziato con il sostegno del programma di apprendimento permanente della Commissione Europea. Questa pubblicazione riflette solo le opinioni dell'autore, e la Commissione non può essere ritenuta responsabile per qualsiasi uso possa essere fatto delle informazioni in essa contenute. 2

3 Partner del progetto Fondazione Giacomo Rumor - Centro Produttività Veneto (Coordinatore del progetto) Via Montale, Vicenza - Italia FRANCIA Centre Regional pour le Développement local, la formation et l Insertion des Jeunes 48, Rue la Bruyère Paris - Francia Rectorat de Paris DAFPIC Réseau des GRETA de Paris Av. Gambetta, Paris - Francia ITALIA Camera di Commercio di Vicenza Via Montale, Vicenza - Italia Politecnico di Torino - Dipartimento di Automatica e Informatica Corso Duca degli Abruzzi, Torino - Italia Ufficio Scolastico Regionale per il Veneto Riva de Biasio S.Croce Venezia - Italia PAESI BASSI KCH International Horapark 2 - P.O CB Ede Paesi Bassi POLONIA Zakład Doskonalenia Zawodowego w Kielcach ul. Paderewskiego Kielce - Polonia SLOVENIA Centra RS za poklicno izobraževanje CPI Ob zeleznici, Ljubljana - Slovenia Gospodarska zbornica Slovenije za Centro poslovno usposabljan Kardeljeva ploščad 27 bis Ljubljana - Slovenia SPAGNA Cámara de Comercio de Oviedo Quintana, Oviedo - Spagna Silent partner Verband der Schweizerischen Volkshochschulen (VSV) - Svizzera Riconoscimenti Gli autori desiderano ringraziare l EACEA per aver finanziato il progetto MATCH. Un particolare apprezzamento anche a tutti coloro che hanno sostenuto e guidato questo lavoro all'interno del team di progetto: i partner e gli esperti nazionali. Un riconoscimento speciale a tutti coloro che hanno fornito dati e informazioni per il progetto, partecipando alle diverse attività, interviste e / o valutazioni. Nella speranza che i risultati dello studio forniscano alcune informazioni utili a tutti coloro che hanno contribuito. 3

4 Indice Premessa Capitolo 1 Progetto MATCH: obiettivi e risultati principali Enrico Bressan, coordinatore del progetto, Fondazione Giacomo Rumor Centro Produttività Veneto 1.1 Contesto del progetto MATCH 1.2 Obiettivi del progetto 1.3 MATCH approccio metodologico 1.4 Valore aggiunto degli approcci utilizzati nel progetto Capitolo 2 L incrocio tra domanda e offerta di lavoro: l importanza del riconoscimento delle competenze acquisite nel corso della vita professionale Simonetta Bettiol, Ufficio Scolastico Regionale per il Veneto 2.1. Premessa Il riconoscimento delle competenze non formali e informali 2.3. Il riconoscimento delle competenze nel contesto europeo 2.4 Le modalità di riconoscimento dell'apprendimento non formale e informale 2.5 Il bilancio di competenze a supporto della preparazione del portfolio 2.6 Un percorso di facilitazione per l'accreditamento 2.7 Un percorso di ricerca del lavoro 2.8 I migranti: competenze linguistiche e civiche richieste 2.9 La formazione dell adulto - "andragogia" 2.10 Metodologie attuate Capitolo 3 Strumenti web per il job matchmaking: le opportunità offerte dalle tecnologie semantiche del web Fabrizio Lamberti, Valentina Gatteschi, Claudio Demartini - Politecnico di Torino, Dipartimento di Automatica e Informatica 3.1. Elaborazione automatica delle informazioni relative a chi cerca e offre lavoro 3.2. Il mondo della semantica 3.3. La semantica nella ricerca di lavoro e negli scenari di reclutamento del lavoro: una panoramica 3.4 La rappresentazione delle conoscenze nell ambito del job matchmaking 3.5 Annotare, vale a dire estrarre conoscenze da curricula e offerte di lavoro 3.6 Approcci di matching e di classifica: confrontare descrizioni basate su similarità semantica 3.7 Il lato business del job matchmaking: piattaforme commerciali web disponibili 4

5 3.8 Non solo ricerca e reclutamento di lavoro semantici: scenari applicativi trasversali 3.9 Considerazioni finali e osservazioni Riferimenti bibliografici Capitolo 4 Piattaforma LO-MATCH per il job matchmaking Fabrizio Lamberti, Valentina Gatteschi, Claudio Demartini - Politecnico di Torino, Dipartimento di Automatica e Informatica 4.1. Sulla creazione di un mercato del lavoro a livello europeo: il ruolo del LO-MATCH 4.2. La necessità di un linguaggio comune: descrivere semanticamente curriculum vitae e offerte di lavoro 4.3. Architettura complessiva del LO- MATCH 4.4 Funzionalità e interfaccia LO-MATCH: strumenti semantici per chi cerca lavoro e per datori di lavoro Raccogliere profili professionali e relativi all istruzione in termini EQF Verificare la precisione dell annotazione automatica Calcolare il match tra domanda e offerta di lavoro 4.5 Conclusioni e possibili sviluppi futuri Capitolo 5 Testare politiche attive del mercato del lavoro sui migranti nell'ambito del progetto MATCH Marta Basso, Fondazione Giacomo Rumor - Centro Produttività Veneto 5.1 Osservazioni preliminari 5.2 La fase pilota 5.3 I dati nel report: chi, cosa, quando, come 5.4. Gli operatori 5.5. La metodologia MATCH 5.6 I beneficiari: coloro che cercano lavoro 5-7 I risultati 5.8 I datori di lavoro 5.9 Punti di forza e punti di debolezza 5.10 Trasferibilità del modello 5

6 Premessa Si stima che nell'unione Europea, nel breve termine, aumentino lavoro e carenza di competenze, in parallelo con i tassi di disoccupazione. Queste tendenze mettono in dubbio le prospettive di crescita economica, e l'obiettivo di una ripresa, come indicato nel recente pacchetto per l impiego della Commissione europea "Verso una ripresa del lavoro". Inoltre, come sottolineato dall'iniziativa Europe 2020 Flagship, la creazione di una forza lavoro qualificata si basa sulla rimozione delle barriere all'integrazione del mercato del lavoro e sullo sviluppo di sistemi per il riconoscimento e l'accreditamento dell'apprendimento non formale e informale. L'iniziativa riconosce le difficoltà e gli ostacoli di una piena utilizzazione della forza-lavoro dei migranti e nota che fino ad oggi "il potenziale afflusso di migranti di paesi terzi non è sufficientemente mirato a soddisfare le esigenze del mercato del lavoro, nonostante il notevole contributo dei migranti all impiego e alla crescita ". Persistenti strozzature del mercato del lavoro in materia di accesso alle informazioni ostacolano l'incontro tra le esigenze dei datori di lavoro e le competenze dei migranti. Dal lato della domanda, i datori di lavoro - e le PMI in particolare - possono trovare difficoltà di accesso alle informazioni sulle procedure per reclutare dall'estero e sulla disponibilità di candidati migranti con le competenze necessarie per soddisfare le loro esigenze di manodopera. Dal lato dell'offerta, i potenziali lavoratori migranti spesso non hanno conoscenze su specifiche esigenze del mercato del lavoro nei paesi di destinazione. L'accesso limitato alle reti, questioni legate alla diversità sul posto di lavoro e la discriminazione possono anche tradursi in barriere informative che ostacolano le possibilità di candidati con competenze adeguate a venire nell UE per colmare le carenze di manodopera non soddisfatte. Strumenti specifici di job matchmaking che sfruttano le potenzialità ICT, approcci mirati per consentire la convalida dell'apprendimento non formale e informale per i lavoratori più vulnerabili, che includono gruppi di minoranza come i migranti, sono quindi necessari. Il progetto MATCH ha affrontato alcune delle questioni summenzionate con lo sviluppo di una metodologia comune e flessibile tra i paesi partner per il riconoscimento di un apprendimento precedente e uno strumento web basato sulla semantica (piattaforma LO- MATCH) che collega le competenze dei migranti, acquisite in contesti non-formali e informali, a profili occupazionali espressi in termini di risultati dell'apprendimento e alla domanda di lavoro delle imprese. La metodologia e il prototipo sono stati testati con i migranti e sono stati istituiti dei cosiddetti "one-stop shops" che forniscono ai beneficiari informazioni, consulenza e orientamento professionale. MATCH è un esempio di proficua collaborazione tra partner provenienti da sei paesi e che lavorano in diversi settori e questa pubblicazione è il suo risultato finale. Come coordinatore del progetto, è un grande piacere poter pubblicare i risultati del progetto e poter condividere i concetti e le idee del partenariato del progetto dopo due anni di intenso lavoro. Naturalmente, questa pubblicazione è stata resa possibile grazie al contributo e al sostegno di tante persone e vorrei esprimere la mia gratitudine per il loro prezioso sostegno, per la condivisione di conoscenze, competenze e impegno nel perseguire i nostri obiettivi comuni. Vicenza, 24 gennaio 2013 Antonio Girardi (CPV Direttore) 6

7 Capitolo 1 Progetto MATCH: obiettivi e risultati principali Enrico Bressan, coordinatore del progetto, Fondazione Giacomo Rumor Centro Produttività Veneto 1.1 Contesto del progetto MATCH Il progetto MATCH ha avuto origine principalmente dalla convinzione condivisa dai partner che in un contesto di recessione economica in cui la disoccupazione e la pressione sui bilanci del settore pubblico sono in aumento, vi è una chiara motivazione per mirare ad una convalida delle iniziative di apprendimento non formale e informale a gruppi che fronteggiano una situazione di svantaggio sul mercato del lavoro, in aggiunta agli ostacoli ad accedere ad una istruzione formale. I migranti sono un rilevante gruppo target di riferimento per la convalida dell'apprendimento precedente, in quanto potrebbero aver acquisito abilità e competenze nel loro paese d'origine, che non sono sufficientemente riconosciute nel paese di destinazione o possono avere difficoltà ad avere i loro titoli pienamente riconosciuti nel paese ospitante. Inoltre, la mancanza di informazioni da parte dei migranti, sulle offerte di lavoro e le istituzioni che li possono sostenere, nonché la mancanza di competenze linguistiche, rappresentano una forte barriera per l'integrazione dei migranti, per il successo del mercato del lavoro e per l'accumulazione di capitale sociale in tutta Europa. Asimmetrie d'informazione nell abbinare analiticamente le competenze di chi cerca lavoro, eventualmente conseguite in contesti non formali e informali, con le competenze necessarie per una particolare offerta di lavoro, possono spesso minacciare o ostacolare l'integrazione dei migranti nel mercato del lavoro. Di conseguenza, sono richiesti strumenti capaci di sostenere l'offerta e la domanda di lavoro che assicurino una corrispondenza (matchmaking) tra le competenze di chi cerca lavoro (job seekers), le esigenze delle imprese e i profili di istruzione, lavorando su descrizioni dettagliate di qualifiche, curricula e esigenze del mercato del lavoro. Questi strumenti dovrebbero essere in grado di confrontare le descrizioni sopra citate in base alla loro struttura interna e ai contenuti. In questa prospettiva, lo sfruttamento di strumenti semantici, come le ontologie (specifiche esplicite di una concettualizzazione) e le tassonomie (classificazioni disposte in una struttura gerarchica), potrebbe aumentare l'efficacia del matchmaking, in quanto potrebbe consentire a un sistema informatico di capire e (automaticamente) elaborare l'enorme quantità di dati eterogenei e relazioni coinvolte nelle attività di analisi. 1.2 Obiettivi del progetto MATCH ha inteso affrontare le questioni summenzionate nei modi seguenti: - in primo luogo, elaborando una metodologia condivisa, articolata e flessibile, nel processo di riconoscimento e validazione dell apprendimento precedente, che siano testati con utenti finali, al fine di verificarne le funzionalità e l'efficacia; - in secondo luogo, affrontando le questioni di eterogeneità nelle descrizioni delle qualifiche, dei CV e delle esigenze del mercato del lavoro, dovute all utilizzo di vocabolari non condivisi attraverso lo sviluppo di uno strumento funzionale, basato sul web (piattaforma LO-MATCH) che collega le competenze dei migranti, acquisite in contesti formali, non formali e informali, ai profili professionali e alle domande di lavoro delle imprese. La piattaforma si basa su tecnologie semantiche e sfrutta un'ontologia, vale a dire una 7

8 specifica esplicitazione di una concettualizzazione, per descrivere qualifiche/curriculum vitae e profili professionali (che esprimono le esigenze del mercato del lavoro), raccolti nella base di conoscenze LO- MATCH. Al fine di rendere gli elementi di cui sopra raggiungibili attraverso le reti dei partner e collaborazioni, e soprattutto attraverso le attività di sfruttamento, fornendo così la possibilità di personalizzare i risultati del progetto verso il gruppo target specifico, le descrizioni sono strutturate in termini di risultati di apprendimento secondo i principi e le raccomandazioni dell'european Qualification Frameworks, ed ogni risultato di apprendimento è annotato in modo manuale o semi-automatico, facendo riferimento a concetti definiti nell'ontologia; - in terzo luogo, valutando la piattaforma LO-MATCH attraverso attività di sperimentazione che coinvolgano un campione rappresentativo di utenti finali e un banco di prova selezionato che comprenda rilevanti profili professionali / curricula; - quarto, stabilendo 5 "sportelli unici" per fornire ai migranti informazioni, consulenza, orientamento professionale (ad esempio, il riconoscimento preliminare di apprendimento non formale e informale, la raccolta di testimonianze, la redazione di un curriculum vitae, ecc) e l'assistenza per l'inserimento del CV nella Piattaforma LO-MATCH. Oltre a fare una proiezione di obiettivi specifici, MATCH serve anche obiettivi più generali di grande rilevanza a livello europeo, quali: - arricchire la riflessione dei responsabili di decisioni a livello nazionale ed europeo, sul contributo concreto del riconoscimento e della convalida dell'apprendimento non formale e informale, all'attuazione e allo sviluppo di politiche di apprendimento permanente, in particolare per i gruppi svantaggiati; - migliorare l'occupabilità dei migranti in quanto il progetto si propone di sostenere un riconoscimento su misura delle abilità, delle competenze e delle qualifiche e una corrispondenza analitica con le richieste e offerte delle imprese, nel frattempo abilitando i lavoratori a sviluppare competenze e a capitalizzare le proprie esperienze professionali. 1.3 MATCH approccio metodologico Il raggiungimento degli obiettivi del progetto e dei risultati ha richiesto una strategia estremamente articolata in grado di dare un valore aggiunto a quello che è già stato sperimentato fino ad ora a livello europeo, nazionale e locale. A questo scopo, il progetto è stato realizzato e gestito da ben definiti strumenti e gruppi di lavoro. Al fine di raggiungere i suoi gruppi target, il Consorzio ha operato a vari livelli lungo un programma di lavoro differenziato e a più livelli, costruito su un solido approccio metodologico. I suoi principali approcci hanno consistito in: - Collaborazione tra i partner e con altre iniziative e progetti che hanno i migranti come gruppo target; - Combinazione di metodi per collegare la ricerca, la pratica e le politiche in materia di apprendimento degli adulti e politiche attive del mercato del lavoro a livello nazionale ed europeo; - Introduzione e realizzazione di innovativi strumenti ICT per una comunicazione efficace e di scambio tra i partner, tra i membri della rete e la più ampia comunità VET; - "Approccio dal basso verso l alto" per coinvolgere in modo efficace le parti interessate. Il progetto è composto da quattro fasi principali. 8

9 La prima fase ha previsto un'intensa ricerca sia comparativa che multidisciplinare, essendo basata su una combinazione di metodi misti, redigendo insieme e analizzando i risultati provenienti da fonti primarie e secondarie, ed è stata volta a esaminare e analizzare una vasta gamma di pertinente letteratura internazionale e nazionale in merito al riconoscimento, la validazione e la certificazione dell'apprendimento non formale e informale e a rivedere le politiche e le pratiche nazionali dei partner. L'intento è stato quello di generare informazioni e dati rilevanti sui quadri nazionali dei partner, sulle strutture istituzionali e sui programmi già esistenti che hanno condotto alla elaborazione e all'attuazione di un modello trasferibile, per il riconoscimento e la validazione dell'apprendimento che avviene al di fuori del sistema formale che potrebbe operare negli stati membri e nei settori e nella definizione delle specifiche tecniche per il LO-MATCH web-tool. Il quadro metodologico di ricerca e progettazione ha combinato la revisione dello stato dell arte sul riconoscimento e la convalida dell'apprendimento non formale e informale, a livello nazionale, con un progetto di ricerca orientato per caso, che si concentra su un certo numero di casi nazionali / regionali. Anche lo sviluppo e la scoperta di una terminologia comune sono stati considerati cruciali nel processo verso la cooperazione transnazionale e nella congiunta attività di ricerca comparativa. La seconda fase ha compreso sia: - l'elaborazione di una comune metodologia condivisa articolata e flessibile nel processo di riconoscimento e di validazione dell apprendimento precedente, da testare con gli utenti finali (i migranti) al fine di verificarne funzionalità ed efficacia. Alcuni passaggi della articolazione del metodo sono stati praticamente obbligatori, in quanto rappresentavano un approccio comune al processo condiviso da quasi tutti i partner, quindi, nell'elaborare il metodo è stato di primaria importanza iniziare da questo terreno comune; - una strategia integrata per affrontare le questioni di eterogeneità nella descrizione delle qualifiche, curricula ed esigenze del mercato del lavoro, dovute all'uso di vocaboli non condivisi, sfruttando un approccio semantico che si basa sulla formalizzazione degli elementi principali che caratterizzano gli ambiti in esame. Allo scopo specifico, è stata applicata una metodologia di profiling professionale, consentendo così lo sviluppo di definizioni professionali che includono possibili qualifiche richieste e probabili sviluppi futuri. Fonte di ispirazione per la scelta metodologica e gli approcci nel progetto MATCH, sono state principalmente le metodologie sviluppate nel corso del precedente programma di apprendimento permanente Leonardo da Vinci HELE.N. e i progetti TIPTOE che hanno trattato dell'applicazione di strumenti web semantici per descrivere profili lavorativi e formativi, al fine di sostenere il collegamento e il confronto di qualifiche e profili professionali. La terza fase ha previsto lo sviluppo di uno dei principali temi del progetto, cioè la piattaforma LO-MATCH la cui attuazione si è fortemente basata sulle scelte metodologiche precedenti. Versioni incrementali della piattaforma sono state realizzate per seguire da vicino i progressi. Più in particolare, la prima versione ha sostenuto i partner nei profili professionali e / o nella fase di raccolta delle qualifiche. Le informazioni raccolte sono state strutturate in un modulo compatibile con le linee guida EQF (e quindi, in termini di risultati di apprendimento (conoscenze, abilità ed elementi di competenza) tenendo conto della metodologia professionale di profiling. La seconda versione ha incluso un interfaccia preliminare utente finale basata sul database risultante e ha incorporato una strategia match non semantica, mentre la terza versione ha sostenuto i partner nella fase di annotazione dei profili / qualifiche professionali, consentendo quindi la creazione dell'ontologia MATCH. La quarta versione è stata studiata appositamente per il job matchmaking a base semantica, consentendo così agli 9

10 utenti finali (aziende / persone in cerca di lavoro) di inserire offerte di lavoro e curriculum vitae in formato europeo e di calcolare il match (lessicale, sematico, ecc). Le funzionalità e le interfaccia della piattaforma LO-MATCH sono chiaramente descritte nel Capitolo 4. Al fine di garantire la validazione della piattaforma LO-MATCH e l'applicazione metodologica, un test del prototipo è stato realizzato attraverso attività pilota che coinvolgono un campione rappresentativo di utenti finali e un banco di prova selezionato che comprende rilevanti profili professionali. Il test è stato eseguito su profili professionali o qualifiche appartenenti ai settori individuati nella prima fase, e ha fornito una misura della percentuale di risultati di apprendimento correttamente annotati, così come anche un livello di qualità delle offerte di lavoro e di matchmaking delle domande. I principali risultati e i principali insegnamenti tratti dalla fase di test sono descritti nel Capitolo 5. Cinque "sportelli unici" sono stati istituiti in ogni Camera di Commercio / istituti di formazione coinvolti nel progetto e forniscono ai beneficiari (migranti) informazioni, consulenza e orientamento / auto-consapevolezza (ad esempio, esame preliminare dell apprendimento individuale acquisito attraverso esperienze, compreso l'apprendimento non formale e informale, il counselling tra pari, ecc) e l'assistenza per l'elaborazione e l'inserimento del CV nella piattaforma LO-MATCH. Tutti i risultati del progetto di cui sopra sono disponibili nel sito web del progetto ( ) per il download gratuito. 1.4 Valore aggiunto degli approcci utilizzati nel progetto Gli approcci metodologici si sono dimostrati estremamente preziosi. Un fattore abilitante è stata la diversa natura dei partner coinvolti e la composizione del Consorzio: il progetto ha notevolmente beneficiato delle diverse prospettive dovute alla diversità, quindi naturale complementarietà, del Consorzio da diversi punti di vista, vale a dire tematico, professionale, attitudinale, geografico. Il consorzio MATCH ha riunito insieme undici partner provenienti da 6 paesi diversi (Italia, Francia, Polonia, Paesi Bassi, Slovenia e Spagna) ed è stato costruito con l idea di raggiungere le maggiori sinergie tra i diversi partner. Il consorzio MATCH è stato costruito ad hoc per riunire le competenze necessarie per raggiungere con successo gli obiettivi del progetto. Abilità e competenze sono multidisciplinari e integrate in modo coerente con i compiti e le fasi di sviluppo del progetto. Ogni partner ha introdotto una specifica competenza e questo si è ripercosso fortemente nel lavoro del consorzio. Prima del lancio ufficiale del progetto, l'organizzazione svizzera, Verband der Schweizerischen Volkshochschulen - VSV (Associazione delle Scuole Superiori Nazionali Svizzere) ha chiesto ufficialmente di aderire al partenariato MATCH come " silent partner ". La Fondazione Giacomo Rumor - Centro Produttività Veneto, come coordinatore del progetto, ha assicurato la buona qualità della gestione complessiva del progetto nel corso della sua attuazione, dato che ha oltre 15 anni di esperienza nelle attività di rete sulla formazione permanente, una lunga esperienza in qualità di coordinatore o partner in progetti finanziati dall'ue e nello sviluppo di politiche attive del mercato del lavoro. Molti dei partner principali hanno già collaborato con il CPV in altri progetti LLP LdV e Grundtvig (CREDIJ, POLITO, USRV, KCH, CPU, CPI, ZDZ) sviluppando così una forte fiducia reciproca. Il modello applicato di analisi e presentazione dei diversi portraits nazionali di riconoscimento e convalida dei sistemi di apprendimento non formale e informale e delle richieste del mercato del lavoro nazionale incentrato sui migranti così come la condivisione di risultati emergenti e la discussione degli elementi chiave per la 10

11 fornitura di un job matchmaking efficiente, è stato un processo di apprendimento molto intenso per tutto il gruppo, che ha messo alla prova le idee e il punto di vista di ciascuno, in quanto non solo ha introdotto nuove prospettive, ma anche messo in discussione le pratiche e le procedure esistenti nelle istituzioni dei partner e nei sistemi nazionali. In questa prospettiva, la sfida per il conseguimento degli standard di qualità concordati può essere vista come una parte del percorso di apprendimento che ha mobilitato grande impegno e dedizione da parte dei partner intorno allo sviluppo complessivo del progetto. E' stata un'esperienza gratificante collaborare al progetto e i partner hanno goduto di vantaggi reciproci nel consorzio. Inoltre, tutti i partner sono impegnati a stabilire partnership strategiche a livello nazionale con portatori di interesse, come le organizzazioni dei datori di lavoro, altre autorità pubbliche, al fine di rafforzare la valorizzazione dei risultati. Così i risultati del progetto non avranno soltanto delle basi UE nell'ambito della partnership di progetto, ma saranno trasferiti ai sistemi nazionali e alle politiche attive del mercato del lavoro e alle prassi rivolte principalmente a gruppi vulnerabili. Di fatto, come risultato del progetto MATCH, la partnership potrebbe portare a future opportunità e a possibilità di sfruttamento, quali la condivisione e la personalizzazione di offerte di formazione e test al di là dell arco temporale del progetto. 11

12 Capitolo 2 L incrocio tra domanda e offerta di lavoro: l importanza del riconoscimento delle competenze acquisite nel corso della vita professionale Simonetta Bettiol, Ufficio Scolastico Regionale per il Veneto 2.1 Premessa L incrocio tra domanda e offerta di lavoro è indispensabile per favorire l occupabilità, ma in molti Paesi soprattutto dell Europa meridionale ciò risulta attuato in modo poco efficace. Alla base delle difficoltà ci sono da un lato sicuramente l attuale crisi economica, ma dall altro la mancanza di una rappresentazione sia dei posizioni disponibili, sia delle caratteristiche personali e tecnico professionali di chi cerca lavoro. Questa criticità è generalizzata ma si acuisce nel caso dei migranti per i quali la trasparenza delle qualifiche e la capacità di comprensione linguistica e delle consuetudini vivendi è limitata. L incrocio domanda e offerta di lavoro richiederebbe pertanto strumenti idonei alla descrizione delle posizioni lavorative e delle caratteristiche personali nonché personale esperto di supporto; il progetto Match si è proposto di costruire un sistema informativo semantico delle professioni e/o occupazioni e di mettere a punto degli strumenti di supporto primi fra tutti quelli che risultano utili per il riconoscimento (accreditamento) delle competenze informali e non formali. In questo capitolo si vogliono analizzare problematiche, modalità e vantaggi relativi al riconoscimento delle competenze non formali ed informali di cui da anni, a livello comunitario e locale, si riconosce l importanza non solo nel promuovere la formazione dell adulto lungo tutto l arco della vita, ma anche nel facilitare l accesso e la permanenza nel mondo del lavoro e nel favorire l inclusione sociale. Il riconoscimento delle competenze comunque acquisite risulta indispensabile alla mobilità del cittadino nei contesti formativi e lavorativi, ciò richiede qualifiche sempre più trasparenti e comprensibili e dispositivi adeguati quali ad esempio quelli di certificazione, qualità, attribuzione dei crediti. Molti di questi obiettivi sono stati raggiunti grazie alla definizione di frame work europei e al loro recepimento nei contesti nazionali anche se non si può negare che il riconoscimento delle competenze comunque acquisite non può avvalersi di un frame work europeo di riferimento e si basa soprattutto su esperienze differenziate e finalizzate soprattutto all accesso a percorsi formativi piuttosto che all incrocio tra domanda ed offerta di lavoro. La formazione lungo tutto l arco della vita costituisce del resto il fattore determinante ed indispensabile sia al godimento di un pieno diritto di cittadinanza in un mondo sempre più interculturale e multietnico, sia all occupabilità garantendo la possibilità di riqualificazione in un contesto economico globalizzato ed in continua trasformazione. I migranti nel paese ospitante manifestano oltre alle normali necessità del cittadino adulto in cerca di occupazione altre esigenze specifiche quali: poter valorizzare le competenze acquisite in altri contesti lavorativi e culturali; sviluppare nuove competenze linguistiche, civiche e professionali; poter accedere al mercato del lavoro con percorsi adeguati di riqualificazione ed integrazione. Il progetto Match si propone di contribuire allo 12

13 sviluppo di uno strumento informatico basato sulla semantica a supporto dell incrocio tra domanda ed offerta e all utilizzo di altri strumenti che ne facilitino l uso. 2.2 Il riconoscimento delle competenze non formali ed informali Il riconoscimento delle competenze comunque acquisite ha come principale obiettivo il miglioramento della qualità della formazione continua e l'accesso alla stessa con conseguente miglioramento della posizione e delle opportunità di occupazione e ciò a vantaggio della cittadinanza attiva e dell inclusione sociale. La riqualificazione delle competenze di base, trasversali e professionali consente infatti di accedere a migliori e più articolate possibilità lavorative. Il termine accreditamento, inteso come modalità certificatoria, ha il significato di riconoscimento formale di competenze per il raggiungimento di una qualificazione intesa come risultato formale di un processo di valutazione e convalida, acquisito quando l autorità competente stabilisce che i risultati dell apprendimento di una persona corrispondono a standard definiti. Il termine competenza assume una definizione precisa nell allegato 1 alla Raccomandazione sull EQF comprovata capacità di utilizzare conoscenze, abilità e capacità personali, sociali e/o metodologiche, in situazioni di lavoro o di studio e nello sviluppo professionale e personale. Nel contesto del Quadro europeo delle qualifiche le competenze sono descritte in termini di responsabilità e autonomia. Più idoneo sembra dunque riferirsi, se si tratta dell accesso ad un percorso formativo, ai risultati di apprendimento mentre se di un occupazione alle competenze intese però come prestazione lavorativa alla quale può essere attribuito un valore economico. I risultati di apprendimento espressi in conoscenze, abilità e competenze sono raggiungibili attraverso attività che possono essere formali, non formali ed informali. La definizione di attività formale si ha quando il percorso di apprendimento è erogato da organismi di formazione che hanno questa mission; l attività informale, quando il percorso di apprendimento è realizzato in modo autonomo e avviene con l esperienza quotidiana; l attività non formale, quando il percorso di apprendimento avviene per vie non tradizionali, attraverso il lavoro. Se i percorsi di apprendimento sono nettamente distinti e non esistono modalità per il riconoscimento delle competenze comunque acquisite, risulta impossibile valorizzare e potenziare non solo la formazione lungo tutto l arco della vita ma anche l'occupazione, la mobilità, l'inclusione sociale, la parità di opportunità tra uomini e donne, l innovazione che sono temi fondamentali per lo sviluppo economico, la realizzazione e il benessere personali dei cittadini, giovani e adulti. Diventa dunque necessaria una modalità che consenta di sviluppare, riconoscere, certificare, accreditare e trasferire all'interno dell'ue le competenze/i risultati di apprendimento comunque acquisiti. 2.3 Il riconoscimento delle competenze nel contesto europeo Uno dei primi e significativi documenti europei è rappresentato dal Memorandum sull'istruzione e la formazione permanente, pubblicato nel 2000 dalla Commissione europea, dove il tema del lifelong learning è visto in una dimensione europea, parte integrante del concetto di cittadinanza; la sua promozione si accompagna, tra l'altro, alla necessità di eliminare gli ostacoli alla mobilità professionale, di investire maggiormente nelle risorse umane, di ridurre il fenomeno di esclusione sociale, di poter disporre di opportunità formative diversificabili, flessibili e certificabili. Per una società fondata sulla conoscenza è 13

14 indispensabile l'allargamento a una dimensione europea dei sistemi di istruzione e formazione, in cui l'imparare per l'intero arco della vita ha un ruolo fondamentale. Il confronto tra i paesi membri dell'ue, lo scambio di informazioni e pratiche, l'uso condiviso di modelli, metodi e strumenti devono essere a questo punto molto attivi, soprattutto sul tema del riconoscimento, la valorizzazione e la certificazione, e quindi la trasferibilità delle competenze, acquisite in processi di apprendimento non formali e informali, oltre che naturalmente formali, in qualunque paese dell'ue. Nonostante il lifelong learning sia una tematica la cui importanza è riconosciuta da tempo non è stata condivisa una modalità comune per il riconoscimento e/o accreditamento delle competenze. Nella strategia 2020 viene ribadito il ruolo fondamentale dell'istruzione e della formazione permanente sviluppata in percorsi di apprendimento formali, non formali e informali ed in particolare nell European Training 2020 si fissano pure dei benchmark (10% dispersione, 95% diploma secondaria, 40% con formazione superiore) che spingono al potenziamento della formazione. L UE mostra punti di debolezza quali: la disoccupazione; l insufficiente partecipazione al mercato del lavoro di donne e lavoratori anziani; la mancanza di qualificazione; l esclusione sociale ed un inserimento poco qualificato dei migranti. Punti chiave su cui insistere sono quindi: attribuire una più elevata priorità all attività di apprendimento lungo tutto l arco della vita; favorire tutti gli aspetti della pari opportunità; sviluppare azioni indirizzate a particolari gruppi bersaglio, come i migranti. Risulta di conseguenza necessario migliorare il livello e la qualità dell occupazione in modo che ogni cittadino possieda le competenze necessarie per vivere e lavorare. L istruzione e la formazione rivestono quindi un ruolo fondamentale ed è perciò irrinunciabile offrire possibilità di apprendimento e formazione adeguate ai gruppi bersaglio; definire le nuove competenze di base da fornire lungo tutto l arco della vita; dare maggiore trasparenza al riconoscimento delle qualifiche; contribuire alla valorizzazione delle competenze acquisite sia negli istituti di insegnamento e formazione, sia presso i datori di lavoro, sia nella vita quotidiana. Quanto detto sopra si può rintracciare in numerosi documenti comunicazioni, conclusioni, risoluzioni, raccomandazioni, direttive, dichiarazioni che non hanno valore vincolante, ma esercitano funzioni di stimolo all azione e alla collaborazione in uno spirito di lealtà comunitaria. Tutti questi documenti, espressi in tempi diversi dalla UE, sono indirizzati ad individuare nella società della conoscenza il luogo dove riconoscere e realizzare i bisogni delle persone. Nel panorama legislativo europeo a proposito delle competenze e del loro accreditamento si può constatare che tutti i documenti fanno riferimento sostanzialmente a quattro ambiti: di indirizzo, che indicano, una volta analizzata la situazione in essere, la strada da seguire con i diversi percorsi possibili nell ambito dell occupazione, della mobilità, dell istruzione e della formazione, della formazione permanente; tecnici, che riguardano più specificamente competenze, qualifiche, diplomi; economici, che riguardano gli investimenti da indirizzare al campo dell istruzione e della formazione; di cooperazione europea, che insistono sulla necessità che gli stati membri cooperino anche nel campo della formazione e dell istruzione, coordinando sforzi e azioni, a tutto vantaggio dei cittadini europei. 14

15 2.4 Le modalità di riconoscimento dell apprendimento non formale ed informale Nella pubblicazione La validazione degli apprendimenti non formali ed informali nel contesto italiano ed europeo: due modelli a confronto realizzata dal CPV e dall USR Veneto nell ambito del progetto 69/1/1/4124/2008 finanziato dal POR FSE della Regione del Veneto con DGR 4124/2008 si sono analizzate le diverse procedure attuate per il riconoscimento delle competenze non formali ed informali ed in particolare quello francese e quello romeno. Si riporta di seguito la tabella di sintesi del confronto fra i due sistemi Francia Romania Tempi 6-9 mesi 1 settimana 30 gg Valutazione Colloquio orale con lo scopo di far Prova orale, scritta e pratica argomentare ciò che è contenuto nel livret 2 (descrizione accurata dell esperienza professionale) Lavoro preparatorio Orientamento e supporto nella Stesura del test e delle prove su compilazione da parte di uno misura, sulla base degli indicatori di psicologo del lavoro compilazione del competenze ed esplicitazione di livret 2 prevalentemente a carico del questi sulle schede di valutazione candidato Applicazione La visibilità dell esperienza pregressa Strumenti La valutazione è di volta in volta espressa sulla base di un elaborato unico (storia professionale approfondita del livret 2) da parte di un team di esperti del settore È il fulcro della valutazione perché raccontata e descritta secondo criteri analitici Livret 1 domanda ufficiale di validazione delle competenze compilato dal candidato in completa autonomia contiene i dati della prsona, il diploma a cui aspira, le qualifiche e/o i diplomi posseduti, l esperienza professionale coerente e non con il diploma richiesto (ruolo mansioni strumenti di lavoro utilizzati) Livret 2 compilato con ausilio esperto contiene esperienze lavoro coerenti con diploma. Tipologia azienda, ruolo, tipologia collaborazione, area di lavoro, interfacciamenti interni ed esterni azienda, evoluzione ruolo, spazio autonomia, conoscenze abilità e competenze, input ricevuti, output prodotti La valutazione è gestita con facilità dato l impianto a test che assicura l attendibilità dei risultati a fronte di valutatori diversi Viene tralasciata in favore dell evidenza dei risultati emersi dai test prove pratiche ed intervista Schede costruite per l auto e etero valutazione Strutturate in unità di competenza Sono create da un esperto e collegate ai risultati di apprendimento emersi nei test La valutazione di ciascuna unità è espressa in punti di credito in base al peso che l unità assume nella qualifica 15

16 I due modelli messi a confronto evidenziano come il modello francese punti molto sul ruolo attivo di chi chiede l accreditamento e al quale viene dato un notevole supporto, cosa che vedremo essere considerata essenziale dalla moderna andragogia; quello rumeno invece risponde maggiormente come impianto alle recenti indicazioni europee in termini di trasparenza, è sicuramente più economico e veloce ma poco considera le caratteristiche dell adulto. Per un migrante forse il modello rumeno rappresenta dei vantaggi dati dai tempi e dalla maggior facilità di attuazione ed economicità. L accreditamento delle competenze non formali ed informali ha come strumento basilare un dispositivo che può essere identificato con il portfolio o altro strumento analogo da costruirsi in modo autonomo, o con il supporto di un esperto. La realizzazione di un portfolio delle competenze permette di conseguire i seguenti obiettivi: crescita della consapevolezza di sé relativamente a quanto acquisito e alla possibilità di fornire delle prestazioni, possibile ad una migliore capacità meta riflessiva dei soggetti aumento della capacità argomentativa e della comprensione dei possibili transfert di quanto acquisito in determinati contesti ad altre situazioni lavorative da cui deriva un possibile riorientamento formativo e professionale raccolta delle prove atte a dimostrare le esperienze vissute oppure a dimostrare le capacità acquisite (modello del book professionali) che facilita il processo di valutazione attivazione di un processo di apprendimento riguardante l autoanalisi e la riflessione sulle modalità operative il che potenzia l autonomia dei soggetti è importante non sottovalutare che le pratiche legate al portfolio si fondano in maniera importante sulle abilità di scrittura rischiando di essere discriminanti per coloro che pur possedendo importanti apprendimenti non formali ed informali, mal padroneggiano le competenze necessarie alla redazione dei testi e delle tabelle necessarie alla realizzazione di un portfolio. Le modalità di riconoscimento delle competenze agite nei diversi paesi partner e gli strumenti utilizzati in Match sono riportati nel capitolo Il bilancio di competenze a supporto della preparazione del portfolio Il bilancio di competenze è un binomio di parole molto utilizzato a partire dagli anni 90 e mutuato dall esperienza francese. La pratica del bilancio trova i suoi fondamenti teorici in Parsons che nel 1909 individua il connubio tratti individuali e fattori professionali attraverso la definizione di obiettivi professionali che vanno individuati tenendo conto di tre grandi categorie di fattori: 1) conoscenza delle proprie caratteristiche e, in particolare, di atteggiamenti, capacità, interessi, aspirazioni, risorse, vincoli personali; 2) consapevolezza di quali sono le caratteristiche necessarie, i vantaggi e gli svantaggi, le retribuzioni, le opportunità e le prospettive nei diversi ambiti lavorativi; 3) un ragionamento sulle relazioni fra i primi due gruppi di fattori. In Italia il termine bilancio di competenze è stato introdotto con la sperimentazione condotta a metà degli anni 90 in Emilia Romagna e successivamente esteso in altre zone d Italia soprattutto nei servizi per l impiego e in quelli di orientamento. In Francia il bilancio di competenze è un servizio inizialmente previsto dalla legge 91/1991 che prevede per ogni lavoratore 24 ore di permesso retribuito per analizzare le proprie competenze 16

17 professionali e personali, le proprie attitudini e motivazioni, allo scopo di determinare un progetto professionale e, se necessario, un progetto di formazione. I bilanci si svolgono all interno di centri appositamente creati (CIBC, nella cui gestione sono coinvolte le parti sociali e l amministrazione pubblica) o presso strutture convenzionate. In Francia l idea iniziale era che il bilancio di competenze fosse utilizzato dalle imprese nei processi di riqualificazione in realtà viene utilizzato come strumento di outplacement per accompagnare le dimissioni o licenziamenti oppure per orientare i giovani. Il bilancio di competenze ha assunto nella progettazione e nell erogazione di formazione significati e funzioni molto diversi. È stato utilizzato nella formazione continua come strumento che dovrebbe facilitare il recrutement, ma soprattutto la riqualificazione attraverso la formazione valorizzando le competenze già acquisite, da mettere in evidenza e valorizzare; è stato introdotto anche nella formazione iniziale per l orientamento verso una professione ed utilizzato come strumento che tenta di incrociare le propensioni dell individuo con i fabbisogni del mercato del lavoro. 2.6 Un percorso di facilitazione per l accreditamento Il bilancio di competenze o più in generale un dispositivo/percorso per facilitare l accreditamento risulta indispensabile. Esso può svolgersi seguendo una duplice finalità diagnostica oppure educativa. Nell impostazione diagnostica si utilizzano i test e l operatore svolge il ruolo di esperto; in quella educativa, più diffusa, si utilizzano invece schede di autoanalisi perché la stesura del bilancio viene vista come un importante momento di maturazione dell utente che assume una maggiore consapevolezza delle proprie capacità e aspirazioni. Un tale percorso e/o dispositivo (bilancio di competenze) è organizzato con modalità diverse, ma in generale dovrebbe comporsi di un analisi sistematica delle caratteristiche personali, condotta valorizzando gli aspetti attitudinali e psicologici, oppure quelli più oggettivi di descrizione delle attività e dei compiti da svolgere; viene condotta con l utilizzo di materiali strutturati quali test e/o schede di autoanalisi oppure di analisi del processo lavorativo o semplicemente dei colloqui non strutturati; dovrebbe portare alla definizione di un progetto professionale ed infine ad una sua applicazione concreta. Tale percorso può essere effettuato in modo autonomo o con il supporto di un mentore. La diversità di strumenti, modalità d analisi e di svolgimento fa sì che tale percorso possa assumere connotazioni molto diverse. Le fasi peculiari tuttavia possono essere così identificate: 1) analisi ed esplicitazione delle caratteristiche personali rilevanti rispetto ad un percorso di formazione o ad un lavoro e/o professione; 2) analisi delle figure professionali e delle possibilità lavorative e/o formative del territorio di riferimento; 3) sviluppo di un progetto professionale realistico e coerente con i fabbisogni professionali del mercato del lavoro in cui ci si vuole inserire; 4) accompagnamento all attuazione del progetto professionale attraverso un vero e proprio piano strutturato di azioni collegate logicamente e cronologicamente e funzionali a raggiungere gli obiettivi professionali prefissati. L analisi sistematica consiste nella descrizione e presa di consapevolezza da parte dell individuo degli elementi caratterizzanti la propria personalità sia dal punto di vista attitudinale, sia da quello delle competenze acquisite in formazione e nel lavoro o nella propria esperienza di vita che sono importanti per la scelta professionale e il buon inserimento oppure reinserimento lavorativo. I materiali strutturati aiutano e guidano l interazione tra utente e operatore-mentore durante i colloqui del bilancio in quanto vengono erogati in un ordine prestabilito, rendendone così più semplice ed organica la conduzione. I test se da un lato consentono un analisi più oggettiva e 17

18 strutturata delle caratteristiche dell utente, dall altro non potenziano il protagonismo dell utente stesso nei processi di autoanalisi. Le schede di autoanalisi contenenti una serie di domande consentirebbero invece di promuovere una maggiore consapevolezza e quindi un attiva auto determinazione dell utente nel condurre e valutare gli esiti di analisi delle caratteristiche personali. Se mancano l analisi sistematica delle caratteristiche del soggetto e l utilizzo di materiali strutturati, come spesso accade, è difficile dire che si tratta di un vero e proprio bilancio di competenze ma si tratta più semplicemente di colloqui di orientamento. 2.7 Un percorso di ricerca del lavoro Il percorso messo in atto per ottenere il riconoscimento di competenze non formali ed informali è comunque finalizzato principalmente a mettere a punto un progetto professionale attraverso l analisi sistematica delle caratteristiche personali, condotta con l utilizzo di materiali strutturati quali test e/o schede di autoanalisi. Il percorso tuttavia oltre alla stesura del progetto professionale risulta utile per mettere in evidenza gli obiettivi elaborati in autonomia dall utente e per impostare e migliorare le modalità agite nella ricerca di lavoro e nella definizione di un piano d'azione. Il tradizionale bilancio di competenze si svolge a livello individuale o di gruppo. Se rivolto ad un individuo, il bilancio di competenze ha una durata variabile di 3-5 incontri a distanza settimanale; se invece è rivolto ad un piccolo gruppo (8-12 partecipanti) sono necessarie ore articolate in 3-4 incontri di 5 ore ciascuno di gruppo ed infine un incontro individuale conclusivo. E possibile anche una modalità mista che alterni incontri individuali con attività in piccoli gruppi. Sono comunque utili, in fase di applicazione del progetto professionale personale, incontri di coaching distribuiti nel tempo per sostenere l inserimento lavorativo. Un percorso di supporto all accreditamento di competenze richiede comunque una quantità di tempo sufficiente a potenziare le capacità di autoanalisi e quelle di descrizione anche scritta delle competenze acquisite o da perfezionare (il percorso è scandito da schede). Spesso, anche per questioni economiche, non è tuttavia possibile disporre del tempo sufficiente per lo sviluppo dell autoanalisi e delle capacità di descrizione delle competenze con linguaggio adeguato e coerente con quello utilizzato da un lato dal mondo del lavoro, dall altro dalla formazione. In tal caso piuttosto che operare in modo scorretto e quindi deviante è preferibile optare per un percorso più sintetico e meno strutturato, basato sull analisi degli elementi che emergono dal racconto della storia formativa e professionale del soggetto. La mancanza di esperienze professionali significative non è invece un impedimento allo svolgimento di un percorso assimilabile al bilancio di competenze che dovrà focalizzarsi allora sulle caratteristiche personali e le competenze trasversali e più in generale informali. È questo il caso dei migranti in cui si punta prima di tutto sulle competenze trasversali, civiche e linguistiche in quanto costituiscono la base per l integrazione nel Paese comunitario e in considerazione del fatto che molto spesso l impiego richiede competenze tecniche poco specialistiche. Sicuramente questa non è la scelta migliore ma di fatto è la fotografia di quanto accade nella realtà. 18

19 Nel progetto Match si opta per uno strumento informatico che supporta utente ed operatore come si vedrà più avanti (capitolo??) sia nell utilizzo di schede strutturate, sia in un software che consente la descrizione e basato sulla ricerca semantica. I prodotti del bilancio in generale sono: 1) Il Dossier di bilancio composto dalle schede di analisi o autoanalisi delle proprie caratteristiche personali e dal progetto professionale; 2) la Relazione di bilancio elaborata in condivisione utente ed operatore dove sono riportati in sintesi i più importanti aspetti che risultano dalle schede di lavoro e dal progetto professionale; 3) il portfolio cioè un fascicolo preparato dall utente con le evidenze relative alle capacità e ai risultati ottenuti soprattutto in ambito professionale. Il portfolio assume importanza crescente per il riconoscimento dell apprendimento realizzato al di fuori di percorsi formali di istruzione. Nel caso specifico di Match i prodotti sono esplicitati nel capitolo??? 2.8 I migranti: competenze linguistiche e civiche richieste Le problematiche dei migranti sono soprattutto di inserimento in paesi con usi e costumi e regole molto diverse rispetto a quelli del paese di provenienza. Si tratta quindi di difficoltà linguistiche e più in generale di integrazione vissute da un soggetto adulto. Nel corso di glottodidattica presso l università Ca Foscari di Venezia lo status d adulto è definito secondo tre parametri interdipendenti, ovvero dal punto di vista biologico, psicologico e socio-culturale. L adulto è dunque quel soggetto che ha superato la pubertà, che è capace di compiere scelte autonome e che possiede, o è in grado di esercitare, un ruolo professionale oppure di avere un occupazione. Va inoltre considerato che l adulto è foriero di un patrimonio di esperienze che devono essere valorizzate e non sottovalutate. È dunque un soggetto in apprendimento molto diverso rispetto al giovane adolescente o bambino. Una lingua viene imparata con motivazioni molto diverse: in ambito universitario è utilizzata per motivi di studio o approfondimento mentre nell ambito della vita quotidiana o del lavoro la lingua viene appresa per sopravvivenza e quindi spesso in modo scorretto ma funzionale all urgenza di comunicare sia pure in modo sommario ed approssimativo. Nel caso dell insegnamento/apprendimento ai migranti attualmente resa obbligatoria in Italia per il rilascio del permesso di soggiorno le metodologie sono diverse rispetto a quelle agite con i giovani. È inoltre importante ridefinire in senso andragogico il rapporto tra allievo e docente, dal momento che insegnare agli adulti significa interagire con individui per i quali l apprendimento di una lingua straniera può costituire un impegno abbastanza faticoso e che, soprattutto, non sono sempre disposti a mettere in discussione, oltre un certo limite, la propria visione del mondo. È quindi indispensabile che il rapporto tra insegnante e soggetto in apprendimento assuma la configurazione e la dinamica di una relazione tra pari e ciò si riferisce non solo nel modo di affrontare gli argomenti di carattere morfosintattico ma soprattutto nel trattare quelli di natura socio-culturale e professionale. Lo strumento messo a regime in Match consente di facilitare l approccio inter pares e di valorizzare l esperienza già maturata dall adulto. 19

20 2.9 La formazione dell adulto - andragogia Il percorso di supporto al riconoscimento delle competenze e all inserimento lavorativo prevede anche attività di formazione. Sia il percorso di supporto, sia le attività di formazione devono tener conto della metodologia da utilizzare che deve essere adeguata ad un utenza adulta. La teoria dell apprendimento per gli adulti si definisce andragogia differenziandola dalla pedagogia, teoria dell apprendimento quando ci si rivolge al bambino o all adolescente, e dalla geragogia quando ci si rivolge all anziano. Il termine andragogia è introdotto nel 1833 in Germania da Alexander Kapp ma viene utilizzato diffusamente solo più di un secolo dopo. L andragogia è un modello incentrato sui bisogni e gli interessi di apprendimento degli adulti che ha trovato in Malcom Knowles il suo massimo esponente. I presupposti fondamentali della teoria andragogica sviluppata da Malcom Knowles sono i seguenti. 1. L adulto impara solo se è consapevole della necessità di possedere quelle conoscenze. Tough nel 1979 ha scoperto che gli adulti nella fase iniziale dell apprendimento investono molto nell analisi dei vantaggi che potranno ottenere dall'apprendimento. L insegnante deve pertanto svolgere un ruolo preminente di facilitatore nel promuovere un risveglio di consapevolezza (Freire). Diventa pertanto indispensabile argomentare e far scoprire i risultati positivi prodotti dalle azioni di apprendimento che si intraprendono per migliorare l'efficienza della performance dei discenti o della loro qualità di vita. 2. L adulto ha un concetto di sé che gli consente un senso di crescente indipendenza ed autonomia. Nei percorsi di apprendimento il docente deve mettere in atto strategie che facciano percepire ai discenti che la loro autonomia e responsabilità sono ampiamente rispettate e che non sono in una situazione di dipendenza. 3. Gli adulti hanno una maggiore esperienza che caratterizza la loro identità personale e che non può essere sottovalutata ma deve assicurare che tali esperienze costituiscano elemento di arricchimento. Il gruppo di adulti è sicuramente più eterogeneo in termini di background, stile di apprendimento, motivazioni, bisogni, interessi e obiettivi di quanto non accada in gruppi di giovani; ciò è particolarmente accentuato se i discenti sono dei migranti. Le strategie formative dovranno pertanto non essere trasmissive ma potenziare l aiuto tra pari e superare le criticità rappresentate dalla rigidezza negli abiti mentali, dalle prevenzioni, dalla chiusura rispetto a idee nuove e diverse modalità di approccio. 4. L adulto è disponibile ad apprendere e a mettersi in gioco solo se avverte la possibilità di un applicazione immediata delle competenze nel lavoro oppure nella vita quotidiana. 5. L'orientamento verso l'apprendimento non deve essere centrato sulle discipline, ma sulla vita reale, sulla possibilità di risolvere problemi. Gli adulti infatti maturano nuovi risultati di apprendimento conoscenze, abilità e competenze solo se ne colgono in modo chiaro la valenza. 6. Nel caso degli adulti le motivazioni hanno un efficacia molto più rilevante rispetto alle pressioni esterne. Tough (1979) ha rilevato tuttavia che tutti gli adulti sono motivati a continuare a crescere e a evolversi, ma che questa motivazione spesso viene inibita da barriere rappresentate dal concetto negativo di sé come studente, dalle scarse risorse, dalla 20

21 mancanza di tempo. Va dunque potenziata l autodeterminazione nel soddisfare i bisogni di nuove competenze, autonomia e di mantenere e costituire legami in ambito sociale. Il modello andragogico, secondo la concezione del Knowles, non è un'ideologia ma un sistema di diverse ipotesi alternative di cui si deve verificare il realismo in una data situazione. Nel caso dei migranti in particolare essi possono rappresentare forme di dipendenza perché privi di esperienza con una certa area di contenuti, non comprendono la pertinenza con i compiti o i problemi della loro vita reale. Concludendo l adulto deve mettere in rilievo che cosa apprende e soprattutto perché; il concetto di sé che l adulto vive in modo autonomo, il ruolo dell esperienza precedente che deve integrarsi con le nuove competenze; la disponibilità ad apprendere ciò che hanno necessità di sapere e di saper fare; l apprendimento nell adulto deve evolversi in compiti e situazioni e reali; la motivazione e l autostima a raggiungere una determinata performance; la convinzione che l apprendimento è un processo interattivo e continuo e non un processo isolato Metodologie attuate Nello sviluppo di esperienze di supporto all accreditamento delle competenze e alle ricerche di lavoro con gli adulti ed in particolare con i migranti il progetto Match ha tenuto conto di quanto sopra esposto ed in particolare dei diversi principi enunciati. È tuttavia emerso che in alcuni aspetti il migrante presenta caratteristiche intermedie tra quelle dell adulto e quelle del giovane il bisogno di sapere nel giovane non sempre è consapevole ma dipende dall imposizione esterna, l adulto invece è più autonomo nel determinare i propri bisogni; nel migrante tale consapevolezza è latente e spesso legata soltanto al desiderio di conquistare competenze linguistiche. Tale mancanza di consapevolezza diventa un punto di debolezza che provoca resistenza all apprendimento. le esperienze maturate nel giovane sono relativamente limitate mentre per l adulto devono diventare una risorsa per l apprendimento; il migrante spesso rivendica esperienze maturate in altri contesti lavorativi in continenti diversi e pertanto poco utilizzabili in un contesto europeo. Tale diversità diventa un punto di debolezza se non si riesce a proporre opportune conversioni delle competenze maturate in un occupazione adeguata. Se da un lato la diversità delle esperienze può essere fonte di arricchimento per l apprendimento, dall altro l esperienza nell adulto e nel migrante, in particolare, può rappresentare una criticità. Si tratta infatti talvolta di abitudini mentali e pregiudizi che diventano forme di resistenza all apprendimento, al pensiero alternativo, al riesame di abitudini e pregiudizi, all apertura delle menti verso nuovi approcci. la disponibilità all apprendimento emerge su pressione esterna nel giovane mentre nasce dall esigenza di svolgere compiti sempre più evoluti nell adulto; quanto alla disponibilità all apprendere, il migrante, come gli adulti in generale, può manifestare delle criticità rappresentate dalle sfasature tra esperienze formative, compiti in evoluzione e vita quotidiana. Diventa quindi indispensabile sincronizzare le esperienze con i compiti evolutivi. la prospettiva temporale determina nei giovani un applicazione posticipata di quanto appreso, mentre l applicazione è immediata invece nell adulto e nel migrante 21

22 l apprendimento è spesso organizzato per discipline per i giovani, per problemi per gli adulti; nell orientamento verso l apprendimento il migrante in particolare ha bisogno di casi concreti non di astrazioni le motivazioni sono dovute a pressioni esterne nel caso dei giovani, ma sono di natura interiore per l adulto; il migrante non sempre è motivato, spesso si deve ricorrere a costrizioni esterne o ad altre forme di promozione. Nella formazione e nelle attività di accoglienza rivolte agli adulti e ai migranti in particolare è determinante il clima formativo che deve essere di reciprocità, rispetto e collaborazione; la pianificazione delle attività deve avvenire in modo condiviso; l individuazione dei fabbisogni formativi in vista delle opportunità di lavoro dovrebbe avvenire in collaborazione tra docente/operatore e discente; la formulazione degli obiettivi di apprendimento deve essere negoziata; il progetto formativo deve essere formulato per unità con chiari risultati di apprendimento da raggiungere e che vanno rimodulati in base alle esigenze dei discenti; le attività formative sono per lo più basate sull esperienza e la ricerca; la valutazione si basa su una re diagnosi comune dei bisogni e del percorso formativo. 22

23 Capitolo 3 Strumenti web per il job matchmaking: le opportunità offerte dalle tecnologie semantiche del web Fabrizio Lamberti, Valentina Gatteschi, Claudio Demartini - Politecnico di Torino, Dipartimento di Automatica e Informatica 3.1. Elaborazione automatica delle informazioni relative a chi cerca e offre lavoro Internet rappresenta oggi la spina dorsale che trasmette l'enorme flusso di informazioni generate attraverso le moderne attività di ricerca di posti di lavoro e di reclutamento di posti di lavoro [1]. infatti, molte aziende hanno dotato i loro portali aziendali con sezioni lavora con noi, e una serie di strumenti web sono stati sviluppati per aiutare chi cerca lavoro ad organizzare il curriculum vitae in modo predefinito, in modo da facilitare il processo di definizione di attitudini e capacità. Inoltre, sono apparsi molti portali dedicati al lavoro, consentendo ai datori di lavoro di postare annunci sulle posizioni aperte e supportando i cercatori di lavoro nel processo di abbinamento delle loro competenze con tali offerte [2]. Anche i social hub, originariamente sviluppati per permettere agli utenti di rafforzare le loro reti professionali e di condividere contenuti personali generici, hanno aggiunto di recente la possibilità per gli abbonati di descrivere se stessi con un insieme di competenze e di abbinare il loro profilo ad una serie di opportunità di lavoro. Recenti studi hanno dimostrato come il web stia rapidamente diventando un mercato virtuale in cui sono avviate un sempre crescente numero di procedure di collocamento [3] [4] e i portali globali contano così tanti curricula vitae e offerte di lavoro registrate nei loro database, che l e-recruitment è considerato ormai come una delle e-business aree più ampiamente praticate [5] [6] [7]. Come in quasi qualsiasi altro ambito, le enormi opportunità di comunicazione offerte dal web hanno contribuito a ridurre le asimmetrie informative tra gli attori coinvolti nella cerca di lavoro e gli scenari di reclutamento di posti di lavoro, attori che hanno iniziato ad usare Internet come canale principale per lo scambio di informazioni. Mentre il numero di utenti ha iniziato a crescere, anche la quantità e la complessità dei dati da prendere in considerazione è cresciuta, ed è diventato praticamente impossibile per reclutatori e cercatori di lavoro ordinare manualmente dati relativi a candidati o posizioni rilevanti, che oggi sono sparsi su un numero di sistemi separati ed espressi in molti modi diversi (come curricula strutturati, semi-strutturati e non strutturati, offerte di lavoro sui siti web aziendali, LinkedIn e profili di Facebook, ecc.). Pertanto, i diversi approcci per l elaborazione automatica di informazioni, necessariamente hanno iniziato ad essere presi in prestito da altri campi di applicazione specifica e ad essere sperimentati per avere a che fare con i dati relativi a cercatore e datore di lavoro. In questo modo, il concetto di matchmaking, che generalmente si riferisce all'atto di allineare l'offerta e la domanda di alcuni tipi di merci nei mercati (virtuali) ha iniziato ad essere sfruttato nel contesto della ricerca elettronica del 23

24 lavoro e dell e-recruitment. Qui, le parti coinvolte stanno cercando di vendere e comprare delicati tipi di prodotti, ad esempio, le competenze, il know how, gli atteggiamenti, ecc, in un mercato aperto e distribuito, come quello del lavoro. Sebbene, come verrà illustrato in seguito, quasi nessuna delle soluzioni considerate è stata in grado di affrontare in qualche modo le sfide illustrate in precedenza [6] [8] [9], l'uso della semantica ha realmente dimostrato di rappresentare un modo olistico per affrontare il quadro complessivo [10] [11]. I vantaggi superiori delle tecniche basate su quest ultimo approccio sono testimoniati oggi dal numero di lavori pubblicati nella letteratura accademica e, soprattutto, per il numero crescente di portali commerciali di lavoro che promuovono la loro ricerca semantica e le loro caratteristiche classificatorie. Da un punto di vista lessicale, la semantica della parola, dal greco sēmantikós, si riferisce allo studio del significato di parole, frasi, proposizioni e una buona parte di testo. Quindi la semantica è spesso associata a vari campi di studio, come, tra gli altri, la filosofia, la filologia, la comunicazione e la semiotica. Dalla prospettiva delle scienze dell'informazione e della comunicazione e, in particolare, di Internet, il concetto di semantica cominciò ad essere ampiamente utilizzato nel 2001, quando il termine web semantico è stato coniato per riferirsi ad una rivoluzione tecnologica che mira a trasformare le classiche pagine web in fonti di informazioni trasparenti per essere lette e comprese dalle macchine [12]. Al fine di sostenere l idea del web semantico, si è dovuto definire un modo per identificare con precisione i dati all'interno dei documenti (iper-) on-line. Inoltre, bisognava trovare anche un mezzo per consentire agli esperti informatici di eseguire l elaborazione automatica dei dati, imitando i processi di ragionamento umani. Gli obiettivi di cui sopra sono stati raggiunti grazie agli sforzi del World Wide Web Consortium (W3C) [1], che ha definito una serie di strumenti che hanno rappresentato la base per l'evoluzione del web 1.0 nelle sue forme recenti. In particolare è stato sviluppato un mezzo per mantenere separati, nelle pagine web, i dati di presentazione, dai dati stessi. In questo modo, è stato possibile rendere esplicito il contenuto informativo dei documenti sul web. Poi, prendendo ispirazione da processi mentali umani, è stata definita una serie di soluzioni per la creazione di un modello articolato di dati da eventualmente sfruttare per arricchire con un significato le informazioni di cui sopra. In tale modello il significato è espresso facendo riferimento a concetti che sono a loro volta collegati ad altri concetti attraverso una rete complessa di relazioni. Infine, ai produttori e ai consumatori di contenuti web è stata offerta la possibilità di pubblicare e scambiare informazioni annotandole, vale a dire associandole a risorse identificabili che appartengono alla conoscenza del modello sopra menzionato. In questo modo, è stata aperta alle macchine la possibilità di leggere ed elaborare informazioni che erano originariamente destinate ad essere accessibili ed elaborate solo dagli esseri umani. Facendo leva sulla possibilità di cui sopra, si è iniziato a sviluppare diverse soluzioni software per sfruttare i dati semantici, per affrontare i problemi correlati alla conoscenza. In particolare inizialmente sono stati applicati approcci a base semantica e relative tecnologie in scenari di gestione intensiva della conoscenza, come, per esempio, la bioinformatica e le scienze della salute in generale. 24

25 Poi sono stati sfruttati per la redazione delle norme per lo scambio dei dati e l'integrazione, nonché per servire l interazione su Internet [13]. Sono stati scelti anche come blocco di base per la realizzazione di sofisticate applicazioni, comprese quelle riferite alla promozione di relazioni sociali e di rete. Negli ultimi anni, la loro utilità ad aiutare gli uomini nell eseguire un gran numero di mansioni che richiedono tempo come filtrare, confrontare, aggregare e valutare in modo eterogeneo informazioni strutturate, è stata dimostrata in numerosi specifici campi di applicazione. Molto recentemente, dopo un certo numero di esperimenti di laboratorio, tecniche semantiche sono state applicate anche all ambito probabilmente più ovvio (sebbene più ostico, a causa della suo intento generale) rappresentato dalla ricerca web. Oggi la ricerca semantica è associata all'idea di un processo di recupero delle informazioni che va al di là di un pura corrispondenza letterale-lessicale basata su parole chiave. Invece la ricerca semantica è considerata in grado di sfruttare il significato di parole e frasi e di considerare singoli termini nel loro contesto circostante, al fine di anticipare le esigenze degli utenti e fornire loro i migliori risultati possibili, semplicemente chiedendo loro di dire quello che vogliono. In effetti, le strategie di ricerca tradizionali in cui un certo numero di parole chiave hanno bisogno di essere combinate per generare la stringa di query potrebbero a volte fallire nella restituzione dei risultati attesi, per esempio, a causa dell'ordine di termini o di operatori logici utilizzati, a causa del significato ambiguo delle parole, ecc. Un esempio potrebbe essere rappresentato da una ricerca di un hotel a Roma. Una stringa di query possibile potrebbe essere hotel Roma. Quando si fa una ricerca con le parole chiave di cui sopra, Google restituirebbe tra i primi risultati classificati due pagine che in realtà fanno riferimento a hotel nella città di Roma. 25

26 Tuttavia, la query restituirebbe allo stesso tempo le pagine web di altri alberghi chiamati Roma, ma situati in tre città diverse. Un altro esempio potrebbe essere rappresentato da situazioni in cui viene utilizzato lo stesso termine con significati diversi, come mostrato nei tweet sulla luce sotto. Un motore semantico potrebbe cercare di imitare la ragione umana di calcolare l'esatto significato dei termini in questione, sfruttando segnali di contesto, vale a dire prendendo in considerazione ogni termine con le parole circostanti nella stessa frase. Allo stesso modo, in alcuni casi potrebbe essere utile, per estendere lo spazio di ricerca individuato dalla query dell'utente, tener conto di termini concettualmente vicini a quelli che sono stati digitati in modo esplicito [2]. Per esempio, quando si cerca la parola denaro, potrebbero essere sfruttate le relazioni di prossimità e altri concetti che potrebbero anche essere considerati, come la finanza, il commercio, la banca, il mercato, ma anche l'acquisto, la vendita, lo scambio, ecc. E' impressionante rendersi conto di quale sia lo sforzo che è stato compiuto non solo dalla comunità dei ricercatori, ma anche da organizzazioni in generale, sulla applicazione di soluzioni semantiche al mondo del mercato del lavoro. Ciò è dovuto al fatto che i compiti svolti e i risultati attesi da un cercatore di lavoro o da un reclutatore che lavorano su uno strumento di job matchmaking sono 26

27 esattamente allineati con quelli di uno dei sistemi di gestione della conoscenza su basi semantiche di cui sopra, per esempio, un motore di ricerca semantica. Infatti, quando un cercatore di lavoro redige un curriculum, ha l'obiettivo di rendere visibili alle possibili parti interessate tutte le acquisizioni maturate in qualsiasi studio o precedente esperienza di lavoro. Allo stesso modo, i responsabili delle risorse umane desiderano ordinare rapidamente ed efficacemente le domande pervenute per selezionare quelle caratteristiche che, in base al set di requisiti, rendono un dato individuo il miglior candidato per la posizione da ricoprire. Purtroppo, anche se le due parti di tale operazione di matchmaking stanno parlando dello stesso soggetto, spesso non parlano esattamente la stessa lingua. Per esempio, un cercatore di lavoro potrebbe descrivere se stesso facendo riferimento ad un lavoro professionale come programmatore Java, mentre un altro individuo potrebbe menzionare le sue capacità personali, ad esempio, nella forma di essere in grado di scrivere un programma in linguaggio C + +. Allo stesso modo, una società potrebbe semplicemente postare il titolo della posizione di lavoro aperta, come sviluppatore di software, o specificamente dettagliare gli attributi richiesti, come programmare con linguaggi OOP. Un responsabile delle risorse umane, esperto del campo, si renderebbe immediatamente conto che Java e C + + sono entrambi linguaggi di programmazione OOP, così come se qualcuno è in grado di usare un programma informatico usando un tipo di linguaggio di programmazione può essere considerato uno sviluppatore di software. Cioè, per risolvere il problema di matchmaking e trovare il miglior candidato, implicitamente e in modo innato si sfrutterebbero le informazioni sul significato concettuale e contestuale e le relazioni tra termini in questione, che in generale potrebbero fare riferimento alle informazioni espresse, tra le altre, con parole diverse, a diversi livelli di dettaglio, con grado eterogeneo di completezza, ecc Come detto, l'obiettivo della semantica e dell elaborazione semantica è esattamente nella stessa direzione, ossia, potenziare i computer con la capacità di estrarre e analizzare automaticamente le relazioni tra termini e concetti, allo scopo di intuire e estrapolare nuova conoscenza in un modo che 27

28 dovrebbe essere il più vicino possibile al tipico ragionamento umano. In uno strumento semantico, concetti come programmatore, programma, programmazione e sviluppatore di software, così come linguaggi OOP, C + + e Java dovrebbero essere identificati prima. Poi, i collegamenti tra i concetti avrebbero bisogno di essere esplorati, ad esempio procedendo da piuttosto banale a piuttosto complesso. Come materia d esempio, concetti come programmatore, programma e programmazione sarebbero collegati da relazioni lessicali in linea. Concetti come OOP, C + + e Java potrebbero essere inquadrati in una struttura gerarchica forse incompleta, con implicazioni tra i concetti (i linguaggi Java e C++ appartengono alla famiglia dei linguaggi OOP e rappresentano una specializzazione della categoria più generale, anche se non la esauriscono). Inoltre, sarebbero anche connessi con l'atto della programmazione, cioè di scrivere un programma e, abbastanza intuitivamente, con il ruolo del programmatore, che è generalmente incaricato di scrivere programmi. In questo modo, la relazione tra gli elementi di cui sopra e la posizione lavorativa di sviluppatore di software sarebbe selezionata. Potrebbe valere la pena aggiungere che, quando lo scenario del job matchmaking viene considerato da un ampia prospettiva Internet, nella maggior parte dei casi cercatori di lavoro e datori di lavoro non stanno nemmeno parlando nello stesso posto. In effetti, l'evoluzione della ricerca di tecnologie web e la corsa per l'adozione dei risultati delle ricerche più recenti, paradossalmente, ha portato alla creazione di una serie di isole di job seeking e di e-recruitment [2], caratterizzate da piattaforme basate su interfaccia e approcci eterogenei. In questo senso, l'uso delle tecnologie web semantiche come un modo per formalizzare lo scambio di dati, potrebbe essere visto di nuovo come uno dei modi chiave per realizzare la necessaria integrazione nell ambito della gestione delle risorse umane elettroniche. In seguito, l'applicazione di soluzioni a base semantica agli ambiti del job seeking e al job recruiting saranno analizzati in dettaglio. In particolare, dopo una revisione generale del concetto di semantica in materia di sistema informatico e delle tecnologie correlate, saranno presentate possibili applicazioni alla descrizione dei profili professionali e curriculum vitae, all ottenimento di informazioni sulle competenze richieste o possedute, abilità ed elementi di conoscenza e alla realizzazione di soluzioni automatiche per il calcolo della corrispondenza dell'offerta e della domanda di lavoro, facendo riferimento ad entrambi i metodi presentati nella letteratura di ricerca, nonché a piattaforme commerciali disponibili online. Infine, la discussione sui vantaggi dimostrati o previsti da strumenti semantici nel contesto del job matchmaking e in altri scenari di applicazione previsti, saranno bilanciati con un'analisi delle restrizioni riguardanti le attuali tecniche e le implementazioni, così come le evoluzioni pianificate. 28

29 3.2. Il mondo della semantica Nell ambito dell informatica, il concetto di semantica e web semantico sono strettamente correlati a termini come rappresentazione delle conoscenze e gestione delle conoscenze. Infatti, nella visione del suo fondatore Tim Berners-Lee [3], l'obiettivo del web semantico era di costruire un quadro di riferimento in grado di sostenere la creazione di servizi e applicazioni basati sulle conoscenze, facendo leva su uno spostamento da un web di documenti ad un web di dati. In questa visione, i collegamenti sono tra le rappresentazioni di dati ad hoc, o metadati, piuttosto che tra documenti on-line, o pagine web, che riportano dati loro stesse. Pertanto, oltre a servire come un modo per suddividere le informazioni dalla presentazione, il contributo degli strumenti e delle tecniche del web semantico è nella direzione di favorire l'estrazione e, quindi, l'utilizzo pratico di conoscenze incorporato nei dati. Un ruolo chiave per l'attuazione di tale visione è stato svolto con l'introduzione di tecnologie abilitanti come l'extensible Markup Language (XML) [4], l'uniform Resource Identifier (URI) [5], il Resource Description Framework (RDF) [6] e il Web Ontology Language (OWL) [7]. In fatti, utilizzando il XML, informazioni originariamente miscelate con presentazione su pagine HTML, possono essere facilmente esplicitate. Poi, l RDF può essere utilizzato come un modello di dati per arricchire le informazioni con un significato, che può essere usato durante la pubblicazione e lo scambio di informazioni sul web facendo riferimento alle risorse individuali identificate dal loro URI. Infine, con OWL, il significato di cui sopra può essere associato a concetti, legati ad una base di conoscenze dove le relazioni tra i concetti che descrivono tale significato può essere formalizzata. Come dimostra il focus tecnologico, è prima di tutto una questione di rappresentare le conoscenze. Il concetto di conoscenze è, tuttavia, abbastanza astratto. Nel campo della semantica, le conoscenze sono considerate come il sottoinsieme di informazioni che possono essere descritte in modo esplicito e formale. Come dato di esempio, le conoscenze potrebbero essere espresse per mezzo di frasi come il leone è un carnivoro o un carnivoro è un animale, in cui sono utilizzati concetti come leone, carnivoro e animale. Tuttavia, nella prospettiva di consentire alle macchine di comprendere e sfruttare le conoscenze di cui sopra, è essenziale identificare meccanismi idonei per inquadrare questi concetti in modelli strutturati, dove il significato sottostante e le relazioni sono estratti e, quindi, resi elaborabili. Implementazioni comuni di tali modelli nel campo dell'informatica sono rappresentate da tassonomie e ontologie, in cui i significati e le relazioni associate ai concetti di interesse sono estratti per un settore specifico. Una tassonomia è il risultato del processo di identificazione, raggruppamento e denominazione di individui sulla base di caratteristiche condivise. In una tassonomia, i gruppi sono organizzati in una struttura comprendente super e sottogruppi, che contribuiscono a generare una classificazione. Una 29

30 ontologia è definita come una formale specificazione esplicita di una concettualizzazione condivisa [14]. Una concettualizzazione si riferisce ad un modello astratto di alcuni fenomeni nel mondo, in grado di individuare i concetti rilevanti coinvolti. Il termine formale si riferisce al fatto che l'ontologia deve essere letta da macchine. La parola esplicito viene utilizzato per esprimere il fatto che i concetti utilizzati sono definiti in modo esplicito. Infine, una ontologia è detta condivisa, in quanto i concetti utilizzati devono essere scelti in modo che siano in grado di descrivere una conoscenza consensuale che verrà sfruttata da vari attori. Così, tassonomie e ontologie sono centrali per il web semantico, in quanto rappresentano un vocabolario comune che permette alle macchine di concordare sui termini da utilizzare per comunicare [15]. Anche se le definizioni di tassonomie e ontologie potrebbero essere piuttosto astratte, quando si tratta di considerare il loro ruolo nel campo della semantica e sono presi in considerazione esempi pratici, le cose diventano un po' più chiare. Per esempio, gli estratti di una possibile tassonomia (a sinistra) e ontologia (a destra) per un particolare ambito sono illustrati sotto. Il soggetto è ancora il mondo animale. Come si può vedere, la tassonomia è sostanzialmente rappresentata da un albero, con i gruppi superiori (più generali) che incorporano gli elementi inferiori (più specifici), o concetti. Nell ontologia, i collegamenti di sussunzione di base si arricchiscono di nuove relazioni. Cioè, oltre ai collegamenti è-un, vengono estratte nuove relazioni che fanno riferimento al fatto che un carnivoro mangia gli animali mentre un erbivoro mangia le piante. Inoltre, le piante possono essere anche correlate ai carnivori e, in modo specifico, ad una specie particolare di carnivori come il leone che, per esempio, si nasconde nell'erba alta (che è un tipo di pianta) per cacciare le prede. In questo modo, una sorta di grafico (diretto, in questo caso) viene creato. Una volta che il tema delle conoscenza rappresentativa è stato trattato, il secondo passo è su come fare uso di essa. Nella maggior parte dei casi, l'obiettivo di sistemi basati sulle conoscenze è quello di sostenere il lavoro degli umani, automatizzando le intense attività di conoscenza, che in genere implicano di utilizzare alcuni meccanismi di ragionamento simile all uomo su una certa conoscenza di settore per risolvere un problema particolare. A seconda delle particolari regole di ragionamento che vengono sfruttate e dello specifico scenario di applicazione che venga considerato (classificazione, monitoraggio, previsione, pianificazione, confronto, ecc), l'obiettivo potrebbe essere quello di 30

31 dedurre informazioni implicite, indicare le relazioni logiche, risolvere eterogeneità, trarre conclusioni, ecc.: in una parola, generare nuove conoscenze [15]. Ciò che è veramente impressionante è quanto l'obiettivo di ragionamento automatico potrebbe essere semplificato lavorando sui modelli formali di cui sopra. Infatti, a partire dai concetti organizzati in alberi e grafici che di solito sono sviluppati per formalizzare un particolare settore, i motori semantici sono dotati di molte più informazioni con cui lavorare rispetto a semplici parole chiave e possono essere prodotte efficaci regole di deduzione, facendo ragionare una macchina utilizzando concetti che sa che sono concettualmente correlati. Per fare un esempio, da un lato la tassonomia di cui sopra esprime il fatto che un carnivoro è un sotto-tipo di animale, in modo che qualsiasi carnivoro è un animale (ma non ogni animale è un carnivoro). D'altra parte, l'ontologia sta dicendo che, dato che i leoni mangiano altri animali, gli erbivori come le antilopi probabilmente possono essere mangiati da carnivori come i leoni. In questo scenario, quando sfruttato per trovare corrispondenze, per esempio, con la parola elefante, uno strumento semantico come un motore di ricerca, restituirebbe risultati sia con antilope (che, in un modello possibilmente esteso, dovrebbe essere previsto come parente dell elefante) sia con erbivori e animali (concetti madri) e con piante (a causa della relazione del mangiare), ovviamente con punteggi differenti. Ora, supponendo che gli ambiti di job seeking e job recruiting siano stati modellati nei termini di cui sopra, sembra semplice tradurre i metodi di ragionamento immaginati, per affrontare il problema di trovare la migliore corrispondenza tra le offerte di lavoro e le richieste. Per esempio, un modo davvero di base per sfruttare l'esistenza di modelli di conoscenza formale per sostenere i compiti dei job seeker e recruiter sarebbe quello di permettere ad un possibile motore di ricerca di trascurare le variazioni intenzionali o meno, nei termini menzionati nelle stringhe di ricerca degli utenti (plurali, ortografia errata, abbreviazioni, ecc), migliorando così l'interazione e l'usabilità del sistema. Un modo più intelligente per l'utilizzo dei modelli di settore di cui sopra, potrebbe essere quello di lasciare che il motore semantico estragga il significato associato con una data frase usata per descrivere i risultati dei job seeker o i requisiti richiesti dai job recruiters. A tal fine, la distanza concettuale nei modelli e la distanza fisica nella frase, tra concetti e termini, potrebbe essere utilizzata insieme alle relazioni tra le parole per migliorare la capacità del motore di identificare similitudini tra curricula e descrizioni di offerte di lavoro. Infine, le nuove conoscenze potrebbero essere dedotte, cercando ciò che non era esplicitamente menzionato nello stesso curriculum o offerta di lavoro (perché il modulo utilizzato era libero, o limitato, o non sviluppato con l'obiettivo di supportare il matchmaking di posti di lavoro, come nel caso di profili a piattaforma sociale). Anche se, come illustrato, l'idea alla base dell elaborazione semantica sia piuttosto semplice e le possibilità sembrino enormi, vale la pena dire che i vantaggi reali provenienti dallo sfruttamento di tali tecniche diventano evidenti solo una volta che le informazioni siano state correttamente annotate rispetto ad un modello completo di dati per il settore e siano sviluppate tecniche di ragionamento user-friendly, fatte su misura del particolare problema della richiesta che viene affrontato. Purtroppo, 31

32 come verrà illustrato nel seguito, la gestione nel senso lato del termine (cioè, creare, sfruttare, e mantenere, ecc) di tale sistema di conoscenze è tutto fuorchè semplice La semantica nella ricerca di lavoro e negli scenari di reclutamento del lavoro: una panoramica L'idea di sfruttare i concetti di semantica per affrontare le questioni del job seeking e/o del job recruiting è già piuttosto vecchia. Infatti, la prima soluzione per far trovare un match tra offerte e richieste di lavoro risale al 1990, quando l'autore di [16] ha presentato uno strumento per consentire ai professionisti di cercare rapidamente e in modo efficiente le posizioni lavorative pubblicate nella banca dati online di un giornale francese. I candidati erano presentati con una interfaccia utente per entrare nel loro curriculum vitae utilizzando le affermazioni del linguaggio normale in un modello strutturato. Un computer estraeva i termini dalle offerte di lavoro pubblicate e dai CV raccolti che erano modellati utilizzando l analogia dell oggetto. A partire dai termini identificati inizialmente, venivano usate delle regole semantico-pragmatiche per allargare la conoscenza iniziale e creare un nuovo set di termini, che venivano elaborati per mezzo di regole di intersezione e di classificazione. Per la verità, a quel tempo l'interazione dell'utente era piuttosto semplificata, in quanto l'accesso era basato su terminali di testo che erano abbastanza lontano dai clienti del ricco web di oggi. Inoltre, l'attenzione si è concentrata solo sui job seeker, e il sistema era concepito solo allo scopo di supportare gli utenti nell ottenere un elenco ordinato di posti di lavoro massimizzando il match con il curriculum vitae che veniva inserito. Infine, le tecnologie che oggi che supportano l'iniziativa del web semantico erano ancora lontane a venire, ed erano ancora da definire, tra le altre, le soluzioni implementate in tutto il mondo per standardizzare le attività professionali e le competenze per i posti di lavoro, risultati di apprendimento mobilitati in percorsi di apprendimento formale e coinvolti in scenari di e-learning. Tuttavia tale lavoro embrionale in ultima analisi contemplava già la maggior parte delle sfide insite nel matchmaking semantico di oggi nel contesto del lavoro, vale a dire il doppio punto di vista job seeker job recruiter e l'importanza di strumenti intelligenti per favorire l inserimento dei dati in entrambi i settori, la necessità di rappresentare informazioni fornite dall'utente collegando i termini utilizzati a categorie di concetti formalizzati con vari tipi di relazioni tra di loro e, infine, il ruolo delle regole semantiche raccolte in conoscenze per il ragionamento e la soluzione dell ambiguità, dell incompletezza, dell eterogeneità, ecc. 32

33 Quanto sopra detto potrebbe essere confermato da un controllo della letteratura scientifica prodotta nonché dei prodotti commerciali rilasciati negli ultimi due decenni e soprattutto negli ultimi 10 anni che sono seguiti alla definizione del concetto di web semantico. Come accade in quasi tutti i settori, in molti casi, idee di ricerca e prototipi originati nel mondo accademico sono state trasformate in opportunità di business e di servizi pubblici. Tuttavia, anche se i lavori di ricerca da un lato hanno quasi considerato allo stesso modo sia le prospettive dei job seeker sia quelle dei datori di lavoro, le piattaforme commerciali si sono concentrate per lo più su questi ultimi a causa delle opportunità di business avanzate. Così, ad esempio, diversi sistemi di reclutamento online vendono alle aziende un servizio di ricerca di curricula, che può postare un offerta di lavoro e rendere noti i dettagli di candidati idonei, mediante il pagamento di una certa tariffa. Anche le piattaforme sociali non esplicitamente nate per sostenere questo tipo di funzionalità, hanno iniziato a vendere applicazioni per fare delle ricerche, orientate all assunzione, sui dati pubblici degli abbonati. Indipendentemente dal punto di vista, un enorme numero di opere si sono concentrate su come formalizzare la conoscenza incorporata nei curriculum vitae e nelle offerte di lavoro raccolte. Vari tipi di ontologie di settore sono stati quindi creati, a partire dai dizionari di sinonimi e dalle tassonomie esistenti e successivamente coinvolgendo un certo numero di esperti del settore che sono generalmente chiamati a svolgere una notevole quantità di attività manuali finalizzate alla progettazione, alla fusione, all'aggiornamento e al mantenimento della base delle conoscenze richieste. Poi molti sforzi sono stati spesi per studiare come applicare concretamente il processo di matchmaking. Come detto, per beneficiare appieno delle capacità di elaborazione automatica delle tecnologie semantiche, le informazioni relative agli utenti finali, sia in cerca di lavoro o datori di lavoro, devono essere rese esplicite, vale a dire, collegate ai dati strutturati definiti. Questo è l'unico modo per superare l'ambiguità, la generalità e l incompletezza, ecc. associato con l'interpretazione delle parole e delle frasi degli utenti. Le diverse soluzioni sviluppate spesso si differenziano in base alla strategia perseguita per attuare questo passaggio. In effetti, in alcuni casi la semantica è sfruttata per supportare l'inserimento dei dati, agendo come un mezzo per facilitare e guidare la compilazione del 33

34 curriculum vitae o di offerte di lavoro. In altri casi, le relazioni semantiche sono sfruttate solo in una fase di elaborazione successiva, vale a dire, per ampliare lo spazio di dominio esplorato nel far corrispondere offerte e domande di lavoro. Infine, ci sono alcune situazioni in cui le tecnologie considerate svolgono un doppio ruolo, venendo sfruttate come un modo per permettere agli utenti di formulare e / o adeguare le loro richieste, che vengono poi adottate per trovare la migliore corrispondenza in uno spazio di ricerca che viene esplorato in un modo semantico-consapevole. L immagine generale di un possibile quadro complessivo di sostegno al matchmaking semantico del lavoro, come è stato teorizzato o come risulterebbe dall'integrazione di lavori e prodotti disponibili è illustrato di seguito. I principali vantaggi individuati in tale quadro, come percepiti dagli utenti finali, sono relativi a una riduzione dei tempi di assunzione e una riduzione dei costi sia per coloro che cercano, sia per coloro che offrono lavoro. In effetti, rispetto agli scenari tradizionali di reclutamento e ricerca di lavoro, con l approccio ideato, tempo e denaro possono essere risparmiati in qualsiasi fase, dalla pubblicità di posti di lavoro, al trattamento delle domande, alla valutazione dei candidati e allo screening, così come dalla ricerca di lavoro, alla presentazione delle domande ed esecuzione dei colloqui. Per inciso, un mercato più ampio può essere raggiunto sia dai curricula nonché dalle offerte di impiego. La pubblicazione di offerte di lavoro on-line è persino considerata dai job seeker come un segno di buona salute per un impresa[3] [5]. Vale la pena di dire che, oltre a servire come un mezzo tecnologico per un trattamento efficace senza carta di una quantità enorme di dati in breve tempo, fornendo indicazioni circa le migliori corrispondenze possibili in base a determinati criteri, le tecnologie discusse hanno avuto i vantaggi ulteriori di ridurre le capacità di ricerca e la conoscenza di un settore specifico che sono richiesti agli utenti finali da entrambe le tecniche tradizionali o alternative. Vale a dire, al cercatore di lavoro e al reclutatore non è più richiesto di trovare le giuste parole chiave o di essere esperti di un particolare settore o di avere specifiche abilità. In questo modo, ulteriori opportunità di trovare un lavoro o di acquisire una risorsa umana in una società sempre più generalizzata sono sorprendentemente aperte. 34

35 Qui di seguito, sono specificamente considerati i vari aspetti di cui sopra circa la gestione delle conoscenze, affrontando tematiche legate alla rappresentazione, annotazione e, infine, allo sfruttamento dei dati relativi a chi cerca e offre lavoro. A questo proposito sono considerate in primo luogo le opere più rilevanti riportate nella letteratura accademica circa il matchmaking semantico. Poi sono analizzate le funzionalità di prodotti disponibili pubblicamente e confrontati con gli approcci dominanti appena identificati. 3.4 La rappresentazione delle conoscenze nell ambito del job matchmaking Quasi tutti i prodotti di mercato e progetti di ricerca riportati in letteratura hanno sottolineato l'importanza di un linguaggio comune e formale per trattare con i soggetti coinvolti nei processi di ricerca e offerta del lavoro. In effetti, tale linguaggio deve essere condiviso tra le due parti interessate, vale a dire job seeker e datori di lavoro. Cioè, deve essere in grado di supportare la descrizione degli elementi di interesse per entrambe le parti, cioè, curriculum da un lato, e offerte di lavoro dall'altro. Questa necessità richiede innanzitutto di definire uno standard per la raccolta dei dati. In questa prospettiva, vale la pena osservare che, anche se il modo in cui è strutturata un'offerta di lavoro può variare in base al paese, al settore e all impresa considerata, molti post fanno riferimento, principalmente, a posizioni lavorative assodate instaurate con i requisiti noti, che tuttavia possono essere ulteriormente dettagliati da specifiche esigenze aziendali. Analogamente, il modo in cui viene elaborato un CV, almeno in termini di macro-campi, in molti casi è abbastanza strutturato. Questo è dovuto anche agli sforzi effettuati anche a livello istituzionale per stabilire un insieme comune di informazioni generalmente attese. Come materia di esempio, nello strumento denominato Curriculum Vitae Europeo definito dalla Commissione Europea nel quadro del portafoglio Europass [8], sono identificate ampie sezioni, come i dati personali, esperienze di lavoro, istruzione e formazione, lingue, e informazioni aggiuntive, come ad esempio pubblicazioni, interessi personali, ecc Ma, cosa più importante, ciò su cui gli strumenti istituzionali, i lavori di ricerca in letteratura e le piattaforme di e-recruitment già on-line concordano è il ruolo chiave svolto dal concetto di competenza nella descrizione dei documenti sia del datore di lavoro che del job seeker. [1] [2] [3] [4] [5] [6] [7] [8] 35

36 Infatti, la logica di competenza è ormai abbastanza consolidata nel campo della gestione delle risorse umane, dal momento che la competenza è considerata il vero capitale di un impresa, in particolare quando si ha a che fare con mansioni ad alto grado di conoscenza, come il processo decisionale, la pianificazione strategica, la progettazione creativa e simili [17] [18] [19]. Così, l'avvento del web semantico è stato considerato come un'opportunità per lo sviluppo di questa logica anche nel campo della ricerca e del reclutamento elettronico del lavoro, svolgendo gli importanti processi di formalizzazione richiesti. Come dato di fatto, un tratto comune di quasi tutte le strategie ideate per trattare la descrizione delle competenze acquisite (nel caso dei CV dei job seeker) o dei requisiti richiesti (nel caso delle offerte di lavoro) è rappresentato dall attenzione per definire con precisione la competenza raggiunta o da mobilitare, facendo anche riferimento ad altri risultati e ad elementi di percorsi di apprendimento formali, non formali e informali. Quindi nella maggior parte delle opere considerate, i profili di chi cerca lavoro e le offerte di lavoro sono considerati come "contenitori "di elementi di competenza che devono essere fatti corrispondere reciprocamente. Nonostante tale consenso del ruolo di competenza, il concetto in sé ha assunto diverse definizioni, a seconda del contesto in cui l'approccio semantico è stato sviluppato e degli attori coinvolti (centri per l'impiego, sindacati, camere di commercio, aziende di reclutamento, istituti di istruzione e di formazione, organizzazioni di settore, organismi di standardizzazione, ecc.) Per esempio, in [20] competenza è definita come un insieme di conoscenze utilizzate per eseguire un compito. Secondo gli autori, può apparire come un attitudine (comportamento) o può apparire come un abilità scientifica/tecnica (know-what o know-how), che a sua volta può essere specifica o generale (a seconda del settore interessato). Nell'approccio degli autori, che hanno scelto come obiettivo il settore ICT, ad un oggetto di competenza (ad esempio, un argomento o un software specifici) è associato un livello di competenza: di base, applicativo, padroneggiare o essere esperto. Infine, le attitudini sono descritte facendo riferimento alla classificazione CIGREF [1], che è stata sviluppata da un consorzio di 130 imprese francesi impegnate a sostenere la diffusione dei sistemi informativi e delle tecnologie nel mercato del lavoro e nella società in generale. Il modello utilizzato per formalizzare la competenza è abbastanza semplice, poiché l'obiettivo è quello di mantenere bassa la complessità associata alla gestione delle descrizioni delle risorse di lavoro e di ottenere un buon compromesso con l'efficienza. Un approccio simile è adottato in [6], anche se in questo caso il termine usato per riferirsi a risultati o requisiti è skill. Le skill giocano un ruolo chiave anche in [21], in cui le competenze sono modellate come skills associate ad un livello di buona conoscenza, in cui il livello viene determinato da un grado di conoscenza e da un certo numero di anni di esperienza lavorativa. L esperienza di lavoro a sua volta è modellata facendo riferimento alla posizione nell'organizzazione, la durata del lavoro e competenze associate. In [21], le attività di apprendimento sono anche descritte come risultati, facendo riferimento a percorsi di apprendimento con competenze associate. Vale la pena di osservare che, anche se negli esempi di cui sopra una 36

37 distinzione in realtà è fatta fra le competenze, le skills e termini correlati, in molti casi sono usati come sinonimi, e intenzionalmente confusi anche con altre competenze, abilità, know-how, ecc. Un approccio un po' più sofisticato è considerato in [22], dove è utilizzata la definizione di competenza, che è prestazione efficace all'interno di un settore / contesto a diversi livelli di abilità. In questo caso, la confusione in letteratura è generalmente correlata all'interpretazione di concetti come abilità, livello e il contesto, che rappresentano le tre prospettive che sono state considerate dagli autori nella loro fase di modellazione delle conoscenze (ad esempio, "fluente inglese commerciale" rappresenterebbe la competenza "inglese", il livello di abilità "fluente" e il contesto "business"). Un'altra definizione di competenza è quella data dal Consorzio HR, un organismo indipendente volto a promuovere l'uso di soluzioni basate su XML (nota come HR-XML suite) in materia di gestione delle risorse umane. In questo contesto la competenza è definita come una conoscenza specifica, identificabile, definibile e misurabile, abilità, capacità e / o altro tipo di distribuzione collegata (ad esempio l'atteggiamento, il comportamento, la capacità fisica), che una risorsa umana può possedere e che è necessaria per l'esecuzione di una attività in uno specifico contesto di business. Questa definizione è adottata, in un numero significativo di opere come [2] [24] [25]. In [4], gli autori sfruttano un modello di competenza che è molto simile a quello correlato al HR-XML, dove una competenza corrisponde a un insieme di risorse (cioè, la conoscenza e / o il comportamento e / o più competenze di base) che viene mobilitato in un contesto particolare per il raggiungimento di un obiettivo o per eseguire una missione. Anche in questo caso, come in molti altri lavori, tre caratteristiche fondamentali emergono dalla definizione, cioè, risorse, contesto e obiettivo. Gli autori di [4] considerano tre tipi di categorie di risorsa, vale a dire, la conoscenza (correlata al settore dell istruzione), il know-how (in relazione alle esperienze personali e alle condizioni di lavoro, sinonimo di abilità, capacità operative o esperimenti) e il comportamento (caratteri individuali, tra cui tratti umani, qualità e atteggiamenti). Sulla base della definizione, essi considerano il contesto relativo all'ambiente, in cui è situata la competenza, e allo scopo. Nella visione degli autori, le competenze sono descritte per mezzo di una quintina che fa riferimento agli elementi individuati nella figura seguente. 37

38 In [26], [27] e [28], è sfruttato il concetto più generale di risultato di apprendimento, definito nel quadro europeo delle qualifiche per l'apprendimento permanente (EQF) [3] come una dichiarazione di ciò che un discente conosce, capisce ed è in grado di fare al termine di un processo di apprendimento. I risultati di apprendimento sono definiti in termini di conoscenze, skill e competenze. La conoscenza può essere teorica o di fatto, e comprende insieme di fatti, principi, teorie e pratiche che sono legati a un campo di lavoro o di studio. Skill significa la capacità di applicare la conoscenza e di usare know-how per portare a termine compiti e risolvere problemi, e può essere cognitiva o pratica. Infine, competenza significa comprovata abilità di usare conoscenze, skill e abilità personali, sociali e/o metodologiche, in situazioni di lavoro o di studio e nello sviluppo professionale e personale ed è considerata in termini di autonomia e di responsabilità. Passando dalle definizioni di cui sopra, nonché dalle linee guida fornite in Europass per la descrizione delle competenze [4], in tali opere la conoscenza è considerata come un insieme di oggetti di conoscenza (KO), mentre una skill è rappresentata come un KO messo in atto, vale a dire, come una o più coppie KO - Verbo Azione (AV). Infine, una competenza è identificata mediante una tripla KO - AV - CX, che descrive la capacità di mettere in atto un KO in un contesto specifico (CX). L'approccio di formalizzazione complessiva può essere rappresentato come nello schema seguente. Vale la pena di osservare che, in Europass, è fornito anche un glossario di verbi di azione da utilizzare nel descrivere le competenze. Sulla base di una delle definizioni di cui sopra, nelle varie esperienze analizzate sono generalmente definite specifiche tassonomie e / o ontologie fatte su misura del settore del job matchmaking, che supportano una descrizione formale delle informazioni contenute nei profili dei job seeker e dei job postings. La conoscenza di settore è spesso "creata" dalla fusione e dall'aggiornamento delle formalizzazioni esistenti e le differenze sono principalmente nella complessità del modello di competenze di base, nel numero dei dati considerati legati ai job seeker e alle offerte di lavoro, e nella profondità dei dettagli utilizzati nel calcolo. Vale la pena di osservare che in quasi tutte le opere, quest'ultimo passaggio è considerato come il più critico, a causa della sua importanza e del notevole sforzo umano richiesto. Per esempio, in [29], il processo di sviluppo della ontologia di settore si presenta come un processo iterativo, incrementale e valutativo basato sul brainstorming e sul mind mapping, in cui gli esperti di settore (spesso definiti come ingegneri della conoscenza) sono inizialmente dotati soltanto di una semplice ontologia a livello superiore e alcuni vincoli sul numero di rami e sulla profondità del modello. 38

39 In [6], gli autori si concentrano sulla definizione di un modello di ontologia di skill per un particolare settore di interesse. Il modello è fondamentalmente un grafico costituito da nodi di competenze ed è -uno o parte dei bordi (ad esempio, un esperto C + + ha abbastanza familiarità con C, mentre un esperto C sa qualcosa su C + +, ma non ne ha la padronanza), con le indicazioni tra nodi. Ogni nodo rappresenta una particolare skill, mentre i nodi definiscono come due skills sono correlate. Ai bordi viene assegnato un peso, che descrive come una parte di relazione contribuisce al significato del nodo correlato. In [21], una ontologia skill viene usata per descrivere un job seeker come "equivalente" ad un insieme di dichiarazioni di skill, dotato di prove adeguate (gradi e / o periodi di lavoro precedenti). Allo stesso modo, i requisiti dell offerta di lavoro sono modellati come vincoli o skill desiderate (bene che si abbiano) o gradi. Gli autori modellano l ontologia skill come in [6], utilizzando il link è-un e parte-di così come anche la relazione simmetrica alternativa-a. In [20] una ontologia di cosiddetto reclutamento elettronico è sviluppata collegando sub-ontologie secondo l'approccio basato sulla meta-ontologia definito in [30], descrivendo persone (e attributi personali), diplomi (e relativa formazione), e i lavori e estraendo le connessioni con gli elementi di competenza sottostanti (rappresentati da argomenti connessi all ITC organizzati in una struttura gerarchica, ciascuno collegato ad un peso). Va detto che la creazione di gerarchie di concetti basati sull'analogia dell oggetto nonché le relazioni semantiche e pragmatiche era già stata sfruttata in [16]. In [4], il curriculum vitae e le offerte di lavoro sono considerati come una visione sintetica (espressa in linguaggio naturale in termini di qualifiche, esperienze di lavoro e attività extracurricolari) di una più ricca rete di competenze. Così, insieme a un ricco modello di competenza, sono sfruttate un certo numero di altre formalizzazioni semantiche, che comprendono le ontologie di settore (sviluppate dagli attori di un settore specifico e dalle sue professioni associate), ontologie d impresa (che potrebbero includere, per una determinata professione, la descrizione di ulteriori compiti che vengono eseguiti all'interno di una determinata azienda) e ontologie di comportamento (che si occupano della schematizzazione di caratteristiche individuali). In [2] gli autori analizzano come il vocabolario condiviso, che deve essere utilizzato dai job seeker e dai datori di lavoro, potrebbe essere ricavato da standard già in uso nell ambito del reclutamento per descrivere occupazioni, skill richieste e background formativo. Invece di definire nuovi modelli da zero, considerano la vasta gamma di standard già definiti e studiano come integrarli in una così detta (quasi omnicomprensiva) ontologia di risorse umane. Un approccio simile è sfruttato dagli stessi autori [10]. Il punto di partenza è rappresentato dalla suite HR-XML che, come detto, viene sfruttata anche in un certo numero di altri scenari (eventualmente con alcune varianti). Il formato dati HR-XML è costituito da decine di schemi che si occupano della descrizione delle informazioni relative ad un certo numero di aree e processi di business. Sulla base di HR-XML, gli autori studiano una metodologia per combinarlo con un numero di modelli tassonomici progettati per classificare professioni, settori, attività professionali, ecc. In particolare, prendono in 39

40 considerazione il Sitema Standard di Classificazione Professionale (SOC) [5], il Sitema di Classificazione dell'industria Nordamericana (NAICS) [6] e altri due modelli specifici per il contesto nazionale. Infine, descrivono le skill facendo riferimento ad una versione estesa dell ontologia definita dall Università di Duisburg-Essen [7], anche sviluppando un modello ad hoc per il dettaglio delle informazioni personali. Essi non considerano le classificazioni orientate all istruzione. In [25], gli autori partono da HR-XML e (ri)definiscono sotto-ontologie per affrontare vari cluster tematici di interesse, che riguardano il settore industriale della posizione lavorativa, i dati della posizione lavorativa, ecc HR-XML è il punto di partenza anche per [24]. Qui, gli autori si basano sulla definizione della competenza e sulla sua relazione con la skill, la conoscenza e la prestazione di attività del Consorzio HR. In particolare, modellano nell'ontologia l ultima relazione formalizzando il fatto che una skill (sinonimo di competenza, in questo caso) consente un'attività. Poi, definiscono specifici strumenti e tecnologie come risorse richieste da un'attività. Essi inoltre identificano link correlati tra skill, indicando così che le skill sono legate tra loro nel settore considerato. Nella stessa opera, gli autori definiscono anche i concetti di attività di apprendimento e di esperienza di lavoro e utilizzano le relazioni ha-risultato e ha-esperienza per carpire il legame tra apprendimento formale e periodo di lavoro con skill acquisite o previste (associate con un certo livello). Infine, si modella il concetto di offerta di lavoro, definendo, tra l'altro, la relazione ha-requisito per rendere le esigenze esplicite in termini ad esempio di skill, livello di conoscenza nell'uso di un determinato strumento o tecnologia. Anche l'approccio in [31] si sposta da HR-XML e tratta il problema della creazione di una ontologia su misura per il settore ITC e per l area di database, in particolare. Gli autori in particolare studiano il modo per popolare l'ontologia con concetti e relazioni. Per fare un esempio, l'ontologia del database è suddiviso in fondamenti di teoria e aspetti tecnici. Qui di seguito, sono state create due nuove subontologie, chiamate modellazione dei dati e gestione di database. A ciascuna suddivisione viene assegnato un punteggio che indica la forza e il contributo di tale sub-ontologia al concetto superiore. In [26] e [27], muovendo dalla definizione di competenza come una skill che mobilita certa conoscenza in un contesto specifico, gli autori modellano articoli di conoscenza, verbi di azione ed elementi di contesto come tre tassonomie separate. Poi, le competenze sono formalizzate stabilendo relazioni tra le tre strutture gerarchiche, creando così un ontologia di apprendimento EQF consapevole del risultato, che viene poi sfruttata per eseguire l'annotazione desiderata. In [22], gli autori effettuano un'analisi sui diversi approcci sperimentati per costruire le relazioni tra le competenze. Sulla base di tale analisi, si osserva che in molte opere sono modellate dipendenze / equivalenze, inclusa la scomposizione delle competenze complesse da quelli semplici. Tuttavia, ci si rende conto che la combinazione e ponderazione delle competenze non è chiaramente definita. Cioè, essi affermano che le relazioni tra le competenze non dovrebbero essere formate, soprattutto se il livello di abilità e il contesto non sono considerati. Per fare un esempio, la conoscenza delle statistiche potrebbe essere un requisito per diventare uno scienziato informatico o un sociologo, tuttavia, il livello di abilità richiesto e la competenza sarebbero estremamente diversi. Pertanto, essi modellano le tre prospettive separatamente. Le competenze sono modellate senza relazioni. Le relazioni di 40

41 sussunzione sono a loro volta individuate tra i livelli di abilità. Infine, gli elementi di contesto sono modellati mediante una struttura ad albero. Le competenze, costituite dagli elementi di cui sopra, possono essere composte per creare competenze aggregate. In [37], il problema dei curricula e della descrizione delle offerte di lavoro è affrontato dal punto di vista dell'interoperabilità dei servizi per l'impiego, con l'obiettivo di sostenere la creazione di un mercato del lavoro veramente condiviso. Come nelle precedenti esperienze considerate, gli autori muovono dalla considerazione che il raggiungimento di un consenso totale con una ontologia completa creata da zero sarebbe quasi impossibile (e al tempo stesso richiederebbe uno sforzo impressionante). Di conseguenza, essi perseguono una metodologia per integrare e riutilizzare gli standard di gestione delle risorse umane esistenti, come la Classificazione Statistica delle Attività Economiche nella Comunità Europea (NACE) [8], la Classificazione Internazionale standard delle Professioni (ISCO) [9] e la Classificazione Internazionale standard dell'educazione (CITE) [10], tra gli altri. I risultati ottenuti con la metodologia di cui sopra sono ancora integrati nell ontologia HR-XML, sotto forma di un certo numero di sub-ontologie che si occupano di informazioni sui job seeker, offerte di lavoro, retribuzione, patente di guida, attività economiche, occupazioni, istruzione, geografia, normativa del lavoro, lingue, tempo, abilità, competenze, ecc. In questo modo è effettivamente creata una ontologia di riferimento, che gioca il ruolo del linguaggio comune che consente una perfetta integrazione di sistemi. Allo stesso tempo, le ontologie sfruttate nei vari servizi per l'impiego possono essere mappate sull ontologia di riferimento e ogni sistema locale è autorizzato ad utilizzare un vocabolario adatto al particolare mercato. Vale la pena di osservare che, in alcuni casi, l'obiettivo di trovare la migliore corrispondenza tra una domanda di lavoro e un offerta di lavoro è condiviso con la questione simmetrica o complementare di trovare la giusta competenza, cioè, l'esperto giusto, per rimpiazzare una data mancanza di competenza. Pertanto, un certo numero di opere ha affrontato il problema di raccomandare il candidato giusto per una data posizione. In questo caso, la difficoltà è soprattutto nella corretta definizione del concetto di competenza (expertise). L expertise è altamente dinamica, difficile da misurare e variabile nell intensità [32]. Come in precedenti lavori analizzati, i profili degli esperti sono spesso considerati come insieme di competenze o skill (o dichiarate dal soggetto o desunte dalle varie tipologie di fonti, tra cui i social media [33]) e la questione chiave è ancora una volta su come descrivere i dati coinvolti con un vocabolario condiviso, come trattare le informazioni mancanti o incomplete, come sfruttare le misure disponibili per venire fuori con un punteggio di somiglianza finale da utilizzare per effettuare i confronti necessari, le classifiche, ecc Un obiettivo simile è perseguito in [29], dove gli autori affrontano le questioni di formalizzazione relative allo sviluppo di una soluzione semantica per trovare persone con un certo profilo di skill da utilizzare per assumere nuovi progetti, individuando esperti che potrebbero aiutare a risolvere un certo problema, ecc. Alcuni dei temi sopra discussi sono stati considerati anche da altri punti di vista, ad esempio, con l'obiettivo di formalizzare i sistemi di istruzione, i programmi dei corsi, ecc [34] [35] [36]. 41

42 Indipendentemente dalla effettiva applicazione dei risultati della fase di rappresentazione della conoscenza descritta sopra, la rassegna delle opere considerate ha mostrato chiaramente l'intensità dello sforzo umano associato con la creazione e il mantenimento dei modelli ontologici richiesti. In alcuni casi, la complessità generale potrebbe essere in qualche modo attenuata sfruttando qualche metodo statistico di clustering, di riconoscimento di schemi o di logica indistinta, che potrebbe essere utilizzato per permettere alle macchine di imparare quali sono i concetti rilevanti e le relazioni tra i concetti, piuttosto che basarsi su modelli ontologici articolati gestiti da esperti umani. Tuttavia, come verrà illustrato nel seguito, un forte compromesso è generalmente osservato tra la precisione dei risultati dell'applicazione finale e la qualità e la completezza della formalizzazione sottostante e gli step di annotazione. 3.5 Annotare, vale a dire estrarre conoscenze da curricula e offerte di lavoro Sicuramente, il successo finale di un sistema online di job matchmaking è legato alla efficacia della corrispondenza e al grado di algoritmi adottati. Tuttavia, come con qualsiasi altro strumento di elaborazione automatica dei dati, questi algoritmi necessitano sicuramente di una solida base di conoscenze con cui lavorare, rappresentata - in caso di elaborazione semantica - da documenti annotati generati da persone in cerca di lavoro e da dipartimenti di assunzione. Come discusso sopra, curricula e offerte di lavoro possono essere caratterizzati da una forma variabile, che può variare da completamente strutturata a completamente destrutturata. Nonostante tale eterogeneità, i dati in essi contenuti possono essere classificati in diverse sezioni che si occupano di percorsi formativi seguiti e titoli conseguiti, impieghi e posizioni ricoperte in passato, capacità e attitudini personali possedute, ecc In particolare, la precedente esperienza è generalmente descritta facendo riferimento ad un insieme di competenze o abilità che, secondo la letteratura, sono stati modellati in molti modi diversi, ma, in ogni caso, nel segno di tassonomie, ontologie, cioè, in una parola, di un vocabolario condiviso. Sfortunatamente, lo sforzo di annotare un documento basato su un modello formale in un modo completamente manuale potrebbe essere almeno comparabile a quello di costruire il modello stesso [38]. Vantaggi di tempi e costi attesi dall'applicazione di tecniche semantiche sarebbero quindi decisamente finiti senza un modo pratico per agevolare tale fase di estrazione delle conoscenze [39]. Quindi, le tecniche totalmente o parzialmente automatiche per l'estrazione dei dati di matchmaking hanno ricevuto negli ultimi anni particolare attenzione sia di ricercatori, sia di società di gestione delle risorse umane [10] [11]. Da una parte, un curriculum automatico o un parser di offerta di lavoro dovrebbero essere in grado di rompere i documenti raccolti nelle parti che li compongono ed estrarre informazioni rilevanti dagli 42

43 stessi, collegando le parole trovate ai concetti di base e al contesto, creando così un quadro strutturato della persona o posizione aperta interessata. Per esempio, alcuni dei principali portali di lavoro disponibili pubblicizzano il fatto che i loro motori semantici sono in grado di post-elaborare i dati raccolti per identificare titoli e datori di lavoro, per determinare automaticamente gli anni di esperienza con particolari competenze, ecc Dall'altro lato, recenti esperienze hanno dimostrato che i migliori risultati si ottengono miscelando la post-elaborazione di attività automatiche con una fase di pre-elaborazione in cui gli utenti finali partecipano attivamente alla fase di annotazione [4]. A questo proposito, vale la pena di dire che il mercato del lavoro sta gradualmente adottando forme sempre più semi-strutturate per l'acquisizione di dati degli utenti [2] [31] [40] [41]. L'obiettivo è quindi quello di mantenere l'interfaccia utente molto semplice e lontano dalla tecnologia di base, al fine di non richiedere a datori e cercatori di lavoro di ragionare in termini di ontologie, relazioni semantiche, linguaggi di interrogazione sofisticati [39] [42], ecc Più in generale, come sottolineato in [43], l'obiettivo dovrebbe essere quello di coinvolgere direttamente gli utenti finali nel processo di ricerca globale e di supportarli nel raggiungimento dei risultati finali attesi. In particolare, un sistema semantico dovrebbe garantire efficienza e fiducia. Cioè, sarebbe importante trovare le giuste corrispondenze che meglio si adattano alle esigenze degli utenti. Inoltre, gli utenti dovrebbero essere fiduciosi che il sistema ha fatto la scelta migliore per loro. Una semplice presentazione dei risultati può non essere sufficiente in questo senso e pertanto bisognerebbe fornire spiegazioni / motivazioni adatte per convincerli circa l'efficacia del particolare approccio perseguito. Inoltre, il sistema dovrebbe consentire agli utenti di sperimentare diversi criteri di riordino dei risultati. Tenendo conto delle osservazioni di cui sopra, le piattaforme sviluppate potrebbero essere anche distinte in base alla facilità d'uso dell'interfaccia messa a disposizione per permettere ai cercatori di lavoro e ai centri di assunzione di pubblicare il proprio curriculum vitae o di aprire posizioni lavorative. Sfortunatamente, quando sono considerati i lavori di ricerca, si può immediatamente rendersi conto che la quantità di attenzione dedicata all'usabilità dell applicazione è generalmente inversamente proporzionale alla profondità algoritmica dell'approccio presentato. Cioè, quando l attenzione è sulla rappresentazione della conoscenza o sulla risoluzione del problema algoritmico del matchmaking, il grado di facilità di interazione con l'utente è spesso trascurato. Per fare un esempio, in [20] è stata creata una specifica ontologia di settore ed è definito un meccanismo di corrispondenza semantica basato sulla competenza. Tuttavia, l annotazione dovrebbe essere effettuata dall utilizzatore finale lavorando direttamente con un editor di ontologia come Protégé [11] che opera direttamente con i linguaggi di basso livello del web semantico. In altri casi, la presenza di una struttura che supporta gli utilizzatori finali nella fase di annotazione (o, più in generale, di una interfaccia utente) è solo teorizzata [6] [2] [21] [22] [24] [31], senza fare riferimento ad una concreta implementazione o, in alcuni casi, dicendo che è ancora in fase di sviluppo. 43

44 Quando è disponibile una interfaccia più semplice, richiede in genere alle persone di fornire descrizioni accurate e complete della loro competenza [44], eventualmente con il supporto di qualche sistema di facilitazioni. Per esempio, in [16], viene sfruttato un approccio semplificato basato sull'uso del linguaggio naturale. In questo caso, era stato sviluppato uno strumento concreto con una interfaccia utente ad hoc, sebbene dedicato esclusivamente a chi cerca lavoro. I candidati interagiscono con un modello di solo testo progettato per consentire di inserire il curriculum vitae. Il sistema identifica le parole sconosciute (ad esempio, a causa di errori di battitura e di errori di ortografia), permettendo la creazione di un'annotazione che è allineata con la linguistica sottostante, nonché con i database legati alle offerte di lavoro e con le basi di conoscenza. In [29], gli individui specificano le loro abilità selezionando concetti da una terminologia e indicando un livello per ogni abilità selezionata (da elementare ad esperto). Il sistema gestisce anche informazioni sull'istruzione e sulle funzioni di lavoro. Nel quadro disegnato dagli autori di [4] [45] [46], una serie di ontologie di competenza (relative a ad un settore, impresa o dirette a modellare attitudini personali, ecc) dovrebbero essere sfruttate in un quadro di annotazione che coinvolge direttamente l'utente finale. Nella visione degli autori, quando si scrive un curriculum vitae di solito è difficile scegliere le migliori frasi (in linguaggio naturale) per esprimere le competenze acquisite nel corso di una storia professionale. A volte, le frasi adottate non sono particolarmente significative e non includono o non riflettono in modo preciso il profilo individuale. Così, avere un riferimento ai compiti e alle competenze che stanno alla base di una professione può essere un aiuto importante quando si tratta di individuare le competenze di un candidato. Lo stesso riferimento può essere utilizzato anche dal cercatore di lavoro per valutare se le competenze possedute siano compatibili con quelle richieste da una determinata professione. L'idea sperimentata è quindi di lasciare prima scegliere all'utente un settore da una gerarchia predefinita. Poi è scelta la professione del settore che meglio caratterizza la sua esperienza di lavoro. In questo modo sono visualizzati una serie di compiti o missioni, legati alla particolare professione. Nell ontologia, ogni attività è associata a competenze mobilitate (e relative risorse, vale a dire, conoscenze, know-how e comportamento). Si potrebbe quindi aggiungere dettagli sul contesto in cui la particolare competenza è stata effettuata (considerando aspetti sociali e organizzativi, vincoli economici, caratteristiche fisiche, dettagli informativi, ecc.) Un approccio simile basato su scelte ripetute è illustrato in [43], in cui gli autori presentano un approccio totalmente visivo basato sul raffinamento della domanda. Nel caso specifico, l'approccio è sfruttato in uno scenario di applicazione leggermente diverso, anche se il focus è ancora sulla segnalazione e sul matchmaking. L'interfaccia visiva sviluppata muove dall'idea di supportare l'utente mentre sta lavorando a domande di carattere generale che sono progressivamente raffinate sfruttando il modello ontologico sotto. 44

45 La questione del produrre direttamente un curriculum annotato viene esplorata in [47]. In questo lavoro, le conoscenze di settore vengono utilizzate sia per sostenere l'individuo durante l estrazione delle sue abilità durante la composizione del curriculum vitae e sia per la presentazione finale dello stesso curriculum vitae annotato. E sviluppata un interfaccia semanticamente-guidata, che è in grado di suggerire concetti da utilizzare nella annotazione mediante un tag cloud [48] costituito sfruttando le relazioni tra elementi di competenza. Fondamentalmente, l'approccio si basa su una fase iniziale di classificazione (tagging) a livello semantico. Nella visione degli autori, questo dovrebbe consentire sia di superare i limiti degli attuali sistemi basati sul web per scrivere CV, sia di rendere più accurate le fasi di ricerca successive. Cioè, prima di iniziare a scrivere il testo nel linguaggio naturale circa la propria esperienza lavorativa, al cercatore di lavoro viene chiesto di raccogliere le sue abilità e competenze come un insieme di etichette. Sulla base di parole chiave digitate, il sistema suggerisce [49] un insieme di possibili etichette che sono semanticamente correlate a tali parole chiave (basato sul completamento di parole chiave e su un'ontologia che, nel caso specifico, è legata al settore ICT, nonché considerando anche la parte del CV che è già stata creata). La dimensione dell etichetta indica la pertinenza dei termini. Il cercatore di lavoro può selezionare le etichette che meglio si adattano alle sue esigenze. Le etichette vengono aggiunte ad una cosiddetta borsa di etichette. Una volta che una borsa di etichette è stata popolata con tutte le etichette necessarie, si può iniziare a compilare i moduli studiati per la compilazione del curriculum vitae, descrivendo così il lavoro in questione o l istruzione e le esperienze formative. Poi si potrebbero prendere le etichette nella borsa per annotare tali esperienze. Secondo la rassegna delle opere di cui sopra, una tendenza comune consiste nel coinvolgere direttamente l'utente nella compilazione dei documenti gestiti da strumenti a base semantica, compresi quelli elaborati nel quadro dei processi di ricerca e reclutamento elettronico del lavoro. Tuttavia, va sottolineato che, sia quando viene eseguita l'estrazione delle conoscenze come postelaborazione (per l'analisi automatica) o come una fase di pre-elaborazione (per facilitare l'interazione), l'efficacia finale di una particolare tecnica è data, da una parte, dalla qualità dell annotazione prodotta e dall'altra dalla accuratezza degli algoritmi semantici adottati, che dovrebbero essere in grado di imitare il ragionamento umano e di misurare con precisione la distanza tra le parole e le frasi in base al loro significato. Pertanto, nel seguito, gli approcci sviluppati per affrontare tali problemi saranno considerati in dettaglio. 3.6 Approcci di matching e di classifica: confrontare descrizioni basate su similarità semantica La fase finale del processo di matchmaking online in discussione è ben rappresentata dalla attuale fase di abbinamento, in cui si confrontano i risultati e gli atteggiamenti descritti nei curricula dei cercatori di lavoro con i requisiti e i vincoli delle offerte di lavoro. Ad un livello molto elevato di dettagli, il risultato di tale confronto è, a seconda della prospettiva considerata, una lista di offerte di 45

46 lavoro o di candidati. La lista dovrebbe riferire nelle prime posizioni i migliori abbinamenti ottenuti. Cioè, non è solo una questione di abbinamento, ma anche di classifica. Essendo quasi tutti basati su annotazioni ontologiche definite a partire dai comuni concetti fondamentali di tassonomia e ontologia (anche se definiti in un modo possibilmente eterogeneo), i vari approcci proposti si differenziano negli algoritmi utilizzati per esplorare la raccolta gerarchica di concetti, per guidare le relazioni tra i nodi concettuali, e infine tenendo conto eventualmente di pesi e / o vincoli definiti dagli utenti. In una parola, nell approccio seguito per definire e calcolare la similarità semantica [50]. In [16], è presentata una piattaforma che è in funzione dal 1989 e che è stata sviluppata per supportare chi cerca lavoro nel processo di consultazione delle offerte di lavoro. Anche se in quel momento l idea del web semantico non era ancora stata formalmente espressa, gli autori di [16] illustrano il progetto di una macchina cosiddetta di abbinamento, un algoritmo semantico in grado di estrarre termini normalizzati dalla richiesta dell'utente di curriculum vitae, di associare le informazioni estratte ai concetti corrispondenti nella base di conoscenza, di diffusione dei concetti iniziali sulle relazioni di base della conoscenza e, infine, di estrarre e classificare offerte di lavoro indicizzate basate sulla conoscenza iniziale e diffusa. In [20], l'algoritmo di abbinamento considera le gerarchie ponderate di elementi di conoscenza relativi al settore delle ICT. Quando l'elemento di conoscenza richiesto corrisponde alla domanda, il peso è cumulato. Quando un abbinamento esatto non viene trovato, la struttura ad albero si sposta per determinare un contributo ponderato adeguato per informazioni simili. Cioè, come anticipato, la semantica viene sfruttata per permettere agli algoritmi di abbinamento di gestire la completezza / incompletezza variabile delle descrizioni adottate dagli utenti finali. In [6], oltre a concentrarsi sulla definizione di una ontologia rappresentata da un grafico delle abilità, gli autori propongono di misurare la similarità semantica tra i curricula e le richieste del datore di lavoro determinando il percorso più breve tra i concetti nell ontologia e tenendo in considerazione i pesi marginali. Nel suddetto processo, i pesi sono anche considerati rispetto a soglie qualitative stabilite dal datore di lavoro su competenze multiple eventualmente necessarie, espresse sotto forma di un punteggio di priorità. In [50], gli autori di [6] estendono l'approccio proposto con la presentazione di un metodo di abbinamento che si basa su vincoli della domanda. Il metodo prova a simulare il comportamento del cercatore di lavoro o della società, che non fanno arbitrariamente restrizioni alla rispettiva offerta. Cioè nella tecnica elaborata i vincoli della domanda possono essere sia rigidi (di genere, livello di istruzione, la scuola di specializzazione) o elastici (riguardanti esperienze di lavoro, conoscenze professionali, abilità, potenziale lavoro, ecc.). In [21] è presentato un metodo per prendere in considerazione le descrizioni che menzionano sia i requisiti richiesti sia quelli preferiti. La strategia considera competenze (espresse come abilità e livelli di competenza) associate sia alle esperienze di lavoro, sia all'apprendimento formale e informale. Una classifica basata sulla somiglianza viene quindi proposta, lavorando sia con richiedenti sotto- 46

47 qualificati sia considerando i requisiti bene che lo abbia. Qualcosa di molto simile alla situazione di [6] e [21] si verifica anche in [2]. Qui, gli autori progettano un modo per integrare una vasta gamma di tassonomie, ontologie e classificazioni esistenti con nuovi modelli definiti in una più ampia ontologia di risorse umane che serve come formalizzazione condivisa per considerare competenze, professioni, settori industriali, ecc Poi, hanno associato i risultati di cui sopra con un algoritmo semantico di abbinamento in grado di combinare le annotazioni utilizzando vocabolari controllati con conoscenza di background del settore specifico per determinare la similarità tra concetti, che sostanzialmente costituiscono il blocco per la creazione di una graduatoria di alternative (o offerte di lavoro o candidati per un lavoro ). Usano ancora una misura basata sulla distanza tra concetti nei modelli gerarchici [51] [52]. Inoltre, esplorano la gerarchia dei concetti sotto l'ipotesi che due concetti generali sono meno simili di due specialistici, anche tenendo in considerazione il livello di competenza (esperto, alle prime armi, ecc) e l'importanza di specifiche esigenze. E progettata una formula di somiglianza complessiva, che è basata sul peso calcolato come sopra illustrato. In [10], gli autori di [2] combinano l'approccio considerato sopra con il concetto di allentamento della query per consentire al sistema di fornire risposte anche quando una corrispondenza completa delle acquisizioni / requisiti non può essere raggiunta, anche se i risultati potrebbero essere comunque accettabili rispettivamente per il datore o il cercatore di lavoro. L'approccio consiste prima nel controllo dei dati utilizzando i più forti vincoli possibili (che dovrebbe restituire le risposte migliori che soddisfano la maggior parte delle condizioni date) e quindi nell allentare la query se l'insieme restituito è vuoto o non contiene informazioni soddisfacenti. In [53] e [54], viene utilizzato un concetto simile di approssimazione query. L'idea è di nuovo quella di lasciare l'utente sull'interfaccia per eseguire la query, modificando alcuni vincoli. Un masterizzatore di query trasforma poi i nuovi requisiti di una richiesta levigata che è sfruttata per espandere lo spazio di ricerca. In [21] e [55], diversi tipi di strategie di matchmaking su modelli di descrizione logica sono combinati per affrontare specificamente abbinamenti e classifiche sotto-qualificati o incompleti. Dopo aver preso in considerazione i passaggi chiave che intervengono nel trattamento semantico delle informazioni correlate al cercatore di lavoro e al datore di lavoro attraverso una rassegna completa della letteratura esistente, è riportata una panoramica delle piattaforme commerciali disponibili. Le soluzioni non semantiche sono considerate insieme a quelle semantiche, sebbene - come verrà mostrato - anche per le soluzioni stabilite la tendenza è verso un sfruttamento sempre più significativo o verso l'integrazione delle tecnologie semantiche. 3.7 Il lato business del job matchmaking: piattaforme commerciali web disponibili Come si è visto durante la rassegna della letteratura accademica, la tecnologia sta fortemente influenzando il modo in cui sono effettuate le attività di assunzione [56]. Infatti, se in passato, l'invio 47

48 di una domanda di lavoro per posta o era una prassi, e l'analisi manuale dei curriculum vitae era un attività dispendiosa in termini di tempo, oggi sono stati sviluppati sempre più strumenti commerciali che riducono le barriere tra aziende e persone in cerca di lavoro e supportano la valutazione dei curricula dei candidati. Come anticipato, gli approcci semantici, stanno progressivamente rimpiazzando soluzioni basate su approcci alternativi. Tuttavia, è interessante esaminare tutte le alternative prima di venire ad un confronto finale. In questa prospettiva, un primo punto di incontro tra chi cerca lavoro e datori di lavoro è rappresentato dalle bacheche di lavoro, siti web che consentono alle aziende o alle agenzie di reclutamento di pubblicare (molte volte a pagamento) offerte di lavoro, al fine di pubblicizzare le posizioni aperte. Queste piattaforme, come ad esempio CareerBuilder [12] e Monster [13], garantiscono alle imprese disposte a pagare per un annuncio di lavoro, una significativa visibilità, dovuta all enorme numero di utenti che navigano nelle loro pagine. I cercatori di lavoro possono prima effettuare ricerche di offerte di lavoro specificando il titolo del lavoro o le competenze necessarie, e, quindi, possono fare domanda per un posto di lavoro. In parallelo alle bacheche di lavoro, qualche anno fa, i motori di ricerca di lavoro e gli aggregatori di lavoro come Jobrapido [14] o Indeed [15], hanno iniziato ad apparire sul web, al fine di rispondere al bisogno di semplicità e velocità, quando si cerca un lavoro. L'idea alla base di un motore di ricerca di lavoro è che l'utente (il cercatore di lavoro) non deve più setacciare differenti bacheche di lavoro ogni giorno al fine di monitorare nuove offerte di lavoro, dal momento che l'aggregatore è in grado di rintracciare e di indicizzare le offerte di lavoro pubblicate su diversi siti web (ad esempio, bacheche di lavoro, pagine web aziendali, ecc), per filtrarle sulla base della figura professionale o della posizione geografica, e di eventualmente notificare al cercatore di lavoro ogni volta una nuova offerta di lavoro postata che potrebbe potenzialmente interessarlo. La raccolta e l'indicizzazione di offerte di lavoro provenienti da tutto il web potrebbe essere utile non solo per fornire ai cercatori di lavoro una piattaforma unica per l'esecuzione di ricerche di lavoro, ma anche per la realizzare analisi statistiche sulla domanda e offerta. Questa è l'idea alla base di Wanted Analitics [16], uno strumento di business intelligence in tempo reale per il mercato dei talenti, che raccoglie, oltre alle offerte di lavoro on-line, dati aggiuntivi provenienti da fonti di informazione, come i mercati finanziari, le statistiche governative, ecc. Dopo il calcolo del divario tra l'offerta di lavoratori e la domanda locale di lavoratori, il sito fornisce a chi è in cerca di lavoro e ai datori di lavoro strumenti che consentono loro di adottare scelte più accurate, quali, ad esempio, l'analisi di quanto sia facile ottenere del personale impiegato o a quanto ammonti lo stipendio medio di una determinata regione o campo professionale. Se, da un lato, la ricerca di un posto di lavoro / dipendente è stata considerata fino a pochi anni fa come un attività da svolgere individualmente, per la quale il sito internet della società potrebbe 48

49 essere al massimo l'interfaccia tra chi cerca lavoro e datori di lavoro, oggi i social network svolgono un ruolo sempre più importante nella selezione delle offerte di lavoro e dei candidati da intervistare. Un paio di esempi in questa direzione sono Glassdoor [17] e InsideTrak [18], i motori di ricerca di lavoro che fondono offerte di lavoro con informazioni provenienti da una comunità di utenti. Oltre a ricevere un elenco di offerte di lavoro basate sulla figura professionale e la posizione specificata, un cercatore di lavoro sfruttando questi siti web può leggere le recensioni di altri utenti che in precedenza lavoravano nelle varie aziende segnalate, ricevere informazioni sul salario medio, o anche vedere le immagini degli uffici e ottenere suggerimenti sulle domande più frequenti poste nelle interviste. L'importanza della messa in rete era stata già prevista nei primi anni del 2000 da Facebook [19] e LinkedIn [20] : oggi, questi social network contano rispettivamente 1 miliardo e 175 milioni di utenti. Tuttavia, mentre per anni, LinkedIn è stato il leader dei social network legati al lavoro, recentemente è stato sviluppato da Facebook un certo numero di applicazioni che supportano il reclutamento delle risorse umane: un esempio è Social Jobs Partnership (SJP) [21], uno strumento che permette ai reclutatori di condividere posizioni aperte con la comunità di Facebook. Dalla pagina di ricerca di SJP, ogni utente di Facebook può navigare su offerte di lavoro provenienti da bacheche di lavoro come Monster o US.jobs, inviare ad amici un messaggio contenente l'offerta di lavoro. MyParichay [22], un'altra applicazione di Facebook, si sta rapidamente diffondendo in India: qui, le aziende possono inviare le loro offerte di lavoro gratis, e raggiungere più di 4,5 milioni di professionisti. I cercatori di lavoro, d'altra parte, possono creare un profilo professionale, cercare lavori provenienti da bacheche di lavoro così come dalle pagine di Facebook, e fare richiesta direttamente, o vedere, se tra i loro contatti, c'è qualcuno che lavora per l'azienda che sta pubblicando l inserzione di lavoro. Ed è l'attenzione per i social network che ha portato allo sviluppo di applicazioni come BranchOut [23] e BeKnown [24] : questi strumenti permettono agli utenti di creare, in parallelo al profilo privato di Facebook, un profilo di lavoro, per condividere con il loro network interessanti offerte di lavoro, per identificare le persone che lavorano nell azienda dei loro sogni in modo da aggiungerli ai loro contatti. In modo simile, la piattaforma Jackalope Jobs [25] intensifica lo sfruttamento delle connessioni sociali, combinando ricerca di lavoro e social networking: qui, il cercatore di lavoro può vedere, insieme ad un certo numero di offerte di lavoro provenienti da bacheche di lavoro, nonché da siti aziendali che rispondono alla sua query, a quali persone, tra i suoi contatti, potrebbero aprirsi le porte per lavorare in una azienda, semplicemente perché ha già lavorato là e così, potrebbe appoggiarle. Tuttavia, se conoscere qualcuno all'interno di un'azienda potrebbe aumentare la probabilità di essere assunti, vale la pena notare che una parte considerevole del processo di assunzione si basa sulla analisi delle competenze e delle abilità del candidato, facendole corrispondere all'offerta di lavoro. In questo senso, LinkedIn ha fornito ai propri utenti nuove funzionalità, come Skills (abilità) e Expertise (competenze) [26]. Questo strumento permette al cercatore di lavoro che vuole lavorare in un dato contesto, di identificare quali sono i requisiti. Cercando una abilità o una competenza, viene fornita 49

50 una lista di skills correlate. In questo modo, il cercatore può trovare ciò che manca nella sua vita professionale, al fine di migliorare la propria carriera sulla base delle esigenze del mondo del lavoro, o del curriculum vitae scritto da altri utenti di LinkedIn. Inoltre, è anche possibile vedere skills di tendenza, insieme con altre aziende importanti che assumono persone con le caratteristiche di cui sopra, o professionisti aventi una data abilità e il tipo di relazione che hanno con l'utente. Da una parte, questa funzione fornisce a chi è in cerca di lavoro uno strumento per la pianificazione della propria crescita personale e professionale e per rendere esplicite le proprie competenze e capacità. Dall altra parte, si offre alle aziende uno strumento per identificare i termini dell industria che potrebbero essere controllati quando si scrive un annuncio di lavoro. Altri siti web hanno già fatto del calcolo della corrispondenza tra le offerte e le domande di lavoro la loro forza principale, specificamente combinato con l'uso di approcci su base semantica. Un esempio è Bright, che ha sviluppato il Bright Score Calculator [27], uno strumento che aiuta i selezionatori ad abbinare i curricula con le descrizioni del lavoro. Le aziende possono tagliare e incollare la descrizione del lavoro, caricare i curriculum vitae dei candidati e ricevere i risultati sulla base di quanto è idoneo un candidato per l'offerta di lavoro. Per il calcolo della corrispondenza, insieme con le parole chiave questo strumento considera anche i sinonimi, la storia del lavoro, l'istruzione, ecc Questo strumento, che sfrutta algoritmi di apprendimento automatico basati sull'analisi di 2,1 milioni di descrizioni di posti di lavoro e 2,8 milioni di curricula, potrebbe anche aiutare chi cerca lavoro a trovare la sua classifica rispetto ad un'offerta di lavoro. Infatti, i cercatori di lavoro potrebbero inserire un annuncio di lavoro, caricare il proprio curriculum vitae e ottenere come risultato un punteggio che rappresenta quanto sono interessanti per una determinata società. Tuttora, motori di ricerca come Ask [28], Bing [29], Google [30], Yahoo [31], ecc hanno già sfruttato combinazioni lessicali, ontologiche, statistiche, di comportamento dell utente e, di recente, anche le tecnologie semantiche, nel tentativo di comprendere meglio ciò che i ricercatori, possibilmente chi cerca lavoro e datori di lavoro, vogliono veramente, invece di fornire semplicemente una corrispondenza esatta per le parole chiave digitate. Anche Monster ha effettuato un investimento rilevante per la creazione di strumenti che permettono di ricercare in modo efficace i potenziali candidati per un determinato lavoro. In particolare, nella sua Power Resume Search [32], Monster ha semplificato l'analisi di un numero enorme di curriculum in breve tempo utilizzando tecnologie semantiche. Con questo strumento, le imprese possono cercare un candidato semplicemente inserendo il titolo del lavoro richiesto, in quanto il sistema è in grado di trovare professionisti che sono simili a quello richiesto e di escludere dalla lista quelle voci che non soddisfano i requisiti che sarebbero comunque restituiti da una pura ricerca basata su parole chiave. Come conseguenza dell'introduzione di tecnologie semantiche, le aziende non devono più effettuare complicate ricerche booleane, con l'obiettivo di includere tutte le possibili combinazioni di termini, o di tralasciare concetti che potrebbero influenzare erroneamente la corrispondenza. Inoltre, i datori di lavoro possono raffinare ulteriormente la ricerca, ad esempio, sulla base degli anni di esperienza o delle abilità richieste o del bene che lo abbia per un determinato lavoro. Il risultato è un elenco ordinato di candidati segnalati, con un punto culminante di caratteristiche corrispondenti. Un'altra 50

51 soluzione è TalentSpring, progettata per i reclutatori, applica la tecnologia semantica per la ricerca di curricula [33]. Qui, sono anche considerate informazioni strutturate come i profili delle persone nei social network e confrontate con i requisiti del lavoro utilizzando sia la categorizzazione ontologica, sia l analisi semantica. Come le piattaforme di cui sopra, Jobnetchannel [34], un canale di reclutamento di lavoro, fornisce alle aziende uno strumento per la corrispondenza delle offerte e delle domande non solo sulla base di una confronto basato su parole chiave, ma anche sfruttando la semantica per effettuare ragionamenti su CV inseriti. Qui, il cercatore di lavoro deve seguire un percorso guidato per la creazione del suo curriculum vitae, che gli permette, tra le altre cose, di rendere esplicite le competenze acquisite in contesti formali, non formali e informali. Il calcolo della corrispondenza è basato su quattro parametri: numero di anni di formazione, valutazione, uso e regolarità di ciascuna abilità, correlata alle altre abilità mediante una tassonomia. Mentre i siti web di cui sopra trattano principalmente la corrispondenza delle competenze e delle abilità dei candidati, insieme con l'esperienza di lavoro, Path.to [35] mira a trovare la migliore combinazione di cercatore di lavoro - azienda tenendo conto anche di altri aspetti delle dimensioni di lavoro, come la location, lo stipendio, i benefici, ambiente di lavoro e codice di abbigliamento, così come la dimensione ideale della società. A partire dal profilo dell'utente, questa piattaforma redige un elenco di offerte di lavoro classificate per le quali candidarsi. Inoltre, è considerato un meccanismo ponderato di sostegno basato sui social network e sulle comunità professionali, al fine di calcolare una migliore corrispondenza. Inoltre, in questo punto di vista, sia i datori di lavoro sia le persone in cerca di lavoro possono apprezzare o meno i risultati, in modo da migliorare i risultati futuri. 3.8 Non solo ricerca e reclutamento di lavoro semantici: scenari applicativi trasversali Potrebbe essere interessante considerare che gli approcci e le soluzioni discusse in precedenza, sia dalla ricerca accademica sia dalle prospettive commerciali, possono anche essere applicate per risolvere altre questioni riguardanti l'istruzione e la formazione, nonché i settori di lavoro, vale a dire, il più generale apprendimento permanente e i contesti di gestione delle risorse umane [45] [57]. Infatti, in quasi tutti gli scenari applicativi considerati, l'attenzione si è concentrata sulla costruzione dei modelli di conoscenza formale e / o nella realizzazione di strategie di descrizione e di ricerca per trovare persone fisiche o posizioni propriamente rispondenti a certi requisiti. Tuttavia, una volta che i cataloghi delle competenze, abilità e relative informazioni sono stati creati, altri campi di applicazioni potrebbero essere immaginati. Allo stesso modo, gli algoritmi per il calcolo di similarità semantica su tali insiemi di dati potrebbero essere sfruttati non solo per applicare le norme di ragionamento basato su sussunzione e in grado di affrontare descrizioni incomplete, ma, piuttosto, per trattare diverse (e in alcuni casi più complesse, o astratte, ecc.) attività di gestione delle conoscenze. Come materia di esempio, gli approcci semantici potrebbero essere utilizzati per estrarre, dalle descrizioni disponibili, informazioni sulla capacità che un individuo ha, anche se non sono state citate esplicitamente, ad 51

52 esempio, nel CV. Un'altra possibilità di utilizzo potrebbe essere quella di verificare se una determinata impresa difetta di competenze specifiche. Infine, un'interessante evoluzione potrebbe essere legata alla formazione, ad esempio, proponendo percorsi formativi possibili per colmare un vuoto di una particolare competenza. Alcuni di questi argomenti sono stati recentemente considerati nella letteratura di ricerca [24] [58] [59], anche se in modo piuttosto preliminare. Per esempio, in [59] l'idea di sfruttare tecniche semantiche per organizzare risorse rilevanti per studenti e per persone in cerca di lavoro è considerata nella realizzazione di un sistema di supporto agli utenti nell'identificazione di corsi di alta formazione che fanno corrispondere le loro esigenze di specializzazione. In questo caso, le conoscenze da rappresentare sono descritte facendo riferimento ad oggetti di apprendimento. Cioè, il focus non è sui risultati di apprendimento, ma, piuttosto, sugli strumenti che supportano l apprendimento stesso come, ad esempio, l'e-learning. Per far fronte a tali questioni, sono stati proposti una serie di criteri, ad esempio, il Learning Object Metadata (LOM) [36]. Nel caso specifico di [59], LOM è esteso in modo da renderlo in grado di supportare, insieme ad una ontologia di settore, la creazione di una base di conoscenze che descrive le offerte dei corsi e i requisiti degli utilizzatori. In [58], la semantica viene utilizzata per creare i profili comuni in un determinato settore professionale confrontando automaticamente le descrizioni commentate delle qualifiche professionali e relative all istruzione, raccolte in uno scenario transnazionale. In [24], il problema affrontato è quello di determinare l'insieme di abilità possedute da un individuo, effettuando un'analisi di gap di competenza e determinando se si soddisfano, forse in modo incompleto, un dato insieme di requisiti. Un ulteriore sfruttamento semanticamente consapevole di dati eterogenei derivante dalla formazione permanente e dalle esperienze di lavoro è illustrato in [60]. Qui, viene riportata una struttura di sostegno per supportare una interrogazione flessibile e consentire agli studenti di individuare possibili scelte per il loro futuro apprendimento e sviluppo professionale, nel vedere ciò che gli altri hanno fatto. Gli autori presentano un prototipo che fornisce agli utenti un'interfaccia grafica per creare in modo incrementale delle query su una linea temporale (ad esempio, un registro cronologico del loro apprendimento, del lavoro e degli episodi personali) e poi le attenuano / le approssimano in modo combinato per trovare la migliore corrispondenza con i dati forniti da altri studenti (da utilizzare ad esempio per trovare studenti con esperienze confrontabili [61]). Potrebbe anche essere interessante considerare che, anche nello scenario di job matchmaking, una soluzione automatica potrebbe anche tener conto (cioè, essere di sostegno agli utenti) del processo di negoziazione che può seguire all'identificazione della corrispondenza migliore. Questo è in qualche modo considerato in [62], in cui è presentata una struttura semantica che sostiene l'organizzazione di una comunità distribuita di telelavoratori per la gestione di progetti di grandi dimensioni. Una applicazione alternativa è considerata in [7] [63], in cui gli strumenti semantici sono utilizzati per scoprire informazioni da fonti secondarie. In questo caso l'obiettivo è quello di generare profili esperti di individui composti da competenze correlate e abilità, sfruttando i dati eterogenei provenienti da più diversi depositi. Un profilo iniziale viene creato sulla base di autocertificazioni da parte del singolo, che contengono informazioni sulle attività di apprendimento completate ed esperienze lavorative precedenti. Quindi, le informazioni provenienti da raccomandazioni, dall'osservazione di attività 52

53 online e offline, nonché dal contenuto generato dal singolo all'interno dell'organizzazione o sul web sono utilizzate per estendere il profilo nel tempo. L'idea di base, già esplorata in [38], consiste nello sfruttare le relazioni tra abilità e attività, pur assumendo che non chiunque possieda una abilità è in grado di eseguire tutte le attività che la stessa consente, nell individuare collegamenti ponderati tra le abilità e le attività e nell indicare il livello di competenza richiesto. Partendo da una ontologia di abilità per il settore di interesse con relazioni e livelli di competenza tra le competenze e le attività, l'algoritmo semantico è progettato per elaborare una serie di fonti di informazione (risposta di domande in forum on line, pubblicazioni scientifiche e relativi indicatori, pagine di Wikipedia, messaggi blog, raccomandazioni in portali web sociali, feedback e recensioni, ecc) per dedurre nuove conoscenze sulle capacità individuali. Il grado di una data abilità viene valutato facendo riferimento alle relative evidenze trovate. Vale la pena di osservare che, come in molti dei lavori di ricerca in esame, gli autori non si riferiscono ad una implementazione disponibile pubblicamente di un tale approccio pionieristico e progetto associato. 3.9 Considerazioni finali e osservazioni In verità la discussione di cui sopra, che ha esaminato la maggior parte della letteratura di ricerca, nonché gli esempi principali di strumenti commerciali a disposizione del pubblico per il matchmaking automatico (e, nello specifico, semantico) di posti di lavoro, dovrebbe essere sufficiente per convincere il lettore sui benefici che potrebbero derivare dall'applicazione di strutture informatiche per supportare i processi di ricerca e reclutamento del lavoro. Allo stesso modo, il ruolo e l'importanza delle tecniche semantiche avrebbero dovuto essere chiariti e dimostrati per mezzo di un numero significativo di casi di studio. Tuttavia, va osservato che a fronte dei vantaggi di cui sopra, sono stati anche riscontrati parecchi rischi e difficoltà nell'utilizzo di soluzioni semantiche per il job matchmaking. Il pericolo principale è di fidarsi troppo del potere della semantica, e di lavorare con corrispondenze ottenute con termini che erano certamente correlati, anche se non necessariamente rilevanti per la ricerca, per il settore, ecc Ironia della sorte, un curriculum pieno zeppo di annotazioni potrebbe essere preferito a uno sintetico e organizzato a causa della quantità di corrispondenze semantiche. Inoltre, i motori semantici generalmente si interfacciano con l'utente finale, fornendo una graduatoria di risultati. Invero, in alcuni casi la classifica dei punteggi è accompagnata da una sorta di spiegazione. Tuttavia, nelle soluzioni sviluppate fino ad ora, l'esperienza di un reclutatore o il giudizio di un cercatore di lavoro possono re inserire il procedimento solo in questa pre-fase di negoziazione. Tuttavia, nella fase di elaborazione precedente, potevano essere eliminate interessanti possibilità e, di conseguenza, perse. Quindi, esistono limitazioni che non sono connesse all'uso della semantica nel settore del job matchmaking soltanto, ma al reclutamento online in generale. Ad esempio, è stato dimostrato che negli ultimi anni, alcune aziende che inizialmente investivano significativamente nel reclutamento online sono tornate indietro ai processi di reclutamento tradizionali [5]. Questo è almeno in parte dovuto al fatto che, anche se il web ha aperto nuove potenti opportunità per coloro che cercano 53

54 lavoro (che possono ora postare il loro curriculum rapidamente e candidarsi per molte posizioni di lavoro) e per le imprese (che hanno ottenuto molti più candidati per un determinato offerta), la quantità di candidature sotto-qualificate è cresciuta enormemente. La conseguenza è che una tecnica eventualmente in grado di velocizzare e migliorare la qualità del processo di selezione, è stata utilizzata per elaborare una maggiore quantità di dati a parità di tempo, con il rischio di lasciar sfuggire nella massa, talenti e candidati adeguati. Infine, in un mondo ideale in cui la piattaforma perfetta è stata creata, tutte le imprese e i lavori probabilmente utilizzerebbero questa piattaforma: purtroppo, a tutti i cercatori e datori di lavoro sarebbero presentate le stesse migliori corrispondenze, con la conseguenza di un'esplosione del conseguente processo di negoziazione. Paradossalmente, [1] [2] [3] [4] [5] [6] [7] [8] [9] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] / socialjobs [22] apps.facebook.com / myparichay [23] branchout.com [24] [25] [26] / competenze [27] [28] [29] [30] [31] [32] hiring.monster.com / jcm / resumesearch / resumesearchtestdrive.aspx [33] / azienda / talentspring [34] [35] [36] 54

55 I talenti che non pubblicano online il loro profilo o aziende che optano per l'assunzione tradizionale rimarrebbero senza abbinamento. Di conseguenza, il reale contributo di approcci automatici e su base semantica non solo al settore del job matchmaking, ma piuttosto alle politiche globali fissate per ampi settori come l'istruzione e la formazione e il lavoro, nonché alle priorità stabilite in termini di trasparenza del mercato, alla mobilità, all'inclusione e simili, potrebbe essere realizzato e sostenuto soltanto se tutti gli elementi fondamentali del globale processo semantico di job matchmaking saranno impostati correttamente. In verità, alcuni dei pilastri richiesti per l'attuazione del quadro globale descritto sono in atto già da alcuni anni [16]. Per esempio, come mostrato, portali di lavoro semantici in cui curricula e posizioni aperte possono essere postati e cercati non sono più una novità. Tuttavia, il successo finale di tali soluzioni dipenderà da come le sfide principali, associate con l'evoluzione delle tecnologie abilitanti nel settore specifico del job matchmaking semantico, saranno affrontate. Come detto, una sfida fondamentale sarà su come creare, mantenere ed evolvere descrizioni ontologiche veramente omnicomprensive in grado di andare oltre i confini di una particolare esperienza accademica o di prodotto aziendale. Per fare un esempio, poiché lo spazio di ricerca dei motori semantici è definito dalla larghezza del modello di conoscenza sottostante, una acquisizione o requisito particolare potrebbe rimanere senza abbinamenti perché una relazione fra due termini che si riferiscono allo stesso concetto o concetti simili non è stata prevista durante la definizione dell'ontologia o la fase di aggiornamento. Infatti, da un lato, lo sviluppo di una ontologia di settore e il raggiungimento di un ampio consenso in un ampio settore potrebbe essere un duro compito da realizzare. D'altra parte, una volta elaborata, una ontologia conserva la sua utilità solo se è in grado di tenere il passo con la natura dinamica del contesto circostante (mutevoli esigenze della parola lavoro, mutevoli risultati di apprendimento nel percorso di istruzione, ecc.). Pertanto, nonostante gli sforzi interessanti che vengono fatti sulla generazione automatica di modelli di settore, una particolare attenzione dovrà essere dedicata alla individuazione di adeguate strategie per sostenere la collaborazione di ingegneri della conoscenza sulla gestione delle rappresentazioni formali sempre più complete e integrate dei contesti di interesse, che dovrebbero essere in grado di integrare i risultati di precedenti esperienze rilevanti e iniziative di standardizzazione [38] [39]. Poi, un'altra sfida importante sarà rappresentata dalla annotazione. Come illustrato, ciò che è spesso critico per le implementazioni esistenti è collegare i dati definiti dall'utente con i concetti definiti nei depositi semantici condivisi, cioè, estrarre e riferire ai termini e alle frasi il significato che è stato originariamente espresso dai cercatori e datori di lavoro in occasione dell'elaborazione dei curricula o delle offerte di lavoro. Per fare un esempio, un offerta di lavoro annotata con solo alcuni requisiti che corrispondono alle acquisizioni menzionate in un dato CV, potrebbe essere preferita da un motore semantico ad un'offerta di lavoro in cui tutti i requisiti sono soddisfatti, ma manca l annotazione. Quindi, sarebbe possibile per un cercatore o datore di lavoro descrivere, a seconda della prospettiva, 55

56 acquisizioni o requisiti in modo generale, senza che sia loro richiesto di raccogliere definizioni da un elenco predefinito di occupazioni, questioni di conoscenze, abilità, ecc (e possibilmente senza attaccarsi ad un modello specifico e senza dover pubblicare dati in un numero dedicato di servizi noncomunicanti), quindi l'uso di tali soluzioni diventerebbe davvero perfetto e potrebbe essere prevista una diffusione sempre più larga di strumenti a base semantica. Per raggiungere tali obiettivi, l'annotazione deve essere automatica e non deve richiedere agli utenti di andare in giro per etichettare e catalogare il contenuto, al fine di renderlo accettabile per i computer. Una particolare attenzione dovrebbe essere rivolta, in particolare a semplificare e migliorare il potere di interfacce utente ideate [39]. Per inciso, sebbene l annotazione potrebbe essere considerata come un operazione dispendiosa in termini di tempo, anche nel trattamento semantico, essere in grado di ottenere risultati rilevanti, potrebbe essere una questione di tempo [6]. Infatti, quando si tratta di disambiguare tra i vari significati che un dato termine può avere, il numero di relazioni può essere così elevato e il numero di possibilità di essere esplorate potrebbe essere così grande, che la potenza di calcolo necessaria, o di tempo, potrebbe anche essere insufficiente (o non adeguato per il problema affrontato). Inoltre, legato al tempo, c'è il problema della qualità dei risultati ottenuti. In entrambi i casi, si tratta di una questione di sfruttare adeguatamente la formalizzazione e i risultati dell annotazione, che è in realtà l'ultima sfida principale da considerare. In effetti, è già stato sperimentato un gran numero di algoritmi, anche nell'ambito di piattaforme pubbliche. Nella maggior parte dei casi sono stati adattati alla specifica base di conoscenza sottostante. Tuttavia, la maggior parte degli approcci adottati potrebbe essere eventualmente generalizzata per trattare con altri modelli di conoscenza disponibili o ancora da venire. Inoltre, un certo numero di approcci generici per la misurazione delle distanze semantiche tra concetti sono continuamente proposti in letteratura [64]. In generale, non sono squisitamente progettati tenendo presente la specificità del settore di job matchmaking, ma anche in questo caso potrebbero essere facilmente adattati ad esso. Tuttavia, va osservato che il modo in cui gli approcci semantici, come ad esempio la ricerca o i sistemi di raccomandazione, sono generalmente valutati, è mediante misure di precisione e richiamo. Purtroppo, nel particolare settore di interesse, gli studi sperimentali sono, nella maggior parte dei casi, limitati all area della ricerca accademica. Un raro esempio è rappresentato da [50], in cui gli autori effettuano una valutazione sul loro approccio di corrispondenza, proposto mediante la simulazione di un processo di selezione in cui una società ha bisogno di assumere un cercatore di lavoro con un profilo specifico. Dopo aver pre-raccolto un certo numero di curricula, i responsabili delle risorse umane di una società di professionisti del settore interessato sono invitati dagli autori per eseguire il processo di selezione manuale. Poi, confrontano i migliori candidati preselezionati dalla piattaforma con quelli derivanti dalla valutazione umana e osservano una precisione del 90% nei risultati. In verità, per le piattaforme pubbliche sono disponibili più dati, ma in questo caso è più difficile misurare l'efficacia o ottenere dati tecnici dei metodi adottati. Quindi, una diffusione di queste tecniche contribuirà ulteriormente a fornire più casi di studio per essere poi valutati dal punto di vista di tutti i soggetti coinvolti. Tuttavia, come riportato nella futura sezione delle attività di molte opere in letteratura, sforzi significativi dovranno essere fatti 56

57 in particolare per controllare le prestazioni dei vari approcci proposti e per selezionare quelli che potrebbero essere eletti come le scelte migliori per un dato scenario di applicazione o che potrebbero essere considerati come base per la costruzione di ulteriori soluzioni evolute. Sulla base di tali risultati potrebbero quindi essere progettati modelli di business ad hoc, in grado di evolvere da quelli attuali [5], in cui, ad esempio, la ricerca e la selezione elettronica del lavoro potrebbero essere fortemente integrate con le strutture generali di gestione delle risorse umane [65 ] [2]. Riferimenti bibliografici [1] [1] R. E. Ployhart, Staffing in the 21st century: New challenges and strategic opportunities, Journal of Management, 32:6, pp , [2] C. Bizer, R. Heese, M. Mochol, R. Oldakowski, R. Tolksdorf, E. Eckstein, The impact of semantic web technologies on job recruitment processes, in Proc. Wirtschaftinformatik, [3] P. Buckley, K. Minette, D. Joy, J. Michaels, The use of an automated employment recruiting and screening system for temporary professional employees: a case study, Human Resource Management, 43:2-3, pp [4] M. Bourse, M. Harzallah, M. Leclère, F. Trichet, CommOnCV: modeling the competencies underlying a curriculum vitae, in Proc. 14th International Conference on Software Engineering and Knowledge Engineering, pp , [5] I. Lee, Modelling the benefit of e-recruiting process integration, Decision Support Systems, 51:1, pp, , [6] H. Lv, B. Zhu, Skill ontology-based semantic model and its matching algorithm, in Proc. 7 th International Conference on Computer-Aided Industrial Design and Conceptual Design, pp. 1-4, [7] Monster. Monster Deutschland and TMP Worldwide: Recruiting Trends [8] M. Fazel-Zarandi, M.S. Fox, An ontology for skill and competency management, in Proc. 7th International Conference on Formal Ontology in Information Systems, [9] S. Colucci, T. Di Noia, E. Di Sciascio, F. M. Donini, A. Ragone, Semantic-based skill management for automated task assignment and courseware composition, Journal of Universal Computer Science, 13:9. pp , [10] M. Mochol, H. Wache, L. Nixon, Improving the accuracy of job search with semantic techniques, in Proc. 10th International Conference on Business Information Systems, pp , [11] S. Colucci, T. Di Noia, E. Di Sciascio, F. M. Donini, M. Mongiello, M. Mottola, A formal approach to ontology-based semantic match of skills descriptions, Journal of Universal Computer Science, 9:12, [12] T. Berners-Lee, J. Hendler, O. Lassila, The semantic web, Scientific American, 248, pp ,

58 [13] D. Yimam-seid, A. Kobsa, Expert finding systems for organizations: problem and domain analysis and the DEMOIR approach, Journal of Organizational Computing and Electronic Commerce, 13:1, pp. 1-24, [14] T. R. Gruber, A translation approach to portable ontology specifications, Knowledge Acquisition, 5:2, pp , [15] N. Guarino, Formal ontology and information systems, Proc. International Conference on Formal Ontology in Information Systems, pp. 3-15, [16] J. Vega, Semantic matching between job offers and job search requests, Proc. 13th Conference on Computational Linguistics, pp , [17] D. Taubner, P. Brössler, The people make the project, In Proc. ESCOP-SCOPE Conference, pp , [18] E. Younker, Skills management: the linchpin for IT work force management, InSide GartnerGroup, [19] Karen Legge, Human resource management: rhetorics and realities, Palgrave Macmillan, [20] L. Yahiaoui, Z. Boufaïda, Y. Prié, Semantic annotation of documents applied to e-recruitment, in Proc. Semantic Web Applications and Perspectives Conference, [21] M. Fazel-Zarandi, M.S. Fox, Semantic matchmaking for job recruitment: an ontology-based hybrid approach, in Proc. 3rd International Workshop on Service Matchmaking and Resource Retrieval, [22] J. L. De Coi, E. Herder, A. Koesling, C. Lofi, D. Olmedilla, O. Papapetrou, W. Siberski, A model for competence gap analysis, in Proc. Conference on Web Information Systems and Technologies, 2007 [23] G. Cheetham, G. E. Chivers, Professions, competence and informal learning, Edward Elgar Publishing, [24] M. Fazel-Zarandi, M. S. Fox, Reasoning about skills and competencies, in Proc. IFIP WG 5.5 Working Conference on Virtual Enterprises, pp , [25] M. Mochol, R. Oldakowski, R. Heese, Ontology based recruitment process, in Proc. Informatik Verbindet, [26] V. Gatteschi, F. Lamberti, A. Sanna, C. Demartini, A semantic matchmaking system for job recruitment, in Proc. I-KNOW Conference, [27] V. Gatteschi, F. Lamberti, A. Sanna, C. Demartini, A ranking tool exploiting semantic descriptions for the comparison of EQF-based qualifications, Journal of Universal Computer Science, vol. 17:7, pp , [28] B. Pernici, P. Locatelli, C. Marinoni, The ecco system: an ecompetence management tool based on semantic networks, in Proc. On the Move to Meaningful Internet Systems Workshop, pp , [29] J. R. Reich, P. Brockhausen, T. Lau, U. Reimer, Ontology-based skills management: goals, opportunities and challenges, Journal of Universal Computer Science, 8:5, pp ,

59 [30] M. Fernandez, P.A. Gomez, N. Juristo, Methontology: from ontological art toward ontological engineering, in Proc. Spring Symposium Series on Ontological Engineering, pp , [31] B. Ionescu, I. Ionescu, V. Florescu, A. Tinca, Semantic annotation and association of web documents: a proposal for semantic modelling in the context of e-recruitment in the IT field, Accounting and Management Information Systems, 11:1, pp , [32] M. Fazel-Zarandi, H. J. Devlin, Y. Huang, N. Contractor, Expert recommendation based on social drivers, social network analysis, and semantic data representation, Proc. 2nd International Workshop on Information Heterogeneity and Fusion in Recommender Systems, pp , [33] D. L. Hansen, T. Khopkar, J. Zhang, Recommender systems and expert locators, Encyclopaedia of Library and Information Sciences, Third Edition, pp , [34] R. Koper, Use of the semantic web to solve some basic problems in education: increase flexible, distributed lifelong learning; decrease teacher s workload, Journal of Interactive Media in Education, 6, [35] C. Cubillos, F. Lamberti, C. Demartini, Integration at vocational education and training level through mapped ontologies, in Proc. 3rd International Conference on Convergence and Hybrid Information Technology, pp , [36] C. Cubillos, F. Lamberti, C. Demartini, Integrating European qualification systems with OWL ontologies, in Proc. Electronics, Robotics and Automotive Mechanics Conference, pp , [37] A. Gómez-Pérez, J. Ramírez, B. Villazón-Terrazas, Reusing human resources management standards for employment services, in Proc. 1st Industrial Results of Semantic Technologies, [38] M. Fazel-Zarandi, M.S. Fox, E. Yu, Ontologies in expertise finding systems: modelling, analysis, and design, Ontology-Based Applications for Enterprise Systems and Knowledge Management, pp , [39] D. Brown, Unwanted online job seekers swamp HR staff, Canadian HR Reporter, 17:7, pp. 1-2, [40] R. Rafter, B. Smyth, Passive profiling from server logs in an online recruitment environment, in Proc. IJCAI Workshop on Intelligent Techniques for Web Personalisation, [41] R. Kessler, N. Bechet, E. Roche, M. El-Beze, J.M. Torres-Moreno, Automatic profiling system for ranking candidates answers in human resources, in Proc. On the Move to Meaningful Internet Systems Workshop, pp , [42] A. Bernstein, E. Kaufmann, A. Göhring, C. Kiefer, Querying ontologies: a controlled English interface for end-users, in Proc. 4th International Semantic Web Conference, pp , [43] S. Colucci, T. Di Noia, E. Di Sciascio, F. M. Donini, A. Ragone, R. Rizzi, A semantic-based fully visual application for matchmaking and query refinement in B2C e-marketplaces, in Proc. 8th International Conference on Electronic Commerce, pp ,

60 [44] M. J. Earl, Knowledge management strategies: toward a taxonomy, Journal of Management Information Systems, 18:1, pp , [45] V. Radevski, F. Trichet, Ontology-based systems dedicated to human resources management: an application in e-recruitment, in Proc. On the Move to Meaningful Internet Systems Workshop, pp , [46] Trichet, F., Human resource management and semantic web technologies, in Proc. International Conference on Information and Communication Technologies: From Theory to Applications, pp , [47] R. Mirizzi, T. Di Noia, E. Di Sciascio, M. Trizio, A semantic web enabled system for résumé composition and publication, in Proc. 1st International Workshop on Semantic Web Information Management, [48] R. Mirizzi, A. Ragone, T. Di Noia, E. Di Sciascio, Semantic tag cloud generation via DBpedia, in Proc. E-Commerce and Web Technologies, pp , [49] G. Adomavicius, A. Tuzhilin, Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions, IEEE Transactions on Knowledge and Data Engineering, pp , [50] H. Lv, B. Zhu, Elastic information matching technology and its application in electronic recruitment, in Proc. 11th International Conference on Computer-Aided Industrial Design and Conceptual Design, pp , [51] A. Billig, K. Sandkuhl, Matchmaking based on semantic nets: the XML-based [52] approach of BaSeWeb, in Proc. 1st Workshop on XML Technologien fur das Semantic Web, pp [53] J. Zhong, H. Zhu, J. Li, Y. Yu, Conceptual graph matching for semantic Search, in Proc. of the International Conference on Computational Science, [54] M. Mochol, A. Jentzsch, J. Euzenat, Towards a methodology for selection suitable matching approaches: a case study, in Proc. 4th European Semantic Web Conference, [55] M. Mochol, A. Jentzsch, H. Wache, Suitable employees wanted? Find them with semantic techniques, in Proc. Workshop on Making Semantics Web For Business at European Semantic Technology Conference, [56] S. Colucci, T. Di Noia, E. Di Sciascio, F. M. Donini, M. Mongiello, M. Mottola, A formal approach to ontology-based semantic match of skills descriptions, Journal of Universal Computer Science, pp , [57] W.K. Tan, Y.D. Yeh, Y.J. Tan, Online job seeking: an exploratory study from the perspective of social capital and technology readiness, in Proc. International Conference on e-education, e- Business, e-management and e-learning, pp , [58] M. S. Ackerman, D. W. McDonald, W. G. Lutters, J. Muramatsu, Recommenders for expertise management, Workshop on Recommender Systems: Algorithms and Evaluation, ACM Conference on Information Retrieval,

61 [59] V. Gatteschi, F. Lamberti, C. Demartini, R. Van Wezel, S. Bettiol, Exploiting semantics for constructing and comparing occupational and educational-driven qualifications: the TIPTOE project, Journal of Universal Computer Science, 18:1, pp. 5-24, [60] P. Poyry, J. Puustjarvi, CUBER: a personalized curriculum builder, in Proc. 3rd IEEE International Conference of Advanced Learning Technologies, 2003 [61] A. Poulovassilis, P. Selmer, P. T. Wood, Flexible querying of lifelong learner metadata, IEEE Transactions on Learning Technologies, 5:2, pp , [62] N. Van Labeke, R. Poulovassilis, G. Magoulas, Using similarity metrics for matching lifelong learners, in Proc. 9th International Conference on Intelligent Tutoring Systems, pp , [63] K. Sugawara, Y. Y. Chiba, B.Ragsdale, H. Hara, T. Kinoshita, Design of an agent-based middleware for job matchmaking in teleworking community, in Proc. Second international Joint Conference on Autonomous Agents and Multiagent systems, pp , [64] M. Fazel-Zarandi, M. S. Fox, Constructing expert profiles over time for skills management and expert finding, in Proc. 11th International Conference on Knowledge Management and Knowledge Technologies, [65] D. Bollegala, Y. Matsuo, M. Ishizuka, A web search engine-based approach to measure semantic similarity between words, IEEE Transactions on Knowledge and Data Engineering, 23:7, pp , [66] J. A. Breaugh, M. Starke, Research on employee recruitment: so many studies, so many remaining questions, Journal of Management, 26:3, pp ,

62 Capitolo 4 Piattaforma LO-MATCH per il Job matchmaking Fabrizio Lamberti, Valentina Gatteschi, Claudio Demartini - Politecnico di Torino, Dipartimento di Automatica e Informatica 4.1. Sulla creazione di un mercato del lavoro a livello europeo: il ruolo della Piatatforma LO-MATCH Negli ultimi anni, la capitalizzazione della precedente esperienza e la validazione dei risultati ottenuti nei percorsi di apprendimento formale, non formale e informale nella prospettiva generale dell occupabilità e della mobilità dei cittadini è stata considerata una questione di primaria importanza dai responsabili politici europei. Una serie di iniziative sono state avviate per sostenere lo sviluppo e l'attuazione di strategie efficaci per migliorare l'istruzione e la formazione, nonché le aree del mercato del lavoro, ad esempio, progettando meccanismi ad hoc per migliorare la leggibilità e la comparabilità trans-nazionale e trans-settoriale delle qualifiche, attraverso la definizione di strategie condivise per far rispettare la garanzia della qualità e promuovere la fiducia reciproca, nonché attraverso l'introduzione di strumenti di comprensione, che consentano a studenti e lavoratori di personalizzare e / o mettere a punto il loro apprendimento, sia in una scuola sia in una prospettiva orientata al lavoro all'interno di un vero e proprio scenario europeo dell'apprendimento permanente. Esempi di tali iniziative sono dati, tra gli altri, dal quadro europeo delle qualifiche per l'apprendimento permanente (EQF) [1], dal sistema europeo di trasferimento dei crediti (ECTS) [2], dal sistema europeo di crediti per l'istruzione e la formazione professionale (ECVET) [3], dal quadro europeo di riferimento per la garanzia della qualità (EQAVET) [4]. Nonostante questi sforzi, uno degli ostacoli alla realizzazione completa dell idea globale di apprendimento permanente e, in particolare, di una osmosi completa tra il mondo della scuola e quello dell'occupazione, in Europa è stato rappresentato per lungo tempo dall'eterogeneità nelle lingue parlate dai vari attori coinvolti. In effetti, la definizione, tra l'altro, di criteri nazionali e internazionali, professionali e formativi, di quadri di riferimento condivisi superando i confini dei paesi e dei settori, nonché di strumenti pratici da utilizzare nello sfruttamento di compiti quotidiani orientati al lavoro, ad esempio, per dedurre l esperienza personale e i risultati conseguiti (come quelli sviluppati nel portafoglio Europass [5]) sono tutti nella direzione di ridurre il gap di cui sopra. Tuttavia, la corrispondenza dell'offerta e della domanda del mercato del lavoro europeo è ancora incompleta, a causa di asimmetrie esistenti tra paesi, settori e culture, ad esempio, a causa delle marcate differenze nei rispettivi quadri educativi formali, o delle strategie adottate per la validazione dell'apprendimento informale e non formale, ecc. È un dato di fatto che nonostante l'esistenza di glossari messi a disposizione a livello europeo [6], anche le differenze di lingua e di interpretazione dei termini che sono comuni nel settore per tutta la vita, come capacità, know-how, savoir faire, la compétence professionnelle, ecc. potrebbero contribuire a rendere più critiche le ambiguità e le incomprensioni. 62

63 Vale la pena osservare che le asimmetrie sono perfino enfatizzate quando si considera l'immagine allargata che comprende anche gli studenti e i lavoratori migranti. In questo caso, non ci sono ancora garanzie che gli strumenti sviluppati con una prospettiva europea possano essere efficacemente utilizzati per gestire il riconoscimento dei titoli esteri, per assegnare crediti formativi o misurare un gap di competenza per un migrante, vale a dire, insomma, per garantire che le persone possano capitalizzare i loro risultati e che tali risultati possano essere effettivamente presi in considerazione durante la ricerca di un lavoro o per una formazione ulteriore. Si dovrebbe rilevare, inoltre, che quando sono considerati i particolari processi della ricerca e del reclutamento di posti di lavoro, bisogna far corrispondere l'offerta e la domanda non solo rimanendo a livello di titoli di lavoro o diploma, ma tenendo conto di tutte le sottili specificità possibili di una data posizione di lavoro e del profilo del candidato, che potrebbero essere espressi in modi molto eterogenei. In effetti, un passo importante verso l'armonizzazione dei risultati delle varie forme di apprendimento è stato effettivamente fatto invitando le parti interessate a livello europeo nel mondo del lavoro e dell istruzione a una svolta epocale dal tradizionale apprendimento in uscita (in ingresso) all approccio basato sui risultati dell apprendimento di ispirazione EQF, caratterizzato da un focus su elementi di conoscenza, abilità e competenza. Tuttavia, le asimmetrie informative non sono state eliminate. Si trova spesso nella pratica un mix di apprendimento in uscita (in ingresso) e esiti di apprendimento, dal momento che la transizione prevista è ancora in corso. Inoltre, il tipo di "esiti" definiti varia enormemente tra paesi, settori, ecc in modo che due documenti orientati ai risultati, come ad esempio una qualifica e un profilo professionale, possono anche sembrare molto diversi. Gli esiti di apprendimento possono essere espressi in termini piuttosto ampi o stretti. Infatti, in alcuni casi, possono riferirsi direttamente al contesto professionale, in altri possono fare riferimento ad un insieme di conoscenze da assimilare. In alcuni casi possono essere definiti i criteri di valutazione della prestazione professionale, in altri contesti potrebbero essere troppo vaghi. In alcuni casi, una distinzione può essere fatta tra quello che i soggetti dovrebbero essere in grado di fare e ciò che dovrebbero sapere e capire, in altri, le conoscenze associate possono essere formulate come un elenco di elementi da trattare ad esempio in una classe. Infine, va detto che in base alle definizioni suggerite, c'è anche spazio per interpretazioni diverse per quanto riguarda le singole categorie di esiti di apprendimento. La discussione di cui sopra mostra che, al fine di tradurre correttamente le iniziative intraprese fino ad ora in soluzioni pratiche, volte a favorire la creazione di un mercato del lavoro su scala europea, ulteriori soluzioni sono effettivamente necessarie, in grado di sostenere l'attuazione di una strategia globale di job matching che consenta l'allineamento, senza interruzioni, delle acquisizioni dei cercatori di lavoro e delle richieste dei datori di lavoro, superando le barriere linguistiche, sistemiche e contenutistiche. In letteratura, l esigenza di cui sopra viene trattata come un problema di " job matchmaking ". In generale, il concetto di matchmaking è legato all'atto dell incontro dell'offerta e della domanda di un particolare tipo di merci. In questo caso, le merci da abbinare sono 63

64 rappresentate da conoscenze, abilità e competenze riportate nei curricula di chi cerca lavoro e nelle offerte di lavoro delle aziende. Data l'enorme quantità di informazioni da elaborare, che possono essere espresse in diverse lingue e forme (che vanno dal totalmente strutturato al totalmente non strutturato) e con livelli variabili di dettagli e gradi di completezza, gli approcci comuni per affrontare oggi tale problema sono per lo più basati sulle tecnologie semantiche. Infatti, grazie all'utilizzo di un "vocabolario condiviso" per descrivere il settore di interesse, basato su modelli formali tassonomici o ontologici, i metodi semantici permettono ai programmi informatici di comprendere il significato di parole e frasi utilizzate da cercatori e datori di lavoro e di dedurre automaticamente nuove conoscenze risolvendo così il problema sopra esposto, ragionando su informazioni disponibili. Sulla base delle considerazioni di cui sopra, nel progetto MATCH viene proposta una strategia generale per sostenere l'occupabilità dei migranti per mezzo di un matchmaking a base semantica dei risultati formali, informali e non formali conseguiti dagli individui e dei requisiti delle offerte di lavoro. L'attuazione della strategia di cui sopra si fonda su una piattaforma software ad hoc, basata su strumenti europei, denominata LO-MATCH [7], che si propone di sostenere i partner di progetto, nonché degli utenti finali, per la creazione di una base di conoscenze in cui sono raccolte informazioni di interesse per il settore, preparate e successivamente elaborate da un algoritmo informatico per il calcolo automatico della corrispondenza domanda - offerta di lavoro. In sostanza, ai partner del progetto, nella loro qualità di esperti di settore, sono fornite dalla piattaforma strumenti grafici per creare un modello di conoscenze che formalizza i profili formativi o professionali che dovrebbero essere posseduti dai cercatori di lavoro migranti e dalle imprese in questione che assumono. La piattaforma serve poi come facilitatore per chi cerca lavoro per redigere il proprio curriculum vitae. Infatti, mediante il ricorso ad informazioni disponibili nella base delle conoscenze, i cercatori di lavoro sono supportati nell estrazione del loro apprendimento formale, non formale e informale collegando la loro precedente formazione, il lavoro e le esperienze personali a risultati di apprendimento condivisi. Un supporto analogo è offerto ai datori di lavoro, ai quali sono forniti strumenti di facile utilizzo su base ontologica per pubblicizzare posizioni di lavoro aperte che usano la stessa "lingua". Infine, agli utenti finali sono forniti strumenti di ricerca intelligenti che, sulla base di un ragionamento semantico, confrontano i risultati di apprendimento nelle descrizioni raccolte e restituiscono graduatorie delle migliori posizioni per le quali i cercatori di lavoro dovrebbero candidarsi, o candidati che i datori di lavoro potrebbero considerare di assumere. Nel seguito, le fasi che hanno portato alla creazione della piattaforma LO-MATCH saranno considerate in dettaglio. In particolare, gli aspetti semantici saranno discussi per primi, concentrandosi sulla definizione di un linguaggio formale per il job matchmaking. Sarà poi presentata l'architettura generale che è stata impostata presso il Politecnico di Torino per ospitare la piattaforma. Infine saranno illustrate le varie funzionalità che sono stati progettate specificamente per i partner del progetto, nonché per gli utenti finali (persone in cerca di lavoro e datori di lavoro), anche facendo riferimento alle interfacce grafiche implementate. Per qualsiasi altra informazione è disponibile anche 64

65 una guida completa [8], in cui sono illustrate le funzionalità incorporate mediante una presentazione passo-passo La necessità di un linguaggio comune: descrivere semanticamente curriculum vitae e offerte di lavoro L'obiettivo del progetto MATCH è di rendere possibile che quando un cercatore di lavoro redige il suo curriculum vitae, questo sia espresso in un modo che sia "compatibile" con il modo in cui i datori di lavoro / selezionatori hanno espresso le loro esigenze (e viceversa), in modo che la migliore corrispondenza tra offerta e domanda di lavoro possa essere effettivamente trovata, indipendentemente da possibili ostacoli ad una visione condivisa. Per massimizzare la sovrapposizione, le informazioni coinvolte nel processo generale di matchmaking rappresentato sopra, dovrebbero essere espresse mediante un linguaggio comune. Per affrontare tale problema, il progetto MATCH ha scelto di seguire un approccio su base semantica, come diverse opere riportate in letteratura e piattaforme commerciali per la ricerca elettronica e il reclutamento del lavoro disponibili online. Così, l'idea di base è stata quella di creare un vocabolario condiviso tra tutti gli attori coinvolti, da utilizzare per descrivere sia le acquisizioni nei profili di chi cerca lavoro, sia i requisiti nelle offerte dei datori di lavoro. Con tecniche non-semantiche, informazioni come elaborare schizzi a mano, da utilizzare sotto la supervisione di applicazioni CAD per l'industria della moda, sviluppare disegni tecnici con un programma per PC, sfruttare autonomamente attuali applicazioni software di abbigliamento, e disegnare abiti manualmente, sono generalmente comparate utilizzando un approccio basato su parole chiave. Così, alcuni tipi di abbinamento tra loro potrebbero essere trovati solo dove vengono utilizzati i termini comuni domanda e disegnare, in questo caso. Al contrario, in una visione semantica-consapevole, le parole chiave utilizzate sono associate a concetti che sono assegnati a significati particolari e collegati ad altri concetti per mezzo di vari tipi di relazioni. In questo modo, i concetti sono organizzati in modelli di conoscenze tassonomiche e / o ontologicche, che possono essere sfruttate per lo sviluppo di algoritmi di ragionamento automatico in grado di guidare tali strutture, applicare regole di inferenza per affrontare le asimmetrie informative e risolvere il problema affrontato di matchmaking. Per esempio, il rapporto tra disegnare, disegni e schizzi, o tra CAD, programma per PC e software sarebbe stato reso esplicito. 65

66 Secondo la letteratura, la costruzione e la manutenzione di tali formalizzazioni comportano un enorme dispendio di tempo. Infatti, richiedono l'intervento di cosiddetti "ingegneri delle conoscenze", cioè, esperti sia del settore di interesse, nonché di strumenti sofisticati, linguaggi, ecc associati alla tecnologia semantica. Inoltre, è stato dimostrato che l'efficacia della elaborazione complessiva su base semantica è strettamente legata alla ampiezza e alla qualità dei modelli sviluppati, che necessitano anche di essere aggiornati per mantenere la loro applicabilità (per esempio, nell'esempio di cui sopra, dovrebbero essere considerati tutti i possibili tipi di programmi e aggiornati nel tempo, tenendo conto dei progressi in campo). Inoltre, in molti casi vi è ambiguità o confusione nel modo in cui un dato concetto deve essere interpretato semanticamente. Per esempio, in molte opere, i CV di persone in cerca di lavoro e le offerte di lavoro sono considerati come contenitori di elementi di competenza, in altri casi di elementi di abilità. E, come detto, il modo in cui competenze, abilità e altri concetti sono intesi potrebbe cambiare molto in base, tra l'altro, al contesto geografico, settoriale o sistemico. Infine, in alcuni casi è stato anche dimostrato che la creazione di strutture rigide (generalmente gerarchiche), ad esempio tassonomiche o ontologiche, tra concetti come conoscenze, abilità e competenze, potrebbe essere addirittura controproducente, quando alcuni degli elementi che potrebbero contribuire alla loro definizione, come il livello di competenza, o il contesto, ecc. non possono essere presi in considerazione. Per fare un esempio, qual è l attuale rapporto reale tra la programmazione e la capacità di bonifica elettronica? E 'sempre corretto ritenere che se un individuo è in grado di scrivere un programma software, allora è in grado di eseguire il debug di esso (o viceversa)? L'approccio seguito in MATCH è stato progettato tenendo conto di tutte le considerazioni e punti critici di cui sopra. In primo luogo è stato considerato il ruolo centrale di armonizzazione del concetto di risultato di apprendimento. Vale a dire, le acquisizioni dei cercatori di lavoro e i requisiti richiesti dai datori di lavoro sono espressi facendo riferimento ad elementi di conoscenze, abilità e competenze come definiti nell'eqf. Si tratta di una novità per la letteratura (semantica) sul job matchmaking, soprattutto perché la maggior parte delle soluzioni software disponibili sono state presentate prima della costituzione della stessa EQF o perché sono state sviluppate trascurando i vincoli di apprendimento permanente (almeno quelli europei). In seguito, al fine di alleviare l'onere associato alla gestione, nel senso ampio del termine, di modelli formali condivisi, la costruzione della base di conoscenze ha iniziato con la raccolta di profili formativi e professionali. Nessuna conoscenza di 66

67 concetti legati alla semantica è stata richiesta in questa fase, dalle parti interessate, dal momento che i profili sono stati semplicemente descritti in termini di attività, sotto-attività e risultati di apprendimento. Poi, la trasformazione della raccolta dei profili di cui sopra in una base di conoscenze semanticoconsapevole è stata dovuta ad una fase semi-automatica di pre-elaborazione, che ha sfruttato una ontologia di scopo generale esistente, insieme con le definizioni date nella raccomandazione EQF, e negli orientamenti Europass (sfruttati anche in opere precedenti) per produrre il richiesto modello formale di settore. Cioè, ogni risultato di apprendimento è stato prima considerato rispetto alla definizione di una competenza, come la capacità di mettere in atto un determinato insieme di oggetti di conoscenza in un contesto specifico. Così, i verbi di azione, come definiti nel glossario elaborato dal Cedefop [9], sono stati identificati e collegati ad oggetti di conoscenza e a elementi del contesto. Ancora con riferimento all'esempio di cui sopra, basato sull approccio descritto, nel risultato di apprendimento per sfruttare autonomamente attuali applicazioni software di abbigliamento, il verbo d azione sfruttare, l oggetto di conoscenza correnti applicazioni software di abbigliamento e l'elemento di contesto autonomamente, sarebbero identificati. Dopo aver effettuato questa fase di annotazione in un modo automatico, esperti di settore delle organizzazioni partner sono stati autorizzati ad aggiustare i risultati ottenuti utilizzando una serie di strumenti grafici integrati nella piattaforma, che sono riusciti a nascondere completamente agli operatori non qualificati la complessità della semantica sottostante. Quindi, tenendo conto di alcune delle conclusioni sollevate nella letteratura, invece di migliorare il modello creando tassonomie di concetti (ad esempio, collegare più elementi di conoscenza generale ad altri più specifici mediante relazioni di sussunzione, ecc), termini trovati per i verbi di azione, oggetti di conoscenza ed elementi di contesto sono stati collegati ai concetti definiti in WordNet [10], e l'ontologia finale è stata creata facendo leva sulle relazioni semantiche in esso definite (da arricchire eventualmente con il contributo di esperti del settore, da cui l'uso della definizione "semi-automatico"). WordNet è un ampio database lessicale della lingua inglese. Può essere sfogliato online (utilizzando l applicazione ufficiale text-like [11] o uno degli strumenti grafici disponibili, come WordVis [12], Visuwords [13], ecc), oppure può essere scaricato e sfruttato come una biblioteca software per la creazione di nuovi strumenti software (come nel caso di MATCH) [14]. Non è specifico per il particolare settore considerato. Cioè, il contenuto descritto è valido per molti scopi (per esempio, può essere applicato al job matchmaking o ad altri scenari di applicazione, può essere sfruttato per 67

68 trattare vari settori, ecc) e gli utenti non devono essere esperti di un dato contesto per la sua gestione. In WordNet, le parole (ad esempio, nomi, verbi, aggettivi e avverbi) raccolte nella banca dati sono raggruppate in un insieme di sinonimi chiamato "synsets", ognuno dei quali esprime un concetto distinto (fornendo una breve definizione generale). Sono anche registrate le informazioni sulle relazioni semantiche tra i synsets. Mentre, da un lato, WordNet fornisce una combinazione di dizionario e thesaurus che è più intuitivamente utilizzabile rispetto ad una soluzione che fornisce tali servizi separatamente, dall altro, supporta l implementazione di analisi automatica del testo e di intelligenza artificiale, comprese in particolare le applicazioni semantiche. Infatti, anche se a prima vista WordNet potrebbe assomigliare a thesaurus dal momento che raggruppa insieme le parole in base al loro significato, ha diverse funzionalità aggiuntive. In primo luogo, non concatena solo le forme della parola (ad esempio, stringhe di lettere), ma i sensi specifici delle parole. In secondo luogo, etichetta anche le relazioni semantiche tra parole, mentre i gruppi di parole, in un thesaurus, sono generati soltanto sulla base della similitudine di significato. Come detto, dal punto di vista di WordNet, i sinonimi, le relazioni più frequenti tra le parole, sono raggruppati in insiemi non ordinati chiamati synsets. Ognuno dei synsets di WordNet è collegato ad altri synsets mediante una serie di relazioni semantiche. In aggiunta, per ciascun synset, insieme alla definizione, sono anche previste nella maggior parte dei casi una o più brevi frasi che illustrano l'utilizzo dei membri synset. Le relazioni più frequenti tra synsets sono "iperonimi" (Y è un iperonimo di X se ogni X è un (tipo di) Y) e "iponimi" (Y è un hyponym di X se ogni Y è un (tipo di) X), che sono relazioni super-subordinate. Inoltre, WordNet fa una distinzione tra "tipi" (nomi comuni) e "istanze" (persone specifiche, paesi ed entità geografiche). Così, poltrona è un tipo di sedia, Barack Obama è un esempio di presidente. Vale la pena notare che gli esempi potrebbero essere soltanto intersezioni di pagina (terminale) nelle loro gerarchie. Una relazione meno frequente, ma comunque importante è la "meronimia" (X è un meronimo di Y se X è una parte / membro di Y). Vale la pena notare che, a differenza degli iperonimi e 68