Una mirada de xarxa als serveis municipals d'ocupació

Oportunitats de l’Anàlisi de Xarxes Socials (AXS) en els serveis d’ocupació municipals.

 L’exemple de les preferències formatives dels usuaris.

Aquest estudi té com objectiu mostrar com les tècniques aplicades a l’AXS poden ser útils a l’hora d’analitzar i detectar les preferències dels usuaris/àries d’un servei d’ocupació municipal, ja sigui per adaptar-se a aquestes, per veure si es corresponen a les necessitats detectades en l’entorn o per si s’han de reconduir en benefici de l’ocupabilitat de l’usuari.

Per fer-ho analitzarem les preferències formatives manifestades pels i les usuàries de la Fundació Barberà Promoció (servei municipal d’ocupació de l’Ajuntament de Barberà del Vallès). A través de l’aplicació Actualitza’t (base de dades on hi consten totes les activitats i accions fetes amb persones i empreses usuàries del servei) extraiem les dades relatives a l’usuari/ària (Id_Usuari) i els cursos sol·licitats a l’entitat, adaptats al catàleg d’especialitats formatives del SEPE (EFO). Amb una informació d’aquest tipus podem vincular cada persona amb cada curs o especialitat en el que ha mostrat interès. D’aquesta manera diferents usuaris/àries podem mostrar interès pels mateixos cursos, creant una xarxa de dos modes entre les persones usuàries i els cursos o especialitats.

En el cas que ens ocupa, anirem un pas més enllà i passarem d’una xarxa de dos modes (d’usuaris/àries i cursos) a una xarxa d’un mode, de cursos. Això ho farem amb Pajek, software d’accés lliure per l’anàlisi de grans xarxes.

- Pas d’una xarxa de dos modes a una d’un mode -

La xarxa d’un mode relaciona els diferents cursos en funció de quants cops han aparegut en les preferències dels diferents usuaris i usuàries. Així, a través d’aquestes relacions podem veure quines són les associacions que les persones fan sobre els cursos que més els serviran pel seu futur laboral o quines son les professions a partir de les quals volen triar la seva propera ocupació.

Per sintetitzar la xarxa i destacar els principals indicadors utilitzem el programa d’accés lliure Gephi versió 0.9.2. La xarxa mostra el conjunt de cursos relacionats entre ells. En el nostre cas partíem de 239 usuaris/àries únics/úniques actius dins l’entitat durant el 2020 i/o 2021 (fins al 22 d’abril) que s’havien interessat per alguna o varies de les 62 especialitats formatives (segons la classificació EFO). Per tant la xarxa resultant esta formada per 62 nodes i 413 arestes.

Els cursos o especialitats són els nodes mentre que les arestes venen determinades pel número de vegades que apareixen els dos cursos dins les preferències d’usuaris diferents. La mida dels nodes està en relació amb el número de vegades que aquests han aparegut juntament amb altres cursos en les preferències dels usuaris. Serien per tant els cursos més populars. També podem detectar aquells cursos amb la centralitat d’intermediació més alta. Aquests són els que es troben enmig de les relacions entre altres nodes o cursos. Per tant són els que els usuaris han considerat més útils en general, més enllà de trajectòries laborals concretes o particulars. Per últim, també hem aplicat un algoritme d’identificació comunitària que agrupa els nodes (especialitats formatives) maximitzant les relacions intragrup i minimitzant els intergrup. En aquest estudi hem detectat 5 comunitats diferents. Per tant, aquelles especialitats que apareixen del mateix color han aparegut juntes amb més força que aquelles que són de colors diferents. Tant colors com números són assignats de forma aleatòria pel programa. Això ens permet agrupar especialitats formatives que des d’una lògica de “catàleg” no tenen perquè estar juntes. Cal dir que hi ha una comunitat (la 4) que no s’ha inclòs ni al graf ni en els anàlisis posteriors. Això es deu a que estava formada per una especialitat formativa que només havia figurat dins les preferències d’una persona (IFCI16 - ADMINISTRADOR/A DE BASE DE DADES) que tampoc havia manifestat preferències per cap altre especialitat més. Per tant, a nivell de xarxa no és rellevant i no es troba relacionada amb cap altre especialitat.

Com es pot observar el número d’especialitats formatives en cada comunitat també va lligat al número d’usuaris/àries que han manifestat preferències per alguna de les especialitats que es troben dins de cada comunitat. Cal tenir en compte que cada especialitat formativa només es troba dins d’una comunitat, es a dir, no pot haver-hi una especialitat en dos comunitats a la vegada. No obstant, si que pot haver-hi una persona usuària que hagi mostrat preferències per més d’una comunitat. En el gràfic superior, per tant, els usuaris/àries són únics només a nivell de cada comunitat però no en la suma total. És a dir, dins cada comunitat, cada usuària només hi figura una vegada com a molt; encara que hagi mostrat preferències per més d’una especialitat d’aquesta comunitat, però si un usuari/ària ha demostrat preferències per especialitats de més d’una comunitat, figurarà en totes elles.

Les comunitats d’especialitats formatives més demandades per les persones usuàries de l’entitat són la 0 i la 1. A continuació caracteritzarem cadascuna de les comunitats segons les especialitats més populars entre les preferències manifestades.

 

La comunitat 0 està formada per especialitats que requereixen pocs coneixements previs, o poc especialitzats, per dur-les a terme. Són formacions que habiliten per treballar en sectors amb demanda que no requereixen de nivells formatius elevats. La resta de comunitats, en canvi, són més especialitzades. En segon lloc tenim la comunitat 1. Aquesta es centra en l’àmbit de administratiu. Els usuaris/àries que s’han decantat per aquest grup d’especialitats també han manifestat les seves preferències per formar-se en anglès. Aquest fet té a veure amb les demandes del mercat laboral en aquest àmbit. La comunitat 2 agrupa aquelles especialitats que tenen a veure amb la informàtica, sobretot d’iniciació, mentre que la comunitat 3 inclou el sector de la indústria i el treball amb maquinaria industrial. 

Així doncs, aquest treball introductori a l’AXS aplicat als serveis d’ocupació municipals, en concret a l’àmbit de la formació, ens ha permès analitzar varies coses. En primer lloc hem categoritzat grans grups o comunitats d’especialitats formatives segons les preferències i relacions establertes pels propis usuaris i usuàries. L’interès més rellevant d’aquestes comunitats no es tant que siguin quantitativa com qualitativament rellevants. Algunes vegades aquestes classificacions s’ajustaran a les categories establertes per administracions o departaments però altres no. També hem pogut veure quines d’aquestes comunitats tenien més demanda per part dels i les usuàries. Fet que pot servir per decidir cursos o àmbits sobre els que apostar formativament en propers anys o en els que no invertir més recursos. Per últim, hem categoritzat les comunitats en base a les especialitats més importants. D’aquesta manera hem observat com especialitats diferents, en la pràctica, formen part del mateix àmbit o sortida professional pels usuaris/àries que busquen feina. D’aquesta manera podem incorporar el contingut de diferents especialitats dins dels cursos o plans formatius, redundant en la qualitat d’aquests i cobrint les necessitats expressades pels i les usuàries.  

La teva valoració d'aquest article: 
Mitjana de valoració: 5 (2 votes)
Fes clic al següent botó per enviar-ho per WhatsApp
Oportunitats de l’Anàlisi de Xarxes Socials (AXS) en els serveis d’ocupació municipals.

 L’exemple de les preferències formatives dels usuaris.

Aquest estudi té com objectiu mostrar com les tècniques aplicades a l’AXS poden ser útils a l’hora d’analitzar i detectar les preferències dels usuaris/àries d’un servei d’ocupació municipal, ja sigui per adaptar-se a aquestes, per veure si es corresponen a les necessitats detectades en l’entorn o per si s’han de reconduir en benefici de l’ocupabilitat de l’usuari." data-share-imageurl="http://www.perfilciutat.net/sites/default/files/images/blog/graph__0.png">

Volem saber que en penses...

Sigues el primer en escriure un comentari