Hoe kwaliteitsvol is een autonome, AI-gedreven clustering van competenties als taxonomie? Synthese van de kwalitatieve expertenbeoordelingen

Dit rapport onderzoekt of volledig autonome, data-gedreven methodes geschikt zijn om vacatureskills te clusteren als basis voor een competentietaxonomie. Zes leden van het VDAB Competent 2-team en twee leden van Steunpunt Werk beoordeelden kwalitatief drie methodes — gebaseerd op respectievelijk co-occurrence, een combinatie van co-occurrence en semantiek, en pure semantische gelijkenis — voor de beroepen accountant en industrieel elektromecanicien. Daarnaast werd de datagedreven aanpak vergeleken met de bestaande, expertgedreven aanpak van de Competent 2.0-taxonomie. De resultaten tonen dat een zuiver semantische benadering het best scoort, maar dat geen van de methodes op zichzelf voldoende kwaliteit biedt om een menselijke, expertgedreven taxonomie te vervangen. De bevraging levert wel concrete aanknopingspunten om data-gedreven clustering in de toekomst als ondersteunend instrument in te zetten.