MATCH
Informal and non-formal competences matching device for migrants’
employability and active citizenship
510739-LLP-1-2010-1-IT-GRUNDTVIG-GMP
1
MATCH
Informal and non-formal competences matching device for migrants’
employability and active citizenship
510739-LLP-1-2010-1-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: 510739-LLP-1-2010-1-IT-GRUNDTVIG-GMP
Programma: Programma di apprendimento permanente - Progetto GRUNDTVIG Multilaterale 2010
Sito web del progetto: http://match.cpv.org
Piattaforma LO-MATCH: http://www.lo-match.polito.it/
Coordinatore del progetto: Fondazione Giacomo Rumor - Centro Produttività Veneto (CPV)
Editore
Fondazione Giacomo Rumor - Centro Produttività Veneto (CPV)
Via E. Montale, 27
36100 Vicenza (IT)
Tel: +39 (0) 444 994700
Fax: +39 (0) 444 994710
http://www.cpv.org
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: http://match.cpv.org
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
Partner del progetto
Fondazione Giacomo Rumor - Centro Produttività Veneto (Coordinatore del progetto)
Via Montale, 27 - 36100 Vicenza - Italia
FRANCIA
Centre Regional pour le Développement local, la formation et l’Insertion des Jeunes
48, Rue la Bruyère - 75009 Paris - Francia
Rectorat de Paris DAFPIC – Réseau des GRETA de Paris
Av. Gambetta, 94 - 75984 Paris - Francia
ITALIA
Camera di Commercio di Vicenza
Via Montale, 27 - 36100 Vicenza - Italia
Politecnico di Torino - Dipartimento di Automatica e Informatica
Corso Duca degli Abruzzi, 24 - 10129 Torino - Italia
Ufficio Scolastico Regionale per il Veneto
Riva de Biasio S.Croce 1299-30135 Venezia - Italia
PAESI BASSI
KCH International
Horapark 2 - P.O. 7001 - 6710 CB Ede – Paesi Bassi
POLONIA
Zakład Doskonalenia Zawodowego w Kielcach
ul. Paderewskiego 55 - 25-950 Kielce - Polonia
SLOVENIA
Centra RS za poklicno izobraževanje CPI
Ob zeleznici, 16 - 1000 Ljubljana - Slovenia
Gospodarska zbornica Slovenije za Centro poslovno usposabljan
Kardeljeva ploščad 27 bis - 1000 Ljubljana - Slovenia
SPAGNA
Cámara de Comercio de Oviedo
Quintana, 32 - 33009 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
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.
2.2. 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
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
4.4.1 Raccogliere profili professionali e relativi all’istruzione in termini EQF
4.4.2 Verificare la precisione dell’ annotazione automatica
4.4.3 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
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
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
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 LOMATCH. 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
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
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 ( http://match.cpv.org ) 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
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
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
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
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
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
Tempi
Valutazione
Lavoro preparatorio
Applicazione
La visibilità dell’esperienza pregressa
Strumenti
Francia
6-9 mesi
Colloquio orale con lo scopo di far
argomentare ciò che è contenuto nel
livret 2 (descrizione accurata
dell’esperienza professionale)
Orientamento e supporto nella
compilazione da parte di uno
psicologo del lavoro compilazione del
livret 2 prevalentemente a carico del
candidato
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
15
Romania
1 settimana – 30 gg
Prova orale, scritta e pratica
Stesura del test e delle prove su
misura, sulla base degli indicatori di
competenze ed esplicitazione di
questi sulle schede di valutazione
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
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 4
2.5 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
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
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 15-20 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
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
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
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.
2.10 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
• 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
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
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
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
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
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
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
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
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
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
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.
3.3. 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
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
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
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] http://www.w3.org/
[2] http://www.google.com/insidesearch/features/search/knowledge.html
[3] http://www.w3.org/People/Berners-Lee/
[4] http://www.w3.org/XML/
[5] http://www.ietf.org/rfc/rfc3986.txt
[6] http://www.w3.org/RDF/
[7] http://www.w3.org/OWL/
[8] http://europass.cedefop.europa.eu/en/documents/curriculum-vitae
35
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
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
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
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
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
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
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
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
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
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
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 sotto46
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
di una domanda di lavoro per posta o e-mail 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
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
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
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
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
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
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] http://www.cigref.fr/
[2] http://www.hr-xml.org/
[3] http://ec.europa.eu/education/lifelong-learning-policy/eqf_en.htm
[4] http://europass.cedefop.europa.eu/en/documents/european-skills-passport/certificate-supplement
[5] http://www.bls.gov/SOC/
[6] http://www.census.gov/eos/www/naics/
[7] http://duepublico.uni-duisburg-essen.de/servlets/DozBibEntryServlet?mode=show&id=3800
[8] http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-RA-07-015/EN/KS-RA-07-015-EN.PDF
[9] http://www.ilo.org/public/english/bureau/stat/isco/index.htm
[11] http://protege.stanford.edu/
[12] www.careerbuilder.com
[13] www.monster.com
[14] www.jobrapido.com
[15] www.indeed.com
[16] www.wantedanalytics.com
[17] www.glassdoor.com
[18] www.insidetrak.com.au
[19] www.facebook.com
[20] www.linkedin.com/
[21] www.facebook.com / socialjobs
[22] apps.facebook.com / myparichay
[23] branchout.com
[24] www.beknown.com
[25] www.jackalopejobs.com
[26] www.linkedin.com / competenze
[27] www.bright.com/score-calculator/
[28] www.ask.com
[29] www.bing.com
[30] www.google.com
[31] www.yahoo.com
[32] hiring.monster.com / jcm / resumesearch / resumesearchtestdrive.aspx
[33] www.crunchbase.com / azienda / talentspring
[34] www.jobnetchannel.com
[35] www.path.to
[36] http://ltsc.ieee.org/wg12/
54
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
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
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
R. E. Ployhart, “Staffing in the 21st century: New challenges and strategic
[1]
opportunities,” Journal of Management, 32:6, pp. 868-897, 2006.
[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, 2005.
[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. 233-241.
[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. 65-73, 2002.
[5] I. Lee, “Modelling the benefit of e-recruiting process integration,” Decision Support Systems,
51:1, pp, 230-239, 2011.
[6] H. Lv, B. Zhu, “Skill ontology-based semantic model and its matching algorithm”, in Proc. 7th
International Conference on Computer-Aided Industrial Design and Conceptual Design, pp. 1-4,
2006.
[7] Monster. Monster Deutschland and TMP Worldwide: Recruiting Trends 2012.
[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, 2012.
[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. 1184-1211, 2007.
[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.
301-313, 2007.
[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, 2003.
[12] T. Berners-Lee, J. Hendler, O. Lassila, “The semantic web,” Scientific American, 248, pp. 35-43,
2001.
[1]
57
[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, 2003.
[14] T. R. Gruber, “A translation approach to portable ontology specifications,” Knowledge
Acquisition, 5:2, pp. 199-220, 1993.
[15] N. Guarino, “Formal ontology and information systems,” Proc. International Conference on
Formal Ontology in Information Systems, pp. 3-15, 1998.
[16] J. Vega, “Semantic matching between job offers and job search requests,” Proc. 13th
Conference on Computational Linguistics, pp. 67-69, 1990.
[17] D. Taubner, P. Brössler, “The people make the project,” In Proc. ESCOP-SCOPE Conference, pp.
105-113, 2000.
[18] E. Younker, “Skills management: the linchpin for IT work force management,” InSide
GartnerGroup, 1998.
[19] Karen Legge, “Human resource management: rhetorics and realities,” Palgrave Macmillan,
2005.
[20] L. Yahiaoui, Z. Boufaïda, Y. Prié, “Semantic annotation of documents applied to e-recruitment,”
in Proc. Semantic Web Applications and Perspectives Conference, 2006.
[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, 2009.
[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, 2005.
[24] M. Fazel-Zarandi, M. S. Fox, “Reasoning about skills and competencies,” in Proc. IFIP WG 5.5
Working Conference on Virtual Enterprises, pp. 372-379, 2010.
[25] M. Mochol, R. Oldakowski, R. Heese, “Ontology based recruitment process,” in Proc.
Informatik Verbindet, 2004.
[26] V. Gatteschi, F. Lamberti, A. Sanna, C. Demartini, “A semantic matchmaking system for job
recruitment,” in Proc. I-KNOW Conference, 2010.
[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. 1060-1077, 2011.
[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. 1088-1099, 2006.
[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. 506-515, 2002.
58
[30] M. Fernandez, P.A. Gomez, N. Juristo, “Methontology: from ontological art toward ontological
engineering,” in Proc. Spring Symposium Series on Ontological Engineering, pp. 33-40, 1997.
[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. 76-96, 2012.
[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. 41-48, 2011.
[33] D. L. Hansen, T. Khopkar, J. Zhang, “Recommender systems and expert locators,”
Encyclopaedia of Library and Information Sciences, Third Edition, pp. 4433-4441, 2010.
[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, 2004.
[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.117-122, 2008.
[36] C. Cubillos, F. Lamberti, C. Demartini, “Integrating European qualification systems with OWL
ontologies,” in Proc. Electronics, Robotics and Automotive Mechanics Conference, pp. 752757, 2007.
[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,
2007.
[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. 158-177, 2013.
[39] D. Brown, “Unwanted online job seekers swamp HR staff,” Canadian HR Reporter, 17:7, pp. 12, 2004.
[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, 2001.
[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. 625-634, 2008.
[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. 112-126,
2004.
[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. 734-749, 2006.
59
[44] M. J. Earl, “Knowledge management strategies: toward a taxonomy,” Journal of Management
Information Systems, 18:1, pp. 215-242, 2001.
[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. 1068-1077, 2006.
[46] Trichet, F., “Human resource management and semantic web technologies,” in Proc.
International Conference on Information and Communication Technologies: From Theory to
Applications, pp. 641-642, 2004.
[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, 2009.
[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. 36-48, 2010.
[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. 734-749, 2005.
[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. 1582-1585, 2010.
[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. 39-51. 2002.
[53] J. Zhong, H. Zhu, J. Li, Y. Yu, “Conceptual graph matching for semantic Search,” in Proc. of the
International Conference on Computational Science, 2002.
[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, 2007.
[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, 2007.
[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. 1437-1454, 2003.
[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, eBusiness, e-Management and e-Learning, pp. 178-182, 2010.
[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, 1999.
60
[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, 2012.
[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. 117-129, 2012.
[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. 142-151,
2008.
[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. 1128-1129, 2003.
[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, 2011.
[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. 977-990, 2011.
[66] J. A. Breaugh, M. Starke, “Research on employee recruitment: so many studies, so many
remaining questions,” Journal of Management, 26:3, pp. 405-434, 2000.
61
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
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
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
una guida completa [8] , in cui sono illustrate le funzionalità incorporate mediante una presentazione
passo-passo.
4.2. 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
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
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
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 117.000 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
degli iponimi, per cui le relazioni sono transitive (cioè, se una poltrona è un tipo di sedia, e se una
sedia è un tipo di mobile, allora una poltrona è un tipo di mobile) le parti indicate da meronimi non
sono direttamente ereditate, dal momento che possono essere caratteristica solo di specifici tipi di
cose piuttosto che la classe nel suo insieme (sedie e tipi di sedie hanno le gambe, ma non tutti i tipi di
mobili hanno le gambe). Anche i synsets verbali sono organizzati in gerarchie. Inoltre, sono raffigurate
nel database relazioni come la "troponomia" (la presenza di un rapporto di "modo" tra due synsets,
come in comunicare-parlare-sussurrare, dove la modalità dipende dal volume). Gli aggettivi sono
organizzati in termini di "antonimia". In particolare, quando due aggettivi sono collegati attraverso
una relazione di antonimia (come bagnato-asciutto), si chiamano "antonimi diretti", mentre, quando
sono considerati aggettivi semanticamente simili (confrontando, per esempio, arido, legato ad
asciugare , con fradicio, legato a umido), il rapporto di antonimia è "indiretto". Inoltre sono segnalate
altre relazioni come "pertinomia" (che puntano ai nomi da cui derivano gli aggettivi, come criminale criminalità).
In questo modo, la base preliminare di conoscenze costituita da risultati di apprendimento annotati
secondo le definizioni EQF e Europass è stata trasformata in un modello ontologico con una fitta rete
di relazioni, da molto semplice a molto sofisticato. Vale a dire, sempre con riferimento all'esempio già
discusso, che oltre ad essere descritti da annotazioni su verbi d'azione, oggetti di conoscenza ed
elementi del contesto, un risultato di apprendimento come sfruttare autonomamente le attuali
applicazioni software di abbigliamento potrebbe essere paragonato a disegnare abiti manualmente (a
causa della relazione tra abbigliamento e abiti) così come sviluppare disegni tecnici usando un
programma informatico e usare sotto supervisione applicazioni CAD per il settore della moda (a causa
delle relazioni tra software, programmi informatici e CAD).
Il modo in cui il confronto può essere sfruttato in uno scenario di matchmaking estremamente
semplificato è illustrato nel disegno di cui sopra, in cui gli elementi disponibili nel modello sviluppato
69
sono utilizzati per annotare e in seguito far corrispondere i risultati dell'apprendimento implicati nella
trattazione raffigurata, di ricerca e reclutamento del lavoro (le annotazioni sono rappresentate dalle
note colorate).
In modo simile, la funzione di confronto viene utilizzata per permettere all'attuale piattaforma LOMATCH di attuare il processo computerizzato di job matchmaking. In particolare, seguendo le
indicazioni che emergono dallo stato dell’arte sugli approcci di ricerca e reclutamento di lavoro, sono
utilizzati algoritmi di matching a base semantica in molte fasi della soluzione messa a punto. In primo
luogo sono utilizzati per facilitare chi cerca lavoro nel processo di rendere esplicite le sue conoscenze,
abilità e competenze mentre inserisce il proprio curriculum vitae nella piattaforma, suggerendo
automaticamente risultati di apprendimento che possono essere rilevanti per l'individuo sulla base di
frasi che vengono inserite o di informazioni precedentemente raccolte. Cioè, lavorando con modelli
semi-strutturati, le persone in cerca di lavoro sono in grado di esprimere i loro pensieri in modo non
vincolato. In seguito, le frasi inserite sono "tradotte" in un modulo basato sui risultati di
apprendimento, basandosi sulle informazioni memorizzate nella base di conoscenza (che viene
sfruttata in modo automatico dalla piattaforma, senza richiedere all'utente di effettuare scelte
ripetute, per preselezionare elementi da utilizzare per l'annotazione, ecc come in soluzioni simili). Poi,
la piattaforma viene utilizzata per supportare i datori di lavoro nella compilazione delle loro offerte di
lavoro, che ora possono essere espresse in un linguaggio che è più vicino a quello utilizzato da altri
soggetti coinvolti nel processo di reclutamento. Vale la pena osservare che, in questo modo, a
differenza che nella maggior parte dei lavori presenti in letteratura, la piattaforma LO-MATCH
affronta entrambe le prospettive dello scenario di job matchmaking. Infine, la semantica è sfruttata
nella fase attuale di job matchmaking, in cui curriculum vitae e offerte di lavoro inserite nella
piattaforma sono incrociati per trovare le migliori corrispondenze.
In WordNet è stata prevista la possibilità per gli utenti di effettuare un controllo manuale sui risultati
raggiunti. A tal fine, agli esperti di settore di organizzazioni partner sono stati forniti di nuovo
strumenti grafici che permettono loro di valutare ed eventualmente aggiustare i significati assegnati
automaticamente dal sistema semantico, nonché di aggiungere nuove parole, definizioni, synset e
relazioni che erano originariamente mancanti nell'ontologia. In effetti, questo processo ha lo scopo di
far crescere la base di conoscenze di MATCH, sia per considerare l'esperienza degli esperti di settore e
sia per adattare ai cambiamenti possibili nel contesto considerato. Tuttavia, va osservato che tale
processo ha l'ulteriore vantaggio di far crescere anche il database WordNet. In questo modo, viene
creata nuova conoscenza in esso, rendendolo così più attraente per la realizzazione di altre possibili
applicazioni di ragionamento automatico (non necessariamente legate alla ricerca di lavoro e alle aree
di reclutamento di lavoro).
70
4.3. Architettura complessiva del LO-MATCH
Dopo aver discusso da un punto di vista piuttosto astratto il processo che ha portato alla costruzione
della base di conoscenze sottostante la piattaforma LO-MATCH, l'attuale architettura software che ha
sostenuto la sua implementazione sarà rivista. Come si può vedere dalla figura sotto, la progettazione
software e hardware ha seguito una strategia modulare che si basa su fasi incrementali e, per questo,
è abbastanza vicina all’ approccio che è stato discusso sopra. Questo fatto è collegato, da un lato, al
modo sequenziale in cui la piattaforma è stata rilasciata (tramite aggiornamenti incrementali) ed è
stato (e dovrebbe esserlo ulteriormente) sfruttato da organizzazioni partner e utenti finali. Dall'altro
lato, è dovuto alla natura web dello strumento, che è stato progettato avendo in mente l'obiettivo
finale di permettere un utilizzo estremamente semplice basato su tecnologie e interfacce ben note.
Così, si può vedere immediatamente che il punto di accesso alla piattaforma è rappresentato da un
insieme di pagine web dinamiche generate utilizzando il linguaggio di scrittura PHP lato-server [15] e
consegnato al lato utente finale da un web server (Apache HTTP Server [16] , in esecuzione su un
computer Mac OS X). Tre tipi di utenti sono previsti, ad esempio, le organizzazioni partner del
progetto (e i loro esperti di settore), persone in cerca di lavoro (migranti) e dei datori di lavoro
(reclutatori aziendali, responsabili delle risorse umane, ecc), ognuno con le proprie credenziali e
funzionalità dedicate.
Come sarà illustrato in seguito, sono fornite specifiche interfacce per consentire ai vari utenti di
intervenire nella raccolta di profili formativi e professionali in termini EQF, per il controllo ed
eventualmente la regolazione dell’ annotazione dei risultati di apprendimento generati dal computer,
per l’inserimento di curriculum vitae annotati automaticamente e offerte di lavoro e, infine, a seconda
71
della prospettiva, per trovare e classificare le migliori posizioni aperte per le quali un cercatore di
lavoro dovrebbe candidarsi o i migliori candidati per una determinata offerta di lavoro.
I dati inseriti e richiesti da persone in cerca di lavoro e datori di lavoro attraverso i loro web browser
sono gestiti dalla logica server-side PHP tramite un apposito server di deposito (sviluppato come un
database MySQL [17] ), che è responsabile per la condivisione della base generale di conoscenze di
MATCH. In particolare, il server gestisce la raccolta di profili (dai vari settori di interesse), espressi in
termini di conoscenze, abilità e competenze, il database WordNet e l'ontologia composta da risultati
di apprendimento annotati così come il set di dati con i CV annotati e le offerte di lavoro. Infine, la
logica server-side è anche responsabile per l’implementazione degli algoritmi di ricerca e ordinamento
richiesti nella fase finale di matchmaking, che verrà descritto in seguito.
4.4 funzionalità e interfaccia LO-MATCH: strumenti semantici per chi cerca lavoro e per datori di
lavoro
Come detto, le caratteristiche sono offerte dalla piattaforma LO-MATCH su un conto base, cioè,
diversi strumenti sono messi a disposizione per il fatto che l'utente in fase di registrazione è un
rappresentante di una organizzazione partner del progetto, un cercatore di lavoro o un datore di
lavoro (in questi ultimi casi, l'utente dovrebbe essere stato invitato da un partner). Nel seguito, i vari
strumenti saranno discussi separatamente, focalizzando particolare attenzione sulle loro funzionalità,
sulla logica sottostante e sulle loro interfacce.
4.4.1 Raccogliere profili professionali e relativi all’istruzione in termini EQF
L'interfaccia per la raccolta dei profili si rivolge a esperti del settore delle organizzazioni partner. In
realtà, ad ogni organizzazione è stato richiesto di effettuare il login alla piattaforma LO-MATCH e di
inserire profili formativi e professionali per i settori che potrebbero essere di interesse, basati sulle
competenze dei migranti che stavano progettando di gestire, o sui requisiti di offerte di lavoro che
stavano per supportare. I profili sono identificati dal paese di origine. Essi sono strutturati in attività e
sotto-attività, ciascuno associato ad una serie di risultati di apprendimento, espressi in termini di
conoscenze, abilità e competenze. Le informazioni sono inserite in lingua inglese (che è considerata la
pratica "lingua veicolare" che consente il collegamento con il database WordNet), sebbene si possano
aggiungere le traduzioni nella lingua nazionale del partner.
72
[1] http://ec.europa.eu/education/lifelong-learning-policy/eqf_en.htm
[2] http://ec.europa.eu/education/lifelong-learning-policy/ects_en.htm
[3] http://ec.europa.eu/education/lifelong-learning-policy/ecvet_en.htm
[4] http://ec.europa.eu/education/lifelong-learning-policy/eqavet_en.htm
[5] http://europass.cedefop.europa.eu/en/home
[6] http://www.cedefop.europa.eu/EN/publications/13125.aspx
[7] http://www.lo-match.polito.it/
[8] http://www.lo-match.polito.it/documentation/documentation.pdf
[10] http://wordnet.princeton.edu/
[11] http://wordnetweb.princeton.edu/perl/webwn
[12] http://wordvis.com/
[13] http://www.visuwords.com/
[14] http://wordnet.princeton.edu/wordnet/download/
[15] http://php.net/
[16] http://httpd.apache.org/
[17] http://www.mysql.com/
Vale la pena di osservare che la piattaforma è stata intesa come uno strumento di vera
collaborazione, dal momento che ad ogni partner è stato permesso di consultare le informazioni
inserite da altre organizzazioni, sebbene potesse apportare modifiche solo ai propri dati. Mentre le
73
informazioni sono inserite, la piattaforma divide le frasi che descrivono risultati di apprendimento
nelle loro parole (chiave) o in gruppi di parole, ed esegue un’ annotazione automatica su di loro,
basata sul modello ontologico sottostante. L'algoritmo di annotazione, che assegna sostanzialmente
WordNet synset ad elementi di testo rilevanti, basati su segnali contestuali, è stato progettato per
produrre un set di dati ridondante (da regolare eventualmente nella fase successiva), al fine di non
perdere significati possibilmente di interesse per l'utente.
4.4.2 Verificare la precisione dell’ annotazione automatica
Grazie all'approccio perseguito, una volta che la fase di inserimento dei dati di cui sopra è stata
effettuata, gli utenti finali potrebbero immediatamente iniziare ad utilizzare la piattaforma per la
redazione del loro curriculum vitae e per postare le loro offerte di lavoro. Tuttavia, per garantire una
maggiore precisione nel processo di matchmaking complessivo e consentire alle aziende partner di
mantenere il controllo sulla descritta pre-fase di elaborazione basata sul computer, è stato sviluppato
uno strumento speciale per permettere agli esperti di settore (senza particolari conoscenze di
tecnologie semantiche) di eseguire un controllo di profondità sui risultati conseguiti. L'idea di base era
quella di lanciare un ambiente grafico facile da usare in cui i risultati ottenuti con la macchina
potrebbero essere eventualmente modificati o integrati da banali click e operazioni di drag-and-drop.
Cioè, come mostrato nella figura in basso a sinistra, l'utente può regolare i verbi di azione, gli oggetti
di conoscenza e gli elementi di contesto per risultati di apprendimento annotati. Allo stesso modo,
l'utente può operare sull’ annotazione basata sul WordNet aggiungendo / rimuovendo definizioni
assegnate alle parole (e a un gruppo di parole), scegliendo tra quelle già disponibili nell'ontologia o
inserendo nuovi termini e dando una definizione per loro.
In questo caso, come illustrato nella figura sopra a destra, le informazioni testuali sono accompagnate
da rappresentazioni grafiche, rendendo più intuitiva l'esplorazione della base di conoscenze
sottostanti.
74
Inserimento di curriculum vitae annotati e offerte di lavoro mediante facilitazione semantica senza
aggiunte
Quando un cercatore di lavoro accede alla piattaforma, gli viene fornita un'interfaccia progettata per
supportare l'inserimento del suo apprendimento acquisito. Ad un livello più elevato, l'interfaccia si
basa sul set standard nell'iniziativa Europass per il Curriculum Vitae [1] . Cioè, all'utente viene prima
presentata una serie di schede che gli permettono di indicare informazioni personali, aggiungere una
foto, specificare i dettagli di base sul lavoro, l’istruzione e l’esperienza formativa, esplicite abilità
linguistiche, ecc
Poi, mentre in un curriculum vitae comune, le informazioni ad esempio circa l'esperienza di lavoro
sono limitate, per esempio termine di inizio e di fine, occupazioni o posizioni ricoperte, nome del
datore di lavoro, ecc. e le principali attività e responsabilità sono generalmente descritte in un modulo
non strutturato (ad esempio, sotto forma di testo libero), nella piattaforma LO-MATCH è stato
definito uno specifico meccanismo per permettere al cercatore di lavoro di estrarre i suoi requisiti con
un maggiore livello di dettaglio, utilizzando il linguaggio comune introdotto sopra.
75
Cioè, come mostrato nella figura in basso a sinistra di cui sopra, l'utente può collegare ad ogni
esperienza (vale a dire, ad ogni possibilità di apprendimento formale, non formale o informale), un
insieme di risultati di apprendimento scelti, navigando sulla base di conoscenze create. Ma, cosa
ancor più interessante, è autorizzato a compiere questa fase di "annotazione" in un modo
semplificato, eseguendo una ricerca di testo libero sulla base di conoscenze e ottenendo suggerimenti
circa possibili conoscenze, abilità o competenze da includere che sono trovate sulla base della
similarità semantica (figura in basso a destra). La piattaforma propone anche altri elementi che
eventualmente possono essere aggiunti, ad esempio, a causa della loro relazione con i risultati di
apprendimento già selezionati, oppure a causa della loro appartenenza alla stessa attività, ecc. La
stessa strategia adottata per i cercatori di lavoro è stata adattata e perseguita anche per permettere
ai datori di lavoro di pubblicare, nel sistema, offerte di lavoro annotate.
Rispetto ad altre piattaforme descritte nella letteratura di ricerca o disponibili online, il vantaggio
dell'approccio ideato sull’annotazione è che, grazie alla fase automatica di pre-elaborazione,
all'utente finale non è richiesta alcuna conoscenza del modello formale sottostante (a proposito non
gli è nemmeno richiesto di avere alcuna conoscenza del concetto di risultato di apprendimento).
L'interfaccia ideato gli permette di cercare elementi che potrebbero descrivere meglio acquisizioni
(nel caso di un cercatore di lavoro) o requisiti (nel caso di un datore di lavoro) in base ad una semplice
query, come con qualsiasi motore di ricerca tradizionale. I risultati ottenuti sono poi utilizzati per
produrre curriculum vitae commentati e/o offerte di lavoro che si basano su un vocabolario condiviso
che fa affidamento su concetti standard nel settore europeo dell'apprendimento permanente come
conoscenze, abilità e competenze.
4.4.3 Calcolare il match tra domanda e offerta di lavoro
Nella discussione precedente si è mostrato come, perseguendo l'approccio teorizzato nella letteratura
di ricerca, gli algoritmi a base semantica sono stati utilizzati in LO-MATCH per facilitare la creazione
delle informazioni annotate coinvolte negli scenari generali di ricerca e assunzione elettronica.
Successivamente, cercatori e datori di lavoro possono utilizzare nuovamente funzioni a
corrispondenza semantica integrate nella piattaforma, per ottenere rispettivamente una graduatoria
delle migliori possibilità di impiego, o dei candidati disponibili per una data offerta di lavoro. I dettagli
degli algoritmi utilizzati sono contenuti nei prodotti finali concepiti nel progetto. Tuttavia, va
osservato che l'utente può configurare il comportamento delle misure sottostanti, basate sulla
similitudine, utilizzando banali interruttori di configurazione, passando così da una pura ricerca con
parole chiave ad una ricerca totalmente semantico-consapevole (dove i pesi dei vari tipi di relazione
sul punteggio complessivo, possono essere regolati manualmente).
76
Seguendo le linee guida che sono state installate per supportare un più ampio uso e accettazione
delle tecnologie semantiche, che richiedono un aumento di partecipazione e consapevolezza degli
utenti finali, le motivazioni per la classifica prodotta dalla piattaforma (espresse in percentuale di
somiglianza) sono fornite aggiungendole direttamente in un modello conosciuto. Infatti, quando
l'utente è interessato ad avere maggiori dettagli su di una determinata posizione di lavoro o
candidato, può esplorare le informazioni disponibili controllando un modello strutturato secondo il
Curriculum Vitae Europass e consultando una notazione grafica intuitiva basata su colori di
illuminazione pubblica. Per esempio, un cercatore di lavoro può controllare le sue acquisizioni nei
confronti di un offerta di lavoro particolare. Per ciascun risultato di apprendimento posseduto, un
colore indica se è anche incluso tra quelli richiesti dal datore di lavoro. Quando viene trovata una
corrispondenza, completa o incompleta, gli elementi semanticamente simili sono segnalati. Il
cercatore di lavoro può anche optare per una rappresentazione simmetrica, dove i risultati di
apprendimento richiesti, indicati in una data offerta di lavoro, sono confrontati fianco a fianco con
quelli posseduti.
Anche in questo caso, un analogo (anche se inverso) interfaccia è disponibile anche per i datori di
lavoro, permettendo così alla piattaforma LO-MATCH di affrontare il job matchmaking dal punto di
vista di entrambe le parti coinvolte.
77
4.5 Conclusioni e possibili sviluppi futuri
La piattaforma LO-MATCH rappresenta una soluzione facile da usare che facilita i cercatori e datori di
lavoro nel difficile compito di estrarre le acquisizioni ottenute dalle loro esperienze di apprendimento
permanente, nonché i requisiti fissati per ricoprire adeguatamente una posizione aperta, utilizzando
un linguaggio comune condiviso, e in seguito, che li aiuta efficacemente a trovare la migliore
corrispondenza tra le acquisizioni e i requisiti di cui sopra. E 'anche la prima opera che modella le
strutture di dati sottostanti che sono necessarie per affrontare il problema del job matchmaking,
aderendo agli strumenti e alle raccomandazioni europee e considerando allo stesso tempo le
aspettative e le esigenze di entrambi gli attori coinvolti. Per mezzo di tecniche semantiche, il
confronto tra l'offerta e la domanda può essere effettuato prendendo in considerazione i dettagli
interni di ogni curriculum vitae e offerta di lavoro ed elaborando l’enorme quantità di informazioni in
questione da trattare con differenze linguistiche, culturali, sistemiche, ecc nelle descrizioni e con
ambiguità e incompletezza in parole e frasi utilizzate dagli attori coinvolti. L'approccio utilizzato per la
gestione delle fasi generalmente critiche, associate con la costruzione della base di conoscenze
richieste e per l'annotazione delle informazioni fornite dal cercatore e datore di lavoro, ha consentito
di ridurre lo sforzo da fare e le conoscenze richieste alle organizzazioni partner del progetto e agli
utenti finali. Vale la pena di dire che, nel quadro del progetto, la piattaforma LO-MATCH è stata
testata con un set di dati generati direttamente dalle organizzazioni partner. Gli sviluppi futuri
dovranno essere diretti a collegare l'architettura concepita, alle piattaforme esistenti e ai depositi di
profili, curriculum vitae e annunci di lavoro. Inoltre, saranno rivolti allo studio di ulteriori possibilità di
applicazione, nello scenario più ampio dell'apprendimento permanente.
78
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
L'Europa è in crisi. La coscienza di questa crisi è largamente sentita a tutti i livelli del pubblico in
generale. I sintomi sono chiari: proteste di massa contro i governi, le cui politiche di austerità risultano
nei tagli profondi per le classi medie e inferiori, fuga di capitali, la rinascita degli stereotipi nazionali e,
ultimo ma non meno importante, una sfiducia dilagante sull’idea d'Europa, se non un rifiuto di ogni
tipo di comunità politica europea nell’insieme.
Questi sintomi della crisi e la questione se si tratti di una crisi del debito, del sistema bancario o
dell'euro, qualunque sia la risposta, tutti gli interessati sono d'accordo che per superare questa crisi,
sarà necessario ridurre gli squilibri economici ed investire in politiche intese a ristabilire la crescita,
opportunità di lavoro, ma soprattutto la coscienza sul proprio senso del dovere di partecipare
attivamente alla scena europea come cittadini di una Europa democratica unitaria.
La democrazia in Europa si basa sulla esistenza di istituzioni, processi, e un'atmosfera morale che
abilita ed incoraggia i cittadini dei paesi membri a discutere su come loro, che sono ad un tempo
stranieri e cittadini all'interno di un quadro multi-nazionale, vogliano strutturare il loro ordine politico.
Le precondizioni per questo non hanno bisogno di essere inventate, esistono già, anche se solo in una
certa misura. La più importante tra queste è che i membri dei diversi paesi dell'Unione europea sono
cittadini - e che, in un duplice senso: come cittadini dei loro rispettivi paesi membri dell'UE, sono
cittadini di stati democratici; al tempo stesso sono cittadini dell'UE - e non solo attori in un libero
mercato - formando così un'unione di cittadini sovranazionale. Tali considerazioni dovrebbero
renderci più consapevoli del fatto che in Europa la solidarietà civica e sociale sono indissolubilmente
legate e si può superare la crisi solo ri-affermando i valori, rafforzando l'integrazione, la cooperazione,
lo scambio e il reciproco sostegno.
Il progetto Match, nella sua tensione di delineare una metodologia condivisa e fare affidamento su
uno strumento paneuropeo per abbinare le offerte di lavoro e la domanda, si propone di aiutare i
migranti, di solito provenienti da paesi extra-europei, a riconoscere le loro competenze, capire le
offerte di lavoro e presentare se stessi nel modo giusto per rispondere ai requisiti delle offerte di
lavoro, al fine di elevare il loro status, raggiungendo così un duplice obiettivo di entrare nella
dimensione europea e di fronteggiare il momento attuale di crisi economica, a partire da un passo
molto concreto, quello di trovare un lavoro che garantisca l'integrazione sociale, fiducia reciproca e
speranza nelle possibilità umane.
79
Come Maria Damanaki afferma nel suo discorso per l'Ufficio dei consiglieri per le politiche europee
della Commissione Europea, è giunto il tempo di trovare soluzioni per il presente. Sono passati
quattro anni dall'inizio della crisi finanziaria che ha sconvolto il mondo intero, in particolare il
continente europeo.
L'assegnazione del premio Nobel per la pace all'Unione europea è giunta in un momento molto
opportuno nel tempo. Si tratta di un riconoscimento che ci ricorda come noi europei siamo riusciti a
trasformare un continente rovinato dalla guerra e dall'odio in un paradiso di pace, solidarietà e
prosperità. Ciò che è più importante, il premio Nobel è anche un appello a proseguire i nostri sforzi
per superare la crisi, che sta infettando i valori dell'Europa e minaccia di ritagliare profonde divisioni
all'interno della società europea.
Viviamo in una società, non in una economia. Usiamo la politica economica al fine di creare migliori
condizioni di vita per la nostra società. Quando l'economia si rompe, si può sempre cercare di
risolvere il problema. Ma, quando una società si rompe, è molto difficile ripristinarla. Alcune volte il
danno è irreversibile. Non possiamo permettere che questo accada. Dobbiamo resistere alle
tentazioni del populismo, dell'estremismo e dell'intolleranza, al fine di mantenere in vita i valori
europei. Essi ci guideranno attraverso il percorso di integrazione europea, che è innegabilmente il
rimedio alle molteplici crisi che stiamo attraversando in questo momento (economica, istituzionale,
sociale, culturale).
[...] La sfida più importante a lungo termine sarà quella di ristabilire la fiducia nella capacità delle
nostre istituzioni, nazionali ed europee, per spostare la costruzione europea al livello successivo.
Si può interpretare ancora di più l’ incitamento sovranazionale al sociale, nelle parole pronunciate dal
Presidente Barroso nel suo discorso sullo stato dell'Unione, quando afferma di "un nuovo patto
decisivo per l'Europa. Un patto decisivo per proiettare i nostri valori, la nostra libertà e la nostra
prosperità nel futuro. "
Ogni tentativo concreto per creare le condizioni per l'integrazione, l’auto-miglioramento il pensiero
positivo e la speranza per il futuro, è un passo concreto in direzione dell'Europa, e dei suoi valori più
alti di unità e solidarietà. Il progetto MATCH, anche se in modo molto circoscritto, rappresenta un
tentativo pan-europeo transnazionale comune di trovare in uno strumento, la piattaforma LO-Match,
un insieme unitario di persone in cerca di lavoro, da abbinare a fornitori di lavoro paneuropei in tutta
Europa, un chiaro esempio dei più alti valori europei di fiducia reciproca, sostenibilità e aiuto.
E 'vero che la crisi economica in Europa sta colpendo soprattutto i giovani e anche quello ch si può
dire per i migranti è serio.
I recenti studi e le cifre dimostrano che nei 17 paesi che utilizzano l'euro, la disoccupazione giovanile
ha il record del 22 per cento, il doppio del tasso di disoccupazione generale della zona Euro del 11 per
cento, che a sua volta è il più alto da quando l'euro è stato creato nel 1999, con la notevole eccezione
della Germania, dove la disoccupazione giovanile è solo al 7,9 per cento, grazie ad un sistema di
formazione professionale.
80
I migranti, nonché i lavoratori giovani sono spesso gli ultimi assunti, così sono i primi ad essere
licenziati.
Più a lungo i giovani adulti e i migranti rimangono disoccupati, più a lungo non contribuiscono alla
crescita economica, consumano gli aiuti governativi e aumentano il rischio di disordini sociali.
I leader dei 27 paesi dell'Unione europea sono d'accordo sui piani di pompare denaro liquido nelle
banche europee in difficoltà e di aiutare i governi di fronte al problema del debito eccessivo e degli
elevati oneri finanziari. Ma questi piani sono suscettibili di fornire poco sollievo immediato per i
giovani in Europa. Quello che serve è la crescita economica che produca posti di lavoro ed esperienze
concrete per risolvere il disallineamento delle competenze che solo potrebbe garantire lo
sfruttamento di qualsiasi offerta di lavoro disponibile.
La presente analisi ha lo scopo di dimostrare in che misura il fenomeno della forza lavoro dei migranti
possa assumere caratteristiche diverse, non solo competenze, ma anche caratteristiche sociodemografiche e attitudini, e anche l'integrazione del mercato del lavoro dimostra di essere molto
diversa e di variare notevolmente tra i diversi paesi che inviano e ricevono.
Come prova la conferenza internazionale tenutasi a Lubiana, in Slovenia, lo scorso dicembre, un
evento nell'ambito del progetto Match su "Stato di un lavoratore migrante nel mercato del lavoro
europeo in tempo di crisi", l'attuale situazione dei lavoratori migranti nel mercato del lavoro è
veramente grave. I lavoratori migranti sono il gruppo più vulnerabile che è stato colpito più
duramente dalla crisi. Secondo Zoran Kotolenko del Ministero del Lavoro, della famiglia e degli affari
sociali, gli immigrati in genere trovano lavoro in settori che sono stati duramente colpiti dalla crisi
economica. Questi includono le costruzioni ed altri tipi più flessibili di impiego.
Ha aggiunto che, nonostante la Slovenia mantenga intatte le leggi migratorie, l'afflusso di immigrati è
diminuito drammaticamente dopo l'inizio della crisi nel 2008. "Ogni anno dal 2008 il numero di questi
lavoratori nel mercato del lavoro è diminuito di circa un terzo," ha detto Kotolenko, aggiungendo che
la crisi si riflette anche per quanto riguarda il rispetto dei diritti dei lavoratori.
Lučka Žižek, direttore del Servizio per l'impiego che ha organizzato l'evento, ha sottolineato che
l'occupazione era l'elemento chiave per l'inclusione degli immigrati nella società ospitante.
Inoltre, come nel caso della Slovenia, i migranti rappresentano un gruppo vulnerabile, esposto a
violazioni dei diritti e disparità di trattamento, anche per la mancanza di informazioni adeguate e
comprensibili.
Questo progetto, e la sperimentazione presentate in questo rapporto, è un passo nella stessa
direzione dei Servizi per l'Impiego e delle parti sociali, una esperienza tangibile che aiuta i migranti a
trovare informazioni utili per combattere l'esclusione sociale, a migliorare la loro indipendenza
economica e a garantire un migliore trattamento per quanto riguarda le leggi del lavoro. Un risultato
concreto indiretto del progetto è anche l’obiettivo di promuovere la collaborazione transnazionale e
81
trans-settoriale contribuendo alla comprensione e alla fiducia nelle pratiche e nelle procedure
testate.
I partner hanno avviato il progetto nella convinzione condivisa che in un periodo di recessione
economica, quando la mancanza di occupazione e la pressione sull'economia pubblica determinano
carenza di crescita, integrazione e felicità, mirare alla convalida delle iniziative di apprendimento non
formale e informale nei confronti di gruppi di persone svantaggiate, può aiutare a mantenere un
contatto con il mercato del lavoro, abbattendo le barriere e anche facilitando l'accesso all'istruzione
formale.
Tra le persone svantaggiate, i migranti rappresentano un numero significativo e sono anche un
gruppo fondamentale per la convalida dell'apprendimento precedente in quanto potrebbero aver
acquisito abilità e competenze nel proprio paese, di solito non o non sufficientemente riconosciute
nel paese di destinazione. La travagliata integrazione risultante nel mercato del lavoro, determina
comunemente un livello rilevante di disoccupazione. Inoltre, i migranti devono affrontare la difficoltà
di avere i loro titoli pienamente riconosciuti nel paese ospitante. Inoltre, i contatti deboli dei migranti
con i centri di lavoro o con informazioni dirette sulle offerte di lavoro e con le istituzioni che li
sostengono, insieme alle scarse conoscenze linguistiche, rappresentano una barriera totale per
l'integrazione sociale e lavorativa, una condizione comune per i migranti soprattutto in un'Europa
allargata e stretta dalla crisi.
Il progetto, finanziato con il sostegno della Commissione Europea, è stato avviato nel 2010, e finora
ha elaborato un modello flessibile e strumenti operativi per il riconoscimento dell’ apprendimento
non formale e informale, e la metodologia di accreditamento, principalmente confrontando diversi
sistemi dei partner 'nazionali, le politiche e le sperimentazioni. La piattaforma LO-MATCH ha
supportato i partner nella fase di raccolta dei profili professionali, includendo un’ interfaccia utente
finale basata sul database risultante, annotato da quasi tutti i partner per creare l'ontologia Match.
L'intera piattaforma permette un job matchmaking di base semantica.
Quello che ancora manca e si spera possa essere il vero nuovo risultato di questo progetto è il
matching delle offerte di lavoro. Ciò che è nuovo in questa proposta è la possibilità di colmare e di
intrecciare, attraverso un dispositivo software, una vasta gamma di parti interessate, in particolare
uffici del Lavoro, centri per l'Impiego, centri di convalida e rappresentanti del mondo dell'artigianato,
dell'industria e dei sindacati e dell'istruzione e della formazione professionale. In questo modo tutti
gli attori del processo possono trovare un punto di incontro in un luogo virtuale, in cui le richieste,
offerte, aggiornamenti, modifiche e miglioramenti possono essere facilmente effettuati, al fine di
soddisfare al meglio le necessità dei potenziali lavoratori e dei datori di lavoro.
La sperimentazione ha inteso risolvere i suddetti problemi in primo luogo attraverso l'elaborazione di
una comune metodologia articolata e flessibile nel processo di riconoscimento e di validazione
dell’apprendimento precedente, da testare con gli utenti finali, al fine di verificarne le funzionalità e
l'efficacia e, in secondo luogo, di affrontare i problemi di eterogeneità nelle descrizioni delle
qualifiche, CV ed esigenze del mercato del lavoro, dovute all'uso di vocabolari non condivisi. A tal fine,
il progetto ha sviluppato uno strumento funzionale basato sul web (piattaforma LO-MATCH) che
82
collega le competenze dei migranti acquisite in contesti formali, non formali e informali ai profili
professionali e alle domande di lavoro delle aziende. La piattaforma LO-MATCH si fonda su una banca
dati di profili professionali espressi in termini di attività / sottoattività e risultati di apprendimento
valutati attraverso attività pilota che coinvolgono più di 100 utenti finali (in realtà 124 utenti finali
sono stati inclusi nella piattaforma, ma la sperimentazione è stata fatta su 100).
Part ner count ry
50
45
40
35
30
25
Par t ner count r y
20
15
10
5
0
FRANCE
SPAIN
ITALY
POLAND
SLOVENIA
THE
NETHERLANDS
Negli ultimi dieci anni, la convalida e la capitalizzazione dell’apprendimento formale, non formale e
informale, nella prospettiva della mobilità dei cittadini e dell'occupabilità, è diventata un elemento
fondamentale nella legislazione europea. Diverse iniziative sono state avviate per sostenere lo
sviluppo di strategie adeguate, per migliorare sia l'istruzione e la formazione, sia le aree del mercato
del lavoro, ridefinendo i risultati di apprendimento attesi da parte degli attuali percorsi di
apprendimento, e ri-progettando strumenti di supporto correlati, in modo che possano consentire a
studenti e lavoratori di personalizzare e completare la loro formazione, con l'obiettivo di vedere le
loro competenze riconosciute, sia nella scuola, sia nel mondo del lavoro. Uno degli ostacoli al
raggiungimento di tali obiettivi è stato tradizionalmente rappresentato dalle differenze lessicali e
semantiche tra le descrizioni dei programmi di studio, i risultati personali conseguiti, abilità attese e
così via. Passi importanti per affrontare i vincoli di cui sopra sono stati fatti con la definizione di
strumenti come il portafoglio Europass [1], il quadro europeo delle qualifiche (EQF) [2], il sistema
europeo di trasferimento dei crediti (ECTS) [3], ecc. L'obiettivo degli strumenti di cui sopra è stato
quello di migliorare la leggibilità e la trasparenza dei risultati di apprendimento e delle competenze
individuali in una prospettiva a livello europeo.
LO-MATCH sfrutta WordNet, un ampio database lessicale di raccolta di parole inglesi (ad esempio
nomi, verbi, aggettivi e avverbi) e le raggruppa in base al loro significato.
WordNet collega anche il significato specifico dei termini e fornisce informazioni sul tipo di relazioni
semantiche tra le parole.
LO-MATCH si basa su un database di profili professionali / qualifiche, strutturati in una forma
compatibile con le linee guida europee ed espressi in termini di risultati di apprendimento, cioè
conoscenze, abilità e competenze.
[1] http://europass.cedefop.europa.eu/en/documents/curriculum-vitae
83
La piattaforma LO-MATCH fornisce un insieme di compiti, attività e risultati di apprendimento
correlati che devono essere posseduti al fine di svolgere un lavoro. Sfruttando il database semantico
di WordNet, ogni volta che un risultato di apprendimento è inserito nella piattaforma LO-MATCH, il
sistema identifica automaticamente i concetti che compongono la frase e offre all'utente la possibilità
di selezionare i significati più appropriati e di presentare le relazioni tra i concetti in modo grafico.
5.2 La fase pilota
Le attività previste della fase pilota dovevano testare la metodologia fornendo un feedback e una
validazione. L'attività è stata effettuata su un campione rappresentativo di circa 100 utenti finali
I principali risultati della fase pilota:
cercatori e datori di lavoro alle prese con il job matchmaking
Occupazione e formazione
Lingua
Aspirazioni professionali
La piattaforma di job
macthmaking
Per i migranti, il problema principale è trovare la sicurezza del lavoro.
Circa il 30% degli immigrati che lavorano, hanno una qualifica
superiore rispetto al lavoro che fanno. I migranti con istruzione spesso
ottengono il riconoscimento dei loro titoli di studio stranieri se ne
fanno domando, ma pochi fanno domanda. Gli immigrati senza
istruzione sono in grado di fare certi lavori, ma non sono in possesso di
titolo di studio e non sanno come fare domanda per la certificazione
delle competenze acquisite. La maggior parte degli immigrati in età
lavorativa hanno bisogno di più formazione, ma non sanno
esattamente di che cosa hanno bisogno e dove trovarlo.
Di norma gli immigrati parlano più lingue rispetto alla media, ma di
solito non conoscono bene la lingua del paese in cui sono emigrati.
Ottenere informazioni sulle opportunità di lavoro e di apprendimento
può essere più difficile per gli immigrati rispetto ad altri in generale, a
causa di problemi linguistici. Gli immigrati hanno bisogno di corsi di
lingua o di integrazione, ma a volte non li cercano.
I migranti hanno di solito titoli di studio più elevati o precedenti
esperienze lavorative, ma di solito non riescono a dimostrarlo con
documentazione adeguata. I migranti accettano lavori qualunque. Non
importa quello che sanno fare, hanno solo bisogno di un provento
finanziario. La cittadinanze attiva viene dopo l'occupazione. Gli
immigrati disoccupati hanno molta familiarità con il cellulare e
internet, ma hanno difficoltà con le banche dati.
Un matching su base semantica agevola i migranti in cerca di lavoro a
trovare un lavoro, a partire da una descrizione in KSC di ciò che
possono fare. Approfittando di una piattaforma di matchmaking
basata sulla semantica, i datori di lavoro possono trovare facilmente
nuovo personale, stabilendo chiaramente i requisiti richiesti. Una
piattaforma di job matchmaking non può risolvere le differenze
intrinseche dei diplomi europei, ma può abbinare il profilo di un
candidato e un annuncio di lavoro, espressi entrambi in termini di un
approccio EQF ispirato agli esiti di apprendimento.
84
La fase pilota nel progetto MATCH aveva lo scopo di testare la metodologia elaborata per riconoscere
l'apprendimento non formale e informale dei migranti in termini di EQF-KSC e i risultati di
apprendimento, in modo da essere in grado di accedere al LO-MATCH, una piattaforma online che
consente l'abbinamento tra cercatori e datori di lavoro.
La presente relazione fornisce una serie di dati quantitativi e qualitativi per spiegare i punti di forza e
di debolezza della metodologia e della piattaforma LO-MATCH stessa e, se possibile, per dare
suggerimenti per un ulteriore miglioramento e possibile trasferibilità ad altri settori, piuttosto che ai
migranti disoccupati.
Le questioni della convalida dell'apprendimento non formale e informale e il job matchmaking devono
essere considerate di primaria importanza al momento. In un momento in cui l'Unione Europea si
trova ad affrontare una grave crisi economica che causa un aumento della disoccupazione, la
convalida di tutte le conoscenze, abilità e competenze rilevanti, indipendentemente dal modo in cui
sono state acquisite, è più importante che mai per il funzionamento del mercato del lavoro e per
aumentare la competitività e la crescita economica.
Il futuro sviluppo della validazione sia delle metodologie sia del job matchmaking, non può che essere
il risultato di un confronto europeo, perché la dimensione transnazionale non può che rappresentare
un approccio inclusivo e obiettivo ad una questione così complessa. Dovrebbero essere finanziati
progetti futuri sulla convalida dell’ apprendimento precedente, non solo specificamente per il settore
dei migranti, ma aprendo a tutti i settori dei lavoratori, insieme con lo sfruttamento della tecnologia
semantica per facilitare il matching tra persone in cerca di lavoro, datori di lavoro e opportunità di
istruzione e di formazione permanente, per sopperire ai gap di formazione e alle esigenze di
aggiornamento e ripasso.
La strategia Europa 2020 per una crescita sostenibile e inclusiva, richiede lo sviluppo di capacità e
competenze per realizzare la crescita economica e l'occupazione. Una forte enfasi è impostata sulla
necessità di percorsi più flessibili di apprendimento che possano facilitare le transizioni tra le fasi di
lavoro e di apprendimento e questo può essere fatto solo da uno strumento flessibile, in grado di
personalizzare e / o finalizzare il proprio apprendimento, sia in una prospettiva orientata alla
formazione, sia al lavoro. Un mercato del lavoro a livello europeo, come la piattaforma LO-MATCH,
può parlare solo un linguaggio comune e l'eterogeneità può essere superata solo attraverso
l'approccio semantico e le annotazioni. EQF e KSC hanno iniziato il percorso comune, ora è il
momento di parlare quella lingua comune.
Il rapporto pilota è stato preparato per la Commissione Europea, finanziatrice del progetto, ma
soprattutto per lo sfruttamento, la valorizzazione e la diffusione dei risultati del progetto alle
principali parti interessate dei processi di validazione e job matchmaking, ovvero le organizzazioni dei
datori di lavoro, imprenditori individuali, sindacati, camere dell'industria, commercio e artigianato,
entità nazionali coinvolte nel processo di riconoscimento delle qualifiche professionali, servizi per
l'impiego, organizzazioni giovanili, animatori giovanili, enti di istruzione e formazione e le
organizzazioni della società civile.
85
5.3 I dati nel report: chi, cosa, quando, come
I dati presentati nel rapporto pilota sono stati forniti dai partner del progetto, attraverso appositi
moduli elaborati dal CPV Centro Produttività Veneto incaricato di riferire sulla fase pilota al fine di
fornire informazioni funzionali sui risultati.
Tutti i dati si riferiscono alla prima generazione di immigrati legalmente residenti, la maggior parte dei
quali nati al di fuori dell'Unione Europea.
Un caso specifico è rappresentato dalla Polonia. Il partner polacco ha partecipato alla fase pilota con 3
migranti, anche se la situazione è molto particolare e molto interessante, in quanto può
rappresentare la situazione tipica dell'Europa orientale, relativamente all’ immigrazione.
In Polonia l'immigrazione è ancora un fenomeno relativamente nuovo. Prima della caduta del
comunismo nel 1989 era praticamente inesistente e anche adesso il numero di cittadini stranieri in
cerca di lavoro nel nostro paese rimane ancora al minimo simbolico. Infatti, secondo i dati Eurostat
(2010), gli immigrati costituiscono lo 0,1% della società polacca, che è il punteggio più basso in tutta
l'Unione europea.
Attualmente la Polonia sta vivendo tre tendenze principali in materia di immigrazione. Il più grande
gruppo è di emigrati polacchi che stanno tornando in Polonia, spesso dopo un periodo di molti anni di
vita e lavoro all'estero. Per quanto riguarda i cittadini stranieri, la maggioranza di coloro che vivono e
lavorano in Polonia lo fanno illegalmente, costituendo i lavoratori regolari solo una piccola parte del
totale (circa 20.000 all'anno).
Secondo le statistiche, la maggior parte degli immigrati proviene dalla ex Unione Sovietica, in
particolare Ucraina, Bielorussia e Russia. Altri paesi di origine sono la Cina, Germania, Stati Uniti e
Turchia.
Per quanto riguarda le regioni della Polonia, che sono preferite dai migranti, la maggior parte dei
cittadini UE e USA scelgono di vivere in grandi città come Varsavia e Cracovia, mentre coloro che
provengono dalla ex Unione Sovietica si dispongono solitamente lungo il confine orientale.
Świętokrzyskie Voivodeship (regione di Kielce) viene percepita dai migranti come il luogo meno
attraente per vivere, dato che è la regione che viene per ultima per quanto riguarda il numero degli
immigrati.
I dati sono stati raccolti presso gli sportelli unici delle sedi dei partner. Il progetto, infatti, includeva
l'attivazione presso ciascun partner, Camere di Commercio e istituti di formazione, di un luogo fisico,
un cosiddetto "one stop shop", dove una moltitudine di servizi potrebbe essere offerta ad un
migrante. L'idea era quella di fornire un servizio conveniente ed efficiente e anche di creare
l'opportunità per un'istituzione, di fornire ai migranti non solo un insieme di informazioni integrate,
consulenza e servizi, ma anche assisterli nell’accesso alla piattaforma LO-MATCH, il nuovo dispositivo
di corrispondenza delle competenze informali e non formali per l'occupabilità dei migranti e la
cittadinanza attiva.
86
5.4. Gli operatori
La raccolta dei dati si è svolta nel periodo febbraio-dicembre 2012 ed è stata effettuata da un numero
considerevole di operatori, proporzionale al numero dei migranti intervistati (ITA 7 per 43 migranti,
SLO 2 per 15 migranti, ES 3 per 17 migranti) ma in tutti i casi fornendo un numero sufficiente di
colloqui per ogni operatore, in modo da consentirgli una sufficiente esperienza per svolgere
correttamente il compito assegnato.
Number of operators per migrants
50
45
40
35
30
25
20
15
10
5
0
number operators
S
HE
RL
AN
D
IA
TH
E
NE
T
SL
O
VE
N
PO
LA
ND
IT
AL
Y
N
SP
AI
FR
AN
C
E
number migrants
Gli operatori, quasi esclusivamente donne, esperti VET come in Francia o con una laurea in materie
Umanistiche, Pedagogia, Psicologia o Economia, specializzati in orientamento e con familiarità, se non
esperti, nell’analisi delle competenze, hanno avuto una formazione specifica con un tutorial sulla
piattaforma LO-MATCH, svolta dal partner responsabile dello sviluppo della piattaforma di job
matching, Politecnico di Torino - Polito, nel corso di una sessione formativa, che includeva dei video, a
Torino nel febbraio 2012. Ai migranti che contattavano gli operatori al "one stop shop", si potevano
offrire informazioni e orientamento professionale, la valutazione delle loro conoscenze, competenze
ed esperienze di lavoro rilasciate in un report, consulenza e coaching, scrivendo il loro profilo nella
piattaforma LO-MATCH e matchmaking di offerte di lavoro.
Invero gli operatori sono stati incaricati dalle organizzazioni partner con questo compito multiplo, non
solo la raccolta dei dati, ma anche di aiutare gli emigrati attraverso il totale o parziale compimento
della metodologia Match, una procedura in quattro passaggi a partire dalle informazioni fino alla
certificazione per riconoscere e convalidare il precedente apprendimento non formale e informale.
Tale operazione, come spiegato nel capitolo seguente, ha comportato un lungo e complesso processo
di coaching e orientamento al migrante per dare un nome alle competenze derivanti dalle sue
precedenti esperienze professionali, alla luce dei profili professionali, articolati in EQF-KSC, inclusi
nella piattaforma LO-MATCH. I documenti rilasciati lungo questa lunga procedura sono ad esempio il
CV Europass, il Dossier professionale, o anche il certificato di piena certificazione di qualifica
87
professionale. Una volta che i documenti sono stati completati, gli operatori hanno aiutato i migranti
a caricarli sulla piattaforma e ad iniziare la procedura di job matching.
Inoltre è stato un vantaggio comune della fase pilota, che gli operatori avessero la padronanza di una
o più lingue straniere (ad esempio inglese, francese, serbo) o fossero esperti in tutte le lingue come
nel caso della sperimentazione francese. Infatti il processo di valutazione è stato particolarmente
complesso e difficile perché la maggior parte di ciò che è stato scritto nella piattaforma LO-MATCH
doveva essere tradotto o spiegato in parole più facili da parte degli operatori, semplicemente perché
la maggior parte dei migranti intervistati non sapeva parlare correttamente la lingua del paese in cui
erano emigrati. Questo problema è stato particolarmente sentito nelle sperimentazioni italiane,
slovene e polacche, in cui anche la stessa comunicazione in lingua italiana, slovena o polacca, a volte
era molto difficile.
Come si evince, il ruolo degli operatori è stato fondamentale nella fase pilota.
5.5. La metodologia MATCH
Il partenariato MATCH, ispirato da ogni sistema nazionale convalidato di accreditamento o di
sperimentazioni pilota, in cui una procedura nazionale di standard era mancante, ha elaborato una
proposta per una metodologia comune per il processo di riconoscimento e validazione e certificazione
dell'apprendimento precedente. Poiché non tutti i paesi partner dispongono di un Repertorio
nazionale delle certificazioni professionali, che rende possibile, come in Francia, un uso normale del
processo di VAE, il modello ha preso in considerazione come punti di riferimento per la scelta della
possibile qualificazione lavorativa, ove esistente, il repertorio nazionale, dove non esistente, le
qualifiche regionali standard o il repertorio di figure professionali, delineati da criteri più ampi di
conoscenze, abilità e competenze. Processi formali per la definizione di una NVQ sono stati avviati in
tutti i paesi partner nei quali era mancante, quindi, entro la fine del progetto, forse la situazione
potrebbe essere cambiata.
La rilevanza della certificazione finale, come nel caso dell’Olanda e della Slovenia non può essere
considerata alla stregua di una certificazione acquisita attraverso l'apprendimento formale, ma è
riconosciuta dal mercato del lavoro, deve ottenere il riconoscimento sociale, dato che le certificazioni
dovrebbero essere create e aggiornate tenendo conto delle esigenze del mercato del lavoro. Pertanto
la loro validità sta nella possibilità di accedere al mondo del lavoro.
Il processo di validazione si articola in quattro fasi: 1. informazione e consulenza iniziale /
orientamento, 2. counseling e coaching nella scrittura del profilo MATCH del candidato e nella
costruzione del fascicolo professionale, con riferimento ad una specifica certificazione professionale,
figura o qualifica professionale, 3. valutazione delle conoscenze, abilità e competenze con strumenti
di valutazione adeguati, 4. convalida ed emissione del certificato.
88
In linea con l’intero processo, i migranti sono informati in luoghi di prima accoglienza (stazioni di
polizia, municipi, centri di formazione per adulti, centri per l'impiego, dipartimenti aziendali di risorse
umane, ecc) circa la possibilità di avere una valutazione e un riconoscimento dell’ apprendimento non
formale o informale. Questo primo contatto è molto importante per aiutare i migranti a trovare al più
presto la strada giusta per l'integrazione, che di solito inizia dalla ricerca di un lavoro. Più di un
partner ha sottolineato l'importanza dell'informazione: l'esperienza olandese ha sottolineato la
rilevanza delle informazioni a tutti gli attori del processo, vale a dire i candidati, i datori di lavoro, i
sindacati, le associazioni, mentre, nel caso polacco, l’inadeguatezza degli avvisi dell'Ufficio del Lavoro ,
insieme con la mancanza di informazioni dettagliate circa le istituzioni che offrono corsi o formazione,
ha fortemente contrastato il rilancio delle competenze e delle qualifiche professionali. I risultati
sloveni di una tavola rotonda sul tema hanno messo in evidenza che la mancanza di informazioni
complete sulla società, l'occupazione, l'istruzione, la formazione, la cultura, e più in generale la
consulenza insufficiente del servizio sloveno per l'occupazione, in particolare con i migranti, hanno
determinato una lacuna nel fornire opportunità di lavoro, istruzione e formazione a queste persone.
Non c'è un collegamento formale o informale tra le istituzioni legate alla questione dei migranti.
Inoltre, se i datori di lavoro informassero regolarmente l'autorità competente in merito alle esigenze
di qualificazione e competenza e sull'andamento dell'occupazione, le assunzioni del personale e
l’offerta di formazione sarebbero più aggiornate ed efficaci. Inoltre l'esperienza polacca nel campo,
suggerisce che bisognerebbe iniziare una campagna di informazione per raggiungere il maggior
numero di persone, attraverso i giornali, internet, radio, TV locali, per informare la comunità locale
circa l'opportunità di certificazione delle competenze professionali.
I migranti sono invitati a compilare un modulo di richiesta di informazioni per arrivare a saperne di più
sul processo di accreditamento. Le richieste di informazioni risultano in una mailing list di persone
interessate a possibili nuove attività, corsi, ecc.. La presenza di operatori qualificati per una prima
attività di consulenza può anche determinare la presentazione immediata di una richiesta per il
processo di convalida, quindi è anche necessario fornire informazioni dettagliate sulle fasi del
processo e rispondere a qualunque richiesta. Ogni centro incaricato di questa fase ha ricevuto
adeguate informazioni scritte dai partner in questo progetto e ha nominato almeno una persona
incaricata di questo compito. Ogni centro ha avuto un contatto diretto con il partner di progetto per
ottenere ulteriori spiegazioni per possibili dubbi che potrebbero sorgere. I centri nominati
includevano centri di consulenza connessi a scuole, centri di informazione legati alla Camera di
Commercio e Industria, centri per l'impiego a livello locale, provinciale o regionale, centri di istruzione
e formazione che forniscono certificati, come nel caso spagnolo, italiano e polacco. Se, oltre alle
informazioni, fornivano anche una consulenza iniziale per indirizzare la decisione del richiedente di
attivare un processo di convalida, avevano personale competente nella guida e orientamento (ad
esempio psicologi del lavoro, psicologi dell’organizzazione, esperti nel bilancio delle competenze). In
realtà hanno indirizzato il richiedente nella scelta della certificazione professionale adeguata da
ottenere o lo hanno reindirizzato ad una formazione complementare come nel caso sloveno.
89
Dopo la prima fase, si è proceduto con la consulenza e il coaching nello scrivere il profilo MATCH del
candidato e nella formazione del fascicolo professionale con riferimento ad una certificazione
professionale specifica. La scelta di questo partenariato è stata che ogni individuo in possesso di un
apprendimento precedente non formale o informale, potesse accedere al processo di convalida,
senza tener conto del numero di anni di esperienza lavorativa che poteva attestare, dato che il
possibile risultato del processo non avrebbe portato unicamente a una certificazione completa e di
conseguenza a una corrispondenza perfetta con le offerte di lavoro, ma l'intera esperienza si sarebbe
rivelata fondamentale per innescare l'occupabilità dei migranti e la cittadinanza attiva. In altre parole,
l'intero processo ha prodotto una migliore consapevolezza di sé e auto-valutazione che ha realmente
aiutato i migranti a partecipare pienamente a tutti gli aspetti della vita collettiva o ad essere
reindirizzati ad una ulteriore formazione per completare correttamente il proprio profilo, in base al
KSC che compone la certificazione professionale scelta. La scelta francese di ammettere ad un
processo VAE individui che provano almeno 3 anni di lavoro subordinato o di esperienza non
retribuita, si è basata sul presupposto che l'individuo doveva provare il suo possesso delle
competenze necessarie e delle conoscenze teoriche per il conseguimento del diploma che stava
cercando di ottenere. Ma in questo progetto, data la forte necessità per gli immigrati di ottenere il
corretto orientamento e la giusta connessione con le istituzioni, ogni individuo sarebbe stato
ammesso alla fase di consulenza e coaching. E 'stato il duro lavoro del personale incaricato, a fermare
temporaneamente i candidati nel loro processo di ulteriore formazione o di reindirizzamento o ad
ammetterli alla fase di convalida. Una volta che il candidato avesse deciso volontariamente di attivare
il processo con la firma di una richiesta formale, il passo successivo sarebbe stato quello di trovare la
sua strada tra le offerte di certificazione (nazionale o regionale). La flessibilità del modello ha
permesso diverse opzioni di certificazione, conformi a ciascun quadro nazionale. In Francia, il
Repertorio Nazionale delle Certificazioni professionali è ben strutturato e delineato nei dettagli per
quanto riguarda ogni singola professione, ma in Italia, per esempio, le certificazioni professionali sono
abbozzate a livello regionale, in quanto questo livello si occupa di rilasciare qualifiche professionali. Il
supporto del software Match, in particolare la sua base dati di offerte di lavoro, ha potuto aiutare
nella scelta della certificazione finale. La flessibilità del modello ha consentito a qualsiasi lavoratore di
accedere a diverse certificazioni in qualsiasi momento, in base al flusso di offerte di lavoro. La
Slovenia ha suggerito che i datori di lavoro dovrebbero informare regolarmente l'autorità competente
sui bisogni di qualificazione e competenza e sull'andamento dell'occupazione per portare avanti
meglio una corretta corrispondenza tra le richieste e le offerte di lavoro e per aggiornare il sistema su
base regolare. La scelta della propria certificazione può essere facile nel caso di migranti professionisti
(elettricisti, idraulici ....) o il risultato di un processo guidato. In ogni caso, una volta che la
certificazione è stata identificata, il candidato ha scritto il suo profilo Match, da caricare sul software
Match per realizzare una corrispondenza adeguata con le offerte di lavoro o di formazione. Dati
rilevanti per riempire un profilo MATCH sono, conformemente all’ EQF, un insieme di conoscenze,
abilità e competenze (KSC) possedute dal candidato che dovrebbero in parte o completamente
corrispondere ai profili professionali o alle descrizioni di posti di lavoro contenuti nel software. Ogni
90
partner ha contribuito a fare in modo che la descrizione delle mansioni / qualifiche professionali
articolate nel KSC fossero inserite nel software MATCH, rispondendo al lavoro normalmente svolto dai
migranti nel loro paese (nel settore delle costruzioni, o ....). Come ci si potrebbe aspettare, la fase
pilota ha dimostrato che i profili di lavoro erano l'aspetto critico della metodologia. Infatti il numero di
profili che non soddisfacevano le reali necessità, o il linguaggio tecnico usato per descrivere il profilo
KSC o la complessità del profilo complessivo, hanno contribuito a rallentare il processo, rendendolo
più difficile di qualsiasi altra parte del procedimento.
Un altro grave problema è stato la mancanza di evidenze. Descrivere un profilo può essere un'attività
molto lunga per essere eseguita dal singolo, sostenuto da esperti del bilanciamento di competenze
professionali, psicologi, ma anche da esperti della professione stessa. Infatti, come dimostra
l'esperienza slovena, è molto difficile per gli immigrati stessi, provare la loro conoscenza non formale,
anche per problemi linguistici. Oltre al suo profilo, il candidato dovrebbe costruire il suo fascicolo
professionale contenente evidenze del suo precedente apprendimento non formale e / o informale. È
un dato di fatto che la convalida è un lavoro sulle evidenze in Francia, in Italia e in tutti i paesi partner.
L’evidenza, come nel caso francese, spazia dalla busta paga, o attestato del datore di lavoro, alla
ricevuta d’imposta o alle attestazioni delle associazioni nel caso di attività volontarie non retribuite.
Nel caso degli immigrati, il problema delle evidenze è una grande questione. La maggior parte di loro
sono emigrati in circostanze difficili e o non possiedono alcuna evidenza, o le hanno perse durante il
viaggio o le hanno lasciate al loro paese natale. Inoltre a volte sono state rilasciate nella lingua del
luogo, pertanto, devono essere tradotte nella lingua locale o in una "lingua franca" accettata
dall'organismo di certificazione.
La scelta di questo modello è stata quello di raccogliere evidenze che supportano il profilo del
candidato e Europass CV, ma le conoscenze, abilità o competenze "non accertate", sono state
valutate direttamente dal comitato di valutazione e convalida in diversi modi: simulazioni, problem
solving in situazioni di lavoro reale, prove scritte, prove orali a seconda di cosa si valutava. Più
completi sono il fascicolo e il profilo, più facile è la decisione del comitato se chiedere ulteriori
accertamenti o se passare direttamente alla fase di validazione. Per questo scopo, una evidenza
possibile potrebbe essere la visione di un insieme di operazioni effettuate o un pezzo di lavoro
concreto che mostri il possesso di KSC, come per esempio nel caso degli operatori meccanici.
Gli immigrati, soprattutto gli immigrati appena arrivati, hanno avuto difficoltà a raccogliere evidenze,
quindi sono state necessarie altre valutazioni per accertare il possesso di conoscenze, abilità e
competenze relative alla certificazione professionale o profilo professionale scelti, è per questo che il
partenariato ha deciso di fare affidamento su due fasi, documentaria e pratica, per effettuare il
processo di valutazione e convalida. Per i migranti di lunga permanenza, il valore del processo di
convalida è stato quello di pianificare uno sviluppo di carriera o trovare un nuovo lavoro quando la
crisi sta colpendo il mercato del lavoro.
Nel caso della certificazione, ogni centro aveva un elenco di organismi di certificazione o era esso
stesso un organismo di certificazione adeguato. Durante la fase pilota le parti o gli organismi di
certificazione hanno agito in modo flessibile, temporaneamente utilizzando tanti esperti quanti ogni
91
candidato selezionato e la sua certificazione lo richiedevano. Lo stesso è stato fatto con gli esperti
nella professione prevista.
Tutte le metodologie o sperimentazioni dei partner richiedono una richiesta volontaria di iniziare il
processo di convalida, in quanto è diritto di ogni individuo di avere il proprio apprendimento
precedente riconosciuto, anche se a volte, al candidato può essere suggerito dalla sua impresa di
entrare nel processo, ma la decisione dovrebbe essere liberamente presa dal lavoratore dipendente.
La fase pilota slovena in realtà è cominciata perché i migranti sono venuti a chiedere la certificazione
NVQ.
Dopo aver raccolto i materiali, la valutazione delle conoscenze, abilità e competenze, è stata fatta da
strumenti di valutazione adeguati. Il partenariato, nel rispetto dei principi dell'EQF, ha deciso che le
qualifiche professionali, i profili professionali, il profilo MATCH del candidato e le offerte di lavoro nel
database MATCH fossero espresse in termini di conoscenze, abilità e competenze. Inoltre nel contesto
EQF, le competenze sono state descritte in termini di autonomia e responsabilità, due indicatori che
ben soddisfano le esigenze del mercato del lavoro. Anche se probabilmente i migranti hanno
approfittato del processo di convalida per ottenere qualifiche di base, la prospettiva di sviluppo di
carriera, l'idea di essere meglio valutati dai datori di lavoro si sono dimostrati utili per favorire la
motivazione e la consapevolezza di sé. Invero questo è stato uno dei risultati più importanti della
intera fase pilota. Tutti i migranti coinvolti, anche se piuttosto riluttanti in un primo momento, alla
fine erano entusiasti della possibilità di avere riconosciuto o certificato il proprio apprendimento
precedente o semplicemente di aver messo in ordine e caricato sulla piattaforma un CV.
Per valutare il KSC del candidato, il comitato di convalida ha considerato qualunque cosa il migrante
potesse provare o dire oltre al profilo MATCH del candidato e al fascicolo professionale, che include
colloqui, test di conoscenza, simulazioni, problem solving in situazioni reali di vita lavorativa, tutto ciò
che può rendere l'esperienza dei migranti visibile e qualificata. Il processo di convalida, nel caso
sloveno è stato portato avanti da esperti di convalida accreditati dal Ministero della Pubblica
Istruzione.
5.6 I beneficiari: coloro che cercano lavoro
I beneficiari di questo test sono stati selezionati in base a diverse strategie: in Spagna, dove il partner
è la Camera di Commercio Oviedo, sono stati contattati attraverso l'organizzazione della Croce Rossa,
in Italia, dove anche il partner è la Camera di Commercio di Vicenza, i beneficiari sono stati selezionati
fra i corsisti di un corso per migranti organizzato dalla Provincia di Vicenza, e alcuni altri beneficiari
erano studenti di corsi serali nelle scuole superiori, specializzati in argomenti termo-meccanici o di
ristorazione. In Slovenia trovare i beneficiari non è stato difficile perché tutti avevano già fatto
domanda agli uffici del partner per ottenere la Qualifica Professionale Nazionale (NVQ) per assistente
addetto alle pulizie, dato che a molti di loro era già stato offerto un posto di lavoro, ma avendo
terminato soltanto l'istruzione primaria e non quella professionale, avevano la necessità di ottenere il
92
certificato ufficiale NVQ e non è stato difficile convincerli ad entrare nella fase pilota. Nei Paesi Bassi i
beneficiari sono stati scelti in accordo con il servizio civile di una città olandese che era in una
partnership con KCH, il partner olandese del progetto Match. In un primo momento è stato difficile
interessarli alla fase pilota perché non erano abbastanza motivati, ma sono stati sempre più entusiasti
non appena si sono resi conto di quante competenze e conoscenze avevano e avrebbero potuto usare
per un posto di lavoro.
I beneficiari polacchi sono stati cercati con la cura di fornire un feedback per il progetto; essendo la
situazione dei migranti abbastanza peculiare, come è già stato spiegato. Nonostante lo stato avanzato
del VAE, la convalida dell'apprendimento informale e non formale, in Francia, così come è regolata
dalla legge (Loi de modernisatione sociale 2002), il partner francese nel progetto MATCH ha utilizzato
la metodologia appositamente ideata in una testing action che riguardava 10 migranti in carico ad una
specifica associazione no profit specializzata nella formazione, orientamento e counselling per giovani
in cerca di lavoro con un basso livello di qualifica.
I dati raccolti sono stati divisi in due gruppi di informazioni, il primo inerente il sesso dei beneficiari,
l’età, la nazionalità e lo stato civile, per consentire un’analisi pan-europea su un campione
rappresentativo. Mentre tutte queste informazioni sono state facilmente raccolte, non è stato
possibile rendere conto dei dati relativi allo stato civile, dato che durante i colloqui la maggior parte
dei migranti ha eluso la questione e gli operatori, per non dispiacere loro, non hanno insistito per
ottenere una risposta. Data la prevalenza di donne, questo può probabilmente essere spiegato come
il comportamento comune femminile durante i colloqui di lavoro, per eludere argomenti relativi ai
figli e al matrimonio, in quanto potrebbero interferire negativamente.
Il secondo gruppo di informazioni, dall'altro lato, era specifico del settore di indagine del progetto e
mirava a raccogliere i dati relativi alla lingue straniere parlate dai migranti, il loro titolo di studio, la
loro precedente esperienza professionale, per finire con le loro aspirazioni professionali o di carriera.
5.7 I risultati
Geograficamente parlando, il partenariato del progetto presenta una distribuzione ampia e
abbastanza uniforme a livello europeo. Sono rappresentati quasi tutti i movimenti delle migrazioni da
e verso l'Europa: i sudamericani muovono verso la Spagna, i nord-africani e i turchi verso Italia,
Francia e Paesi Bassi, gli esteuropei verso l’Italia, gli ex-Jugoslavi verso la Slovenia. La Francia, una
nazione in cui il VAE è attivo dal 2002, è fortemente interessata da flussi migratori, anche se di
recente, la crisi economica colpisce duramente i requisiti per il reclutamento di lavoratori stranieri, e i
criteri per il ricongiungimento familiare, i cittadini vengono dall’ Africa (62%) , e specialmente dal nord
Africa (34%). Circa un terzo dei nuovi immigrati permanenti sono da Algeria e Marocco. L'Asia occupa
il secondo posto di regione di origine (19%), seguita da altri paesi europei (6%). Le nazionalità
93
rappresentate nel target group della fase pilota sono abbastanza variabili. E’ rappresentato un ampio
raggio di nazionalità (ucraina, peruviana, Irachena, turca, senegalese, rumena, filippina, ed egiziana).
Distribuzione geografica del partenariato
I migranti coinvolti nella sperimentazione come previsto da progetto sono stati 100 anche se
attualmente la piattaforma LO MATCH contiene 124 job seekers. Inaspettatamente lo strumento è
risultato estremamente interessante: un alto numero di migranti hanno chiesto ai partner di avere
inclusi nella piattaforma il loro CV.
E’ degno di nota il fatto che il 54% dei migranti coinvolti nella fase pilota fossero donne.
Migrants' gender per partner country
25
20
15
MALE
10
FEMALE
5
S
ND
IA
TH
E
NE
T
HE
SL
O
RL
A
VE
N
ND
LA
PO
AL
Y
IT
N
SP
AI
FR
AN
C
E
0
94
L'età media è di 37,5 (più giovane migrante intervistato: 18 anni - età più avanzata migrante
intervistato: 57 anni). Di fatto l'età piuttosto giovane dei migranti disoccupati è una garanzia che, in
caso di deficit di competenze da coprire, è ancora possibile frequentare corsi ad hoc.
Per quanto riguarda la nazionalità, si va dal Sud America (Brasile, Colombia, Paraguay, Bolivia,
Ecuador, Repubblica Dominicana, Panama, Messico, Perù), all’Africa centrale (Senegal, Burkina Faso,
Nigeria, Ghana, Togo, Guinea) o Nord Africa (Marocco, Algeria, Egitto), Ex-Jugoslavia (Kosovo,
Macedonia, Serbia, Croazia, Bosnia), Europa occidentale (Spagna), Europa orientale (Albania,
Romania, Moldavia, Turchia, Ucraina), Asia (Iraq, Afghanistan, Cina, Thailandia, Bangladesh, Sri Lanka,
Isole Filippine).
In termini quantitativi, i migranti intervistati prevalentemente provenivano da Burkina Faso (12%),
Jugoslavia (12%), Brasile (7%), Ecuador (7%) e Turchia (6%), paesi che in genere non rappresentano i
flussi tradizionali dei migranti. Questo è probabilmente dovuto a causa delle politiche più recenti di
immigrazione e alla crisi mondiale.
Migrants' nationalities
14
12
10
8
6
4
2
ex
-Y
ug
os
la
As v
ia
Tu n
rk
Sp ish
an
M is h
ex
Co ica
n
l
Pa om
ra bia
gu n
ay
Bo an
li
Ec vian
u
Do a d
m o
S e in i r
ne can
g
M ales
or
oc e
An can
ti
Uk llea
ra n
in
Pe ia n
ru
via
n
I
Ro ra
m qi
a
Ph nia
ilip n
Eg pine
y
Bu p tia
rk n
in
e
N s
P a ig e
na eria
m n
a
G nia
ha n
M naia
ol
da n
A l v ia
Ba ba n
ng nia
la n
d
Br esh
az i
ilia
A n
Sr fg h
i L an
an
To ka
go n
le
se
0
Probabilmente sarebbe meglio analizzare le aree geografiche di origine dei migranti: Sud America
(24%), Europa dell’est (24%), Africa centrale (17%), America centrale (9%), Far East (9%), Medio
oriente (8%), and Nord Africa (7%). Come può essere facilmente compreso i flussi migratori comuni
sono chiaramente rappresentati in questa analisi.
95
Migrants' macro-area of origin
30
25
20
15
10
5
0
Central
Africa
Central
America
Eastern
Europe
Far East
Middle
East
North
Africa
South
America
Western
Europe
Oceania
Per quanto riguarda la seconda serie di informazioni, le peculiarità nazionali escono più chiaramente,
come nel caso della Slovenia, dove tutti i migranti hanno fatto domanda al partner con l'obiettivo di
ottenere il National Vocational Qualification (NVQ) per assistente addetto alle pulizie.
La sperimentazione italiana invece è stata effettuata da due partner diversi in contesti diversi: alcuni
migranti sono stati incontrati a uno sportello unico presso la Camera di Commercio di Vicenza, altri
sono stati raggiunti alla scuola superiore - durante i corsi serali che stavano frequentando. Per quanto
riguarda i problemi linguistici di cui prima, lo scenario era abbastanza diverso, nel primo caso è stato
necessario ricorrere al francese o all’inglese per almeno la metà dei migranti, mentre nel secondo
l’italiano è stato la lingua del colloquio.
In Francia i migranti sono stati tutti raggiunti presso un’associazione no profit specializzata nella
formazione, orientamento e counselling per giovani in cerca di lavoro con un basso livello di qualifica.
In termini di titolo di studio, i migranti coinvolti nella fase pilota possedevano in percentuale diversa:
laurea (3,4%), diploma di scuola secondaria di secondo grado (23%), diploma di scuola secondaria di
primo grado o preprofessionale (40%), diploma di scuola primaria (19%), diploma di istruzione e
formazione professionale (12%) altri (3%). E’ interessante notare quanto i migranti abbiano mostrato
delle somiglianze in relazione alle attività portate avanti dalle istituzioni coinvolte nella fase pilota,
come per esempio nel caso delle Francia e della Slovenia dove le istituzioni erano esperte nel trattare
con persone che possedevano bassi livelli di istruzione, mentre in Italia i leader della fase pilota erano
scuole secondarie di secondo grado e di conseguenza i migranti possedevano diplomi di scuola
secondaria piuttosto che lauree o qualifiche professionali.
Anche se l'architettura EQF fornirà presto l'equivalenza dei titoli di studio in Europa, alcuni problemi
continuano ad esistere quando la corrispondenza, come in questo caso, deve essere trovata con titoli
emessi in paesi non europei.
96
Migrants' titles of study
45
40
35
30
25
20
15
10
5
0
Degree
Upper secondary Low er secondary VET qualification
school
school
Primary school
Other
Guardando i lavori che sono stati fatti dai migranti incontrati nella fase pilota dagli operatori del
partenariato, quello che era prevedibile, ed è risultato alla fine, è che quasi tutti i migranti
condividono le stesse esperienze professionali come addetti alle pulizie di case e alberghi, assistenti
alle pulizie, cuochi, assistenti cuocchi, camerieri, operai, operatori sanitari e di assistenza sociale
(bambini, anziani in casa), parrucchieri, commessi e muratori.
Migrants' previous professional experiences
25
20
15
10
5
te
r
ca
co
sh
ha
ok
ie
r
ird
/c
oo
re
ki
s
s
ng
in
g
as
si
st
an
m
t
ai
ld
lo
el
gi
ive
st
ic
ry
as
si
st
an
t
wo
rk
no
er
ex
s
pe
r ie
nc
e
ba
rm
an
wa
i
ho
us
e/
ho
te
he
lc
al
le
th
an
&
in
so
g
c
ia
la
lc
w
ye
ar
e
ra
ho
ss
te
is
lr
ta
ec
sa
nt
ep
le
s
t
i
re
on
pr
is
es
t
en
ta
t iv
br
e
ic k
la
sh
y
op
in
g
as
sis
ta
nt
0
E’un dato estremamente positivo che solo l’ 8,9% non abbia alcuna precedente esperienza
professionale, in questo caso il dispositivo LO-MATCH job matchmaking non può fare molto per
aiutare ad abbinare offerta e richiesta di lavoro. Ma ciò che potrebbe risultare come un impedimento,
risulta essere una risorsa, infatti la Piattaforma LO-MATCH può essere utilizzato come un dispositivo
di orientamento o uno strumento per individuare, in linea con le reali offerte di lavoro disponibili e
97
con il mercato del lavoro in ogni momento dell’anno, il gap di formazione necessaria da soddisfare per
accedere a uno o più dei profili professionali inclusi nella piattaforma.
Ciò che si rivela essere settoriale sono le aspirazioni professionali o di carriera dei migranti: gli
studenti presso la scuola superiore di cucina italiana vorrebbero diventare cuochi o maitres, in quanto
hanno già iniziato a lavorare non regolarmente registrati nel settore, ma con compiti umili e salari
molto bassi; gli studenti che frequentano la scuola superiore italiana di meccanica e termo-tecnica
vorrebbe trovare un lavoro migliore (di livello superiore) o un lavoro a tempo indeterminato. I
Sudamericani emigrati in Spagna volevano che fossero riconosciute le loro esperienze professionali e
sviluppare le proprie opportunità professionali, ma i migranti della ex Jugoslavia che vivono in
Slovenia sono giunti allo sportello unico del partner con l'obiettivo di ottenere la Qualifica
Professionale Nazionale per assistente delle pulizie. I migranti che vivono in Italia che hanno fatto
domanda allo sportello unico presso la Camera di Commercio di Vicenza, dal'altro canto avevano
specifiche ambizioni professionali: per lo più diventare addette alle pulizie (le donne) e operai (gli
uomini). I migranti che vivono nei Paesi Bassi vorrebbero diventare venditori. I 5 muratori e 5 cuochi
emigrati in Francia hanno fatto domanda all’associazione di imparare meglio il francese, di avere
chance di essere integrati in modo migliore e di trovare un nuovo lavoro o uno migliore in pochi anni.
La situazione dei migranti e delle professioni in Polonia mostra certe regolarità. I cittadini dell'UE
spesso lavorano nella finanza e nell'industria, gli immigrati dalla Russia e altri stati dell'ex Unione
Sovietica (principalmente Ucraina e Bielorussia) trovano lavoro nel commercio e delle costruzioni, i
cittadini degli Stati Uniti spesso diventano insegnanti di inglese, mentre gli immigrati provenienti
dall'Asia spesso lavorano nel settore alimentare.
5.8 I datori di lavoro
Se da un lato la procedura MATCH dei job seekers è stata impegnativa ed ha portato un sacco di
lavoro in termini di colloqui, compilazione di documenti, platform surfing, la parte dei datori di lavoro
è stata ancora più difficile, dato il momento attuale di crisi. E 'stato davvero difficile trovare singole
aziende che volessero entrare nella piattaforma, perché questo è un momento in cui le aziende non
sono esattamente alla ricerca di collaboratori.
98
MATCH's Em ployers country of origin
30
25
20
Serie1
15
10
5
0
FRANCE
SPAIN
ITALY
POLAND
SLOVENIA
THE
NETHERLANDS
Tuttavia in Spagna un’impresa è riuscita ad inserire annunci di lavoro reali, in Slovenia ce ne sono
state 3 e nei Paesi Bassi 6, le offerte di lavoro riguardano diversi settori (pulizia, meccanico, assistenza
sociale, vendite in negozio). La situazione olandese dovrebbe essere presa in considerazione in quanto
le offerte di lavoro sono venute da aziende di vendita al dettaglio per potenziali commessi. La cultura
nella vendita al dettaglio è che se oggi hanno un'offerta di lavoro, deve essere soddisfatta il più presto
possibile, preferibilmente entro una settimana e il potenziale assistente dovrebbe essere un
dipendente a tutto tondo. Si tratta naturalmente di un problema, perché il processo di job
matchmaking può essere più lungo di una settimana e, soprattutto, non ci sono beneficiari a tutto
tondo, c'è una certa quantità di formazione da fare. Questo aspetto critico è stato correttamente
gestito e, alla fine, quando la formazione è terminata, c'è da sperare che il job matchmaking possa
aver luogo. Si dovrebbe notare che insolitamente le imprese olandesi si sono avvantaggiate
immediatamente del dispositivo LO-MATCH e hanno descritto le loro offerte di lavoro utilizzando il
KSC nella piattaforma.
Un fenomeno interessante ha avuto luogo in Italia dove, a causa del momento di crisi, è stato
particolarmente difficile trovare reali opportunità di lavoro esistenti sul mercato, offerte dalle singole
aziende, anche se il partner è strettamente in relazione con la Camera di Commercio di Vicenza . Per
superare questo problema è stata avviata una proficua collaborazione con agenzie di lavoro a livello
internazionale, come ad esempio Adecco, Humana .... in grado di offrire opportunità di lavoro anche
all'estero. Inoltre, dato che è diventata una pratica comune al giorno d'oggi dare incarico alle agenzie
di lavoro di cercare nuovo personale, il ricorso a queste agenzie ha permesso al partner di sfruttare
una più ampia varietà di offerte di lavoro in conformità con il desiderio delle imprese di mantenere la
prima posizione per motivi di privacy. Attualmente la piattaforma include 54 jobseekers e sebbene
non sia stato effettuato un job matching fino ad ora, è un processo in continuo svolgimento. Tuttavia
l'obiettivo del progetto non è stato quello di realizzare un job matchmaking, ma piuttosto di creare
una piattaforma di job matchmaking, capirne il funzionamento e analizzare i punti di forza e di
debolezza e le possibili misure di miglioramento.
99
5.9 Punti di forza e punti di debolezza
Commenti positivi
La fase pilota ha avuto anche lo scopo di testare la metodologia elaborata e la piattaforma di job
matchmaking. Infatti le osservazioni dei partner insieme ai migranti e agli operatori coinvolti nella
sperimentazione, hanno contribuito ad una serie di osservazioni che possono davvero essere
considerate il punto di partenza di una ulteriore fase del progetto.
A causa del momento di crisi è stato particolarmente difficile trovare vere e proprie offerte di lavoro
esistenti sul mercato, ma quello che è risultato come un problema insormontabile, si è rivelato una
risorsa.
Infatti, sono stati avviati importanti contatti con i centri di reclutamento internazionale e le agenzie di
lavoro.
Il valore aggiunto di una sorprendente piattaforma semantica transnazionale, che abbina dei migranti
in cerca di lavoro a datori di lavoro, è che sorprendentemente un migrante che vive in Italia potrebbe
trovare una corrispondenza con un datore di lavoro francese o spagnolo o olandese attraverso la
piattaforma. Mai prima d'ora la mobilità dei lavoratori era stata così ben supportata. I migranti sono
in grado di identificare, tra le offerte di lavoro contenute nella base di conoscenza, quelle che meglio
potrebbero valorizzare le loro competenze, le aziende possono selezionare i migliori candidati per una
posizione di lavoro, quando un cercatore di lavoro scrive il suo curriculum (offerta) questo si esprime
in un modo che è "compatibile" con il modo in cui le aziende / datori di lavoro hanno espresso le loro
esigenze (domanda) e viceversa (lo scambio di domanda e offerta), in modo che possa essere trovata
la migliore corrispondenza tra l'offerta e la domanda di lavoro.
LO-MATCH è una piattaforma web che sfrutta tecnologie semantiche per superare le differenze
lessicali nelle descrizioni di qualifiche, curricula e profili professionali, stabilendo così il valore
potenziale di LO-MATCH come un mercato del lavoro a livello europeo.
Anche se l'obiettivo del progetto non è stato proprio quello di suggestivi contatti di lavoro, il massimo
beneficio implicito derivante dal coinvolgimento dei beneficiari di questo progetto è stato il loro
aumento di autostima, autocoscienza, cioè la consapevolezza del proprio progetto di vita o valore
professionale.
In Slovenia, ad esempio, gli operatori hanno potuto notare soltanto un po’ più di consapevolezza dei
migranti rispetto alla loro precedente esperienza di lavoro professionale, di cui non erano a
conoscenza prima. E non sapevano quanto contassero, mentre in Polonia, anche se hanno coinvolto
solo 3 migranti, la consapevolezza crescente dei migranti per quanto riguarda la loro esperienza
professionale e KSC acquisito era tangibile. Gli strumenti pilota sono stati considerati molto utili nel
processo di compilazione di un dettagliato curriculum vitae contenente le informazioni in termini di
KSC. È un dato di fatto che la maggiore consapevolezza delle proprie capacità e competenze abbia
100
portato ad aumentare la loro autostima e li abbia dotati di efficaci strumenti di auto-presentazione.
Inoltre questa nuova percezione ha aiutato i migranti ad adattarsi a nuove situazioni in materia di
occupazione. L'esperienza pilota è stata in qualche modo la possibilità di mostrare ai migranti le
opportunità di lavoro e di formazione.
Anche se è stato suggerito che la piattaforma dovrebbe essere un po 'più user-friendly, dovrebbe
funzionare più velocemente e in modo più efficiente e anche le procedure dovrebbero essere un po'
meno complesse, il valore dell'esperienza è stato chiaro e, soprattutto, è stato ancora più chiaro che
tale sperimentazione era nuova.
Gli operatori italiani, così come gli olandesi e quelli sloveni hanno notato che la difficoltà nel
padroneggiare la lingua locale (italiano, olandese, e sloveno) e nell’uso del computer, ha di fatto
creato un sacco di problemi, soprattutto nei momenti di sperimentazione comuni, come per esempio
quando lo scopo del progetto e il funzionamento della piattaforma sono stati spiegati, o anche
durante i colloqui individuali, in cui il singolo profilo professionale è stato selezionato e le relative
conoscenze, abilità e competenze sono state espresse con un linguaggio tecnico che i migranti non
potevano capire facilmente.
La difficoltà è stata parzialmente superata utilizzando diverse lingue straniere (ad esempio utilizzando
i profili professionali francesi del partner francese, ove esistenti, per gli immigrati nordafricani in
Italia) o basandosi su strategie ponte. Ancora una volta ha avuto successo la strategia di gruppo, cioè
dividendo i migranti in gruppi in cui uno o più migranti, più competenti nella lingua italiana o nell'uso
del PC, potevano spiegare od aiutare i loro compagni a capire meglio.
Il fatto che fosse piuttosto complesso inserire nuovi profili per rispondere meglio alle emergenti
esigenze e alle più varie competenze possedute dai migranti, suggerisce che le misure di
miglioramento dovrebbero implicare una riformulazione o un adattamento della piattaforma per
consentire una strutturazione snella e la creazione di profili. Ciò consentirebbe una maggiore
flessibilità e adattabilità ai profili professionali specifici di contesto, una conseguenza inevitabile di ciò
sarebbe un maggior numero di colloqui e accessi alla piattaforma LO-MATCH.
La metodologia proposta può essere ancora più funzionale al conseguimento degli obiettivi del
progetto, se opportunamente accompagnata da una piattaforma più snella, in grado di meglio
rispondere alle questioni occupazionali specifiche del territorio. Infatti la fase pilota italiana, in
qualche modo ha sofferto all’inizio, in dipendenza del fatto che i profili professionali della domestica e
dell’addetto alle pulizie non erano presenti perché non erano presenti nel database delle professioni,
l'NQF italiano, al momento della fase pilota, indipendentemente dal fatto che la maggiore offerta in
termini di occupazione dei migranti sia rappresentata dal servizio di domestica e addetto alle pulizie.
La fase di sperimentazione si è rivelata davvero interessante e fruttuosa per i migranti, non solo come
un processo individuale al quale prendere parte, ma anche per la dimensione di gruppo. La procedura
di ricerca attiva di lavoro, i suoi strumenti, e LO-MATCH è uno fra questi, il colloquio di lavoro e il
101
corretto comportamento da adottare sono stati tutti sperimentati in una dimensione di gruppo e
attraverso simulazioni, dimostrandosi così più efficaci e redditizi. A volte, come nel caso della
sperimentazione polacca e olandese, i colloqui sono stati trattati esclusivamente in forma individuale.
La sperimentazione è stata anche molto fruttuosa perché durante i colloqui alcuni dei migranti hanno
approfittato della presenza degli esperti di orientamento, per chiedere ulteriori informazioni in
materia di lavoro e di diritto del lavoro, o di contratti di lavoro, che nel complesso contribuiscono
all’arricchimento individuale di tutte le persone alla ricerca di un posto di lavoro, in particolare i
migranti, il vero obiettivo dell’ intero progetto MATCH.
Un risultato incorporato della sperimentazione è stato in effetti l’elevata necessità e importanza dei
progetti destinati a sostenere la ricerca di lavoro, in particolare per le persone svantaggiate e per gli
stranieri che, a prescindere dal sapere come cercare un posto di lavoro, hanno anche bisogno di
conoscere alcuni aspetti giuridici e culturali connessi al mondo del lavoro italiano.
Il progetto rappresenta di per sé una grande opportunità per chiunque, migranti e non, soprattutto
per chi cerca lavoro, non sufficientemente esperto per accedere autonomamente alla banca dati
offerte di lavoro su internet o per scrivere e inviare il proprio curriculum vitae attraverso il web.
Inoltre, la piattaforma LO-MATCH è uno straordinario strumento che consente all'utente di diventare
consapevole delle sue precedenti esperienze professionali, in termini di conoscenze-abilitàcompetenze e di metterle a frutto nel mercato del lavoro.
Come i migranti coinvolti nella sperimentazione hanno espresso nei questionari di customer
satisfaction somministrati al termine dell'esperienza, il risultato poliedrico derivante da tale
sperimentazione è stato la loro più alta consapevolezza delle proprie competenze, delle loro esigenze,
non solo professionali, ma anche culturali, linguistiche, di carattere legale. Ma soprattutto il risultato
più sorprendente di entrare in questa sperimentazione, è stato divenire consapevoli di quali siano le
reali richieste del mercato del lavoro al momento, in quali termini e con quali modalità si dovrebbero
offrire le proprie competenze al mercato del lavoro e come si possa riempire il divario esistente tra ciò
che si sa fare e ciò che richiede una reale offerta di lavoro caricata sulla piattaforma LO-MATCH.
E' stato infatti uno degli obiettivi impliciti del progetto, quello di intrecciare il mondo dell'istruzione e
della formazione con il mondo di chi cerca e offre lavoro, come è stato dato conto nel più ampio
obiettivo di apprendimento permanente stabilito anzitutto dalla strategia di Lisbona nel 2000, da
raggiungere entro il 2010, per sconfiggere la bassa produttività e la stagnazione della crescita
economica nell’Unione Europea. La crisi attuale dimostra che gli obiettivi dell'anno 2000, anche se
non sono stati completamente raggiunti, non erano abbastanza per combattere contro la crisi
mondiale attuale, ma l'idea di "un’ economia più competitiva e dinamica, basata sulla conoscenza del
mondo, capace di una crescita economica sostenibile, con posti di lavoro più numerosi e migliori e
una maggiore coesione sociale" può e deve essere ancora la strategia leader in Europa per il futuro.
Istruzione e formazione sono l'unica chiave per la creazione di "un’ economia e società europea
competitive e dinamiche basate sulla conoscenza". Quando i migranti manifestano l'esigenza di
102
istruzione e formazione, si deve essere consapevoli del fatto che, anche se non completamente
raggiunto, l'obiettivo europeo è reale e può confermare il sogno europeo come Jeremy Rifkin lo ha
descritto nel 2004 [...] il "sogno europeo è quello in cui gli individui trovano la sicurezza non per
accumulazione di ricchezza individuale, ma attraverso la connettività, lo sviluppo sostenibile , e il
rispetto dei diritti umani ".
Criticità
Quasi tutte le esperienze pilota hanno dimostrato, a un certo punto, che le barriere linguistiche dei
migranti sono reali, concrete e influenzano la loro integrazione a tutti i livelli. Anche se molti paesi
hanno fondato l'apprendimento delle lingue come parte di un programma nazionale di integrazione
degli immigrati, anche in questo progetto è stato dimostrato che in Slovenia, ma anche in Italia,
Polonia e Paesi Bassi, gli immigrati hanno ancora una scarsa conoscenza della lingua parlata nel paese
in cui sono emigrati e questo influisce sulla comunicazione e sulla comprensione. In Italia, per questo
motivo, nelle due scuole superiori la fase pilota è stata accompagnata da un corso di lingua italiana.
Infatti i beneficiari del progetto non sapevano né parlare un adeguato livello di italiano, né utilizzare il
database, pertanto, accedere alla piattaforma LO-Match, creare il proprio profilo personale e
verificare le possibili offerte di lavoro sarebbe stato impossibile senza l'aiuto degli operatori del
progetto. Altrove in questa relazione è stato fatto un accenno al il duro lavoro degli operatori
impegnati nel tradurre in altre lingue comuni (serbo, francese, ...) o per spiegare in parole più semplici
l'insieme di conoscenze, abilità e competenze che compongono la piattaforma.
Gli ostacoli alla sperimentazione sono stati anche in qualche modo impliciti nei sistemi nazionali dei
partner, come nel caso della Polonia, dove, dato che non vi era praticamente alcuna migrazione nella
regione (a causa dei salari bassi, alti tassi di disoccupazione, difficoltà linguistiche, scarsa assistenza
sociale, poca esperienza con i migranti), e quindi con pochi migranti, è stato difficile realizzare una
sperimentazione proficua. Tuttavia la sperimentazione è stata effettuata. Tra le difficoltà incontrate,
la riluttanza dei migranti a rivelare informazioni personali, riluttanza e diffidenza che sono state
registrate anche da parte dei datori di lavoro, la protezione dei dati sui migranti, la barriera linguistica
è stata una delle principali. Dato che soddisfa una serie di funzioni, il linguaggio svolge un ruolo
particolarmente importante nel processo di integrazione individuale e sociale. Esso costituisce sia il
mezzo di comunicazione di tutti i giorni, sia una risorsa, in particolare nel campo dell'istruzione e del
mercato del lavoro.
Oltre alle barriere linguistiche, le difficoltà si sono manifestate anche con le aziende, in Slovenia le
imprese sono state riluttanti a mettere i dati nella piattaforma. In realtà si chiedevano perché
bisognasse metterci così tanto impegno in tutta la raccolta dei dati. Mostrando mancanza di interesse
per il progetto hanno commentato: "ancora un'altra piattaforma di offerte di lavoro. Ce ne sono così
tante in Slovenia .... ". Tuttavia 3 aziende hanno percepito l'importanza del progetto e anche la novità
del sistema di job matching e hanno accettato di entrare nella sperimentazione con le offerte reali. E’
103
comprensibile che le aziende non siano state entusiaste del dispositivo di job matchmaking,
considerata la crisi attuale, ma si tratta solo di una certa povertà culturale del business. In Italia, più o
meno la stessa difficoltà ha portato ad una strategia, quella di attivare una collaborazione con le
agenzie di lavoro interinale in grado di offrire una più ampia gamma di offerte di lavoro. In Olanda le
imprese hanno fatto offerte di lavoro veloci nell’ambito del commercio al dettaglio a cui rispondere
entro una settimana, per candidati a tutto tondo, un abbinamento che di solito non si addice a
migranti con problemi di lingua. In questo caso, per entrare nella sperimentazione, è stata necessaria
anche una corretta preparazione per le imprese. In Polonia le uniche società che hanno mostrato
interesse per il progetto sono state quelle del settore alimentare e al dettaglio, ma in generale le
imprese hanno mostrato una mancanza di interesse per il progetto, anche se 3 aziende polacche
hanno messo le loro offerte nella piattaforma. In Spagna, solo un’impresa ha messo la sua offerta
nella piattaforma LO-MATCH. In effetti la maggior parte delle imprese spagnole nella regione del
partner non stavano cercando nuovi collaboratori durante la fase pilota. Tuttavia hanno considerato
la piattaforma interessante e utile.
Per quanto riguarda le criticità relative alla piattaforma stessa, dato che era il primo prototipo ha
subito diversi cambiamenti, con il risultato di diverse edizioni. Gli operatori l’hanno trovata a volte
bloccata o piuttosto lenta. La terminologia che conteneva era generalmente troppo difficile e
complessa per il livello linguistico dei migranti. A causa della scarsa alfabetizzazione ITC dei migranti,
non è stata ritenuta user-friendly, anche se gli operatori hanno potuto usarla correttamente e con
facilità, probabilmente perché avevano il tutorial.
L'intera fase di colloquio e caricamento dei dati sulla piattaforma a volte è stata ritenuta dagli
operatori troppo lunga e dispendiosa di tempo. Far corrispondere le precedenti esperienze lavorative
dei migranti con il database della piattaforma LO-MATCH non è stato sempre possibile, in quanto le
esperienze non coincidevano o addirittura non esistevano. Il data base si limita a fornire una serie di
posti di lavoro che non sempre corrispondono alle esperienze reali di lavoro dei migranti.
Il numero limitato e la varietà dei profili professionali inseriti nella piattaforma hanno costituito un
limite reale nella fase pilota. In effetti il più alto numero di profili, rispetto agli altri partner, che ora
compone la parte italiana della piattaforma LO-MATCH, non conta solo per il più alto numero di
migranti coinvolti, ma anche per la continua richiesta da parte degli operatori di disporre di molti più
profili corrispondenti alla molteplicità delle esperienze lavorative dei migranti. Al fine di portare
avanti la sperimentazione con un occhio al miglioramento continuo, più profili professionali sono stati
rapidamente inseriti per permettere una fase di sperimentazione feconda, anche se l'aggiunta di un
nuovo profilo ha comportato un sacco di lavoro.
Inoltre, il tempo assegnato per compilare il profilo del migrante e per completare la valutazione delle
competenze del migrante, vale a dire un'ora, spesso non è stato abbastanza per portare
completamente a termine il compito, non solo perché la compilazione dei moduli ha richiesto più
tempo e richiedeva un’ulteriore analisi più in profondità delll'esperienza dei migranti, ma anche
104
perché è stato particolarmente difficile per loro spiegare in italiano la loro esperienza di lavoro con
termini appropriati o tecnici.
Inoltre, dato che la piattaforma software ha avuto alcuni problemi tecnici, soprattutto e
plausibilmente nella fase di avvio, i colloqui sono stati ritardati o effettuati parzialmente.
5.10 Trasferibilità del modello
La piattaforma LO-MATCH rappresenta un soluzione abbastanza user-friendly che facilita cercatori e
datori di lavoro nel duro compito di estrarre rispettivamente le acquisizioni ottenute dalle loro
esperienze di apprendimento permanente, e i requisiti per ricoprire adeguatamente una posizione
aperta, utilizzando un linguaggio comune condiviso, per poi di aiutarli a trovare il migliore
abbinamento tra le acquisizioni e i requisiti di cui sopra. E' anche il primo lavoro che modella
strutture di dati, che sono necessari per trattare la questione del job matchmaking, affrontata nel
rispetto degli strumenti e delle raccomandazioni europee e considerando allo stesso tempo le
aspettative e le esigenze di entrambi gli attori coinvolti. Per mezzo di tecniche semantiche, il
confronto tra l'offerta e la domanda può essere effettuato prendendo in considerazione i dettagli
interni di ogni curriculum vitae e offerta di lavoro ed elaborando l’enorme quantità di informazioni in
questione, avendo a che fare con differenze linguistiche, culturali, sistemiche, ecc. nelle descrizioni e
con ambiguità e incompletezza in parole e frasi utilizzate dai soggetti coinvolti. L'approccio utilizzato
per la gestione dei passaggi generalmente critici connessi con la costruzione della base di conoscenze
richiesta e per l'annotazione del cercatore e datore di lavoro, ha fornito informazioni per riuscire a
ridurre lo sforzo da impiegare e le conoscenze richieste dalle organizzazioni partner del progetto e
dagli utenti finali. Vale la pena di dire che, nel quadro del progetto, la piattaforma LO-MATCH è stata
testata con insiemi di dati generati direttamente dalle organizzazioni partner. Gli sviluppi futuri
dovranno essere diretti a collegare l'architettura ideata alle piattaforme esistenti e ai depositi che
ospitano i profili, i curriculum vitae e gli annunci di lavoro. Inoltre saranno rivolti allo studio di ulteriori
possibilità di applicazione nello scenario più ampio dell'apprendimento permanente.
Naturalmente LO-MATCH non è stato il primo sistema ad offrire questo servizio di matching. A partire
da EURES, per arrivare ai più recenti forum di posti di lavoro on-line, molte sono state le
organizzazioni in grado di sviluppare un efficace strumento di lavoro per un servizio rapido e di ricerca
intelligente.
Ciò che distingue LO-MATCH dagli altri sistemi di lavoro è la sua articolazione dei profili professionali
in EQF-KSC, condividendo così lo stesso approccio al livello di diverse nazioni. Concordando gli stessi
criteri, le nazioni partner hanno altresì concordato di condividere offerte di lavoro e persone in cerca
di lavoro conformandosi così con il sogno europeo di consentire la libera circolazione della forza
lavoro in tutta Europa.
105
EURES, il servizio europeo per l'occupazione, coordinato dalla Commissione Europea, è una rete di
cooperazione per facilitare la libera circolazione dei lavoratori all'interno dello Spazio economico
europeo. Per informare e consigliare i lavoratori candidati alla mobilità sulle possibilità di lavoro in
Europa e aiutare i datori di lavoro che desiderano assumere lavoratori di altri paesi, EURES è il portale
europeo della mobilità professionale. Ma LO-MATCH più che un portale, è un sistema in grado di
individuare i gap di competenza nei confronti di una data opportunità di istruzione o di occupazione,
quindi è incredibilmente utile per informare, orientare e fornire consulenza sulle opportunità di
impiego per i lavoratori potenzialmente mobili, oltre ad assistere i datori di lavoro che intendono
assumere lavoratori del proprio o di altri paesi.
Inoltre, la novità di LO-MATCH è che, mentre il collocamento è stato tradizionalmente fatto da
cacciatori di teste alla ricerca di amministratori delegati a livello internazionale o di manager di alto
livello, ma mai per lavoratori a basso profilo, LO-MATCH è diretto specificamente ai migranti. Dato
che i migranti, di solito, provengono da paesi non europei, il loro problema è quello di vedere
riconosciute le loro carriere ed esperienze di lavoro, anche in considerazione del fatto che al
momento di lasciare i loro paesi, spesso non hanno i certificati di diplomi o altri tipi di evidenze. LOMATCH, in considerazione di questo insieme di aspetti critici, è riuscito a trovare un modo per
accreditare documenti attraverso un CV e per abbinare le competenze dei lavoratori con i requisiti dei
datori di lavoro, per consentire anche ai migranti di cercare il lavoro giusto.
Da questo punto di vista, il modello può essere vantaggiosamente trasferito in altri contesti di
sfruttamento, come per esempio nel caso di tirocini all'estero.
Come presenta la relazione del Forum di esperti di alto livello sulla mobilità, vi è una forte necessità di
migliorare la mobilità, sia in quantità e qualità, a livello europeo per dare ai giovani europei
opportunità di apprendere e sviluppare le proprie capacità.
Esportando questo modello ai progetti di inserimento lavorativo all'estero, potrebbero essere rimossi
alcuni ostacoli che impediscono l'estensione della mobilità di apprendimento, come la difficoltà di
trovare un’impresa adatta o la difficoltà nel descrivere il livello di competenza pratica dello studente.
Tirocini nazionali, stage o anche apprendistati possono usufruire di un dispositivo di matching fondato
su un database strutturato in conoscenze, abilità e competenze.
E, ultimo ma non meno importante, la piattaforma può inoltre essere utilizzata per aiutare gli studenti
e i lavoratori nell'identificazione del loro gap di competenza rispetto ad una determinata opportunità
di istruzione o di occupazione, per personalizzare la loro ulteriore istruzione e / o formazione, sia a
livello di formazione professionale sia di sistema universitario.
106
Partner del progetto
Fondazione Giacomo Rumor - Centro Produttività Veneto (Coordinatore del progetto)
France
Centre regionale pour le Développement locale, la formation et l'insertion des Jeunes
Rectorat de Paris DAFPIC - Réseau des GRETA de Paris
Italia
Camera di Commercio di Vicenza
Politecnico di Torino - Dipartimento di Automatica e Informatica
Ufficio Scolastico Regionale per il Veneto
Paesi Bassi
KCH internazional
Polonia
Zakład Doskonalenia Zawodowego w Kielcach
Slovenia
Centra RS za poklicno izobraževanje
Gospodarska zbornica Slovenije za Centro poslovno usposabljan
Spagna.
Cámara de Comercio de Oviedo
Partner silente
Verband der Schweizerischen Volkshochschulen (VSV) - Svizzera
Fondazione Giacomo Rumor
Centro Produttività Veneto
Via E. Montale, 27 – 36100 Vicenza (IT)
Tel: +39 (0)444 994700 – Fax: +39 (0)444 994710
[email protected]
www.cpv.org
107
