Como a Índia potencializa seus dividendos demográficos

Enquanto a maioria dos países desenvolvidos do mundo luta contra o envelhecimento da população, aumentando a idade da reforma e acolhendo os migrantes, outros países estão preocupados em como integrar um grande número de jovens no mercado de trabalho. A série “Deloitte’s Voice of Asia” (A voz da Deloitte na Ásia) relatou que muitos países na Ásia testemunharam um crescimento constante na população em idade ativa, com cada vez mais jovens homens e mulheres entrando no mercado de trabalho a cada ano. A Índia é o primeiro país da lista.

De acordo com os números do World Economic Forum (Fórum Económico Mundial), metade da população da Índia tem menos de 25 anos e um quarto tem menos de 14 anos. Levando em consideração que é o segundo país mais populoso do mundo, com 1,3 bilhão de cidadãos, a Índia representa um quinto da juventude mundial. Como a maioria dos economistas previram, a Índia se beneficiará do bônus demográfico e terá uma economia em rápido crescimento.

Para realizar a vantagem demográfica, a Índia precisará acelerar significativamente a criação de empregos e o investimento em capital humano para acompanhar o crescimento da população em idade ativa. Atualmente, há 17 milhões de pessoas que entram anualmente no mercado de trabalho e apenas 5,5 milhões de empregos criados [1]. Num levantamento efectuado pela OCDE, mais de 30% dos jovens indianos entre os 15 e os 29 anos não estão empregados nem em educação ou formação (NEETs) [2].

Isabelle Joumard, economista sénior e chefe do gabinete da Índia na OCDE, explicou: ” NEETs inclui todos os jovens deixados de fora do emprego remunerado e sistemas formais de educação e formação. São NEET porque não há empregos de qualidade suficientes a serem criados no sistema, e porque eles têm poucos incentivos ou enfrentam demasiados constrangimentos para estarem nos sistemas de educação e formação” [2].

Olhando de um ponto de vista global, as taxas de desemprego juvenil permanecem acima dos 20% em algumas economias europeias. O Médio Oriente e o Norte de África têm tido taxas de desemprego juvenil próximas dos 30% e as coisas continuaram a piorar nos últimos anos. No entanto, os jovens que encontraram trabalho têm muitas vezes de se contentar com empregos que não satisfazem as suas expectativas [3] e 16,7% dos jovens trabalhadores em economias e desenvolvimentos emergentes vivem em extrema pobreza [4].

Porquê as oportunidades de emprego são especialmente escassas nos países menos desenvolvidos? O desenvolvimento insuficiente de políticas, a infraestrutura precária e os canais de financiamento limitados estão entre as muitas razões para a carência de empregos. De acordo com os resultados do e4e “education for employment initiative” (inuciativa de educação para o emprego) conduzida pela “International Finance Corporation” (Corporação Financiera International) e o “Islamic Development Bank” (Banco Islâmico de desenvolvimento) o desajuste entre a educação e a demanda do mercado de trabalho é um grande obstáculo à criação de empregos [5].

Como apontado por vários estudos, desenvolver um ecossistema de habilidades voltado para a empregabilidade é fundamental para alavancar o potencial demográfico da Índia. Rajastão, o sétimo estado mais populoso da Índia, tem uma população de jovens com menos de 25 anos, que representa quase 55% de toda a população do estado. De 2012 a 2018, a taxa de desemprego aumentou de 4,5% para 7,7%. O problema do desemprego no estado do Rajastão é agravado por questões como a falta de formadores de qualidade e o não alinhamento da educação e das qualificações [6].

Para resolver estes problemas, o Estado vem intensificando continuamente a criação de infraestruturas da educação. Em 2004, Rajastão tornou-se o primeiro Estado do país a implementar uma missão de competências com o objectivo de reduzir a diferença entre a oferta e a procura de mão-de-obra qualificada e, consequentemente, aumentar a taxa de emprego. Para melhorar ainda mais a qualidade da qualificação, universidades de competência foram fundadas, um projeto pioneiro no país [6].

Em Himachal Pradesh, localizado no norte da Índia, uma grande parte do emprego está na agricultura. Mais de dois terços da sua mão-de-obra são trabalhadores por conta própria, e a quantidade de empregos remunerados permanece muito baixa. Em 2018, o “Asian Development Bank (ADB)” (Banco Asiático de Desenvolvimento (ADB)) assinou um empréstimo com o governo indiano para impulsionar as “technical and vocational education and training (TVET)” (instituições de ensino e formação técnica e profissional (TVET)) e para ampliar os ecossistemas de qualificação em Himachal Pradesh. Os planos para este projeto incluem transformar 11 bolsas de emprego em modelos de centros de carreira, modernizar equipamentos de treinamento, empregar um sistema de informação de treinamento e criar um melhor acesso à TVET de qualidade relevante para o mercado de trabalho dos jovens do estado, a fim de prepará-los para as mudanças nas necessidades do mercado de trabalho. [7]

JANZZ.technology ajuda os governos a população activa no mercado de trabalho, a través do uso de tecnologia baseada em IA (Inteligência Artificial). Em colaboração com o “Ministerio de Trabajo, Empleo y Seguridad Social (MTESS)” e a “Dirección General de Empleo (DGE)”, implementamos com sucesso no Paraguai a plataforma ParaEmpleo, uma solução tecnológica de correspndência de empregos. A colaboração entre o Paraguay e a JANZZ.technology, se enquadra no âmbito do Programa de Apoio à Inserção Laboral, apoiado pelo “Banco Interamericano de Desarrollo (BID)” (Banco Interamericano de Desenvolvimento) desde de 2011.  A representante do BID no Paraguay, María Florencia Attademo-Hirt, falou muito bem sobre a tecnologia da JANZZ, dizendo: ” Ferramentas inovadoras como esta são o que vai melhorar a vida dos paraguaios, além do Mercosul e do contexto regional ” [8]. O uso inovador da tecnologia é o caminho correto e eficiente para resolver muitos problemas atuais do mercado de trabalho. Se você, como organização governamental, está buscando soluções para para combater as questões do mercado de trabalho em seu país, por favor não hesite em nos contactar via sales@janzz.technology, onde estaremos encantados em fornecer mais informações, adaptadas à suas necesidades específicas.

 

 

 

[1] NASSCOM, FICCI and EY. 2017. Future of jobs in India – A 2022 perspective. URL: https://www.ey.com/Publication/vwLUAssets/ey-future-of-jobs-in-india/%24FILE/ey-future-of-jobs-in-india.pdf [2019.04.30]

[2] OECD. 2017. OECD Economic Surveys India. URL: https://www.oecd.org/eco/surveys/INDIA-2017-OECD-economic-survey-overview.pdf [2019.04.30]

[3] Guy Ryder. 2016. 3 ways we can tackle youth employment. URL: https://www.weforum.org/agenda/2016/01/3-ways-we-can-tackle-youth-employment/ [2019.04.30]

[4] ILO. 2017. Global employment trends for youth 2007. URL: https://www.ilo.org/wcmsp5/groups/public/—dgreports/—dcomm/—publ/documents/publication/wcms_598675.pdf [2019.04.30]

[5] Lars Thunell. 2012. How do we create more jobs for young people? URL: https://www.weforum.org/agenda/2012/01/how-do-we-create-more-jobs-for-the-youth/ [2019.04.30]

[6] Pwc and FICCI. 2019. Fast forward: relevant skills for a buoyant Indian economy. URL: http://ficci.in/spdocument/23062/FICCI-PwC-rajasthan-report.pdf [2019.04.30]

[7] ADB. 2018. ADB, India sign $80 million loan to help boost youth employability in Himachal. URL: https://www.adb.org/news/adb-india-sign-80-million-loan-help-boost-youth-employability-himachal [2019.04.30]

[8] IDB. 2019. Algorithms that get you a job in Paraguay. URL: https://www.iadb.org/en/improvinglives/algorithms-get-you-job-paraguay [2019.04.30]

 

Ontologia e taxonomia: não são sinónimos. Vamos comparar para estabelecer as suas diferenças

A palavra “ontologia” pode ser abstrata para muitas pessoas. A sua origem vem de um sonho de Tim Berners-Lee de inventar a World Wide Web. Este sonho incluía que a Web fosse capaz de definir a chamada “web semântica”, analisando todos os dados da rede, incluindo conteúdo, links e transações entre computadores e pessoas. Na web semântica, o Resource Description Framework (RDF) e Web Ontology Language (OWL) foram estabelecidos como formatos padrão para compartilhar e integrar dados e conhecimentos, este último na forma de ricos esquemas conceituais chamados ontologias [1.] Neste artigo, vamos usar a palavra ontologia como uma definição de metodologia de trabalho, no entanto, vale ressaltar que, no mundo atual das tecnologias de informação e comunicação, o termo “gráfico de conhecimento” é amplamente utilizado como sinônimo de ontologia.

Porque uma ontologia é importante

Falando em Inteligência Artificial (IA), os termos “Big Data”, “aprendizagem automática” e “aprendizagem profunda” estão lentamente substituindo o uso do termo “IA”. No entanto, para citar Adrian Bowles: “não há inteligência artificial sem a representação do conhecimento”. Em outras palavras, a IA requer elementos de engenharia do conhecimento, arquitetura da informação e uma quantidade significativa de trabalho humano para realizar seu “trabalho neural mágico”. Alexander Wissner-Gross argumenta que talvez a coisa mais importante seja reconhecer que são os conjuntos de dados inteligentes e não os algoritmos que provavelmente serão o fator principal limitante no desenvolvimento da inteligência artificial no nível humano.

             “Não há inteligência artificial sem a representação do conhecimento.”

Uma ontologia é uma representação estruturada e formal do conhecimento relacionado a uma determinada área. Isso é necessário porque, ao contrário dos humanos, a IA não pode ser diretamente baseada em noções humanas pré-estabelecidas sobre o uso correto de um termo. O que uma ontologia pode fazer, entretanto, é “aprender” sobre o significado semântico de um termo através das ligações entre os conceitos de seu sistema. Já existem ontologias poderosas em campos específicos, como a Ontologia da Indústria Financeira Empresarial (FIBO), bem como numerosas ontologias para a área da saúde, geografia ou setor de emprego.

Outra parte importante da IA é o raciocínio semântico. Além de identificar transações potencialmente fraudulentas, determinar a intenção dos usuários baseando-se no histórico do navegador e fazendo recomendações de produtos, a IA também pode fazer o seguinte: executar tarefas que requerem raciocínio explícito, baseado em conhecimento geral e específico do assunto, como compreender artigos de notícias, preparar comida ou comprar um carro. Esse tipo de tarefa requer informações que não fazem parte dos dados de entrada e devem ser combinadas dinamicamente com o conhecimento. Este tipo de raciocínio informático só pode ser alcançado com ontologias e a forma como o conhecimento que elas incluem é estruturado. [2]

Taxonomia e ontologia são fundamentalmente diferentes

A ontologia é muitas vezes confundida com a taxonomia.  Além do fato de que ambos termos pertencem aos campos de IA, web semântica e engenharia de sistemas, não há muito mais que os defina como sinônimos. Classificações taxonómicas como O*NET (Rede de Informação Ocupacional) e ESCO (European Skills/Competences, qualifications and Occupations) simplesmente não podem ser comparadas com ontologias.  As primeiras fornecem uma abordagem muito mais simples para a classificação de conceitos, uma vez que têm uma estrutura hierárquica e utilizam apenas relações pai-filho entre termos, sem uma ligação adicional mais sofisticada. As ontologias, por outro lado, são uma forma muito mais complexa de categorização. Metaforicamente falando, uma taxonomia seria equivalente a uma árvore, enquanto uma ontologia seria para uma floresta.

Aqui um exemplo: O termo “golfe” pode aparecer em várias taxonomias.  Pode estar localizado debaixo de uma árvore de ” Atividades humanas” (atividades humanas -> atividades de lazer -> esportes -> golfe).  Ele também pode ser encontrado em uma taxonomia relacionada com o vestuário (vestuário -> vestuário casual/activo -> vestuário desportivo -> vestuário de golfe e acessórios). Ele poderia até mesmo aparecer em algo muito diferente, por exemplo, uma taxonomia de carro (carro -> Alemanha -> VW -> Golf). Em uma ontologia, cada uma dessas taxonomias pode ser considerada como uma árvore, cujos galhos se conectam com o nó “golfe” de outros galhos, de outras árvores. [3]

Explicadas de outra forma, as taxonomias representam um conjunto de tópicos, que têm uma relação cujo propósito é definir “isto é…”, enquanto as ontologias desenvolvem conexões muito mais complexas, permitindo relações que reconhecem que “isto” “tem…” e “usa…”. 4] Portanto, se voltarmos ao exemplo de classificação anterior, as taxonomias não têm a capacidade de comparar conceitos de crianças.

Na classificação internacional ESCO, quase todos os médicos especialistas estão agrupados sob o título: Profissionais médicos especializados. Se analisarmos este caso, torna-se evidente que um enfermeiro especializado em anestesia e um médico anestesiologista têm conhecimentos e habilidades em comum, mas não podem se aplicar ao mesmo cargo. Além disso, os conjuntos de habilidades especializadas são simplesmente agrupados em listas gerais, sem nenhum link para as ocupações especializadas correspondentes. Por que isso acontece? Uma razão é que as classificações são utilizadas principalmente para fins estatísticos. Deste ponto de vista, não há necessidade de classificar todos os médicos especialistas de acordo com as suas competências e formação específicas. Então, de acordo com as taxonomias, as especializações só podem ser reconhecidas pelo cargo e é necessário recorrer a outras fontes para entender melhor seu conteúdo específico.

A construção de uma ontologia que contém: ocupações, capacidades, competências e formação, torna possível o reconhecimento automático das diferenças e semelhanças entre cargos. Por exemplo: Pediatras e neonatologistas têm empregos semelhantes, uma vez que ambos se dedicam ao cuidado da saúde dos recém-nascidos. Com a abordagem de modelagem ontológica, é possível determinar que uma pediatra tem uma percentagem muito alta de habilidades semelhantes às de um neonatologista. No entanto, pediatras só podem assumir o trabalho do neonatologista após receber treinamento adicional. Toda esta informação pode ser representada numa ontologia, através das inter-relações entre conceitos. Estas relações excedem em muito a capacidade de uma simples taxonomia.

Ontologias possibilitam a combinação de conjuntos de dados

Quando se trata de combinar, por exemplo, currículos com ofertas de emprego, não há melhor sistema para isso do que a utilização de uma ontologia. Muito frequentemente, formas simples de correspondência, com base em palavras-chave, ou métodos difusos de aprendizagem automática, são utilizados, o que significa que muitas semelhanças não são detectadas, portanto, não são obtidos resultados correspondentes. Elementos que levam a essa falta de resultados são, por exemplo, variações de palavras-chave introduzidas, sinônimos e frases alternativas. Para obter uma correspondência eficiente, é importante comparar a semântica (o significado subjacente) de dois elementos, em vez da redacção do texto. É aqui que as ontologias entram em jogo. Baseiam-se num modelo semântico, capaz de detectar os significados e semelhanças subjacentes entre CVs e descrições de funções.

A técnica de combinação ontológica é uma técnica fundamental que tem aplicação em muitas áreas, como a combinação de ontologias. Em domínios com regras muito complexas e interações complexas entre regras, não há substituto para ontologias. Isto é mostrado, por exemplo, quando se considera a integração de domínios muito diferentes. Suponha que existem duas ontologias separadas, uma ontologia meteorológica e uma ontologia geográfica. A criação de uma terceira ontologia que integre e tire partido do conteúdo das duas é uma proposta gerível que forneceria informações valiosas para a avaliação dos riscos de navegação ou para o domínio dos seguros. [5]

O verdadeiro valor das ontologias

O sistema semântico baseia-se em representações explícitas, e compreensíveis para o ser humano, de conceitos, relações e regras para desenvolver o conhecimento de uma determinada área. É impossível confiar unicamente nos programadores para construir tal sistema, baseado na aprendizagem automática, uma vez que eles não têm o conhecimento necessário para definir as relações entre os conceitos de cada domínio específico. Portanto, o conhecimento de uma área específica deve vir de especialistas nessa área e a integração de conhecimentos especializados em diferentes áreas é necessária (por exemplo, direitos de propriedade intelectual, dinâmica de fluidos, conserto de automóveis, cirurgia de coração aberto, ou sistemas educacionais e profissionais). Este processo é crucial para criar uma representação integral do conhecimento.

Para a ontologia multilingue da JANZZ, as capacidades são um ponto-chave. Em muitos casos, a tradução literal de um conceito para muitas línguas não é possível, no entanto, porque a Suíça é um país pequeno e multicultural, todos os nossos curadores de ontologia são fluentes em pelo menos duas línguas, e alguns até mais de quatro (incluindo chinês e árabe). Isto dá-nos uma grande vantagem, o que nos permite garantir a qualidade e consistência dos conteúdos em diferentes idiomas.

Há cerca de uma década, a JANZZ começou a construir a sua ontologia sobre várias taxonomias de ocupação, nomeadamente: CITP-08, ESCO e muitas classificações específicas de países. Ao longo dos anos, a JANZZ incorporou em sua ontologia milhares de novas profissões e funções (por exemplo, pesquisador de mercado, data minerador, especialista em geração milenar, gerente de mídia social, gerente comunitário, etc.) que não existiam anteriormente em nenhuma das taxonomias conhecidas. Além de novos títulos de emprego, a ontologia é constantemente atualizada com a inclusão de novos termos em todos os campos: habilidades, educação, experiência e especializações. O fato de que nossa ontologia é capaz de reconhecer semelhanças e ambiguidades entre empregos e outras áreas relevantes no campo da colocação de trabalho torna-o a ferramenta perfeita para empresas de RH e serviços públicos de emprego. Hoje, a ontologia JANZZ é de longe a maior, mais complexa e completa ontologia de dados de colocação de trabalho do mundo.

Felizmente, alguns governos e empresas escolheram o caminho certo e agora se beneficiam amplamente de nossa tecnologia de última geração. Para mais informação sobre a ontologia da JANZZ, por favor entre em contato conosco: sales@janzz.technology. Agradecemos desde já o seu interesse e teremos todo o gosto em responder a todas as suas perguntas.

 

 

 

[1] Ian Horrocks. 2008. Ontologies and the Semantic Web. URL: http://www.cs.ox.ac.uk/ian.horrocks/Publications/download/2008/Horr08a.pdf [2019.02.01 ]

[2] Larry Lefkowitz. 2018. Semantic Reasoning: The (Almost) Forgotten Half of AI. URL: https://aibusiness.com/semantic-reasoning-ai/ [2019.02.01]

[3] New Idea Engineering. 2018. What’s the difference between Taxonomies and Ontologies? URL: http://www.ideaeng.com/taxonomies-ontologies-0602 [2019.02.01]

[4] Daniel Tunkelang. 2017. Taxonomies and Ontologies. URL: https://queryunderstanding.com/taxonomies-and-ontologies-8e4812a79cb2 [2019.02.01]

[5] Nathan Winant. 2014. What are the advantages of semantic reasoning over machine learning? URL: https://www.quora.com/What-are-the-advantages-of-semantic-reasoning-over-machine-learning [2019.02.01 ]

 

Perspectivas realistas sobre o futuro do trabalho

Nos dias 27 e 28 de novembro de 2018, houveram muitas discussões interesantes na conferência em Washington. Nestes dois dias muitas possibilidades diferentes foram apresentadas, tais como a usagem de tecnologias modernas no ambiente de mercados de trabalho, o Blockchain, Inteligência Artificial e aprendizado de máquinas (machine learning). O evento, organizado pelo Banco Interamericano de Desenvolvimento (BID) e pelo laboratório de mídia do MIT, atraiu especialistas de alto nível de empresas privadas, organizações públicas e universidades de todo o mundo.  » Leia mais sobre: Perspectivas realistas sobre o futuro do trabalho  »

O MTESS implementou uma plataforma avançada de correlação entre cargos e oportunidades

O Ministro do Trabalho, Emprego e Seguridade Social (MTESS), Dr. Guillermo Sosa, apresentou nesta quarta-feira, 21 de fevereiro, uma nova plataforma para fortalecer as pesquisas de oportunidades de trabalho no Paraguai. Essa plataforma foi desenvolvida pela JANZZ.technology, com sede na Suíça.

A JANZZ.technology vai implementar sua plataforma ParaEmpleo.gov.com.py para oferecer melhores oportunidades de trabalho para jovens em busca de emprego, e este é o primeiro projeto da empresa na América Latina. Além do Paraguai, a Janzz.technology presta serviços a mais de 150.000 candidatos e empregadores em 5 países, em 40 idiomas diferentes. A plataforma incorpora avanços que permitem a busca de vagas e profissionais disponíveis e ajudam os profissionais em busca de recolocação, utilizando uma variedade de dimensões múltiplas, incluindo competências interpessoais, formação, experiência, disponibilidade contratual e geográfica, entre outras variáveis que otimizam a pesquisa de oportunidades. A plataforma tem mais de 100.000 homens-hora de desenvolvimento profissional e apresenta sua nova versão no Paraguai.

Por meio dessa nova plataforma via internet, chamada ParaEmpleo.gov.com.py, o Ministério do Trabalho pretende oferecer a tecnologia mais avançada de correlação entre cargos e oportunidades. Até o momento, mais de 25.000 candidatos já se cadastraram na base de dados “PARAGUAY PUEDE MÁS”. Uma vez concluído o processo de admissão, os jovens terão acesso a oportunidades de trabalho conforme suas competências e habilidades. Esse contrato faz parte do Programa de Apoio à Inclusão Trabalhista (PR-L1066), financiado pelo Banco Interamericano de Desenvolvimento, com um contrato de mútuo firmado com a República do Paraguai.

Para obter mais informações sobre este tema: blogs.iadb.org (em espanhol)

ESCO: Esperávamos uma ontologia – ficamos desapontados com a coleção de termos que recebemos

Quase quatro anos se passaram. Esperamos por um longo tempo – e estávamos curiosos para ver o que a Europa anunciava com tanta grandiosidade. Constantemente ansiosos para sabermos se isto soluciona problemas bastante conhecidos dos sistemas de classificação. A classificação da União Europeia para dados ocupacionais é conhecida como ESCO – European Skills, Competences, Qualifications and Occupations (Competências, habilidades, qualificações e ocupações na Europa). Até o momento, as classificações têm sido solucionadas por todos os Estados por conta própria, como o ROME na França, o KLdB na Alemanha ou o CP na Itália. Geralmente, têm como base a mãe de todas as classificações, a Norma Internacional de Classificação de Ocupações (International Standard Classification of Occupations – ISCO) publicada pela Organização Internacional do Trabalho por volta de 1960, mas não são necessariamente comparáveis – números e letras diferentes, e níveis de taxonomia diferentes podem distinguir as classificações.

janzz_esco_unsatisfied

Outros sistemas de classificação foram desenvolvidos primeiro, mas com finalidade principalmente estatística. Desta forma, foi possível compor ocupações com números de identificação, em grupos e, em seguida, gerar estatísticas, mas esses sistemas não ampliam a compreensão de ocupações individuais. O sistema em grupos costumava ser amplo e genérico em demasia. Por exemplo, todos os médicos especialistas são reunidos no mesmo grupo e esse grupo é descrito apenas com um mesmo conjunto de competências para todos os especialistas. Isto quer dizer que as competências de um oncologista são descritas como idênticas às de um gastroenterologista, de um ginecologista ou de um patologista. Portanto, conforme as taxonomias, eles teriam os mesmos conhecimentos e suas especializações seriam reconhecidas somente pelo nome de seus cargos. Com esse nível de imprecisão nas descrições, certamente não seria possível uma melhor compreensão dos cargos individuais.

A União Europeia não queria que a ESCO se desenvolvesse como mais um esqueleto vago demais, mas sim criar um entendimento comum das ocupações, competências, habilidades, conhecimentos e qualificações em todos os 26 idiomas cobertos, de forma que os empregadores, profissionais e instituições educacionais pudessem compreender melhor as necessidades e os requisitos uns dos outros. Desta forma, a liberdade de movimentação poderia compensar as lacunas de competências e desemprego em diferentes estados-membro, segundo Juncker.¹

Quase quatro anos se passaram desde o lançamento da versão de testes. Todas as partes interessadas possíveis se envolveram, como agências de emprego, assessores de carreira, estatísticos, cientistas… a fim de criar essa classificação em 26 idiomas. Quase quatro anos de testes, extensões, modificações e retrabalho… e agora, estou aqui em frente ao meu PC, digitando em uma base de dados online “Word” como competência desejada e a base de dados não reconhece o termo. A única sugestão alternativa: WordPress. Não está relacionada à minha busca. Se eu digitar “PowerPoint”, nada acontece. A base de dados não reconhece o termo, é a busca não será armazenada.²

Muito bem, vamos experimentar o Indeed. Somente na Alemanha, encontreis mais de 13.000 anúncios de vagas com o termo de pesquisa “PowerPoint”. Na França e no Reino Unido, são mais de 8.000 anúncios. Mas o termo “PowerPoint” não está classificado como uma competência em toda a Europa. O termo não figura entre as 13.485 competências da ESCO. Um profissional deve entender o empregador em potencial melhor, no sentido de que “PowerPoint” não é uma competência importante para se recolocar no mercado?

A base de dados, temos de admitir, reconhece o termo “Microsoft Office” quando digitamos “Microsoft”, mas a compreensão semântica da base de dados não vai além disto. Afinal, e expressão “software de edição de texto” é armazenada como uma competência isolada, sem relação com o Microsoft Office, e nenhuma das duas competências sugerem que sejam sinônimas.

A ESCO declara reconhecer 2.942 ocupações. É interessante notar que o sistema identifica um «coordenador de logística ferroviária » e também oferece determinadas ortografias alternativas, mas não reconhece o termo “especialista em logística”. De tempos em tempos, ocupações com problemas semelhantes são encontradas. Além disto, uma alternativa sugerida para o termo “agente de partido político” é «agente de relações públicas». Apenas para exemplificar uma sugestão de cargo equivocada.

A ESCO agora será disponibilizada em 26 idiomas. Sim e não, vou descobrir. Sim, os cargos estão disponíveis em 26 idiomas; sim, as competências também estão disponíveis. Contudo, as explicações dos termos são sempre em inglês, o que significa que um cargo poder ser traduzido em todos os idiomas, mas não as descrições dos cargos. Elas permanecem somente em inglês. Agora questiona-se se um empregador da França compreende a descrição da profissão de um candidato sueco melhor sem uma definição em seu idioma nativo, o francês. Ou se ele poderá avaliar se a classificação realmente coincide com a vaga que está oferecendo.

Além do fato de as qualificações serem disponibilizadas somente em um idioma: Grego. As descrições detalhadas somente podem ser encontradas nesse idioma. Em qualquer caso, um empregador de outro estado-membro não entenderá melhor os dados do candidato, mesmo se este for grego. A própria ESCO relata que as qualificações devem ser fornecidas pelos estados-membro e que serão integradas regularmente. Entretanto, 27 estados-membros deixaram muito tempo passar.

Agora eu preciso compilar tudo. Estou mais do que desapontado com alguns aspectos marginais. Esperei quase quatro anos desde que comecei a explicar as possibilidades de coleta para ontologias em conjunto com outras pessoas no Congresso da ESCO. Mas nenhuma ontologia foi desenvolvida, apenas uma taxonomia ou uma coletânea de termos. 2.942 profissões, 13.485 competências e 672 qualificações (em grego) foram integradas à ESCO. A ESCO aparentemente investiu muito tempo e provavelmente muito dinheiro nesse desenvolvimento. Mas daí a ser uma revolução em relação à meta de Juncker é bastante questionável.

A pergunta agora é: O que fazemos agora? Vamos ter esperança e aguardar mais quatro anos até que a ESCO seja capaz de atender às necessidades dos serviços públicos e privados de RH e recolocação? Ou talvez devamos buscar uma alternativa? E quanto a uma alternativa que represente uma verdadeira ontologia, com reconhecimento semântico? Uma que reconheça que um funcionário de um partido não tem a mesma função que o de um RP. Que saiba que “MS Word’ é a mesma competência que “Microsoft Word” ou processamento de texto. E que contemple diversos idiomas em todos os campos. Quem sabe já existe uma solução assim? Talvez uma pesquisa online possa apresentar os resultados desejados, nesse sentido. Por exemplo, o site http://janzz.technology.

 

[1] ESCO (2015). Estrutura estratégica da ESCO. Visão, missão, posição, valor agregado e princípios orientativos. Brüssel.

[2] Somente a base de dados online da ESCO foi utilizada nesta pesquisa.