Structuring visual exploratory analysis of skill demand

تجزیه و تحلیل داده ها به طور فزاینده ای وسیع و متنوع برای تفسیر معنادار و پاسخ به سوال، محدودیت های شناختی انسان را از بین می برد. در نتیجه، انتزاع نیمه اتوماتیک داده های پیچیده در فضاهای اطلاعاتی ساختاری، به طور فزاینده ای اهمیت می یابد، اگر محتوای دانش خود را برای حمایت از کشف شهودی، اکتشافی فراهم کند. اکتشاف تقاضای مهارت منطقه ای است که به طور مرتب به روز می شود، اطلاعات چند بعدی ممکن است برای ارزیابی توانایی در نیروی کار برای مدیریت خواسته های اقتصاد مدرن، تکنولوژی و داده مورد بهره برداری قرار گیرد. دانش مشتق شده ممکن است توسط متخصصین ماهر در تعریف مسیرهای شغلی برای شناسایی کجا، زمان و چگونگی به روزرسانی مهارت های خود در راستای پیشرفت تکنولوژی و تغییر نیازهای کار استفاده شود. این همان دانش نیز ممکن است برای شناسایی ترکیبی از مهارت های ضروری برای استخدام برای نقش های جدید استفاده شود. برای رسیدگی به چالش های ذاتی در جستجوی داده های پیچیده، ناهمگن و پویا که به چنین برنامه هایی افزوده می شود، ما از استفاده از هستی شناسی برای هدایت ساختار فضای اطلاعات استفاده می کنیم تا افراد و موسسات را به طور تعاملی کشف و تفسیر چشم انداز تقاضای مهارت پویایی برای نیازهای خاص خود. به عنوان یک مورد آزمایشی ما زمینه نسبتا جدید و بسیار پویا از علوم داده را در نظر می گیریم، در حالیکه تجزیه و تحلیل داده های اکتشافی و کشف دانش بسیار حیاتی است. ما سناریوهای مبتنی بر محتوا و کار را برای کشف سوالات تحقیقاتی خود و راهنمای طراحی تکراری، توسعه و ارزیابی مبتنی بر رویکرد کشف و تجزیه و تحلیل اکتشافی بصری و مبتنی بر هستی شناسی خود برای ارزیابی جایی که ارزش آن را به فعالیت های تحلیلی کاربران افزوده است، می پردازیم. یافته های ما پتانسیل رویکرد ما را تقویت می کند و ما را به راه های آینده برای ساختن برمی گرداند.