Digital verarbeitbare Kompetenzbeschreibungen - Ein Linked Data-Ansatz für ein generisches Kompetenzmodell

Jan Wunderlich und Meike Tilebein

Zunehmend spezialisierte, diverse und auch gänzlich neue Kompetenzen und Kompetenzprofile erschweren die Interpretation von Bildungsabschlüssen und das Matching von Anforderungsprofilen mit Kompetenzen von Individuen oder Gruppen. Wenn Kompetenzbeschreibungen natürlichsprachlich formuliert vorliegen, ist die informationstechnologische Unterstützung bei der Aktualisierung, Kommunikation und Analyse begrenzt. Es erscheint daher erstrebenswert, Kompetenzen in einer formalen, computerunterstützt auswertbaren Beschreibungssprache zu modellieren. In diesem Beitrag wird der Ansatz einer generischen Syntax zur Formulierung von Lernzielen vorgestellt, wodurch auch komplex formulierte Kompetenzen und Lernziele in einer computerunterstützt auswertbaren Ontologie abgebildet werden können und mit Semantic Web- und Linked Data-Techniken geteilt und weiterverarbeitet werden können.

Kompetenzen und ein damit verbundenes Kompetenzmanagement können in ein Spannungsfeld zwischen drei gesellschaftlich relevanten Kontexten platziert werden: als (auszubildendes) Produkt für Kompetenzentwickelnde (z. B. Hochschulen, andere Bildungsträger), als Potenzial für Kompetenztragende (Personen, Teams) und als Ressource für Kompetenznutzende (z. B. Unternehmen) [1]. Um Kommunikationsfähigkeit und Vergleichbarkeit von Kompetenzen innerhalb und zwischen den Kontexten und Akteuren zu gewährleisten sind anschlussfähige Kompetenzbeschreibungen notwendig. Für in natürlicher Sprache formulierte Kompetenzen im Bildungssektor bestehen nationale und internationale Standardisierungsansätze bzw. Formulierungshilfen und -empfehlungen. Dazu gehören der europäische Qualifikationsrahmen für lebenslanges Lernen (EQR), daran angelehnte nationale Qualifikationsrahmen (z. B. DQR), Qualifikationsrahmen für bestimmte Kontexte (z. B. HQR für Hochschulen), Fachqualifikationsrahmen (z. B. für die Wirtschaftswissenschaften [2]) und Lernziel- bzw. Kompetenzkataloge (z. B. im Bereich der Medizin der Nationale Kompetenzbasierte Lernzielkatalog der Medizin (NKLM) [3] bzw. die europäische Klassifikation für Fähigkeiten, Kompetenzen, Qualifikationen und Berufe (ESCO) [4]).
 


Bild 1: Modellierung von Lernzielen in einer generischen Syntax mithilfe von Klassen und formalen Relationen.
Skizzenhafte Veranschaulichung. Die Semantik der Klassen und Relationsarten ist standardisiert und damit von allen
Akteuren interpretierbar. Kontrollierte Vokabulare können über Namespaces angebunden werden.

Kompetenzen und Lernziele

Trotz dieser Bemühungen scheint eine allgemein anerkannte Definition des Begriffs Kompetenz noch in weiter Ferne zu liegen. Je nach Lesart wird der Begriff Kompetenz neben der Deutung als Befugnis oder Zuständigkeit vor allem für Handlungsfähigkeiten und Fertigkeiten verwendet, die sich als Performanz manifestieren (können). Damit unterliegen Kompetenzen auch Faktoren wie (A) Persönlichkeitseigenschaften, Motivation und Volition. Sie beinhalten mitunter auch (B) Komponenten von Eigenverantwortung, Selbstorganisation und Selbst-Entwicklungsfähigkeit, unterliegen (C) einer Emergenz-Problematik und können häufig nur sinnvoll (D) situations- und kontextspezifisch konkretisiert werden [5-7].

Im Hochschulbereich hat im Zuge des Bologna-Prozesses die Formulierung von Lernzielen (häufig synonym zu Lernergebnissen verwendet [6]) weite Verbreitung gefunden. Lernziele können als enger gefasste Kompetenzen verstanden werden, indem die oben genannten Faktoren und Komponenten (A-C) in der Beschreibung unberücksichtigt bleiben und die Performanz als das Anwenden von Fach- und Methodenwissen in konkreten Prüfungssituationen verstanden wird.

Für die Formulierung von Lernzielen in natürlicher Sprache existieren Empfehlungen und Leitfäden wie in [8] und [9]. Zur Qualitätsentwicklung und Analyse von Bildungsangeboten können Lernziele im Rahmen eines Curriculum Mappings mit weiteren curricularen Elementen verbunden werden. Dies erlaubt aussagekräftige Informationsaggregation und automatisierte Abfragen. Im Bereich der Medizin als Beispiel für eine große, stark normierte Fachrichtung werden Lernziele z. B. in den Projekten LOOOP [3] und MERlin [10] auf den NKLM gemappt und die Betrachtungsgegenstände im Sinne von Inhalt/Thema/Schlagwort (Topics) werden im Falle des LOOOP-Projekts zusätzlich auf den internationalen Thesaurus Medical Subject Headings (MeSH) gemappt. Dadurch können die entsprechenden Curricula z. B. hinsichtlich der Gewichtung und Abdeckung von Inhalten analysiert und auf ihre Konformität mit dem NKLM überprüft werden, und auch die Kompetenzprofile unterschiedlicher Rollen und Schwerpunkte in der medizinischen Ausbildung können visualisiert werden.
Durch ein Mapping von Lernverben (z. B. wiedergeben, berechnen, beurteilen) auf Kategorien (z. B. Wissen, Anwenden, Problemlösen) von Lernzieltaxonomien können Kompetenzen unterschiedlichen Niveaus bzw. Kompetenzarten zugeordnet werden.


Herausforderungen

Für Akteure in weniger stark normierten Disziplinen, für interdisziplinäre Fachbereiche und für Organisationen, die sich bei der Betrachtung der Kompetenzen ihrer Belegschaft üblicherweise mit fachlicher Vielfalt und domänenspezifischer Terminologie konfrontiert sehen, wäre ein formales Kompetenz-Mapping ebenfalls hilfreich. Allerdings mangelt es hier an einem gemeinsamen Referenzrahmen in Form von für alle Beteiligten brauchbaren (1) Lernziel-/ Kompetenzkatalogen, (2) geteilten Vokabularen zur inhaltlichen Verschlagwortung und (3) Einigkeit hinsichtlich der zu verwendenden Lernzieltaxonomie. Für Lernzieltaxonomien existieren unterschiedliche, konkurrierende Vorschläge [6] und das Konzept einer allgemeinen taxonomischen Zuordenbarkeit von Lernverben zu Kompetenzniveaus ist u. a. aufgrund der starken Kontextabhängigkeit von Kompetenzen nicht unumstritten [11, 12]. Dem Aufwand, der mit der Überführung von Kompetenzen in maschineninterpretierbare, standardisierte Darstellungen verbunden ist, steht ein begrenzter Nutzen gegenüber, wenn für das Mapping aufgrund fehlender informationsarchitektonischer Anbindung bei der Aktualisierung und dem Hinzukommen neuer Daten jedes Mal redaktionelle Handarbeit notwendig ist und wenn aufgrund mangelnder gemeinsamer Standards das resultierende Modell eine Insellösung mit geringem Kommunikationswert über die Grenzen des jeweiligen Anwendungsfalls hinaus ist [13, 14].

Zum Weiterlesen hier klicken