Copyright (2007) Steunpunt SSL p/a Parkstraat 47, 3000 Leuven
Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt zonder uitdrukkelijk te verwijzen naar de bron.
No part of this material may be made public without an explicit reference to the source.
De verantwoordelijkheid voor dit rapport berust volledig bij de auteurs en vertolkt niet noodzakelijk de officiële visie van de Vlaamse Overheid.
Verfijning meting horizontale mismatch Toepassing op arbeidsmarktintreders van geboortecohorten 1978 en 1980
Sofie Humblet
2
Verfijning meting horizontale mismatch Toepassing op arbeidsmarktintreders van geboortecohorten 1978 en 1980 Auteur: Sofie Humblet1 Promotoren: P. Coppieters, W. Nonneman, E. Omey
Onderzoek in opdracht van de Vlaamse minister van Onderwijs en Vorming, in het kader van het programma ‘Steunpunten voor Beleidsrelevant Onderzoek’
SSL-rapport nr. SSL/OD2/2008.07 datum oplevering eerste versie: 24 april 2007
datum publicatie: 5 december 2008
1 Onderzoeker aan de Universiteit Antwerpen. Met dank aan prof. Piet Coppieters, prof. Walter Nonneman en Annelies Vanderheyden (UA), prof. Eddy Omey, dr. Walter Van Trier, dr. Dieter Verhaest en dr. Elsy Verhofstadt (UGent) voor het nalezen van de tekst, de zinvolle opmerkingen en de interessante suggesties.
3
Voor meer informatie over deze publicatie:
Steunpunt SSL, onderzoeksdomein 2 ‘Overgang van onderwijs naar arbeidsmarkt’
Auteurs: Sofie Humblet
Adres: Prinsstraat 13 2000 Antwerpen tel.: 03/220.41.16. e-mail: [email protected]
website: http://www.steunpuntloopbanen.be
4
1. Inleiding
Een belangrijke vraag die zich stelt inzake de aansluiting tussen onderwijs en
arbeidsmarkt is of jongeren bij hun intrede op de arbeidsmarkt in een ‘juiste’
of ‘geschikte’ job terecht komen. In de recente economische literatuur is deze
vraag vooral behandeld onder het label ‘overscholing’, waarbij men ‘juist’ of
‘geschikt’ definieert in termen van een vergelijking tussen het onderwijsniveau
waarop de jongeren zijn afgestudeerd en het onderwijsniveau dat nodig is om
de baan waarin ze terecht zijn gekomen uit te voeren.
Even belangrijk is de aansluitingsproblematiek tussen onderwijsrichting en
inhoud van de baan waarin een jongere terechtkomt. Aan deze vraag is tot
hiertoe in de onderzoeksliteratuur veel minder aandacht besteed.
Dit rapport presenteert de resultaten van een eerste en erg voorlopige poging
om zicht te krijgen op de zogeheten horizontale of inhoudelijke mismatch die
Vlaamse jongeren mogelijk ervaren bij hun intrede op de arbeidsmarkt.
Een eerste deel van dit rapport legt uit welke technieken in de literatuur
worden gebruikt om de mate van horizontale of inhoudelijke mismatch in kaart
te brengen. Drie verschillende meettechnieken worden besproken en het
gebruik ervan wordt geïllustreerd.
In deel twee wordt (mis)match eerder bekeken als samenhangend met de graad
van aansluiting tussen opleiding en beroep. Terwijl in deel één respondenten
worden gecategoriseerd als match of als mismatch, zal deel twee ook rekening
houden met de aard van de opleiding of het beroep. Zijn er methoden
voorhanden om te kunnen meten hoe breed of hoe smal een bepaald beroep
recruteert? En leidt een bepaalde opleidingsrichting tot een brede of smalle
waaier aan mogelijke beroepen? De mate van specificiteit van
onderwijsrichtingen aan de ene kant en beroepen aan de andere kant zal met
5
andere woorden worden beschouwd. Omdat er in dit deel mogelijke technieken
belicht worden om de spreiding van opleidingsrichtingen per beroep (of
beroepen per opleidingsrichting) na te gaan, spreek ik over
spreidingsmethoden.
Een derde en laatste deel van dit rapport presenteert een aantal tabellen die
zicht geven op het verband tussen inhoudelijke mismatch en een aantal
belangrijke karakteristieken van de jongeren en/of de jobs die zij uitvoeren.
Uit deze gegevens zal blijken dat enkele variabelen significant correleren met
de subjectieve mismatch-indicator. Deze tabellen zijn in eerste instantie
oefeningen om uit te maken welke karakteristieken interessant zijn om aan
nader onderzoek te onderwerpen. In een verder stadium is het van belang om
op basis van multivariate verklaringsmodellen uit te zoeken welke
mechanismen er achter het fenomeen inhoudelijke mismatch spelen. Zonder
inzicht in een verklarend mechanisme heeft het ook niet veel zin om betekenis
te koppelen aan indicatoren die deze mismatch uitdrukken.
In de drie delen wordt gebruik gemaakt van gegevens verzameld op basis van
het SONAR-onderzoeksprogramma.
De SONAR-gegevensbank bevat gedetailleerde gegevens over de volledige
onderwijsloopbaan en de beginnende arbeidsloopbaan van Vlaamse jongeren.
Zij laten toe om het onderwijsniveau en de onderwijsrichting die jongeren
volgden te vergelijken met de karakteristieken en de inhoud van de jobs die
deze jongeren uitvoeren. Deze gegevens werden verzameld via face-to-face
interviews bij representatieve steekproeven uit de geboortecohortes 1976,
1978 en 1980. Voor elk van deze cohortes gebeurden de eerste interviews op de
leeftijd van 23 jaar. Voor de geboortecohortes 1976 en 1978 vonden ook
interviews plaats op de leeftijd van 26 jaar; voor de geboortecohorte 1976 ook
nog eens op 29 jaar.
6
Deze verkennende studie maakt uitsluitend gebruik van gegevens op basis van
het eerste interview (op de leeftijd van 23 jaar) van respondenten uit de
geboortecohortes 1978 en 1980. Bovendien gaat het uitsluitend om gegevens
die betrekking hebben op de eerste baan van de respondenten. Men dient in
het achterhoofd te houden dat deze gegevens slechts betrekking hebben op de
respondenten die op de leeftijd van 23 jaar het onderwijs reeds hebben
verlaten.
7
2. Drie meetmethoden
In de internationale literatuur maakt men gebruik van verschillende technieken
om mismatch te meten. De drie meest gebruikte technieken kan men best
karakteriseren als een subjectieve, een objectieve en een statistische
meetmethode. In deze paragraaf beschrijven we in detail wat deze drie
meetmethoden inhouden en onderzoeken we op welke manier de gegevens uit
de SONAR-gegevensbank ons toelaten om deze technieken toe te passen.
Een belangrijke opmerking hierbij betreft de geldigheid en de betrouwbaarheid
van de drie meetmethoden voor het domein waarop ze hier worden toegepast.
Inderdaad, deze meetmethoden zijn in de eerste plaats ontwikkeld als
mogelijke maatstaven voor verticale mismatch. Men kan zich afvragen of een
toepassing ervan op het domein van de inhoudelijke mismatch geen
bijkomende problemen stelt of aanpassingen vereist.
2.1 Meetmethode op basis van zelfrapportering
Deze methode sluit het meest aan bij wat in studies naar verticale mismatch
de “subjectieve methode” wordt genoemd.
Bij de bepaling van (mis)match op basis van zelfrapportering baseert men zich
op het oordeel van de werknemer zelf. Dit oordeel kan betrekking hebben op
twee zaken. In de eerste plaats kan men vragen om te beoordelen in welke
mate de inhoud van zijn of haar opleiding aansluit bij de inhoud van de
uitgeoefende baan. In de tweede plaats kan men vragen naar een oordeel over
de mate waarin de voor deze baan gevraagde opleiding aansluit bij de feitelijk
gevolgde opleidingsrichting.
Beide varianten komen voor in de literatuur maar de SONAR-databank laat
enkel toe de eerste variant toe te passen. De variabele die de subjectieve
8
mismatch meet op basis van de overeenkomst tussen gevolgde
opleidingsrichting en de inhoud van de uitgeoefende baan kan men construeren
op basis van de vraag: “Lag uw eerste job volgens u inhoudelijk in de lijn van
uw studies?” (met als antwoordmogelijkheden: helemaal, enigszins of helemaal
niet).
Hieronder wordt de frequentietabel getoond om een eerste zicht te krijgen op
de subjectief ervaren mismatch door werknemers van de geboortecohortes
1978 en 1980.
TABEL 1a: (Mis)match op basis van zelfrapportering: drie categorieën
Lag uw eerste job volgens u inhoudelijk in de lijn van uw studies?
(geboortecohortes 1978 en 1980, bevraging op 23 jaar)
Frequentie Percentage
Helemaal 2035 44,4%
Enigszins 895 19,5%
Helemaal niet 1656 36,1%
Totaal 4586 100%
Missing: nog geen eerste
job op 23 jaar
1410
Bij de jongeren die op 23 jaar reeds een eerste job hadden, is 44,4% van
mening dat deze job inhoudelijk in de lijn van de studies lag, 19,5% zegt dat
hun eerste baan enigszins in de lijn van hun studies lag en 36,1% beweerde dat
er helemaal geen inhoudelijke link was tussen de gevolgde studies en deze
eerste job. De inhoudelijke mismatch bedraagt met andere woorden volgens
deze subjectieve meting iets meer dan een derde van het totale aantal
respondenten met een eerste baan op 23 jaar.
9
De meetmethodes die volgen (cfr. infra) houden rekening met slechts twee
categorieën: ofwel heeft iemand een match, ofwel een mismatch. Om de
vergelijking met deze andere meetmethodes te vergemakkelijken, herwerk ik
bovenstaande tabel naar een tabel met eveneens twee categorieën. De
antwoordcategorie “enigszins” wordt samen met de antwoordcategorie
“helemaal” beschouwd als een match. Er wordt voor gekozen “enigszins” als
“eerder wel een match” te interpreteren omwille van de positieve connotatie
die ermee samenhangt.
De antwoordcategorie “helemaal niet” wordt als “mismatch” genomen.
TABEL 1b: (Mis)match op basis van zelfrapportering: twee categorieën
Lag uw eerste job volgens u inhoudelijk in de lijn van uw studies?
(geboortecohortes 1978 en 1980, bevraging op 23 jaar)
Frequentie Percentage
Helemaal + enigszins:
match
2930 63,9%
Helemaal niet: mismatch 1656 36,1%
Totaal 4586 100%
Missing: nog geen eerste
job op 23 jaar
1410
10
2.2 Meetmethode op basis van jobanalyse
De methode op basis van jobanalyse vertoont gelijkenissen met de “objectieve
methode” die voorkomt in de literatuur rond verticale mismatch.
Bij gebruik van de methode op basis van jobanalyse wordt de beoordeling van
de mate van (mis)match toegewezen aan een externe instantie. Meestal gaat
het om experts of jobanalysten die gevraagd worden om te beoordelen welke
onderwijsrichting (het best) past bij een bepaalde baan en vervolgens deze
onderwijsrichting te vergelijken met de onderwijsrichting gevolgd door de
werknemer die de baan uitvoert. In andere gevallen maakt men hierbij gebruik
van bestaande beroepenclassificaties, waarin jobtitels worden gekoppeld aan
een passend onderwijsniveau en een passende onderwijsrichting. In de
Amerikaanse literatuur wordt in dit geval erg veel gebruik gemaakt van de
Dictionary of Occupational Titles. In Europese vergelijkende studies maakt men
veelal gebruik van de International Standard Classification of Occupations. Een
voorbeeld van een dergelijke aanpak is Wolbers (2003). Gebruik makend van
gegevens van de European Labour Force Survey clusterde hij alle
opleidingsrichtingen in acht grote klassen en plaatste hij vervolgens bij elk van
deze klassen de overeenstemmende beroepen.
Omdat de SONAR-gegevensbank de beroepencode van de eerste job van elke
respondent bevat, is het mogelijk om een analoge werkwijze te volgen. Voor
de codering van de beroepen werd gebruik gemaakt van de Standaard
Beroepenclassificatie, ontwikkeld door het Nederlandse Bureau voor de
Statistiek. Op basis van de bijkomende informatie bij deze classificatie én
informatie over de eindtermen van de onderwijsrichtingen in het Vlaamse
onderwijs werd nagegaan welke studierichtingen geacht worden de
competenties bij te brengen die nodig zijn om een bepaald beroep naar
behoren te kunnen uitoefenen.
11
Uit opleidingsbeschrijvingen blijkt daarnaast ook in de meeste gevallen in
welke beroepen men terecht kan met een diploma uit die opleidingsrichting. In
de SBC-lijst kan er per beroep een hoofdrichting worden teruggevonden. Dit is
de minst gedetailleerde indeling van alle bestaande beroepen. Een voorbeeld
om dit te verduidelijken: het beroep “hoofdverpleegkundige ziekenhuis” heeft
als SBC-code 69210. Het eerste cijfer, “6”, zegt iets over het niveau van het
beroep: het gaat hier om een baan van hoger niveau. Het tweede cijfer “9”
drukt de hoofdrichting uit en leert ons meer over de inhoud van het beroep:
het betreft een (para)medisch beroep. Hoe meer cijfers men beschouwt, hoe
meer informatie men krijgt over de precieze inhoud van het beroep.
Aan elk van de in Vlaanderen bestaande opleidingsrichtingen werd een
beroepen-hoofdrichting gekoppeld. Er worden in de SBC 13 hoofdrichtingen
onderscheiden, die iets meer zeggen over de aard van de betrekking die wordt
uitgevoerd. Ik maak hierbij in eerste instantie abstractie van het
beroepsniveau. In de bijlage kan de conversietabel worden teruggevonden
waarin alle opleidingsrichtingen worden toegewezen aan de meest passende
SBC-hoofdrichting.
12
TABEL 2: Hoofdrichtingen SBC-code
SBC-code Hoofdrichting beroep
01 Algemeen
02 Docenten, staffuncties in onderwijs, onderwijskundig
04 Agrarisch
05 Exact
06 Technisch
08 Transport, communicatie en verkeer
09 Medisch en paramedisch
11 Economisch, administratief en commercieel
13 Juridisch, bestuurlijk, openbare orde en veiligheid
15 Taal en cultuur
16 Gedrag en maatschappij
17 Persoonlijke en sociale verzorging
18 Management
Om de objectieve mismatch te bepalen werd er in eerste instantie enkel
rekening gehouden met de meest passende SBC-hoofdrichting. Een eventuele
tweede of derde passende code per opleiding werd om de eerste analyse te
vereenvoudigen voorlopig buiten beschouwing gelaten. Per respondent werd
het hoogst behaalde diploma van het regulier onderwijs afgeleid. Diploma’s
DBSO en VIZO werden niet opgenomen in de analyse. In het geval een
respondent twee of meerdere hogere diploma’s haalde, werd de richting
genomen die het meest aantal jaren formele studie vereiste. Deze oefening
levert de volgende kruistabel op:
13
TABEL 3a
Absolute verdeling hoofdrichting opleiding versus hoofdrichting eerste beroep
B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17
B18
Tot.
O1 69 2 3 0 108 15 2 104 12 0 3 42 0 360O2 9 263 1 0 7 4 3 39 4 0 21 16 0 367O4 13 1 38 1 11 4 1 9 1 1 0 1 0 81O5 2 13 3 16 16 0 5 12 1 0 1 2 1 72O6 210 8 12 6 792 35 4 106 11 3 5 32 1 1225O8 1 0 0 0 5 14 0 15 0 1 0 1 0 37O9 8 3 1 3 5 1 224 25 2 0 8 28 0 308O11 123 15 3 1 56 21 3 710 15 5 22 48 3 1025O13 5 3 0 0 4 1 1 11 28 0 7 1 1 62O15 19 40 0 1 16 1 1 69 1 20 6 12 0 186O16 8 9 1 1 3 0 4 45 2 3 68 8 0 152O17 105 1 3 1 29 6 5 91 2 0 9 212 0 464Tot. 572 358 65 30 1052 102 253 1236 79 33 150 403 6 4339
Rijen: opleidingsrichtingen (O) Kolommen: beroepsrichtingen (B) Elke rij is een opleidingsrichting, elke kolom een beroepsrichting. Wat de
beroepen betreft, werd hier de SBC-code voor de eerste job gehanteerd.
De aantallen in het grijs zijn de respondenten met een objectieve match.
De tabel dient als volgt gelezen te worden. In cel (11, 6) zitten 56
respondenten. Dit zijn mensen met een economisch/ administratief/
commercieel diploma die in een technisch beroep zijn terechtgekomen. De 106
respondenten uit cel (6,11) zijn afgestudeerden uit een technische richting die
hun eerste job in een economische/administratieve/commerciële richting
hebben.
In de onderstaande tabellen worden de frequenties ook nog eens procentueel
uitgedrukt:
14
TABEL 3b
Relatieve verdeling hoofdrichting opleiding versus hoofdrichting eerste beroep (in %)
(spreiding bekeken per beroepsrichting)
B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 12,06 0,56 4,62 0,00 10,27 14,71 0,79 8,41 15,19 0,00 2,00 10,42 0,00 8,30 O2 1,57 73,46 1,54 0,00 0,67 3,92 1,19 3,16 5,06 0,00 14,00 3,97 0,00 8,46 O4 2,27 0,28 58,46 3,33 1,05 3,92 0,40 0,73 1,27 3,03 0,00 0,25 0,00 1,87 O5 0,35 3,63 4,62 53,33 1,52 0,00 1,98 0,97 1,27 0,00 0,67 0,50 16,67 1,66 O6 36,71 2,23 18,46 20,00 75,29 34,31 1,58 8,58 13,92 9,09 3,33 7,94 16,67 28,23 O8 0,17 0,00 0,00 0,00 0,48 13,73 0,00 1,21 0,00 3,03 0,00 0,25 0,00 0,85 O9 1,40 0,84 1,54 10,00 0,48 0,98 88,54 2,02 2,53 0,00 5,33 6,95 0,00 7,10 O11 21,50 4,19 4,62 3,33 5,32 20,59 1,19 57,44 18,99 15,15 14,67 11,91 50,00 23,62 O13 0,87 0,84 0,00 0,00 0,38 0,98 0,40 0,89 35,44 0,00 4,67 0,25 16,67 1,43 O15 3,32 11,17 0,00 3,33 1,52 0,98 0,40 5,58 1,27 60,61 4,00 2,98 0,00 4,29 O16 1,40 2,51 1,54 3,33 0,29 0,00 1,58 3,64 2,53 9,09 45,33 1,99 0,00 3,50 O17 18,36 0,28 4,62 3,33 2,76 5,88 1,98 7,36 2,53 0,00 6,00 52,61 0,00 10,69 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00
In grijs: objectieve match
15
TABEL 3c
Relatieve verdeling hoofdrichting opleiding versus hoofdrichting eerste beroep (in %)
(spreiding bekeken per opleidingssrichting)
B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 19,17 0,56 0,83 0,00 30,00 4,17 0,56 28,89 3,33 0,00 0,83 11,67 0,00 100,00 O2 2,45 71,66 0,27 0,00 1,91 1,09 0,82 10,63 1,09 0,00 5,72 4,36 0,00 100,00 O4 16,05 1,23 46,91 1,23 13,58 4,94 1,23 11,11 1,23 1,23 0,00 1,23 0,00 100,00 O5 2,78 18,06 4,17 22,22 22,22 0,00 6,94 16,67 1,39 0,00 1,39 2,78 1,39 100,00 O6 17,14 0,65 0,98 0,49 64,65 2,86 0,33 8,65 0,90 0,24 0,41 2,61 0,08 100,00 O8 2,70 0,00 0,00 0,00 13,51 37,84 0,00 40,54 0,00 2,70 0,00 2,70 0,00 100,00 O9 2,60 0,97 0,32 0,97 1,62 0,32 72,73 8,12 0,65 0,00 2,60 9,09 0,00 100,00 O11 12,00 1,46 0,29 0,10 5,46 2,05 0,29 69,27 1,46 0,49 2,15 4,68 0,29 100,00 O13 8,06 4,84 0,00 0,00 6,45 1,61 1,61 17,74 45,16 0,00 11,29 1,61 1,61 100,00 O15 10,22 21,51 0,00 0,54 8,60 0,54 0,54 37,10 0,54 10,75 3,23 6,45 0,00 100,00 O16 5,26 5,92 0,66 0,66 1,97 0,00 2,63 29,61 1,32 1,97 44,74 5,26 0,00 100,00 O17 22,63 0,22 0,65 0,22 6,25 1,29 1,08 19,61 0,43 0,00 1,94 45,69 0,00 100,00 Tot 13,18 8,25 1,50 0,69 24,25 2,35 5,83 28,49 1,82 0,76 3,46 9,29 0,14 100,00
In grijs: objectieve match
16
Het is toch belangrijk om ook naar de absolute aantallen te kijken, omdat men
zo een idee krijgt over het belang van sommige percentages. Zo zijn er slechts
37 mensen met een diploma in een transport-richting. Langs de andere kant
zijn er weinig respondenten die een eerste baan hebben in een exacte,
taalkundig/culturele of management-richting.
Het aantal respondenten met een match kan worden afgelezen op de
diagonaal. Ik wil hierbij de opmerking maken dat de opleidingsrichting
“1 algemeen” die mensen omvat wiens hoogste diploma een ASO-diploma is.
ASO-richtingen bereiden studenten immers niet voor op een welbepaalde
beroepsrichting. De beroepen in hoofdrichting “1 algemeen” zijn beroepen
waarvoor er geen specifieke kennis nodig is. Werknemers moeten zo bij
voorbeeld alleen kunnen lezen en schrijven om de baan te kunnen uitoefenen.
Er zijn ook geen respondenten geregistreerd die een hoofdopleiding
“management” gevolgd hebben. Daarom is er ook geen categorie “18
management” opgenomen bij de opleidingsrichtingen. Met de 6 respondenten
in een management-baan houd ik geen rekening in de analyse. Verder dient
men in het achterhoofd te houden dat in deze oefening abstractie werd
gemaakt van opleidings- en beroepenniveaus. In de groep “6 technisch” zitten
met andere woorden zowel ingenieurs als mensen uit het BSO
“houtbewerking”. Het gaat met andere woorden louter om de horizontale
mismatch zonder rekening te houden met de verticale mismatch.
Op basis van bovenstaande tabel kunnen volgende markante vaststellingen
gemaakt worden:
• Onderwijskundige (2) beroepen recruteren vooral uit onderwijskundige
opleidingen. Hetzelfde geldt voor technische (6) en (para)medische (9)
beroepen: deze beroepen recruteren voor het grootste deel uit
respectievelijk technische en (para)medische opleidingsrichtingen.
17
• Mensen afgestudeerd uit een onderwijskundige (2), (para)medische (9)
of economische/administratieve/commerciële richting (11) komen voor
het grootste deel in passende banen terecht.
• Respondenten die een taalkundig of cultureel diploma (15) hebben
komen vooral terecht in economische/administratieve/commerciële
beroepen (11) en in onderwijskundige beroepen (2).
We kunnen tot een bepaling van het aantal respondenten met een match
komen door de aantallen op de diagonaal te sommeren. Respondenten die niet
op deze diagonaal liggen worden beschouwd als inhoudelijk fout gematched.
Deze meting op basis van de jobanalytische methode leidt tot de volgende
percentages:
TABEL 4: (Mis)match op basis van jobanalyse
(geboortecohortes 1978 en 1980, eerste job bij bevraging op 23 jaar)
Frequentie Percentage
Match 2454 56,6%
Mismatch 1885 43,4%
Totaal 4339 100%
Het aantal respondenten dat geklasseerd wordt als mismatch bedraagt volgens
deze objectieve meting iets meer dan 40%. Om beide meetmethodes op een
goede manier te kunnen vergelijken dient deze tabel vergeleken te worden
met de subjectieve methode waarbij twee antwoordcategorieën werden
opgenomen. Het percentage “match” bedroeg daar 63,9%, het percentage
“mismatch” 36,1%. Volgens de maatstaf op basis van jobanalyse is er dus meer
mismatch dan gemeten werd bij de maatstaf van zelfrapportering.
In een verder stadium kunnen we ook kijken naar de “grijze zone” tussen
jobanalytische match en jobanalytische mismatch. Zoals eerder al werd
18
aangehaald is het mogelijk dat er bij een bepaalde opleiding meerdere
hoofdrichtingen passen. Zo kan er nog een derde categorie worden toegevoegd
tussen match en mismatch, naar analogie met de originele
zelfrapporteringsmethode (met de tussencategorie “enigszins”). Op deze
manier kunnen de resultaten van deze objectieve meting dan vergeleken
worden met deze oorspronkelijke subjectieve meting.
Deze eerste poging om inhoudelijke mismatch op een objectieve manier te
meten heeft nog een andere tekortkoming. Wanneer men de conversietabel (in
bijlage) beschouwt, kan men opmerken dat hoofdrichting “6 technisch” een
divers aanbod aan studierichtingen inhoudt. Een respondent met een diploma
informatica die tewerkgesteld wordt als bakker heeft volgens de jobanalytische
methode zoals die nu is, een juiste aansluiting. Het hoeft geen betoog dat de
methode met de hoofdrichtingen te grof is. Rekening houden met de SBC-code
op een meer gedetailleerd niveau kan een oplossing bieden. Zo kunnen bij
voorbeeld de verschillende takken in de technische opleidingen en beroepen
(bouw, elektronica, metaal, grafische richtingen,...) onder de loep genomen
worden.
19
2.3 Meetmethode op basis van gerealiseerde matches
De derde methode voor het meten van de mate van mismatch steunt op de
veronderstelling dat de meest passende opleidingsrichting voor een job degene
is die bij de uitoefenaars van die job het meest voorkomt. Omgekeerd kan men
ook kijken naar de job die het meest wordt uitgeoefend door afgestudeerden
van een bepaalde opleidingsrichting. Zo kan men voor elke job de modale
opleidingsrichting (of voor elke opleidingsrichting de modale job) bepalen.
Schoolverlaters die uit een andere richting komen dan de meest voorkomende,
worden beschouwd als mismatch. Omdat de beoordeling van de mate van
mismatch hier uitsluitend gebaseerd is op de feitelijke frequentieverdelingen
zoals ze in de realiteit voorkomen, noemt men deze aanpak in de literatuur
meestal de “statistische methode”.
De standaard werkwijze bij deze methode bestaat eruit dat men voor elk
beroep nagaat welke studierichting het meest voorkomt (de modus of modale
studierichting). Iedereen die afgestudeerd is in een andere richting, is eigenlijk
statistisch gezien in een “fout” beroep terechtgekomen. Hoewel bij deze
methode gebruik werd gemaakt van dezelfde gegevens als bij de methode van
de jobanalyse, werd er een ander criterium gehanteerd om te bepalen of
iemand een match heeft ja of neen. Het antwoord op de vraag “wat wordt als
match beschouwd?” wordt bij de twee maatstaven anders ingevuld.
Bij de objectieve methode werd uitgegaan van het oordeel van externe
jobanalysten: welke opleiding past idealiter bij welke baan? In het geval van de
statistische methode wordt het aanwervingsgedrag van ondernemingen
beschouwd als het uitgangspunt. Op basis van de recruteringen wordt
beoordeeld welke onderwijsrichting het best past bij een bepaald beroep.
Om deze methode op basis van gerealiseerde matches toe te passen op de
gegevens voor cohortes 1978 en 1980 op 23 jaar, beschouwen we tabellen 3b
en 3c die in procentuele relatieve frequenties uitgedrukt zijn. De methode kan
20
bekeken worden vanuit het perspectief van de beroepsrichting en vanuit het
perspectief van de opleidingsrichting. Het absolute aantal (zie tabel 3a) dat
hoort bij de hoogste relatieve frequentie (hetzij per beroepsrichting, hetzij per
opleidingsrichting) wordt als match genomen. Vervolgens worden deze
aantallen gesommeerd.
21
TABEL 5 Relatieve frequenties, bekeken per beroepsrichting (in %) B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 12,06 0,56 4,62 0,00 10,27 14,71 0,79 8,41 15,19 0,00 2,00 10,42 0,00 8,30 O2 1,57 73,46 1,54 0,00 0,67 3,92 1,19 3,16 5,06 0,00 14,00 3,97 0,00 8,46 O4 2,27 0,28 58,46 3,33 1,05 3,92 0,40 0,73 1,27 3,03 0,00 0,25 0,00 1,87 O5 0,35 3,63 4,62 53,33 1,52 0,00 1,98 0,97 1,27 0,00 0,67 0,50 16,67 1,66 O6 36,71 2,23 18,46 20,00 75,29 34,31 1,58 8,58 13,92 9,09 3,33 7,94 16,67 28,23 O8 0,17 0,00 0,00 0,00 0,48 13,73 0,00 1,21 0,00 3,03 0,00 0,25 0,00 0,85 O9 1,40 0,84 1,54 10,00 0,48 0,98 88,54 2,02 2,53 0,00 5,33 6,95 0,00 7,10 O11 21,50 4,19 4,62 3,33 5,32 20,59 1,19 57,44 18,99 15,15 14,67 11,91 50,00 23,62 O13 0,87 0,84 0,00 0,00 0,38 0,98 0,40 0,89 35,44 0,00 4,67 0,25 16,67 1,43 O15 3,32 11,17 0,00 3,33 1,52 0,98 0,40 5,58 1,27 60,61 4,00 2,98 0,00 4,29 O16 1,40 2,51 1,54 3,33 0,29 0,00 1,58 3,64 2,53 9,09 45,33 1,99 0,00 3,50 O17 18,36 0,28 4,62 3,33 2,76 5,88 1,98 7,36 2,53 0,00 6,00 52,61 0,00 10,69 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00
In grijs: modus (per kolom)
22
TABEL 6 Relatieve frequenties, bekeken per opleidingsrichting (in %) B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 19,17 0,56 0,83 0,00 30,00 4,17 0,56 28,89 3,33 0,00 0,83 11,67 0,00 100,00 O2 2,45 71,66 0,27 0,00 1,91 1,09 0,82 10,63 1,09 0,00 5,72 4,36 0,00 100,00 O4 16,05 1,23 46,91 1,23 13,58 4,94 1,23 11,11 1,23 1,23 0,00 1,23 0,00 100,00 O5 2,78 18,06 4,17 22,22 22,22 0,00 6,94 16,67 1,39 0,00 1,39 2,78 1,39 100,00 O6 17,14 0,65 0,98 0,49 64,65 2,86 0,33 8,65 0,90 0,24 0,41 2,61 0,08 100,00 O8 2,70 0,00 0,00 0,00 13,51 37,84 0,00 40,54 0,00 2,70 0,00 2,70 0,00 100,00 O9 2,60 0,97 0,32 0,97 1,62 0,32 72,73 8,12 0,65 0,00 2,60 9,09 0,00 100,00 O11 12,00 1,46 0,29 0,10 5,46 2,05 0,29 69,27 1,46 0,49 2,15 4,68 0,29 100,00 O13 8,06 4,84 0,00 0,00 6,45 1,61 1,61 17,74 45,16 0,00 11,29 1,61 1,61 100,00 O15 10,22 21,51 0,00 0,54 8,60 0,54 0,54 37,10 0,54 10,75 3,23 6,45 0,00 100,00 O16 5,26 5,92 0,66 0,66 1,97 0,00 2,63 29,61 1,32 1,97 44,74 5,26 0,00 100,00 O17 22,63 0,22 0,65 0,22 6,25 1,29 1,08 19,61 0,43 0,00 1,94 45,69 0,00 100,00 Tot 13,18 8,25 1,50 0,69 24,25 2,35 5,83 28,49 1,82 0,76 3,46 9,29 0,14 100,00
In grijs: modus (per rij)
23
Wanneer men de modus-regel hanteert, komt men tot de volgende verdeling
match-mismatch:
TABEL 7: (Mis)match op basis van gerealiseerde matches
Vanuit beroepsrichting
(geboortecohortes 1978 en 1980, eerste job bij bevraging op 23 jaar)
Frequentie Percentage
Match 2616 60,4%
Mismatch 1717 39,6%
Totaal 4333 100%
TABEL 8: (Mis)match op basis van gerealiseerde matches
Vanuit opleidingsrichting
(geboortecohortes 1978 en 1980, eerste job bij bevraging op 23 jaar)
Frequentie Percentage
Match 2559 59,0%
Mismatch 1780 41,0%
Totaal 4339 100%
Volgens deze statistische methode ligt het aantal gemismatchten, zowel vanuit
beroepsrichting als vanuit opleidingsriching bekeken, tegen de 40%.
Deze manier van werken heeft als nadeel dat er naast de modale richting ook
nog andere aansluitende richtingen kunnen zijn die nu over het hoofd worden
gezien. Net zoals in het geval van de jobanalytische maatstaf is de dichotome
opsplitsing match/mismatch te streng om een juiste weergave te kunnen zijn
van de realiteit.
24
2.4. Evaluatie van de methoden
In deze paragraaf wordt er nagegaan of de drie technieken die men doorgaans
hanteert om verticale mismatch te meten ook zinvol kunnen worden
overgeplaatst naar het domein van inhoudelijke mismatch. Vormt deze
vertaling een probleem of biedt ze mogelijkheden?
Een eerste aandachtspunt is dat bij verticale mismatch de categorieën
duidelijk onderscheiden kunnen worden: men is ofwel overschoold, ofwel
onderschoold ofwel juist geschoold. Bij horizontale mismatch stelt zich het
probleem dat de opdeling “match” of “mismatch” vaak te drastisch is. Een
respondent kan in zijn baan bepaalde vaardigheden of competenties
aanwenden die hij heeft aangeleerd tijdens zijn opleiding, terwijl hij er andere
mist. Een louter binaire opsplitsing geeft onvoldoende de complexiteit weer
van studie- en jobinhouden. De vraag is dan hoe we de afstand kunnen meten
tussen de inhoud van de baan en de inhoud van de gevolgde opleiding. Dit komt
aan bod in de volgende paragraaf.
Wat de zelfrapporteringsmethode betreft zijn er weinig moeilijkheden. Men
kan naar analogie met de meting van verticale mismatch aan de respondent
vragen om zelf een oordeel te geven over de mate van aansluiting.
Meer kanttekeningen zijn er te maken bij de jobanalytische methode en bij de
methode op basis van gerealiseerde matches. Beide technieken maken een te
ruw onderscheid tussen match en mismatch. Het is wenselijk om verder op
zoek te gaan naar nieuwe technieken die dit probleem ondervangen.
Een opmerking die moet worden gemaakt bij de jobanalytische methode is dat
de categorisering match/mismatch zeer sterk afhankelijk is van de clusters die
men neemt. Hoe meer opleidingsrichtingen worden samengenomen in één
groep, hoe kleiner de kans op horizontale mismatch wordt. Neemt men
daarentegen kleine clusters met slechts een paar opleidingsrichtingen (op
detailniveau), wordt de kans op een mismatch groter.
25
De conversietabel uit de bijlage dient vervolgens meer genuanceerd te worden.
Sommige hoofdrichtingen omvatten zeer diverse opleidingsrichtingen, en het is
niet echt een correcte basis om van hieruit objectieve mismatch te bepalen.
Een mogelijke oplossing is de SBC-code te bekijken op een meer gedetailleerd
niveau.
De SBC-methode op basis van jobanalyse is één mogelijke objectieve manier,
maar er zijn ook alternatieven die aangewend kunnen worden.
De SONAR-gegevensbank biedt nog andere mogelijkheden aan om verder uit te
diepen, naar analogie met methodes om verticale mismatch vast te stellen.
Zo kan men inhoudelijke mismatch ook meten aan de hand van de
vacaturevereisten die opgesteld zijn door de werkgever. Op deze manier
kunnen we het behaalde diploma van de respondent vergelijken met het
diploma dat de werkgever vraagt voor de uitoefening van de job. Men vertrekt
hierbij vanuit het vereiste profiel opgesteld door het bedrijf. Bij verticale
mismatch is er een kans dat de werkgever overvraagt, dit wil zeggen dat hij
iemand wil aanwerven die een hoger diplomaniveau heeft dan strikt
noodzakelijk is voor de job, bij voorbeeld omdat hij de trainingskosten zo laag
mogelijk wil houden. (Thurow, 1975). De vraag die zich opwerpt is of er in het
geval van horizontale mismatch minder kans is op vertekening dan bij verticale
mismatch. Is een bedrijf erbij gebaat een andere opleidingsrichting te vragen
dan vereist is voor de baan? Kan er zomaar van worden uitgegaan dat de
studierichting gevraagd in een vacature de meest passende is? Het is realistisch
te veronderstellen dat een werkgever een breed spectrum aan mogelijke
opleidingen toelaat indien het gaat om een baan met een eerder algemene
inhoud. In het geval van een specifieke job zal de werkgever daarentegen
slechts een beperkt aantal afstudeerrichtingen toelaten. Verder speelt ook het
aanbod afgestudeerden een rol. Indien een bepaalde richting slechts weinig
schoolverlaters aflevert, zal de werkgever misschien wel soepeler zijn in de
vacaturevereisten.
26
De mogelijkheden met deze methode op basis van vacaturevereisten, zullen in
de toekomst verder worden onderzocht, evenals andere mogelijke objectieve
uitvalswegen.
2.5. Samenvattend
Uit het doctoraat van Verhaest (2006) over verticale mismatch bleek dat de
resultaten van de metingen volgens verschillende technieken nogal sterk uiteen
lagen. Zo kwam hij tot de vaststelling dat de gemeten overscholing varieert van
8% tot 51%, al naargelang de techniek die wordt aangewend.
Het opzet van het onderzoek dat ik in de toekomst verder wil zetten is onder
meer ook een zicht te krijgen op variaties in de meetresultaten van
inhoudelijke mismatch.
Hieronder worden de eerder gepresenteerde resultaten van de verschillende
meettechnieken bij wijze van overzicht naast elkaar gezet.
TABEL 9: Percentages (mis)match volgens de verschillende meettechnieken
ZR/SUBJ JA/OBJ GM,O/STAT,O GM,B/STAT,B
Match 63,9% 56,6% 59,0% 60,4%
Mismatch 36,1% 43,4% 41,0% 39,6%
ZR= methode van zelfrapportering JA=methode van jobanalyse GM,B=methode van gerealiseerde matches, vanuit beroep GM,O=methode van gerealiseerde matches, vanuit opleiding
27
36,11%43,44% 41,02% 39,62%
63,89%56,56% 58,98% 60,37%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
SUBJ OBJ STAT_OPL STAT_JOB
matchmismatch
De voorlopige resultaten wijzen in de richting van een mismatch die tussen
36,1% en 43,4% ligt, althans wanneer ik de categorie “enigszins” van de
subjectieve methode niet als mismatch beschouw.
Deze besluiten mogen nog niet veralgemeend worden. Ik herhaal uitdrukkelijk
dat ze alleen gelden voor de resultaten van de enquête voor cohortes 1978 en
1980 op 23 jaar voor wat de eerste baan betreft. Wanneer er meer bevragingen
worden bijgehaald (ook cohorte 1976, ook 26- en 29-jarigen, niet alleen de
eerste baan) en het aantal respondenten op deze manier vergroot, kan er een
meer gefundeerde uitspraak gedaan worden over het voorkomen van
inhoudelijke mismatch bij jongeren in Vlaanderen.
Hoewel de cijfers het resultaat zijn van een eerste meting en slechts een
gedeelte van de SONAR-databank gebruikt werd, valt het toch op dat de
resultaten van de verschillende meetmethoden elkaar sterk benaderen. Het
28
minste dat we nu kunnen zeggen is dat de waaier van resultaten bij
inhoudelijke mismatch minder groot blijkt te zijn dan bij de resultaten van
verticale mismatch.
In hoeverre gaat het bij de verschillende metingen echter om dezelfde mensen?
De analyse zou een vertekend beeld kunnen geven indien we geen rekening
houden met de gelijklopendheid van de meettechnieken. Het is met andere
woorden van belang om na te gaan in welke mate de respondenten die als
(mis)match geklasseerd zijn volgens een bepaalde methode dit ook zijn volgens
een andere methode.
Daarom wordt hieronder de correlatie-matrix gepresenteerd voor de vier
methodes:
TABEL 10: Correlatie-matrix (Pearson-correlaties)
Zelf-
rapportering
Jobanalyse Gerealiseerde
Matches
(opleiding)
Gerealiseerde
Matches
(beroep)
Zelfrapportering 1,000 0,414 0,403 0,353
Jobanalyse --- 1,000 0,842 0,834
Gerealiseerde
Matches
(opleiding)
--- --- 1,000 0,773
Gerealiseerde
Matches
(beroep)
--- --- --- 1,000
29
Deze tabel toont het percentage respondenten dat hetzelfde geklasseerd is
voor elke combinatie van twee meetmethodes. Zo is bij voorbeeld 83,4% van
alle bevraagde 23-jarigen met een eerste baan hetzelfde geklasseerd volgens
de jobanalytische methode als volgens de methode van de gerealiseerde
matches (vanuit beroepsrichting bekeken).
Hoewel we reeds konden zien dat de waarden van de metingen behoorlijk dicht
bij elkaar lagen, blijkt uit de correlatie-waarden dat de metingen niet
noodzakelijk dezelfde respondenten klasseren als match of mismatch. Vooral
de samenhang tussen de zelfrapporteringsmethode en de andere methoden,
blijkt aan de lage kant te zijn. Slechts 35,3 - 41,4% van de respondenten is op
dezelfde manier geklasseerd bij de subjectieve meting als een andere meting.
30
3. Algemeenheid of specificiteit van opleidingsrichtingen en
beroepen: het nut van spreidingsmaatstaven
De maatstaven die in de vorige paragraaf besproken werden, beoordelen op
een categorische manier of iemand een goede dan wel een slechte inhoudelijke
aansluiting heeft wanneer hij de overstap maakt van een opleidingsrichting
naar een eerste baan. Een bedenking die men zich hierbij kan maken is de
volgende: hoe behandelen deze maatstaven bijvoorbeeld gevallen waarin de
respondent een baan uitoefent waarvoor geen enkele vooropleiding
beschikbaar is? Kan men deze gevallen qua mate van mismatch vergelijken met
banen waarvoor een duidelijk toeleiding bestaat in de onderwijsstructuur?
In dit deel wordt deze aansluiting vanuit een ander perspectief bekeken: hoe
breed of smal recruteert een bepaald beroep, of met andere woorden hoe
algemeen of hoe specifiek is een beroep? In plaats van de ruwe opdeling
match/mismatch te maken kan men met andere woorden ook kijken naar de
aard van de opleiding of het beroep met behulp van een spreidingsindex.
Men kan zich ook de volgende bemerking maken bij het dichotoom toekennen
van match/mismatch aan respondenten. Het betreft hier een momentopname
die louter een statische analyse toelaat, en slechts weinig rekening houdt met
de complexiteit die achter het fenomeen “inhoudelijke mismatch” schuilt.
Maatschappelijk is het van belang dat de mismatch-problematiek niet alleen
statisch bepaald wordt, maar ook dynamisch.
Een instrument dat toelaat de specificiteit van een studie of een job te meten
kan nuttig gebruikt worden vanuit een dynamische invalshoek. Er wordt hier
immers rekening gehouden met het feit dat beroeps- en opleidingsinhouden
veranderen en dat beroepen op verschillende tijdstippen uit verschillende
opleidingsrichtingen mensen kunnen aanwerven.
31
Een toepassing van een spreidingsindex vinden we terug bij Van der Velden en
Wolbers (2007). Zij voerden een onderzoek uit waarbij ze vertrokken vanuit het
onderscheid tussen algemene en beroepsspecifieke opleidingsrichtingen.
Zij beschouwen een bepaalde studierichting en kijken naar de beroepen waarin
afgestudeerden terechtkomen. Indien schoolverlaters afkomstig uit een
bepaalde studierichting geconcentreerd voorkomen in één beroep mag deze
studierichting als specifiek beschouwd worden. Indien ze daarentegen verspreid
voorkomen over een groot aantal beroepen, mag de richting als algemeen
beschouwd worden.
De specificiteit van een vooropleiding wordt bij van der Velden en Wolbers
gemeten door een Gini-Hirschman coëfficiënt te berekenen voor de hele waaier
aan beroepen per studierichting. De waarde hiervan ligt tussen 0 en 100, met 0
als indicator voor het feit dat alle studenten in één beroep kunnen
teruggevonden worden (dit wil zeggen een extreem specifieke vooropleiding)
en 100 als indicator voor het gelijkmatig verspreid voorkomen van studenten
over alle mogelijke bestaande beroepen (dit wil zeggen een extreem algemene
vooropleiding).
In hetgeen volgt ga ik na hoe men op basis van de SONAR-gegevens iets meer
kan zeggen over hoe algemeen of hoe specifiek een beroep of een opleiding is.
Twee mogelijkheden die interessant zijn om verder te onderzoeken zijn de
50%-methode en de methode van de Herfindahl-index.
32
3.1 50%-methode
In de vorige paragraaf werd het gebruik van de statistische methode al
geïllustreerd. Een nadeel van deze manier van werken met de modus is dat er
hierbij geen rekening wordt gehouden met de spreiding van beroepen vanuit
een welbepaalde opleidingsrichting of van opleidingen die in een welbepaald
beroep kunnen worden teruggevonden.
Een alternatief criterium voor het bepalen of een bepaalde opleidingsrichting
meer of minder aansluit bij een bepaalde baan is het kijken naar de
opleidingen die cumulatief 50% van de beroepskrachten leveren. Het zou
kunnen dat in een bepaald beroep A 50% (of meer) afkomstig is uit 1 richting. In
dit geval is er maar één studierichting die hoort bij beroep A en is beroep A
bijgevolg eerder specifiek. In een beroep B daarentegen komt geen enkele
studierichting afzonderlijk aan de grens van 50%, maar wel indien de hoogste
percentages worden samengeteld tot 50% bereikt wordt. In deze laatste
situatie zijn er dan meerdere studierichtingen die passen bij beroep B. Om de
zaak wat te verduidelijken, zet ik hieronder een cijfervoorbeeld in
schematische vorm:
Situatie 1
Studierichting
1
Studierichting
2
Studierichting
3
Studierichting
4
Beroep A 10% 5% 50% 35%
Bij beroep A past maar één studierichting, namelijk richting 3. Mensen met een
diploma in richting 1, 2 en 4 zijn gemismatched.
33
Situatie 2
Studierichting
1
Studierichting
2
Studierichting
3
Studierichting
4
Beroep B 40% 12% 16% 32%
Bij beroep B beschouwen we studierichtingen 1 en 4 als match, de rest als
mismatch. Indien men alleen studierichting 1 beschouwt (de studierichting met
de hoogste frequentie, 40%), komt men niet aan de grens van 50%. Telt men
daar dan de tweede hoogste frequentie bij (32%, uit studierichting 4), komt
men aan 72%, wat ruimschoots boven 50% zit. Beroep B is met andere woorden
meer algemeen dan beroep A.
Omdat deze methode niet altijd een heel eenduidig beeld geeft, zet ik
hieronder nog een derde situatie, waarbij de studierichtingen redelijk gelijk
verdeeld zijn over beroep C.
Situatie 3
Studierichting
1
Studierichting
2
Studierichting
3
Studierichting
4
Beroep C 30% 25% 21% 24%
Indien we de 50%-regel nauwkeurig volgen, hebben we hier als uitkomst dat
studierichtingen 1 en 2 een match opleveren, en 3 en 4 een mismatch. Intuïtief
kunnen we al wel aanvoelen dat deze regel hier te streng is, gezien het kleine
verschil tussen de percentages bij de studierichtingen.
In een vierde en laatste voorbeeld zijn de studierichtingen precies gelijk
verdeeld in beroep D, en kan men bijgevolg niets zeggen over mismatch, tenzij
men gebruik maakt van andere methodes.
34
Situatie 4
Studierichting
1
Studierichting
2
Studierichting
3
Studierichting
4
Beroep D 25% 25% 25% 25%
Het spreekt voor zich dat men op een analoge manier kan nagaan hoe het zit
met de verdeling van de beroepen vertrekkende vanuit een bepaalde
opleidingsrichting.
In bovenstaande voorbeelden spreek ik over “beroep” en “studierichting”.
In de praktijk zal het gemakkelijker zijn om te werken met een cluster van
beroepen of een sector aan de ene kant, en een cluster van studierichtingen of
een studiedomein aan de andere kant.
De SONAR-gegevens kunnen ook worden gebruikt om deze methode te
illustreren. Men vertrekt hier van de tabellen met de relatieve cijfers en
bekijkt welke absolute cijfers hiermee overeenstemmen. Om tot een bepaling
van de match te komen sommeert men deze absolute cijfers die horen bij de
relatieve cijfers die het hoogst zijn en samen minstens 50% bedragen.
35
TABEL 11 Spreiding bekeken per beroepsrichting (in %) B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 12,06 0,56 4,62 0,00 10,27 14,71 0,79 8,41 15,19 0,00 2,00 10,42 0,00 8,30 O2 1,57 73,46 1,54 0,00 0,67 3,92 1,19 3,16 5,06 0,00 14,00 3,97 0,00 8,46 O4 2,27 0,28 58,46 3,33 1,05 3,92 0,40 0,73 1,27 3,03 0,00 0,25 0,00 1,87 O5 0,35 3,63 4,62 53,33 1,52 0,00 1,98 0,97 1,27 0,00 0,67 0,50 16,67 1,66 O6 36,71 2,23 18,46 20,00 75,29 34,31 1,58 8,58 13,92 9,09 3,33 7,94 16,67 28,23 O8 0,17 0,00 0,00 0,00 0,48 13,73 0,00 1,21 0,00 3,03 0,00 0,25 0,00 0,85 O9 1,40 0,84 1,54 10,00 0,48 0,98 88,54 2,02 2,53 0,00 5,33 6,95 0,00 7,10 O11 21,50 4,19 4,62 3,33 5,32 20,59 1,19 57,44 18,99 15,15 14,67 11,91 50,00 23,62 O13 0,87 0,84 0,00 0,00 0,38 0,98 0,40 0,89 35,44 0,00 4,67 0,25 16,67 1,43 O15 3,32 11,17 0,00 3,33 1,52 0,98 0,40 5,58 1,27 60,61 4,00 2,98 0,00 4,29 O16 1,40 2,51 1,54 3,33 0,29 0,00 1,58 3,64 2,53 9,09 45,33 1,99 0,00 3,50 O17 18,36 0,28 4,62 3,33 2,76 5,88 1,98 7,36 2,53 0,00 6,00 52,61 0,00 10,69 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00
In grijs: minstens 50% (per kolom)
36
TABEL 12 Spreiding bekeken per opleidingsrichting (in %) B1 B2 B4 B5 B6 B8 B9 B11 B13 B15 B16 B17 B18 Tot O1 19,17 0,56 0,83 0,00 30,00 4,17 0,56 28,89 3,33 0,00 0,83 11,67 0,00 100,00 O2 2,45 71,66 0,27 0,00 1,91 1,09 0,82 10,63 1,09 0,00 5,72 4,36 0,00 100,00 O4 16,05 1,23 46,91 1,23 13,58 4,94 1,23 11,11 1,23 1,23 0,00 1,23 0,00 100,00 O5 2,78 18,06 4,17 22,22 22,22 0,00 6,94 16,67 1,39 0,00 1,39 2,78 1,39 100,00 O6 17,14 0,65 0,98 0,49 64,65 2,86 0,33 8,65 0,90 0,24 0,41 2,61 0,08 100,00 O8 2,70 0,00 0,00 0,00 13,51 37,84 0,00 40,54 0,00 2,70 0,00 2,70 0,00 100,00 O9 2,60 0,97 0,32 0,97 1,62 0,32 72,73 8,12 0,65 0,00 2,60 9,09 0,00 100,00 O11 12,00 1,46 0,29 0,10 5,46 2,05 0,29 69,27 1,46 0,49 2,15 4,68 0,29 100,00 O13 8,06 4,84 0,00 0,00 6,45 1,61 1,61 17,74 45,16 0,00 11,29 1,61 1,61 100,00 O15 10,22 21,51 0,00 0,54 8,60 0,54 0,54 37,10 0,54 10,75 3,23 6,45 0,00 100,00 O16 5,26 5,92 0,66 0,66 1,97 0,00 2,63 29,61 1,32 1,97 44,74 5,26 0,00 100,00 O17 22,63 0,22 0,65 0,22 6,25 1,29 1,08 19,61 0,43 0,00 1,94 45,69 0,00 100,00 Tot 13,18 8,25 1,50 0,69 24,25 2,35 5,83 28,49 1,82 0,76 3,46 9,29 0,14 100,00
In grijs: minstens 50% (per rij)
37
Wanneer men de 50%-methode toepast op de SONAR-databank, komt men tot
de volgende verdeling match-mismatch:
TABEL 13: (Mis)match op basis van 50%-methode
Vanuit beroepsrichting
(geboortecohortes 1978 en 1980, eerste job bij bevraging op 23 jaar)
Frequentie Percentage
Match 2800 64,53%
Mismatch 1539 35,47%
Totaal 4339 100%
TABEL 14: (Mis)match op basis van 50%-methode
Vanuit opleidingsrichting
(geboortecohortes 1978 en 1980, eerste job bij bevraging op 23 jaar)
Frequentie Percentage
Match 2903 66,90%
Mismatch 1436 33,10%
Totaal 4339 100%
Zowel vanuit beroepsrichting als vanuit opleidingsrichting beschouwd bedraagt
de mismatch gemeten volgens de 50%-methode één derde van het totale aantal
respondenten. Men bepaalt hier met andere woorden de mismatch rekening
houdend met het feit dat er meerdere passende opleidingsrichtingen zijn voor
een beroep of beroepsrichtingen voor een opleiding.
38
3.2 Herfindahl-spreidingsindex
De 50%-regel is een zeer simplistische methode die slechts in beperkte mate
rekening houdt met de spreiding van beroepen of van opleidingsrichtingen.
Daarom wordt er in een tweede mogelijke spreidingsmethode de mismatch
bepaald op basis van de sterkte van de band tussen een bepaald beroep en een
studierichting. Hierbij wordt er van uitgegaan dat er in het dagelijkse leven
tussen perfecte match en totale mismatch nog veel grijze tinten waar te
nemen zijn, waarbij de (mis)match niet dichotoom wordt vastgelegd. Daarom
kan het nuttig zijn gebruik te maken van een index waarin de spreiding gevat
wordt. Op basis van dit getal kan vervolgens een continue mismatch-indicator
worden afgeleid. waarbij een hoge waarde duidt op een hoge mismatch en een
lage waarde duidt op een lage mismatch. Op basis van zulk een indicator zijn
er andere analyses mogelijk dan bij een louter binaire waarde
match/mismatch.
Om deze indicator af te leiden maak ik gebruik van een fictief voorbeeld.
Stel dat er maar 4 beroepen en slechts 4 te kiezen studierichtingen zijn. De
mogelijke te behalen diploma’s zijn op universitair niveau Geneeskunde en
Germaanse, op TSO-niveau Autotechnieken, en op BSO-niveau Kantoor. De
mogelijke beroepen waar de afgestudeerde in kan terechtkomen zijn arts,
garagist, docent NT2 (Nederlands voor anderstaligen) en receptionist.
In de onderstaande tabel staan de relatieve frequenties van opleidingen per
beroep. Van alle garagisten bij voorbeeld, heeft 5% een diploma Geneeskunde
op zak, 80% een diploma Autotechnieken, 3% heeft Germaanse gestudeerd en
12% komt uit de richting Kantoor.
39
TABEL 15
Geneeskunde Autotechnieken
(TSO)
Germaanse Kantoor
(BSO)
Arts 100% 0% 0% 0%
Garagist 5% 80% 3% 12%
Docent NT2 5% 20% 60% 15%
Receptionist 10% 10% 30% 50%
Voor elk beroep i kan een Herfindahl-index berekend worden over alle
opleidingsrichtingen j:
Hi = ∑j µij2
waarbij µ = relatieve frequentie van de opleiding per beroep.
Dit levert de volgende tabel op (indices zijn afgerond op twee cijfers na de
komma):
TABEL 16
Beroep Herfindahl-index
Arts 1,00
Garagist 0,66
Docent NT2 0,43
Receptionist 0,36
Deze Herfindahl-index zegt ons iets over de mate waarin studierichtingen
geconcentreerd voorkomen in een bepaald beroep. Zoals al kon worden
aangevoeld vanuit de eerste tabel en nu ook cijfermatig bevestigd wordt in de
tweede tabel, is de H-index hoger naarmate een beroep meer gespecialiseerd
is (slechts één of zeer weinig studierichtingen leiden naar het beroep). Hoe
lager de H-index, hoe meer verschillende studierichtingen voorkomen in dat
40
beroep. De extreme waarden voor deze index zijn 1, zoals we in het voorbeeld
zagen bij arts (niemand wil gezondheidszorgen toegediend krijgen door iemand
die hier niet voor heeft gestudeerd) en 0 (dit is het geval indien alle bestaande
opleidingen toegang geven tot één beroep).
We hebben nu een indicator die ons meer vertelt over het aantal of liever de
concentratie van opleidingen in een beroep. Vanuit deze H-index is de stap
naar een indicator voor mismatch snel gezet. Het volstaat om het complement
van de relatieve frequentie van een opleiding in een bepaald beroep te
vermenigvuldigen met de H-index, of in symbooltaal uitgedrukt:
Mij = ( 1 - µij) * Hi
met Mij = mismatch-indicator, geeft de maat van mismatch weer
De tabel wordt dan:
TABEL 17
Geneeskunde Autotechnieken
(TSO)
Germaanse Kantoor
(BSO)
Arts 0*1 = 0 1*1 = 1 1*1 = 1 1*1 = 1
Garagist 0,95*0,66 =
0,63
0,20*0,66 =
0,13
0,97*0,66 =
0,64
0,88*0,66 =
0,58
Docent NT2 0,95*0,43 =
0,41
0,80*0,43 =
0,34
0,40*0,43 =
0,17
0,85*0,43 =
0,37
Receptionist 0,80*0,36 =
0,29
0,90*0,36 =
0,32
0,70*0,36 =
0,25
0,50*0,36 =
0,18
Welke interessante conclusies kunnen hier getrokken worden?
In een beroep met maar één vooropleiding (hier arts) hebben alle personen met
een diploma in die studierichting (Geneeskunde) als mismatch 0, wat gelijk
staat aan een perfecte match. Mensen met een diploma Autotechnieken,
41
Germaanse of Kantoor hebben als mismatch 1, wat samenhangt met totale
mismatch. Hoe dichter de mismatch-indicator Mij bij 0 zit, hoe beter de
kwaliteit van de aansluiting tussen gevolgde studierichting en het beroep
waarin men terechtgekomen is, met andere woorden hoe beter de match. Bij
de groep van de garagisten hebben de mensen met een diploma
Autotechnieken de laagste mismatch-indicator (0,13) en dus de beste match
van alle studierichtingen. Bij de docenten NT2 is de beste vooropleiding
Germaanse (mismatch-indicator van 0,17) en bij de receptionisten geeft een
diploma Kantoor de laagste mismatch (indicator van 0,18).
In het geval er een beroep is met veel verschillende instroom-opleidingen
(meer dan de 4 richtingen uit het voorbeeld) die ongeveer gelijk verspreid
voorkomen, zal de H-index klein zijn (want er is een lage concentratie aan
opleidingen), en zal de mismatch-indicator bijgevolg voor alle opleidingen
dezelfde lage waarde vertonen. In dit geval zal men dus niet snel over een
echte “mismatch” spreken.
Stel we hebben 10 instroom-opleidingen, en elke opleiding komt precies even
vaak voor in een bepaald beroep:
TABEL 18
SR1 SR2 SR3 SR4 SR5 SR6 SR7 SR8 SR9 SR10
Beroep 10% 10% 10% 10% 10% 10% 10% 10% 10% 10%
De Herfindahl-index voor dit beroep is hier gelijk aan (0,1)2*10 of 0,1. Een
persoon met een opleiding van eender welke studierichting heeft hier een lage
mismatch-indicator van 0,1*0,9 = 0,09.
Op basis van het voorgaande kan er een onderscheid gemaakt worden tussen
algemene en specifieke beroepen.
42
Voor algemene beroepen (type “receptionist” uit het voorbeeld) kunnen we
verwachten dat de H-index (of de band tussen vooropleiding en beroep) zwak
is, terwijl we voor specifieke beroepen (type “arts” uit het voorbeeld) precies
het omgekeerde kunnen verwachten. Mensen die in een algemeen beroep
terecht zijn gekomen, kunnen afkomstig zijn uit diverse opleidingsdomeinen,
terwijl werknemers die in een specifiek beroep tewerkgesteld zijn, eerder
afgestudeerd zijn in een beperkt aantal richtingen.
Het gevolg hiervan voor de mismatch-indicator is dat men in algemene
beroepen minder geconfronteerd wordt met een mismatch (de studierichting
doet er niet zo toe), terwijl het in specifieke beroepen van belang is dat men
het “juiste” diploma heeft, zoniet zit men met een ernstige mismatch.
Deze tweede spreidingsmethode is nog niet toegepast op de SONAR-databank.
3.3 Evaluatie
De methodes uit paragraaf 2 boden een nuttig instrument om inhoudelijke
mismatch te meten, maar maken abstractie van de aard van de opleiding of de
baan: deze kunnen algemeen zijn of eerder specifiek. In deze paragraaf werd
er een poging gedaan om te onderzoeken welke technieken er kunnen
aangewend worden die de spreiding wel in acht nemen.
De 50%-methode biedt een illustratie die het concept kan verduidelijken, maar
houdt nog in te beperkte mate rekening met de graad van verdeling.
De methode met de Herfindahl-index daarentegen is een meer precieze
weergave van de mate van geconcentreerdheid van opleidingsrichtingen binnen
een beroep en vice versa.
Beleidsmatig gezien is een maatstaf van horizontale mismatch die rekening
houdt met de spreiding relevanter dan een binaire maastaf omdat in het geval
van algemene beroepen (met een breder recruteringsveld) de kans op
43
aanbodschaarste kleiner is. De kans op vraag- of aanbodtekorten is veel groter
wanneer enkel een zeer specifieke opleiding toegang tot een beroep geeft.
44
4. Wat beïnvloedt horizontale mismatch?
In hetgeen voorafging keken we naar technieken die de graad van horizontale
aansluiting tussen een opleiding en een beroep trachtten weer te geven. Men
kan een onderscheid maken tussen algemene richtingen en specifieke
richtingen, al naargelang de breedte aan studierichtingen waaruit een bepaalde
baan recruteert of de breedte aan mogelijke beroepen die volgen op een
bepaalde opleiding.
Deze paragraaf gaat in een eerste poging na welke karakteristieken kunnen
samenhangen met individuen die onze categorisering van match of mismatch
kennen. Om hier een zicht op te krijgen worden er bivariate tabellen getoond
waarbij een bepaalde karakteristiek gekruist wordt met een mismatch-
indicator.
Het gaat hier om een verkennende oefening waarin louter correlaties worden
gepresenteerd. Dat wil zeggen dat er nog geen causale verbanden mogen
worden afgeleid. Daarvoor is verdere (multivariate) analyse nodig.
4.1 Variabelen
Verticale mismatch blijkt samen te hangen met een aantal kenmerken.
De vraag die we ons hier kunnen stellen is of deze variabelen die gelinkt zijn
aan verticale mismatch ook significant correleren met horizontale mismatch.
Hieronder worden bivariate tabellen getoond waarbij zowel de horizontale
mismatch-indicator op basis van zelfrapportering als de horizontale mismatch-
indicator op basis van jobanalyse gekruist worden met een bepaald kenmerk,
dat betrekking heeft op
45
• de persoon zelf: het geslacht
• de schoolloopbaan die hij gevolgd heeft: eventuele achterstand
opgelopen in het secundair onderwijs (blijven zitten)
• het zoekgedrag: de intrede-werkloosheid
• de baan die wordt uitgeoefend: het statuut (bediende, arbeider/helper
of zelfstandige)
De subjectieve en de objectieve mismatch-indicator die gehanteerd worden
zijn die voor de 23-jarigen van geboortecohorte 1978. We beschouwen hierbij
de eerste baan van deze jongeren. De bivariate tabellen die gepresenteerd
worden, zijn zuiver illustratief bedoeld.
4.2 Bivariate tabellen
In hetgeen volgt wordt een selectie kruistabellen getoond die een eerste beeld
geven van de samenhang tussen enerzijds de subjectieve en de objectieve
mismatch-indicator (voor de eerste baan) en anderzijds bovenstaande
kenmerken voor de cohorte 1978 op 23 jaar.
Voor alle tabellen2 heeft de chikwadraat-test een waarde lager dan 0,05. Dit
wijst erop dat de feitelijke verdeling fundamenteel verschilt van de
theoretische (toevallige) verdeling, of dat de verschillen tussen de variabelen
niet toevalsgebonden zijn.
2 Behalve voor de kruistabel objectieve mismatch versus geslacht.
46
4.2.1. Persoonskenmerken: geslacht
Correlatie tussen (mis)match op basis van zelfrapportering en geslacht
Geslacht Man Vrouw Total
Match 60,9% 67,8% 64,4% (1504)
Subjectieve (mis)match (hoofdrichting) Mismatch 39,1% 32,2% 35,6%
(833) Total 100,0%
(1165) 100,0% (1172)
100,0% (2337)
Correlatie tussen (mis)match op basis van jobanalyse en geslacht
Geslacht Man Vrouw Total
Match 57,5% 57,3% 57,4% (1252)
Objectieve (mis)match (hoofdrichting) Mismatch 42,5% 42,7% 42,6%
(930) Total 100,0%
(1073) 100,0% (1109)
100,0% (2182)
Theoretisch gezien zouden we verwachten dat vrouwen sneller een mismatch
hebben dan mannen. Hieraan liggen een aantal sociologische en economische
verklaringen ten gronde, te bekijken vanuit zowel de aanbodszijde als de
vraagzijde. Vanuit het perspectief van de aanbodszijde zullen vrouwen het
misschien minder nodig vinden een baan te kiezen die in de lijn ligt van hun
opleiding omdat ze er eerder dan mannen voor zullen kiezen tijd te spenderen
aan het gezin. Verder hebben vrouwen vaker te maken met werkloosheid. Om
dit te vermijden zullen ze zich sneller tevreden stellen met een inhoudelijk
niet-matchende baan.
Vanuit de vraagzijde bekeken is er het model van de baancompetitie (Thurow,
1975). Deze theorie zegt dat werkgevers de kandidaat-werknemers bij een
sollicitatie in een onzichtbare rij plaatsen, waarbij de werknemer waarvan ze
de hoogste productiviteit verwachten, eerst staat. Bij vrouwen gaat men uit
van een lagere productiviteit dan bij mannen, onder meer omdat er wordt
47
verwacht dat ze soms van de arbeidsmarkt verdwijnen om zich toe te wijden
aan het gezin. Verder is er de theorie van de statistische discriminatie van
Phelps (1972). Een werkgever heeft niet alle informatie voorhanden om te
beslissen of een sollicitant een hoge of een lage productiviteit heeft, tenzij hij
zich toelegt op dure selectiemechanismen. Daarom zal de werkgever zich
eerder baseren op kenmerken die direct zichtbaar zijn, zoals bij voorbeeld het
geslacht. Mannen gaan dan met de betere banen aan de haal, terwijl vrouwen
zich moeten tevreden stellen met de overblijvende jobs, die vaak niet
aansluiten bij wat ze hebben gestudeerd.
De kruistabel waarin de zelfrapporteringsmaatstaf opgenomen is, ligt niet in de
lijn van de theorie: vrouwen blijken op basis van de gegevens van C78(23) iets
vaker een match te hebben dan mannen.
In het geval van kruising met de jobanalystische maatstaf is er geen significant
verschil waar te nemen tussen mannen en vrouwen.
48
4.2.2. Schoolloopbaankenmerken: achterstand (blijven zitten)
Correlatie tussen (mis)match op basis van zelfrapportering en “Al dan niet blijven zitten”
Al dan niet blijven zitten
Niet bz Wel bz Total Match 69,1% 53,8% 64,4%
(1504) Subjectieve (mis)match (hoofdrichting) Mismatch 30,9% 46,1% 35,6%
(833) Total 100,0%
(1611) 100,0%
(726) 100,0% (2337)
Correlatie tussen (mis)match op basis van jobanalyse en “Al dan niet blijven zitten”
Al dan niet blijven zitten
Niet bz Wel bz Total Match 60,6% 50,1% 57,4%
(1252) Objectieve (mis)match (hoofdrichting) Mismatch 39,4% 49,9% 42,6%
(930) Total 100,0%
(1511) 100,0%
(671) 100,0% (2182)
Op basis van de bovenstaande tabellen kunnen we een samenhang
veronderstellen tussen horizontale (mis)match en het feit of een respondent al
dan niet is blijven zitten. Er is vooral een duidelijke correlatie tussen
respondenten die zonder achterstand hun studieloopbaan hebben voltooid en
respondenten met een inhoudelijke match in hun eerste baan.
49
4.2.3. Zoekgedrag: intrede-werkloosheid
Correlatie tussen (mis)match op basis van zelfrapportering en “Intredewerkloosheid”
Intredewerkloosheid
Minder dan een maand
Langer dan een maand Total
Match 68,8% 58,4% 64,8% (1414)
Subjectieve (mis)match (hoofdrichting Mismatch 31,2% 41,6% 35,2%
(767) Total 100,0%
(1346) 100,0%
(835) 100,0% (2181)
Correlatie tussen (mis)match op basis van jobanalyse en “Intredewerkloosheid”
Intredewerkloosheid
Minder dan een maand
Langer dan een maand Total
Match 60,1% 55,5% 58,4% (1192)
Objectieve (mis)match (hoofdrichting Mismatch 39,9% 44,5% 41,6%
(850) Total 100,0%
(1272) 100,0%
(770) 100,0% (2042)
Met intredewerkloosheid wordt de eerste periode van officieel geregistreerde
werkloosheid bedoeld na het verlaten van de school en voor de eerste baan.
Er is een samenhang waar te nemen tussen respondenten die minder dan een
maand geregistreerd stonden voor ze een eerste job vonden en een match in de
eerste baan.
50
4.2.4. Jobkenmerken: statuut (arbeider/helper, bediende, zelfstandige)
Correlatie tussen (mis)match op basis van zelfrapportering en “Statuut van de eerste job”
Statuut eerste job
Arbeider/
Helper Bediende Zelfstandige Total Match 44,9% 78,0% 78,5% 64,3%
(1493) Subjectieve (mis)match hoofdrichting Mismatch 55,1% 22,0% 21,5% 35,7%
(828) Total 100,0%
(961) 100,0% (1281)
100,0% (79)
100,0% (2321)
Correlatie tussen (mis)match op basis van jobanalyse en “Statuut van de eerste job”
Statuut eerste job
Arbeider/
Helper Bediende Zelfstandige Total Match 51,4% 61,7% 64,0% 57,6%
(1247) Objectieve (mis)match hoofdrichting Mismatch 48,6% 38,3% 36,0% 42,4%
(917) Total 100,0%
(870) 100,0% (1219)
100,0% (75)
100,0% (2164)
Helpers en arbeiders beweren vaker in een niet-aansluitende eerste baan
terecht te komen, bedienden en zelfstandigen hebben daarentegen eerder een
match. Men dient op te merken dat het aantal in de groep zelfstandigen
evenwel veel lager ligt dan in de twee overige groepen.
51
5. Eindconclusie
In dit rapport werd er in de eerste plaats getracht aan de hand van gegevens
uit de SONAR-enquête tot verschillende manieren te komen om horizontale
mismatch te meten.
Ik heb de analyse uitgevoerd met de 23-jarigen van cohortes 1978 en 1980 voor
wat hun eerste baan betreft. Hieronder worden de resultaten voor alle
metingen weergegeven, zowel voor de statische indicatoren als voor de 50%-
spreidingsmaatstaf.
TABEL 19: Percentages (mis)match volgens de verschillende meettechnieken
ZR JA GM,B GM,O 50%,B 50%,O
Match 63,9% 56,6% 60,4% 59,0% 64,5% 66,9%
Mismatch 36,1% 43,4% 39,6% 41,0% 35,5% 33,1%
ZR= methode van zelfrapportering JA=methode van jobanalyse GM,B=methode van gerealiseerde matches, vanuit beroep GM,O=methode van gerealiseerde matches, vanuit opleiding 50%,B=50%-spreidingsmaatstaf, vanuit beroep 50%,O=50%-spreidingsmaatstaf, vanuit opleiding
Wanneer de resultaten van alle metingen naast elkaar gelegd worden, kunnen
we concluderen dat 56,6% tot 66,9% van de 23-jarigen uit onze selectie
terechtkomen in een eerste baan die inhoudelijk (enigszins) aansluit bij de
gevolgde opleiding. Mismatch in de eerste baan komt met andere woorden voor
bij 33,1% tot 43,4% van de respondenten. Deze vaststelling is echter slechts
voorlopig. In een verder stadium kan er een vergelijking gemaakt worden
tussen de meettechnieken waarbij er gebruik gemaakt wordt van drie
categorieën. Bij de jobanalytische meting kan er dan ook nog rekening
gehouden worden met een tweede of eventueel derde mogelijke SBC-
hoofdrichting die dan zou kunnen leiden tot een tussencategorie tussen match
en mismatch. Hoe er drie categorieën kunnen gevormd worden bij de methode
gebaseerd op gerealiseerde matches, moet nog verder uitgezocht worden.
52
Het is volgens mij relevant om de jobanalytische manier verder uit te diepen
en de studierichtingen op een meer gedetailleerd niveau te onderzoeken. Zo
kan er een beter beeld verkregen worden over welke opleidingen leiden tot een
match en welke tot een mismatch. Langs de andere kant moeten ook de
afzonderlijke beroepen (en dus niet de globale SBC-hoofdrichting) nader
bekeken worden om na te gaan uit welke studierichtingen de werknemers
afkomstig zijn.
Voorts zou ik in de toekomst verdere analyses willen uitvoeren die rekening
houden met de spreiding van de SBC-richtingen aan de hand van een
spreidingsindex (zoals de Herfindahl-index). Men spreekt dan niet over de
loutere dichotomie match/mismatch, maar eerder over de graad van
aansluiting. Aan de hand hiervan kan er een onderscheid gemaakt worden
tussen algemene en specifieke richtingen. Naast het onderzoeken van de
specificiteit van de opleidingsrichtingen enerzijds en van de beroepen
anderzijds kan er nog een derde piste bewandeld worden waarbij er kan
gekeken worden naar de specificiteit van sectoren.
Bivariate tabellen zoals gepresenteerd in paragraaf 4, volstaan niet als analyse-
instrument om de oorzaken van horizontale mismatch te achterhalen. Daarvoor
moeten de variabelen aan verder onderzoek onderworpen worden. Om een
beter inzicht te krijgen in het verklarend mechanisme achter inhoudelijke
mismatch is er multivariate analyse nodig. Hierbij zal worden nagegaan in
hoeverre de verschillende variabelen aan elkaar gelinkt zijn en samen spelen.
Ten slotte is het ook interessant om de interactie tussen verticale en
horizontale mismatch na te gaan. Volgens Binder (2007) is horizontale
mismatch een belangrijke factor die overscholing kan verklaren: mensen die in
een inhoudelijk niet-aansluitende baan zijn terechtgekomen, missen bepaalde
competenties en kunnen daarom niet op het niveau van hun diploma worden
tewerkgesteld. Zij wendde voor haar onderzoek gegevens uit Duitsland aan.
53
Een eerste bivariate tabel wijst in de richting van deze bevindingen. Het
betreft hier de gegevens voor jongeren geboren in 1978 en in 1980 op 23 jaar,
volgens de methode van zelfrapportering.
Correlatie tussen (mis)match gebaseerd op zelfrapportering “Lag uw eerste job volgens u inhoudelijk in de lijn van uw studies” en “Had u voor uw eerste job een te hoge of te lage opleiding of was uw opleiding juist goed qua niveau?”
Had u voor uw eerste job een te hoge of te lage opleiding of was uw opleiding juist goed qua niveau?
Te hoge opleiding
Juist goede opleiding
Te lage opleiding Total
Helemaal 28,4% (329)
78,8% (2437)
62,5% (138)
64,9% (2904)
Lag uw eerste job volgens u inhoudelijk in de lijn van uw studies? Helemaal niet 71,6%
(829) 21,2% (657)
37,5% (83)
35,1% (1569)
Total 100,0% (1158)
100,0% (3094)
100,0% (221)
100,0% (4473)
We kunnen in deze kruistabel een duidelijk verband zien tussen subjectieve
overscholing en subjectieve inhoudelijke mismatch. We moeten er rekening
mee houden dat dit erop zou kunnen wijzen dat respondenten geen
onderscheid kunnen maken tussen verticale en horizontale mismatch en
consequent willen antwoorden op de vragen: als ze beweren dat hun
opleidingsniveau niet in de lijn ligt van het niveau van hun job, zullen ze
misschien ook (foutief) percipiëren dat de inhoud van hun opleiding ook niet
overeenstemt met de inhoud van hun job. Verder is er ook een samenhang
waar te nemen tussen adequate scholing qua niveau en horizontale match.
De resultaten zijn minder uitgesproken bij mensen die beweren dat ze een te
lage opleiding genoten hebben voor de uitoefening van hun eerste job. Het
aantal respondenten in deze groep ligt ook relatief laag ten opzichte van de
groepen “te hoge opleiding” en “juist goede opleiding”.
Volgende kruistabellen tussen horizontale en verticale (mis)match zijn alleen
gebaseerd op cohorte 1978 omdat de gegevens ontbraken voor cohorte 1980.
54
Correlatie tussen (mis)match gebaseerd op jobanalyse voor horizontale (mis)match en voor verticale (mis)match
Jobanalyse VMM
Te hoge opleiding
Juist goede opleiding
Te lage opleiding Total
Match 47,8% (510)
69,2% (627)
50,0% (91)
43,0% (926)
Jobanalyse HMM
Mismatch 52,2% (556)
30,8% (279)
50,0% (91)
57,0% (1228)
Total 100,0% (1066)
100,0% (906)
100,0% (182)
100,0% (2154)
Correlatie tussen (mis)match gebaseerd op gerealiseerde matches voor horizontale (mis)match en voor verticale (mis)match (vanuit beroep)
Gerealiseerde matches VMM
Te hoge opleiding
Juist goede opleiding
Te lage opleiding Total
Match 51,6% (131)
66,0% (951)
47,4% (215)
39,7% (853)
Gerealiseerde matches HMM
Mismatch 48,4% (123)
34,0% (491)
52,6% (239)
60,3% (1297)
Total 100,0% (254)
100,0% (1442)
100,0% (454)
100,0% (2150)
Voor deze beide tabellen kan gezegd worden dat nu het verband tussen
overscholing en inhoudelijke mismatch minder sprekend is. Voor de groep “juist
goede opleiding” geldt evenwel nog steeds dat het percentage respondenten
met een horizontale match relatief hoog ligt: 69,2% voor de objectieve meting
en 66,0% voor de statistische meting.
Er zou in de toekomst ook verder onderzocht worden hoe het zit met deze
wisselwerking tussen verticale mismatch en horizontale mismatch.
55
Bibliografie
Binder , N., 2007, “The effect of Occupational Mismatch on Overqualification”,
Discussion Paper Nr. 01/07. On-line beschikbaar op
www.vwl.uni-freiburg.de/fakultaet/stoeko/assis/overqualification.pdf
Phelps, E., 1972, “The Statistical Theory of Racism and Sexism”, American
Economic Review, Volume 62, pp. 659-661
Thurow, 1975, “Generating Inequality”, Basic Books, New York, 258p.
Van der Velden, R. en Wolbers, M., 2007, “How much does Education Matter
and Why?”, European Sociological Review, Volume 23 (1), pp. 65-80
Verhaest, D., 2006, “Overeducation in the Labour Market”, Doctoraat
Universiteit Gent.
Wolbers, M., 2003, “Mismatches tussen opleidingsrichting en beroep onder
schoolverlaters in Europa”, Mens en maatschappij, Volume 78 (3), pp. 218-241
56
BIJLAGE: CONVERSIETABEL 1
economie-menswetenschappen, economie-moderne talen, economie-wiskunde, Grieks-Latijn, Latijn-moderne talen, Latijn-wetenschappen, Latijn-wiskunde, lichamelijke opvoeding en sport, menswetenschappen, moderne talen-wetenschappen, moderne talen-wiskunde, moderne wetenschappen, sport-wetenschappen, wetenschappen-wiskunde, Yeshiva
2
leraar kleuteronderwijs, leraar lager onderwijs, leraar secundair onderwijs, lichamelijke opvoeding orthopedagogie/opvoeder, pedagogische wetenschappen, regentaat
4 agro- en biotechnieken, bio-ingenieur landbouw, bio-ingenieur land- en bosbeheer, biotechniek, industrieel ingenieur landbouw, land- en tuinbouw, landbouw- en biotechnologie, landschaps- en tuinarchitectuur, tuinbouwtechnieken
5 biochemie, biologie, biotechnologie, chemie, geografie, geologie, laboratorium- en voedingstechnologie, natuurkunde
6 architectuur, audio-, video- en teletechnieken, automechanica, autotechnieken, beeld-geluid-montage, binnenhuisinrichting, bio-ingenieur, bouw, bouwkundig tekenen, brood, banket en confiserie, brood en banket/slagerij, burgerlijk ingenieur-architect, burgerlijk ingenieur bouwkunde, burgerlijk ingenieur computerwetenschappen, burgerlijk ingenieur elektronica, burgerlijk ingenieur mijnbouwkunde, burgerlijk ingenieur scheikunde, CAD-confectie, centrale verwarming en sanitaire installaties, elektriciteit, elektromechanica, elektronica, elektrotechnieken, fijnmechanische technieken, fotografie3, grafische bedrijven, grafische technieken, grafische wetenschappen, hout, houtbewerking, houttechnieken, industrieel ingenieur bouw, industrieel ingenieur chemie, industrieel ingenieur elektronica, industrieel ingenieur elektromechanica, industrieel ingenieur informatica, industrieel ingenieur milieukunde, industrieel ingenieur textiel, industriële computertechnieken, industriële onderhoudstechnieken, industriële wetenschappen, interieurarchitectuur, interieurvormgeving, kleding, kleding-confectie, kleding-mode, kleding-verkoop-retouches, kunststoftechnieken, kunststofverwerking, lassen-constructie, lastechnieken, mechanica, mechanische (vormgevings)technieken, meet- en regeltechnieken, metaal, metaalbewerking, multimedia en communicatietechnologie, nijverheid(stechnieken), productdesign, productontwikkeling, regeltechnieken, schilder- en decoratietechnieken,
3 hier wordt enkel de richting “fotografie” uit het TSO bedoeld. Een hogere opleiding fotografie werd opgenomen als kunstrichting onder 15 “taal en cultuur”.
57
slagerij en verkoopsklare gerechten, techniek-wetenschappen, tekst- en beeldintegratietechnieken,
8 expeditie, distributie en transport, kabinepersoneel/steward(ess), lijnvliegtuigpiloot, vrachtwagenchauffeur
9 apotheker, apothekers-assistent, biomedische wetenschappen, dierenarts, ergotherapie, farmaceutische en biologische technieken, geneeskunde/arts, kinesitherapie, medisch secretariaat, medisch-sociale wetenschappen, motorische revalidatie, tandarts, verpleegkunde, voedings- en dieetleer, vroedkunde
11 accoutancy-fiscaliteit; administratie KMO/vrije beroepen; bedrijfsbeheer; beheer, toerisme en recreatie; boekhouden-informatica; communicatiebeheer; economische wetenschappen; etalage; facilitaire dienstverlening; handel; handel-talen; handelsingenieur; handelswetenschappen; hostessenopleiding; industriële informatica; informatica; kantoor; kantoor-verkoop; marketing; onthaal en public relations; publiciteitsgrafiek; secretariaat-talen; toegepaste economische wetenschappen; toegepaste informatica; toerisme en onthaal; toerisme en recreatie; verkoop; verkoop en distributie; verkoop en etalage
13 criminologische wetenschappen, rechten, rechtspraktijk, militaire opleiding, politie, rijkswacht
15 animatiefilm, archeologie, architecturale kunst, architecturale vormgeving, audiovisuele kunsten, audiovisuele techniek, beeldende kunsten, binnenhuiskunst, cinematografie, conservatie/restauratie, dramatische kunst, film, fotografie, Germaanse, geschiedenis, glaskunst, grafische vormgeving, grafische-en reclamevormgeving, illustratieve vormgeving, industriële kunst, instrument (/zang), jazz en lichte muziek, keramiek, kunstgeschiedenis, kunstwetenschappen, musicologie, muziekagogiek, plastische kunsten, Romaanse, ruimtelijke vormgeving, tolk, vertaler, vrije beeldende kunst, wijsbegeerte, woordkunst-drama,
16 assistent in de psychologie, communicatiewetenschappen, godsdienst(wetenschappen), maatschappelijke advisering, maatschappelijk werk, pers en voorlichting, personeelswerk, politicologie, politieke en sociale wetenschappen, psychologie, sociaal (-cultureel) werk/sociaal assistent, sociale en culturele agogiek, sociale en culturele antropologie, sociologie, theologie
17 bijzondere jeugdzorg, esthetische lichaamsverzorging, gezins- en nijverheidstechnieken, groepskoken, haartooi, haarzorg, hotelbeheer, hotel, hotel-restaurant, kinderverzorging, leefgroepenwerking, organisatiehulp, personenzorg, schoonheidsverzorging, sociale en technische wetenschappen, verzorging, verzorging-voeding