DOI: https://doi.org/10.12688/f1000research.174858.1
PMID: https://pubmed.ncbi.nlm.nih.gov/41869558
تاريخ النشر: 2026-02-19
المؤلف: Retyana Wahrini وآخرون
الموضوع الرئيسي: تطوير المهنة والتنوع
نظرة عامة
تبحث ورقة البحث في تنفيذ نظام توجيه مهني مدفوع بالذكاء الاصطناعي يهدف إلى تخفيف القلق بشأن مسار الحياة المهنية بين الطلاب المهنيين في إندونيسيا. ينبع هذا القلق من عدم اليقين بشأن متطلبات سوق العمل، وعدم كفاية الإرشاد، والانفصال بين المناهج التعليمية واحتياجات الصناعة. تستخدم الدراسة نهج بحث علم التصميم لتطوير نظام يتكون من ثلاثة مكونات رئيسية: محرك رسم خرائط المهارات باستخدام التعلم الآلي تحت الإشراف، وحدة إرشاد تكيفية تستخدم روبوت محادثة مدعوم بالذكاء الاصطناعي لمطابقة المرشدين، ووحدة استخبارات سوق العمل في الوقت الحقيقي التي تستفيد من معالجة اللغة الطبيعية لتحليل إعلانات الوظائف والاتجاهات. كشفت تقييمات الطرق المختلطة التي شملت 180 طالبًا مهنيًا عن نتائج مهمة تتعلق بفعالية النظام.
تشير النتائج إلى أن النظام المدفوع بالذكاء الاصطناعي يقلل بشكل كبير من القلق بشأن مسار الحياة المهنية من خلال تقديم توصيات شخصية وإرشادات شفافة. أظهر النموذج الهجين دقة تنبؤية عالية (87%) وقابلية للتفسير من خلال الشرح القائم على SHAP، مما يتماشى مع المبادئ التربوية ويعالج العوامل النفسية التي تسهم في القلق المهني. يضمن دمج تحليلات سوق العمل في الوقت الحقيقي أن تظل الإرشادات ذات صلة، مما يسد الفجوة بين التدريب المهني ومتطلبات الصناعة. ومع ذلك، تعترف الدراسة بالقيود المتعلقة ببيانات المناطق والحاجة إلى تعزيز الضمانات الأخلاقية. تشمل اتجاهات البحث المستقبلية دراسات طولية حول نتائج الحياة المهنية، والاندماج مع الواقع الافتراضي للإرشاد القائم على المهارات، وتوسيع مجموعات البيانات لتحسين قابلية تطبيق النظام عبر سياقات متنوعة. بشكل عام، تؤكد النتائج على إمكانيات الإرشاد المهني المعزز بالذكاء الاصطناعي في تحويل التعليم المهني من خلال تقديم دعم قابل للتوسع قائم على الأدلة يتماشى مع تطلعات الطلاب وواقع سوق العمل.
مقدمة
تؤكد مقدمة ورقة البحث هذه على الدور الحاسم لاتخاذ قرارات الحياة المهنية لطلاب التعليم المهني، مشددة على القلق المهني كحاجز نفسي كبير يقوض ثقتهم واستعدادهم لسوق العمل. يُعرف القلق المهني بأنه التوتر والقلق المحيطين بالخيارات المهنية، وقد تم ربطه بانخفاض الكفاءة الذاتية وتأخير استكشاف خيارات الحياة المهنية. تشير الورقة إلى نظرية الحياة المهنية المعرفية الاجتماعية (SCCT) كإطار لفهم هذه الديناميكيات، مشيرة إلى أن التدخلات النفسية الاجتماعية يمكن أن تخفف من القلق وتعزز قدرة الطلاب على التكيف في التخطيط المهني. ومع ذلك، لا تزال التحديات قائمة، خاصة في إندونيسيا، حيث تكافح المدارس المهنية لتقديم إرشادات مهنية فعالة في ظل التغيرات السريعة في الصناعة.
لمعالجة هذه القضايا، تقترح الدراسة تطوير نظام توجيه مهني مدفوع بالذكاء الاصطناعي مصمم خصيصًا لطلاب المدارس الثانوية المهنية في إندونيسيا. يهدف هذا النظام إلى دمج رسم خرائط المهارات، والإرشاد التكيفي، واستخبارات سوق العمل في الوقت الحقيقي، مما يعالج الأبعاد التقنية والنفسية لاتخاذ القرارات المهنية. من خلال التركيز على تخفيف القلق بشأن مسار الحياة المهنية ومواءمة كفاءات الطلاب مع متطلبات السوق، تسعى الدراسة إلى سد الفجوات الموجودة في التطبيقات الحالية للذكاء الاصطناعي في التعليم المهني، والتي غالبًا ما تتجاهل الجوانب النفسية للإرشاد المهني. لا يهدف هذا النهج المبتكر فقط إلى تعزيز قابلية توظيف الطلاب، بل يساهم أيضًا في استراتيجيات وطنية أوسع لتطوير رأس المال البشري في إندونيسيا.
طرق
توضح قسم “الطرق” المواد والمنهجيات المستخدمة في البحث. تفصل المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، أو معدات، أو عينات بيولوجية، وتقدم وصفًا شاملاً للإجراءات التجريبية المتبعة. يبرز القسم أهمية القابلية للتكرار والدقة في المنهجيات لضمان صحة النتائج.
بالإضافة إلى ذلك، من المحتمل أن يتم تصنيف الطرق إلى مراحل متميزة، مثل التحضير، والتنفيذ، والتحليل، مع وصف دقيق لكل مرحلة لتسهيل الفهم وإمكانية التكرار. كما يتم ذكر التحليلات الإحصائية وأي أدوات حسابية مستخدمة لتفسير البيانات، مما يبرز صرامة تصميم البحث. بشكل عام، يعد هذا القسم أساسًا حاسمًا للدراسة، مما يمكّن القراء من تقييم موثوقية وملاءمة النتائج.
مناقشة
استخدمت الدراسة منهجية بحث علم التصميم (DSR) لإنشاء والتحقق من صحة نظام توجيه مهني مدفوع بالذكاء الاصطناعي مخصص للطلاب المهنيين، مع معالجة التحديات التعليمية مثل فجوات المهارات والقلق المتعلق بالقرارات. يدمج النظام ثلاثة وحدات رئيسية: محرك رسم خرائط المهارات الذي يستخدم التعلم الآلي تحت الإشراف لمواءمة مهارات الطلاب مع متطلبات سوق العمل؛ وحدة الإرشاد التكيفية التي تقدم إرشادات شخصية من خلال مطابقة المرشدين وروبوت محادثة مدعوم بالذكاء الاصطناعي؛ ومكون استخبارات سوق العمل في الوقت الحقيقي الذي يستخدم معالجة اللغة الطبيعية لتقديم اقتراحات مهنية محدثة. شملت الدراسة 180 طالبًا في المدارس الثانوية المهنية، مع نتائج مهمة تشير إلى انخفاض بنسبة 26.7% في القلق بشأن مسار الحياة المهنية ودقة تنبؤية مثيرة للإعجاب بنسبة 87% لتوصيات النظام.
حدث جمع البيانات على ثلاث مراحل، حيث تم التقاط بيانات كمية ونوعية لتقييم تأثير النظام على قلق الطلاب وعمليات اتخاذ القرار. كشفت التحليلات أن مجموعة التدخل شهدت انخفاضًا ذا دلالة إحصائية في درجات القلق المهني، مما يبرز فعالية التدخلات المعتمدة على الذكاء الاصطناعي في تخفيف عدم اليقين في اتخاذ القرارات المهنية. أكدت بنية النظام على الاعتبارات الأخلاقية، بما في ذلك خصوصية البيانات والشفافية، من خلال آليات الذكاء الاصطناعي القابلة للتفسير التي عززت ثقة المستخدم. بشكل عام، أظهرت الدراسة أن نظام توجيه المهني المدفوع بالذكاء الاصطناعي لم يحسن فقط وضوح مسار الطلاب المهني، بل عزز أيضًا الانخراط الميتامعرفي، مما يدعم في النهاية التخطيط المهني المستنير والواثق المتماشي مع اتجاهات سوق العمل.
القيود
تقدم الدراسة نتائج مهمة تتعلق بتطوير وتنفيذ نظام توجيه مهني مدفوع بالذكاء الاصطناعي؛ ومع ذلك، من الضروري التعرف على بعض القيود. أولاً، قد تكون الدراسة مقيدة بالبيانات المستخدمة، مما قد يؤثر على قابلية تعميم النتائج. بالإضافة إلى ذلك، قد يختلف أداء النظام عبر مجموعات ديموغرافية مختلفة، مما قد يؤدي إلى توصيات متحيزة.
يجب أن تركز الأعمال المستقبلية على توسيع مجموعة البيانات لتشمل سكانًا أكثر تنوعًا واستكشاف دمج ملاحظات المستخدمين لتعزيز قابلية تكيف النظام. علاوة على ذلك، سيكون من الضروري التحقيق في الفعالية طويلة الأمد للإرشاد المدفوع بالذكاء الاصطناعي في التطبيقات الواقعية للتحقق من فائدته وتحسين تصميمه.
DOI: https://doi.org/10.12688/f1000research.174858.1
PMID: https://pubmed.ncbi.nlm.nih.gov/41869558
Publication Date: 2026-02-19
Author(s): Retyana Wahrini et al.
Primary Topic: Career Development and Diversity
Overview
The research paper investigates the implementation of an AI-driven career guidance system aimed at alleviating career path anxiety among vocational students in Indonesia. This anxiety stems from uncertainties regarding labor market demands, inadequate mentoring, and a disconnect between educational curricula and industry needs. The study employs a design science research approach to develop a system comprising three key components: a supervised machine learning skills mapping engine, an adaptive mentoring module utilizing an AI chatbot for mentor matching, and a real-time labor market intelligence module that leverages natural language processing to analyze job postings and trends. A mixed-methods evaluation involving 180 vocational students revealed significant findings regarding the system’s effectiveness.
The results indicate that the AI-driven system significantly reduces career path anxiety by providing personalized recommendations and transparent guidance. The hybrid model demonstrated high predictive accuracy (87%) and interpretability through SHAP-based explainability, aligning with pedagogical principles and addressing psychological factors contributing to career anxiety. The integration of real-time labor market analytics ensures that the guidance remains relevant, bridging the gap between vocational training and industry demands. However, the study acknowledges limitations related to regional data constraints and the need for enhanced ethical safeguards. Future research directions include longitudinal studies on career outcomes, integration with virtual reality for skill-based guidance, and expanding datasets to improve the system’s applicability across diverse contexts. Overall, the findings underscore the potential of AI-enhanced career guidance to transform vocational education by providing scalable, evidence-based support that aligns student aspirations with labor market realities.
Introduction
The introduction of this research paper emphasizes the critical role of career decision-making for vocational education students, highlighting career anxiety as a significant psychological barrier that undermines their confidence and readiness for the labor market. Defined as the tension and apprehension surrounding career choices, career anxiety has been linked to decreased self-efficacy and delayed exploration of career options. The paper references Social Cognitive Career Theory (SCCT) as a framework for understanding these dynamics, noting that psychosocial interventions can alleviate anxiety and enhance students’ adaptability in career planning. However, challenges persist, particularly in Indonesia, where vocational schools struggle to provide effective career guidance amidst rapid industry changes.
To address these issues, the study proposes the development of an AI-driven career guidance system tailored for Indonesian vocational high school students. This system aims to integrate skills mapping, adaptive mentoring, and real-time labor market intelligence, thereby addressing both the technical and psychological dimensions of career decision-making. By focusing on mitigating career path anxiety and aligning students’ competencies with market demands, the research seeks to fill existing gaps in current AI applications in vocational education, which often overlook the psychological aspects of career guidance. This innovative approach not only aims to enhance students’ employability but also contributes to broader national strategies for human capital development in Indonesia.
Methods
The “Methods” section outlines the materials and methodologies employed in the research. It details the specific materials used, including any reagents, equipment, or biological samples, and provides a comprehensive description of the experimental procedures followed. The section emphasizes the importance of replicability and precision in the methodologies to ensure the validity of the findings.
Additionally, the methods are likely categorized into distinct phases, such as preparation, execution, and analysis, with each phase meticulously described to facilitate understanding and reproducibility. Statistical analyses and any computational tools utilized for data interpretation are also mentioned, underscoring the rigor of the research design. Overall, this section serves as a critical foundation for the study, enabling readers to assess the reliability and applicability of the results.
Discussion
The research employed a Design Science Research (DSR) methodology to create and validate an AI-driven career guidance system specifically for vocational students, addressing educational challenges such as skill gaps and decision-related anxiety. The system integrates three key modules: a Skills Mapping Engine utilizing supervised machine learning to align student skills with labor market demands; an Adaptive Mentoring Module offering personalized guidance through mentor matching and an AI chatbot; and a Real-Time Labor Market Intelligence component that employs natural language processing to provide up-to-date career suggestions. The study involved 180 vocational high school students, with significant findings indicating a 26.7% reduction in career path anxiety and an impressive predictive accuracy of 87% for the system’s recommendations.
Data collection occurred in three stages, capturing both quantitative and qualitative data to assess the system’s impact on students’ anxiety and decision-making processes. The analysis revealed that the intervention group experienced a statistically significant decrease in career anxiety scores, highlighting the effectiveness of AI-based interventions in alleviating uncertainty in career decision-making. The system’s architecture emphasized ethical considerations, including data privacy and transparency, through explainable AI mechanisms that enhanced user trust. Overall, the study demonstrated that the AI-driven career guidance system not only improved students’ career clarity but also fostered metacognitive engagement, ultimately supporting informed and confident career planning aligned with labor market trends.
Limitations
The study presents significant findings regarding the development and implementation of an AI-driven career guidance system; however, it is essential to recognize certain limitations. Firstly, the research may be constrained by the dataset used, which could affect the generalizability of the results. Additionally, the system’s performance may vary across different demographic groups, potentially leading to biased recommendations.
Future work should focus on expanding the dataset to include a more diverse population and exploring the integration of user feedback to enhance the system’s adaptability. Furthermore, investigating the long-term effectiveness of the AI-driven guidance in real-world applications will be crucial for validating its utility and improving its design.