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: sofie.humblet@ua.ac.be

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