ΤΟ ChatGPT ΜΑΣ ΑΠΟΚΑΛΥΠΤΕΙ ΤΙΣ ΣΠΟΥΔΕΣ ΣΤΗΝ ΕΛΛΑΔΑ ΜΕ ΤΗ ΧΕΙΡΟΤΕΡΗ ΠΡΟΟΠΤΙΚΗ

Ρωτήσαμε το σοφό ChatGPT ποιες είναι οι σπουδές στην Ελλάδα με την χειρότερη προοπτική. Συγκεκριμένα, θέσαμε το ερώτημα:

Ποιες είναι οι σπουδές στα ελληνικά πανεπιστήμια με τις χειρότερες προβλέψεις για θέσεις εργασίας;

Και το ChatGPT μας απάντησε:

«Ως γλωσσικό μοντέλο τεχνητής νοημοσύνης, δεν έχω πρόσβαση σε δεδομένα σχετικά με συγκεκριμένες προβλέψεις εργασίας για διαφορετικούς τομείς σπουδών στα ελληνικά πανεπιστήμια. Ωστόσο, ορισμένοι τομείς σπουδών ενδέχεται να αντιμετωπίσουν περισσότερες προκλήσεις όσον αφορά τις προοπτικές απασχόλησης λόγω διαφόρων παραγόντων, συμπεριλαμβανομένης της αγοράς εργασίας, των οικονομικών συνθηκών και των τάσεων της βιομηχανίας.

 

Γενικά, ορισμένοι τομείς σπουδών που μπορεί να έχουν πιο δύσκολες προοπτικές απασχόλησης στην Ελλάδα περιλαμβάνουν ορισμένα πτυχία ανθρωπιστικών και κοινωνικών επιστημών, καθώς και ορισμένους τομείς στις τέχνες, όπως η μουσική ή οι καλές τέχνες. Ωστόσο, αυτό δεν σημαίνει ότι αυτοί οι τομείς δεν είναι πολύτιμοι, καθώς μπορούν να παρέχουν σημαντικές δεξιότητες και γνώσεις που μπορούν να εφαρμοστούν σε διάφορους κλάδους και επαγγέλματα.

 

Είναι σημαντικό να σημειωθεί ότι η αγορά εργασίας αλλάζει συνεχώς και ενδέχεται να προκύψουν νέες ευκαιρίες σε απροσδόκητους τομείς. Επιπλέον, η κατοχή πτυχίου σε οποιονδήποτε τομέα μπορεί να προσφέρει ευκαιρίες για προσωπική ανάπτυξη και ανάπτυξη και εξαρτάται από το άτομο να αξιοποιήσει στο έπακρο την εκπαίδευσή του και να αναζητήσει ευκαιρίες που ευθυγραμμίζονται με τα ενδιαφέροντα και τους στόχους του.»

Στις ατομικές συνεδρίες καθώς και στις δημόσιες παρουσιάσεις της PIXIDAedu πάντα αφιερώνουμε χρόνο στις επιταχυνόμενες αλλαγές του ψηφιακού μετασχηματισμού. Είναι πλέον επιτακτικό το να σχηματίσουμε προσωπική άποψη των ραγδαίων αυτών αλλαγών που επιδρούν όχι μόνο στους επαγγελματικούς ορίζοντες αλλά στην ίδια μας τη ζωή.

ΡΩΤΑΜΕ ΤΟ chatGPT ΓΙΑ ΤΑ ΕΠΑΓΓΕΛΜΑΤΑ ΤΟΥ ΜΕΛΛΟΝΤΟΣ

Συγκεκριμένα το ρωτάμε: Ποια θα είναι τα πιο περιζήτητα επαγγέλματα τα επόμενα δέκα χρόνια;

Και το chatGPT μας απαντά:

«Είναι δύσκολο να προβλεφθεί με βεβαιότητα ποια επαγγέλματα θα έχουν μεγάλη ζήτηση τα επόμενα δέκα χρόνια, καθώς διάφοροι παράγοντες μπορούν να επηρεάσουν την αγορά εργασίας. Ωστόσο, ορισμένοι κλάδοι και επαγγέλματα αναμένεται να σημειώσουν σημαντική ανάπτυξη και ζήτηση. Ακολουθούν ορισμένα παραδείγματα:

 

Υγειονομική περίθαλψη: Με τη γήρανση του πληθυσμού και την αυξημένη πρόσβαση στην υγειονομική περίθαλψη, η ζήτηση για επαγγελματίες υγείας αναμένεται να αυξηθεί. Αυτό περιλαμβάνει γιατρούς, νοσηλευτές, βοηθούς ιατρών, ιατρικούς τεχνολόγους και βοηθούς οικιακής υγείας.

 

Τεχνολογία: Καθώς η τεχνολογία συνεχίζει να εξελίσσεται και να ενσωματώνεται περισσότερο στην καθημερινή μας ζωή, η ζήτηση για επαγγελματίες τεχνολογίας αναμένεται να αυξηθεί. Αυτό περιλαμβάνει προγραμματιστές λογισμικού, ειδικούς στον κυβερνοχώρο, επιστήμονες δεδομένων και μηχανικούς τεχνητής νοημοσύνης / μηχανικής μάθησης.

 

Ανανεώσιμες πηγές ενέργειας: Με την αυξανόμενη εστίαση στη βιωσιμότητα και την ανάγκη μείωσης των εκπομπών άνθρακα, οι θέσεις εργασίας που σχετίζονται με τις ανανεώσιμες πηγές ενέργειας αναμένεται να σημειώσουν ανάπτυξη. Αυτό περιλαμβάνει ρόλους στην ηλιακή, αιολική και άλλες μορφές παραγωγής καθαρής ενέργειας.

 

Εκπαίδευση: Καθώς οι πληθυσμοί αυξάνονται και αλλάζουν, υπάρχει αυξανόμενη ανάγκη για εξειδικευμένους εκπαιδευτικούς σε όλα τα επίπεδα, από την προσχολική ηλικία έως την εκπαίδευση ενηλίκων.

 

Επιχειρήσεις και χρηματοοικονομικά: Ο χρηματοπιστωτικός κλάδος είναι πιθανό να συνεχίσει να αναπτύσσεται καθώς επεκτείνεται η παγκόσμια οικονομία. Αυτό περιλαμβάνει ρόλους στον τραπεζικό τομέα, τη διαχείριση επενδύσεων, τη λογιστική και τη συμβουλευτική.

 

Αξίζει να σημειωθεί ότι η αγορά εργασίας μπορεί να είναι απρόβλεπτη και νέες βιομηχανίες και επαγγέλματα μπορούν να αναδυθούν γρήγορα. Ως εκ τούτου, είναι σημαντικό να παραμείνετε ενημερωμένοι με τις τελευταίες τάσεις και δεξιότητες στην αγορά εργασίας για να παραμείνετε ανταγωνιστικοί»

 

Στις νέες μας παρουσιάσεις επαγγελματικού προσανατολισμού κάνουμε ειδικό αφιέρωμα στην επίδραση της τεχνητής νοημοσύνης στην αγορά εργασίας. Αναλύουμε ακόμη τις μεγάλες ανατροπές που επιφέρει ο επιταχυνόμενος ψηφιακός μετασχηματισμός της 4^ης βιομηχανικής επανάστασης.

του Κ. Παπαγιαννούλη σύμβουλου εκπαίδευσης και καριέρας

    Μεταφερόμαστε στον Ιούνιο του 2021.

    Ο Γιώργος, κάτοικος Πάτρας και υποψήφιος 4^ου επιστημονικού πεδίου στις προηγούμενες πανελλαδικές εξετάσεις, έχει συγκεντρώσει με μεγάλη δυσκολία 10.282 μόρια και πιστεύει ότι με σιγουριά θα καταφέρει να εισαχθεί στο τμήμα ‘’Διοικητικής Επιστήμης και Τεχνολογίας’’ της Πάτρας. Το τμήμα αυτό, την προηγούμενη χρονιά 2020, είχε βάση 9.475 μόρια και έτσι με 800 μόρια παραπάνω από την προηγούμενη βάση, θεωρεί ότι η εισαγωγή του είναι βέβαιη.

    Στο σπίτι επικρατεί μεγάλη χαρά και πριν ακόμη ο Γιώργος συμπληρώσει το μηχανογραφικό του, κερνάει τους φίλους του για να μοιραστεί τη χαρά του που θα καταφέρει να εισαχθεί στο τμήμα που ονειρευόταν. Η αγάπη του για την πληροφορική και για τη διοίκηση τον είχαν οδηγήσει στη συγκεκριμένη επιλογή.

    Στο μπαράκι της εξόδου του, ένας άλλος φίλος του – ο Κώστας – τον ρωτάει:

-Έχεις δει αν το μηχανογραφικό σύστημα σε αφήνει να δηλώσεις αυτό το τμήμα;

-Τι σημαίνει αν με αφήνει -ότι θέλουμε δηλώνουμε!

- Λάθος Γιώργο, δες γιατί εμένα ούτε τα μισά τμήματα δεν με άφησε να δηλώσω!

    Ο Γιώργος, φανερά ταραγμένος, πληρώνει βιαστικά και καληνυχτίζει ανήσυχος τους φίλους του. Ορμάει στο σπίτι του, στο δωμάτιό του, ανοίγει τον υπολογιστή, μπαίνει στο σύστημα του μηχανογραφικού του υπουργείου και αρχίζει να δηλώνει τα στοιχεία του, ενώ έχει ιδρώσει.     Εμφανίζονται τότε τα τμήματα στα οποία έχει πρόσβαση.

    Βλέπει τα τμήματα Διοικητικής Επιστήμης και Τεχνολογίας της Κοζάνης, της Τρίπολης και της Καβάλας αλλά της Πάτρας πουθενά!

   Αυτό που είχε συμβεί οφειλόταν στην ‘’Ελάχιστη Βάση Εισαγωγής’’ και συγκεκριμένα, το τμήμα της Πάτρας, με συντελεστή Ε.Β.Ε. =1,02 και με μέση βαθμολογία υποψηφίων 4^ου πεδίου 11,03 απαιτούσε τουλάχιστον μέση βαθμολογία υποψηφίου 1,02x11,03=11,25 για να μπορεί να το δηλώσει.

    Ο Γιώργος είχε μέση βαθμολογία 11,15 και αυτό τον απέκλειε ενώ τα τελικά μόρια του τμήματος μετά την ανακοίνωση των βάσεων ήταν 9.592 τα οποία κάλυπτε με το παραπάνω!  

    Ο ‘’κόφτης’’ της Ε.Β.Ε. λειτουργεί ως εξής:

    Υπολογίζεται από το υπουργείο η μέση τιμή των τεσσάρων μαθημάτων όλων των υποψηφίων ενός πεδίου.

    Για να μπορέσει να δηλώσει ένα τμήμα ένας υποψήφιος θα πρέπει να συγκεντρώνει από το 80% έως το 120% της μέσης τιμής του αντίστοιχου πεδίου. Στην περίπτωση του Γιώργου, θα έπρεπε να συγκεντρώνει το 102% της μέσης τιμής δηλαδή ο συντελεστής Ε.Β.Ε. για το ποθητό του τμήμα ήταν 1,02.

    40.000 υποψήφιοι με αρκετές χιλιάδες σαν τον Γιώργο έμειναν πέρυσι εκτός των τειχών του Ακαδημαϊκού κάστρου και οι περισσότεροι από αυτούς δεν μπόρεσαν καν να χτυπήσουν το κουδούνι της πόρτας!

  Εφέτος ήταν μία “Τρελή” χρονιά εκτιμήσεων, καθότι είχαμε επαναφορά συντελεστών και πρώτη εφαρμογή ελάχιστης βάσης εισαγωγής. Με βάση τις περισσότερες εκτιμήσεις αναλυτών επροβλέποντο άνοδοι ειδικά στο 2^ο και 3^ο πεδίο ακόμη και 1000 μορίων στις περιζήτητες σχολές! Μελετώντας ήδη εδώ και δύο χρόνια τη μέθοδο εκτίμησης βάσεων, έβγαλα τα εξής συμπεράσματα για τη μεθοδολογία που ακολουθούν ( επί το ακριβέστερον – δεν ακολουθούν ) συνήθως οι αναλυτές:
Εξάγουν τον μέσο όρο βαθμολογίας ανά πεδίο και τον συγκρίνουν με τον αντίστοιχο περισινό. Αν για παράδειγμα ο μέσος όρος από 11,00 έχει γίνει 11,20 τότε αυτό μεταφράζεται σε αύξηση 200 μορίων – υποτίθεται σε όλες τις βάσεις! Φυσικά αυτό είναι ένα λογιστικό λάθος από εκ του προχείρου εκτίμηση.

    Μία άλλη μέθοδος την οποία ακολουθούν είναι η σύγκριση του πλήθους γραπτών πάνω από ένα τμήμα, π.χ. Νομικής Αθηνών ανάμεσα στα δύο έτη, τρέχον και παρελθόν. Αν για παράδειγμα βρουν περισσότερα 1000 γραπτά, τα διαιρούν χοντρικά με το πλήθος των εισακτέων σε αυτό το εύρος και συμπεραίνουν – ότι συμπεραίνουν.

    Αυτές είναι προχειρότητες οι οποίες στις περισσότερες περιπτώσεις έχουν σαν αποτέλεσμα τερατώδεις αποκλίσεις. Εφέτος ειδικά έγινε και ένα άλλο τραγικό λάθος από πολλούς εκτιμητές, συγκεκριμένα συγκρίθηκαν οι φετινές επιδόσεις με τις περσινές νέου συστήματος μόνον, ενώ περίπου 10% επιπλέον πέρυσι ήταν εξεταζόμενοι παλαιού συστήματος. Παρέλειψαν δηλαδή να κάνουν την αναγωγή των περισινών νέου συστήματος επί του συνόλου. Συγκρίνοντας φετινά πλήθη σε σχέση με λιγότερα το δέοντος περσινά, βγήκε το συμπέρασμα ότι έχουμε δραματικά υψηλή αύξηση καλύτερων γραπτών ενώ η πραγματικότητα ήταν ότι είχαμε αρκετή και όχι δραματικά υψηλή αύξηση καλύτερων γραπτών.

    Αναφορικά και δια ταύτα: Στο 1^ο επιστημονικό πεδίο υπήρξαν εκτιμήσεις ανόδου στις Νομικές της τάξης των 400 μορίων ενώ ο αλγόριθμος που χρησιμοποίησα μου έβγαζε άνοδο π.χ. για Νομική Αθήνας το πολύ 100 μορίων όπως και επαληθεύτηκε με άνοδο ακριβώς 100 μορίων!

    Στο 2^ο επιστημονικό πεδίο προβλέφθηκαν άνοδοι ομοίως της τάξης των 1000 μορίων ενώ ο αλγόριθμος για π.χ. τους Μηχανολόγους ΕΜΠ μου έβγαζε 300 έως 400 μόρια άνοδο – τελικά ήταν 492.

    Στο 3^ο επιστημονικό πεδίο προβλέφθηκαν επίσης τερατώδεις άνοδοι για τις σχολές Ιατρικής ενώ ο αλγόριθμος π.χ. για Ιατρική Αθήνας μου έβγαζε περί τα 500 μόρια άνοδο και τελικά ήταν 576.

    Στο 4^ο επιστημονικό πεδίο προβλέφθηκαν άνοδοι 500 μορίων και βάλε. Ο αλγόριθμος όμως για π.χ. για το Οικονομικό ΣΣΑΣ μου έβγαζε άνοδο 100 μορίων και τελικά τόσο ήταν ακριβώς!

    Ο αλγόριθμος εκτίμησης βάσεων κάθε χρόνο βελτιώνεται γιατί “μαθαίνει” τη συμπεριφορά ενός τμήματος π.χ. εάν έχει ανοδικές τάσεις ζήτησης ή πτωτικές. Λαμβάνει επίσης υπόψη πλήθος άλλων παραμέτρων όπως μεταβολές διαθέσιμων θέσεων, στατιστικά επιδόσεων υποψηφίων, EBE, κ.λ.π. Ο αλγόριθμος ως λογισμικό χρησιμοποιεί την ίδια τεχνολογία που χρησιμοποιείται από τους brokers για εκτίμηση μεταβολών τιμών χρηματιστηρίων. Ως εκπαιδευόμενος αλγόριθμος κάθε χρόνο έχει περισσότερη προστιθέμενη πείρα και γίνεται πιο “σοφός”

    Βέβαια, θα αναρωτηθεί κανείς πιο το όφελος του να εκτιμούμε από νωρίς τη διακύμανση των βάσεων. Η απάντηση βρίσκεται στους ίσως και εκατοντάδες αγχωμένους γονείς που μου τηλεφώνησαν: Καταπραΰνεται το άγχος και γίνονται επιπλέον ρεαλιστικότερες επιλογές στο μηχανογραφικό.

του Κ. Παπαγιαννούλη
   Ο Γιάννης είναι στο τελευταίο έτος του bachelor πτυχίου του στο πολυτεχνείο. Έχει ξεκινήσει την πτυχιακή του εργασία, με θέμα: «Τηλεχειρισμός συστημάτων αυτομάτου ελέγχου». Η εκπόνηση της εργασίας περιλαμβάνει καθοδήγηση από καθηγητή και εξάμηνη απασχόληση σε μονάδα συσκευασίας αναψυκτικών στο Βόλο.

   Για την απασχόληση στη μονάδα παραγωγής, αμείβεται από τον εργοδότη και από το επιδοτούμενο πρόγραμμα. Η ασφάλεια του εκπαιδευτικού ιδρύματος τον καλύπτει, ώστε ο εργοδότης να μη καταβάλλει ασφαλιστική εισφορά. Ο Γιάννης αποφοιτά με υψηλό βαθμό και συνάπτει συμβόλαιο με την επιχείρηση με την εξής δέσμευση: Θα πρέπει στις μεταπτυχιακές σπουδές του να εκπονήσει εργασία προσαρμοσμένη στις παραγωγικές ανάγκες, για την οποία θα πρέπει να συνεργαστεί με ένα ολλανδικό πολυτεχνείο στα πλαίσια αναλόγου προγράμματος.

   Κατά τη διάρκεια της πτυχιακής του εργασίας συνάπτει ειδική σύμβαση με την ίδια βιομηχανία, η οποία προβλέπει μερική απασχόληση με επιδοτούμενο ποσοστό ασφαλίστρων. Ο Γιάννης διαμορφώνει και δημιουργεί μια θέση, δεν ζητάει να τον προσλάβουν, γιατί είναι συνεργάτης επιχειρήσεων κινούμενος από περιφερειακές προς κεντρικές υπηρεσίες. Ο Γιάννης γνωρίζει πολύ καλά, ότι τα εξειδικευμένα προσόντα και η καινοτομία είναι περιζήτητες δεξιότητες για τις οποίες εργάστηκε σκληρά.

   Στην εποχή του Γιάννη, οι νέοι δεν θα κτυπούν τις πόρτες των εργοδοτών, αλλά θα συνεργάζονται με τις επιχειρήσεις σε ομάδες κοινών στόχων. Ο ΓΙΑΝΝΗΣ ΔΕΝ ΘΑ ΖΗΤΑΕΙ ΑΛΛΑ ΤΟΝ ΓΙΑΝΝΗ ΘΑ ΤΟΝ ΑΝΑΖΗΤΟΥΝ !