The analysis of university graduates ICT related study programs/Analyza souladu obsahu ICT studijnich oboru s pozadavky praxe v Ceske republice.
UvodZa uplynulych vice jak padesat let od vyroby prvniho pocitace se stal z nasazovani informacnich systemu a informacnich a komunikacnich technologii (ICT) jeden zrozhodujicich faktoru konkurenceschopnosti, rustu a produktivity soucasnych vyspelych ekonomik. Je to zejmena diky tomu, ze ICT vytvareji jak vysokou pridanou hodnotu, tak umozauji zvysovat ucinnost i ucelnost vyvojovych, vyrobnich, distribucnich i obchodnich aktivit prakticky ve vsech sektorech ekonomiky. Technologie tak prostupuji celou ekonomikou a svuj synergicky efekt doplauji i faktem, ze zpracovavaji znalosti, ktere jsou hnaci silou sitove ekonomiky [11] a tim vytvareji zakladni podminky pro vznik znalostni ekonomiky [8]. Primy vliv narustu ICT sektoru na ucinnost organizaci prokazuji napr. prace [25], [2], [21], [7].
ICT sektor zamestnaval v roce 2009 v zemich OECD (Organization for Economic Cooperation and Development) pres 16 milionu zamestnancu (z toho je priblizne 11 milionu pracovniku v ICT sluzbach a 5 milionu pracovniku ve vyrobe ICT [20]), coz je cca 6% veskere ekonomicky aktivni populace v techto zemich. Na tvorbe HDP se vsak ICT sektor v zemich OECD podilel vice nez 10% [19]. Voblasti rustu poctu zamestnancu ma ICT sektor znacnou dynamiku. V roce 2008 vzniklo v ICT sektoru priblizne 1,4 milionu novych pracovnich mist. Pomer zamestnancu v ICT sektoru vuci ostatnim sektorum ekonomiky neni ale ve vsech clenskych zemich OECD shodny [3]. Mezi zeme s nejvetsim podilem zamestnancu v ICT sektoru patri Svycarsko a Svedsko, kde cini jejich podil 8,0% ze vsech zamestnancu v cele ekonomice [17], [5], [6].
V soucasne dobe pracuje celosvetove v pozicich ICT odborniku temer 5% pracujici populace. S uvedenym ale souvisi otazka, kdo je a kdo neni ICT odbornik, nebot definice roli ICT odborniku se stale vyvijeji a v soucasne dobe dochazi ke kombinaci typickych znalosti ICT odborniku s dalsimi "ne ICT" znalostmi jako jsou marketing, byznys atd. [18]. K podobnym zaverum dochazi i Fernandey [9], ktery rika, ze pro firmy je pri vyberu zamestnancu dulezitejsi kombinace ICT a "ne ICT" znalosti, nez pouze specificky typ ICT znalosti. Dle stejneho pruzkumu maji absolventi studijnich oboru, ktere jsou zamereny pouze na ICT dovednosti, problemy s komunikaci, kritickym myslenim, kreativnim myslenim apod.-- obecneji receno maji problemy se zmenou sveho mysleni zejmena ve vztahu k praci s informaci. Tato fakta by se mela odrazit i pri rizeni lidskych zdroju v podnicich, jak je uvedeno napr. v [10], [20].
1. Formulace problemu
Hlavnim problemem, na ktery jsme se v ramci naseho vyzkumu provadeneho v letech 2006 a 2009 zamerili, bylo zjistit, zda studijni obory zamerene na vyuku informatiky nabizeji moznost svym studentum ziskat v ramci vyuky (bez rozsahleho mimoskolniho dovzdelavani) takove znalosti, ktere pozaduje bezna ceska podnikova praxe pro jednotlive hlavni role v oblasti podnikove informatiky.
V ramci opakovanych pruzkumu jsme proto porovnavali obsah vyucovanych ICT studijnich oboru na ceskych vysokych skolach s pozadavky podnikove praxe na nejvice pozadovane ICT profese v ceske ekonomice.
Zcela samostatnou kapitolou je pak problematika specializace pedagogu, kteri zasadnim zpusobem ovlivauji zpusoby a uspesnost pedagogickeho procesu, jehoz kvalita je v ramci vysokoskolske vyuky jednim ze zakladnich predpokladu kvality [1] a tim i zavrseni celeho studijniho cyklu [14].
2. Metodika vyzkumu a jeji vyvoj
Metodiku vyzkumu jsme rozdelili na oblasti pokryvajici pruzkum mezi vysokymi skolami a pruzkum mezi firmami. Krome toho bylo nutne stanovit nektera vychodiska vlastniho vyzkumu, napriklad stanoveni ICT roli v podnikove ekonomice, vymezeni hlavnich znalostnich domen a stanoveni zpusobu jejich mereni, ktera jsou diskutovana dale v teto kapitole.
2.1 Role v ICT
Abychom mohli navrhnout vhodne role ICT odborniku, museli jsme vymezit, koho vlastne budeme vnimat jako ICT odbornika. Za ICT odbornika povazujeme zamestnance, jehoz pracovni zarazeni vyzaduje specificke informa-ticke dovednosti a znalosti o tvorbe, nasazeni, provozu ICT a k vyuziti ICT v aplikacni oblasti. Prace s ICT predstavuje hlavni napla jeho zamestnani [19]. Za ICT odborniky nepovazujeme koncove uzivatele ICT, kteri vlastni specializovanou cinnosti neovlivauji praci ostatnich uzivatelu s ICT. Duvodem nezahrnuti koncovych uzivatelu mezi ICT odborniky je fakt, ze stale vice profesi (lekari, financnici, architekti, ucetni a dalsi) vyuziva ICT pri sve praci a vysledky pruzkumu zamereneho pouze na ICT odborniky by tak mohly byt zkresleny. Vyse uvedena definice je vsak pro potreby naseho vyzkumu stale nedostatecne podrobna, protoze ICT odbornici mohou pracovat v rade roli, ktere jsou z hlediska potrebnych dovednosti a znalosti zcela odlisne (viz napr porovnani pozadavku na programatora a reditele oddeleni ICT v podniku).
Pro potreby vyzkumu jsme proto stanovili (ve spolupraci s profesnimi sdruzenimi ICT odborniku a firem--Ceske asociace manazeru useku informacnich technologii CACIO a ICT Unie) sest zakladnich roli ICT odborniku: byznys analytik--architekt, manazer rozvoje a provozu IS/ICT (informacnich systemu a informacnich a komunikacnich technologii), obchodnik s ICT produkty a sluzbami, vyvo-jafi/IS architekt, spravce aplikaci a IT infrastruktury, pokrocily uzivatel ICT--metodik.
Kazdou z uvedenych sesti roli jsme popsali strukturovanou formou. V popisu kazde role jsme identifikovali obvykle nazvy profesi uzivane v praxi, ktere lze do teto role zaradit. Dale jsme popis role doplnili o klicove znalosti a cinnosti, o kterych predpokladame, ze jsou s danou roli spojene [4].
2.2 Kategorie znalosti
Ve spolupraci s vyse uvedenymi sdruzenimi jsme dale formulovali pozadavky na obligatorni znalosti a dovednosti ICT odborniku, ktere jsou vyzadovany u vsech roli. Za ne povazujeme zejmena vysoky stupea kreativity pri reseni uloh, dobrou znalost anglictiny (pismem i slovem), schopnost prace v tymu a komunikacni schopnosti. V ramci vyzkumu jsme tyto dovednosti nezjistovali.
Na vymezeni obligatornich znalosti a dovednosti jsme navazali vymezenim znalostnich domen ve smyslu slovy sdelitelnych (pedagogickym procesem) nebo praktickymi cvicenimi nabytych znalosti a dovednosti. Zde jsme vymezili ty znalosti a dovednosti, ktere jsou vyzadovany pro jednotlive role s ruznou mirou nalehavosti. Rozclenili jsme je i na zaklade [23] na nasledujici znalostni domeny: 01 Modelovani procesu, 02 Funkcionalita a customizace aplikaci, 03 Definice ICT sluzeb a variant provozu, 04 Management ICT, 05 Analyza a navrh IS (podnikoveho informacniho systemu jako celku i jeho casti), 06 Softwarove inzenyrstvi (techniky a postupy tvorby programovych produktu), 07 Datove a informacni inzenyrstvi, 08 Znalosti infrastruktury ICT, 09 Provozni excelence, 10 Schopnosti vedeni tymu, 11 Znalosti ICT trhu, 12 Metody rizeni a organizace, 13 Finance a ekonomika podniku, 14 Obchod a marketing, 15 Matematika a statistika, 16 Pravo.
Kazdou z techto znalostnich domen jsme popsali tak, aby byli respondenti vyzkumu schopni priradit ECTS (European Credit Transfer and Accumulation System) kredity ziskavane studenty ve vyucovanych predmetech do prislusne domeny. Jednotlive domeny, jejich popis a mapovani mezi jednotlivymi pruzkumy je uvedeno napr. v [13].
2.3 Urovne znalosti
Objemy ECTS kreditu, ktere studenti na zaklade sveho studia mohou ziskat v jednotlivych znalostnich domenach, jsme prepocitali na nelinearni sestiurovaovou stupnici. Zpusob prepoctu jsme stanovili nasledujici: 0--zadne znalosti, 1--Obecny prehled o problematice (odpovida priblizne 1-2 ECTS kreditum vyuky), 2--Zakladni orientace v problematice av terminologii (odpovida priblizne 3-5 kreditum vyuky), 3--Solidni prehled o dane problematice a zakladni prakticke dovednosti (odpovida priblizne 6-20 kreditum vyuky), 4 -Solidni prehled o dane problematice a solidni prakticke dovednosti (odpovida priblizne 21-40 kreditum vyuky), 5--Nejvyssi znalostni kvalita--hluboke aktualni znalosti a pokrocile prakticke dovednosti (odpovida 41 a vice kreditum vyuky).
Na zaklade diskusi se zastupci vysokych skol a podniku z oblasti ICT jsme se rozhodli pouzit totoznou skalu i pro dotazovani firem. V pripade firem nahradil pocet ECTS kreditu pro firmy srozumitelnejsi termin "pocty dni skoleni". Prepocitavacim mechanismem byl zvolen pomer 1 ECTS kredit = 1 den skoleni. K poctu 1 ECTS kredit 1 den skoleni--tj. 8 hodin, jsme dospeli po analyze ucebnich osnov informatic-kych predmetu napr na VSE v Praze, Ostravske Universite, Technicke univerzite v Kosicich, Universite Pardubice, MLZU Brno a dale z konzultaci s pedagogy z techto vysokych skol. Jedna se o primou efektivni vyuku. Sestikre-ditove predmety maji obvykle 52 hodin prime vyuky, cemuz odpovida 8,7 vyukove hodiny na 1 ECTS kredit; 0,7 kreditu jsme odecetli na zrusenou vyuku z ruznych duvodu (statni svatky, uvodni seznameni s kurzem apod.).
2.4 Znalostni profily a jejich vzdalenosti
Mnozina znalosti, ktera je ocekavana u kazde z vyse definovanych profesnich roli, je v ramci naseho vyzkumu pojmenovana jako znalostni profil profesni role. Prostrednictvim definovaneho znalostniho profilu provadime porovnani mezi pozadavky podnikove praxe na znalosti ICT s nabidkou, kterou poskytuji vysoke skoly prostrednictvim svych studijnich oboru. Pro toto porovnani jsme vyuzili modifikovane metody vzdalenosti od idealni varianty. Pro toto setreni jsme vyuzili postup stanoveni agregovane hodnoty vektoru varianty (znalostni profil studijniho oboru) a jeji odchylky od vektoru ohodnoceni varianty idealni (praxi pozadovany znalostni profil role).
D(a) = d(a,s), (1)
kde
d je funkce vzdalenosti,
vektor a je slozen z ohodnoceni domen zjisteneho znalostniho profilu studijniho oboru, vektor s je slozen z ohodnoceni domen pozadovane urovne znalosti pro sledovanou roli.
Funkce vzdalenosti d je pak dana pro kazdou znalostni dimenzi metrikou:
d([a.sub.i],[s.sub.i])= 0,
d([a.sub.i],[s.sub.i])= [s.sub.i]-[a.sub.i]
pro [a.sub.i]>= [s.sub.i],
pro [a.sub.i]<[s.sub.i].
Vzdalenost mezi znalostnim profilem studijniho oboru a znalostnim profilem dane profesni role je pak dana D(a) = [16.summation over (i=0)] di (ai,si) a jeji interpretaci je pocet dni skoleni, ktere musi firma investovat do nove prijateho ICT odbornika (absolventa) takoveho studijniho oboru, aby dosahl minimalni pozadovane urovne znalosti, kterou firma pro danou profesni roli pozaduje. Pri vypoctu vzdalenosti jde tedy o soucet nedostatku, ktere ma znalostni profil daneho studijniho oboru oproti znalostnimu profilu dane profesni role.
Za prijatelnou hranici poctu dni doskoleni (prijatelna vzdalenost), kdy jeste neni absolvent pro firmu prilis drahy, jsme po diskusich s predstaviteli firem a odbornych spolecnosti stanovili 60 dni skoleni.
2.5 Vyzkum mezi skolami
Vyber vysoke skoly
V ramci vyzkumu jsme oslovili vysoke skoly v Ceske republice, ktere v ramci svych studijnich oboru vyucuji informatiku. Vstupnim informacnim zdrojem pro identifikaci odpovidajicich vysokych skol byly seznamy akreditovanych studijnich oboru, ktere vede Ministerstvo skolstvi mladeze a telovychovy a Ustav pro informace ve vzdelavani. Tyto seznamy jsou uvedeny v informacnich zdrojich [15] a [24].
Z mnoziny vsech akreditovanych studijnich oboru v Ceske republice (v roce 2006 jich bylo zjisteno priblizne 7.800 a v roce 2009 priblizne 7.900 [15]) jsme vybrali pouze informaticke obory. Za informaticke obory povazujeme vsechny obory, jejichz nazev obsahuje cast slova "infor-ma". Vyjimkou z tohoto byly obory s predmetem vyuky knihovnictvi. Do konecneho seznamu informatickych oboru jsme jeste pridali obory, ktere neodpovidaly kodem studijniho oboru nebo jej nemely vyplneny a jejichz nazev obsahoval nektere z nasledujicich slov: "informa", "pocitac", "softwar", "computer", "program" a kombinaci "vypocet" a "technik".
Osloveni vysoke skoly
Kazdou z vybranych vysokych skol jsme oslovili prostrednictvim unifikovaneho strukturovaneho dotazniku [4], [16]. V dotazniku byly obsazeny skupiny otazek, ktere zjistovaly: Identifikacni udaje vysoke skoly a studijniho oboru, pocet studentu studijniho oboru (pocet nove prijatych, celkovy pocet, pocet absolventu), pocet pedagogu v prepoctu na plny uvazek, typ klasifikace studentu studijniho oboru (ECTS kredity, kredity prime vyuky za semestr apod.) a pocet kreditu za studijni predmety, ktere je nutne v ramci studijniho oboru absolvovat v cleneni dle znalostnich domen. V roce 2009 jsme informaci o ziskavanych ECTS kreditech rozdelili na povinne a volitelne. Povinne ECTS kredity musi kazdy student splnit. Volitelne ECTS kredity si studenti mohou vybirat na zaklade pravidel stanovenych pro dany studijni obor.
2.6 Vyzkum mezi firmami
Vyber vzorku firem
Vyzkum mezi firmami jsme zalozili na udajich v Registru ekonomickych subjektu, ktery vede Cesky statisticky urad. K 31. 12. 2005 bylo v tomto registru celkem 2 388 490 subjektu, z nichz 1 266 336 subjektu bylo ekonomicky aktivnich. Ekonomicky aktivni subjekty byly cilovou skupinou, kterou jsme dale omezili dalsimi vyberovymi podminkami. Po jejich uplatneni jsme z vysledne mnoziny ekonomicky aktivnich subjektu vybrali vyberovy vzorek, ktery jsme oslovili. Omezujicimi a rozlisujicimi podminkami byly:
* Velikost ekonomickeho subjektu, ktera je dana poctem zamestnancu. Pro potreby pruzkumu jsme zvolili sest kategorii velikosti podniku s poctem zamestnancu: 0, 1-9, 10-49, 50-249, 250-999, 1000 a vice. Do kategorie 0 jsme zapocitali take subjekty, ktere pocet pracovniku neuvedly.
* Odvetvi cinnosti, ktere slouzilo k urceni miry narocnosti vyuziti ICT ve firme. Na zaklade podilu objemu investic do ICT na obratu firmy jsme odvetvi rozdelili do tri kategorii: odvetvi s nejnizsi narocnosti (MIT), odvetvi stredne narocna (SIT) a odvetvi s nejvyssi narocnosti na vyuzivani ICT (VIT).
Na zaklade uvedenych podminek jsme identifikovali pocty ekonomicky aktivnich subjektu v rozcleneni dle velikosti a odvetvi cinnosti. Detailneji uvedeno v Tab. 1.
Pri rozhodovani o velikosti vyberoveho souboru jsme vychazeli z uvahy, ze nejjednodussi, tj. proporcionalni rozvrzeni do oblasti, kdy jsou vyberove podily ve vsech oblastech stejne, nebude v tomto pripade vhodne. Oblasti v zakladnim souboru se velikosti zasadne lisi, viz Tab. 1. Tuto skutecnost jsme se rozhodli zohlednit zejmena takto:
* ve skupine nejvetsich subjektu (pres 1000 zamestnancu), kterych je nejmene, provest vycerpavajici zjistovani,
* v odvetvich narocnych na informacni technologie provest vycerpavajici zjistovani jiz u subjektu pres 50 zamestnancu.
Pri realizaci setreni je vsak dale nutne pocitat u nekterych jednotek s odmitnutim ucasti. Vyznamnym argumentem pri rozhodovani o velikosti vyberoveho souboru jsou vzdy take kalkulovane naklady setreni. S ohledem na tyto skutecnosti byl po dohode s firmou realizujici vlastni terenni setreni predpokladany rozsah vzorku stanoven na 1002 jednotek v cleneni a poctech tak, jak je uvedeno v Tab. 2.
Osloveni firem ve vzorku
Zjistovani bylo provedenou metodou telefonickeho dotazovani CATI (Computer Assisted Telephone Interviewing) v kombinaci s on-line dotazovanim.
V dotazniku pro on-line a telefonicke dotazovani byly obsazeny skupiny otazek tykajici se charakteristiky firmy--"narocnost na informacni technologie" s hodnotami MIT, SIT a VIT, zda jde o dodavatele ci uzivatele ICT, zda je vlastnik firmy tuzemsky nebo zahranicni, jaky je pocet zamestnancu a identifikace sektoru dle OKEC, pozadavky na znalosti v cleneni dle znalostnich domen, ktere jsme uvedli vyse. Firmou pozadovane znalosti byly prirazovany kazde z sesti definovanych profesnich roli, pozadovana praxe pro kazdou profesni roli, doplaujici udaje o prumernem mesicnim platu v kazde profesni roli a pocet ICT odborniku v prislusne roli, kteri jsou ve firme zamestnani vcetne vyhledu firmy na jejich pocet v letech 2005-2015.
Setreni mezi firmami bylo provedeno v roce 2006. Vysledky tohoto setreni byly pouzity jako srovnavaci platforma jak pro setreni mezi vysokymi skolami v roce 2006, tak v roce 2009. Navazne setreni bylo provedeno jeste v zaveru roku 2010, jeho vysledky jsou vsak jeste ve stadiu zpracovani a nejsou v tomto clanku zahrnuty. Z dosavadnich vysledku navazneho setreni vsak jiz vyplynulo, ze se v dobe mezi obema setrenimi pozadavky firem vyznamne nezvysily.
2.7 Zpracovani a vyhodnoceni dotazniku
Zpracovani a vyhodnoceni dotazniku bylo provadeno prostrednictvim integracnich (ETL) a analytickych nastroju (dolovani dat--data-mining) platformy Microsoft SQL Server.
Dotazniky jsme prostrednictvim ETL nastroju zpracovali a v cilove podobe umistili do databaze MS SQL Server. Tuto databazi jsme analyticky zpracovali vyuzitim deskriptivniho modelu shlukove analyzy z nastroju pro dolovani dat (DM) platformy MS SQL Server. Shlukovou analyzu jsme provadeli nad znalostnimi domenami, kde prirazena kreditni ohodnoceni predstavovala parametry analyzovane promenne.
Podstatou shlukove analyzy jsou algoritmy (soubor algoritmu), ktere seskupuji objekty v urcenem souboru objektu do skupin. Pro identifikovane shluky (skupiny) plati dve zakladni charakteristiky:
* prvky ve shluku jsou si vzajemne co nejvice podobne,
* shluky jsou vzajemne co nejvice odlisne.
V nastroji MS SQL Server jsou k dispozici dve zakladni standardne pouzivane metody, a to metoda K-prumeru (K-means) a EM (Expectation-Maximamization) algoritmus (algoritmus zalozeny na vzdalenostech).
Princip algoritmu K-prumeru je identifikaci prislusnosti analyzovaneho prvku (v tomto pripade studijniho oboru) do shluku na zaklade vzdalenosti. Analyzovany prvek prislusi k tomu shluku, k jehoz stredu je nejblize. Vzdalenost od stredu je merena na zaklade jednoduchych euklidovskych vzdalenosti. Pro prvky prirazovane metodou K-prumeru plati, ze vzdy patri prave k jednomu shluku, nebooe shluky vytvorene K-prumery se neprekryvaji [16], [22].
Princip EM algoritmu vyuziva pravdepodobnostni porovnavani, ktere urcuje, zda prvek patri k danemu shluku ci nikoliv. Jde o metodu tzv. smiseneho modelu, ktery je zalozen na predpokladu, ze data jsou smesi pozorovani, ktera pochazi z ruznych pravdepodobnostnich rozdeleni. EM algoritmus a zpusob prirazovani prvku ke shlukum lze znazornit prostrednictvim krivky. EM algoritmus pracuje na zminene kfiiv-ce s prumery a odchylkami, ktere zohledauje. Cilem modelu je jednotliva rozdeleni od sebe oddelit a modelovat je [4], [16], [22].
Oproti predchozi metode se v EM algoritmech mohou shluky prekryvat a dale EM algoritmus stanovuje pravdepodobnost, s jakou jednotlive prvky patri k jednotlivym shlukum. Graficka interpretace uvedenych algoritmu je uvedena na Obr. 1.
Pro potreby naseho vyzkumu jsme se rozhodli pouzit metodu K-Means. Identifikovali jsme tak studijni obory, ktere poskytuji studentum obdobne objemy ECTS kreditu v obdobnych znalostnich domenach. Vysledkem byly shluky vzajemne podobnych studijnich oboru z hlediska zamereni naseho vyzkumu. Nasledne bylo mozne na zaklade porovnani s poptavkou urcit, jak jednotlive shluky odpovidaji pozadavkum firem na znalosti absolventu v jednotlivych profesnich rolich.
2.8 Rozdily v setrenich v jednotlivych letech
Na zaklade zkusenosti z prvniho setreni jsme v druhem setreni provedli drobne upravy v metodice. Mezi faktory, ktere povazujeme za vyznamne a ktere mohou ovlivnit vysledky jednotlivych vyzkumu, a tedy i jejich porovna-telnost, radime zmenu ve strukture a poctech odpovedi respondentu a zmeny v dotaznicich:
* Vliv zmen v poctu a strukture odpovedi respondentu souvisi se vznikem a zanikem novych studijnich oboru--zejmena oboru na soukromych vysokych skolach a dale probihajicim procesem ukoncovani petiletych studijnich oboru. Tento faktor nebylo mozne z nasi strany ovlivnit. Dusledky zmen v analyzovane oblasti predstavuji bezny vyvoj, ktery moznosti porovnani vysledku vyzkumu mezi lety mohou ovlivnit, ale je mozne je odpovidajicim zpusobem vysvetlit.
* Vliv zmen v dotaznicich souvisi s drobnymi zmenami obsahu dotazniku, obsahu a zamereni nekterych znalostnich domen, a zejmena s rozclenenim ECTS kreditu na povinne a volitelne. Cilem techto nami vyvolanych uprav bylo zvyseni detailu informaci o studijnich oborech a zvyseni vzajemne porovnatelnosti studijnich oboru. Dopad zmen jsme minimalizovali vhodnym navrhem modelu dat a dale vhodnym navrhem porovnavanych skutecnosti-- znalosti z roku 2006 vs. celkove znalosti z roku 2009 (soucet znalosti povinnych a volitelnych).
3. Zjistene vysledky
Na zaklade provedenych analyz jsme dospeli k zjistenim, ktera jsou uvedena v nasledujicich podkapitolach.
3.1 Navratnost dotazniku
Vysoke skoly
Kvantitativni charakteristiky vyzkumu z roku 2006 a 2009 vcetne miry navratnosti dotaznikovych setreni uvadime v Tab. 3.
Firmy
Vysledky setreni presne odpovidaji vzorku uvedenemu v Tab. 2, protoze setreni bylo dodavano externi odbornou spolecnosti, zamerenou na provadeni pruzkumu.
3.2 Charakteristiky zjistenych dat
Statisticke charakteristiky analyzovaneho vzorku dat v cleneni na bakalarske studijni obory a magisterske studijni obory (obsahuji jak petilete magisterske studijni obory, tak i agregaci dat za bakalarske a navazujici magisterske studijni obory odpovidajicich vysokych skol) uvadime v nasledujicich dvou tabulkach Tab. 4 (bakalarske studijni obory) a Tab. 5 (magisterske studijni obory).
Z pohledu na zjistena data vyplyva, ze vysokymi skolami jsou za nejdulezitejsi povazovany znalosti ICT infrastruktury, za nejmene dulezite pak znalosti ICT trhu. Smerodatna odchylka u jednotlivych odpovedi je prakticky stejna. Zaporna sikmost u vetsiny promennych pak naznacuje, ze vetsina skol voli v odpovedich vyssi hodnoty nez je prumerna hodnota a prumer je pak snizen odlehlymi odpovedmi nekterych respondentu. Z tohoto duvodu povazujeme za vhodne porovnavat jednotlive promenne nejen podle prumeru, ale i podle medianu, jakkoli zde je srovnani trochu hrubsi a promenne se pouze rozdeli do tri skupin.
Odpovedi, vztahujici se k jednotlivym domenam se opet navzajem lisi, nejmensi duraz je kladen na znalosti obchodu a marketingu, nejvetsi na ICT infrastrukturu. Doporucujeme podrobne se zabyvat rozdily mezi pozadavky na bakalarske a magisterske obory, coz by mohlo byt klicem k budouci diferenciaci bakalarskeho a magisterskeho studia ICT oboru. Obecne jsou pozadavky na magisterske absolventy vyssi (v prumeru o 0,2 bodu), vyrazne vyssi jsou ve vecnych domenach 01-06 a dale u "soft skills" (09-12). Naopak nizsi nez prumerne (nebo dokonce absolutne nizsi) jsou u odbornych ne-ICT predmetu (finance a ekonomika podniku; pravo).
V nasledujici tabulce Tab. 6 uvadime jako priklad charakteristiky analyzovaneho vzorku dat 1002 firem z roku 2006 pro roli Manazer rozvoje a provozu IS/ICT.
Na manazery jsou obecne kladeny vyssi pozadavky, coz se projevuje ve vyrazne vyssich hodnotach u vsech ukazatelu; nelze detailne ani urcit jednotlive specializovane domeny, v nichz by byly pozadavky vyznamne nizsi. Rozptyly odpovedi jsou taktez stejne. Pomerne vyrazne je zaporne zesikmeni rozdeleni, coz znamena, ze velka vetsina firem udava u jednotlivych odpovedi vyssi hodnoty a prumer je pak stazen nekolika odlehlymi nizkymi hodnotami.
3.3 Znalosti ocekavane firmami
Na zaklade analyzy, kterou jsme provedli nad daty z vyzkumu mezi firmami, jsme zjistili pozadavky kladene firmami na jednotlive profesni role (pro vypocet pozadovane urovne znalosti ci dovednosti pro skupinu firem byl vzdy pouzit median). Prikladem pozadavku na znalosti profesni role Manazer rozvoje a provozu IS/ICT je graf uvedeny na Obr. 2. Z nej je zrejme, ze v pripade teto profesni role jsou firmami vyzadovany po absolventech nastupujicich do juniorskych pozic znalosti minimalne na urovni solidniho prehledu ve vsech domenach. V pripade znalostnich domen 01-04, 07-10 a 12 jsou pak vyzadovany navic solidni prakticke dovednosti. V ostatnich znalostnich domenach firmy vyzaduji pro tuto roli znalosti pouze na urovni 3, tedy solidni prehled o dane problematice a zakladni prakticke dovednosti.
Timto zpusobem byly charakterizovany pozadavky praxe na vsechny ICT pracovni role.
3.4 Studijni obory v roce 2006 a 2009
Jednotlive ICT studijni obory na vysokych skolach jsme pomoci nastroju pro data mining rozdelili v pripade bakalarskych studijnich oboru do 4 shluku (v roce 2006) a do dvou shluku v roce 2009. V pripade magisterskych studijnich oboru jsme v roce 2006 identifikovali 4 shluky a v roce 2009 celkem 3 shluky studijnich oboru. Kazdy ze shluku obsahuje obory s navzajem podobnou strukturou vyuky--z tohoto hlediska jde tedy o konkurencni obory.
Zakladni princip shlukove analyzy neumozauje porovnat shluky z roku 2006 a shluky z roku 2009. Vysledky pouze mohou ukazovat, ze mezi ICT obory dochazi k postupne konsolidaci vyucovanych znalosti a dovednosti--obory, ktere jsme sledovali v roce 2009, jsou si vice podobne. Dale uvedeny Obr. 3 porovnava znalosti nabizene studentum ve studijnich oborech rozdelenych do shluku, ktere jsme identifikovali v jednotlivych vyzkumech. Leva cast Obr. 3 znazorauje vysledky, ktere jsme zjistili vprvnim vyzkumu bez rozliseni na povinne a volitelne predmety studijnich oboru, prava cast Obr. 3 porovnava vysledky zjistene pro povinne a volitelne predmety v roce 2009.
Shluky magisterskych studijnich oboru oznacene MgrA09 az MgrC09 jsme identifikovali na zaklade analyzy dat zjistenych z dotazniku z druheho pruzkumu a shluky oznacene Mgr5I az Mgr5L jsme identifikovali v prvnim vyzkumu. Z grafu, ktere jsou uvedeny na Obr. 4, vyplyva, ze i v pripade magisterskych studijnich oboru dochazi k vyvoji. Dochazi tedy ke zvysovani pozadavku na studenty analyzovanych studijnich oboru. Ze shluku roku 2009 (MgrA09 az MgrC09) je nejvyssi rozsah znalosti ve shluku MgrC09, ktery je nasledovan shluky MgrB09 a MgrA09. Tento vyvoj lze sledovat zejmena na grafu, ktery je uveden na Obr. 4 v leve casti (rok 2006) v porovnani s grafem uvedenym v prave casti Obr. 4 (vysledky roku 2009).
3.5 Porovnani vzdalenosti mezi pozadavky praxe a nabidkou VS v roce 2006 a 2009
V Tab. 7 a Tab. 8, uvadime vzdalenosti shluku bakalarskych a magisterskych studijnich oboru od pozadavku, ktere na absolventy studijnich oboru kladou firmy.
Hodnoty uvedene v Tab. 7 a Tab. 8, vyjadruji vzdalenost mezi pozadavky firem na znalosti ICT odborniku v dane profesni roli vuci znalostem, ktere ICT studijni obory v danem shluku nabizi. Na zaklade porovnani vysledku z obou vyzkumu lze konstatovat, ze i v pripade analyzy vzdalenosti mezi pozadavky podnikoveho sektoru a nabidkou vysokych skol dochazi k pozitivnimu vyvoji, nebot se celkovy rozdil mezi znalostnim profilem oboru a znalostnim profilem pozadovanym pro vykon urcite ICT role snizuje. Tento zaver plati jak pro bakalarske studijni obory, tak i navazujici magisterske studijni obory. V pripade porovnani vzdalenosti shluku studijnich oboru od pozadavku firem s hranici 60 dni doskoleni zjistime, ze zejmena v pripade shluku MgrC09 jsou absolventi kvalitne pripraveni pro vstup do kterekoliv ICT profesni role v podnikove praxi. Sedou barvou podbarvena pole v Tab. 7 a Tab. 8 odpovidaji vyzkumu z roku 2006.
Z Tab. 7 a Tab. 8 plyne, ze v pripade porovnani vysledku z pruzkumu v roce 2006 (dle shluku) s vysledky pruzkumu z roku 2009, doslo k podstatnemu zmenseni rozdilu mezi pozadavky praxe na ICT role a znalostnimi profily ICT studijnich oboru.
Zaver
Z pruzkumu provedenych mezi vysokymi skolami a podnikovou praxi vyplynulo, ze jak v pripade bakalarskych, tak i magisterskych informatic-kych studijnich oboru dochazi ke zmensovani rozdilu mezi pozadavky praxe a tim, co vysoke skoly uci--znalostnimi profily ICT oboru. Relativne dobry znalostni profil vykazuji bakalarske obory, sdruzene do shluku BcB09. Ty take predstavuji dobrou zakladnu pro uplatneni v praxi, aniz by bylo nutne pokracovat v navazujicim magisterskem studiu. Ze shluku magisterskych studijnich oboru vyrazne vystupuje shluk MgrC09, jehoz znalostni profil je prijatelny pro vsechny ICT role tak, jak je pozaduje praxe.
Pres tyto pozitivni trendy je mozne z nasich vyzkumu vycist i varujici fakta:
* soucasne bakalarske studijni obory ICT oboru stale neposkytuji prijatelne znalostni profily prakticky pro zadnou z praxi pozadovanych ICT roli. Vyjimkou jsou profese Sprava aplikaci a IT infrastruktury a Pokrocily uzivatel ICT metodik u segmentu BcB09,
* v nabidce ICT oboru jsou i magisterske studijni obory, (sdruzene ve shluku MgrA09), ktere neposkytuji dostatecny znalostni profil pro zadnou z praxi pozadovanych roli,
* celkove jsou znalostnimi profily magisterskych studijnich oboru nejhure pokryty role Manazer rozvoje a provozu IS/ICT a Vyvojar a architekt IS/ICT. Zde je prilezitost pro vznik novych studijnich oboru nebo moznost otevreni novych kurzu, ktere budou orientovany na pokryti techto pozadavku praxe.
Prispevek byl zpracovan v ramci reseni grantu GACR--402/09/0385--Lidske zdroje v rozvoji a provozu IS/ICT: Konkurenceschopnost absolventu ceskych vysokych skol.
Doruceno redakci: 24. 8. 2011
Recenzovano: 23. 11. 2011, 2. 1. 2012
Schvaleno k publikovani: 4. 7. 2013
Literatura
[1] CANRINUS, E., HELMS-LORENZ, M., BEIJAARD, D., BUITINK, J., HOFMAN, A. Profiling teachers' sense of professional identity. Educational Studies. 2011, Vol. 37, Iss. 5, pp. 593-608. ISSN 0305-5698.
[2] DEDRICK, J., GURBAXANI, V., KRAEMER, K.L. Information technology and economic performances critical review of the empirical evidence. ACM Comput Serveys. 2003, Vol. 35, Iss. 1, pp. 1-28. ISSN 0360-0300.
[3] DOLEJS, R. IT specialiste na vyhynuti -Cerstve otevrene technologicke centrum IBM v Brne vyhledava zbytky IT odborniku v Cesku. ihned.cz [online]. Praha: Economia, 2006-04-14 [cit. 2010-09- 10]. Dostupne z: <http://ihned.cz/2- 18242480-d00000_detail-71>. ISSN 1213-7693.
[4] DOUCEK, P., NOVOTNY, O., PECAKOVA, I., VORaISEK., J. Lidske zdroje v ICT-- Analyza nabidky a poptavky po IT odbornicich vCR. 1. vyd. Praha: Professional Publishing, 2007. 202 s. ISBN 978- 80-86946-51-1.
[5] DOUCEK, P. Human Resources in ICT--ICT Effects on GDP. In IDIMT-2010: Information Technology--Human Values, Innovation and Economy. Linz: Trauner, 2010. s. 97-105. ISBN 978-3-85499-760-3.
[6] DOUCEK, P., KUNSTOVA, R., MARYSKA, M. Do We Have Enough ICT Specialists in the Period of eDependency? In Creating Solutions for the Individual, Organisations and Society [CD-ROM]. Maribor: University of Maribor, 2011. s. 1-17. ISBN 978-961-232-247-2.
[7] DRACA, M., SADUN, R., VAN REENEN, J. ICT and productivity:are view of the evidence. In MANSELL, R., AVGEROU, C., QUAH, D., SILVERSTONE, R. (Eds). Oxford Handbook of ICTs. Oxford: Oxford University Press. 642 p. ISBN 978-0-19-926623-4.
[8] DRUCKER, P. The Age of Discontinuity. Heinemann, 1969. ISBN 978-1560006183.
[9] FERNANDEZ, J., TEDFORD, P. Evaluating, computing, education programs agains real world needs. Journal of Computing Sciences in Colleges. 2006, Vol. 21, Iss. 4, pp. 259-265. ISSN 1937-4771.
[10] KEAVENY, T. Human Resource Practices and Organization Performance. E+M Ekonomie a Management. 2001, roc. 4, c. 3. ISSN 1212-3609.
[11] KELLY, K. New Rules for the New Economy, Ten Radical Strategies for the Connected World. New York: Penguin Group, 1998. ISBN 067088111-2.
[12] MAC LENNAN, J., TANG, Z. Data Mining with SQL Server 2005. Indianapolis: Wiley Publishing, Inc., 2005. ISBN 978-0- 471-46261-3.
[13] MARYSKA, M., NOVOTNY, O., DOUCEK, P. ICT Knowledge Analysis of University Graduates. In IDIMT-2010. Linz: Universitaet Linz, Trauner Veralg, 2010. ISBN 978-3-85499-760-3.
[14] BORISAS, M. Management specialists in the knowledge based society: Life- long learning oriented human resourse development. Journal of Business Economics and Management [online]. 2005, Vol. 6, No. 3, pp. 155-170 [cit. 2011-07-08]. Dostupne z: <http://dx.doi.org/10.1080/161116 99.2005.9636104>. ISSN 1611-1699.
[15] MINISTERSTVO SKOLSTVI MLADE2E A TELOVYCHOVY. Akreditovane studijni programy vysokych skol [online]. Praha: MSMT CR, 2009 [cit. 2009-01-15]. Dostupne z: <http://www.msmt.cz/vzdelavani/ akreditovane-studijni-programy-vys okych-skol-s- uvedenim-kodu-studijnich-programu-a- oboru>.
[16] NOVOTNY, O., MARYSKA, M. ICT Education and Requirements for ICT Graduates in the Czech Republic, His Competitiveness and Feedback to the Research from Respondents. In VIPSI-2007. Belgrade, 2007. ISBN 86-7466-117-3.
[17] NOVOTNY, O., DOUCEK, P. Impact of the ICT Sector on Economic Growth. In Ulovek in organi-zacija [CD-ROM]. Maribor: Univerza v Mariboru, 2010. s. 999-1006. ISBN 978-961-232-238-0.
[18] OECD. Information TechnologyOutlook2008. Paris: OECD Publishing, 2008. ISBN 978-92-6405553-7.
[19] OECD. Information Technology Outlook 2010. Paris: OECD Publishing. 299 p. ISBN 978-92-6408873-3.
[20] ORBANOVA, I., URBANCIKOVA, N. Plan rozvoja iudskych zdrojov pre pracovnikov v oblasti otvoreneho a distancneho vzdelavania. E+M Ekonomie a Management. 2005, roc. 8, c. 3. ISSN 1212-3609.
[21] PILAT, J. The economic impacts of ICT-what have we learned thus far? Presented at 4th ZEW. Conference on Economics of ICT, Mannheim, July 2-3, 2004.
[22] POUR, J., MARYSKA, M., NOVOTNY, O. Business Intelligence v podnikove praxi. 1. vyd. Praha: Professional Publishing, 2012. 276 s. ISBN 978-80-7431-065-2.
[23] STRAWMAN, J. Computing curricula 2004 overview report including a guide to undergraduate degree programmes in computing [online]. Strawman Draft, ACM/AIS/IEEE, c2004 [cit. 201106-05]. Dostupne z: <http://www.acm.org/ education/curricula.html>.
[24] USTAV PRO INFORMACE VE VZDELAVANI. Rocenky skolstvi v CR [online]. [cit. 2009-01-05]. Dostupne z: <http://www.uiv.cz/clanek/512/1857>.
[25] VOMACKOVA, H. The Economic Growth in the Czech Republic in Context to the Human Resources Development. E+M Ekonomie a Management. 2001, roc. 4, c. 1. ISSN 1212-3609.
prof. Ing. Petr Doucek, CSc.
Vysoka skola ekonomicka
Katedra systemove analyzy
doucek@vse.cz
Ing. Milos Maryska, Ph.D.
Vysoka skola ekonomicka
Katedra informacnich technologii
milos.maryska@vse.cz
doc. Ing. Ota Novotny, Ph.D.
Vysoka skola ekonomicka
Katedra informacnich technologii
novotnyo@vse.cz
Tab. 1: Struktura aktivnich ekonomickych subjektu
v Ceske republice
0 1-9 10-49 50-249
MIT 263 289 49 914 14 270 4 317
SIT 697 380 138 555 28 014 6 217
VIT 49 851 9 590 2 216 710
Total 1 010 520 198 059 44 500 11 244
250-999 1000+ Total
MIT 369 87 332 246
SIT 1 164 182 871 512
VIT 170 41 62 578
Total 1 703 310 1 266 336
Zdroj: [4]
Tab. 2: Struktura zkoumaneho vzorku firem
0 1-9 10-49 50-249 250-999 vice Celkem
MIT 56 28 28 28 37 16 193
SIT 56 56 56 56 71 36 331
VIT 56 110 160 122 26 4 478
Celkem 168 194 244 206 134 56 1 002
Zdroj: [4]
Tab. 3: Struktura zkoumaneho vzorku studijnch oboru
Rok Pocet oslovenych
VS Fakult Studijnch oboru
(aktualnch)
2006 34 65 249
2009 32 60 196
Rok Navratnost dotaznku z Navratnost
dotaznku
Fakult Studijnch oboru (%)
(aktualnch)
2006 53 203 82
2009 30 94 48
Zdroj: autori
Tab. 4: Statisticke charakteristiky zkoumaneho vzorku bakalarskych
studijnich oboru (2006)
Znalostni domeny n = 93
[bar.x] [??] Max. Min.
01 Modelovani procesu 1,634 2,000 4,000 0,000
02 Funkcionalita a 1,301 1,000 5,000 0,000
nasazovani aplikaci
03 Definice ICT sluzeb a 1,387 1,000 3,000 0,000
variant provozu
04 Analyza a navrh IS 1,860 2,000 4,000 0,000
architektury
05 Softwarove inzenyrstvi 2,301 3,000 5,000 0,000
06 Datove inzenyrstvi 2,366 3,000 5,000 0,000
07 ICT infrastruktura 3,000 3,000 5,000 0,000
08 Provozni excelence 1,462 2,000 4,000 0,000
09 Komunikacni a prezentacni 2,032 3,000 4,000 0,000
schopnosti
10 Schopnosti vedeni tymu 1,280 2,000 3,000 0,000
11 Znalosti ICT trhu 0,957 0,000 3,000 0,000
12 Metody rizeni a 1,355 1,000 4,000 0,000
organizace
13 Finance a ekonomika 1,753 2,000 4,000 0,000
podniku
14 Obchod a marketing 1,215 1,000 3,000 0,000
15 Statistika 2,054 2,000 5,000 0,000
16 Pravo 1,452 2,000 4,000 0,000
Znalostni domeny n = 93
[sigma] [[sigma]. [delta] T
sup.2]
01 Modelovani procesu 1,374 1,887 -0,056 -1,568
02 Funkcionalita a 1,435 2,061 0,669 -0,675
nasazovani aplikaci
03 Definice ICT sluzeb a 1,344 1,805 0,109 -1,805
variant provozu
04 Analyza a navrh IS 1,282 1,643 -0,461 -1,234
architektury
05 Softwarove inzenyrstvi 1,435 2,061 -0,277 -0,699
06 Datove inzenyrstvi 1,130 1,278 -0,811 0,369
07 ICT infrastruktura 1,123 1,261 -1,083 1,862
08 Provozni excelence 1,265 1,599 -0,012 -1,566
09 Komunikacni a prezentacni 1,355 1,836 -0,515 -1,191
schopnosti
10 Schopnosti vedeni tymu 1,201 1,443 0,132 -1,595
11 Znalosti ICT trhu 1,112 1,237 0,522 -1,343
12 Metody rizeni a 1,348 1,818 0,221 -1,606
organizace
13 Finance a ekonomika 1,450 2,101 -0,168 -1,623
podniku
14 Obchod a marketing 1,223 1,497 0,268 -1,580
15 Statistika 1,305 1,704 -0,461 -0,677
16 Pravo 1,238 1,533 0,131 -1,367
Zdroj: autori
Tab. 5: Statisticke charakteristiky zkoumaneho vzorku magisterskych
studijnich oboru (2006)
Znalostni domeny n = 93
[bar.x] [??] Max. Min.
01 Modelovani procesu 2,125 3,000 4,000 0,000
02 Funkcionalita a 1,789 2,000 4,000 0,000
nasazovani aplikaci
03 Definice ICT sluzeb a 1,625 2,000 4,000 0,000
variant provozu
04 Analyza a navrh IS 2,148 3,000 4,000 0,000
architektury
05 Softwarove inzenyrstvi 2,664 3,000 5,000 0,000
06 Datove inzenyrstvi 2,680 3,000 5,000 0,000
07 ICT infrastruktura 2,977 3,000 5,000 0,000
08 Provozni excelence 1,625 2,000 5,000 0,000
09 Komunikacni a prezentacni 2,289 3,000 5,000 0,000
schopnosti
10 Schopnosti vedeni tymu 1,602 2,000 5,000 0,000
11 Znalosti ICT trhu 1,281 0,000 3,000 0,000
12 Metody rizeni a 1,703 2,000 5,000 0,000
organizace
13 Finance a ekonomika 1,570 0,500 5,000 0,000
podniku
14 Obchod a marketing 1,180 0,000 4,000 0,000
15 Statistika 2,242 3,000 5,000 0,000
16 Pravo 1,344 1,500 4,000 0,000
Znalostni domeny n = 93
[sigma] [[sigma]. [delta] T
sup.2]
01 Modelovani procesu 1,562 2,441 -0,412 -1,447
02 Funkcionalita a 1,494 2,231 -0,165 -1,640
nasazovani aplikaci
03 Definice ICT sluzeb a 1,463 2,142 -0,059 -1,735
variant provozu
04 Analyza a navrh IS 1,506 2,269 -0,397 -1,351
architektury
05 Softwarove inzenyrstvi 1,623 2,634 -0,642 -0,893
06 Datove inzenyrstvi 1,279 1,637 -0,936 0,162
07 ICT infrastruktura 1,343 1,803 -0,849 0,648
08 Provozni excelence 1,527 2,331 0,184 -1,351
09 Komunikacni a prezentacni 1,553 2,412 -0,431 -1,199
schopnosti
10 Schopnosti vedeni tymu 1,518 2,305 0,139 -1,511
11 Znalosti ICT trhu 1,397 1,952 0,276 -1,829"
12 Metody rizeni a 1,594 2,541 0,120 -1,576
organizace
13 Finance a ekonomika 1,677 2,814 0,328 -1,556
podniku
14 Obchod a marketing 1,422 2,023 0,528 -1,444
15 Statistika 1,402 1,965 -0,581 -0,859
16 Pravo 1,325 1,755 0,168 -1,692
Zdroj: autori
Tab. 6: Statisticke charakteristiky odpovedi firem na pozadavky role
Manazer rozvoje a provozu IS/ICT
Znalostni domeny n = 93
[bar.x] [??] Max. Min.
01 Modelovani procesu 3,557 4,000 5,000 0,000
02 Funkcionalita a 3,547 4,000 5,000 0,000
nasazovani aplikaci
03 Definice ICT sluzeb a 3,443 4,000 5,000 0,000
variant provozu
04 Analyza a navrh IS 3,427 4,000 5,000 0,000
architektury
05 Softwarove inzenyrstvi 3,260 3,000 5,000 0,000
06 Datove inzenyrstvi 3,214 3,000 5,000 0,000
07 ICT infrastruktura 3,547 4,000 5,000 0,000
08 Provozni excelence 3,609 4,000 5,000 0,000
09 Komunikacni a prezentacni 3,714 4,000 5,000 0,000
schopnosti
10 Schopnosti vedeni tymu 3,708 4,000 5,000 0,000
11 Znalosti ICT trhu 3,380 3,000 5,000 0,000
12 Metody rizeni a 3,365 3,500 5,000 0,000
organizace
13 Finance a ekonomika 3,219 3,000 5,000 0,000
podniku
14 Obchod a marketing 3,130 3,000 5,000 0,000
15 Statistika 2,948 3,000 5,000 0,000
16 Pravo 2,922 3,000 5,000 0,000
Znalostni domeny n = 93
[sigma] [[sigma]. [delta] T
sup.2]
01 Modelovani procesu 1,235 1,525 -1,026 1,196
02 Funkcionalita a 1,236 1,527 -0,933 0,811
nasazovani aplikaci
03 Definice ICT sluzeb a 1,297 1,683 -0,942 0,711
variant provozu
04 Analyza a navrh IS 1,272 1,618 -0,799 0,401
architektury
05 Softwarove inzenyrstvi 1,412 1,995 -0,764 0,035
06 Datove inzenyrstvi 1,411 1,991 -0,702 -0,132
07 ICT infrastruktura 1,281 1,642 -0,943 0,655
08 Provozni excelence 1,345 1,810 -1,096 0,946
09 Komunikacni a prezentacni 1,305 1,703 -1,255 1,438
schopnosti
10 Schopnosti vedeni tymu 1,341 1,799 -1,097 0,789
11 Znalosti ICT trhu 1,301 1,692 -0,794 0,515
12 Metody rizeni a 1,362 1,856 -0,848 0,379
organizace
13 Finance a ekonomika 1,390 1,931 -0,611 -0,140
podniku
14 Obchod a marketing 1,353 1,831 -0,560 -0,132
15 Statistika 1,387 1,924 -0,406 -0,375
16 Pravo 1,395 1,947 -0,292 -0,532
Zdroj: autori
Tab. 7: Vzdalenosti pozadavku praxe od znalostniho profilu ICT
oboru--bakalarske studijni obory
Vzdalenost (v poctu pozadovanych dodatecnych
dni skoleni na urcitou profesi)
Bakalarske Byznys Manazer Obchodnik
studijni obory analytik-- rozvoje s IS/ICT
architekt a provozu produkty
IS/ICT a sluzbami
BcA09 130,0 175,0 130,0
BcB09 65,0 103,0 65,0
BcVosA 155,0 200,0 155,0
BcVosB 111,0 156,0 111,0
BcVosC 120,0 165,0 120,0
BcVosD 119,5 164,5 119,5
Vzdalenost (v poctu pozadovanych dodatecnych
dni skoleni na urcitou profesi)
Bakalarske Vyvojar Sprava Pokrocily
studijni obory a architekt aplikaci uzivatel
IS/ICT a IT ICT
infrastruktury metodik
BcA09 159,0 97,0 77,0
BcB09 80,0 42,0 27,0
BcVosA 188,0 122,0 95,0
BcVosB 146,0 79,0 58,0
BcVosC 156,0 88,0 60,0
BcVosD 141,5 86,5 66,5
Zdroj: autori
Tab. 8: Vzdalenosti od pozadavku praxe na vzdelni absolventu ICT
oboru--magisterske studijni obory
Vzdalenost (v poctu pozadovanych dodatecnych
dni skoleni na urcitou profesi)
Bakalarske Byznys Manazer Obchodnik
studijni obory analytik-- rozvoje s IS/ICT
architekt a provozu produkty
IS/ICT a sluzbami
MgrA09 130,0 175,0 130,0
MgrB09 47,0 85,0 54,0
MgrC09 24,0 40,0 32,0
Mgr5I 155,0 200,0 155,0
Mgr5J 95,0 133,0 102,0
Mgr5K 125,0 170,0 125,0
Mgr5L 118,0 163,0 118,0
Vzdalenost (v poctu pozadovanych dodatecnych
dni skoleni na urcitou profesi)
Bakalarske Vyvojar Sprava Pokrocily
studijni obory a architekt aplikaci uzivatel
IS/ICT a IT ICT
infrastruktury metodik
MgrA09 167,0 97,0 70,0
MgrB09 77,0 31,0 16,0
MgrC09 56,0 24,0 8,0
Mgr5I 188,0 122,0 95,0
Mgr5J 110,0 64,0 58,0
Mgr5K 160,0 92,0 60,0
Mgr5L 138,0 85,0 66,5
Zdroj: autori
 Printer friendly
 Cite/link
 Email
 Feedback
| |
| Title Annotation: | Information Management/Informacni management |
|---|---|
| Author: | Doucek, Petr; Maryska, Milos; Novotny, Ota |
| Publication: | E+M Ekonomie a Management |
| Article Type: | Abstract |
| Geographic Code: | 4EXCZ |
| Date: | Jul 1, 2013 |
| Words: | 6644 |
| Previous Article: | Cluster analysis of households characterized by categorical indicators/Shlukova analyza domacnosti charakterizovanych kategorialnimi ukazateli. |
| Next Article: | Mental health financing in six Eastern European countries. |
| Topics: | |