Grafdatabas för ökad kvalitet på Chalmers utbildningar

Abstract

I dagsläget lagras utbildningsinformation huvudsakligen som ostrukturerad text på flera olika platser, vilket gör det svårt att identifiera och överblicka kopplingarna examensmål. Detta försvårar ett systematiskt kvalitetsarbete och begränsar möjligheten att analysera utbildningarnas struktur och progression. En möjlig lösning är att representera utbildningsstrukturen i en grafdatabas där olika komponenter kan modelleras och sammankopplas genom noder, relationer och attribut. Detta kandidatarbete syftar till att undersöka möjligheter och utmaningar med att använda en grafdatabas för kvalitetssäkring av utbildningar vid Chalmers tekniska högskola. Med civilingenjörsprogrammet i Maskinteknik som fallstudie utvecklades två Proof of Concept-modeller i Neo4j för att undersöka hur kurslärandemål, programlärandemål och mål i den lokala examensordningen kan struktureras och analyseras. Den ena modellen baserades på manuella relationer medan den andra kompletterades med semantiska inbäddningar för att identifiera konceptuella samband mellan målbeskrivningar. Resultaten visar att en grafdatabas kan användas för att besvara kompetensfrågor och synliggöra strukturella mönster i utbildningen. Samtidigt visar analysen att semantisk matchning mellan målbeskrivningar kan vara utmanande, särskilt när de uttrycker formella krav snarare än kvalitativa lärandemål. Känslighetsanalysen visade att merparten av de analyserade målen hade en stabil förankring och stöddes av flera kurser, men att enskilda mål kan vara beroende av ett begränsat antal kurslärandemål. Arbetet visar att grafbaserad modellering kan utgöra ett kraftfullt verktyg för att modernisera analysen av utbildningsstrukturer. För att nå full potential krävs en standardisering av underliggande data och en övergång till automatiserad databehandling. En naturlig utveckling av modellen är att inkludera externa förmågor, vilket skulle möjliggöra en direkt jämförelse mellan akademiska mål och arbetsmarknadens faktiska efterfrågan på kompetens.