연구진은 교육 과정과 취업 시장 연계를 위한 NLP 프레임워크를 제안했어요. 이 프레임워크는 스키마 기반 LLM을 활용해 역량 정보를 추출하고 ESCO를 통해 의미를 매칭하며 격차를 정량화합니다.
프레임워크는 7개 슬롯 역량 형식에 맞춰 LLM을 프롬프트하고, SBERT를 활용해 ESCO 어휘 집합과 정렬하며, 모델 간 의견 불일치를 조정하는 2단계 심사 프로토콜을 사용합니다.
아랍에미리트 대학교 컴퓨터 공학 학부의 ABET 인증 교육 과정과 취업 공고를 분석한 결과, 일반 역량에서 25.0%의 공급-수요 격차가 나타났어요.
추출기는 기술 슬롯에서 Cohen's kappa 0.79를 달성했으며, 스키마 준수율 100%, 문서 수준 완전성 100%를 보장합니다.