Pikkukoululaisena peruskoulun loppupuolen OPO-tunneilla ammatinvalintatestiä ATK-luokassa puuhatessaan ehkä ensi kerran saattoi oivaltaa ammattien suunnattoman kirjon. Niitä oli tosi monta erilaista! Kai useimmat tiesivät että aikuinen voi olla opettaja, maanviljelijä, poliisi tai töissä kaupassa, ja mahdollisesti talonrakentaja kuten Puuha-Pete tai eläinlääkäri-uimavahti-asianajaja-yleisurheilija kuten Barbie. Mutta testissä vilisi sivupalkissa vielä käsittämättömämpiä nimikkeitä: Mitä ovat agronomi, agrologi ja arkeologi, miksi ne ovat eri asioita, ja ennen kaikkea, miksi näitä on niin paljon?

Ammatit ovat tilastollisia, hallinnollisia ja edunvalvonnallisia otuksia, joita ei suunnitella yksin peruskouluaan päättäviä pikkukoululaisia varten. Onneksi ammatinvalinnan käsittelyyn on olemassa oiva työkalu: AVO Ammatinvalintaohjelma. Satakysymyksisen patteriston perusteella ohjelma kokoaa tulevaisuuden tai nykyisyyden työnhakijalle palveluun listattujen 344 ammatin joukosta TOP-10-listan. Useiden helppojen pikkukysymysten tavoitteena on löytää vastaus kahteen suurempaan kysymykseen: ”Millaiset asiat kiinnostavat sinua? Millaista työtä haluat tehdä?”​ Ohjelma mittaa testin tekijän yleisiä kiinnostuksia ja haluja työn sisällön suhteen. 

Kääntämällä tarkastelun takaisinpäin ammatinvalintaohjelmaan voikin saada kokonaiskuvan kerran hämmentäneestä ammattien kirjosta ja kysyä itse:  ”Millaisia töitä on olemassa?” Tähän kysymykseen Diletantti pureutuu purkamalla AVOn logiikan ja käyttämällä sitä ammattien kartan maalaamiseen.

Persoonallisuus ohjaa mielenkiintoja

AVOn kiinnostukset-osuudessa määritellään testin tekijän persoonallisuustyyppi. Tähän käytetään kautta maailman suosittua RIASEC-mallia, jonka perustana on oletus ammatinvalinnasta persoonallisuuden ilmentymänä: toisilla ihmisillä on kirjanpitäjäpersoonallisuus, toiset ovat luontaisia myyjiä, jotkut kummajaiset tutkijoita.

Malli saa nimensä persoonallisuustyypin rakennuspalikoista:

• Realistic (Käytännöllinen)
• Investigative (Tieteellinen)
• Artistic (Taiteellinen)
• Social (Sosiaalinen)
• Entrepreneurial (Yrittävä)
• Conventional (Järjestelmällinen) 

Jokainen kiinnostustestin kysymyksistä antaa pisteitä yhteen tai useampaan näistä kategorioista, joista kaksi eniten pisteitä kerryttänyttä muodostavat järjestetyn kaksikirjaimisen kiinnostuskoodin. RI-persoona on ensisijaisesti kiinnostunut käytännön asioista ja vasta toissijaisesti tieteellisestä ajattelusta, ja on täten erilainen kuin IR-ihminen. Mallin nimessä kirjaimet on järjestetty niiden tyypillisen korrelaation mukaan: esimerkiksi tieteelliset ihmiset ovat usein myös käytännöllisiä tai taiteellisia.

Nopealla laskutoimituksella voi todeta testin tuottavan 30 erilaista persoonallisuustyyppiä. Jokaista persoonallisuustyyppiä kohden on vastaavasti listattu joukko ammatteja, jotka sopisivat kyseiselle persoonalle.

Kiinnostuskoodit ja niihin luokiteltujen ammattien lukumäärät. Valitsemalla yhden ruudun voit nähdä ruudukon alla kyseistä kiinnostuskoodia vastaavat ammatit. Valitsemalla ammatin kuvauksesta sisällön voit puolestaan suodattaa kiinnostuskoodit kyseisen sisällön mukaan.

AVOn kiinnostusosuus rajaa tästä ruudukosta yhden ruudun, jonka sisällä voi olla vielä kymmeniä ammatteja. Tämän ruudun ammatit saavat 100% kiinnostavuusasteen, muille ruuduille määräytyy matalampi vertailuluku: esimerkiksi saman ensisijaisen kiinnostuskategorian jakavat ruudut ovat 75% kiinnostavia.

Huonolla tuurilla ruutu voi olla myös tyhjä! Listaukseen ei ole mahtunut ensimmäistäkään taiteellis-järjestelmällistä (AC) ammattia, ja CA-ruudussakin vaihtoehtoja on vain kaksi. Ehkä tämä jaottelu korostaa taiteen roolia säännönmukaisuuksien ja järjestelmien haastajana, poikkeuksien luojana. Toisaalta melkein sama kohtalo on osunut myös taiteellis-tieteellisille IA ja AI-koodeille, vaikka testin teorian mukaan näiden pitäisi esiintyä usein yhdessä: kenties yhteiskunta ei osaa vain hyödyntää tätä tiede-taiteellista potentiaalia?

On myös hyvä huomata, että käytännöllisiä R-ammatteja on ylivoimaisesti eniten: näiden ammattien kirjo on laajempi kuin toimistossa tai kotonaan istuskeleva tietotyöläinen ehkä arvaisi.

Diletantti kritisoi aiemmin MBTI-testiä varsinkin rekrytoinnin työkaluna. Miten RIASEC eroaa MBTI:stä edukseen?

Kysymykset ovat konkreettisempia kuin MBTI:n keinotekoiset dilemmat. RIASECille tyypilliseen kysymykseen ”Kiinnostaisiko sinua korjata koneita tai laitteita?” on helpompi vastata asteikolla yhdestä neljään kuin MBTI-henkiseen ”Ihminen tarvitsee enemmän sydäntään kuin päätään”, koska molemmat lienevät elintärkeitä elimiä.

Testi mittaa ääriarvoja eikä kahtiajakoja. Yleisenä metriikan sääntönä suurin osa ihmisistä sijoittuu kunkin mittarin keskivaiheille, mutta kukin ihminen sijoittuu todennäköisesti ääripäähän jollain mittarilla. Voi siis olla että on jotain ekstrovertin ja introvertin väliltä, mutta huomattavasti keskimääräistä taiteellisempi. Ääriarvot ovat merkityksellisempiä ja pysyväisempiä kuin keskimääräiset ominaisuudet, ja täten kahtiajakoa luotettavampia mittareita.

Testi on turvallisen tautologinen sovellusalallaan. Jos vastaa pitävänsä koneiden ja laitteiden korjaamista kiinnostavana, suosittelee testi työtehtäviä, jotka voisivat sisältää korjailua.

Testitulos on kauniisti suunniteltu tukemaan ammattiin hakeutumista: lopputuloksena saatava koodi ei ole pisteytetty vaan laadullinen mittari kiinnostavimmista asioista, riippumatta näihin osoitetusta kiinnostuksen tasosta. Näin ei ole mahdollista saada tulosta ”Juuri mikään ei kiinnosta sinua”, joka olisi työnhakijalle todennäköisesti lannistava. Mielenkiintoisesti tarkempi pisteytetty mittari olisi tässä tapauksessa mahdollisesti kehnompi!

Työn sisältö määrittää ammatin

Kiinnostuskoodin lisäksi AVOssa on määritelty kunkin työn tyypillinen sisältö. Jokaisella ammatilla on tarkalleen viisi sisältöä, joita on yhteensä 35 erilaista. Testin toisessa osassa Työn sisältö kysytäänkin ”Kuinka paljon toivot työn sisältävän” jokaisesta näistä neliportaisella asteikolla ”En halua tätä”-nollasta  ”Paljon”-vastauksen kolmeen. Työn sisällön sopivuus määräytyy prosenttiasteikolla, joka keskiarvoistaa tuon neliportaisen asteikon vastaukset. Jos on vastannut työn kaikkiin viiteen sisältöön ”En halua tätä” työn sisällön sopivuus on 0%, ja vastaavasti ”Paljon”-vastaus kaikkiin kysymyksiin tuottaa 100% sopivuuden. Ammattien lopullisen järjestyksen määrää kiinnostus- ja sopivuusprosenttien summa. 

AVO-testin sisällöt yleisyytensä mukaan. Käytännönläheisyys oli sisällöistä yleisin, se kuuluu 209 ammattiin: noin kaksi kolmesta testin ammatista ovat siis käytännönläheisiä!

35 sisältöä on käsiteltävämpi kokonaisuus kuin 300 ammattia, ja tarjoaa täten työkalun kokonaiskuvan luomiseen. Voimme tiivistää tämän edelleen ymmärrettäväksi kartaksi käyttämällä pääkomponenttianalyysia, joka löytää ammatteja parhaiten erottelevat sisältöjen yhdistelmät. Käytimme viime keväänä samaa menetelmää TEKin vaalikoneanalyysissa.

Merkittävimmäksi jakoviivaksi työn sisällön perusteella nousee käytännöllisyys. Allaolevassa kuvaajassa oikeaa reunaa kohden siirtyvät ammatit, joiden sisällöksi on listattu käytännönläheisyys, toiminnallisuus, koneet ja laitteet tai kätevyys, kun taas vasemmalle vetävät teoriaopinnot ja itsenäisyys. Ulottuvuus jaotteleekin tehokkaasti myös koulutustaustan, erotellen perustason koulutuksen vaativat ammatit muista hämmästyttävän siististi. Tämä on varsinkin opiskelijoille suunnatun ammatinvalintatestin tuloksena varsin järkevä tulos.

Seuraavalla akseli mittaa sosiaalisuutta. Sosiaalisuuteen yhdistyvät ihmisten tapaaminen ja auttaminen, kun taas vastasuuntaan itsenäiselle puolelle vetävät koneet ja laitteet sekä uudet ideat. Pääkomponenttianalyysille tyypillisesti intuitiiviset ulottuvuudet hieman sekoittuvat tässä: alareunaan tuntuvat vetäytyvän sekä tekniset että taiteelliset ammatit. 

Kolmanneksi merkittävin jako puolestaan erottaa teknis-tieteellisesti suuntautuneet ammatit muista, tällä akselilla korostuvat teksti- ja numerotarkkuus, tietokoneet, vastuu sekä matematiikka. Neljännelle ulottuvuudelle on jo vaikea keksiä selitystä. Tämä on pääkomponenttianalyysille ominaista: myöhemmät ulottuvuudet kuvaavat oikeiden ilmiöiden sijasta lähinnä sattumanvaraisia yhteyksiä tai sotkevat yhteen liian monia erillisiä trendejä. Tällä kertaa kolme lienee siis raja merkityksellisille ulottuvuuksille.

AVOn ammatit analyysin määrittämillä akseleilla. Voit valikoista valita ulottuvuudet tai vaihtaa värityksen noudattamaan joko koulutustaustaa tai ensisijaista RIASEC-kategoriaa. Valitsemalla koulutustaustan tai kiinnostuskategorian voit korostaa siihen kuuluvat ammatit. Ammattien kuvauksista löytyvistä sisällöistä klikkaamalla voit puolestaan korostaa ammatit, joihin kyseinen sisältö on listattu. Voit löytää tarkemmat sanalliset kuvaukset ammateista AVOn sivulta.

Ulottuvuudet toisentavat RIASEC-koodit melko nätisti ensisijaisen kiinnostuksenkohteen mukaan tarkasteltaessa. Käytännöllisyys-ulottuvuus erottaa tehokkaasti Käytännölliset R-ammatit muista, kun taas Sosiaalisuus-ulottuvuus poimii Sosiaaliset S ja Yritteliäät E-ammatit, ja kolmas puolestaan Tieteelliset I ja Järjestelmälliset C-ammatit. Tulosten samanmielisyys lupaa hyvää myös niiden todenperäisyydelle.

Analyysin perusteella voisi siis tehdä päätelmän, että isossa kuvassa merkittävimmin työn luonteeseen vaikuttavat tekijät ovat sen käytännöllisyys ( / teoreettisuus), sosiaalisuus ( / itsenäisyys) ja teknisyys ( / luovuus). Tulos on ilahduttavan järkeenkäypä ja sovellettava. Ammattien sijainnit kartalla tuntuvat pääosin oikeilta: käy järkeen että pysäköinnintarkastaja on eri kulmalla kuvaajaa kuin keramiikka- ja lasitaiteilija. 

Samaan aikaan tämä kaikki on turhankin ilmeistä. Ilmankin datapuljausta voisi arvata, että työn tekeminen pääasiallisesti kehollaan on perustavanlaatuisesti erilaista kuin tietotyö, että toisten ihmisten läsnäololla ja roolilla on suuri vaikutus työn tekemiseen, tai että luova työ eroaa sisällöltään teknistieteellisestä nysväämisestä, jota näiden interaktiivisten kuvaajien kasailu vaati. Törkeän ilmeinen, yllätyksetön ja tylsä tulos! Testiä täyttävillä koululaisillakin on tätä ulottuvuuskolmikkoa korkeampi ymmärrys työn moninaisuudesta.

Pääkomponenttianalyysin tulkitseva voima loppui lyhyeen. Se kaivoi luotettavasti, mutta ei kovin syvälle. Vaikka työnkuvat on pelkistetty äärimmilleen viiteen sisältöön, kykenivät kolme ulottuvuuttamme kattamaan vain kolmanneksen koko sisältöjen vaihtelun kirjosta. Taustatutkimus osoittaa aiempien ammattimaistenkin ammattiulottuvuuskartoitusten tuottaneen vastaavia tynkiä. Pääkomponenttianalyysissä korkeammat ulottuvuudet ovat lopulta vain harvoin hyödyllisiä: ensimmäiset ulottuvuudet ahmivat merkitykselliset yhteydet ja jäljelle jää ihmiselle merkityksetöntä korrelaatiokohinaa.

Kenties ammattien kirjoa ei ole lopulta erityisen hyödyllistä yrittää hahmottaa avaruudellisesti. Kun pelkistää ammattien erot ihmisaivoin käsitettävään määrään ulottuvuuksia, pelkistää pois sen inhimillisen tekemisen monipuolisuuden kaikkinaisuuden jota yritti ymmärtää alunperin. Dimensioreduktio redusoi lapsen pesuveden mukana, onhan ihminen enimmäkseen vettä.

Pääkomponenttianalyysi tuotti tällä erää pettymyksen. Ensi kerralla, muttei vielä ensi viikolla, Diletantti kurittaa testiä tehokkaammilla menetelmillä ja tutkii josko kategorisointi osoittautuisi ulottelua hedelmällisemmäksi lähestymistavaksi ammattien kirjon käsittämiseen.