Editora Alumni®Scientific journals and books in an interactive digital format
← Back⌂ All journals
Review of Artificial Intelligence in Educatione-ISSN 2965-4688v. 16 (2026)Open Access2 min read

Strategic Workforce Intelligence for Automotive Education: A Competitive Intelligence Framework Based on Labour-Market Analytics

Inteligência Estratégica da Força de Trabalho para a Educação Automotiva: Um Framework de Inteligência Competitiva Baseado em Analytics do Mercado de Trabalho

  1. MYFaculty of Education, National University of Malaysia. Department of Foreign Languages and Cultures, Geely University of China, Chengdu, China
  2. MYFaculty of Education, National University of Malaysia
Read as flipbookRead PDFAll articles in this issueCite this articleReferences (27)

Abstract

Objetivo

O objetivo deste estudo é desenvolver um framework de Inteligência Competitiva (CI) que transforme sinais do mercado de trabalho em Inteligência Estratégica da Força de Trabalho (SWI) para a estratégia curricular de universidades chinesas que oferecem programas de Inglês para Fins Específicos (ESP) voltados ao setor automotivo, posicionando a CI como uma capacidade institucional para sustentar vantagem competitiva na empregabilidade dos graduados e na responsividade institucional às mudanças industriais.

Metodologia / Abordagem

Foi adotado um desenho quantitativo com dados secundários, fundamentado no benchmark público chinês de recrutamento Job-SDF, cobrindo 36 meses de demanda mensal de contratação entre janeiro de 2021 e dezembro de 2023. O pipeline isola um proxy industrial composto por seis ocupações L1 representando 80,0% do volume total de contratações da plataforma. Competências relacionadas à comunicação são separadas de competências específicas do domínio industrial por meio de um critério normalizado de entropia entre ocupações, enquanto a dinâmica das trajetórias é caracterizada por regressão OLS, correlação de Spearman, taxas compostas anuais de crescimento, análise de quebras estruturais e clustering K-means. A Visão Baseada em Recursos (RBV), a Visão Baseada no Conhecimento (KBV) e a teoria das Capacidades Dinâmicas sustentam o framework conceitual integrado de quatro níveis.

Resultados

A amostra analítica continha 45.046.064 observações de recrutamento distribuídas em 1.651 competências (18 de comunicação e 1.633 industriais). A demanda de recrutamento cresceu a taxas compostas anuais de 32,3% para competências industriais e 21,8% para competências de comunicação (ambas estatisticamente significativas), enquanto 33,4% das competências apresentaram quebras estruturais. O clustering K-means identificou um cluster estável de crescimento lento (a espinha curricular, dominada por competências de comunicação) e um cluster industrial de alta aceleração (a periferia ágil). O mapeamento ocupacional revelou assimetrias significativas que justificam trilhas curriculares diferenciadas alinhadas às ocupações de destino.

Originalidade / RelevâNcia

O artigo amplia a aplicação da Inteligência Competitiva da estratégia corporativa para a governança curricular do ensino superior e formaliza a Inteligência Estratégica da Força de Trabalho como um novo constructo ancorado nas teorias RBV, KBV e Capacidades Dinâmicas. Metodologicamente, fundamenta decisões curriculares em 45 milhões de observações do mercado de trabalho por meio de um filtro de entropia que preserva a privacidade. Na prática, oferece às universidades chinesas uma arquitetura decisória orientada por CI para sustentar programas ESP alinhados à indústria, além de fornecer um pipeline analítico reproduzível e transferível para outros programas acadêmicos orientados à indústria.

Keywords
Inteligência CompetitivaInteligência Estratégica da Força de TrabalhoAnalytics do Mercado de TrabalhoCompetitividade InstitucionalEstratégia CurricularInglês para Fins EspecíficosIndústria AutomotivaUniversidades Chinesas

References 27

  1. Schmitt, M. (2023). Automated machine learning: AI-driven decision making in business analytics. Intelligent Systems with Applications, 18, 200188. https://doi.org/10.1016/j.iswa.2023.200188
  2. Çal, A., Mearns, T., & Admiraal, W. (2025). Two worlds apart? Engineering students' perceptions of workplace English. Business and Professional Communication Quarterly, 86(4), 466–492. https://doi.org/10.1177/23294906231182613
  3. Calof, J., & Colton, B. (2024). Developing foresight that impacts senior management decisions. Technological Forecasting and Social Change, 198, 123036. https://doi.org/10.1016/j.techfore.2023.123036
  4. Chen, X., Qin, C., Fang, C., Wang, C., Zhu, C., Zhuang, F., Zhu, H., & Xiong, H. (2024). Job-SDF: A multi-granularity dataset for job skill demand forecasting and benchmarking. Advances in Neural Information Processing Systems, 37, 129329–129356. https://doi.org/10.52202/079017-4109
  5. Dou, A. Q., Chan, S. H., & Win, M. T. (2023). Changing visions in ESP development and teaching: Past, present, and future vistas. Frontiers in Psychology, 14, Article 1140659. https://doi.org/10.3389/fpsyg.2023.1140659
  6. Dou, A., Chan, S., & Win, M. T. (2024). Making a case for English for specific purposes in China: Listening to stakeholders' voices. Humanities and Social Sciences Communications, 11, Article 1646. https://doi.org/10.1057/s41599-024-04145-4
  7. Ellederová, E., & Denysenko, V. (2025). Students' and teachers' attitudes towards CLIL in the interdisciplinary study program English in electrical engineering and informatics. TESL-EJ, 28(4). https://doi.org/10.55593/ej.28112a8
  8. Fielden Burns, L. V., & Rico García, M. (2022). Intercultural and linguistic competences for engineering ESP classes: A didactic framework proposal through problem-based learning. International Journal of Applied Linguistics, 32(1), 3–24. https://doi.org/10.1111/ijal.12370
  9. Hakmaoui, A., Oubrich, M., Calof, J., & El Ghazi, H. (2022). Towards an anticipatory system incorporating corporate foresight and competitive intelligence in creating knowledge: A longitudinal Moroccan bank case study. Technological Forecasting and Social Change, 174, 121139. https://doi.org/10.1016/j.techfore.2021.121139
  10. Helfat, C. E., Kaul, A., Ketchen, D. J., Barney, J. B., Chatain, O., & Singh, H. (2023). Renewing the resource-based view: New contexts, new concepts, and new methods. Strategic Management Journal, 44(6), 1357–1390. https://doi.org/10.1002/smj.3500
  11. Hiltz, B. S., Victor, B. G., & Perron, B. E. (2026). From job postings to curriculum decisions: Using AI to generate workforce intelligence for MSW program planning. arXiv. https://doi.org/10.48550/arXiv.2603.06839
  12. Lassébie, J., & Quintini, G. (2022). What skills and abilities can automation technologies replicate and what does it mean for workers? OECD Social, Employment and Migration Working Papers, No. 282. https://doi.org/10.1787/646aad77-en
  13. Liu, M., Chong, S. W., Marsden, E., McManus, K., Morgan-Short, K., Al-Hoorie, A. H., Plonsky, L., Bolibaugh, C., Hiver, P., Winke, P., Huensch, A., & Hui, B. (2023). Open scholarship in applied linguistics: What, why, and how. Language Teaching, 56(3), 432–437. https://doi.org/10.1017/S0261444822000349
  14. Madureira, L., Popovič, A., & Castelli, M. (2023). Competitive intelligence empirical validation and application: Foundations for knowledge advancement and relevance to practice. Journal of Information Science. Advance online publication. https://doi.org/10.1177/01655515231191221
  15. Maluleka, M. L., & Chummun, B. Z. (2023). Competitive intelligence and strategy implementation: Critical examination of present literature review. South African Journal of Information Management, 25(1), Article a1610. https://doi.org/10.4102/sajim.v25i1.1610
  16. Mao, F., & Zhou, J. (2024). A needs analysis of ESP courses in colleges of art and design: Consensus and divergence. PLOS ONE, 19(6), Article e0305210. https://doi.org/10.1371/journal.pone.0305210
  17. Mashau, M. J., Nenzhelele, T. E., & Ramasimu, N. F. (2025). Competitive intelligence evolution during and after COVID-19: A bibliometric mapping and industry change analysis. International Journal of Business Ecosystem & Strategy, 7(4), 330–349. https://doi.org/10.36096/ijbes.v7i4.907
  18. Napierala, J., & Kvetan, V. (2023). Changing job skills in a changing world. In Handbook of computational social science for policy (pp. 243–259). Springer. https://doi.org/10.1007/978-3-031-16624-2_13
  19. Nie, Y., & Vorawattanachai, P. (2026). Competitive intelligence as a strategic capability: Evidence from higher vocational education administration. Journal of Sustainable Competitive Intelligence, 16, e0646. https://doi.org/10.37497/eagleSustainable.v16i.646
  20. Rahhal, I., Kassou, I., & Ghogho, M. (2024). Data science for job market analysis: A survey on applications and techniques. Expert Systems with Applications, 251, Article 124101. https://doi.org/10.1016/j.eswa.2024.124101
  21. Song, X., & Xu, D. (2024). More graduates, fewer skills? Vocational education expansion and skilled labour shortages in China. The China Quarterly, 260, 970–985. https://doi.org/10.1017/S0305741023001856
  22. Teece, D. J. (2023). Big tech and strategic management: How management scholars can inform competition policy. Academy of Management Perspectives, 37(1), 1–15. https://doi.org/10.5465/amp.2022.0013
  23. Tian, J., Wang, P., & Zhu, D. (2024). Overview of Chinese new energy vehicle industry and policy development. Green Energy and Resources, 2(2), Article 100075. https://doi.org/10.1016/j.gerr.2024.100075
  24. Tividad, M. J. I. (2024). The English language needs of a technical vocational institution. Psychology and Education: A Multidisciplinary Journal, 16(3), 256–283. https://doi.org/10.5281/zenodo.10462501
  25. Tzimas, G., Zotos, N., Mourelatos, E., Giotopoulos, K. C., & Zervas, P. (2024). From data to insight: Transforming online job postings into labor-market intelligence. Information, 15(8), Article 496. https://doi.org/10.3390/info15080496
  26. Walter, Y. (2024). Embracing the future of artificial intelligence in the classroom: The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21, Article 15. https://doi.org/10.1186/s41239-024-00448-3
  27. Weichselbraun, A., Süsstrunk, N., Waldvogel, R., Glatzl, A., Braşoveanu, A. M. P., & Scharl, A. (2024). Anticipating job market demands—A deep learning approach to determining the future readiness of professional skills. Future Internet, 16(5), Article 144. https://doi.org/10.3390/fi16050144

Cite this article

BibTeXRIS

Zotero and Mendeley: open the RIS file, or use the Zotero Connector on this page (it reads the article metadata).

Share

Related articles