Palavras-chave
Inteligência Estratégica da Força de Trabalho
Analytics do Mercado de Trabalho
Competitividade Institucional
Estratégia Curricular
Inglês para Fins Específicos
Indústria Automotiva
Universidades Chinesas
Como Citar
Resumo
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.
Referências
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Revista Inteligência Competitiva